Fakultät Angewandte Mathematik, Physik und Allgemeinwissenschaften
Refine
Year of publication
Document Type
- Part of a Book (54)
- Article (37)
- conference proceeding (article) (19)
- Other (15)
- Review (13)
- conference proceeding (presentation) (9)
- Book (8)
- Report (3)
- conference proceeding (proceeding) (1)
Reviewed
- Begutachtet/Reviewed (47)
Keywords
- Journalismus (16)
- Change Management (15)
- Unternehmenskommunikation (8)
- Onlinejournalismus (6)
- Public Sector (6)
- Digitalisierung (5)
- Medien (5)
- Social Media (5)
- Augmented Reality (4)
- Digitale Transformation (4)
Institute
Seit Jahren dauert die Debatte um gendersensible Sprache in Deutschland an, insbesondere über die Verwendung von Sonderzeichen. Sie ist stark polarisiert. Einzelne Politiker, allen voran der bayerische Ministerpräsident
Markus Söder, regeln die Verwendung von Sternchen und Doppelpunkten
in staatlichen Einrichtungen qua Verordnung und Verbot. Daran müssen sich Medienredaktionen nicht halten. Wie bereits im Zuge der großen Rechtschreibreform in den 1990er-Jahren können sie selbst entscheiden, wie ihre Mitarbeitenden schreiben und sprechen. Es lassen sich unterschiedliche Positionen erkennen, die an eine politische Ausrichtung gekoppelt sind. Grundlegend für die Sprachverwendung einerseits und die Berichterstattung über das Thema andererseits ist die ethisch-normative Bewertung der Rolle der Medien als Beobachter der gesellschaftlichen Entwicklung. In diesem Beitrag werden diese unterschiedlichen Positionen analysiert. Betrachtet wird dabei auch, welche Auswirkungen die Verwendung KI-basierter Sprachtools haben könnten. Am Ende steht der Appell für eine Entpolemisierung der Debatte.
Thermoelectric energy harvesters (TEH) serve as autonomous energy sources in Internet of Things applications, particularly for powering wireless sensor nodes. However, they often require complex, computationally expensive multi-physical finite element method (FEM) simulations for precise optimization. Machine learning based surrogate models offer a computationally efficient alternative. This study presents a comprehensive comparative analysis of three prominent surrogate modeling techniques: Polynomial Chaos Expansion (PCE), Gaussian Process Regression (GPR), and Deep Neural Networks (DNN). These models are trained using highfidelity datasets derived from multi-physical FEM simulations, with a specific focus on limited data regimes to emulate realistic computational constraints. The predictive performance and generalization capabilities of PCE, GPR, and DNN are rigorously evaluated against unseen reference data across varying training set sizes. This approach allows for a quantified assessment of how data sparsity impacts model fidelity. Furthermore, the models’ capacity to forecast the influence of individual parameters is directly validated through comparison with empirical data obtained from a simplified experimental setup. The findings reveal distinct operational regimes for each methodology. While GPR demonstrates superior robustness and predictive accuracy in single-parameter optimization, PCE intrinsically offers excellent interpretability and efficiency for smooth parametric dependencies. Conversely, DNNs exhibit strong scalability as dataset sizes increase and deals well with the high-dimensional parameter space. Notably, while a single high-fidelity FEM simulation requires approximately 30 min per parameter set, the trained surrogate models deliver predictions virtually in real-time.
Die Chancen für die digitale Beteiligung vulnerabler Gruppen am gesellschaftlichen Transformationsprozess nehmen zu. Aber noch immer können nicht alle Menschen die Angebote im gleichen Maße nutzen oder bleiben weiter von der aktiven Teilhabe ausgeschlossen. Personen mit körperlichen, sensorischen oder kognitiven Einschränkungen stoßen im digitalen Raum häufig auf Barrieren, die ihnen den Zugang erschweren oder ganz verwehren (Seale et al., 2021; Maaß & Rink 2020). Maßnahmen zur barrierefreien Gestaltung werden in der Europäischen Union beispielsweise im European Accessibility Act (Richtlinie (EU) 2019/882) festgelegt; in Deutschland gilt seit 28. Juni 2025 das Barrierefreiheitsstärkungsgesetz (BFSG).
Digitale Tools können in der Gesundheitsförderung eine wichtige Rolle spielen – vor allem bei Kindern und Jugendlichen, denn in dieser Phase wird erlernt, wie ein gesundes Leben möglich ist (Derwig et al., 2021). Studien belegen, dass Bewegungsmangel, schlechte Ernährung oder Leistungsdruck vorherrschen (DAK, 2022), aber Schulprogramme vor allem bei ernährungsbezogenen Verhaltensänderungen gute Effekte (Vézina-Im et al., 2017) erzielen.
Versuche und Forderungen für mehr Bürgerbeteiligung gibt es seit den späten 1960er-Jahren. Die „partizipative Revolution“ ist inzwischen abgelöst von der Idee der „demokratischen Innovationen“ oder der „demokratischen Experimente“ (Kübler u.a. 2021). Deshalb gewinnen Partizipationsformate wie Bürger- oder Zukunftsräte als innovative und deliberative Ansätze seit einigen Jahren wieder zunehmend an Popularität (Kübler u.a. 2021). In diesen Mikro-Öffentlichkeiten werden kontroverse Fragen – unter der Bedingung professioneller Moderation – lösungsorientiert diskutiert.
In diesem Essay wird der Frage nachgespürt, welche Rolle die Medienberichterstattung in der zunehmend polarisierten Diskussion über den nachhaltigen Gesellschaftswandel spielt. Da die Partei „Bündnis 90/Die Grünen“ als wesentlicher Transformationstreiber gilt und im Zuge der Debatte um das sogenannte „Heizungsgesetz“ dramatisch an Zustimmung verloren hat, steht sie dabei im Fokus. Obwohl ihr viele Medienschaffende nahestehen, scheinen negative Narrative die Oberhand zu gewinnen und die Abkehr von der „grünen“ Vision zu beschleunigen.
The future of mortality – mortality forecasting by extrapolation of deaths curve evolution patterns
(2026)
A variety of mortality models can be used to project future mortality. However, the parameters of most of these models lack a clear demographic interpretation. Hence, the resulting projections may be demographically implausible in the sense that trends in key demographic statistics are not extrapolated in a reasonable way. When demographers make predictions on future mortality, they typically focus on one or few relevant demographic statistics related to certain aspects of the mortality evolution. However, they do not derive comprehensive mortality forecasts as required for actuarial purposes. This article aims to close the gap between these forecasting approaches.
To this end, we establish a new deterministic mortality model which can be used for best estimate and scenario forecasts. We model the deaths curve, i.e. the age-at-death distribution, and derive forecasts based on the extrapolation of statistics that have a clear demographic interpretation. The four key statistics of the model are those from the classification framework of Börger et al. (2018). The design of our model makes sure that forecasts for the immediate future of the deaths curve are consistent with the most recent trends of all demographically relevant statistics. Moreover, expert opinions with respect to the future trends of certain demographically interpretable statistics can easily be incorporated – in particularly for the farther future where a pure extrapolation of historic trends might lead to implausible results. We present a possible implementation of the model and provide case studies that illustrate how the model can be applied.
The uncertainty in future mortality rates is typically quantified by stochastic mortality models. To this end, the time dependent parameters in these models are projected by stochastic processes. Thus, the choice of these processes and their calibration have a crucial impact on estimates of future uncertainty. Since the commonly applied random walk with drift process has some structural shortcomings (see e.g. Börger et al. (2014)), alternative processes with random changes in the long-term mortality trend have been proposed by several authors. Such trend changes can be observed in the historical data for almost every population. However, data on such trend changes is sparse, and thus, the parameter estimation of these trend processes involves a significant degree of uncertainty.
In this paper, we explain how data on trend changes from several populations can be combined in order to improve the reliability of trend process calibrations for individual populations. We discuss different assumptions on the “similarity” of parameters for different populations and implement those assumptions for the case of the trend change process proposed by Börger and Schupp (2018). In a numerical example we find that the impact on parameter estimates can be substantial. Thus, relying on the sparse data for individual populations only can lead to significant misestimation of future mortality and its uncertainty.
Dieses Buch von Jana Rick stand ganz oben auf der persönlichen Leseliste. Nicht, weil es mit dem Promotions-Förderpreis des Verlags ausgezeichnet worden ist. Sondern weil es spannende Einsichten von Menschen versprach, die – wie die Rezensentin vor vielen Jahren – den Journalismus beziehungsweise eine Medienredaktion verlassen haben. Eine Erkenntnis vorab: Der Großteil der Befragten wechselte nicht in völlig andere Berufsfelder, sondern blieben in der Kommunikationsbranche, wo sie ihre Kompetenzen weiterhin einsetzen können.
