@techreport{VetterHaugBaumannetal., type = {Working Paper}, author = {Vetter, Miriam and Haug, Sonja and Baumann, Lukas and Dotter, Caroline and Weber, Karsten}, title = {EVEKT - Erh{\"o}hung der Verbraucherpartizipation an der Energiewende durch KI-Technologien und datenbasierte Mehrwertdienste. 2. Arbeitspapier: Identifikation von Motivatoren}, organization = {Ostbayerische Technische Hochschule (OTH) Regensburg / Institut f{\"u}r Sozialforschung und Technikfolgenabsch{\"a}tzung (IST)}, doi = {10.13140/RG.2.2.11159.85925}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:898-opus4-60357}, pages = {15}, abstract = {Viele L{\"a}nder setzen auf den Einbau digitaler Messtechnologien f{\"u}r Privathaushalte, die als zentraler Bestandteil von Smart-Grids, intelligenter Stromnetze installiert werden, um Stromnetzstabilit{\"a}t zu gew{\"a}hrleisten. Die Messung des Stromverbrauchs kann an die Verbraucher*innen mithilfe von Apps oder anderer Smart-Meter-Plattformen r{\"u}ckgemeldet werden. Dabei zeigt sich, dass nicht nur die Anzeige bzw. die Sichtbarmachung des Stromverbrauchs zu einer m{\"o}glichen Reduktion des Energieverbrauchs f{\"u}hrt, sondern dass die individuelle Ansprache von Haushalten und soziale, finanzielle sowie ideelle Anreize die Haushalte langfristig zur Energiereduktion bewegen. Der {\"U}berblick {\"u}ber Motivatoren im Zusammenhang mit einer Energieverbrauchsr{\"u}ckmeldung bietet Hinweise f{\"u}r eine geplante Bev{\"o}lkerungsbefragung sowie die Entwicklung einer Web-App im Rahmen des Projekts EVEKT.}, language = {de} } @article{KnoedlerBaecherKaukeNavarroetal., author = {Knoedler, Leonard and Baecher, Helena and Kauke-Navarro, Martin and Prantl, Lukas and Machens, Hans-G{\"u}nther and Scheuermann, Philipp and Palm, Christoph and Baumann, Raphael and Kehrer, Andreas and Panayi, Adriana C. and Knoedler, Samuel}, title = {Towards a Reliable and Rapid Automated Grading System in Facial Palsy Patients: Facial Palsy Surgery Meets Computer Science}, series = {Journal of Clinical Medicine}, volume = {11}, journal = {Journal of Clinical Medicine}, number = {17}, publisher = {MDPI}, address = {Basel}, doi = {10.3390/jcm11174998}, abstract = {Background: Reliable, time- and cost-effective, and clinician-friendly diagnostic tools are cornerstones in facial palsy (FP) patient management. Different automated FP grading systems have been developed but revealed persisting downsides such as insufficient accuracy and cost-intensive hardware. We aimed to overcome these barriers and programmed an automated grading system for FP patients utilizing the House and Brackmann scale (HBS). Methods: Image datasets of 86 patients seen at the Department of Plastic, Hand, and Reconstructive Surgery at the University Hospital Regensburg, Germany, between June 2017 and May 2021, were used to train the neural network and evaluate its accuracy. Nine facial poses per patient were analyzed by the algorithm. Results: The algorithm showed an accuracy of 100\%. Oversampling did not result in altered outcomes, while the direct form displayed superior accuracy levels when compared to the modular classification form (n = 86; 100\% vs. 99\%). The Early Fusion technique was linked to improved accuracy outcomes in comparison to the Late Fusion and sequential method (n = 86; 100\% vs. 96\% vs. 97\%). Conclusions: Our automated FP grading system combines high-level accuracy with cost- and time-effectiveness. Our algorithm may accelerate the grading process in FP patients and facilitate the FP surgeon's workflow.}, language = {en} } @techreport{HaugDotterBaumannetal., type = {Working Paper}, author = {Haug, Sonja and Dotter, Caroline and Baumann, Lukas and Weber, Karsten}, title = {EVEKT - Erh{\"o}hung der Verbraucherpartizipation an der Energiewende durch KI-Technologien und datenbasierte Mehrwertdienste. 1. Arbeitspapier: Determinanten des Stromverbrauchs von Privathaushalten im Kontext von Smart Meter}, organization = {Ostbayerische Technische Hochschule (OTH) Regensburg / Institut f{\"u}r Sozialforschung und Technikfolgenabsch{\"a}tzung (IST)}, doi = {10.13140/RG.2.2.11998.72009}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:898-opus4-60348}, pages = {17}, abstract = {Seit dem Beginn des russischen Angriffskriegs und der Ukraine-Krise im Februar 2022 wurden massive Preissteigerungen auf dem Energiesektor beobachtet. Die Unsicherheiten auf dem Energiemarkt sowie die angespannte Lage der Gasversorgung f{\"u}hrten zu erheblich h{\"o}heren Strompreisen f{\"u}r Privathaushalte. Welche Faktoren den Stromverbrauch determinieren, wird im vorliegenden Arbeitspapier genauer untersucht. Der Zusammenhang zwischen Haushaltsmerkmalen und deren Stromverbrauch ist in der sozialwissenschaftlichen Energieforschung bekannt. Eine M{\"o}glichkeit der Verbrauchserfassung von Strom sind Smart-Meter, digitale Stromz{\"a}hler. Projektziel von EVEKT ist die Untersuchung von M{\"o}glichkeiten zur Reduktion des Stromverbrauchs von privaten Haushalten. Ziel dieses Arbeitspapiers ist es, verschiedene Gruppen von Haushalten und deren Charakteristik bei Strombezug und Smart-Meter-Nutzung zu differenzieren. Damit dokumentiert es einen Arbeitsschritt im Rahmen eines EVEKT-Teilprojekts zur Untersuchung sozialer und ethischer Aspekte von KI-Technologie in Privathaushalten. Es wurde ein Scoping Review zu Stromverbrauchsindikatoren in Bezug auf Smart-Meter durchgef{\"u}hrt. In einer systematischen Suche in der Datenbank Web of Science wurden 477 Treffer gefunden. Von den 477 Treffern konnten nach Durchsicht 12 passende Studien analysiert werden. Die untersuchten Arbeiten unterteilen Haushalte in verschiedene Kategorien bzw. Cluster. Einige Studien gruppieren nach soziodemografischen Aspekten, w{\"a}hrend andere die Verbrauchsmuster analysieren. Als Ergebnis des Scoping Reviews empfehlen wir, beide Ans{\"a}tze zu kombinieren, um verschiedene Haushaltstypen angemessen anzusprechen. Bedeutung f{\"u}r die weiteren Projektschritte (Bev{\"o}lkerungsumfrage) Inwieweit die Zugeh{\"o}rigkeit zu bestimmten Haushaltstypen die Akzeptanz von KI-Technologie und feedback-basierter Apps determinieren, wird im Rahmen einer eigenen Befragung {\"u}berpr{\"u}ft werden. Dazu wird aktuell ein Fragebogen entwickelt. Die Feldphase der deutschlandweiten Bev{\"o}lkerungsbefragung ist f{\"u}r 2024 geplant.}, language = {de} }