Digitalisierung
Refine
Document Type
- Article (13)
- conference proceeding (article) (8)
- Part of a Book (4)
- Working Paper (3)
- Master's Thesis (2)
- Preprint (2)
- Book (1)
- Other (1)
- Review (1)
Has Fulltext
- yes (35) (remove)
Is part of the Bibliography
- no (35)
Keywords
- Digitalisierung (4)
- KI (4)
- Künstliche Intelligenz (3)
- Maschinelles Lernen (3)
- NRO (3)
- Pflege (3)
- Schlaganfall (3)
- Adam optimizer (2)
- Convergence (2)
- Konvergenz 〈Informationstechnik〉 (2)
Institute
- Fakultät Informatik und Mathematik (24)
- Regensburg Strategic IT Management (ReSITM) (9)
- Fakultät Sozial- und Gesundheitswissenschaften (8)
- Regensburg Center of Health Sciences and Technology - RCHST (5)
- Fakultät Elektro- und Informationstechnik (3)
- Labor Pflegeforschung (LPF) (3)
- Laboratory for Safe and Secure Systems (LAS3) (3)
- Fakultät Angewandte Natur- und Kulturwissenschaften (2)
- Labor Logopädie (LP) (2)
- Labor Parallele und Verteilte Systeme (2)
Begutachtungsstatus
- peer-reviewed (18)
Hintergrund und Fragestellung
Künstliche Intelligenz (KI) stellt ein wichtiges Thema der Digitalisierung dar und hat
das Potenzial viele Arbeitsfelder grundlegend zu verändern. Mit dem Einsatz von KI
wird die Hoffnung verbunden durch Automatisierung Zeit und Geld zu sparen. Dies
könnte besonders interessant für Organisationen sein, die wenig Ressourcen zur Verfügung
haben, da sie nicht gewinnorientiert oder ehrenamtlich arbeiten. Dazu zählen
Nichtregierungsorganisationen (NRO), die einen wichtigen Bestandteil der Zivilgesellschaft
darstellen. Aufgrund der komplexer werdenden Arbeit von NROs scheint KI
Möglichkeiten zur Bewältigung aktueller und zukünftiger Herausforderungen zu bieten.
Über den Einsatz von KI in NROs ist derzeit jedoch wenig bekannt.
Methodik
Es wurde eine quantitative Querschnittstudie deutscher Nichtregierungsorganisationen
(NRO) zum Thema KI durchgeführt. Der Web-Survey baut auf den Erkenntnissen
des Scoping Reviews und der qualitativen Interviews auf und vertieft den Einblick in
die Bereiche aktuelle Nutzung von KI, Wissenstand in den Organisationen sowie vorhandene
und noch benötigte Ressourcen. Dafür wurden 343 NROs verschiedener Größen
und Handlungsfelder befragt und die Ergebnisse quantitativ analysiert.
Ergebnisse
Die meisten NROs sind der Anwendung von KI gegenüber positiv eingestellt und planen
den Einsatz für die Zukunft oder testen ihn bereits. Dafür werden meist schnell
umsetzbare, externe Anwendungen wie Schreibunterstützungen oder Textübersetzung
für Bürotätigkeiten in den Arbeitsablauf eingebaut. Diese Nutzung beschränkt
sich häufig auf erste Versuche und wird durch interessierte Einzelpersonen vorangetrieben.
Für größere Umsetzung fehlen häufig Zeit, Geld und Wissen. Da die NROs
selbst erwarten, dass die Nutzung von KI in den nächsten Jahren zunehmen wird,
werden mehr Wissensaufbau und Austausch in den Organisationen notwendig.
Schlussfolgerung
Das Interesse an der Thematik scheint in der Zielgruppe vorhanden zu sein, wie die
hohe Teilnahmebereitschaft nahelegt. Doch handelt es sich um ein eher neues Thema
für die NROs, sodass der Einsatz noch getestet wird und feste Strukturen, welche die
Anwendung systematisieren und regeln noch aufgebaut werden müssen. Um dies zu
ermöglichen, sind mehr Wissen, Richtlinien und finanzielle Ressourcen notwendig.
Die Umsetzung hat in den NROs jedoch wenig Priorität, da zunächst andere Hürden
überwunden werden müssen.
Context:
Causal probabilistic graph-based models have gained widespread utility, enabling the modeling of cause-and-effect relationships across diverse domains. With their rising adoption in new areas, such as safety analysis of complex systems, software engineering, and machine learning, the need for an integrated lifecycle framework akin to DevOps and MLOps has emerged. Currently, such a reference for organizations interested in employing causal engineering is missing. This lack of guidance hinders the incorporation and maturation of causal methods in the context of real-life applications.
Objective:
This work contextualizes causal model usage across different stages and stakeholders and outlines a holistic view of creating and maintaining them within the process landscape of an organization.
Method:
A novel lifecycle framework for causal model development and application called CausalOps is proposed. By defining key entities, dependencies, and intermediate artifacts generated during causal engineering, a consistent vocabulary and workflow model to guide organizations in adopting causal methods are established.
Results:
Based on the early adoption of the discussed methodology to a real-life problem within the automotive domain, an experience report underlining the practicability and challenges of the proposed approach is discussed.
Conclusion:
It is concluded that besides current technical advancements in various aspects of causal engineering, an overarching lifecycle framework that integrates these methods into organizational practices is missing. Although diverse skills from adjacent disciplines are widely available, guidance on how to transfer these assets into causality-driven practices still need to be addressed in the published literature. CausalOps’ aim is to set a baseline for the adoption of causal methods in practical applications within interested organizations and the causality community.
Hintergrund und Fragestellung
Nichtregierungsorganisationen (NRO) sind ein wichtiger Bestandteil der Zivilgesellschaft und interagieren auch mit Regierungen, Unternehmen und anderen gesellschaftlichen Akteuren. Aufgrund der komplexer werdenden Arbeit von NROs scheint Künstliche Intelligenz (KI) Möglichkeiten zur Bewältigung aktueller und zukünftiger Herausforderungen zu bieten. Jedoch ist wenig über die Arbeit von NROs mit KI bekannt.
Methodik
Es wurden fünf explorative Interviews mit Vertreter*innen von Nichtregierungsorganisationen (NROs) zum Thema Wissen, Akzeptanz, Bedarfe und Risikoeinschätzungen geführt und ausgewertet. Dabei sind NROs aus verschiedenen Handlungsfeldern und Größe interviewt. Es wurden informelle Vorgespräche geführt, um eine erste Orientierung im Forschungsfeld zu generieren. Aus den Erkenntnissen der Vorgespräche
und den Ergebnissen des Scoping Reviews ist ein Leitfaden erstellt worden, der zur Orientierung für die Expert*inneninterviews dient. Im Anschluss wurden dann fünf explorative leitfadengestützte Expert*inneninterviews durchgeführt und qualitativ ausgewertet.
Ergebnisse
Ein zentraler Befund ist, dass das Thema KI gerade in den NROs ankommt und es noch keine gefestigten Strukturen und Vorstellungen zum Einsatz von KI gibt. KI wird in einzelnen spezifischen Projekten eingesetzt, ohne dass diese umfassend in Arbeitsabläufe integriert ist. Die Akzeptanz von KI ist generell positiv; die Technologie wird als potenzielle Lösung für strukturelle Herausforderungen und Unterstützung im Alltag gesehen. Die Nutzung von KI-Anwendungen beschränkt sich jedoch mit Ausnahme von Large Language Models auf Pilotprojekte. Mit jüngerem Alter und Technikaffinität ist eine höhere Akzeptanz verbunden. Besonders kritisch werden Anwendungen von KI im Sozial- oder Gesundheitsbereich als Ersatz für menschliche Interaktionen gesehen. Betont werden auch ethische Bedenken und eine hohe Bedeutsamkeit von Datenschutz.
Schlussfolgerung
Künstliche Intelligenz in Nichtregierungsorganisationen ist ein aufkommendes und sich entwickelndes Forschungsthema. Die Interviews unterstreichen den Bedarf an mehr Wissen, ethischen Richtlinien und finanziellen Ressourcen für eine effektive Nutzung von KI in NROs. Ein umfassendes Verständnis von KI und eine tiefergehende, systematische Integration in Arbeitsabläufe in diesen Organisationen müssen noch entwickelt werden.
Hintergrund und Fragestellung
Nichtregierungsorganisationen (NRO) sind ein wichtiger Bestandteil der Zivilgesellschaft und interagieren auch mit Regierungen, Unternehmen und anderen gesellschaftlichen Akteuren. Aufgrund der komplexer werdenden Arbeit von NROs scheint Künstliche Intelligenz (KI) Möglichkeiten zur Bewältigung aktueller und zukünftiger Herausforderungen zu bieten. Jedoch ist wenig über die Arbeit von NROs mit KI bekannt. Daher beschäftigt sich das Projekt KINiro in diesem ersten Working Paper mit der Frage, welche (nicht-)wissenschaftlichen Erkenntnisse zum Themenkomplex NROs und KI bereits vorliegen.
Methodik
Es wurde ein Scoping Review zur Erfassung (nicht-)wissenschaftlicher Texte zu NROs und KI durchgeführt. Die systematische Literaturrecherche wurde in den Datenbanken Web of Science, Science Gate und WISO durchgeführt. In den Review wurden schließlich 14 Titel eingeschlossen und qualitativ analysiert.
Ergebnisse
Die Mehrheit der gefundenen Treffer sind Pressemitteilungen. Unter den Treffern befinden sich lediglich zwei (wissenschaftliche) Studien. Die NROs setzen sich auf verschiedenen Ebenen mit der Thematik von KI auseinander, wobei sich zwei Herangehensweisen unterscheiden lassen. Einige NROs nehmen am gesellschaftlichen Diskurs über den Einsatz von KI teil und treiben diesen in theoretischer Hinsicht voran, ohne die Technik dabei selbst zu nutzen. Andere NROs integrieren die KI-Systeme praktisch in ihre Arbeitsabläufe oder führen Projekte zum Zweck der NRO mit KI-Unterstützung durch. Für die Entwicklung von KI-Anwendungen wird mit For-Profit-Unternehmen kooperiert und die Expertise der Unternehmen mit Daten der NROs kombiniert. Durch den Einsatz von KI erhoffen sich NROs einen gezielteren Einsatz von Ressourcen. Hierbei zeigt sich, dass für die Nutzung in KI-Systemen ein interdisziplinärer Konsens über Standards in Datenerhebung und Speicherung als notwendig angesehen wird.
Schlussfolgerung
Aus der geringen Anzahl an gefundenen Texten, insbesondere (wissenschaftlichen) Studien, und dem Veröffentlichungszeitraum, der in den vergangenen sieben Jahren liegt, lässt sich schließen, dass es sich um einen jungen Forschungsbereich handelt. Die ausgeschlossenen Titel zeigen auf, dass NROs aktuell noch häufiger mit der Digitalisierunge allgemein beschäftigt sind und die Auseinandersetzung mit KI erst noch am Anfang steht.
In the realm of parallel computing, optimization plays a pivotal role in achieving efficient and scalable solutions. In this work, we present the parallelization of a hybrid genetic search for solving the Capacitated Vehicle Routing Problem with Pickup and Delivery (CVRPPD).It leverages the synergy between genetic algorithms and parallel computing to address the complex optimization problem. This hybrid algorithm combines a customized version of local search with a genetic algorithm to compute an effective solution. Our implementation makes use of the Message Passing Interface (MPI) for data distribution and parallel execution. In addition, we run multi-threaded processes on NVIDIA graphical processors using the CUDA technology, which further increases the computation speed and consequently minimizes the runtime. Parallelization also allows the best-improvement strategy to be used instead of the rst-improvement strategy while maintaining the same runtime. We store the resulting routes in a bus route database which we created as the basis of an extensive library of optimal routes for our specifc use case of optimizing bus routes in a rural area. The experimental results on real road data show that the parallel implementation of the Hybrid Genetic Search (HGS) achieves significant improvements in runtime over the sequential implementation above a certain problem size. We believe that our implementation of the parallel hybrid genetic search method can have a great in influence on optimization strategies in parallel computing and can also be applied to other subproblems of the VRP.
In the field of software engineering, graph-based models are used for a variety of applications. Usually, the layout of those graphs is determined at the discretion of the user. This article empirically investigates whether different layouts affect the comprehensibility or popularity of a graph and whether one can predict the perception of certain aspects in the graph using basic graphical laws from psychology (i.e., Gestalt principles). Data on three distinct layouts of one causal graph is collected from 29 subjects using eye tracking and a print questionnaire. The evaluation of the collected data suggests that the layout of a graph does matter and that the Gestalt principles are a valuable tool for assessing partial aspects of a layout.
In Anbetracht der hohen Zahl an zu ertüchtigenden Bauwerken in Deutschland bei gleichzeitig zunehmendem Fachkräftemangel in der Baubranche ist es wichtig, effiziente Planungs- und Bauprozesse zu schaffen. Digitale und automatisierte Arbeitsmethoden auf Basis von digitalen Bauwerksmodellen beginnen sich daher zu etablieren. Für viele Bestandsbauwerke werden diese Methoden aber nur zögerlich angewendet, da das als Grundlage benötigte digitale Bauwerksmodell erst aufwendig erstellt werden müsste. Moderne Techniken der künstlichen Intelligenz (KI) wie Machine- oder Deep Learning bewegen im Moment viele Forschungs- und Wirtschaftsbereiche. Ihr Einsatz kann auch in der Bauwirtschaft Lösungen für komplexe oder repetitive Aufgaben bieten.
In dieser Arbeit wird ein Tool konzipiert und evaluiert, welches in der Lage ist, mithilfe von KI-Techniken aus Bestandsplänen dreidimensionale (3D) Bauwerksmodelle zu rekonstruieren. Bei der Konzeptionierung hat sich eine der großen Herausforderung beim Einsatz von Machine Learning herauskristallisiert. Um KI-Systeme überwacht trainieren zu können, werden sog. gelabelte Trainingsdaten benötigt. In diesem konkreten Fall Positionspläne, bei denen in einer maschinenlesbaren Form hinterlegt ist, welche Art von Bauteilen an welcher Stelle des Planes dargestellt sind. Damit kann eine KI lernen, selbstständig unbekannte Pläne zu analysieren und darin Bauteile zu klassifizieren. Diese Daten können entweder unter großem Aufwand manuell erstellt werden oder man greift auf synthetische Daten zurück. Synthetische Daten sind künstlich erschaffene Daten, die von ihrer Struktur und ihren Eigenschaften her echte Daten imitieren. Da dabei der Erzeugungsprozess gesteuert wird, lassen sich die benötigten Labels gleichzeitig miterzeugen. Auf diese Weise entsteht sog. Ground Truth Data, also Daten, bei denen man sich sicher sein kann, dass sie korrekt gelabelt sind. Für diese Arbeit wurde eine Datenpipeline umgesetzt, die in der Lage ist, synthetische Daten speziell für die Zwecke der Baubranche zu generieren. Mithilfe des Applications Programming Interface von Autodesk Revit wurde eine C#-Anwendung programmiert, die zufallsgesteuert Modelle erzeugt und anhand dieser Modelle realistische Pläne ableitet. Parallel dazu werden mithilfe der im Modell hinterlegten Bauteilinformationen die für die KI benötigten gelabelten Daten erzeugt. Erste Testläufe mit dem Objekterkennungsframework YOLOv5 waren vielversprechend. Der gewählte Ansatz hat sich somit als flexibel und skalierbar erwiesen, um damit KI-Systeme für bauspezifische Aufgaben - wie die Bauteilerkennung auf Plänen - zu trainieren.
Ziel der Studie:
Ziel der Studie ist die Messung des Stands der Digitalisierung und die mit einer Anbindung an die Telematikinfrastruktur verbundenen Chancen und Herausforderungen für Rehabilitationseinrichtungen.
Methodik:
Teilstandardisierte Online-Befragung bei Trägern von Rehabilitationseinrichtungen in Bayern (n=33). Der Fragebogen mit 36 Fragen beinhaltet eine leicht veränderte Skala auf Basis des „Electronic Medical Record Adoption Model (EMRAM)“.
Ergebnisse:
Der Digitalisierungsgrad wurde in 70 Prozent der Rehabilitationseinrichtungen mit Stufe 0 angegeben (Stufenmodell bis 7). Die Übermittlung patientenbezogener Daten (Eingang und Ausgang) erfolgt häufig analog, wohingegen die Verarbeitung innerhalb der Einrichtung in vielen Fällen bereits überwiegend digital ist. Beim Anschluss an die Telematikinfrastruktur wird hoher Aufwand bei der Installation, aber auch der Schulung des Personals und der Anpassung der Arbeitsorganisation gesehen.
Schlussfolgerung:
Durch Änderung der gesetzlich-finanziellen Lage in Deutschland eröffnen sich für Rehabilitationseinrichtungen neue Möglichkeiten einer verstärkten Digitalisierung. Hürden hängen mit Anforderungen an IT-Sicherheit, Schulung des Personals und sowie dem ebenfalls geringen Digitalisierungsstand bei Krankenhäusern und Ärzt*innen sowie Patient*innen zusammen, die eine digitale Datenübermittlung erschweren.
As machine learning becomes ever more popular, the question of how to enable it on ever more platforms becomes more important. This thesis explores the extension of SQL and extension databases for machine learning.
For this purpose, a framework for extending the Exasol database for machine learning is created. This framework uses the existing support for scripting languages and the in-database file system of the Exasol database to integrate existing machine-learning libraries into SQL. Currently, only Scikit-Learn was integrated.
The focuses of our framework are simplicity, usability, smooth integration in SQL, and expressive power, while runtime efficiency and speed are only secondary focuses. Further benefits of the framework are reduction of communication overhead, increased data security, simplification of data synchronization, and the usage of core database strengths. Compared to other in-database machine learning approaches, Apache MADlib and Oracle Machine Learning, our framework most likely has inferior speed and efficiency, while having the advantage of using well-integrated and tested libraries.
This thesis also provides an overview of related work on extending SQL and databases for machine learning. Furthermore, future directions for our framework are discussed.
The created framework is freely available at https://github.com/christoph-grossmann/Exasol_DB_ML_Framework.
Organizations are under increasing pressure to develop applications within budget and time at high quality. Therefore, multiple organizations adopt Low Code Development Platforms (LCDP) to develop applications faster and cheaper compared to traditional application development. However, current research on LCDP adoption lacks empirical grounding as well as a deeper understanding of the importance of adoption drivers and inhibitors. We conducted semi-structured interviews and a Delphi study with seventeen experts to address these gaps. As a result, we identified twelve drivers and nineteen inhibitors for adopting LCDPs. We show that the experts have a consensus on the most and the least important drivers and inhibitors for LCDP adoption. Yet, the ranking of the drivers and inhibitors between the most and least important is highly context dependent. For some drivers and inhibitors, the experts’ ranking is similar to academic literature, whereas, for others, it differs. In conclusion, the study at hand empirically validates drivers and inhibitors for LCDP adoption, adds six new drivers and six new inhibitors to the body of knowledge, and analyses the importance of these factors.
Mankind has always been confronted with limited knowledge about Nature and many people devoted their lives and intellects to the very question: How to gain knowledge, confirm ideas and theories, and understand the world we live in? Religion was one fundamental base for explanations and existential questions. Philosophy and Science were the other. Nowadays, science and technology dominate our daily lives, religion and metaphysics have lost their former dominance, while our thoughts and factual knowledge are increasingly governed by the digitised versions of conversation and discussion, filtered and guided by the algorithms of social networks. Today, "artificial intelligence" is a phenomenon in information technology which takes over everyday routines. A new ideal, a new promise, and at the same time used as a stratagem by political and economic systems to guide and manipulate our thinking, values, and behaviour. But nothing is so new that one could not find its precursors in earlier times. Science and mathematics has kindled many brilliant ideas. Can we describe the world by numbers, find truth and explanation in mathematical structures? This essay is devoted to early ideas by the medieval philosopher Ramón Llull, the great rationalist G.W. Leibniz, and early approaches to combinations, number theory. and information processing. Llull's thinking machine and subsequent endeavours to find methods of mechanical reasoning and inference paved the way to modern-day concepts of artificial intelligence.
The prospect of achieving computational speedups by exploiting quantum phenomena makes the use of quantum processing units (QPUs) attractive for many algorithmic database problems. Query optimisation, which concerns problems that typically need to explore large search spaces, seems like an ideal match for the known quantum algorithms. We present the first quantum implementation of join ordering, which is one of the most investigated and fundamental query optimisation problems, based on a reformulation to quadratic binary unconstrained optimisation problems. We empirically characterise our method on two state-of-the-art approaches (gate-based quantum computing and quantum annealing), and identify speed-ups compared to the best know classical join ordering approaches for input sizes that can be processed with current quantum annealers. However, we also confirm that limits of early-stage technology are quickly reached.
Current QPUs are classified as noisy, intermediate scale quantum computers (NISQ), and are restricted by a variety of limitations that reduce their capabilities as compared to ideal future quantum computers, which prevents us from scaling up problem dimensions and reaching practical utility. To overcome these challenges, our formulation accounts for specific QPU properties and limitations, and allows us to trade between achievable solution quality and possible problem size.
In contrast to all prior work on quantum computing for query optimisation and database-related challenges, we go beyond currently available QPUs, and explicitly target the scalability limitations: Using insights gained from numerical simulations and our experimental analysis, we identify key criteria for co-designing QPUs to improve their usefulness for join ordering, and show how even relatively minor physical architectural improvements can result in substantial enhancements. Finally, we outline a path towards practical utility of custom-designed QPUs.
Telenursing bei Schlaganfall
(2022)
Beim Projekt DeinHaus 4.0 Oberpfalz – TePUS (Telepräsenzroboter für die Pflege und Unterstützung von Schlaganfallpatientinnen und -patienten) handelt es sich um eine Längsschnittstudie im Mixed-Methods-Design zur Untersuchung telepräsenz und
appgestützter Angebote aus den Bereichen Pflege, Logopädie und Physiotherapie.
Nach einer Einführung in die Grundlagen der informierten Einwilligung werden Empfehlungen zur Durchführung zusammengefasst und Besonderheiten im Hinblick auf die Gestaltung des Einwilligungsprozesses bei Personen mit Aphasie herausgearbeitet. Zuletzt wird das aphasiefreundliche Vorgehen im Projekt DeinHaus 4.0 Oberpfalz kurz skizziert.
Within many real-world networks, the links between pairs of nodes change over time. Thus, there has been a recent boom in studying temporal graphs. Recognizing patterns in temporal graphs requires a proximity measure to compare different temporal graphs. To this end, we propose to study dynamic time warping on temporal graphs. We define the dynamic tem- poral graph warping (dtgw) distance to determine the dissimilarity of two temporal graphs. Our novel measure is flexible and can be applied in various application domains. We show that computing the dtgw-distance is a challenging (in general) NP-hard optimization problem and identify some polynomial-time solvable special cases. Moreover, we develop a quadratic programming formulation and an efficient heuristic. In experiments on real-world data, we show that the heuristic performs very well and that our dtgw-distance performs favorably in de-anonymizing networks compared to other approaches.
Identifying different functional regions during a brain surgery is a challenging task usually performed by highly specialized neurophysiologists. Progress in this field may be used to improve in situ brain navigation and will serve as an important building block to minimize the number of animals in preclinical brain research required by properly positioning implants intraoperatively. The study at hand aims to correlate recorded extracellular signals with the volume of origin by deep learning methods. Our work establishes connections between the position in the brain and recorded high-density neural signals. This was achieved by evaluating the performance of BLSTM, BGRU, QRNN and CNN neural network architectures on multisite electrophysiological data sets. All networks were able to successfully distinguish cortical and thalamic brain regions according to their respective neural signals. The BGRU provides the best results with an accuracy of 88.6 % and demonstrates that this classification task might be solved in higher detail while minimizing complex preprocessing steps.
We have a platform, but nobody builds on it – what influences Platform-as-a-Service post-adoption?
(2022)
When higher-level management of a company has strategically decided to adopt Platform-as-a-Service (PaaS) as a Cloud Computing (CC) delivery model, decision-makers at lower hierarchy levels still need to decide whether they want to post-adopt PaaS for building or running an information system (IS) – a decision that numerous companies are currently facing. This research analyzes the influential factors of this managerial post-adoption decision on the IS-level. A survey of 168 business and Information Technology (IT) professionals investigated the influential factors of this PaaS post-adoption decision. The results show that decision-makers’ perceptions of risks inhibit post-adoption. Vendor trust and trialability reduce these perceived risks. While competitive pressure increases perceived benefits, it does not significantly influence PaaS post-adoption. Controversially, security and privacy, cost savings, and top management support do not influence post-adoption, as opposed to findings on company-level adoption. Subsamples constructed by the form of post-adoptive use (migration of IS, enhancement of IS, new IS development) exhibit better goodness-of-fit measures than the full sample. Future research should explore this interrelation of the form of post-adoptive use and the post-adoption influence factors.
Dieses Projekt befasst sich mit Fragestellungen zur Anwendung von künstlicher Intelligenz im Bereich der Technischen Sauberkeit. Durch Literaturforschungen, die einen Ablauf nach Fettke 2006 haben, werden KI-Anwendungen gesucht, die bereits im Zusammenhang mit der Technischen Sauberkeit verwendet werden. Die Forschungen konnten zwölf Literaturquellen ermitteln.
Durch diese Literaturanalyse wurde festgestellt, dass 91 Prozent CV (Computer Vision) zur Partikelerkennung verwenden. Aus diesem Grund wurde anschließend ein CV Modell zur Partikelerkennung implementiert. Durch die Konfusionsmatrix konnte eine Treffergenauigkeit von 82 Prozent festgestellt werden. Daraus folgt, dass eine Partikelklassifikation möglich ist. Abschließend wurde eine weitere Literaturforschung zu Text Mining Applikationen durchgeführt, da der Bereich der Qualitätsanalyse im Monitoring laut Aufgabenstellung
eingezogen werden sollte. In dieser konnte kein positives Ergebnis erzielt werden, da speziell nach fertigen Anwendungen gesucht wurde, die Analysetexte im Bereich der technischen Sauberkeit kategorisieren
können.
In this paper a new method for placing bus stops is presented. The method is suitable for permanently installed new bus stops and temporarily chosen collection points for call busses as well. Moreover, our implementation of the Voronoi algorithm chooses new locations for bus stops in such a way that more bus stops are set in densely populated areas and less in less populated areas. To achieve this goal, a corresponding weighting is applied to each possible placement point, based on the number of inhabitants around this point and the points of interest, such as medical centers and department stores around this point. Using the area of Roding, a small town in Bavaria, for a case study, we show that our method is especially suitable for for rural areas, where there are few multi-family houses or apartment blocks and the area is not densely populated.
Diagnostic protocols in automotive systems can offer a huge attack surface with devastating impacts if vulnerabilities are present. This paper shows the application of active automata learning techniques for reverse engineering system state machines of automotive systems. The developed black-box testing strategy is based on diagnostic protocol communication. Through this approach, it is possible to automatically investigate a highly increased attack surface. Based on a new metric, introduced in this paper, we are able to rate the possible attack surface of an entire vehicle or a single Electronic Control Unit (ECU). A novel attack surface metric allows comparisons of different ECUs from different Original Equipment Manufacturers (OEMs), even between different diagnostic protocols. Additionally, we demonstrate the analysis capabilities of our graph-based model to evaluate an ECUs possible attack surface over a lifetime.
Mit PowerPoint oder LaTeX Beamer erstellte Vorlesungsfolien sind meist statisch und dienen hauptsächlich der Präsentation von Lehrinhalten. Als Alternative dazu werden drei Erweiterungen für das HTML- und JavaScript-basierte Präsentationsframework reveal.js vorgestellt, die für mehr Interaktion in der Datenbankenlehre sorgen sollen: (1) Eine Live-Ausführung von SQL-Anfragen und eine Darstellung des Anfrageergebnisses direkt auf der Folie; mit Möglichkeit zur Anpassung der Anfrage im Präsentationsbetrieb, (2) eine JSON-basierte Beschreibung von ER-Diagrammen, welche graphisch auf den Folien dargestellt werden sollen und (3) eingebettete Smartphone-Umfragen, um zwischendurch – ohne einen Kontextwechsel – Quiz-Fragen zu stellen.
Metadata management constitutes a key prerequisite for enterprises as they engage in data analytics and governance. Today, however, the context of data is often only manually documented by subject matter experts, and lacks completeness and reliability due to the complex nature of data pipelines. Thus, collecting data lineage—describing the origin, structure, and dependencies of data—in an automated fashion increases quality of provided metadata and reduces manual effort, making it critical for the development and operation of data pipelines. In our practice report, we propose an end-to-end solution that digests lineage via (Py‑)Spark execution plans. We build upon the open-source component Spline, allowing us to reliably consume lineage metadata and identify interdependencies. We map the digested data into an expandable data model, enabling us to extract graph structures for both coarse- and fine-grained data lineage. Lastly, our solution visualizes the extracted data lineage via a modern web app, and integrates with BMW Group’s soon-to-be open-sourced Cloud Data Hub.
Big Data at Work
(2021)
Does productivity decline with age? Does population aging harm economic growth? We exploit process-generated data from a large and typical service-sector company. We find no decline in average productivity in the age range of 20-60. This result is precisely measured. Our innovative identification strategy corrects for sample selection, endogeneity of age composition and age-cohort confounding. Our big data are essential to extract the signal from the noise that has marred many previous studies. While average productivity stays flat, we find variation according to task complexity. Productivity increases with age in teams with more demanding tasks and decreases in routine tasks.
PURPOSE
IT outsourcing (ITO) has developed into an established practice for organizations but the interorganizational and oftentimes international collaboration it involves comes at a price: Reports from academia and practice suggest that more than 25% of all ITO projects fail, many because of cultural differences between client and provider organizations. Against this background, this paper analyzes the complex nature of cultural distance and its multi-faceted effect on ITO success.
DESIGN/METHODOLOGY/APPROACH
This paper builds upon extant literature on culture on the national, organizational and team level, conceptualizes its effect on relationship quality and ITO success, and hypothesizes a model on potential moderators and management techniques to offset culture-induced challenges. It then evaluates and refines the model by means of an interpretive qualitative research design for an in-depth single-case study of ProSiebenSat.1 Media SE (P7S1), a leading European media company that reconfigured its IT sourcing model three times in 10 years.
FINDINGS
The results from interviews with top managers from client and provider organizations represent one of the first integrated views on the critical importance of cultural compatibility on multiple levels, provide manifold examples for its complex effect on ITO success, as well as moderators and potential management techniques to promote ITO success.
RESEARCH LIMITATIONS/IMPLICATIONS
This paper contributes relevant empirical insights to the growing body of literature on culture and its underestimated role in ITO success. It builds on tentative theory that is confirmed and refined.
PRACTICAL IMPLICATIONS
The paper helps in substantiating the complex and intangible nature of culture and demonstrates means for its effective management.
ORIGINALITY/VALUE
The results from interviews with top managers from client and provider organizations represent one of the first integrated views on the critical importance of cultural compatibility on multiple levels, provide manifold examples for its complex effect on ITO success, as well as moderators and potential management techniques to promote ITO success.
The main issues in many image processing applications are
object recognition and detection of objects, which answers the questions whether an object is present and if it is present, where it is located. Popular object detection algorithms like YOLO use a regression formulation for the whole problem, especially for the bounding box parameters. In production industry the setting usually is different: One usually knows the object type and rather wants to know with high precision where the object is. We study a prototype application in this area where we identify the rotation of an object in a plane. To solve this problem use a regression approach with a CNN architecture as a function approximator. We compare our results to standard image processing algorithms, which do not use neural networks, and present quantitative results on the accuracy.
CNNs seem at least competitive to classical image processing.
Das vorliegende Paper untersucht anhand einer Fallstudie die Implementierung einer produktorientierten Leistungsverrechnung für IT-Services im Kontext eines international führenden Industriegüterunternehmens. Zunächst werden die ökonomischen und regulatorischen Anforderungen, die zur Ein-führung des Systems geführt haben, skizziert. Danach wird der Aufbau und Ablauf des Verrechnungsverfahrens geschildert: auf IT-Leistungserstellungs-seite werden die angefallenen Kosten über die Bildung sogenannter modularer „Service-Bausteine“ den organisatorisch verantwortlichen Stellen als auch IT-Services zugeordnet. Auf Basis der geplanten Nachfragemenge werden diese IT-Services bepreist und in einem IT-Servicekatalog verzeichnet. Dort können sie von den Fachbereichen nachgefragt werden. Im Sinne von Vorteilen werden u.a. eine verursachungsgerechte Kostenverteilung ermöglicht, Kostentransparenz und -vergleichbarkeit geschaffen sowie das Kostenbewusstsein bei Leistungsempfängern und -erstellern gefördert.
Als Nachteil erweist sich der administrative Aufwand zur Durchführung der Kalkulation und in der Folge eine gewisse Statik des Systems, da unterjährige Änderungen nur unter Inkaufnahme von Zusatzaufwand nachgesteuert werden können.
IS offshoring research regarding knowledge transfer processes, roles involved, as well as influencing factors is characterized by its diverse and heterogeneous nature. Covering the last fifteen years of IS offshoring research, this paper provides a consolidated view of the field of study. It presents a generic knowledge transfer process consisting of four stages and five milestones. These stages are characterized and evaluated according to their relevance for knowledge transfer, the types of knowledge transferred, the main activities and methods for transfer and testing, as well as the goals pursued. Furthermore, we aggregate the diverse literature findings relating to individuals who facilitate knowledge transfer processes into a general role. We label this role “offshore coordinator” and present its core tasks and necessary skills. In addition, we identify and cluster core factors that influence success or failure of knowledge transfer. In summary, our study answers calls to discontinue with empirically derived definitions in favor of theory-based conceptualization of the IS offshoring research field with respect to knowledge transfer processes, roles, and success factors. Future studies can build on these results and examine questions with respect to particular characteristics of knowledge transfer processes and their influencing success and failure factors.
Adaptive Moment Estimation (Adam) is a very popular training algorithm for deep neural networks, implemented in many machine learning frameworks. To the best of the authors knowledge no complete convergence analysis exists for Adam. The contribution of this paper is a method for the local convergence analysis in batch mode for a deterministic fixed training set, which gives necessary conditions for the hyperparameters of the Adam algorithm. Due to the local nature of the arguments the objective function can be non-convex but must be at least twice continuously differentiable.
One of the most popular training algorithms for deep neural networks is the Adaptive Moment Estimation (Adam) introduced by Kingma and Ba. Despite its success in many applications there is no satisfactory convergence analysis: only local convergence can be shown for batch mode under some restrictions on the hyperparameters, counterexamples exist for incremental mode. Recent results show that for simple quadratic objective functions limit cycles of period 2 exist in batch mode, but only for atypical hyperparameters, and only for the algorithm without bias correction. We extend the convergence analysis to all choices of the hyperparameters for quadratic functions. This finally answers the question of convergence for Adam in batch mode to the negative. We analyze the stability of these limit cycles and relate our analysis to other results where approximate convergence was shown, but under the additional assumption of bounded gradients which does not apply to quadratic functions. The investigation heavily relies on the use of computer algebra due to the complexity of the equations.
To prepare their IT landscape for future business challenges, companies are changing their IT sourcing arrangements by using selective sourcing approaches as well as multi-sourcing with more but smaller sourcing contracts. Companies therefore have to reconsider and re-evaluate their IT sourcing setup more frequently. Collecting data from 251 global experts, we empirically tested the effect of service quality, relationship quality, and switching costs on IT sourcing decisions using partial least squares (PLS) analysis. Drawing on previously conducted expert interviews, our model extends previous studies and introduces a decision maker’s sourcing preferences as a not yet examined moderator on IT sourcing decisions. This allows us to investigate the influence of the decision maker’s beliefs on the decision process. We were able to confirm the negative effect of switching costs on a decision in favor of backsourcing, however we could not find significant support for the remaining hypotheses. We further discuss potential reasons for our findings and suggest future research opportunities based on our contribution.