18069 research outputs found
Sort by
Mein Ehrgeiz geht auf eine bunte Jacke (Shakespeare, Wie es euch gefällt) : 50 Jahre Theaterbühne der Universität der Künste Berlin
No full textNonPeerReviewe
Leistungsfähigkeit von Large Language Models bei der Fehlererkennung und Fehlerbehebung im Softwaretest
No full textSoftwaretests sind ein zentraler Bestandteil der Qualitätssicherung, der jedoch oft mit erhöhten Kosten und Zeit verbunden ist. Large Language Models zeigen vielversprechendes Potenzial zur Unterstützung im Testprozess. Ziel dieser Arbeit ist die systematische Untersuchung der Leistungsfähigkeit von Large Language Models in den Testaktivitäten Fehlererkennung und Fehlerbehebung. Hierzu wurden das generische Modell ChatGPT in der Version GPT-4 und das auf Code spezialisierte Modell Qwen2.5-Coder-32B-Instruct miteinander
verglichen. Die Modelle erhielten standardisierte Eingaben unter Verwendung von Zero-Shot- und Chain-of-Thought-Prompts, um zusätzlich den Einfluss von Prompting auf die Leistungsfähigkeit zu ermitteln. Als Testdatensatz diente die Java-Version von QuixBugs. Die Bewertung der Modelle erfolgte anhand quantitativer
Evaluationskriterien und qualitativer Beobachtungen. Die Ergebnisse zeigen, dass beide Modelle grundsätzlich in der Lage sind, diese Testaufgaben zu bewältigen. ChatGPT erreichte in der Fehlererkennung hohe Recall-Werte, erzeugte jedoch häufiger False Positives. Qwen2.5-Coder-32BInstruct wies eine höhere Precision auf. Der Fehlertyp incorrect output stellte sich als besonders problematisch dar. In der Fehlerbehebung erzielte ChatGPT mit Zero-Shot-Prompting eine Erfolgsrate von 93%, deutlich über früheren Studien. Ein signifikanter Zusammenhang zwischen Codekomplexität und Reparaturerfolg konnte nicht festgestellt werden. Chain-of-Thought-Prompts führten zu deutlich längeren Bearbeitungszeiten. Die Ergebnisse unterstreichen das Potenzial von Large Language Models im Softwaretest. Die Effektivität ist jedoch abhängig von Modelltyp und Prompting-
Strategie. Des Weiteren sind die Ergebnisse aufgrund der methodischen Einschränkungen des synthetischen Datensatzes nur eingeschränkt auf reale Projekte übertragbar.Software testing is a central component of quality assurance, but is often associated with increased costs and time. Large language models show promising potential for supporting the testing process. The aim of this thesis is to systematically analyse the performance of large language models in the test activities of error detection and error correction. For this purpose, the generic model ChatGPT in the version GPT-4 and the
model Qwen2.5-Coder-32B-Instruct, which specialises in code, were compared with each other. The models were given standardised input using zero-shot and chain-of-thought prompts in order to additionally determine the influence of prompting on performance. The Java version of QuixBugs was used as the test data set. The models were assessed using quantitative evaluation criteria and qualitative observations. The results show that both models are principally able to cope with these test tasks. ChatGPT achieved high recall values in error detection, but generated false positives more frequently. Qwen2.5-Coder-32B-Instruct showed a higher
precision. The incorrect output error type proved to be particularly problematic. In error correction, ChatGPT with zero-shot prompting achieved a success rate of 93%, well above previous studies. A significant correlation between code complexity and repair success could not be established. Chain-of-thought prompts led to significantly longer processing times. The results emphasise the potential of large language models in software testing. However, the effectiveness depends on the model type and prompting strategy. Furthermore, due to the methodological limitations of the synthetic data set, the results can only be transferred to real projects to a limited extent
Analyse des Einflusses von Zufallszahlengeneratoren auf den NeuroEvolution of Augmenting Topologies Algorithmus
No full textIn dieser Arbeit wird untersucht, wie sich unterschiedliche Zufallszahlengeneratoren auf den NeuroEvolution of Augmenting Topologies (NEAT) Algorithmus auswirken, indem die Pseudozufallszahlengeneratoren Xorshift, Mersenne Twister und Complementary-Multiply-With-Carry hinsichtlich ihrer Auswirkungen auf drei klassische Problemstellungen evaluiert werden: k-XOR, Spiraldaten-Klassifikation und Two-Pole-Balancing. Die Experimente analysieren, inwiefern Unterschiede in der Zufallszahlenerzeugung die Netzwerkevolution beeinflussen. Die resultierenden Leistungsmetriken werden mittels einer ANOVA-Analyse statistisch aus-gewertet, um mögliche Unterschiede zwischen den PRNGs zu identifizieren. Die Ergebnisse liefern wertvolle Erkenntnisse über die Robustheit von NEAT gegenüber der Wahl des Zufallszahlengenerators und tragen zur besseren Charakterisierung evolutionärer Algorithmen bei.This study examines the effects of different random number generators on the NeuroEvolution of Augmenting Topologies (NEAT) algorithm by evaluating the pseudorandom number generators Xorshift, Mersenne Twister, and Complementary-Multiply-With-Carry in three benchmark problems: k-XOR, spiral data classification and two-pole balancing. The experiments analyze, whether differences in random number generation influence network evolution. The resulting performance metrics are statistically evaluated using an ANOVA to identify potential differences between the PRNGs. The findings provide valuable insights into the robustness of NEAT concerning the choice of PRNG and contribute to a better understanding of evolutionary algorithms
Sketch-basierte Generierung von fiktionalen Landkarten
No full textDiese Arbeit stellt die Entwicklung eines prototypischen Systems zur sketch-basierten Generierung fiktionaler Landkarten vor, bei dem geometrische Algorithmen wie die Delaunay-Triangulation mit prozeduralen Methoden kombiniert werden. Basierend auf Skizzen werden Landmassen segmentiert, Regionen durch Icons definiert und mittels Noise-basierter sowie regelbasierter Verfahren detaillierte Landschaften erzeugt. Die Evaluation zeigt, dass durch die gezielte Kombination dieser Methoden eine kohärente und intuitiv steuerbare Kartengenerierung möglich ist. Gleichzeitig wurden Herausforderungen identifiziert, insbesondere in der Handhabung ungenauer Eingaben und der Echtzeitperformance. Das System ermöglicht modular erweiterbare Generierungsstrategien und sorgt für natürliche Übergänge zwischen Biomen.This thesis presents the development of a prototype system for sketch-based generation of fictional maps, combining geometric algorithms such as Delaunay triangulation with procedural methods. Based on sketches, landmasses are segmented, regions are defined through icons, and detailed landscapes are generated using noise-based and rule-based techniques. The evaluation demonstrates that a targeted combination of these methods enables coherent and intuitively controllable map generation. At the same time, challenges
were identified, particularly in handling imprecise inputs and ensuring real-time performance. The system allows for modularly extensible generation strategies and ensures natural transitions between biomes
Szenarienbasierte Evaluation von Zeitreihen-Datenbanksystemen
No full textDie effiziente Speicherung und Verarbeitung von Zeitreihendaten spielt eine wichtige Rolle in vielen Anwendungsbereichen. Aufgrund der besonderen Anforderungen von Zeitreihendaten, wurden in den letzten Jahren viele spezialisierte Zeitreihen-Datenbanksysteme entwickelt– darunter kommerzielle, aber auch auch freie open-source Varianten. Diese Arbeit vergleicht InfluxDB, TimescaleDB und MongoDB als Repräsentanten dreier Kategorien von open-source Zeitreihen-Datenbanksystemen– zunächst konzeptionell und anschließend experimentell anhand von drei realitätsnahen Szenarios. Für den experimentellen Vergleich wurde ein modulares und erweiterbares Testsystem entwickelt, das die Versuche automatisiert durchführt. Die Ergebnisse zeigen, dass spezialisierte Datenbanksysteme in vielen Fällen klare Vorteile bieten, jedoch kein einzelnes System universell empfohlen werden kann. Daher wurden auf Basis der Ergebnisse Nutzungsempfehlungen für verschiedene Anwendungsfälle abgeleitet.The efficient storage and processing of time series data plays a crucial role in many application areas. Due to the specific requirements of time series data, numerous specialized time series database systems have been developed in recent years– both commercial and open-source variants. This thesis compares InfluxDB, TimescaleDB, and MongoDB as representatives of three categories of open-source time series database systems– first conceptually and then experimentally, using three realistic scenarios. For the experimental comparison, a modular and extendable testing system was developed to automate the evaluation of the databases. The results show that specialized database systems offer clear advantages in many cases; however, no single system can be universally recommended. Based on these findings, usage recommendations for various application scenarios were derived
Adaptives maschinelles Lernen mit Mixture of Experts
No full textBis 2025 werden 41,6 Milliarden IoT-Geräte erwartet. Dadurch wächst die Menge an kontinuierlich generierten Daten rasant. Klassische maschinelle Lernverfahren, die auf statischen Datensätzen trainiert werden, sind nicht in der Lage, sich kontinuierlich an dynamische Umgebungen anzupassen. Problematisch ist dabei der Konzeptdrift, der dazu führt, dass Modelle im Laufe der Zeit an Genauigkeit verlieren. Zur Steigerung der Robustheit und Genauigkeit des kontinuierlichen Lernens stellt diese Arbeit einen neuartigen Ansatz vor, der auf den Erkenntnissen einer systematischen Literaturrecherche basiert. Dieser Ansatz kombiniert Online Maschinelles Lernen (OML) mit Mixture of Experts (MoE) in einer neuartigen inkrementellen MoE-Architektur. Zur Evaluierung dieser hybriden Architektur werden verschiedene Experimente zur Regression und Klassifikation vorgestellt, die durch geeignete Methoden bewertet werden. Diese Arbeit präsentiert die Implementierung des Frameworks riverMoE, welches die konzipierte hybride Architektur als Erweiterung eines bestehenden OML-Frameworks realisiert. Die Ergebnisse der durchgeführten Experimente zeigen, dass die gezielte gewichtete Kombination von Einzelprognosen auch mit inkrementellen Lernalgorithmen zu präziseren
Gesamtprognosen führen kann. Erwartungsgemäß erfordert die Nutzung neuronaler Komponenten einen erhöhten Rechen- und Speicheraufwand. Zudem zeigen die Experimente in adaptiven Umgebungen eine höhere Stabilität gegenüber Konzeptdrift, die jedoch von der Initialisierung abhängt. Auf Grundlage der Ergebnisse wird empfohlen, die bisher umgesetzten inkrementellen MoE-Varianten um zusätzliche Ansätze zu erweitern und weitere Experimente durchzuführen. Darüber hinaus sollte die Erklärbarkeit des Gates in der Kombination der einzelnen Experten eingehender untersucht werden.41.6 billion IoT devices are expected by 2025. As a result, the amount of continuously generated data is growing rapidly. Traditional machine learning methods that are trained on static data sets and are not able to continuously adapt to dynamic environments. The problem here is concept drift, which leads to models losing accuracy over time. In order to make continuous learning more robust and accurate, this paper presents a
novel approach based on the findings of a systematic literature review. This approach combines Online Machine Learning (OML) with Mixture of Experts (MoE) in a novel incremental MoE architecture. To evaluate this hybrid architecture, various regression and classification experiments are presented and evaluated using appropriate methods. This paper presents the implementation of the framework riverMoE, which realizes the
designed hybrid architecture as an extension of an existing OML framework. The results of the experiments show that the targeted weighted combination of individual forecasts can also lead to more precise overall forecasts when using incremental learning algorithms. As expected the use of neural components requires increased computing and memory resources. Furthermore, the experiments in adaptive environments show a higher stability against concept drift which depends on the initialization. Based on the results, it is recommended to extend the existing implemented MoE variants and to conduct further experiments. In addition, the explainability of the gate in the combination of the individual experts should be examined in more detail
Automatisierte Generierung von Projektmanagementdokumenten mittels eines Large Language Models
No full textDiese Bachelorthesis behandelt die Entwicklung einer Anwendung zur automatisierten Generierung von Anforderungen. Es wird ein Anforderungsdokument vom Kunden eingelesen und in einzelne Anforderungen aufgegliedert. Danach werden diese in ein eigenes Anforderungsdokument geschrieben. Für die Generierung der Anforderungen wird ein Large Language Model verwendet.This bachelor thesis deals with the development of an application for the automated generation of requirements. A requirements document is read in from the customer and broken down into individual requirements. These are then written in a separate requirements document. A large language model is used to generate the requirements
Der Zusammenhang von Schichtarbeit und kognitiven Funktionen : Ergebnisse aus der Hamburg City Health Study
No full textHintergrund: Schichtarbeit ist unerlässlich für die andauernde Aufrechterhaltung bestimmter Produktionen und Dienstleistungen. Allerdings geht mit der Schichtarbeit ein gesundheitliches Risiko für die Beschäftigten einher. Insbesondere die schichtarbeitsbedingte Disruption des zirkadianen Rhythmus beeinflusst die Schlafgesundheit, was wiederrum Auswirkungen auf die kognitiven Funktionen haben kann. Einschränkungen der kognitiven Funktionen bedeuten einerseits Konsequenzen für das berufliche und alltägliche Leben der Betroffenen selbst. Auf der anderen Seite stellt eine verminderte Leistungsfähigkeit in Berufen wie beispielsweise der Feuerwehr und Polizei auch ein Risiko für die Allgemeinheit dar. Aufgrund dessen zielt die vorliegende Studie darauf ab, Unterschiede zwischen Tag- und SchichtarbeiterInnen hinsichtlich der kognitiven Funktionen zu analysieren.
Methoden: In einer Sekundärdatenanalyse auf Basis der Daten der Hamburg City Health Study (HCHS) wird der Zusammenhang zwischen Schichtarbeit und kognitiven Funktionen untersucht. Dabei wird zwischen den TeilnehmerInnen unterschieden, die aktuell in Schichtarbeit tätig sind, und denen, die reguläre Tagarbeit leisten. Die kognitiven Funktionen werden mittels des Trail Making Tests (TMT) erfasst. Zur Auswertung werden zunächst bivariate Analysen und anschließend eine schrittweise multiple lineare Regressionsanalyse durchgeführt.
Ergebnisse: Nach Adjustierung für mögliche Confounder (Alter, Geschlecht, Bildung, Schlafdauer, körperliche Aktivität) zeigen SchichtarbeiterInnen im Vergleich zu TagarbeiterInnen im Durchschnitt schlechtere Leistungen bei dem TMT, was auf geringe kognitive Funktionen hinweist. Dieser Unterschied ist jedoch im volladjustierten Modell nicht statistisch signifikant. Unter den Kontrollvariablen ist insbesondere das Alter und das Bildungsniveau statistisch signifikant mit den kognitiven Funktionen assoziiert. Die Ergebnisse sollten vor dem Hintergrund methodischer Limitationen vorsichtig interpretiert werden.
Fazit: Die gewonnenen Erkenntnisse zu möglichen Einschränkungen kognitiver Funktionen im Zusammenhang mit Schichtarbeit haben eine besondere Bedeutung für die Praxis. ArbeitgeberInnen tragen eine Verantwortung für den Schutz der Gesundheit der Beschäftigten - die Ergebnisse können daher als Impuls für die Entwicklung gesundheitsförderlicher und präventiver Maßnahmen dienen. Darüber hinaus besteht eine besondere wissenschaftliche Relevanz, da auf bestehende Forschungsbedarfe hingewiesen und die Notwendigkeit weiterführender Untersuchungen in diesem Themenfeld unterstrichen wird
Soziales Wohnen in Wien : ein transdisziplinärer Dialog
No full textDer Soziale Wohnbau in Wien hat viele Facetten und steht aktuell vor großen Herausforderungen. Dieser Sammelband vereint wissenschaftliche und praxisorientierte Perspektiven, um das Wiener Wohnbausystem in seiner Komplexität zu beleuchten. An der Schnittstelle von Wohnforschung und -praxis wird gezeigt, wie sich politische, wirtschaftliche, räumliche und soziale Dynamiken auf den Wohnungsmarkt, den Wohnbau und den Wohnalltag auswirken. Dabei geht es um Leistbarkeit ebenso wie um Qualität, rechtliche Rahmenbedingungen, nachbarschaftliche Beziehungen, Anpassungen an den Klimawandel, Innovationspotentiale und neue Wohnformen. Fachleute aus Architektur, Planung, Sozialwissenschaften, Wirtschaft und Recht eröffnen hier einen transdisziplinären Dialog und zeigen eine vielschichtige Analyse der Wohnbauproduktion, Vergabepolitik und nicht zuletzt des Zusammenlebens in geförderten Wohnanlagen und im Gemeindebau. Der Band richtet sich an Wissenschaftler: innen und Studierende ebenso wie an Planer:innen, politische Entscheidungsträger:innen und alle, die an der Geschichte und der aktuellen Situation sowie an innovativen Ideen für die Zukunft des sozialen Wohnens interessiert sind. Ein unverzichtbarer Beitrag zur Debatte über soziale Wohnraumversorgung – in Wien und darüber hinaus.PeerReviewe