1654 research outputs found
Sort by
Nutzung künstlicher Intelligenz in Bewerbungsverfahren
Full text linkIn dieser Arbeit wird der Einsatz künstlicher Intelligenz im Bewerbungsprozess untersucht. Die Untersuchung basiert auf Schulers trimodalem Ansatz für Auswahlverfahren, der biografieorientiert-, simulationsorientierte und eigenschaftsorientierte Verfahren unterscheidet. Verschiedene KI-Anwendungen werden getestet, um zu überprüfen, ob Bewerber die Verfahrensarten allein mit KI bewältigen können. Falls dies erfolgreich gelänge, könnte das unmittelbare Auswirkungen auf die Validität von Auswahlverfahren haben. Beispielsweise wenn eigentlich ungeeignete Bewerber durch die Verwendung künstlicher Intelligenz erfolgreicher abschneiden würden als geeignete Bewerber ohne die Zuhilfenahme künstlicher Intelligenz. Die Bewertung der Ergebnisse erfolgt anhand von Effektivität und Qualität aus Bewerbersicht. Die getesteten Anwendungen umfassen generische Sprachmodelle sowie spezifische Anwendungen. Die Ergebnisse zeigen, dass Künstliche Intelligenz Bewerbungsunterlagen optimieren und Bewerber auf Auswahlverfahren vorbereiten kann, was potenzielle Auswirkungen auf die Validität klassischer Auswahlprozesse haben kann
Best Practice für Open Educational Resources, Open Source und Open Data an Hochschulen der angewandten Wissenschaften in Nordrhein-Westfalen
Full text linkDie vorliegende Bachelorarbeit gelangt zu dem Schluss, dass die Integration von Open Science Aspekten wie Open Educational Resources (OER), Open Data und Open Source an Hochschulen für angewandte Wissenschaften (HAWs) in Nordrhein-Westfalen (NRW) signifikante Defizite aufweist. Es mangelt an Zuständigkeiten und Richtlinien, und die vorhandenen Publikationsfonds fördern nicht die untersuchten Open Science Aspekte. Über die Hälfte der HAWs erkennt die Relevanz von OER-Beauftragten an, jedoch fehlen entsprechende Policies. Die Bestellung von Open Data-Beauftragten an 50 % der HAWs in NRW verdeutlicht die Relevanz dieser Funktion. Im Bereich Open Source besteht ein eklatanter Mangel an Beauftragten, Informationen und Policies, wobei die Bedeutung von OA-Repositorien und Forschungsinformationssystemen hervorgehoben werden sollte. Zudem gewinnen technische Anwendungen wie GitLab und Jupyter Notebooks an Bedeutung. Für eine effektive Umsetzung sind nachhaltige Finanzierung, zentrale Koordinationsstellen, Evaluierungsprozesse und transparente Verfahren erforderlich
KONVENS : 21th Conference on Natural Language Processing (KONVENS 2025) ; Proceedings of the Conference. Volume 2: Workshops
Full text linkKONVENS (Konferenz zur Verarbeitung natürlicher Sprache, Conference on Natural Language Processing) is an annual conference series on computational linguistics first held in 1992. Originally biennial until 2018, the conference is organized under the auspices of the German Society for Computational Linguistics and Language Technology, the Special Interest Group on Computational Linguistics of the German Linguistic Society, the Austrian Society for Artificial Intelligence, and SwissNLP. The 21st edition of KONVENS took place in Hildesheim, Germany, from September 9–12, 2025, and was jointly organized by the University of Hildesheim and the University of Applied Sciences and Arts Hannover.
This year's conference centered on artificial intelligence and large language models (LLMs), reflecting the scientific community's efforts to better understand and optimize the properties of LLMs. These topics were addressed in three plenary lectures, a lecture session on methodological issues, and a poster session on LLMs, as well as in sessions on other topics such as methods based on LLMs, discourse and semantics, multilinguality and translation, new language resources, applications of language technology beyond linguistics, and the identification of hate speech on social media.
The proceedings are published in two volumes. The first volume contains all the peer-reviewed papers from the main conference, and the second volume contains the papers from the six workshops and shared tasks organised as part of the conference
Abschlussbericht Zukunftslabor Produktion - Teilprojekt 5: IT-Infrastruktur und IT-Sicherheit
Full text linkZiel des Verbundvorhabens „Zukunftslabor Produktion“ war die Untersuchung durchgängiger digitaler Prozessketten, welche die Vernetzung von Systemen in der Produktion, die Modellierung von Produktionsprozessen sowie innovative Ansätze zur Optimierung von Arbeitsvorgängen umfasst. Die möglichen ökonomischen, organisationalen und qualitativen Vorteile digitaler Prozessketten werden im Zukunftslabor am Beispiel des Aluminiumdruckgussverfahrens untersucht. Das Projekt wurde in verschiedene Arbeitspakete aufgeteilt, die von verschiedenen Hochschulen bearbeitet wurden. Das Arbeitspaket IT-Infrastruktur und Sicherheit, welches von der Hochschule Hannover und von der Hochschule Emden/Leer bearbeitet wurde, hatte das Ziel eine Plattform zur Unterstützung zu schaffen, welche Daten in einer Schicht aggregiert und einer Analyseplattform zur unternehmensübergreifenden Analyse zur Verfügung stellt. Darüber hinaus wurden in diesem Arbeitspaket die IT-Security-Aspekte des Projektes bearbeitet.
Dieser Bericht beschreibt die Ausgangslage, die Methodik und die Ergebnisse des Arbeitspakets. Vielfach werden Ergebnisse und Arbeitsinhalte zusammengefasst, aber keine vollständigen Auswertungen präsentiert. Weiterführende Informationen finden Sie in einer der 12 wissenschaftlichen Veröffentlichungen, sowie einigen internen Projektberichten. Eine Auflistung der im Rahmen des Verbundvorhabens „Zukunftslabor Produktion“ entstandenen Veröffentlichungen ist in Kapitel 9 aufgeführt
Schatzkisten oder Müllhalden? : Wie man die Nutzung öffentlicher Bücherschränke untersuchen kann
Full text linkNach einer definitorischen Annäherung an offene Bücherschränke und einer Skizze ihrer gesellschaftlichen Relevanz gibt der Vortrag eine Übersicht über die Bücherschrankdichte in den deutschen Bundesländern. Er erläutert die Bücherschrankinfrastruktur in Hannover und Bonn und stellt die wichtigsten Ergebnisse aus vier empirischen Studien zur Nutzung von Bücherschränken vor, die an diese Städte angebunden sind. Daraus werden abschließend kritische Erfolgsfaktoren und Forschungslücken abgeleitet
Obesity promotes conserved inflammatory and metabolic transcriptional programs in colon tumors: evidence from mouse models and the ColoCare Study Patient Cohort
Full text linkBackground: The global prevalence of obesity, an established risk and progression factor for colon cancer, is high and rising. Unfortunately, the mechanisms underlying the obesity–colon cancer association are incompletely understood, and new molecular targets enabling more effective intervention strategies to break the obesity–colon cancer link are urgently needed.
Objectives: This study integrated RNA sequencing data from mouse and human colon tumor samples, as well as human adipose samples, to rigorously establish obesity-associated transcriptomic signatures conserved between the 2 species.
Methods: We employed a mouse colon cancer model with colonoscopy-guided orthotopic transplantation of syngeneic Apcnull KrasG12D/+ Trp53null Smad4null tdTomato colon tumor organoids. Epithelial cell adhesion molecule (EpCAM)-positive cells from murine tumors and 193 human colon tumors and 188 human mesenteric adipose tissue samples from the prospective ColoCare Study cohort underwent transcriptomic analyses.
Results: Diet-induced obesity reduced survival in the mouse model of colon cancer. Integrated transcriptomic analyses of EpCAM-positive murine tumor cells and bulk human tumors revealed obesity-driven enrichment of inflammation and metabolic pathways, including the upregulation of genes involved in innate immune sensing (TLR2, MYD88, and IRF4) and tumor microenvironment remodeling (MMP9, TGFB1, and SERPINE1). Analysis of paired mesenteric visceral adipose tissue and tumor samples from the study patients (63 ± 13 y, 48% female, body mass index 28.9 ± 6.0 kg/m2) indicated that obesity was associated with enriched inflammatory signaling pathways through unique adipose ligand–tumor receptor interactions.
Conclusions: These results establish obesity-associated adipose tissue dysregulation as a key intertissue modulator of biology, with concordant cross-species effects on tumor cell–intrinsic inflammatory and metabolic programs
Transkulturelle Kompetenz in der Hospizarbeit. Herausforderungen und Handlungsempfehlungen für die Begleitung von Menschen mit Migrationsgeschichte am Lebensende.
Full text linkDie Bachelorarbeit untersucht die Herausforderungen und Lösungsansätze in der Hospiz- und Palliativversorgung für Menschen mit Migrationsgeschichte in Deutschland. Trotz der etablierten ambulanten und stationären Hospizdienste und der rechtlichen Verankerung der Palliativversorgung als Teil des Gesundheitssystems gibt es nach wie vor erhebliche Zugangsbarrieren für Migrant:innen, insbesondere aufgrund sprachlicher, kultureller und religiöser Unterschiede. Diese Barrieren führen dazu, dass Menschen mit Migrationsgeschichte deutlich seltener Hospiz- und Palliativangebote in Anspruch nehmen.
Im Rahmen der Arbeit wird der Erwerb von transkultureller Kompetenz als Schlüsselqualifikation für ehrenamtliche Sterbebegleiter:innen vorgestellt. Basierend auf dem Kulturbegriff von Welsch sowie dem Konzept der transkulturellen Kompetenz nach Dagmar Domenig wird eine praxisorientierte Schulung entwickelt, die Ehrenamtliche in ihrer kultursensiblen Arbeit unterstützt. Diese Schulung zielt darauf ab, Wissen über verschiedene kulturelle und religiöse Rituale zu vermitteln, die Selbst- und Fremdwahrnehmung zu fördern und den respektvollen Umgang mit den unterschiedlichen Lebenswelten von Sterbenden mit Migrationsgeschichte zu gewährleisten.
Die Arbeit zeigt auf, dass der Erwerb transkultureller Kompetenz nicht nur zur Verbesserung der Begleitung von Menschen am Lebensende beiträgt, sondern auch dazu, Diskriminierung und Unsicherheiten in der Begleitung von Menschen mit Migrationsgeschichte abzubauen
Brushless Doubly-Fed Induction Generator BDFIG – Proved Calculation with Test Results
Full text linkBrushless doubly-fed induction generators (BDFIG) are currently being investigated for renewable energy generation, e.g. with wind turbines. They are an alternative to doubly-fed induction generators with slip rings and brushes. BDFIG work with two rotating fields with different numbers of pole pairs. There are two separate windings in the stator for the two numbers of pole pairs or one combined winding for the simultaneous generation of the two rotating fields with separate terminals. The rotor has a closed winding that is linked to both rotating fields and whose current generates both rotating fields simultaneously.
The calculation of BDFIG is quite complicated because the current distribution in the rotor winding depends on the induced voltages from the two stator fields, the mutual inductances between the different rotor branches, and the connection of the rotor branches. Furthermore, the slotting effects and the stray field have an influence on the behavior of the BDFIG.
In this paper, the theory of rotation fields is used to analyse the rotor winding and the inductive connection to the stator windings. The equations for calculating the operating behavior of the BDFIG are presented in this paper. The calculated operating characteristics are compared to measurements on an experimental machine. The calculation results show good match with the measurement results. The result is a verified calculation method, which is suitable as a basis for further investigations, e.g. for the design of generators with a higher output power
Retrieval-Augmented Generation with LLMs in Finance-Related QA-Systems
Full text linkDie natürliche Sprachverarbeitung hat durch Fortschritte im maschinellen Lernen, insbesondere durch den Einsatz neuronaler Netze, einen Wandel von klassischen statistischen Methoden hin zu leistungsfähigen Large Language Models wie GPT, LLaMA oder Mistral erfahren. Diese Modelle demonstrieren eindrucksvolle Fähigkeiten in der Textgenerierung und der Bearbeitung komplexer sprachlicher Aufgaben. Mit Zunahme ihrer Integration in unternehmerische Prozesse und Einsatzmöglichkeit im Finanzsektor, rückt jedoch auch ihre Anfälligkeit für Fehler in den Fokus. Ein zentrales Problem stellt die sogenannte Halluzination dar, bei der plausibel klingende, jedoch faktisch unzutreffende Inhalte generiert werden. In regulierten Domänen, wie etwa dem Finanzwesen, können derartige Fehler zu signifikanten Risiken führen. Ein vielversprechender Ansatz zur Reduktion dieser Problematik ist die Retrieval-Augmented Generation, bei der externe Wissensquellen zur Kontexterweiterung zur Inferenzzeit der Modelle herangezogen werden. Die vorliegende Arbeit hat die Intention, den Einsatz von Retrieval-Augmented Generation in domänenspezifischen Frage-Antwort-Systemen im Finanzbereich zu untersuchen. Zu diesem Zweck wurde ein prototypisches System bestehend aus Retrieval- und Generierungskomponente entwickelt, das Finanzberichte börsennotierter Unternehmen als Wissensquelle nutzt. Die Architektur integriert ein Embedding-Modell, eine Vektordatenbank sowie das Modell Mistral-7B. Die Evaluation erfolgt anhand eines Referenzdatensatzes, der Frage-Antwort-Paare und zugehörige Kontexte umfasst. Zur Bewertung werden sowohl klassische Retrieval- und Generierungsmetriken als auch eine sprachmodellgestützte Bewertung mithilfe von GPT-3.5 eingesetzt. Die Ergebnisse zeigen, dass Retrieval-Augmented Generation im Vergleich zum rein generativen Ansatz zu konsistenten Verbesserungen in Bezug auf Antwortqualität, Kontextbezug und Reduktion von Halluzination führt. Gleichzeitig identifiziert die Analyse Schwächen bei der Verarbeitung quantitativer Angaben und künftige Potenziale zur Optimierungen durch Reranking oder Fine-Tuning auf Finanzdaten. Der entwickelte Prototyp ist unter https://github.com/0xBuro/FinLLM-RAG-Eval verfügbar.Natural Language Processing has undergone a significant transformation through advances in machine learning, particularly with the adoption of neural networks, shifting from classical statistical methods to powerful Large Language Models such as GPT, LLaMA, and Mistral. These models demonstrate impressive capabilities in text generation and handling complex linguistic tasks. However, with their increasing integration into business processes and applications in the financial sector, their susceptibility to errors has also become a critical concern. A central challenge is the phenomenon of hallucination, where models generate plausible-sounding but factually incorrect content. In regulated domains, such as finance, such errors can lead to significant risks. A promising approach to mitigate this issue is Retrieval-Augmented Generation (RAG), which leverages external knowledge sources to extend context at inference time. This thesis investigates the use of Retrieval-Augmented Generation in domain-specific question-answering systems within the financial sector. For this purpose, a prototype system combining retrieval and generation components was developed, utilizing financial reports of publicly traded companies as its knowledge base. The architecture integrates an embedding model, a vector database, and the Mistral-7B model. Evaluation is conducted using a reference dataset comprising question-answer pairs and their corresponding contexts. Both classical retrieval and generation metrics, as well as model-based evaluation using GPT-3.5, are employed. The results indicate that Retrieval-Augmented Generation leads to consistent improvements over a purely generative approach in terms of answer quality, contextual relevance, and reduction of hallucinations. At the same time, the analysis identifies weaknesses in processing quantitative information and highlights future optimization potentials through reranking or fine-tuning on financial data. The developed prototype is publicly available at https://github.com/0xBuro/FinLLM-RAG-Eval
Vom Schema F zum Smart Design : KI-gestützte Optimierung didaktischer Prozesse
Full text linkDas vorliegende Paper untersucht das Potenzial Künstlicher Intelligenz (KI) zur strategischen Optimierung didaktischer Prozesse in der Hochschullehre, mit besonderem Fokus auf die Lehrerbildung. Ausgangspunkt ist die These, dass KI-basierte Systeme individualisierte Lehr-Lern-Arrangements fördern und damit traditionelle, standardisierte Unterrichtsformate („Schema F“) in ein adaptives, evidenzbasiertes Design überführen können. Die Begriffe „Schema F“ und „Smart Design“ werden dabei im Kontext etablierter hochschuldidaktischer Modelle wie dem Constructive Alignment (Biggs & Tang) und dem SAMR-Modell (Puentedura) reflektiert und weiterentwickelt. Im Rahmen eines dreiteiligen Forschungsdesigns wurden an der TU Braunschweig folgende Studien durchgeführt: (1) eine experimentelle Lernumgebung mit dem KI-Tutor Edubot-X, (2) eine Vergleichsstudie zwischen einer klassisch geführten und einer KI-gestützten Seminargruppe, sowie (3) eine Interventionsstudie mit Lehrkräften zur Integration KI-gestützter Tools in die Unterrichtsplanung. Die Ergebnisse zeigen positive Effekte auf Lernmotivation, Selbststeuerung und didaktische Entscheidungsprozesse. Gleichzeitig wurden auch kritische Befunde erhoben, etwa hinsichtlich der Akzeptanz durch Lehrende, der Gefahr einer Überautomatisierung sowie ethischer Fragen im Umgang mit personenbezogenen Daten. Dieses Paper leistet einen wichtigen Beitrag zur Diskussion über den reflektierten Einsatz von KI in der Lehrerbildung und skizziert praxisnahe Perspektiven für eine zukunftsorientierte Hochschuldidaktik, die technologische Innovationen mit pädagogischer Verantwortung verbindet