Refine
Year
Publication Type
- Article (176)
- Bachelor Thesis (119)
- Conference Proceeding (90)
- Report (61)
- Book (43)
- Master's Thesis (35)
- Other (28)
- Working Paper (19)
- Part of a Book (13)
- Contribution to a Periodical (7)
- Part of Periodical (7)
- Lecture (6)
- Course Material (5)
- Periodical (4)
- Review (2)
Language
- German (388)
- English (226)
- Multiple languages (1)
Has Fulltext
- yes (615) (remove)
Keywords
- Jugendhilfe (10)
- Liner (10)
- Nachhaltigkeit (9)
- Kinderhilfe (8)
- Depression (7)
- Geschlecht (7)
- Kommunikation (7)
- Resilienz (7)
- liner (7)
- Abfallwirtschaft (6)
Faculty
- Sozialwesen (SW) (149)
- Oecotrophologie · Facility Management (OEF) (98)
- Energie · Gebäude · Umwelt (EGU) (79)
- Bauingenieurwesen (BAU) (73)
- Gesundheit (MDH) (44)
- Physikingenieurwesen (PHY) (41)
- Wirtschaft (MSB) (29)
- Elektrotechnik und Informatik (ETI) (26)
- ITB (17)
- Kompetenzzentrum Humanitäre Hilfe (16)
Energieausweise informieren über den Energiebedarf und -verbrauch von Gebäuden. Für die Erstellung eines Energieausweises werden gebäudespezifische Daten benötigt, weshalb sie oft nicht für alle Gebäude vorliegen oder erst durch eine Begehung vor Ort erfasst werden können. Die vorliegende Arbeit untersucht die Möglichkeit, durch die Identifikation eines Datenschemas, basierend auf einer integrativen Analyse von Energieausweisen, Energiebedarfsvorhersagen für unbekannte Wohngebäude zu treffen. Die Zielsetzung der vorliegenden Arbeit besteht in der Identifikation wesentlicher Merkmale aus offenen Datenquellen, welche den Energiebedarf signifikant beeinflussen sowie deren Integration in ein kompaktes und effizientes Regressionsmodell. Dabei werden verschiedene maschinelle Lernmethoden, insbesondere das Extreme Gradient Boosting (XGB), eingesetzt, um Modelle zu entwickeln und zu validieren, die auf Daten aus Energieausweisen basieren.
Dafür werden unter anderem Merkmale aus den beschriebenen Merkmalen zum Dach, der Außenwände, zu Fenstern und zum Boden extrahiert und in neue Merkmale überführt. Dies sind unter anderem Dach- und Wandtyp, das zugehörige Isolationsniveau und der Verglasungsgrad der Fenster. Im Anschluss werden drei Datensätze entwickelt und auf ihre Leistung untersucht. Eine Analyse der Merkmalsrelevanz hat gezeigt, dass über alle Datensätze hinweg bestimmte Merkmale wie Gebäudetyp, Baujahr, Wohnfläche, Dämmungsgrad und geografische Lage entscheidenden Einfluss auf die Vorhersage des Energiebedarfs haben. Das auf den Fernerkundungsdaten basierte Modell, wies nach Optimierung ein Bestimmtheitsmaß R2 von 0,64 und einen mittleren absoluten Fehler (MAE) von 4,12 auf. Der Fehler bezieht sich auf eine Effizienzskala von 1-100 (Energieklasse G-A). Nach Skalierung der Pipeline und durch Ergänzung weiterer Datenpunkte, konnte der Wert auf 0,84 erhöht werden. Durch die Ergänzung von vebrauchsabhängigen Merkmalen, erreichte das XGB-Regressionsmodell ein R2 von 0,94 und einen MAE von 1,46 über den Trainings- und Testdatensatz. Zur weiteren Validierung werden die Auswirkungen der einzelnen Merkmale über Shapley-Werte quantifiziert, um die Auswirkungen der Merkmale bei der Vorhersage zu interpretieren. Die entwickelten Modelle erreichten eine hohe Prognosegenauigkeit und demonstrierten eine signifikante Verbesserung gegenüber herkömmlichen Methoden. Die Erstellung der Datensätze erfolgte unter Verwendung der Programmiersprache Python sowie des Frameworks Scikit-learn (Version 1.4.1) zur Entwicklung der Modelle. Die erzeugten Datensätze und Modelle wurden in eine reproduzierbare Pipeline überführt und stehen nach Freigabe unter GitHub zur Verfügung.
Die Integration von Künstlicher Intelligenz (KI) im Gesundheitswesen ist zu einem Schwerpunktthema geworden und dominiert aktuell Diskussionen in Kliniken allgemein als auch Pathologien spezifisch. Trotz des Enthusiasmus klafft nach wie vor eine Lücke zwischen den Erwartungen der Anwender und den tatsächlichen Vorteilen nach der Implementierung. Dies spiegelt sich in den Herausforderungen der KI-Integration wider.
In der folgenden wissenschaftlichen Studie widmen wir uns den Erwartungen von Akteuren im Gesundheitswesen – spezifisch in Kliniken und Pathologien – an KI-Lösungen und ihren Einsatz. Dabei wird ein besonderer Fokus auf die dahinterliegenden Faktoren gelegt, die die aktuellen Erwartungen und die daraufhin ergriffenen Maßnahmen beeinflussen. Unsere Ergebnisse stützen sich sowohl auf den wissenschaftlichen Diskurs als auch auf die weite, öffentliche Diskussion zur praktischen Umsetzung – wie in Expertenberichten, Interviews, Konferenzbeiträgen und Artikeln aus Politik, Kliniken und weiteren Institutionen.
Dadurch trägt die Studie zu einem besseren Verständnis der aktuellen KI-Erwartungen und ihrer beeinflussenden Faktoren bei und befähigt Akteure in dem Markt, die Zukunft von KI im Gesundheitswesen mitzugestalten.
Consequences of the consistent exact solution of Einstein{Cartan equation on the time dependence of Hubble parameter are discussed. The torsion leads to a space and time-dependent expansion parameter which results into nontrivial windows of Hubble parameter between diverging behavior.
Only one window shows a period of decreasing followed by increasing time dependence. Provided a known cosmological constant and the present values of Hubble and deceleration parameter this changing time can be given in the past as well as the ending time of the windows or universe. The comparison with the present experimental data allows to determine all parameters of the model.
Large-scale spatial periodic structures appear. From the metric with torsion outside matter, it is seen that torsion can feign dark matter.
Wastewater generation model to predict impacts of urine separation on wastewater treatment plants
(2024)
Wastewater treatment plants (WWTPs) are under increasing pressure to enhance resource efficiency and reduce emissions into water bodies. The separation of urine within the catchment area may be an alternative to mitigate the need for costly expansions of central WWTPs. While previous investigations assumed a spatially uniform implementation of urine separation across the catchment area, the present study focuses on an adapted stochastic wastewater generation model, which allows the simulation of various wastewater streams (e.g., urine) on a household level. This enables the non-uniform separation of urine across a catchment area. The model is part of a holistic modelling framework to determine the influence of targeted urine separation in catchments on the operation and emissions of central WWTPs, which will be briefly introduced. The wastewater generation model is validated through an extensive sampling and measurement series.
Results based on observed and simulated wastewater quantity and quality for a catchment area of 366 residents for two dry weather days indicate the suitability of the model for wastewater generation and transport modelling. Based on this, four scenarios for urine separation were defined. The results indicate a potential influence of spatial distribution on the peaks of total nitrogen and total phosphorus.
Potential and risks of water reuse in Brandenburg (Germany) – an interdisciplinary case study
(2024)
For Brandenburg, a region in Germany with increasing water shortage and drought events, water reuse can counteract competition scenarios between drinking water supply, agricultural irrigation, and industrial use. Centralized and decentralized sources for reclaimed water are found to potentially substitute 245 or 28% of irrigation water, respectively, in agriculture production in Brandenburg. For such a reuse scenario, the
fate of organic micropollutants is examined for diatrizoate (DZA) and carbamazepine (CBZ). Retention in local sandy soil and transfer into roots and leaves of arugula are analyzed in lysimeter studies and greenhouse pot experiments. Vertical transport was found for DZA and accumulation in or on arugula roots with a root concentration factor of 1,925+34% but a low bioconcentration factor due to intrinsic molecule properties. CBZ was not found to be mobile in the sandy soil but accumulates in arugula roots and leaves by factors of 70+7% and 155+12%, respectively. Further research on potential plant uptake and groundwater enrichment for more substances is highly recommended as well as tertiary wastewater treatment prior to water reuse.
Das vorliegende Kompetenzmodell zur Berufsbildung für nachhaltige Entwicklung (BBNE) in Lebensmittelhandwerk und Lebensmittelindustrie enthält eine Kompetenzmatrix, deren Felder der Strukturierung dienen, welche nicht isoliert, sondern in ihrem Gesamtzusammenhang zu betrachten sind.
Ergänzt wird diese Matrix durch nachhaltigkeitsrelevante Kernkompetenzen sowie dazugehörige Kompetenzziele.