Details
| Original language | German |
|---|---|
| Qualification | Doctor rerum politicarum |
| Awarding Institution | |
| Supervised by |
|
| Date of Award | 15 May 2019 |
| Place of Publication | Hannover |
| Publication status | Published - 2019 |
Abstract
Cite this
- Standard
- Harvard
- Apa
- Vancouver
- BibTeX
- RIS
Hannover, 2019.
Research output: Thesis › Doctoral thesis
}
TY - BOOK
T1 - Data Mining und Big Data Analytics
T2 - semantische Suche, Prognose und Entscheidungsunterstützung mit künstlichen neuronalen Netzen
AU - Gleue, Christoph
PY - 2019
Y1 - 2019
N2 - Diese kumulative Dissertation ist eine Zusammenfassung und kritische Reflexion von insgesamt sechs wissenschaftlichen Publikationen, an denen ich als Autor beteiligt war. Das übergeordnete Ziel dieser Arbeit ist die Analyse und Diskussion der Frage, wie abseits der großen „Leuchtturmprojekte“ in Industrie und Forschung auch in kleineren und mittleren Projekten in Wissenschaft und Privatwirtschaft mit Methoden und Technologien aus dem weiten Feld des Data Mining, Big Data Analytics und Data Science althergebrachte Arbeitsabläufe und Geschäftsprozesse erfolgreich optimiert werden können. Alle Veröffentlichungen basieren auf zwei voneinander unabhängigen Forschungsprojekten: (1) Semantische Ähnlichkeitsanalyse im Literaturrechercheprozess: In diesem Abschnitt werden Entwicklung, Demonstration und Benchmark eines neuartigen Werkzeugs zur semantischen Literaturrecherche basierend auf Latent Semantic Indexing (LSI) vorgestellt. Das „Tool for Semantic Indexing and Similarity Queries“ (TSISQ) ermöglicht Wissenschaftlern, unabhängig von ihrem Forschungsgebiet, die schnelle und einfache Identifikation von semantisch ähnlichen Forschungsarbeiten. Es werden zudem Aufbau und Architektur des Systems präsentiert, Hinweise für dessen praktische Anwendung gegeben und die Effizienz- und Qualitätsverbesserungen aufgezeigt, die durch den Einsatz von TSISQ im Literaturrechercheprozess erzielt werden können. (2) Entscheidungsunterstützung für die Automobilindustrie: Dieser Abschnitt beschreibt die Ergebnisse und Erkenntnisse eines Kooperationsprojektes mit einem großen deutschen Automobilhersteller, wobei ein umfangreiches Entscheidungs-unterstützungssystem (EUS) konzipiert und implementiert wurde. Die wichtigste Kernfunktionalität dieses Systems stellt dabei die bedarfsgerechte Prognose von Markt- und Restwerten für Gebrauchtfahrzeuge mit Künstlichen Neuronalen Netzen (KNN) dar. Neben der Vorstellung der Erkenntnisse im Bereich der Langfristprognosen werden auch unsere Ergebnisse bzgl. interner (vom Hersteller beeinflussbarer) und externer (makroökonomischer) Einflussfaktoren auf Fahrzeugrestwerte präsentiert.
AB - Diese kumulative Dissertation ist eine Zusammenfassung und kritische Reflexion von insgesamt sechs wissenschaftlichen Publikationen, an denen ich als Autor beteiligt war. Das übergeordnete Ziel dieser Arbeit ist die Analyse und Diskussion der Frage, wie abseits der großen „Leuchtturmprojekte“ in Industrie und Forschung auch in kleineren und mittleren Projekten in Wissenschaft und Privatwirtschaft mit Methoden und Technologien aus dem weiten Feld des Data Mining, Big Data Analytics und Data Science althergebrachte Arbeitsabläufe und Geschäftsprozesse erfolgreich optimiert werden können. Alle Veröffentlichungen basieren auf zwei voneinander unabhängigen Forschungsprojekten: (1) Semantische Ähnlichkeitsanalyse im Literaturrechercheprozess: In diesem Abschnitt werden Entwicklung, Demonstration und Benchmark eines neuartigen Werkzeugs zur semantischen Literaturrecherche basierend auf Latent Semantic Indexing (LSI) vorgestellt. Das „Tool for Semantic Indexing and Similarity Queries“ (TSISQ) ermöglicht Wissenschaftlern, unabhängig von ihrem Forschungsgebiet, die schnelle und einfache Identifikation von semantisch ähnlichen Forschungsarbeiten. Es werden zudem Aufbau und Architektur des Systems präsentiert, Hinweise für dessen praktische Anwendung gegeben und die Effizienz- und Qualitätsverbesserungen aufgezeigt, die durch den Einsatz von TSISQ im Literaturrechercheprozess erzielt werden können. (2) Entscheidungsunterstützung für die Automobilindustrie: Dieser Abschnitt beschreibt die Ergebnisse und Erkenntnisse eines Kooperationsprojektes mit einem großen deutschen Automobilhersteller, wobei ein umfangreiches Entscheidungs-unterstützungssystem (EUS) konzipiert und implementiert wurde. Die wichtigste Kernfunktionalität dieses Systems stellt dabei die bedarfsgerechte Prognose von Markt- und Restwerten für Gebrauchtfahrzeuge mit Künstlichen Neuronalen Netzen (KNN) dar. Neben der Vorstellung der Erkenntnisse im Bereich der Langfristprognosen werden auch unsere Ergebnisse bzgl. interner (vom Hersteller beeinflussbarer) und externer (makroökonomischer) Einflussfaktoren auf Fahrzeugrestwerte präsentiert.
KW - Semantisches Web
KW - Management-Informationssystem
KW - Informationsverhalten
KW - Neuronale Netze
KW - Big Data
KW - Data Warehouse
KW - Data Mining
U2 - 10.15488/4953
DO - 10.15488/4953
M3 - Dissertation
CY - Hannover
ER -