Zur Arbeitsmarktlage, Kurzarbeit und Weiterbildung in Deutschland
Dauth, Christine M.; Gürtzgen, Nicole; Weber, Enzo (2019)
IAB-Stellungnahme 17/2019.
Community assessment to advance computational prediction of cancer drug combinations in a pharmacogenomic screen
Menden, Michael P.; Wang, Dennis; Mason, Mike; et al, ...; Sauer, Sebastian; et al, . (2019)
Menden, Michael P.; Wang, Dennis; Mason, Mike; et al, ...; Sauer, Sebastian...
Nature Communications 10, 2674.
DOI: 10.1038/s41467-019-09799-2
Open Access
Künstliche Intelligenz, virtuelle Realität und weitere Möglichkeiten der Digitalisierung
Roderus, Helmut (2019)
10. Internationale Kongress für Psychotherapie und Seelsorge. Akademie für Psychotherapie Seelsorge (APS). Würzburg, 06.06.2019.
Die Digitale Transformation – Neue Chancen durch digitale Prozesse und Geschäftsmodelle
Göhringer, Jürgen (2019)
Kongressband OPEXCON 2019, CETPM.
1. Platz Fachjournalist des Jahres für Beitrag: "Heute Palast, morgen Ballast?" in kfz-betrieb (Vogel Communications Group)
Seyerlein, Christoph (2019)
Karl Theodor Vogel Preis - Fachjournalist des Jahres 2019.
Peer Reviewed
Equipped for the Future with a Digital Production Image
Schlüter, Wolfgang; Krieg, Jakob; Page, Isabell (2019)
Spotlightmetal 2019.
Open Access
Dynamical Component Analysis (DYCA) and Its Application on Epileptic EEG
Korn, Katharina; Seifert, Bastian; Uhl, Christian (2019)
IEEE International Conference on Acoustics, Speech and Signal Processing. Proceedings. Brighton, UK, 1100-1104.
DOI: 10.1109/ICASSP.2019.8682601
Open Access
Research on the Process of Paint Removal from Thermoplastic Materials by Laser
Sover, Alexandru (2019)
IOP Conference Series: Materials Science and Engineering 564, 012028.
DOI: 10.1088/1757-899X/564/1/012028
Open Access
Metacognitive judgments: Repeated exercise and feedback improve metacognitive judgment accuracy and test performance
Händel, Marion; Harder, Bettina; Dresel, Markus (2019)
Paper presented at the Annual Meeting of the American Educational Research Association (AERA), Toronto, Canada.
Big Data im Innovationsmanagement: Wie Machine Learning die Suche nach Trends und Technologien revolutioniert
Kölbl, Laura; Mühlroth, Christian; Wiser, Fabian; Grottke, Michael; Durst, Carolin (2019)
HMD Praxis der Wirtschaftsinformatik (56), 900-913.
DOI: 10.1365/s40702-019-00528-3
Open Access Peer Reviewed
Innovationsmanagement ist für Unternehmen in der heutigen Zeit ein wichtiges Instrument, um in sich schnell wandelnden Märkten konkurrenzfähig und erfolgreich zu bleiben. Dafür stehen in der heutigen Zeit große Mengen an Daten zur Verfügung, aus denen die relevanten Informationen jedoch zunächst herausgefiltert werden müssen. Dieser Beitrag präsentiert die Ergebnisse einer Studie zu den Herausforderungen an ein erfolgreiches Innovationsmanagement in Unternehmen und stellt ein Umfeldscanningsystem vor, das die Effizienz von Innovationsmanagement mithilfe von Big Data Analytics steigert. Durch die Anwendung von modernen Verfahren des maschinellen Lernens und mathematischen Algorithmen kann dieses in hohem Maße automatisiert werden. In der anschließenden Fallstudie wird anhand von zwei Datensätzen gezeigt, wie mithilfe des Umfeldscanningsystems aktuelle Trends gefunden werden können. Zum Schluss wird das datenbasierte Umfeldscanningsystem als Chance für kleine und mittlere Unternehmen und als Lösung für die im Vorfeld erkannten Herausforderungen diskutiert.
Innovationsmanagement - aber wie?
Kaiser, Norbert (2019)
Reha-Wissenschaftliches Kolloquium & 15th Congress of EFRR. Deutsche Rentenversicherung Bund. Berlin, 15.04.2019.
DyCA - Dynamical Component Analysis
Hartmann, Steffen; Korn, Katharina; Seifert, Bastian; Uhl, Christian (2019)
DPG-Frühjahrstagung. Regensburg, 05.04.2019.
Hybrider Ansatz zur automatisierten Themen-Klassifizierung von Produktrezensionen
Götz, René; Piazza, Alexander; Bodendorf, Freimut (2019)
HMD Praxis der Wirtschaftsinformatik 56 (5), 932-946.
DOI: 10.1365/s40702-019-00521-w
Open Access Peer Reviewed
In e‑commerce, enormous amounts of data are generated through the interaction of customers with Web platforms. Customer feedback in the form of product reviews, for instance, is an example for unstructured data, which processing requires approaches from the fields of computer linguistics and machine learning. As an alternative to the classical approaches of supervised and unsupervised learning, which often reach their limits in the business context and the application domain of product reviews, this article presents a hybrid approach for categorizing product reviews that combines the advantages of machine learning and human expertise. The aim of this paper is to present an approach that allows to automatically extract structured topics and related aspects from product reviews based on practical requirements. Word2Vec is used to train semantic relationships between words that occur in product reviews. In this way, individual words of each review can be compared with in advance defined topic words regarding their similarity and can then be extracted from the reviews. This approach is demonstrated using around five million product reviews of the Amazon online platform. The results are getting compared with those from a common topic modelling technique.
Prognostic effect of Ki-67 in common clinical subgroups of patients with HER2-negative, hormone receptor-positive early breast cancer
Fasching, Peter A.; Gass, Paul; Häberle, Lothar; Volz, Bernhard; Hein, Alexander; Hack, C.; et al., ..; Erber, Ramona (2019)
Fasching, Peter A.; Gass, Paul; Häberle, Lothar; Volz, Bernhard; Hein, Alexander...
Breast Cancer Research and Treatment 175, 617-625.
DOI: 10.1007/s10549-019-05198-9
Open Access
Abwärmeverstromung in der Aluminium-Gussindustrie
Schlüter, Wolfgang (2019)
19. Druckgusstag. Plenarsitzung des Fachausschusses BDG 2019.
Simulative Untersuchung von Betriebserweiterungen in einem Aluminium- Schmelz- und Druckgussbetrieb anhand von Modellen mit unterschiedlichem Detaillierungsgrad
Schlüter, Wolfgang; Dettelbacher, Johannes (2019)
Tagungsband ASIM Workshop STS/GMMS 2019. ARGESIM Report 57; ASIM Mitteilung 170, Wien, Österreich, 53-58.
DOI: 0.11128/arep.57
Open Access
Can the unemployed be trained to care for the elderly? The effects of subsidized training in elderly care
Dauth, Christine M.; Lang, Julia (2019)
Health Economics 4 (28), 543-555.
DOI: 10.1002/hec.3863
Open Access Peer Reviewed
Demographic change has increased the need for elderly care. Training unemployed workers might be one way to increase the supply of elderly care nurses. This study analyzes the effectiveness of subsidized training for unemployed individuals in the elderly care professions in Germany over 11.5 years. We find that short further training and long retraining courses significantly increase workers' long-term employment. As approximately 25% to 50% of trained nurses have permanent jobs in the care sector, we estimate that approximately 5% of all employed nurses are formerly trained unemployed workers.
Efficacy of neoadjuvant pertuzumab in addition to chemotherapy and trastuzumab in routine clinical treatment of patients with primary breast cancer: a multicentric analysis
Fasching, Peter A.; Hartkopf, Andreas D.; Gass, Paul; Häberle, Lothar; Akpolat-Basci, Leyla; Hein, Alexander; Volz, Bernhard; et al., ..; Kolberg, Hans-Christian (2019)
Fasching, Peter A.; Hartkopf, Andreas D.; Gass, Paul; Häberle, Lothar...
Breast Cancer Research and Treatment 173 (2), 319-328.
DOI: 10.1007/s10549-018-5008-3
Open Access
Association between breast cancer risk factors and molecular type in postmenopausal patients with hormone receptor-positive early breast cancer
Wunderle, Marius; Pretscher, Jutta; Brucker, Sara Y.; Volz, Bernhard; Hartmann, Arndt; Fiessler, Cornelia; et al., ..; Rauh, Claudia (2019)
Wunderle, Marius; Pretscher, Jutta; Brucker, Sara Y.; Volz, Bernhard; Hartmann, Arndt...
Breast Cancer Research and Treatment 174, 453-461.
DOI: 10.1007/s10549-018-05115-6
Open Access
FFT and orthogonal discrete transform on weight lattices of semi-simple Lie groups. An algebro-geometric perspective
Seifert, Bastian (2019)
Servicestelle für Forschung und Transfer (SFT)
Hochschule Ansbach
Residenzstr. 8
91522 Ansbach
Betreuung der Publikationsseiten
Iris BoynyT 0981/4877-341
iris.boyny[at]hs-ansbach.de