Refine
Year of publication
Document Type
- Conference Proceeding (317) (remove)
Conference Type
- Konferenzartikel (215)
- Konferenzband (65)
- Konferenz-Abstract (22)
- Konferenz-Poster (10)
- Sonstiges (7)
Language
- German (317) (remove)
Keywords
- Mikroelektronik (62)
- Finite-Elemente-Methode (5)
- Konstruktion (5)
- E-Learning (4)
- Kerbe (4)
- Kühldecke (4)
- Produktentwicklung (4)
- Raumklima (4)
- Hochschuldidaktik (3)
- Klimatechnik (3)
Institute
- Fakultät Elektrotechnik und Informationstechnik (E+I) (bis 03/2019) (148)
- Fakultät Maschinenbau und Verfahrenstechnik (M+V) (90)
- Fakultät Wirtschaft (W) (33)
- Fakultät Medien und Informationswesen (M+I) (bis 21.04.2021) (21)
- Fakultät Elektrotechnik, Medizintechnik und Informatik (EMI) (ab 04/2019) (19)
- INES - Institut für nachhaltige Energiesysteme (8)
- Zentrale Einrichtungen (6)
- WLRI - Work-Life Robotics Institute (5)
- CRT - Campus Research & Transfer (3)
- ivESK - Institut für verlässliche Embedded Systems und Kommunikationselektronik (3)
Open Access
- Open Access (198)
- Bronze (109)
- Closed Access (79)
- Closed (38)
- Diamond (3)
- Grün (2)
Duplikaterkennung, -suche und -konsolidierung für Kunden- und Geschäftspartnerdaten, sog. „Identity Resolution“, ist die Voraussetzung für erfolgreiches Customer Relationship Management und Customer Experience Management, aber auch für das Risikomanagement zur Minimierung von Betrugsrisiken und Einhaltung regulatorischer Vorschriften und viele weitere Anwendungsfälle. Diese Systeme sind jedoch hochkomplex und müssen individuell an die kundenspezifischen Anforderungen angepasst werden. Der Einsatz lernbasierter Verfahren bietet großes Potenzial zur automatisierten Anpassung. In diesem Beitrag präsentieren wir für ein KMU praxisfähige, lernbasierte Verfahren zur automatischen Konfiguration von Business-Regeln in Duplikaterkennungssystemen. Dabei wurden für Fachanwender Möglichkeiten entwickelt, um beispielgetrieben das Match-System an individuelle Business-Regeln (u.a. Umzugserkennung, Sperrlistenabgleich) anzupassen und zu konfigurieren. Die entwickelten Verfahren wurden evaluiert und in einer prototypischen Lösung integriert. Wir konnten zeigen, dass unser Machine-Learning-Verfahren, die von einem Domainexperten erstellten Business-Regeln für das Duplikaterkennungssystem „identity“ verbessern konnte. Zudem konnte der hierzu erforderliche Zeitaufwand verkürzt werden.
Kundendaten im E-Commerce – Optimierungspotenzial im Checkout-Prozess des deutschen Online-Handels
(2023)
Die Gestaltung eines benutzungsfreundlichen Checkout-Prozesses ist für den Erfolg des E-Commerce von großer Bedeutung. Die Abfrage der Kundendaten bildet einen wichtigen Teil der Customer Journey. Auf der einen Seite wollen die Handelsunternehmen so viel wie möglich über ihre Kundschaft erfahren, um möglichst zielgenaue Angebote und Marketingmaßnahmen ausspielen und das perfekte Einkaufserlebnis generieren zu können. Auf der anderen Seite möchten sich die Kundinnen und Kunden beim Online-Shopping auf den Kauf konzentrieren und erwarten einen reibungslosen Ablauf. Der Checkout-Prozess ist in diesem Zusammenhang ein kritischer Punkt. Dies spiegelt sich auch in den hohen Warenkorbabbruchraten wider. Um Online-Shoppende nachhaltig zu begeistern, gibt es noch viel Raum für Verbesserungen. Mit dem Ziel, den Status quo im deutschen Online-Handel besser zu verstehen und Usability und User Experience für eine höhere Konvertierungsrate zu optimieren, untersuchte die hier vorgestellte Forschungsarbeit den Anmelde- und Checkout-Prozess der 100 umsatzstärksten Online-Shops in Deutschland. Es werden die Ergebnisse der Studie präsentiert und aufgezeigt, an welchen Stellen Optimierungspotenzial besteht – bspw. bei zu komplizierten Formularen, unnötigen Datenabfragen oder erzwungenen Registrierungen – sowie Vorschläge für die Praxis des Online-Handels diskutiert.
Die Möglichkeit zur digitalen Verbindung geographischer Orte mit Aufgaben, Herausforderungen oder Lernmaterialien hat eine Vielzahl von Anwendungen auch außerhalb der Mathematikbildung inspiriert. Dieser Beitrag stellt eine exemplarische Auswahl solcher Applikationen vor und versucht, die technischen, organisatorischen und konzeptionellen Gestaltungselemente zu systematisieren. Die Ausführungen sollen als Anregung bei der Anlage von Mathematiktrails sowie bei der Weiterentwicklung technischer Lösungen für den Lehreinsatz dienen.
Sowohl Angebot als auch Nachfrage nach Videos mit Lehrinhalt verzeichnen aktuell ein nahezu explosionsartiges Wachstum; MOOCs machen dabei jedoch nur einen geringen Anteil aus. Während Studierende einen positiven Effekt von Lehrvideos auf den eigenen Lernerfolg wahrnehmen, ist dieser bei objektiver Prüfung jedoch oft nicht nachweisbar. Für Dozenten eröffnet dies ein Spannungsfeld, für dessen Lösung dieser Beitrag die im Selbstversuch erprobte Möglichkeit der Produktion von Kurzvideos und deren Veröffentlichung auf YouTube vorstellt.
Die Erstellung und der Einsatz digitaler Medien basieren häufig auf der Annahme eines idealtypischen Lernprozesses, welcher die effektive Erarbeitung von Inhalten unter Berücksichtigung individueller Vorkenntnisse und Lebensumstände ermöglicht. Erfahrungen Lehrender legen jedoch die Vermutung nahe, dass Studierende selten ein idealtypisches Lernverhalten an den Tag legen. Für den Beitrag „Nutzungsmuster bei digitalen Medien“ wurden Forschungsarbeiten zu digitalen instruktionalen Medien gezielt ausgewertet, um die tatsächlichen Verhaltensweisen beim Lernen und die hiermit verbundenen Wirkungen aufzuzeigen. Aufbauend auf den Erkenntnissen soll eine Diskussion um mögliche Folgerungen für die Lehre angeregt werden.