Eldorado - Repositorium der TU Dortmund

Ressourcen aus und für Forschung, Lehre und Studium

Bei diesem Service handelt es sich um das Institutionelle Repositorium der Technischen Universität Dortmund. Hier werden Ressourcen aus und für Lehre, Studium und Forschung gespeichert, erschlossen und der Öffentlichkeit zugänglich gemacht.

Dini-Zertifikat 2022 Logo

Hauptbereiche in Eldorado

Wählen Sie einen Bereich, um dessen Inhalt anzusehen.

Aktuellste Veröffentlichungen

  • Vorschaubild
    Item type:Item,
    Amtliche Mitteilungen der Technischen Universität Dortmund Nr. 10/2026
    (Technische Universität Dortmund, 2026-04-27)
  • Vorschaubild
    Item type:Item,
  • Vorschaubild
    Item type:Item,
    Souveränität durch Abstraktion
    (2026) Lowin, Felix; Albus, Jutta; Sonne, Wolfgang
    Der Planungs- und Bauprozess in der Architektur ist vielschichtigen Bedingungen unterworfen. Gerade im Kontext der gegenwärtig sozialen, klimatischen und ökonomischen Herausforderungen stellt sich die Frage, inwiefern im Entwurfsprozess die mehrdimensionalen Problemstellungen in der zeitgenössischen Architektur stärker einbezogen werden können. Unter Berücksichtigung der Forderungen werden die Planungsprozesse komplexer und ineffizient. Wie können wir die durch Informationen festgesetzten Standards angesichts der neuen Herausforderungen in der Architektur neu kalibrieren? Gerade heute bedarf es im Hinblick auf diese Anforderungen ergebnisoffene und abstraktere Denkprozesse im Bauwesen. Die Verfügbarkeit, Verarbeitung und Bewertung unterschiedlicher Informationen oder Daten ist in unserem täglichen Zusammenleben allgegenwärtig. Die verschiedenen Einflussgrößen stellen sich mit ihren Wechselbeziehungen als komplexe Informationsmodelle dar. Diese können durch die (etablierten) Darstellungsmedien und Entwurfswerkzeuge in Abhängigkeit derer Eigenschaften unterschiedlich dargestellt und gesteuert werden. Eine Differenzierung des einzelnen Zeichens in seinem Ausdruck, seinem Inhalt und seinen Konnotationen hilft für ein tieferes Verständnis der gebotenen Komplexität. In der Betrachtung der unterschiedlichen Informationen und deren Träger zeigt sich die Ambiguität und Wechselwirkung beispielsweise im Bild, im Modell oder im Plan. Die technische Verknüpfung von Text und Bild mit den jüngsten Entwicklungen von KI-Bildgeneratoren (Large Language Models (LLMs) als Grundlage von generativer künstlicher Intelligenz) und die sich einstellenden mehrdimensionalen Konnotationen erweitern die aktuelle Entscheidungsfindung in der Architekturproduktion. Die für den Gestaltungsprozess innovative Verknüpfung von abstrakter, jedoch zugleich auf mehreren Deutungsebenen agierender Texteingabe bietet die Möglichkeit die sich durch die kulturellen, funktionalen und technischen Bedingungen einstellende Komplexität von Architektur agil und dynamisch abzubilden. Bisherige komplexe, zahlenbasierte Beziehungsdiagramme lassen sich in den bildgebenden Verfahren durch einzelne Wörter ersetzen. Unter Berücksichtigung der Vor- und Nachteile werden die neuen Verfahrensweisen mit den etablierten Planungsmethoden kombiniert. Der Beitrag möchte neben einer theoretischen Bezugnahme der neuen Technologie im Kontext von Informationsmodellen Bildbeispiele der laufenden Forschung und Lehre erörtern und diskutieren. Ziel der Betrachtung ist es, mit den erarbeiteten Handlungsanweisungen den Entscheidungsspielraum im Planungsalltag durch die Analyse und Etablierung von Abstraktionsprozessen zugunsten einer höheren Gestaltungsfreiheit zu erhöhen.
  • Vorschaubild
    Item type:Item,
    Machine learning
    (2026) Sengewald, Julian; Lackes, Richard; Fischer, Anja
    This dissertation explores the integration of machine learning (ML) and artificial intelligence (AI) within organizational information systems, focusing on their dual role as technological enablers and sources of governance challenges. The research addresses the societal and organizational implications of algorithmic decision-making (ADM). ML-enabled ADM is explored from two main perspectives: 1) ethical dimension, particularly on fairness, discrimination, and privacy, and 2) value creation from ML in organizational settings. In summary, this work provides a comprehensive analysis of the challenges and solutions for deploying responsible AI and ML in organizations, emphasizing the need to balance fairness, privacy, and operational effectiveness.
  • Vorschaubild
    Item type:Item,
    Enhancing situational awareness in low-voltage grids through digital process twins and data-driven methods
    (2025) Balouchi Anaraki, Razieh; Rehtanz, Christian; Wellßow, Wolfram
    The low-voltage power grid is experiencing significant transformations due to the integration of renewable energy sources and the introduction of new types of loads, including electric vehicles, electric heat pumps, and smart home systems. These developments add complexity and variability, posing significant challenges to conventional grid management methods. As a result, there is a growing need for digitalization, particularly in low-voltage grids, to support timely and informed decision-making by distribution system operators. In response, the implementation of digital technologies, particularly digital process twins, has emerged as a promising solution. Digital process twins provide a model of grid operations, capturing both manual and automated tasks. Digital process twins provide real-time simulation and analysis of the power grid, enabling operators to visualize and manage the grid's behavior effectively. By leveraging real-time data analysis and artificial intelligence, digital process twins facilitate a deeper understanding of grid operations, enhancing the ability to preempt potential issues and thus improving the grid’s stability and reliability. The core objective of this thesis is to enhance situational awareness within low-voltage grids by utilizing the advanced capabilities of digital process twins. This involves employing sophisticated data-driven methodologies to forecast potential critical scenarios and detect anomalies that could disrupt grid functionality, capabilities that are essential for adapting to new consumer behaviors, managing potential grid failures, and accommodating the variable nature of renewable energy sources. Moreover, this research addresses the growing complexity and operational demands of modern power systems, which often challenge distribution system operators' ability to maintain a comprehensive and accurate understanding of the grid state. These challenges can hinder their ability to attain the necessary level of situational awareness required to make informed decisions and respond effectively to incidents. This thesis aims to demonstrate how digital process twins can be strategically utilized to improve situational awareness in the low-voltage grid. By utilizing data and artificial intelligence-driven insights, this research aims to establish a foundation for a more resilient and efficient power system, ensuring the grid is well-equipped to meet the demands of an increasingly complex and rapidly evolving energy environment.