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.
Hauptbereiche in Eldorado
Wählen Sie einen Bereich, um dessen Inhalt anzusehen.
Aktuellste Veröffentlichungen
Item type:Item, Essays on the application of machine learning in finance(2026) Spitzer, Patrick; Posch, Peter N.; Köchling, GerritThis dissertation examines how financial institutions can evaluate and govern artificial intelligence (AI) models when predictive gains may introduce additional model risk. Three essays combine empirical analysis with governance research. The first compares econometric and machine-learning volatility forecasts across market regimes. Although Autoformer improves point accuracy and xLSTM captures volatility dynamics, GARCH often yields fewer Value-at-Risk exceedances, revealing a trade-off between forecasting precision and risk adequacy. The second identifies twelve weaknesses in established model risk management (MRM) frameworks and proposes targeted enhancements across the model lifecycle. The third develops a framework that maps AI-specific risk drivers to materiality and complexity for inherent model risk tiering. Together, the essays show that responsible AI adoption requires assessing not only predictive performance but also governance effectiveness and model risk.Item type:Item, A Python-Based Finite Element Digital Twin for Thixoviscoplastic Lid-Driven Cavity Flow: Implementation, Verification, and Validation Against Turek Benchmark Results(2026-06-26) SamanA Python-based finite element (FEM) solver is developed for steady incompressible flow of thixoviscoplastic (TVP) fluids in a lid-driven square cavity. The solver adopts the Houska TVP constitutive model of Begum, Ouazzi, and Turek [1], in which a scalar microstructure parameter λ ∈ [0, 1] governs structural buildup and viscosity is coupled nonlinearly to both the shear rate γ˙ and λ through a Papanastasiou-regularised extended viscosity. The implementation uses Taylor-Hood Q2/Q1 elements on structured quadrilateral meshes, assembled entirely in Python (NumPy,SciPy, GMSH) with monolithic Newton iteration and a direct sparse-LU inner solve. A five-stage verification and validation pipeline is presented: the Stokes assembler reproduces the exact Poiseuille profile to floating-point precision (L2 error < 10−14) and achieves optimal manufactured-solution convergence rates of 3.3/2.3/2.0 in L2 velocity/H1 velocity/L2 pressure; the Navier-Stokes solver matches the Ghia et al. [8] benchmark at Re = 100 to within 5.0 × 10−3 m/s; power-law and Bingham solvers are verified to relative L2 errors of 7.5 × 10−5 and 2.7 × 10−5; and the monolithic TVP Jacobian passes seven finite-difference checks at O(10−10) relative error. A conditioning study derives empirically that κ(Jbc) ∝ η2 0, reaching 3.9 × 107 at the paper's target parameters, providing a rst-principles justi cation for the multigrid infrastructure of Begum et al. [1]. Newton converges in 6-13 iterations per stage at reduced parameters (η0 = 10−3 Pa). A square obstacle introduced at the cavity centre produces an eight-fold reduction in the high-velocity domain fraction,constituting the paper's original geometric contribution and identifying a second,mesh-geometry-induced source of ill-conditioning on unstructured meshes.Item type:Item, Quantifizierung und Objektivierung der Präventionsdiagnostik mit Hilfe mobiler Technologie(2026) Arenz, Stefan; Jaitner, Thomas; Witt, MarenPräventionsdiagnostik liefert wertvolle Hinweise zur Bewegungsqualität und motorischen Kontrolle, ist bei schnellen, komplexen Bewegungen jedoch hinsichtlich Objektivität und Reliabilität sowie Sensitivität limitiert. Sensorbasierte Einlegesohlen ermöglichen eine feldnahe, kontinuierliche Datenerfassung. Die Untersuchung der Moticon OpenGo Insole3 zeigt ein bewegungsabhängiges Genauigkeitsprofil. Bei langsamen Bewegungen liegen valide Messwerte vor, bei hochdynamischen Bewegungen treten deutliche Einschränkungen auf. Ihr Nutzen liegt daher weniger in der präzisen Einzelfalldiagnostik als in der Erfassung von Trends, Asymmetrien und Verläufen. Die Insole3 bietet Potenzial zur Quantifizierung sportmotorischer Tests, ihre Aussagekraft bleibt allerdings bis dato begrenzt. Erforderlich sind höhere Abtastraten, robustere Algorithmen und multimodale Sensorik. Den größten Mehrwert verspricht die Integration objektiver Sensordaten mit Expertenwissen und subjektiven Athlet*innen-Rückmeldungen in Mixed-Methods-Modellen. Sie gleichen die Limitationen der Präventionsdiagnostik aus und stützen eine datenbasierte Verletzungsprävention.Item type:Item, Amtliche Mitteilungen der Technischen Universität Dortmund Nr. 29/2026(Technische Universität Dortmund, 2026-10-29)Item type:Item, Amtliche Mitteilungen der Technischen Universität Dortmund Nr. 28/2026(Technische Universität Dortmund, 2026-10-28)