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.

Gerade angezeigt 1 - 5 von 9

Fach- und Universitätsübergreifendes 1319
Fakultäten 13776
Graduate School und Graduiertenkollegs 12
Hochschulverwaltung 1243
Sonderforschungsbereiche 1592

Aktuellste Veröffentlichungen

Metabolic engineering of Saccharomyces cerevisiae for the biosynthesis of olivetolic acid, a key cannabinoid precursor
(2026) Schäfer, Kilan Josia; Kayser, Oliver; Urlacher, Vlada
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.
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.
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.
Performance engineering for real-time autonomous applications
(2025) Abaza, Hazem; Saidi, Selma; Hoffmann, Frank
Diese Dissertation befasst sich mit der systematischen Sicherstellung deterministischen und echtzeitfähigen Verhaltens in autonomen Anwendungen, insbesondere in middlewarebasierten und serviceorientierten Architekturen. Autonome Systeme zeichnen sich durch komplexe Interaktionen zwischen Softwareund Hardwarekomponenten aus und unterliegen strengen zeitlichen Anforderungen, insbesondere in sicherheitskritischen Anwendungsdomänen. Die Arbeit adressiert die Herausforderung, sowohl Berechnungs- als auch Kommunikationsdeterminismus in integrierten sowie verteilten Architekturen zu gewährleisten. Zunächst wird eine generische Methodik zur Extraktion von Timing-Modellen aus middleware-basierten autonomen Anwendungen entwickelt. Hierbei werden Laufzeitinformationen genutzt, um Ausführungszeiten, Abhängigkeiten und Interaktionen zwischen Komponenten präzise zu erfassen, ohne in bestehende Implementierungen einzugreifen. Auf dieser Grundlage können Engpässe identifiziert und Optimierungspotenziale systematisch erschlossen werden. Darauf aufbauend werden Mechanismen zur gezielten Steuerung von Latenz und Jitter vorgestellt. Durch einen Scheduler-Middleware-Co-Design-Ansatz wird eine deterministische und jitterfreie Ausführung von Berechnungsketten erreicht. Die Methodik ermöglicht eine signifikante Verbesserung der zeitlichen Vorhersagbarkeit und Leistungsfähigkeit gegenüber bestehenden Ansätzen. Im dritten Schwerpunkt der Arbeit wird eine deterministische Kommunikationsarchitektur für verteilte autonome Systeme entwickelt. Hierzu wird ein leichtgewichtiger, mehrschichtiger Kommunikationsstack entworfen, der Echtzeitfähigkeit bei minimalem Overhead sicherstellt und gleichzeitig die CPU-Last reduziert. Experimentelle Evaluierungen zeigen eine deutliche Reduktion von Kommunikationslatenz und Prozessorbelastung bei gleichbleibender funktionaler Integrität. Insgesamt liefert die Dissertation einen ganzheitlichen Ansatz zur Beherrschung von Zeitverhalten in autonomen Echtzeitsystemen und leistet einen Beitrag zur Weiterentwicklung sicherer, leistungsfähiger und skalierbarer Systemarchitekturen.