Logo des Repositoriums

Auflistung nach Autor:in "Berger, Thomas"

1 - 4 von 4
  • Zeitschriftenartikel
    Digital Signage — die nächste Out-of-Home-Generation
    (Wirtschaftsinformatik und Management: Vol. 2, No. 1, 2010) Berger, Thomas
    Digital Signage — die „digitale Beschilderung“ zu Werbe- und Informationszwecken — ist das neue Medium im Out-of-Home-Segment. Der Wandel der Mediennutzung und die wachsende Mobilität machen Digital Signage zunehmend attraktiver für Mediaentscheider. Vor allem als Werbeträger erobern die digitalen Out-of-Home-Medien nach dem US-amerikanischen nun auch den europäischen Werbemarkt. Digital Signage vereint die Vorzüge klassischer Außenwerbung mit den erweiterten Möglichkeiten digitaler Formate, spricht Zielgruppen treffsicher an und lässt sich flexibel verwalten. Auch wenn das wachstumsstarke Medium in Europa noch in den Kinderschuhen steckt, zeigt es schon jetzt das Potenzial, sich in Zukunft zu einem Milliardenmarkt zu entwickeln.
  • Konferenzbeitrag
    Landwirtschaftliche Ertragsvorhersage im Kontext begrenzter realer Trainingsdatensätze: ein Transfer-Learning-Ansatz unter Verwendung tieferneuronalerNetze
    (INFORMATIK 2023 - Designing Futures: Zukünfte gestalten, 2023) Münzberg, Alexander; Troost, Christian; Reinosch, Nils; Martini, Daniel; Seuring, Liv; Niehus, Alexander; Srivastava, Rajiv; Streck, Thilo; Berger, Thomas; Bernardi, Ansgar
    Anhand von KI-gestützten Entscheidungshilfen in der Landwirtschaft, beispielsweise durch Anpassung von Düngeapplikationen oder des zeitlichen Feldarbeits-Managements, kann die Produktivität auf einer ökologischen und nachhaltigen Sicht gesteigert werden. Wir beschreiben eine Lösung, um mit Hilfe von neuronalen Netzen Ertrags- und Wachstumsprognosen in realen landwirtschaftlichen Daten zu erzielen. Das Problem geringer Trainingsdatenmengen wird dadurch gelöst, dass zunächst ein System anhand von Simulationsdaten antrainiert und mittels Transfer- Learning an spezifische reale Betriebsbedingungen anhand einiger weniger Realdaten angepasst wird. Die Ergebnisse der Realprognose werden anhand einer Kreuzvalidierungsstrategie evaluiert.
  • Zeitschriftenartikel
    Nicht fotorealistische Darstellung von 3D-Stadtmodellen
    (HMD Praxis der Wirtschaftsinformatik: Vol. 48, No. 3, 2011) Jahnke, Mathias; Berger, Thomas; Donaubauer, Andreas; Krisp, Jukka
    Stadtmodelle haben eine lange Tradition und über die digitalen Medien eine weite Verbreitung in viele Bereiche des täglichen Lebens gefunden. Zur Nutzung dieser Datenbasis im Geoweb sind international gültige Standards entwickelt worden. Basierend auf den in entsprechenden Transferformaten vorliegenden Daten lassen sich verschiedene Darstellungsformen finden. Entgegen dem Trend zu immer realitätsnaheren 3D-Darstellungen bietet die explizit nicht fotorealistische Visualisierung die Möglichkeit, den Nutzer bei der explorativen Datenanalyse zu unterstützen. Die Berücksichtigung semantischer Informationen bei der Generierung nicht fotorealistischer Darstellungen kann auf einfache Weise erfolgen, und eine an den Aufgaben des Benutzers orientierte Visualisierung lässt sich mit gebräuchlichen Softwarewerkzeugen bewerkstelligen. Generell lässt sich mit der 3D-Darstellung von Stadtmodellen eine Entscheidungsfindung unterstützen und die Zusammenarbeit zwischen den Beteiligten fördern.
  • Konferenzbeitrag
    SIMLEARN – Ontologiegestützte Integration von Simulationsmodellen, Systemen für maschinelles Lernen und Planungsdaten
    (43. GIL-Jahrestagung, Resiliente Agri-Food-Systeme, 2023) Reinosch, Nils; Münzberg, Alexander; Martini, Daniel; Niehus, Alexander; Seuring, Liv; Troost, Christian; Kumar Srivastava, Rajiv; Berger, Thomas; Streck, Thilo; Bernardi, Ansgar
    Maschinelle Lernverfahren bieten gerade im Agrarbereich mit kaum kontrollierbaren, natürlichen Einflüssen und entsprechender Unsicherheit eine große Chance für betriebliche Entscheidungsunterstützung. Im Projekt SIMLEARN werden die für einen solchen Ansatz benötigten großen Mengen an aufgearbeiteten Trainingsdaten durch in Simulationsmodellen kodifiziertes Wissen mit fortschreitenden Erkenntnissen erlernter Modelle iterativ ergänzt. Durch vorhandene Simulationsmodelle werden umfangreiche synthetische Trainingsdatensätze erzeugt und für das initiale Training eines lernenden Systems verwendet. Das so initiierte lernende System wird durch im landwirtschaftlichen Betrieb erhobene Daten erweitert und an die individuelle betriebliche Situation angepasst. Im Ergebnis soll das trainierte System verbesserte, für den konkreten Betrieb adaptierte Vorhersagen liefern, für die umfangreiche Datenintegration werden dabei Ontologien erprobt. Ontologien bieten hier große Vorteile in der Datenabfrage durch die mehrdimensionale Struktur und logische Verknüpfungen. Für eine bessere Handhabung wird die standardisierte Mappingsprache R2RML verwendet, um die großen Mengen tabellarischer Daten in Ontologien zu überführen. SIMLEARN betrachtet exemplarisch betriebliche Entscheidungen im Getreideanbau auf operativer und taktischer Ebene mit Vorhersagen zu Ertrags-, Einkommens- und Umwelteffekten. Expertenwissen in Form von Faustzahlen und Planungswerten füllt lückenhafte Daten. In dieser Arbeit wird die entwickelte Ontologie vorgestellt.