Refine
Year of publication
- 2024 (16)
- 2023 (150)
- 2022 (196)
- 2021 (290)
- 2020 (306)
- 2019 (303)
- 2018 (247)
- 2017 (251)
- 2016 (222)
- 2015 (248)
- 2014 (206)
- 2013 (177)
- 2012 (173)
- 2011 (135)
- 2010 (165)
- 2009 (44)
- 2008 (22)
- 2007 (30)
- 2006 (30)
- 2005 (27)
- 2004 (17)
- 2003 (16)
- 2002 (17)
- 2001 (14)
- 2000 (11)
- 1999 (1)
- 1998 (1)
- 1997 (4)
- 1996 (2)
- 1994 (1)
- 1991 (1)
- 1990 (1)
- 1988 (1)
- 1987 (1)
Document Type
- Article (1396)
- Part of a Book (575)
- Book (389)
- Conference Proceeding (384)
- Moving Images (173)
- Other (161)
- Bachelor Thesis (64)
- Report (39)
- Working Paper (39)
- Part of Periodical (38)
Language
- German (2664)
- English (657)
- Portuguese (7)
- Spanish (2)
- Multiple languages (1)
- Dutch (1)
Keywords
- Nachhaltigkeit (16)
- Kommunikation (9)
- Digitalisierung (8)
- Landschaftsarchitektur (7)
- Logistik (7)
- Building Information Modeling (6)
- Physiotherapie (6)
- Solarthermie (6)
- physiotherapy (6)
- Pflege (5)
Institute
- Fakultät WiSo (2129)
- Fakultät AuL (488)
- Institut für Kommunikationsmanagement (198)
- Institut für Management und Technik (155)
- Institut für Duale Studiengänge (150)
- Fakultät IuI (79)
- Institut für Theaterpädagogik (50)
- Fakultät MKT (39)
- Präsidium Hochschule Osnabrück (27)
- Institut für Musik (9)
Compliance of agricultural AI systems – app-based legal verification throughout the development
(2024)
Significant advances in artificial intelligence (AI) have been achieved; however, practical implementation in agriculture remains limited. Compliance with emerging regulations, such as the EU AI Act and GDPR, is now vital, even for non-critical AI systems. Developers need tools to assess legal compliance, which is complex, often requiring full legal advice. To address this issue, we are developing a support app that simplifies the legal aspects of AI system development, covering the entire lifecycle, from conception to distribution. The current app, which covers the key legal area of copyright and will soon include GDPR and the AI Act, aims to bridge the gap between AI research and agriculture. An evaluation of our app by experts from both the legal and the IT domains shows that the app assists the developers so that they make legally correct statements. Consequently, it promotes legal compliance and awareness among developers, contributing to the seamless integration of AI into agriculture. The need for compliant AI systems in various industries, including agriculture, will only increase as regulations evolve.
Die Umstände des globalen Klimawandels erfordern zukünftig auch in Hannover eine Neuauswahl der Stadtbaumarten zugunsten hitze- und trockenheitstoleranter Arten. In Zusammenarbeit mit der Stadt Hannover wurde ein Baumentwicklungskonzept für zukünftige Baumpflanzungen in der Landeshauptstadt erarbeitet. Im Konflikt zwischen Schutz der heimischen Flora und Fauna und Maßnahmen der Klimaanpassung wurde die „Assisted Migration“ als Ansatz und Kompromiss zwischen beiden Bereichen gewählt. Hierbei werden Arten durch gezielte Eingriffe parallel zum Verlauf der theoretischer Arealverschiebung der Klimaerwärmung bewegt. Um mögliche Herkunftsgebiete für diese Arten zu finden, wurden auf europäischer Ebene klimatische Analoggebiete für Hannovers zukünftiges Klima gesucht. Das Klima verschiedener Standorttypen Hannovers wurde mithilfe von aktuellen klimatischen Szenarios für den Zeitraum 2080-2100 projektiert und anschließend europaweit mit dem lokalen Klima der Periode 1970-2000 verglichen. Gebiete Süd- und Südosteuropas verfügen über klimatischen Eigenschaften, welche dem in Hannover zukünftig erwarteten Klima entsprechen. Sie wurden auf ihr Gehölzvorkommen untersucht. Unter Einbezug der natürlichen Standortbedingungen und bereits gemachter Erfahrungen wurde eine umfangreiche Artenliste erarbeitet. Diese schlägt Baumarten vor, die zukünftig an die Klimabedingungen angepasst sind und jetzt und im Verlauf der nächsten Jahrzehnte an verschiedenen Standorten Hannovers gepflanzt werden können.
Anwendungen wie ChatGPT oder WOMBO Dream machen es leicht, Studierende ohne Programmierkenntnisse für die Anwendung von künstlicher Intelligenz (KI) zu begeistern. Deshalb sind angesichts der zunehmenden Bedeutung von KI in allen Disziplinen innovative Strategien erforderlich, um Studierende ohne Programmierkenntnisse so auszubilden, dass die Anwendung von KI als Future Skill in die Studienmodule integriert werden kann. In diesem Artikel wird ein didaktisches Planungsraster für angewandte KI vorgestellt. Es orientiert sich am Prozess der KI-Programmierung (KI-Anwendungspipeline) und verknüpft KI-Konzepte mit studienrelevanten Themen. Diese Verknüpfung eröffnet einen neuen Lösungsraum und fördert das Interesse und das Verständnis für die Potenziale und Risiken von KI bei den Studierenden. Anhand einer Beispielvorlesungsreihe für Studierende der Energiewirtschaft wird gezeigt, wie KI nahtlos in den Unterricht integriert werden kann. Dafür wird das Planungsraster für angewandte KI an die Fachvorlesung angepasst. Dadurch können die Studierenden eine fachspezifische Aufgabenstellung Schritt für Schritt mit der KI-Anwendungspipeline lösen. So zeigt die Anwendung des didaktischen Planungsrasters für angewandte KI die praktische Umsetzung der theoretischen Konzepte der KI. Darüber hinaus wird eine Checkliste vorgestellt, anhand derer beurteilt werden kann, ob KI in der entsprechenden Vorlesung eingesetzt werden kann. KI als Future Skill muss von den Studierenden anhand von Anwendungsfällen erlernt werden, die für das Studienfach relevant sind. Aus diesem Grund sollte sich die KI-Ausbildung nahtlos in verschiedene Curricula einfügen lassen, auch wenn die Studierenden aufgrund ihres Studienfachs keinen Programmierhintergrund haben.
Schlampige Reiteration
(2024)
Der Umgang mit Veränderungsprozessen ist zum festen Bestandteil des Arbeitsalltags geworden. Irgendetwas wird immer verändert, seien es Arbeitsaufgaben, Technologien, Geschäftsprozesse, Strukturen oder auch die Kultur einer Organisation. Man möchte hierdurch die Produktivität steigern, Bürokratie abbauen, die Wettbewerbsfähigkeit verbessern, Qualität bzw. Innovationen fördern und vieles mehr. Inwieweit man diese Ziele auch erreicht, hängt sehr stark davon ab, ob der Wandel auf breiter Basis akzeptiert und unterstützt wird. Führungskräfte und Verantwortliche für Change-Projekte, Organisations- oder Führungskräfteentwicklung können als „Change Leader“ durch die Art, wie sie führen, entscheidend zum Gelingen beitragen. Das Führen in Veränderungsprozessen wird in diesem Ratgeber entlang von sechs Handlungsfeldern strukturiert: (1) Individuelle Reaktionen Change-Betroffener verstehen, (2) Potenziale von Achtsamkeit in Veränderungsprozessen nutzen, (3) den Wandel klug organisieren, (4) wertschätzend handeln, (5) Verhaltensänderung unterstützen und (6) Kreativität fördern. Die Kapitel sind handlungsorientiert strukturiert und berücksichtigen Erkenntnisse aus der psychologischen Forschung. Reflexionsfragen, Checklisten, Arbeitsblätter und Übungen am Ende jedes Kapitels regen zur Reflexion der Inhalte an und unterstützen den Transfer in die Praxis.
Warum sind Erziehungshilfen ein verbreiteter Teil der Schulorganisation? Was unterscheidet, verbindet aber auch die schulische und außerschulische Erziehungshilfe? Und wie könnte eine bedarfsgerechte, die individuelle Förderung der jungen Menschen unterstützende, Familien stärkende und die sozialräumliche Vernetzung voranbringende Kooperation zwischen Schulen und Erziehungshilfe aussehen? Diesen Fragen widmet sich dieses Buch ausgehend von lebensweltlichen Perspektiven junger Menschen in einer sehr grundlegenden Weise. Dabei werden nicht nur die Anlässe, Erscheinungsformen und Bedingungen der Arbeitsbündnisse von Schule und Erziehungshilfe erörtert, sondern auch ein neu gewichtetes und innovative Gestaltungsmöglichkeiten eröffnendes Verständnis von Schule und Erziehungshilfe.
Artificial intelligence (AI) and human-machine interaction (HMI) are two keywords that usually do not fit embedded applications. Within the steps needed before applying AI to solve a specific task, HMI is usually missing during the AI architecture design and the training of an AI model. The human-in-the-loop concept is prevalent in all other steps of developing AI, from data analysis via data selection and cleaning to performance evaluation. During AI architecture design, HMI can immediately highlight unproductive layers of the architecture so that lightweight network architecture for embedded applications can be created easily. We show that by using this HMI, users can instantly distinguish which AI architecture should be trained and evaluated first since a high accuracy on the task could be expected. This approach reduces the resources needed for AI development by avoiding training and evaluating AI architectures with unproductive layers and leads to lightweight AI architectures. These resulting lightweight AI architectures will enable HMI while running the AI on an edge device. By enabling HMI during an AI uses inference, we will introduce the AI-in-the-loop concept that combines AI's and humans' strengths. In our AI-in-the-loop approach, the AI remains the working horse and primarily solves the task. If the AI is unsure whether its inference solves the task correctly, it asks the user to use an appropriate HMI. Consequently, AI will become available in many applications soon since HMI will make AI more reliable and explainable.