Kooperative Promotion an der DHBW Mosbach

Die zunehmende Expertise der DHBW Mosbach im Bereich Forschung und Entwicklung dokumentiert sich auch in Promotionsarbeiten. Diese werden mit Universitäten und einer Pädagogischen Hochschule mit Promotionsrecht durchgeführt.

Mit Hilfe des DHBW-eigenen Förderprogramms „Innovationsprogramm Forschung (IPF)“ wird an der DHBW Mosbach gleichzeitig ein akademischer Mittelbau für Forschung und Lehre weiter ausgebaut und die forschungsbasierte Lehre unterstützt. Darüber hinaus führt die DHBW Mosbach in Kooperation mit der Pädagogischen Hochschule Heidelberg mehrere Projekte durch, die ebenfalls in Promotionsarbeiten einfließen.

Aktuelle kooperative Promotionen

Heiko Fischer zum Thema Digital Sales / Digitale Transformation im Technischen Vertrieb

Ausgangslage

Die digitale Transformation als ein Megatrend in der Industrie, wird aktuell insbesondere aus drei Blickwinkeln betrachtet:

  • Produktion: Besonderer Fokus liegt hier auf technischen Aspekten, wie z. B. der Vernetzung von Maschinen oder der Automatisierung der Produktion.
  • Gesellschaft: Diese Sichtweise beschäftigt sich mit Fragestellungen zur gesellschaftlichen Akzeptanz der digitalen Transformation.
  • Wirtschaft: Hierin vereinen sich wirtschaftswissenschaftliche Diskussionen zur Umsetzung neuer, datengetriebener Geschäftsmodelle.

Es fällt auf, dass sowohl in der wissenschaftlichen Literatur als auch bei der Umsetzung in der Industrie der Technische Vertrieb nur unzureichend berücksichtigt und eingebunden wird. Aufgrund unzureichender Kompetenzen, mangelnden Bewusstseins im Unternehmen und veralteter Strukturen, werden die Potentiale der Vernetzung nicht vollständig ausgeschöpft. Trotz dieser mangelnden Chancennutzung, wurde der Technische Vertrieb hinsichtlich der Digitalisierung noch nicht vollumfänglich untersucht und eingebunden.

Inhalt und Forschungsziele

Das Forschungsprojekt hat sich zum Ziel gesetzt, eine solide empirische Basis für die Auswirkungen der Digitalisierung auf den technischen Vertrieb zu entwickeln. Basierend auf diesen Erkenntnissen, sollen Anforderungen und Lösungsansätze formuliert werden. Im Vordergrund stehen insbesondere folgende Fragestellungen:

  • Welche digitalen Technologien sind im Vertriebskontext denkbar?
  • Inwiefern lassen sich die identifizierten Technologien im Vertriebskontext nutzen?
  • Welche Kompetenzen sind für einen Einsatz dieser Technologien notwendig?
  • Was sind entscheidende Erfolgsfaktoren zum Einsatz der Technologien im Vertrieb?

Umsetzung des Forschungsprojekts

Das Forschungsprojekt wird im Rahmen einer kooperativen Promotion mit der Ruhr-Universität Bochum durchgeführt. Durch die Aufteilung des Projekts auf beide Hochschulen, können die unterschiedlichen Fachdisziplinen optimal verknüpft werden. Durch die moderne Laborausstattung am Campus Bad Mergentheim, können Studien unter Anwendung von AR- und VR-Technologien durchgeführt werden. Die dort angesiedelten Studiengänge mit ihren unterschiedlichen Kompetenzprofilen sowie die enge Verzahnung der Lehre mit der Praxis, ermöglichen zudem Synergien. Der kooperierende Lehrstuhl der Ruhr-Universität Bochum ergänzt insbesondere die Fachbereiche Digital Sales und Sales Innovation. Damit einhergehend leistet er einen wertvollen Beitrag zur vollumfänglichen Problembetrachtung und Lösungsfindung.

Beteiligung an den Forschungsvorhaben

Selbstverständlich werden die Forschungserkenntnisse mit den Teilnehmern geteilt. Anwendungsbezug und Praxisnähe kennzeichnen unsere Forschungen. Als Studienteilnehmer können Sie direkt die Ergebnisse für sich nutzen und von den neusten Erkenntnissen profitieren. In der aktuellen Projektphase werden Studien zu folgenden Themenbereichen durchgeführt:

  • Einsatzbereiche und Auswirkungen von Virtual und Augmented Reality im B2B-Vertrieb,
  • Kompetenzen im Digital Sales und
  • Customer Success Management.

Sie interessieren sich für das Forschungsprojekt oder wollen sich direkt an Studien beteiligen?

Wenden Sie sich jederzeit sehr gerne an uns. Heiko Fischer, akademischer Mitarbeiter im Wirtschaftsingenieurwesen und Prof. Dr.-Ing. Sven Seidenstricker, Studiengangsleiter im Wirtschaftsingenieurwesen am Schlosscampus Bad Mergentheim, freuen sich über Ihr Interesse.

Heiko Fischer
  • Akademischer Mitarbeiter Wirtschaftsingenieurwesen

Schloss 10
97980 Bad Mergentheim

Telefon
07931 1230-573
Fax
07931 1230-580
E-Mail
heiko.fischer@mosbach.dhbw.de
Portrait
Prof. Dr.-Ing. Sven Seidenstricker
  • Studiengangsleitung Wirtschaftsingenieurwesen

Schloss 10
97980 Bad Mergentheim

Portrait

Moritz Brüstle zum Thema Interkulturelle Kompetenzen durch Auslandsaufenthalte

Ausgangslage

Die DHBW zeichnet sich seit über 40 Jahren durch ihre enge Bindung an den Arbeitsmarkt aus, weshalb dessen Globalisierung die DHBW in besonderem Maße tangiert. Von Absolventinnen und Absolventen wird erwartet, dass sie in diesem multinationalen Arbeitsumfeld effektiv und erfolgreich agieren, wodurch die Entwicklung interkultureller Kompetenz von Studierenden zunehmend wichtiger wird. Interkulturelle Kompetenz wird außerdem fachübergreifend als Schlüsselkompetenz für das 21. Jahrhundert und damit auch als entscheidender Faktor für die Beschäftigungsfähigkeit der Absolventen genannt.

Interkulturelle Kompetenz ist ein äußerst komplexes Konstrukt, was die Aufgabe der Hochschulen umso schwieriger werden lässt. Es handelt sich hierbei nämlich nicht nur um Wissen, was Studierende erlernen müssen, sondern auch Fähigkeiten und Einstellungen, die benötigt werden, um in interkulturellen Situationen effizient und angemessen zu interagieren.
Lediglich wenn alle drei Komponenten vorliegen, kann von einer Kompetenz gesprochen werden. Diese Tatsache wirkt sich vor allem auf die Machbarkeit von validem Assessment dieser Kompetenz aus, da das Vorhandensein aller drei Komponenten durch traditionelle Methoden (bspw. Test) nahezu unmöglich erfasst werden kann.

Inhalt und Forschungsziele

In diesem Forschungsprojekt wird zunächst ein Assessment-Instrument entwickelt, welches sich aus quantitativen und qualitativen Methoden zusammensetzt und so der oben erläuterten Komplexität des Konstruktes gerecht werden soll. Dieses Instrument wird anschließend genutzt, um DHBW Studierende zu begleiten, die ein Theoriesemester an einer ausländischen Partneruniversität absolvieren.

Folgende Forschungsfragen werden bearbeitet:

  • Wie lässt sich interkulturelle Kompetenz als Outcome von Studierendenmobilität effektiv beurteilen?
  • Wie wirkt sich interkulturelle Kompetenz auf die Beschäftigungsfähigkeit von Absolventinnen und Absolventen der DHBW aus?
  • Wie können Internationalisierungsmaßnahmen an der DHBW im Hinblick auf die Entwicklung interkultureller Kompetenz effektiver gestaltet werden?

Umsetzung des Forschungsprojekts

Dieses kooperative Promotionsprojekt läuft als Teil des Projektes „HAW.International“ und startete im Mai 2020. Die Forschung wird in Kooperation mit der pädagogischen Hochschule Heidelberg betrieben und dort von Prof. Dr. Karin Vogt in der Fakultät für Kultur- und Geisteswissenschaften betreut.
Das Assessment-Instrument wird im Zuge der ersten Erhebung im Sommersemester 2021 präzisiert und fertig entwickelt. In den folgenden zwei Semestern (WS 21/22; SS 22) werden zwei weitere Erhebungsrunden durchgeführt, um die Entwicklung interkultureller Kompetenzen von Studierenden, die sich an Partneruniversitäten auf der ganzen Welt befinden, exakt beschreiben zu können. Das Projekt läuft bis Ende 2023.

Beteiligung an den Forschungsvorhaben

Das Projekt zeichnet sich insbesondere dadurch aus, dass mit allen 9 Standorten der DHBW zusammengearbeitet wird. Das in Deutschland außergewöhnliche State University System der DHBW wird hier zu Gunsten der Forschung genutzt. Die Fach- und Forschungskompetenz kann so in Mosbach sitzen, trotzdem werden aber alle Studierenden der DHBW in die Studie miteinbezogen. Gleichermaßen werden selbstverständlich auch die Erkenntnisse des Forschungsprojektes regelmäßig mit Auslandsbeauftragten der Standorte geteilt, um gemeinsam Handlungsimplikationen für die Zukunft zu erkennen und zu diskutieren.

Nach deduktiver Vorbereitung des Assessment-Instrumentes wurde im Sommersemester 2021 die erste Stichprobe von insgesamt 17 Studierenden, die ein Semester an einer ausländischen Partnerhochschule absolvieren, begleitet. Hierdurch wurde das Assessment-instrument induktiv verfeinert und steht für das Wintersemester 2021 / 2022 bereit, um weitere 12 Studierenden zu begleiten.

Bei weiteren Fragen zum Forschungsprojekt steht Ihnen Moritz Brüstle sehr gerne zur Verfügung.


Prof. Dr. Axel Gerloff
Leiter Internationalisierung, Auslandskoordination
Telefon +49 (0) 711 320660 50
E-Mail gerloff@dhbw.de

Marco A. Öttl zum Thema Probabilistische Bemessung von Flussdeichen unter Berücksichtigung zeitabhängiger Belastungsstrukturen

Ausgangslage

Die Bemessung von Ingenieurbauwerken findet zunehmend auf dem Ansatz probabilistischer Bemessungsmethoden statt. Der wesentliche Vorteil gegenüber deterministischen Ansätzen ist, dass Unsicherheiten bei der Bemessung gezielt berücksichtigt werden. Ein sicheres Bauwerk sollte dahingehend bemessen werden, dass der Widerstand R (engl. resistance) größer ist als die Einwirkung S (engl. stress). Die eingehende Einwirkungsgröße (z.B. der Wasserstand bei der Bemessung von Deichen) wird nicht als fester Wert angegeben, sondern über eine Wahrscheinlichkeitsdichtefunktion f(x) beschrieben. Dieses Vorgehen ermöglicht, das jedem Wert eine Eintrittswahrscheinlichkeit zugeordnet werden kann. Auch der Widerstand des Bauwerks ist keine feste Größe, sondern wird als Wahrscheinlichkeitsdichtefunktion angegeben. Dies können z.B. an unterschiedlichen Orten verschiedene Deichhöhen sein, die infolge unterschiedlicher starker Bauwerkssetzungen resultieren. Die Zuverlässigkeit Z des Bauwerks wird allgemeinhin über die Funktion z = R – S definiert. Bei Werten von z < 0 tritt sozusagen ein Versagen ein. Die Versagenswahrscheinlichkeit Pf (engl. probability of failure) des Bauwerks ergibt sich so zu Pf = P(z<0).

Oftmals ist die Betrachtung einzelner Bemessungsparameter nicht zielführend, da mehrere einflussnehmende Parameter berücksichtigt werden müssen. So hat beispielsweise der Elbe-Deich in der Nähe der Ortschaft Fischbeck beim Hochwasser im Juni 2013 versagt, weil das Bauwerk zu hoch, aber auch zu lange eingestaut war. Dies führte zu einer Durchnässung des Erdkörpers und in Folge zum strukturellen Versagen des Deiches.

Inhalt und Forschungsziele

Im Rahmen des Promotionsvorhabens soll ein methodischer Ansatz erarbeitet werden, der Abhängigkeiten multivariater Einflussgrößen bei der probabilistischen Bemessung von Bauwerken berücksichtigt.

Im Vordergrund stehen insbesondere folgende Fragestellungen:

  • Welche Versagensmechanismen von Flussdeichen unterliegen einem signifikanten Einfluss multivariater Einflussgrößen?

  • Welchen Einfluss hat die multivariate Betrachtung von Einwirkungen auf die rechnerische Sicherheit bzw. Zuverlässigkeit von Flussdeichen?

  • Welche Erkenntnisse ergeben sich in Hinblick auf die Steuerung und das Verhalten der Ganglinien?

Umsetzung des Forschungsprojekts

Das Forschungsprojekt wird im Rahmen einer kooperativen Promotion mit der Technischen Universität Dresden am Institut für Wasserbau und Technische Hydromechanik durchgeführt und dort von Herrn Prof. Dr.-Ing. Jürgen Stamm betreut. Das Forschungsvorhaben läuft bis 2024.

STEER: Steered Training Data Generation for Learned Semantic Type Detection

The task of detecting the semantic type of data is crucial for data discovery in Data Lakes. As such, in the last years various approaches for automated semantic type detection have been proposed. Whereas existing commercial products mainly rely on simple search based solutions such as regular-expressions and dictionary look ups, more recent approaches use machine learning. While initial results of these learned approaches are promising, unfortunately a learned approach that was trained for data in one data lake cannot be used out-of-the-box for new unseen data sources in a different data lake, even if both data sources cover the same semantic types.

The reasons are that the data characteristics in the new (unseen) data lake might be completely different or even worse new semantic types occur that the model has not seen during training. Hence, the performance of a learned model trained for one data lake might be completely different on the new unseen data lake. To overcome this problem, we therefore propose STEER which implements data programming for semantic labeling to adapt existing learned models for extracting semantics to unseen data lakes with minimal cost. STEER can not only significantly boost the performance of models on new unseen data lakes with the same types, but also helps us to re-train a model to detect types on a data lake that comes with unseen semantic types.

At its core, STEER involves a novel training data generation process called Steered-Labeling. The intuition is that in Steered-Labeling we separate the process into two subsequent steps: STEER first labels the non-numerical columns that are easier to label. Afterwards, STEER then uses these labels to “steer” the labeling of the numerical columns. With this, STEER is able to not only generate high quality training data of textual columns but also to semantically label numerical data with a very high precision. Which is a problem in existing approaches and has not been addressed sufficiently so far.

Finally, we provide an extensive evaluation of STEER on four different data lakes with different characteristics that in total contain more than 643.500 columns. These data lakes vary in the semantic types and cover a wide spectrum of numerical and non-numerical data types. Moreover, in our evaluation we also show that our approach can be used across models that implement different learning approaches. In particular, we use SATO which relies on a classical supervised training approach and TURL that uses the pre-training/fine-tuning paradigm. The results of this experiments demonstrate that STEER works for both model architectures. Overall, each experiment shows that STEER can generate training data that allows a learned model to provide high performance. Thereby we not only highlight the performance of the re-trained end model, but also the quality and quantity of the generated training data by STEER.

Keine personen gefunden!