TY - JOUR TI - Project VoLL-KI : Learning from Learners AU - Kohlhase, Michael AU - Berges, Marc AU - Grubert, Jens AU - Landes, Dieter AU - Leidner, Jochen L. AU - Henrich, Andreas AU - Mittag, Florian AU - Nicklas, Daniela AU - Schmid, Ute Maria AU - Sedlmaier, Yvonne AU - Ulbrich-vom Ende, Achim AU - Wolter, Diedrich PY - 2026 VL - 39 SP - 299–309 PB - Otto-Friedrich-Universität CY - Bamberg UR - https://fis.uni-bamberg.de/handle/uniba/115195 LA - eng AB - “Learning from Learners” (“Von Lernenden Lernen”, “VoLL-KI ” for short) is a is collaborative research project with the goal of creating a practical toolbox of instruments at diferent levels of abstraction to improve the learning experience and outcomes for students of artifcial intelligence. Learning and teaching at tertiary education institutions are currently ITbased but not AI-supported. The VoLL-KI project aims to go this crucial next step. Using AI approaches (e.g., ML, symbolic AI, statistical AI), several educational technologies are developed on the diferent granularity of the study programs (e.g., course, semester, program). So, dashboards for study planning, recommender systems improving student advisory services and learning material selection, VR-based learning experiences, educational chatbots, and adaptive learning environments are developed. The systems are mostly deployed as prototypes KW - Computer-aided education KW - Intelligent tutoring systems KW - Teaching support for artifcial intelligence education KW - Computer-aided learning (CAL) KW - Data-driven learning quality management KW - Study course monitoring KW - Learning analytics ER - TY - JOUR TI - Project VoLL-KI : Learning from Learners AU - Kohlhase, Michael AU - Berges, Marc AU - Grubert, Jens AU - Landes, Dieter AU - Leidner, Jochen L. AU - Henrich, Andreas AU - Mittag, Florian AU - Nicklas, Daniela AU - Schmid, Ute AU - Sedlmaier, Yvonne AU - Ulbrich-vom Ende, Achim AU - Wolter, Diedrich PY - 2025 JO - Künstliche Intelligenz : KI ; Forschung, Entwicklung, Erfahrungen ; Organ des Fachbereichs 1 Künstliche Intelligenz der Gesellschaft für Informatik e.V., GI VL - 39 SP - 299–309 PB - Springer CY - Berlin ; Heidelberg SN - 0933-1875 DO - 10.1007/s13218-024-00846-9 UR - https://fis.uni-bamberg.de/handle/uniba/107128 LA - eng AB - “Learning from Learners” (“Von Lernenden Lernen”, “VoLL-KI ” for short) is a is collaborative research project with the goal of creating a practical toolbox of instruments at diferent levels of abstraction to improve the learning experience and outcomes for students of artifcial intelligence. Learning and teaching at tertiary education institutions are currently ITbased but not AI-supported. The VoLL-KI project aims to go this crucial next step. Using AI approaches (e.g., ML, symbolic AI, statistical AI), several educational technologies are developed on the diferent granularity of the study programs (e.g., course, semester, program). So, dashboards for study planning, recommender systems improving student advisory services and learning material selection, VR-based learning experiences, educational chatbots, and adaptive learning environments are developed. The systems are mostly deployed as prototypes KW - Computer-aided education KW - Intelligent tutoring systems KW - Teaching support for artifcial intelligence education KW - Computer-aided learning (CAL) KW - Data-driven learning quality management KW - Study course monitoring KW - Learning analytics ER - TY - CPAPER TI - Architekturkonzept eines verteilten Data-Warehouse-Systems für das Hochschulwesen AU - Sinz, Elmar J. AU - Böhnlein, Michael AU - Plaha, Markus AU - Ulbrich-vom Ende, Achim PY - 2024 PB - Otto-Friedrich-Universität CY - Bamberg UR - https://fis.uni-bamberg.de/handle/uniba/97600 LA - deu AB - Der vorliegende Beitrag untersucht die Beziehung zwischen (a) den Leistungsprozessen der Organisations-und der Führungsstruktur einer verteilten Organisation und (b) der Architektur eines zugehörigen Data-Warehouse-Systems. Dabei wird deutlich dass zentrale Data-Warehouse-Systeme zur Unterstützung verteilter Organisationen nur bedingt geeignet sind. Anhand der Konzeption eines Data-Warehouse-Systems für das Hochschulwesen wird exemplarisch ein für verteilte Organisationen geeignetes Architekturkonzept eines verteilten Data-Warehouse-Systems entwickelt. KW - Data-Warehouse-System ER - TY - CHAP TI - Architektur von Data-Warehouse-Systemen AU - Sinz, Elmar J. AU - Ulbrich-vom Ende, Achim PY - 2024 SP - 1-23 PB - Otto-Friedrich-Universität CY - Bamberg UR - https://fis.uni-bamberg.de/handle/uniba/96416 LA - deu AB - In den letzten Jahren haben sich Data-Warehouse-Systeme als Hilfsmittel zur Unterstützung des Managements betrieblicher Systeme etabliert. Bei der Wahl der geeigneten Architektur für ein Data-Warehouse-System ist dessen Einsatzform im Unternehmen zu berücksichtigen. Hierzu gehören aus fachlicher Sicht insbesondere der Aufbau der zu unterstützenden Organisations-und Führungsstruktur sowie spezifische Anforderungen an die Datenbereitstellung. Im vorliegenden Beitrag werden zunächst die Funktion des Data-Warehouse als Hilfsregelstrecke im Lenkungssystem des Unternehmens und die daraus resultierenden Gestaltungsmerkmale für die Systemarchitektur herausgearbeitet. Anschließend wird auf der Grundlage einer allgemeinen Darstellung des Aufbaus und der Funktionsweise eines Data-Warehouse-Systems ein generischer Rahmen zur Beschreibung von Architekturformen für Data-Warehouse-Systeme entwickelt. Im Gegensatz zu verbreiteten Ansätzen zur Beschreibung von Architekturformen für Data-Warehouse-Systeme, welche die einzelnen Datenbestände und deren Beziehungen in den Mittelpunkt stellen, ist der generische Rahmen als Hierarchie von Softwareschichten konzipiert. Dadurch kann der von den einzelnen Softwareschichten bereitgestellte Funktionsumfang unabhängig von der Realisierungsform der zugrunde liegenden Datenhaltung beschrieben werden. Anhand des generischen Rahmens werden ausgewählte Architekturformen für Data-Warehouse-Systeme mit Bezug zu den eingangs genannten Anforderungen vorgestellt. Hierbei wird aufgezeigt, dass die Unterschiede zwischen den einzelnen Architekturen aus der Konfiguration der Schichten sowie aus der Realisierungsform der Datenhaltung innerhalb der Schichten resultieren. KW - Data-Warehouse-System ER - TY - JOUR TI - Datenschutz und Datensicherheit in einem landesweiten Data-Warehouse-System für das Hochschulwesen AU - Sinz, Elmar J. AU - Plaha, Markus AU - Ulbrich-vom Ende, Achim PY - 2024 SP - 40-66 PB - Otto-Friedrich-Universität CY - Bamberg UR - https://fis.uni-bamberg.de/handle/uniba/93826 LA - deu AB - Data-Warehouse-Systeme können einen wesentlichen Beitrag zur Schaffung von Informationsgrundlagen leisten, aufgrund derer effektive Entscheidungsprozesse zur Bewältigung der Herausforderungen von Hochschulen eingeleitet werden. Im Zusammenhang mit Data-Warehouse-Systemen ist der Datenschutzproblematik grundsätzlich hohe Aufmerksamkeit zu widmen, da die dort angebotenen vielfältigen Navigationsmöglichkeiten in einem meist äußerst umfangreichen Datenbestand zur nahezu beliebigen Kombination von Einzeldaten herangezogen werden können. Dies gilt insbesondere für ein landesweites Data-Warehouse-System für das Hochschulwesen wie das System CEUS, bei dem u. a. die Interessen (teil-)autonomer Hochschulen mit den Interessen auf Landesebene abzustimmen sind. Wesentliches Ziel dieses Beitrags ist es, die konzeptuellen und konstruktiven Maßnahmen darzulegen, die in CEUS zur Erreichung von Datenschutz und Datensicherheit gewählt wurden und die Zustimmung des Datenschutzbeauftragten des Landes fanden. KW - Datenschutz KW - Datensicherheit KW - Data-Warehouse-System KW - Hochschulwesen ER - TY - JOUR TI - The market value of decomposed carbon emissions AU - Schiemann, Frank AU - Ott, Christian PY - 2023 VL - 50 IS - 1-2 SP - 3-30 PB - Otto-Friedrich-Universität CY - Bamberg UR - https://fis.uni-bamberg.de/handle/uniba/58385 LA - eng AB - We introduce the decomposition of carbon emissions into an expected and an unexpected component and analyze the association between these components and firm value. The expected component captures a firm's average carbon emissions inherent to its business model and operating environment. The unexpected component, meaning the firm-specific deviation from expected carbon emissions, reflects the management's effort and ability to implement carbon management and actively influence carbon emissions. For a sample of US firms operating in carbon-intensive industries, we estimate the expected component using a regression of carbon emissions on firm characteristics and industry. The residual of this regression represents the unexpected component. The results reveal that, on average, investors attach value to both components. While investors consider the expected component to be relevant regardless of assurance, they consider the unexpected component to be more relevant in the presence of assurance. The assurance alleviates credibility concerns about the information content of the unexpected component. Additionally, we confirm the nomological validity of our measure of the unexpected component, as it is negatively related to indicators of better carbon management systems. KW - carbon emissions KW - decomposition KW - firm value KW - value relevance ER - TY - CHAP TI - Allocating Resources More Effectively in Higher Education AU - Förtsch, Tim-Oliver AU - Hartmann, Stefan AU - Plaha, Markus AU - Ringler, Julia AU - Ulbrich-Vom Ende, Achim PY - 2005 T2 - MicroStrategy Customer Book 2005 - Customer Success with MicroStrategy Business Intelligence SP - 39 CY - Köln UR - https://fis.uni-bamberg.de/handle/uniba/13162 LA - deu ER -