Refine
Year of publication
Document Type
- Report (54) (remove)
Has Fulltext
- yes (54)
Keywords
- Forschungsbericht (20)
- Optimierung (12)
- Forschung (9)
- Modellierung (8)
- Research Report (8)
- Soft Computing (8)
- Versicherungswirtschaft (7)
- Forschungsstelle Versicherungsmarkt (5)
- Institut für Versicherungswesen (5)
- Evolutionärer Algorithmus (4)
- Forschungsstelle FaRis (4)
- Globale Optimierung (4)
- Hochschule (4)
- Optimization (4)
- Versicherungsrecht (4)
- Versicherungswissenschaft (4)
- Wirtschaftswissenschaften (4)
- Forschungsstelle Versicherungsrecht (3)
- Genetic Programming (3)
- Genetisches Programmieren (3)
- Maschinelles Lernen (3)
- Mehrkriterielle Optimierung (3)
- Metaheuristik (3)
- Sequential Parameter Optimization (3)
- Sequentielle Parameter Optimierung (3)
- Versicherung (3)
- Versicherungsmathematik (3)
- Versicherungswesen (3)
- Computational Intelligence (2)
- Ensemble Methods (2)
- Evolutionary Algorithms (2)
- Evolutionsstrategie (2)
- Evolutionäre Algorithmen (2)
- Forschungsschwerpunkt Rückversicherung (2)
- Genetische Algorithmen (2)
- IVW Köln (2)
- Kölner Forschungsstelle Rückversicherung (2)
- Multi-Criteria Optimization (2)
- Multiobjective Optimization (2)
- Optimierungsproblem (2)
- Prognose (2)
- Regression (2)
- Rückversicherung (2)
- Simulation (2)
- Sozialmanagement (2)
- Surrogat-Modellierung (2)
- Surrogate Modeling (2)
- Surrogate Models (2)
- Versuchsplanung (2)
- Zeitreihenanalyse (2)
- Aktuare (1)
- Algorithm Tuning (1)
- Algorithmus (1)
- Automated Learning (1)
- Autowerkstätten (1)
- Bayesian Learning (1)
- Bayesian Regression (1)
- COVID-19 (1)
- Co-Kriging (1)
- Cyber-physische Produktionssysteme (1)
- Cyclone Dust Separator (1)
- Data Analysis (1)
- Data Mining (1)
- Data Modelling (1)
- Datenanalyse (1)
- Datenschutz (1)
- Deutsche Aktuarvereinigung (1)
- Digitalisierung (1)
- Ensemble based modeling (1)
- Enterprise 2.0 (1)
- Entstauber (1)
- Event Detection (1)
- Evolution Strategies (1)
- Evolutionsstrategien (1)
- Expected Improvement (1)
- Experiment (1)
- Experimental Algorithmics (1)
- FaRis (1)
- Fehlende Daten (1)
- Finanzwirtschaft (1)
- Flushing (1)
- Forschungsstelle (1)
- Function Approximation (1)
- Gaussian Process (1)
- Genetic Algorithms (1)
- Genetic programming (1)
- Genetische Programmierung (1)
- Heuristics (1)
- Imputation (1)
- Innovationsakzeptanz (1)
- Institute for Insurance Studies (1)
- Klassifikation (1)
- Kognitive Referenzarchitektur (1)
- Kraftfahrtversicherung (1)
- Kriging (1)
- Lineare Regression (1)
- Machine Learning (1)
- Marketing (1)
- Massive Online Analysis (1)
- Metamodel (1)
- Metamodell (1)
- Missing Data (1)
- Mixed Models (1)
- Model Selection (1)
- Modeling (1)
- Modelling (1)
- Multi-criteria Optimization (1)
- Netzwerk (1)
- Netzwerkberatung (1)
- Netzwerke (1)
- Notrufsystem (1)
- On-line Algorithm (1)
- Pannendienst (1)
- Parametertuning (1)
- Produktentwicklungsprozess (1)
- R (1)
- SPOT (1)
- Sensortechnik (1)
- Simulated annealing (1)
- Software (1)
- Soziale Software (1)
- Sozialraum (1)
- Spülen (1)
- Stacked Generalization (1)
- Statistics (1)
- Surrogate (1)
- Surrogate Model (1)
- Surrogate Optimization (1)
- Surrogate-Model-Based Optimization (1)
- Surrogate-model-based Optimization (1)
- Surrogatmodellbasierte Optimierung (1)
- System Identification (1)
- Systemidentifikation (1)
- Taxonomie (1)
- Taxonomy (1)
- Telematik (1)
- Time-series (1)
- Trinkwasserversorgung (1)
- Unsicherheit (1)
- Versciherungsmathematik (1)
- Vorverarbeitung (1)
- Wasserwirtschaft (1)
- Water Distribution Systems (1)
- Water Quality Monitoring (1)
- Wiki (1)
- Wissensmanagement (1)
- Wissensmanagement in der Versicherungsbranche (1)
- Zeitreihe (1)
- Zylon Enstauber (1)
- classification (1)
- eCall (1)
- faris (1)
- model-assisted optimization (1)
- modellbasierte Optimierung (1)
- regression (1)
Institute
- Fakultät 04 / Institut für Versicherungswesen (16)
- Fakultät 10 / Institut für Informatik (13)
- Fakultät 04 / Schmalenbach Institut für Wirtschaftswissenschaften (9)
- Fakultät für Informatik und Ingenieurwissenschaften (F10) (8)
- Fakultät 01 / Institut für Sozialpolitik und Sozialmanagement (4)
- Fakultät 10 / Institut für Data Science, Engineering, and Analytics (2)
RGP is genetic programming system based on, as well as fully integrated into, the R environment. The system implements classical tree-based genetic programming as well as other variants including, for example, strongly typed genetic programming and Pareto genetic programming. It strives for high modularity through a consistent architecture that allows the customization and replacement of every algorithm component, while maintaining accessibility for new users by adhering to the "convention over configuration" principle.
Multi-criteria optimization has gained increasing attention during the last decades. This article exemplifies multi-criteria features, which are implemented in the statistical software package SPOT. It describes related software packages such as mco and emoa and gives a comprehensive introduction to simple multi criteria optimization tasks. Several hands-on examples are used for illustration. The article is well-suited as a starting point for performing multi-criteria optimization tasks with SPOT.
There is a strong need for sound statistical analysis of simulation and optimization algorithms. Based on this analysis, improved parameter settings can be determined. This will be referred to as tuning. Model-based investigations are common approaches in simulation and optimization. The sequential parameter optimization toolbox (SPOT), which is implemented as a package for the statistical programming language R, provides sophisticated means for tuning and understanding simulation and optimization algorithms. The toolbox includes methods for tuning based on classical regression and analysis of variance techniques; tree-based models such as classification and regressions trees (CART) and random forest; Gaussian process models (Kriging), and combinations of different meta-modeling approaches. This article exemplifies how an existing optimization algorithm, namely simulated annealing, can be tuned using the SPOT framework.
Computational intelligence methods have gained importance in several real-world domains such as process optimization, system identification, data mining, or statistical quality control. Tools are missing, which determine the applicability of computational intelligence methods in these application domains in an objective manner. Statistics provide methods for comparing algorithms on certain data sets. In the past, several test suites were presented and considered as state of the art. However, there are several drawbacks of these test suites, namely: (i) problem instances are somehow artificial and have no direct link to real-world settings; (ii) since there is a fixed number of test instances, algorithms can be fitted or tuned to this specific and very limited set of test functions; (iii) statistical tools for comparisons of several algorithms on several test problem instances are relatively complex and not easily to analyze. We propose a methodology to overcome these difficulties. It is based on standard ideas from statistics: analysis of variance and its extension to mixed models. This paper combines essential ideas from two approaches: problem generation and statistical analysis of computer experiments.
When using machine learning techniques for learning a function approximation from given data it is often a difficult task to select the right modeling technique.
In many real-world settings is no preliminary knowledge about the objective function available. Then it might be beneficial if the algorithm could learn all models by itself and select the model that suits best to the problem.
This approach is known as automated model selection. In this work we propose a
generalization of this approach.
It combines the predictions of several into one more accurate ensemble surrogate model. This approach is studied in a fundamental way, by first evaluating minimalistic ensembles of only two surrogate models in detail and then proceeding to ensembles with three and more surrogate models.
The results show to what extent combinations of models can perform better than single surrogate models and provides insights into the scalability and robustness of the approach. The study focuses on multi-modal functions topologies, which are important in surrogate-assisted global optimization.
Dieser Schlussbericht beschreibt die im Projekt „CI-basierte mehrkriterielle Optimierungsverfahren für Anwendungen in der Industrie“ (CIMO) im Zeitraum von November 2011 bis einschließlich Oktober 2014 erzielten Ergebnisse. Für aufwändige Optimierungsprobleme aus der Industrie wurden geeignete Lösungsverfahren entwickelt. Der Schwerpunkt lag hierbei auf Methoden aus den Bereichen Computational Intelligence (CI) und Surrogatmodellierung. Diese bieten die Möglichkeit, wichtige Herausforderung von aufwändigen, komplexen Optimierungsproblemen zu lösen. Die entwickelten Methoden können verschiedene konfliktäre Zielgrößen berücksichtigen, verschiedene Hierarchieebenen des Problems in die Optimierung integrieren, Nebenbedingungen beachten, vektorielle aber auch strukturierte Daten verarbeiten (kombinatorische Optimierung) sowie die Notwendigkeit teurer/zeitaufwändiger Zielfunktionsberechnungen reduzieren. Die entwickelten Methoden wurden schwerpunktmäßig auf einer Problemstellung aus der Kraftwerkstechnik angewendet, nämlich der Optimierung der Geometrie eines Fliehkraftabscheiders (auch: Zyklon), der Staubanteile aus Abgasen filtert. Das Optimierungsproblem, das diese FIiehkraftabscheider aufwerfen, führt zu konfliktären Zielsetzungen (z.B. Druckverlust, Abscheidegrad). Zyklone können unter anderem über aufwändige Computational Fluid Dynamics (CFD) Simulationen berechnet werden, es stehen aber auch einfache analytische Gleichungen als Schätzung zu Verfügung. Die Verknüpfung von beidem zeigt hier beispielhaft wie Hierarchieebenen eines Optimierungsproblems mit den Methoden des Projektes verbunden werden können. Neben dieser Schwerpunktanwendung konnte auch gezeigt werden, dass die Methoden in vielen weiteren Bereichen Erfolgreich zur Anwendung kommen können: Biogaserzeugung, Wasserwirtschaft, Stahlindustrie. Die besondere Herausforderung der behandelten Probleme und Methoden bietet viele wichtige Forschungsmöglichkeiten für zukünftige Projekte, die derzeit durch die Projektpartner vorbereitet werden.
Das vernetzte Automobil bezeichnet die Möglichkeit, über Mobilfunknetze (oder auch WLAN) aus einem Fahrzeug heraus Daten z.B. zum aktuellen Betriebszustand des Fahrzeugs, zur aktuellen Position oder zur Fahrweise an unterschiedlichste Empfänger weiterzuleiten. Auf Basis dieser Technik sind ein automatisches Notrufsystem sowie zahlreiche Mehrwertdienste rund um Service und Verkehrs-steuerung realisierbar. Bisherige, kostenpflichtige Angebote konnten sich im Markt noch nicht breit durchsetzen. Die von der EU-Kommission für 2015 geplante verpflichtende Neueinführung des automatischen Notrufsystems „eCall“ wird der Verbreitung dieser Systeme aber einen deutlichen Schub geben. Mit der Hoffnung auf sinkende Zahlen von Unfallopfern gehen allerdings Bedenken einher bezüglich Datenschutz. Hinzu kommt die Sorge von Verbraucherschützern und einigen Marktteilnehmern (z.B. Pannendiensten, freien Werkstätten, Teilehändlern und Versicherern) vor einer gewissen „Monopolisierung“ der Kfz-Hersteller im After-Sales-Market, soweit alleine diese Zugriff auf die mobilen Daten erhalten. Vor diesem Hintergrund untersucht diese Studie die derzeitige Kenntnis und Akzeptanz des automatischen Notrufsystems „eCall“ sowie die Akzeptanz darüber hinausgehender Mehrwertdienste. Dazu wurde eine annähernd repräsentative Stichprobe von 1.021 privaten PKWHaltern in Deutschland befragt. Die Ergebnisse zeigen, dass eCall als Notfallsystem zwar noch wenig bekannt ist, aber nach kurzer Erläuterung hohe Akzeptanz findet und nach Ansicht der großen Mehrheit der Befragten automatisch in allen Neufahrzeugen installiert werden sollte. Die damit verbundenen Mehrkosten beim Autokauf werden in Kauf genommen. Bedeutsamer erscheint dagegen der Schutz der persönlichen Daten. Als Empfänger der gesendeten Information werden im Falle eines Unfalls vorrangig Rettungsdienste, aber auch Polizei und Pannendienste gewünscht. Zudem könnten sich viele Fahrzeughalter die Weiterleitung an ihren Versicherer oder eine Verkehrsleitzentrale vorstellen. Deutlich zurückhaltender zeigen sich die Autofahrer aber, wenn es um die Übermittlung von Daten jenseits von Unfällen geht. Insbesondere eine automatische Übermittlung von Informationen erreicht hier durchgehend nur geringe Akzeptanzwerte. Die Option, die Datenübermittlung selbst zu beeinflussen, sei es durch Voreinstellung oder fallweise Aktivierung, erhöht die Akzeptanz zwar deutlich, dennoch fanden sich außerhalb des Unfallszenarios keine Anlässe, in denen die Mehrheit eine Datenweitergabe befürwortete. Diese Zurückhaltung gilt auch für den Austausch mit Werkstätten und Kfz-Herstellern. Insbesondere eine automatische Datenübermittlung wird von den meisten Autofahrern abgelehnt. Wahlfreiheit erhöht auch hier die Akzeptanz, insbesondere Daten zum Betriebszustand des Fahrzeuges zu übertragen. Die Akzeptanz-Unterschiede zwischen verschiedenen Bevölkerungsgruppen - sei es nach Alter, Status oder Autotypen - sind insgesamt eher gering. Auch die generelle politische Orientierung schlägt sich nur bedingt in der Akzeptanz von eCall und Mehrwertdiensten wieder. Insgesamt wird deutlich: Wenn es nicht unmittelbar um die Sicherheit geht, braucht es überzeugender Argumente, um die Mehrheit der Autofahrer von weiteren Anwendungen zu überzeugen. Wahlfreiheit ist ein wichtiger Parameter zur Erhöhung der Akzeptanz. Ebenso bedeutsam ist ein überzeugender Datenschutz. Allerdings zeigt ein Auseinanderklaffen zwischen hohen datenschutzbezogenen Erwartungen einerseits und dem tatsächlichem Umgang mit datensensiblen Diensten in verschiedensten Lebensbereichen andererseits, dass ein erheblicher Teil der Bevölkerung bereit ist, ihr grundsätzliches Verlangen nach Anonymität zugunsten konkreter Vergünstigungen außer Acht zu lassen. Hier wären unter dem Aspekt des Verbraucherschutzes regulatorische Maßnahmen anzudenken.
Die Risikowahrnehmung von Bürgern und Verbrauchern weicht aufgrund von psychologischen Verzerrungseffekten deutlich von den realen Risiken ab. Zudem sind die meisten Menschen durch das Denken in Wahrscheinlichkeiten und hohe Zahlen überfordert. In einer (weitgehend) repräsentativen Bevölkerungsumfrage wurden vom 31.3. bis zum 2.4.2020 insgesamt 2.028 Personen zur Wahrnehmung von Risiken rund um die Corona-Pandemie sowie zur Fähigkeit der Einschätzung exponentieller Entwicklungen befragt.
Die wichtigsten Ergebnisse lassen sich wie folgt zusammenfassen:
Exponentielle Entwicklungen – wie im Falle einer Pandemie gegeben - entziehen sich weitgehend dem menschlichen Vorstellungsvermögen. Das Gleiche gilt für die gigantischen Geldbeträge, die als Hilfsmaßnahmen für die Wirtschaft beschlossen wurden. Diese werden – vereinfacht ausgedrückt - nur noch als „unglaublich viel Geld“ wahrgenommen.
Die Sorgen vor Corona sind – wenig überraschend – in den Köpfen der Bürger überaus präsent. Nur ein kleiner Anteil der Bevölkerung sorgt sich nach eigenen Aussagen gar nicht oder kaum über eine mögliche Ansteckung. Jeder zweite fürchtet eine wirtschaftlichen Notlage, und vierzig Prozent bangen sogar um ihr Leben.
Zum Vergleich haben wir einige weitere Sorgen mit erfasst, die wir bereits in einer Studie im August 2016 erhoben hatten. Damals war Krebs – gemeinsam mit Verkehrsunfällen – die weitaus präsenteste von insgesamt 30 abgefragten Sorgen. Die Angst vor einem Terroranschlag lag bei den Befragten ebenfalls weit vorne. Aber kein Thema hatte die Bürger damals so „im Griff“ wie zum jetzigen Erhebungszeitpunkt die Corona-Krise.
Andere Gefahren scheinen durch Corona nur in moderatem Umfang verdrängt zu werden: Krebs oder Herzinfarkt besorgen tendenziell etwas weniger Menschen, als das in „normalen“ Zeiten der Fall ist. Die vor vier Jahren noch höchst präsente Bedrohung durch Terrorismus ist hingegen zu großen Teilen aus dem Alltagserleben verschwunden.
Wird anstelle des „Bauches“ der „Kopf“ angesprochen, so ändert sich die Reihenfolge der Risiken nicht wesentlich. Ebenso wie Herzinfarkt und Krebs werden auch die Ansteckung und eine wirtschaftliche Notlage von weiten Teilen der Bevölkerung als eine realistische Bedrohung angesehen.
Ausnahme hiervon ist der mögliche Tod durch den Corona-Virus, der sich in den alltäglichen Ängsten (siehe oben Punkt 2) deutlich mehr niederschlägt, als wenn etwas nüchterner über konkrete Wahrscheinlichkeiten nachgedacht wird. Erst in der Altersgruppe ab 55 Jahren steigen auch hier die Werte deutlich an. Sie bleiben aber auch dann realistischerweise unter den Werten für einen Herzinfarkt oder eine Krebserkrankung.
Im Großen und Ganzen hielten sich die Menschen an die auferlegten Verbote: Die Mehrheit folgt diesen zumindest aus eigener Sicht „voll und ganz“. Gut jeder Dritte nimmt es aber nicht so ganz genau, und insgesamt ca. 5% bekennen sich dazu, die Regeln eher oder gar nicht zu befolgen.
Die Frage, wer am ehesten gegen die Regeln verstößt, lässt sich anhand soziodemographischer Daten kaum eindeutig beantworten. Zwar steigt der Anteil derer, die die Regeln „voll und ganz befolgen“, ab ca. 45 Jahren leicht an, insgesamt zeigen sich aber alle Altersgruppen weitgehend „regelkonform“. Noch geringer sind die Unterschiede nach Einkommen, Bildung oder Bundesland. Am ehesten findet sich noch eine Abweichung nach Geschlecht, indem Männer die Regeln etwas „lockerer“ auslegen.
Der Bedarf an Tests ist hoch, eine Mehrheit würde gerne einen Corona-Test vornehmen.
This paper proposes an experimental methodology for on-line machine learning algorithms, i.e., for algorithms that work on data that are available in a sequential order.
It is demonstrated how established tools from experimental algorithmics (EA) can be applied in the on-line or streaming data setting.
The massive on-line analysis (MOA) framework is used to perform the experiments.
Benefits of a well-defined report structure are discussed.
The application of methods from the EA community to on-line or streaming data is referred to as experimental algorithmics for streaming data (EADS).
Ein Wiki ist eine Form von Social Software, die sich insbesondere zur Unterstützung der kollaborativen Wissensverarbeitung eignet und zunehmend im Unternehmenskontext eingesetzt wird. Ein Wiki lebt vom Prinzip der kollektiven Intelligenz. Somit wird die Schaffung einer kritischen Masse an Nutzern zum Erfolgsfaktor. Erkennt der Nutzer einen echten Mehrwert, so ist er gewillt, die Anwendung zu nutzen. Um diesen Mehrwert zu generieren, erfordert es eine funktionale Integration in die Arbeitsprozesse und die Systemlandschaft des Unternehmens. Um dies zu gewährleisten, wird in der vorliegenden Veröffentlichung eine idealtypische Vorgehensweise zur Einführung eines Wikis entwickelt. Es wird gezeigt, wie sich der Grundgedanke des prozessorientierten Wissensmanagements auf die Konzeption eines Wikis übertragen lässt. Die erarbeiteten theoretischen Grundlagen werden an der beispielhaften fachlichen Konzeption eines Wikis zur Unterstützung des Wissensmanagements im Produktentwicklungsprozess eines Lebens-versicherers angewendet. Zu diesem Zweck werden Anwendungsszenarien entwickelt, in denen die Nutzer durch den Einsatz des Wikis profitieren.