Akzeptanz und Vertrauen bilden zwei wichtige Aspekte, die den Einsatz eines Kategorisierungsmodells des maschinellen Lernens im Unternehmenskontext sowohl unterstützen als auch verhindern können. Diese Arbeit beschäftigt sich mit der Frage, wie und ob die Akzeptanz und darüber hinaus auch die Erklärbarkeit von Kategorisierungsmodellen erreicht werden können. Durch die Erklärbarkeit erlangt der Nutzer ein verbessertes Verständnis der Modellvorhersagen, sodass er diesen nicht blind vertrau-en muss. In dieser Arbeit werden dafür zunächst das zuvor angefertigte Modell erläu-tert und zwei Explainable AI Bibliotheken evaluiert, deren Methoden anschließend für die Erklärung von Kategorie Vorhersagen eingesetzt werden. Außerdem wird eine Di-mensionsreduktion des eingesetzten Sprachmodells untersucht. Die Dimensionalität des Sprachmodells, welches die Produktbeschreibungen abbildet, konnte um über 90% verringert werden bei einem gleichzeitigen Performanceverlust von knapp 6%. Um abschließend die Fragestellung zu beantworten, wurde ein Experten-Versuch durchgeführt, um einerseits die Auswirkungen von Erklärungen aus dem Bereich Ex-plainable AI zu untersuchen und andererseits Feedback der Experten zur Arbeit mit dem Modell zu erhalten. Die Ergebnisse zeigen, dass keine Verbesserung der Kategorisierungsergebnisse durch die Erklärungen erreicht werden konnte. Die benötigte Zeit zur Kategorisierung konnte jedoch als signifikant geringer und das Vertrauen ins Modell als gesteigert nachgewiesen werden. Schlagwörter: Bachelorarbeit, ITscope, maschinelles Lernen, Explainable AI, Dimensionsreduktion

Ziel dieser Arbeit ist es, anhand des Lastgangs eines Produktionsbetriebs in der Stahlverarbeitung eine PV-Anlage optimal auszulegen. Anhand genauer Analysen für den Beispielbetrieb H. Janssen GmbH & Co. Maschinen- und Stahlbau KG soll der Auslegungsprozess für vergleichbare Betriebe vereinfacht werden. Hierfür sollen Auslegungsgrenzen herausgearbeitet werden, die auf ähnliche Projekte übertragen werden können. Um die PV-Anlage optimal für den Lastgang auszulegen, werden mithilfe der Simulationssoftware PV-SOL mehrere verschiedene Anlagen- und Speichergrößen simuliert und analysiert. Diese Analysen haben gezeigt, dass es bei der Dimensionierung der Anlagengröße sowie bei der Speichergröße Grenzen gibt, ab denen eine Vergrößerung der Anlagen oder des Speichers zur Optimierung der Anlagen nicht mehr sinnvoll ist. Für die Anlagengröße stellte sich heraus, dass die Grenzen der Anlagengröße bei 1,00 kWp/MWh und für die Speichergröße bei 1,00 kWh/kWp liegt. Außerdem hat sich gezeigt, dass die Nutzung eines Speichers erst ab einer gewissen Anlagengröße (0,50 kWp/MWh) zur Optimierung einer PV-Anlage führt. Neben der technischen Optimierung wurde auch die wirtschaftliche Sicht genauer betrachtet. Hierbei wurde mithilfe der Simulationsergebnisse aus PV-SOL eine Amortisationsrechnung durchgeführt. Es wurden drei verschiedene Anlagentypen untersucht die Volleinspeisung, die Eigenverbrauchsdeckung ohne Speicher und die Eigenverbrauchsdeckung mit Speicher. Diese Wirtschaftlichkeitsbetrachtung hat ergeben, dass der Anlagentyp „Eigenverbrauchsdeckung ohne Speicher“ die wirtschaftlichste Option ist. Die Auslegungsgrenzen, die sich in der technischen Analyse herausgestellt haben, lassen sich auf ähnliche Projekte übertragen.

Die vorliegende Arbeit befasst sich mit der Ausarbeitung einer Handlungsempfehlung zur Implementierung von Business Intelligence (BI) Software. ,,BITools sind Werkzeuge, die Auswertungsverfahren von internen und externen Unternehmensdaten, sowie quantitative Verfahren für Planungs-, Entscheidungs- und Controllingzwecke softwaremäßig für Manager bereitstellen, um Geschäftslagen, -entwicklungen und -prozesse im Unternehmen zu analysieren.“1 Zu Beginn wird ein grundlegendes Verständnis der Materie aus dem aktuellen Stand der Wissenschaft definiert. Anschließend wird eine vom Autor umgesetzte Implementierung retrospektiv bewertet. Auf Grundlage dieser Bewertung, den gesammelten Erfahrungen des Autors und der Theorie findet eine gezielte Handlungsempfehlung zur Implementierung von BI statt. Die Anfänge von Auswertungsverfahren begann in den 60er Jahren. Lenz berichtet in seinem Buch Business Intelligence von persönlichen Erfahrungen wie Daten 1964 ausgewertet wurden. Hierbei wurde durch Tabellierungen seitenlange Papierbahnen gedruckt. Papierstapel von guten 25cm Höhe wurden händisch komprimiert und dem Vorgesetzten zur Verfügung gestellt. Bis in die 90er Jahre war dies kein unübliches Vorgehen in der deutschen Wirtschaft.2 Damals wurden erste Computeranwendungen entwickelt, mit der Funktion, eine Entscheidung zu stützen. Im Jahr 1980 wurde festgestellt, dass hierfür das Wasserfallmodell als Vorgehensweise zu statisch ist, um auf die wechselnden Anforderungen an Auswertungssystemen zu reagieren. Somit wurde damals auf agiles Vorgehen und Design wie beispielsweise Scrum3 gesetzt. Ende der 80er wurden die ersten Dashboards, Scorecards und OLAP als Werkzeuge eingesetzt. Im Jahr 1990 wurden die ersten BI-Infrastrukturen entwickelt. Diese wurden bis 2006 für einzelne Abteilungen und nicht abteilungsübergreifend eingesetzt.

So far, electronic data interchange (EDI) has been primarily used by large companies. They increasingly pressure their business partners to participate in or connect to their EDI infrastructure. Companies, which do not use EDI so far, face the challenge of imple-mentation. Questions, such as the choice of the right EDI approach and the right EDI standard, have to be answered. In addition, there are often high investment costs. Small- and medium-sized enterprises (SMEs) are particularly affected due to their limited re-sources and financial means in comparison to those of large enterprises. Based on a structured literature research, information on the state of the art as well as research was consolidated and the opportunities and risks of EDI for small and medium-sized enter-prises were examined. The results show that EDI offers a variety of opportunities ranging from process optimization to competitive advantages, but that these also depend on the degree of integration. The understanding of the own benefits as well as the support of the management plays an important role for the successful adoption, implementation and integration of EDI. Keywords: EDI, interorganizational systems, SME, system integration, data interchange

Entwicklung eines Kostenkalkulationstools für Sanierungsmaßnahmen bei Innenraumschimmel