Unbekannte Ziele in öffentlichen Gebäuden zu erreichen, ist ein besonderes Problem für blinde und sehbehinderte Menschen. Es gibt elektronische Hilfsmittel, die dieses Problem lösen, aber meist auf sprachlicher Ausgabe basieren. Die non-verbale Ausgabe der Wegführung hat den Vorteil, dass Informationsübertragung durch kürzere Sinnesreize weniger belasten. Die vorliegende Arbeit präsentiert eine Benutzungsschnittstelle zur Routenführung durch Sonifikation. Es wurde dafür ein Set von akustischen Signalen erarbeitet, die durch Tonhöhenunterschiede und Stereopanorama Richtungen angeben. Die Wahl dieser Parameter wurde durch einen Labortest ermittelt. Es wurde untersucht, welche Informationen für eine erfolgreiche Routenführung notwendig sind. Durch eine einfach gehaltene Funktionsweise mit turn-by-turn Anweisungen und ohne große Anforderungen an akustische Schnittstellen ist die Benutzungsschnittstelle leicht auf bestehende Navigationssysteme übertragbar. In einem Pilottest wurde das Führungskonzept in einer realitätsnahen Umgebung auf seine Gebrauchstauglichkeit hin überprüft.:1 Einleitung 2 Orientierung Blinder und Sehbehinderter 3 Sonifikation 4 Anforderungen und Abgrenzungen 5 Richtungssignale 6 Entwurf 7 Pilot-Studie 8 Fazit Soundverzeichnis Literaturverzeichnis Abbildungsverzeichnis Tabellenverzeichnis A.1 Befragungsbogen Richtungsdarstellung A.2 Befragungsbogen Pilotversuch

Regulatorische T-Zellen (Treg) eröffnen neue immuntherapeutische Wege zur Kontrolle unerwünschter Immunreaktionen, jedoch wirft die Heterogenität dieser Zellen die Frage auf, welche Treg-Population für die klinische Anwendung. Darauf basierend werden in dieser Arbeit drei Fragestellungen bearbeitet: i) Bestimmung der Häufigkeit von Tregs und deren Subpopulationen in verschiedenen Altersgruppen bei Empfängern einer Organtransplantation (Tx) und einer gesunden Kontrollgruppe; ii) Vergleich der Suppressorkapazität verschiedener Treg-Populationen und in vitro-Expansion der Zellen unter Erhaltung ihrer Funktionalität; iii) Klärung der Differenzierungsmerkmale von Tregs und deren Verknüpfung mit konventionellen T-Zellen (Tconv) mittels Analyse des T-Zell-Rezeptor- (TCR) Repertoires. Sowohl bei gesunden Probanden als auch bei Tx-Empfänger konnte eine altersabhängige Verschiebung von naiven (TregN) hin zu dominant zentralen Gedächtnis-Zellen (TregCM) beobachtet werden, Treg von Tx-Empfängern hatten mehr Effektor-Memory-Zellen (EM) und sie waren mehr aktiviert. In Bezug auf die Kontrolle der frühen Tconv zeigen TregCM eine erhöhte Suppressorkapazität im Vergleich zu TregN. Außerdem sind im Gegensatz zu TregN nur TregCM dazu in der Lage, Apoptose bei Responderzellen zu induzieren. Der Grund hierfür könnte in der stärkeren Expression von CTLA-4 auf TregM liegen. Die Expansionskultur führte zur phänotypischen Veränderung der TregN, deren Umwandlung in TregCM mit einer verbesserten Suppressoraktivität verbunden ist. Die Daten legen nahe, dass das Expandieren mit gesamt Treg für die Adoptive-Treg-Therapie optimal sind, da sie der größte Anteil von ihnen die hochpotenten TregCM sind. TCR-Studien mittels Next Generation Sequencing zeigen weiter, dass TregM aus TregN entstehen, anstatt aus Tconv, in einem Antigen-gesteuerten Prozess. Diese Daten belegen erstmalig neue Erkenntnisse hinsichtlich der Unterschiede der TCR-Repertoires von TregM und Tconv beim Menschen. / Regulatory T cells (Treg) offer new immunotherapeutic options to control undesired immune reactions, but the heterogeinetiy of Treg raises the question which Treg population should be used for clinical translation Thus, this project involves three main parts: i) investigating Treg frequency and subsets distribution with age in healthy donors and transplant (Tx) patients; ii) comparing the suppressive capacity of Treg subsets and expanding them in vitro without losing functionality; iii) clarifyjing the differiation relationship of Treg subsets and their relation to conventional T cells (Tconv) by T cell receptor (TCR) repertoire analysis. From both healthy donors and Tx patients, an age-dependent shift from naïve Treg (TregN) to the dominant central-memory Treg (TregCM) was observed,; However,Treg in Tx patients contained more effector-memory EM cells, , and they were pre-activated due to the exposure to allo antigens,. Regarding control of early Tconv activation, TregCM showed enhanced suppressive capacity compared to TregN; furthermore, only TregCM could induce apoptosis of responder cells while TregN could not, which may result from thehigherexpression of cytotoxic T-lymphocyte antigen 4 (CTLA-4) on TregM. Following in vitro expansion of the Treg subsets, however, TregN converted mainly into TregCM phenotype with enhanced suppression activity. The poor proliferation capacity of TregEM might indicate EM as the terminal differential stage. These data suggest that expansion with total Treg is optimal for adoptive Treg therapy as the majority of them are the highly potent TregCM. Lastly, TCR repertoire study by next generation sequencing (NGS) indicate that TregM derived from TregN rather than Tconv in an antigen-driven process. The highest similarity of the TCR repertoires was observed between TregCM and TregEM. These data reveal new insights for the first time into the distinct TCR repertoires of Treg subsets and Tconv in human by NGS technology.

In der vorliegenden Arbeit wird eine Methodik zur Entwicklung mechanischer Simulationen der Interaktion Sportler-Sportgerät-Umwelt zur Untersuchung der Funktionalität von Sportgeräten konzipiert und vorgestellt. Die mechanische Simulation ist die gegenständliche Nachbildung spezieller Teilaspekte des Sportlers, z.B. der Körperform, der Trägheitseigenschaften, der Masse, der Interaktionskräfte zur Umwelt oder charakteristischer Bewegungsabläufe zum Zweck der Durchführung gezielter Experimente zur Untersuchung des dynamischen Systemverhaltens Sportler-Sportgerät-Umwelt. Dazu werden drei Fallbeispiele aus der Forschungstätigkeit der Arbeitsgruppe HLST an der Technischen Universität Chemnitz mit Methoden zur Verifikation von Simulationsmodellen – dem strukturierten Durchgehen, der Validierung im Dialog und dem Schreibtischtest – analysiert. Die Analyseergebnisse werden in eine Grobstruktur eingebettet, die aus relevanten Vorarbeiten zur Anwendung der Allgemeinen Modelltheorie abgeleitet ist. Die in den jeweiligen Fallbeispielen verwendeten Prozessschritte, Methoden und Werkzeuge werden dargestellt und die Entwicklungsergebnisse erörtert. Im Abschluss jedes Fallbeispiels wird der Entwicklungsprozess anhand von einheitlichen Kriterien bewertet. In einem abschließenden Schritt erfolgt die Zusammenführung der im Stand der Technik dargelegten Grundlagen und der in den drei Fallbeispielen gewonnenen Informationen zu einer strukturieren und kommentierten Methodik. / In this dissertation a methodology is conceived that aims to structure the development process of test arrangements that mechanically simulate the interaction of athlete, sports equipment and environment. Mechanical simulation in this context is defined as the physical replication of specific properties of the athlete (e.g. the shape of the human body, body weight, joint kinematics, inertia, external forces in specific movements) in order to conduct experiments to investigate the dynamic behavior of the system athlete-equipment-environment. Therefore, three case studies of mechanical simulation models that have been developed at Technische Universität Chemnitz are analyzed by applying the validation and verification methods “structured walkthrough”, “face validity” and “desk checking”. The results of that analysis are embedded into a framework that is derived by literature review on applied model theory. For each of the three development processes the procedure model is identified and main tools and methods are discussed. Every case study is finally assessed by using standardized evaluation criterions. Finally, the main findings of the analysis of the case studies as well as knowledge obtained by reviewing the state of the art in model theory and simulation methods are used to build up a structured and commentated guideline.

The recent electrification trend in the off-road market has incentivized research towards the proposal of compact, cost-effective and energy-efficient solutions for hydraulic actuators. As a result, increased attention has been given to electro-hydraulic actuator (EHA) architectures. The paper offers a study performed on a novel closed-circuit EHA architecture with the goal to maximize the overall system efficiency while meeting or exceeding traditional off-road applications performance, thereby enabling further electrification of off-road applications. Both numerical and experimental approaches are utilized to validate the functionality of the proposed EHA circuital configuration in four quadrants. Moreover, the actuator functionality at both high and low velocities are considered, which has never been explored in the past due to the limitations on the hydraulic machine driving speed. The good match between the experimental data and the simulation results confirms the potential of the simulation model for sizing such EHA architecture for different actuator sizes, duty cycles, and performance levels.

Die Arbeit beschreibt zuerst alle relevanten Grundlagen zum angeborenen und erworbenen Immunsystem. Insbesondere die anatomischen und histologischen Bestandteile und deren Funktion, sowie Blutbildung, Lymphozyten-Selektion und Interaktion der Bestandteile. Antikörperklassen und Blutzellen werden dabei ebenso tabellarisch zusammengefasst. Die ablaufenden Prozesse der angeborenen und erworbenen Immunantwort (letztere unterteilt in humoral und zellvermittelt, sowie primär und sekundär) werden näher erläutert. Ebenso wird die Antigenerkennung und die Funktionalität von B-Zellen und T-Zellen detailliert erklärt. Anschließend werden intensiv Störungen des Immunsystems wie Allergien und Immunsuppressionen beschrieben. Anhand etlicher Stoffe und Stoffklassen, wie Cyclosporin A, Thalidomid und polyhalogenierter Kohlenwasserstoffe, werden die vielfältigen Wirkmechanismen toxikologischer Substanzen auf das Immunsystem beschrieben und anschaulich dargestellt. Zuletzt wird ein Vorschlag unterbreitet, wie der Inhalt in das Toxnetz-Körpermodell eingearbeitet werden kann. Als Beispiel wurde der immunmodulierende Antikörper Pembrolizumab ausgewählt, ein Protein, welches bei der Krebstherapie eingesetzt wird und die T-Zell-Erkennung von Krebszellen wieder aktiviert.

Over the past 25 years, search engines have become one of the most important, if not the entry point of the World Wide Web. This development has been primarily due to the continuously increasing amount of available documents, which are highly unstructured. Moreover, the general trend is towards classifying search results into categories and presenting them in terms of semantic information that answer users' queries without having to leave the search engine. With the growing amount of documents and technological enhancements, the needs of users as well as search engines are continuously evolving. Users want to be presented with increasingly sophisticated results and interfaces while companies have to place advertisements and make revenue to be able to offer their services for free. To address the above needs, it is more and more important to provide highly usable and optimized search engine results pages (SERPs). Yet, existing approaches to usability evaluation are often costly or time-consuming and mostly rely on explicit feedback. They are either not efficient or not effective while SERP interfaces are commonly optimized primarily from a company's point of view. Moreover, existing approaches to predicting search result relevance, which are mostly based on clicks, are not tailored to the evolving kinds of SERPs. For instance, they fail if queries are answered directly on a SERP and no clicks need to happen. Applying Human-Centered Design principles, we propose a solution to the above in terms of a holistic approach that intends to satisfy both, searchers and developers. It provides novel means to counteract exclusively company-centric design and to make use of implicit user feedback for efficient and effective evaluation and optimization of usability and, in particular, relevance. We define personas and scenarios from which we infer unsolved problems and a set of well-defined requirements. Based on these requirements, we design and develop the Search Interaction Optimization toolkit. Using a bottom-up approach, we moreover define an eponymous, higher-level methodology. The Search Interaction Optimization toolkit comprises a total of six components. We start with INUIT [1], which is a novel minimal usability instrument specifically aiming at meaningful correlations with implicit user feedback in terms of client-side interactions. Hence, it serves as a basis for deriving usability scores directly from user behavior. INUIT has been designed based on reviews of established usability standards and guidelines as well as interviews with nine dedicated usability experts. Its feasibility and effectiveness have been investigated in a user study. Also, a confirmatory factor analysis shows that the instrument can reasonably well describe real-world perceptions of usability. Subsequently, we introduce WaPPU [2], which is a context-aware A/B testing tool based on INUIT. WaPPU implements the novel concept of Usability-based Split Testing and enables automatic usability evaluation of arbitrary SERP interfaces based on a quantitative score that is derived directly from user interactions. For this, usability models are automatically trained and applied based on machine learning techniques. In particular, the tool is not restricted to evaluating SERPs, but can be used with any web interface. Building on the above, we introduce S.O.S., the SERP Optimization Suite [3], which comprises WaPPU as well as a catalog of best practices [4]. Once it has been detected that an investigated SERP's usability is suboptimal based on scores delivered by WaPPU, corresponding optimizations are automatically proposed based on the catalog of best practices. This catalog has been compiled in a three-step process involving reviews of existing SERP interfaces and contributions by 20 dedicated usability experts. While the above focus on the general usability of SERPs, presenting the most relevant results is specifically important for search engines. Hence, our toolkit contains TellMyRelevance! (TMR) [5] — the first end-to-end pipeline for predicting search result relevance based on users’ interactions beyond clicks. TMR is a fully automatic approach that collects necessary information on the client, processes it on the server side and trains corresponding relevance models based on machine learning techniques. Predictions made by these models can then be fed back into the ranking process of the search engine, which improves result quality and hence also usability. StreamMyRelevance! (SMR) [6] takes the concept of TMR one step further by providing a streaming-based version. That is, SMR collects and processes interaction data and trains relevance models in near real-time. Based on a user study and large-scale log analysis involving real-world search engines, we have evaluated the components of the Search Interaction Optimization toolkit as a whole—also to demonstrate the interplay of the different components. S.O.S., WaPPU and INUIT have been engaged in the evaluation and optimization of a real-world SERP interface. Results show that our tools are able to correctly identify even subtle differences in usability. Moreover, optimizations proposed by S.O.S. significantly improved the usability of the investigated and redesigned SERP. TMR and SMR have been evaluated in a GB-scale interaction log analysis as well using data from real-world search engines. Our findings indicate that they are able to yield predictions that are better than those of competing state-of-the-art systems considering clicks only. Also, a comparison of SMR to existing solutions shows its superiority in terms of efficiency, robustness and scalability. The thesis concludes with a discussion of the potential and limitations of the above contributions and provides an overview of potential future work. / Im Laufe der vergangenen 25 Jahre haben sich Suchmaschinen zu einem der wichtigsten, wenn nicht gar dem wichtigsten Zugangspunkt zum World Wide Web (WWW) entwickelt. Diese Entwicklung resultiert vor allem aus der kontinuierlich steigenden Zahl an Dokumenten, welche im WWW verfügbar, jedoch sehr unstrukturiert organisiert sind. Überdies werden Suchergebnisse immer häufiger in Kategorien klassifiziert und in Form semantischer Informationen bereitgestellt, die direkt in der Suchmaschine konsumiert werden können. Dies spiegelt einen allgemeinen Trend wider. Durch die wachsende Zahl an Dokumenten und technologischen Neuerungen wandeln sich die Bedürfnisse von sowohl Nutzern als auch Suchmaschinen ständig. Nutzer wollen mit immer besseren Suchergebnissen und Interfaces versorgt werden, während Suchmaschinen-Unternehmen Werbung platzieren und Gewinn machen müssen, um ihre Dienste kostenlos anbieten zu können. Damit geht die Notwendigkeit einher, in hohem Maße benutzbare und optimierte Suchergebnisseiten – sogenannte SERPs (search engine results pages) – für Nutzer bereitzustellen. Gängige Methoden zur Evaluierung und Optimierung von Usability sind jedoch größtenteils kostspielig oder zeitaufwändig und basieren meist auf explizitem Feedback. Sie sind somit entweder nicht effizient oder nicht effektiv, weshalb Optimierungen an Suchmaschinen-Schnittstellen häufig primär aus dem Unternehmensblickwinkel heraus durchgeführt werden. Des Weiteren sind bestehende Methoden zur Vorhersage der Relevanz von Suchergebnissen, welche größtenteils auf der Auswertung von Klicks basieren, nicht auf neuartige SERPs zugeschnitten. Zum Beispiel versagen diese, wenn Suchanfragen direkt auf der Suchergebnisseite beantwortet werden und der Nutzer nicht klicken muss. Basierend auf den Prinzipien des nutzerzentrierten Designs entwickeln wir eine Lösung in Form eines ganzheitlichen Ansatzes für die oben beschriebenen Probleme. Dieser Ansatz orientiert sich sowohl an Nutzern als auch an Entwicklern. Unsere Lösung stellt automatische Methoden bereit, um unternehmenszentriertem Design entgegenzuwirken und implizites Nutzerfeedback für die effizienteund effektive Evaluierung und Optimierung von Usability und insbesondere Ergebnisrelevanz nutzen zu können. Wir definieren Personas und Szenarien, aus denen wir ungelöste Probleme und konkrete Anforderungen ableiten. Basierend auf diesen Anforderungen entwickeln wir einen entsprechenden Werkzeugkasten, das Search Interaction Optimization Toolkit. Mittels eines Bottom-up-Ansatzes definieren wir zudem eine gleichnamige Methodik auf einem höheren Abstraktionsniveau. Das Search Interaction Optimization Toolkit besteht aus insgesamt sechs Komponenten. Zunächst präsentieren wir INUIT [1], ein neuartiges, minimales Instrument zur Bestimmung von Usability, welches speziell auf sinnvolle Korrelationen mit implizitem Nutzerfeedback in Form Client-seitiger Interaktionen abzielt. Aus diesem Grund dient es als Basis für die direkte Herleitung quantitativer Usability-Bewertungen aus dem Verhalten von Nutzern. Das Instrument wurde basierend auf Untersuchungen etablierter Usability-Standards und -Richtlinien sowie Experteninterviews entworfen. Die Machbarkeit und Effektivität der Benutzung von INUIT wurden in einer Nutzerstudie untersucht und darüber hinaus durch eine konfirmatorische Faktorenanalyse bestätigt. Im Anschluss beschreiben wir WaPPU [2], welches ein kontextsensitives, auf INUIT basierendes Tool zur Durchführung von A/B-Tests ist. Es implementiert das neuartige Konzept des Usability-based Split Testing und ermöglicht die automatische Evaluierung der Usability beliebiger SERPs basierend auf den bereits zuvor angesprochenen quantitativen Bewertungen, welche direkt aus Nutzerinteraktionen abgeleitet werden. Hierzu werden Techniken des maschinellen Lernens angewendet, um automatisch entsprechende Usability-Modelle generieren und anwenden zu können. WaPPU ist insbesondere nicht auf die Evaluierung von Suchergebnisseiten beschränkt, sondern kann auf jede beliebige Web-Schnittstelle in Form einer Webseite angewendet werden. Darauf aufbauend beschreiben wir S.O.S., die SERP Optimization Suite [3], welche das Tool WaPPU sowie einen neuartigen Katalog von „Best Practices“ [4] umfasst. Sobald eine durch WaPPU gemessene, suboptimale Usability-Bewertung festgestellt wird, werden – basierend auf dem Katalog von „Best Practices“ – automatisch entsprechende Gegenmaßnahmen und Optimierungen für die untersuchte Suchergebnisseite vorgeschlagen. Der Katalog wurde in einem dreistufigen Prozess erarbeitet, welcher die Untersuchung bestehender Suchergebnisseiten sowie eine Anpassung und Verifikation durch 20 Usability-Experten beinhaltete. Die bisher angesprochenen Tools fokussieren auf die generelle Usability von SERPs, jedoch ist insbesondere die Darstellung der für den Nutzer relevantesten Ergebnisse eminent wichtig für eine Suchmaschine. Da Relevanz eine Untermenge von Usability ist, beinhaltet unser Werkzeugkasten daher das Tool TellMyRelevance! (TMR) [5], die erste End-to-End-Lösung zur Vorhersage von Suchergebnisrelevanz basierend auf Client-seitigen Nutzerinteraktionen. TMR ist einvollautomatischer Ansatz, welcher die benötigten Daten auf dem Client abgreift, sie auf dem Server verarbeitet und entsprechende Relevanzmodelle bereitstellt. Die von diesen Modellen getroffenen Vorhersagen können wiederum in den Ranking-Prozess der Suchmaschine eingepflegt werden, was schlussendlich zu einer Verbesserung der Usability führt. StreamMyRelevance! (SMR) [6] erweitert das Konzept von TMR, indem es einen Streaming-basierten Ansatz bereitstellt. Hierbei geschieht die Sammlung und Verarbeitung der Daten sowie die Bereitstellung der Relevanzmodelle in Nahe-Echtzeit. Basierend auf umfangreichen Nutzerstudien mit echten Suchmaschinen haben wir den entwickelten Werkzeugkasten als Ganzes evaluiert, auch, um das Zusammenspiel der einzelnen Komponenten zu demonstrieren. S.O.S., WaPPU und INUIT wurden zur Evaluierung und Optimierung einer realen Suchergebnisseite herangezogen. Die Ergebnisse zeigen, dass unsere Tools in der Lage sind, auch kleine Abweichungen in der Usability korrekt zu identifizieren. Zudem haben die von S.O.S.vorgeschlagenen Optimierungen zu einer signifikanten Verbesserung der Usability der untersuchten und überarbeiteten Suchergebnisseite geführt. TMR und SMR wurden mit Datenmengen im zweistelligen Gigabyte-Bereich evaluiert, welche von zwei realen Hotelbuchungsportalen stammen. Beide zeigen das Potential, bessere Vorhersagen zu liefern als konkurrierende Systeme, welche lediglich Klicks auf Ergebnissen betrachten. SMR zeigt gegenüber allen anderen untersuchten Systemen zudem deutliche Vorteile bei Effizienz, Robustheit und Skalierbarkeit. Die Dissertation schließt mit einer Diskussion des Potentials und der Limitierungen der erarbeiteten Forschungsbeiträge und gibt einen Überblick über potentielle weiterführende und zukünftige Forschungsarbeiten.

In der vorliegenden Arbeit wird eine Methodik zur Entwicklung mechanischer Simulationen der Interaktion Sportler-Sportgerät-Umwelt zur Untersuchung der Funktionalität von Sportgeräten konzipiert und vorgestellt. Die mechanische Simulation ist die gegenständliche Nachbildung spezieller Teilaspekte des Sportlers, z.B. der Körperform, der Trägheitseigenschaften, der Masse, der Interaktionskräfte zur Umwelt oder charakteristischer Bewegungsabläufe zum Zweck der Durchführung gezielter Experimente zur Untersuchung des dynamischen Systemverhaltens Sportler-Sportgerät-Umwelt. Dazu werden drei Fallbeispiele aus der Forschungstätigkeit der Arbeitsgruppe HLST an der Technischen Universität Chemnitz mit Methoden zur Verifikation von Simulationsmodellen – dem strukturierten Durchgehen, der Validierung im Dialog und dem Schreibtischtest – analysiert. Die Analyseergebnisse werden in eine Grobstruktur eingebettet, die aus relevanten Vorarbeiten zur Anwendung der Allgemeinen Modelltheorie abgeleitet ist. Die in den jeweiligen Fallbeispielen verwendeten Prozessschritte, Methoden und Werkzeuge werden dargestellt und die Entwicklungsergebnisse erörtert. Im Abschluss jedes Fallbeispiels wird der Entwicklungsprozess anhand von einheitlichen Kriterien bewertet. In einem abschließenden Schritt erfolgt die Zusammenführung der im Stand der Technik dargelegten Grundlagen und der in den drei Fallbeispielen gewonnenen Informationen zu einer strukturieren und kommentierten Methodik.:1 Einleitung 8 1.1 Definitionen 8 1.2 Einsatzgebiete der mechanischen Simulation 11 1.2.1 Überblick 11 1.2.2 Sicherheit gegen Versagen 12 1.2.3 Konformität 14 1.2.4 Funktionalität 15 1.3 Motivation und Zielsetzung 16 1.4 Aufbau der Arbeit 16 2 Theoretische Grundlagen 18 2.1 Experimentelle Methoden der Sportgeräteentwicklung 18 2.1.1 Einordnung nach Odenwald (2006) 18 2.1.2 Einordnung nach Witte (2013) 19 2.1.3 Einordnung nach Senner (2001) 20 2.1.4 Eigene Systematisierung 23 2.2 Allgemeine Modelltheorie 26 2.3 Existierende Ansätze für die Applikation der Allgemeinen Modelltheorie 29 2.3.1 Anwendung der AMT in der Chemie 29 2.3.2 Anwendung der AMT in der Biomechanik 30 2.3.3 Anwendung der AMT in Logistik und Produktion 32 2.3.4 Fazit 37 3 Präzisierung der Problemstellung 38 4 Methodik 39 5 Fallbeispiel Schwimmanzug – Strömungswiderstand 41 5.1 Vorbemerkungen 41 5.2 Aufgabenanalyse 42 5.2.1 Definition der zu untersuchenden Funktionalität des Sportgeräts 42 5.2.2 Analyse der zugrundeliegenden technischen Funktion des Sportgeräts 42 5.2.3 Analyse der Simulationswürdigkeit 43 5.2.4 Identifikation des Originals 47 5.3 Modellformulierung 48 5.3.1 Modellansatz 48 5.3.2 Modellsynthese 50 5.4 Modellimplementierung 53 5.4.1 Herstellung des Strömungskörpers 53 5.4.2 Simulation der Fortbewegung im Wasser 54 5.5 Modellanwendung 57 5.6 Modellüberprüfung 60 5.6.1 Abgleich zwischen den experimentellen Ergebnissen und dem theoretischen Modell 60 5.6.2 Vergleich mit dem Original 62 5.7 Fazit 67 6 Fallbeispiel Laufschuh – Stoßabsorption 69 6.1 Vorbemerkungen 69 6.2 Aufgabenanalyse 69 6.2.1 Definition der zu untersuchenden Funktionalität 69 6.2.2 Analyse der zugrundeliegenden technischen Funktion des Sportgeräts 71 6.2.3 Analyse der Simulationswürdigkeit 71 6.2.4 Definition des Originals 72 6.3 Modellformulierung 72 6.3.1 Modellansatz 72 6.3.2 Systemanalyse 72 6.3.3 Modellsynthese 77 6.4 Modellimplementierung 78 6.4.1 Krafterzeugung 78 6.4.2 Kraftübertragung 79 6.5 Modellanwendung 81 6.6 Modellüberprüfung 82 6.6.1 Soll-Istwert-Vergleich 82 6.6.2 Reliabilität 83 6.6.3 Korrelation zu Stoßbelastungsvariablen 85 6.6.4 Ereignisvaliditätstest: Sohlentemperatur 86 6.6.5 Ereignisvaliditätstest: Sohlendeformation 88 6.7 Fazit 91 7 Fallbeispiel Fußballschuh – Traktionseigenschaften 94 7.1 Vorbemerkungen 94 7.2 Aufgabenanalyse 94 7.2.1 Definition der zu untersuchenden Funktionalität 94 7.2.2 Analyse der zugrundeliegenden technischen Funktion des Sportgeräts 95 7.2.3 Analyse der Simulationswürdigkeit 96 7.2.4 Definition des Originals 97 7.3 Modellformulierung 98 7.3.1 Modellansatz 98 7.3.2 Systemanalyse 98 7.3.3 Modellsynthese 106 7.4 Modellimplementierung 107 7.5 Modellanwendung 110 7.6 Modellüberprüfung 114 7.6.1 Reliabilität 114 7.6.2 Sensitivitätsanalyse: Normalkraft 114 7.6.3 Sensitivitätsanalyse: Kraftanstieg horizontal 116 7.6.4 Vergleich mit der Realität 116 7.7 Fazit 117 8 Methodik zur Entwicklung mechanischer Simulationen der Interaktion Sportler-Sportgerät-Umwelt 119 8.1 Schematische Darstellung 119 8.2 Erläuterung der Vorgehensempfehlung 120 8.2.1 Klärung der Problemstellung 120 8.2.2 Modellbildung 122 8.2.3 Modellanwendung 124 9 Schlussbetrachtung 126 Literaturverzeichnis 128 Tabellenverzeichnis 133 Abbildungsverzeichnis 135 Danksagung 138 Selbstständigkeitserklärung 139 Lebenslauf 140 / In this dissertation a methodology is conceived that aims to structure the development process of test arrangements that mechanically simulate the interaction of athlete, sports equipment and environment. Mechanical simulation in this context is defined as the physical replication of specific properties of the athlete (e.g. the shape of the human body, body weight, joint kinematics, inertia, external forces in specific movements) in order to conduct experiments to investigate the dynamic behavior of the system athlete-equipment-environment. Therefore, three case studies of mechanical simulation models that have been developed at Technische Universität Chemnitz are analyzed by applying the validation and verification methods “structured walkthrough”, “face validity” and “desk checking”. The results of that analysis are embedded into a framework that is derived by literature review on applied model theory. For each of the three development processes the procedure model is identified and main tools and methods are discussed. Every case study is finally assessed by using standardized evaluation criterions. Finally, the main findings of the analysis of the case studies as well as knowledge obtained by reviewing the state of the art in model theory and simulation methods are used to build up a structured and commentated guideline.:1 Einleitung 8 1.1 Definitionen 8 1.2 Einsatzgebiete der mechanischen Simulation 11 1.2.1 Überblick 11 1.2.2 Sicherheit gegen Versagen 12 1.2.3 Konformität 14 1.2.4 Funktionalität 15 1.3 Motivation und Zielsetzung 16 1.4 Aufbau der Arbeit 16 2 Theoretische Grundlagen 18 2.1 Experimentelle Methoden der Sportgeräteentwicklung 18 2.1.1 Einordnung nach Odenwald (2006) 18 2.1.2 Einordnung nach Witte (2013) 19 2.1.3 Einordnung nach Senner (2001) 20 2.1.4 Eigene Systematisierung 23 2.2 Allgemeine Modelltheorie 26 2.3 Existierende Ansätze für die Applikation der Allgemeinen Modelltheorie 29 2.3.1 Anwendung der AMT in der Chemie 29 2.3.2 Anwendung der AMT in der Biomechanik 30 2.3.3 Anwendung der AMT in Logistik und Produktion 32 2.3.4 Fazit 37 3 Präzisierung der Problemstellung 38 4 Methodik 39 5 Fallbeispiel Schwimmanzug – Strömungswiderstand 41 5.1 Vorbemerkungen 41 5.2 Aufgabenanalyse 42 5.2.1 Definition der zu untersuchenden Funktionalität des Sportgeräts 42 5.2.2 Analyse der zugrundeliegenden technischen Funktion des Sportgeräts 42 5.2.3 Analyse der Simulationswürdigkeit 43 5.2.4 Identifikation des Originals 47 5.3 Modellformulierung 48 5.3.1 Modellansatz 48 5.3.2 Modellsynthese 50 5.4 Modellimplementierung 53 5.4.1 Herstellung des Strömungskörpers 53 5.4.2 Simulation der Fortbewegung im Wasser 54 5.5 Modellanwendung 57 5.6 Modellüberprüfung 60 5.6.1 Abgleich zwischen den experimentellen Ergebnissen und dem theoretischen Modell 60 5.6.2 Vergleich mit dem Original 62 5.7 Fazit 67 6 Fallbeispiel Laufschuh – Stoßabsorption 69 6.1 Vorbemerkungen 69 6.2 Aufgabenanalyse 69 6.2.1 Definition der zu untersuchenden Funktionalität 69 6.2.2 Analyse der zugrundeliegenden technischen Funktion des Sportgeräts 71 6.2.3 Analyse der Simulationswürdigkeit 71 6.2.4 Definition des Originals 72 6.3 Modellformulierung 72 6.3.1 Modellansatz 72 6.3.2 Systemanalyse 72 6.3.3 Modellsynthese 77 6.4 Modellimplementierung 78 6.4.1 Krafterzeugung 78 6.4.2 Kraftübertragung 79 6.5 Modellanwendung 81 6.6 Modellüberprüfung 82 6.6.1 Soll-Istwert-Vergleich 82 6.6.2 Reliabilität 83 6.6.3 Korrelation zu Stoßbelastungsvariablen 85 6.6.4 Ereignisvaliditätstest: Sohlentemperatur 86 6.6.5 Ereignisvaliditätstest: Sohlendeformation 88 6.7 Fazit 91 7 Fallbeispiel Fußballschuh – Traktionseigenschaften 94 7.1 Vorbemerkungen 94 7.2 Aufgabenanalyse 94 7.2.1 Definition der zu untersuchenden Funktionalität 94 7.2.2 Analyse der zugrundeliegenden technischen Funktion des Sportgeräts 95 7.2.3 Analyse der Simulationswürdigkeit 96 7.2.4 Definition des Originals 97 7.3 Modellformulierung 98 7.3.1 Modellansatz 98 7.3.2 Systemanalyse 98 7.3.3 Modellsynthese 106 7.4 Modellimplementierung 107 7.5 Modellanwendung 110 7.6 Modellüberprüfung 114 7.6.1 Reliabilität 114 7.6.2 Sensitivitätsanalyse: Normalkraft 114 7.6.3 Sensitivitätsanalyse: Kraftanstieg horizontal 116 7.6.4 Vergleich mit der Realität 116 7.7 Fazit 117 8 Methodik zur Entwicklung mechanischer Simulationen der Interaktion Sportler-Sportgerät-Umwelt 119 8.1 Schematische Darstellung 119 8.2 Erläuterung der Vorgehensempfehlung 120 8.2.1 Klärung der Problemstellung 120 8.2.2 Modellbildung 122 8.2.3 Modellanwendung 124 9 Schlussbetrachtung 126 Literaturverzeichnis 128 Tabellenverzeichnis 133 Abbildungsverzeichnis 135 Danksagung 138 Selbstständigkeitserklärung 139 Lebenslauf 140

Over the past 25 years, search engines have become one of the most important, if not the entry point of the World Wide Web. This development has been primarily due to the continuously increasing amount of available documents, which are highly unstructured. Moreover, the general trend is towards classifying search results into categories and presenting them in terms of semantic information that answer users' queries without having to leave the search engine. With the growing amount of documents and technological enhancements, the needs of users as well as search engines are continuously evolving. Users want to be presented with increasingly sophisticated results and interfaces while companies have to place advertisements and make revenue to be able to offer their services for free. To address the above needs, it is more and more important to provide highly usable and optimized search engine results pages (SERPs). Yet, existing approaches to usability evaluation are often costly or time-consuming and mostly rely on explicit feedback. They are either not efficient or not effective while SERP interfaces are commonly optimized primarily from a company's point of view. Moreover, existing approaches to predicting search result relevance, which are mostly based on clicks, are not tailored to the evolving kinds of SERPs. For instance, they fail if queries are answered directly on a SERP and no clicks need to happen. Applying Human-Centered Design principles, we propose a solution to the above in terms of a holistic approach that intends to satisfy both, searchers and developers. It provides novel means to counteract exclusively company-centric design and to make use of implicit user feedback for efficient and effective evaluation and optimization of usability and, in particular, relevance. We define personas and scenarios from which we infer unsolved problems and a set of well-defined requirements. Based on these requirements, we design and develop the Search Interaction Optimization toolkit. Using a bottom-up approach, we moreover define an eponymous, higher-level methodology. The Search Interaction Optimization toolkit comprises a total of six components. We start with INUIT [1], which is a novel minimal usability instrument specifically aiming at meaningful correlations with implicit user feedback in terms of client-side interactions. Hence, it serves as a basis for deriving usability scores directly from user behavior. INUIT has been designed based on reviews of established usability standards and guidelines as well as interviews with nine dedicated usability experts. Its feasibility and effectiveness have been investigated in a user study. Also, a confirmatory factor analysis shows that the instrument can reasonably well describe real-world perceptions of usability. Subsequently, we introduce WaPPU [2], which is a context-aware A/B testing tool based on INUIT. WaPPU implements the novel concept of Usability-based Split Testing and enables automatic usability evaluation of arbitrary SERP interfaces based on a quantitative score that is derived directly from user interactions. For this, usability models are automatically trained and applied based on machine learning techniques. In particular, the tool is not restricted to evaluating SERPs, but can be used with any web interface. Building on the above, we introduce S.O.S., the SERP Optimization Suite [3], which comprises WaPPU as well as a catalog of best practices [4]. Once it has been detected that an investigated SERP's usability is suboptimal based on scores delivered by WaPPU, corresponding optimizations are automatically proposed based on the catalog of best practices. This catalog has been compiled in a three-step process involving reviews of existing SERP interfaces and contributions by 20 dedicated usability experts. While the above focus on the general usability of SERPs, presenting the most relevant results is specifically important for search engines. Hence, our toolkit contains TellMyRelevance! (TMR) [5] — the first end-to-end pipeline for predicting search result relevance based on users’ interactions beyond clicks. TMR is a fully automatic approach that collects necessary information on the client, processes it on the server side and trains corresponding relevance models based on machine learning techniques. Predictions made by these models can then be fed back into the ranking process of the search engine, which improves result quality and hence also usability. StreamMyRelevance! (SMR) [6] takes the concept of TMR one step further by providing a streaming-based version. That is, SMR collects and processes interaction data and trains relevance models in near real-time. Based on a user study and large-scale log analysis involving real-world search engines, we have evaluated the components of the Search Interaction Optimization toolkit as a whole—also to demonstrate the interplay of the different components. S.O.S., WaPPU and INUIT have been engaged in the evaluation and optimization of a real-world SERP interface. Results show that our tools are able to correctly identify even subtle differences in usability. Moreover, optimizations proposed by S.O.S. significantly improved the usability of the investigated and redesigned SERP. TMR and SMR have been evaluated in a GB-scale interaction log analysis as well using data from real-world search engines. Our findings indicate that they are able to yield predictions that are better than those of competing state-of-the-art systems considering clicks only. Also, a comparison of SMR to existing solutions shows its superiority in terms of efficiency, robustness and scalability. The thesis concludes with a discussion of the potential and limitations of the above contributions and provides an overview of potential future work. / Im Laufe der vergangenen 25 Jahre haben sich Suchmaschinen zu einem der wichtigsten, wenn nicht gar dem wichtigsten Zugangspunkt zum World Wide Web (WWW) entwickelt. Diese Entwicklung resultiert vor allem aus der kontinuierlich steigenden Zahl an Dokumenten, welche im WWW verfügbar, jedoch sehr unstrukturiert organisiert sind. Überdies werden Suchergebnisse immer häufiger in Kategorien klassifiziert und in Form semantischer Informationen bereitgestellt, die direkt in der Suchmaschine konsumiert werden können. Dies spiegelt einen allgemeinen Trend wider. Durch die wachsende Zahl an Dokumenten und technologischen Neuerungen wandeln sich die Bedürfnisse von sowohl Nutzern als auch Suchmaschinen ständig. Nutzer wollen mit immer besseren Suchergebnissen und Interfaces versorgt werden, während Suchmaschinen-Unternehmen Werbung platzieren und Gewinn machen müssen, um ihre Dienste kostenlos anbieten zu können. Damit geht die Notwendigkeit einher, in hohem Maße benutzbare und optimierte Suchergebnisseiten – sogenannte SERPs (search engine results pages) – für Nutzer bereitzustellen. Gängige Methoden zur Evaluierung und Optimierung von Usability sind jedoch größtenteils kostspielig oder zeitaufwändig und basieren meist auf explizitem Feedback. Sie sind somit entweder nicht effizient oder nicht effektiv, weshalb Optimierungen an Suchmaschinen-Schnittstellen häufig primär aus dem Unternehmensblickwinkel heraus durchgeführt werden. Des Weiteren sind bestehende Methoden zur Vorhersage der Relevanz von Suchergebnissen, welche größtenteils auf der Auswertung von Klicks basieren, nicht auf neuartige SERPs zugeschnitten. Zum Beispiel versagen diese, wenn Suchanfragen direkt auf der Suchergebnisseite beantwortet werden und der Nutzer nicht klicken muss. Basierend auf den Prinzipien des nutzerzentrierten Designs entwickeln wir eine Lösung in Form eines ganzheitlichen Ansatzes für die oben beschriebenen Probleme. Dieser Ansatz orientiert sich sowohl an Nutzern als auch an Entwicklern. Unsere Lösung stellt automatische Methoden bereit, um unternehmenszentriertem Design entgegenzuwirken und implizites Nutzerfeedback für die effizienteund effektive Evaluierung und Optimierung von Usability und insbesondere Ergebnisrelevanz nutzen zu können. Wir definieren Personas und Szenarien, aus denen wir ungelöste Probleme und konkrete Anforderungen ableiten. Basierend auf diesen Anforderungen entwickeln wir einen entsprechenden Werkzeugkasten, das Search Interaction Optimization Toolkit. Mittels eines Bottom-up-Ansatzes definieren wir zudem eine gleichnamige Methodik auf einem höheren Abstraktionsniveau. Das Search Interaction Optimization Toolkit besteht aus insgesamt sechs Komponenten. Zunächst präsentieren wir INUIT [1], ein neuartiges, minimales Instrument zur Bestimmung von Usability, welches speziell auf sinnvolle Korrelationen mit implizitem Nutzerfeedback in Form Client-seitiger Interaktionen abzielt. Aus diesem Grund dient es als Basis für die direkte Herleitung quantitativer Usability-Bewertungen aus dem Verhalten von Nutzern. Das Instrument wurde basierend auf Untersuchungen etablierter Usability-Standards und -Richtlinien sowie Experteninterviews entworfen. Die Machbarkeit und Effektivität der Benutzung von INUIT wurden in einer Nutzerstudie untersucht und darüber hinaus durch eine konfirmatorische Faktorenanalyse bestätigt. Im Anschluss beschreiben wir WaPPU [2], welches ein kontextsensitives, auf INUIT basierendes Tool zur Durchführung von A/B-Tests ist. Es implementiert das neuartige Konzept des Usability-based Split Testing und ermöglicht die automatische Evaluierung der Usability beliebiger SERPs basierend auf den bereits zuvor angesprochenen quantitativen Bewertungen, welche direkt aus Nutzerinteraktionen abgeleitet werden. Hierzu werden Techniken des maschinellen Lernens angewendet, um automatisch entsprechende Usability-Modelle generieren und anwenden zu können. WaPPU ist insbesondere nicht auf die Evaluierung von Suchergebnisseiten beschränkt, sondern kann auf jede beliebige Web-Schnittstelle in Form einer Webseite angewendet werden. Darauf aufbauend beschreiben wir S.O.S., die SERP Optimization Suite [3], welche das Tool WaPPU sowie einen neuartigen Katalog von „Best Practices“ [4] umfasst. Sobald eine durch WaPPU gemessene, suboptimale Usability-Bewertung festgestellt wird, werden – basierend auf dem Katalog von „Best Practices“ – automatisch entsprechende Gegenmaßnahmen und Optimierungen für die untersuchte Suchergebnisseite vorgeschlagen. Der Katalog wurde in einem dreistufigen Prozess erarbeitet, welcher die Untersuchung bestehender Suchergebnisseiten sowie eine Anpassung und Verifikation durch 20 Usability-Experten beinhaltete. Die bisher angesprochenen Tools fokussieren auf die generelle Usability von SERPs, jedoch ist insbesondere die Darstellung der für den Nutzer relevantesten Ergebnisse eminent wichtig für eine Suchmaschine. Da Relevanz eine Untermenge von Usability ist, beinhaltet unser Werkzeugkasten daher das Tool TellMyRelevance! (TMR) [5], die erste End-to-End-Lösung zur Vorhersage von Suchergebnisrelevanz basierend auf Client-seitigen Nutzerinteraktionen. TMR ist einvollautomatischer Ansatz, welcher die benötigten Daten auf dem Client abgreift, sie auf dem Server verarbeitet und entsprechende Relevanzmodelle bereitstellt. Die von diesen Modellen getroffenen Vorhersagen können wiederum in den Ranking-Prozess der Suchmaschine eingepflegt werden, was schlussendlich zu einer Verbesserung der Usability führt. StreamMyRelevance! (SMR) [6] erweitert das Konzept von TMR, indem es einen Streaming-basierten Ansatz bereitstellt. Hierbei geschieht die Sammlung und Verarbeitung der Daten sowie die Bereitstellung der Relevanzmodelle in Nahe-Echtzeit. Basierend auf umfangreichen Nutzerstudien mit echten Suchmaschinen haben wir den entwickelten Werkzeugkasten als Ganzes evaluiert, auch, um das Zusammenspiel der einzelnen Komponenten zu demonstrieren. S.O.S., WaPPU und INUIT wurden zur Evaluierung und Optimierung einer realen Suchergebnisseite herangezogen. Die Ergebnisse zeigen, dass unsere Tools in der Lage sind, auch kleine Abweichungen in der Usability korrekt zu identifizieren. Zudem haben die von S.O.S.vorgeschlagenen Optimierungen zu einer signifikanten Verbesserung der Usability der untersuchten und überarbeiteten Suchergebnisseite geführt. TMR und SMR wurden mit Datenmengen im zweistelligen Gigabyte-Bereich evaluiert, welche von zwei realen Hotelbuchungsportalen stammen. Beide zeigen das Potential, bessere Vorhersagen zu liefern als konkurrierende Systeme, welche lediglich Klicks auf Ergebnissen betrachten. SMR zeigt gegenüber allen anderen untersuchten Systemen zudem deutliche Vorteile bei Effizienz, Robustheit und Skalierbarkeit. Die Dissertation schließt mit einer Diskussion des Potentials und der Limitierungen der erarbeiteten Forschungsbeiträge und gibt einen Überblick über potentielle weiterführende und zukünftige Forschungsarbeiten.