No description available.

No description available.

Netzwerke, insbesondere für organisationsübergreifende Innovationsaktivitäten, gewinnen weiter an Bedeutung. Zunehmend kann auch ein Wettbewerb der Netzwerke und Allianzen attestiert werden. Innovationsfähigkeit kann hierbei zum wichtigen Wettbewerbsvorteil werden. Diese Studie gibt Aufschluss über wesentliche Treiber von Innovationsleistung in Netzwerken. Innovationen werden dabei zum einen als marktbezogene Produkt -und Dienstleistungsneuheiten, zum anderen i.S.v. netzwerkinternen neuen Maßnahmen und Prozessen verstanden. Hierzu wurden 757 Manager/Koordinatoren innovationsorientierter Netzwerke angeschrieben. Auf Basis der gewonnenen Daten wird die Wirkung von Innovationsstrategien, Innovationskultur, Wissensaustausch, Kospezialisierung, Führungsstil und Reflexivität auf die Innovationsleistung von Netzwerken aufgezeigt. Die vorliegende Studie ist Teil eines umfangreichen empirischen Forschungsprojekts mit Förderung aus Mitteln des Bundesministeriums für Bildung und Forschung (BMBF) und des Europäischen Sozialfonds im Förderschwerpunkt "Innovationsstrategien jenseits traditionellen Managements"

Soziale Netzwerke, wie Facebook, dienen im Kampf gegen Naturkatastrophen als wichtige Kommunikationskanäle. Neben der Mobilisierung und Koordination freiwilliger Helfer konnte Facebook beim Elbehochwasser 2013, im Vergleich zu konventionellen Medien und Kommunikationskanälen, zu einer höheren Aktualität von Informationen, sowie einer breiteren Informationsreichweite beitragen. Allerdings führte die Kommunikation über Facebook auch zu Ordnungsproblemen an einzelnen, vom Hochwasser betroffenen Standorten. [... aus dem Text]

Konsens ist entscheidend für viele Aspekte unseres täglichen Lebens. Von der Sprache über soziale Normen bis hin zu den Regeln eines einfachen Kartenspiels ist breite Übereinstimmung erforderlich, um den jeweiligen Zweck zu erfüllen. Auch die Meinungen zu den zentralen Themen unserer Zeit sollten so weit übereinstimmen, dass wichtige Herausforderungen gemeinsam in Angriff genommen werden können. Dies ist jedoch häufig nicht der Fall. Sowohl politische Meinungen als auch Einstellungen zu ethischen Fragen sind oft tief gespalten. Die Ursprünge einer solchen Meinungspolarisierung haben die Soziologie lange Zeit vor ein Rätsel gestellt, da soziale Einflüsse uns oft näher zusammenzubringen scheinen. Was müssen wir also annehmen, um Meinungsspaltungen zu erklären? Wann wird ein Konsens gebildet? Und welche Rolle könnte die gestiegene Kommunikation zwischen Menschen bei diesen Prozessen spielen? In dieser Arbeit werden wir uns solchen Fragen mit Hilfe mathematischer Modellierung und der Analyse sozialer Daten nähern. Im Speziellen soll dazu beigetragen werden, die Lücke zwischen mikroskopischen Annahmen über den sozialen Einfluss und der Bildung von makroskopischen Meinungszuständen in sozialen Netzwerken zu schließen. / Consensus is key for many aspects of our daily lives. Concepts ranging from language, to social norms, to the rules of a simple card game require population-scale agreement to fulfil their function. People's opinions on major issues of our time should also be reasonably consistent such that important challenges can be tackled collectively. However, this is often not the case. Political opinions as well as the attitudes towards ethical issues are often deeply divided. The origins of such opinion polarization have puzzled sociology for a long time, as social influence often seems to bring us closer together. Hence, what do we have to assume in order to explain opinion cleavages? When will consensus be formed? And what might be the role of increased communication among people in these processes? In this thesis, we tackle such questions by means of mathematical modeling and the analysis of social data. More specifically, we aim to contribute to bridging the gap between microscopic assumptions about social influence and the formation of macroscopic opinion states in social networks.

Neue Technologien auf dem Gebiet der Molekularbiologie ermöglichen es, das Expressionsverhalten mehrerer tausend Gene gleichzeitig zu untersuchen. Einen wichtigen Ansatz zur Analyse der dabei gewonnenen Genexpressionsdaten bilden Reverse Engineering Methoden. Sie versuchen, regulatorische Interaktionen zwischen den Genen aufzudecken und mit der Rekonstruktion des zugrundeliegenden genetischen Netzwerks das komplexe Zusammenspiel der Gene zu verstehen. Das Ziel der vorliegenden Arbeit ist es, einen umfassenden Überblick über diesen Ansatz der Datenanalyse zu vermitteln. Der erste Teil der Arbeit betrachtet zunächst die theoretischen Aspekte der Reverse Engineering Methoden, um so dem Leser eine praktische Anwendung zu erleichtern und ihm beim Verständnis ausgewählter Ansätze zu helfen. So werden in diesem ersten, theoretischen Teil mögliche genetische Netzwerkmodelle vorgestellt, welche zur Beschreibung der Genexpressions- und Genregulationsprozesse dienen, und verschiedene Reverse Engineering Algorithmen detailliert beschrieben, die die Parameter eines Netzwerkmodells mit Hilfe der gegebenen Expressionsdaten bestimmen und damit festlegen, zwischen welchen Komponenten des Netzwerks regulatorische Einflüsse bestehen. Aufgrund der Begrenzung derzeit bereitstehender Expressionsdaten sowohl in Bezug auf den Datenumfang als auch bezüglich der experimentell verfügbaren Datentypen � in der Regel sind nur die mRNA-Konzentrationen gegeben, denn diese sind wesentlich einfacher und genauer zu messen als die Protein-Konzentrationen �, muß bei der Definition eines Netzwerkmodells stark von der biologischen Realität abstrahiert werden. Weitere theoretische Überlegungen betreffen die Integration von Vorwissen als eine wichtige Strategie zur Unterstützung der Rekonstruktion eines genetischen Netzwerks. Alle vorgestellten Reverse Engineering Algorithmen wurden implementiert und können im zweiten, praktischen Teil dieser Arbeit ausführlich getestet werden. Zunächst erfolgen die Untersuchungen auf Basis von Simulationsdaten. Sie liefern wichtige Einblicke in das grundlegende Verhalten der Algorithmen in Abhängigkeit von verschiedenen Eigenschaften des zu rekonstruierenden Netzwerks und der verfügbaren Daten. Ein Anwendungsbeispiel testet schließlich alle Reverse Engineering Methoden auch an realen Expressionsdaten. Es vermittelt so abschließend einen Eindruck davon, inwieweit die auf abstrakten Netzwerkmodellen basierenden Reverse Engineering Methoden die Identifizierung von regulatorischen Einflüssen aus derzeit verfügbaren Expressionsdaten überhaupt ermöglichen und verdeutlicht die Probleme bei der praktischen Anwendung der Methoden.

Genetische Netzwerke zeigen wie Gene über ihre Produkte wieder andere Gene regulieren. Sind die Netzwerktopologie und die Art der Einflüsse bekannt, können Vorhersagen über das dynamische Verhalten der individuellen genetischen Expression von Zellen getroffen werden. Mögliche Modelle für genetische Netzwerke sind Boolesche Netze und Dynamische Bayessche Netze. Genregulationsnetzwerke zu analysieren und zu verstehen, ist auf einer abstrakten Ebene mit Hilfe eines Computers und dieser Modelle möglich. In der vorliegenden Arbeit wird auf der Basis von in-silico Experimenten analysiert, wie ein Modell für genetische Netzwerke aus Genexpressionsdaten von einzelnen Zellen gelernt werden kann, wenn nur unvollständiges Wissen über die initialen Genexpressionszustände vorliegt. Der initiale Expressionszustand wird unvollständig festgelegt, indem die Expressionsstärke einiger Gene gezielt manipuliert wird. Boolesche Netze repräsentieren das genetische Netzwerk der in-silico Zellen. Ihre Regeln sind deterministischer Art und sind bei vollständig gegebenen Daten mit dem Reverse Engineering Algorithmus REVEAL einfach rekonstruierbar. REVEAL hat keinen Ansatz für unbeobachtete Werte in den Daten. Es wird gezeigt, dass die Inputelemente und Booleschen Regeln für Elemente lernbar sind, deren Anzahl an Inputelementen kleiner oder gleich der manipulierbaren Gene ist. Durch Rauschen in den Daten ist es jedoch unmöglich deterministische Beziehungen korrekt zu charakterisieren. Deshalb wird angestrebt, aus den künstlichen Expressionsdaten ein Dynamisch Bayessches Netz zu lernen. Es modelliert die verbleibende Unsicherheit über die Abhängigkeiten in dem genetischen Netzwerk. Eine Analyse des Verfahrens Strukturelle Erwartungswert Maximierung (SEM) ergab, dass die fehlenden Beobachtungen umgangen werden müssen. Eine getrennte Auswertung der Experimente, die sich in den manipulierten Genen unterscheiden, ist ein Weg ein gutes Modell zu lernen, wenn mindestens zwei Gene gleichzeitig manipulierbar sind. Kann die Expressionsstärke nur von einem Gen festgelegt werden, sind mit dieser Strategie die regulierenden Gene identifizierbar, die unabhängig von den anderen regulierenden Genen den Expressionszustand des Zielgens wesentlich bestimmen. Qualitatives Vorwissen über das interessierende genetische Netzwerk kann eine umfangreiche Verringerung des notwendigen Stichprobenumfangs herbeiführen.

Ziel der Bachelorarbeit ist die Umsetzung und Erprobung eines Konzeptes zur Vermeidung von Überlastsituationen in paketvermittlenden Netzwerken. Hierzu wird ein Schedulingalgorithmus mit lastabhängiger Adaption der Bedienrate entwickelt -- die Burst Shaping Queue. Dieser folgt dem Konzept der Bedienratenregulierung durch Verzögerung des Bedienzeitpunktes für Pakete. Die entwickelte Schedulingeigenschaft wird in die Klasse der Closed Loop Ansätze zur Überlaststeuerung eingeordnet und gegenüber Open Loop Ansätzen abgegrenzt. Zur Leistungsuntersuchung wurde der Algorithmus als Erweiterung des Netzwerksimulator ns2 umgesetzt. Verschiedene Testreihen belegen das gewünschte Verhalten der Implementierung. Die Testergebnisse werden im Hinblick auf die Verwendbarkeit des Ansatzes und zukünftige Entwicklungsmöglichkeiten analysiert und beurteilt. / The aim of this document is the analysis, implementation and test of a concept for congestion control in packet-switched networks. A new scheduling-algorithm for a queue with load-dependent adaption of the queues' serving rate is being developed - the Burst Shaping Queue. The algorithm follows the concept of serving-rate adaption by delaying packets. The developed scheduling-strategy is being classified as a closed loop approach for congestion control and is differentiated from open loop approaches. For determining the algorithm's performance and to supply a base for further studies the algorithm is implemented as an extention for the network simulator ns2. Different tests show the desired behavior of the algorithm's implementation. The analysis and evaluation of the tests' results focus mainly on usability and extensibility of this approach.

Gemeinsamer Workshop von Universitaetsrechenzentrum und Professur Rechnernetze und verteilte Systeme der Fakultaet fuer Informatik der TU Chemnitz. Der Vortrag bietet eine kurze Einführung in die Welt der Ad-Hoc-Netzwerke.

Das Modell von B-ISDN beschreibt ein digitales Allzweck-Netzwerk, das die Übertragung von Daten und Sprache in einem gemeinsamen Netzwerk gleichermaßen unterstützt. Als Transportprotokoll für B-ISDN wurde ATM (Asynchronous Transfer Mode) von der ITU (International Telecommunication Union) festgelegt. Da es sich bei ATM um verbindungsorientierte Hochgeschwindigkeits-Netzwerke mit einer Übertragungsrate ab 155MBit/s handelt, unterscheiden sich die Methoden zur Fehlerverifikation wesentlich von denen in herkömmlichen Netzen. In der vorliegenden Arbeit wird ein ATM-Testgenerator/Monitor vorgestellt, der auf der Basis einer spezifischen Entwicklungsumgebung für eingebettete Systeme des FZI Karlsruhe an der Universität Leipzig entwickelt wird. Ausgehend von den momentan auf dem Markt befindlichen ATM-Testgeräten und Teststrategien wird die Hard- und Software- Architektur des ATM-Testgenerator/Monitors erläutert und die auftretenden Probleme diskutiert. Um den ATM-Testgenerator/Monitor auch von entfernten Lokationen anzusprechen, soll eine Benutzerschnittstelle über ein geeignetes Protokoll mit dem Netscape Browser kommunizieren. Mit Hilfe eines CORBA ORBs werden dem Nutzer unterschiedliche Anwender-Programme zur Verfügung gestellt.