Immer wieder fallen im Verlauf von Wahlkämpfen Schlagworte wie Personalisierung, Negativismus und Sensationalismus. Während diese Eigenschaften auf modern geführte Wahl-Kampagnen in den USA durchaus zutreffen mögen, so bescheinigen Studien deutscher Wahlforschungsinstitute für die Bundesrepublik doch recht durchwachsene Befunde. Im Zuge der Bundestagswahl 2005 haben wir uns mittels einer Inhaltsanalyse mit der Kandidatendarstellung Angela Merkels in der deutschen Qualitätspresse beschäftigt. Dabei ging es uns besonders um die Feststellung eines Wandels in der Darstellung Angela Merkels, welcher die Wähler in ihrer Wahlentscheidung beeinflusst haben könnte und um erkennbare Indizien für einen generellen Trend zur Personalisierung. / During electoral campaigns one can always hear key words like personalization, negativism and sensationalism. While these terms may represent the harsh reality of modern campaigns in the US, the results for Germany are rather ambiguous, according to prominent scientific studies. Following the chronology of the German 2005 election of the Bundestag, we tried to evaluate the presentation of candidate Angela Merkel, who ran for chancellor’s office, in the German quality press. Our main goal was the verification of a change in the way the papers presented Angela Merkel, hence possibly influencing the electorate. Furthermore, we tried to find proof of a general trend of personalization in Germany’s elections of 2005.

Die Universitätsbibliothek Regensburg zeichnet sich seit Ihrer Gründung Mitte der 1960er Jahre durch innovative Servicedienstleistungen aus, darunter die Elektronische Zeitschriftenbibliothek (EZB), das Datenbank-Informationssystem (DBIS) und die Regensburger Verbundklassifikation (RVK). Die älteste dieser bibliothekarischen Dienstleistungen ist die Regensburger Verbundklassifikation. Ursprünglich als reine „Haussystematik“ für die Belange der Universitätsbibliothek Regensburg entworfen und auf das damals in Bayern noch neue Konzept eines einschichtigen Bibliothekssystems ausgerichtet, entwickelte sich die RVK zum ersten Erfolgsmodell der Universitätsbibliothek Regensburg mit großer Breitenwirkung. Ein stetig wachsender Anwenderkreis (rund 130 Anwenderbibliotheken) im In- und deutschsprachigen Ausland (Österreich, Schweiz und auch Italien) sowie ein reges Interesse (dokumentiert über die RVK-Mailingliste und die RVK-Anwendertreffen) an der Weiterentwicklung der Systematik belegen dies eindrücklich. Ein Erfolgsfaktor liegt sicherlich auch in dem kooperativen Ansatz und dem damit verbundenen gemeinsamen Gestalten der Systematik – unter Vermittlung der RVK-Koordinierungsstelle an der Universitätsbibliothek Regensburg – begründet: dieser Ansatz findet sich auch in weiteren Leuchttürmen EZB und DBIS wieder. Die Umstellung auf eine webbasierte Darstellung im Rahmen des gleichnamigen DFG-Projekts in den Jahren 1995-1997 bedeutete den ersten großen Paradigmenwechsel in der Geschichte der RVK. Eine weitere Zäsur möchte die Universitätsbibliothek Regensburg nun mit ersten Schritten in Richtung „RVK goes Web 2.0.“ einläuten. Zunächst steht eine Neukonzeption des Webauftritts verbunden mit Elementen des Web 2.0. wie beispielsweise einem auf dem letzten Anwendertreffen als Desiderat genanntes Wiki zur Diskussion von allgemeinen Themen. Das Wiki soll primär dem einfachen Austausch von Informationen von für alle Anwenderbibliotheken relevanten Themen bieten, der Austausch über einzelne Notationen könnte über entsprechende Blogs (mit integrierten RSS-Feeds) verlaufen. In diesem Kontext wird auch die Möglichkeit der Personalisierung („My RVK“) angedacht. Auch im Bereich des noch nicht in allen Fachsystematiken bestehenden Registers soll als web 2.0.-Feature die Darstellung mittels „tag clouds“ integriert werden. Die Universitätsbibliothek Regensburg möchte mit der Weiterentwicklung der RVK-Online die internationale Relevanz der Systematik unterstreichen und die etablierte Marke RVK fördern.

Mobilitätseingeschränkte Fußgänger, wie etwa Rollstuhlfahrer, blinde und sehbehinderte Menschen oder Senioren, stellen besondere Anforderungen an die Berechnung geeigneter Routen. Die kürzeste Route ist nicht immer die am besten geeignete. In dieser Arbeit wird das Verfahren der multimodalen Annotation entwickelt, welches die Erweiterung der geographischen Basisdaten durch die Benutzer selbst erlaubt. Auf Basis der durch das Verfahren gewonnenen Daten werden Konzepte zu personalisierten Routenberechnung auf Grundlage der individuellen Anforderungen der Benutzer entwickelt. Das beschriebene Verfahren wurde erfolgreich mit insgesamt 35 Benutzern evaluiert und bildet somit die Grundlage für weiterführende Arbeiten in diesem Bereich. / Mobility impaired pedestrians such as wheelchair users, blind and visually impaired, or elderly people impose specific requirements upon the calculation of appropriate routes. The shortest path might not be the best. Within this thesis, the concept of multimodal annotation is developed. The concept allows for extension of the geographical base data by users. Further concepts are developed allowing for the application of the acquired data for the calculation of personalized routes based on the requirements of the individual user. The concept of multimodal annotation was successfully evaluated incorporating 35 users and may be used as the base for further research in the area.

Cancer treatment personalisation is a major objective in radiation oncology, e.g., in order to move from population-based approaches towards tailored interventions such as dose escalation or de-escalation for specific patients or subgroups. HNSCC is a tumour entity that might particularly benefit from such an approach due to survival rates remaining relatively uniform over time even with multimodal treatment. A personalised approach requires biomarker identification to precisely characterize the tumour phenotype and thus prognosticate patient outcome and response to treatment. Biomarkers can be derived from a wide range of sources: clinical records of patients with semantic features, omics data from tumour biopsies indicating patient gene expression and routinely-taken imaging data from which radiomics features might be extracted. Such data can be then be leveraged alongside machine learning algorithms for modelling of various endpoints. The present thesis was dedicated not only towards establishing prognostic models within locally-advanced HNSCC but also towards a radiogenomic study of the relationship and interplay between image-level information and transcriptome-level information. First, two prognostic signatures for LRC within locally-advanced HNSCC were developed and externally validated through specific feature selection and modelling algorithms suggested through previous work (Leger et al, 2020). As biomarkers should take into account various sources of data, such signatures were built around a highly-prognostic clinical feature: the tumour volume. The selected features supplied statistical or textural information related to tumour heterogeneity and were chosen to provide non-redundant information to the tumour volume. Such an approach is aimed at providing added value to already-validated biomarkers and avoids susceptibilities within radiomics signature development (Welch et al.,2019) such as unspecified dependencies and multi-collinearity within models. One longstanding question within radiomics is the relationship between macroscopic-level image features and underlying biological processes (Aerts et al., 2014). In order to answer this question within the context of locally-advanced HNSCC and CT-based radiomics, surrogacy models were developed for six different gene signatures representing different tumour characteristics such as hypoxia or EMT. All modelling approaches showed low to no relationship between expression of such gene signatures and whole-tumour macroscopic imaging features. This might suggest that while whole-tumour radiomics has shown potential for prognostic endpoint modelling, such features may lack potential to serve as surrogates for local assessments of hypoxia or other microscopic tumour characteristics from a biopsy. While whole-tumour radiomics features may not be able to serve as surrogates for specific, microscopic-level tumour characteristics, they might still be used as surrogates for molecular subtyping within HNSCC as has been done in other tumour entities. Models for the classification of the four HNSCC subtypes (atypical, basal, classical and mesenchymal) were developed. Models differentiating the atypical subtype from the others and the atypical from the mesenchymal subtype were externally validated. As not all four subtypes could be properly classified, this might imply that some subtypes are more similar than others on a CT-level and that the atypical subtype would be the most differentiable subtype. As radiomics features showed low association with individual gene expressions, such omics features might be used to bolster radiomics features for LRC prognosis. However, due to the extremely high dimensionality of omics datasets in comparison to sample size, three methods for expression aggregation were leveraged to find either prognostic regulator genes with VIPER, prognostic coregulated gene modules (WCGNA) or prognostic pathway-level metagenes (GSVA). Enhancement of prognostic performance and stratification for LRC was found with the GSVA approach, through metagenes signifying E2F target activity and hedgehog pathway activity, and one WCGNA network module related to histone regulation. This result not only demonstrates the potential of transcriptomics to bolster radiomics but also of specific omics expression aggregation algorithms to synthesise new prognostic features. Finally, radiomics features were leveraged in order to create and externally validate radiophenotypes for HNSCC, creating five radiophenotypes that showed not only different imaging patterns but also different pathway-level expressions and prognosis for LRC and OS. Of those five radiophenotypes, three were able to be translated into an external validation cohort. However, not all translatable radiophenotypes showed similar stratification between cohorts for all endpoints. This, alongside with different expression levels between cohorts, might signify that one radiophenotype points to different levels of expression of different pathways, thus resulting in significantly different stratification for patients with similar imaging patterns. The field of radiogenomics analysis is, however, still in its infancy and offers a fascinating variety of open research questions for further consideration and study, e.g., promising deep-learning architectures such as transformers combining both image and tabular data (Park et al., 2022), multiomics biomarkers incorporating already-existing mechanistic knowledge (Yoo et al., 2022) or region-based radiomics risk assessments (Leger et al., 2020). While individualised treatment of patients is a daunting enterprise requiring a multidisciplinary approach, in this thesis we went a step closer to this goal for locally-advanced HNSCC:Contents iii List of Figures vii List of Tables ix 1 Introduction 1 2 Theoretical background 5 2.1 Head and neck squamous cell carcinoma 5 2.1.1 Diagnosis and treatment 5 2.1.2 Tumorigenesis 6 2.1.3 Molecular characteristics of HNSCC 7 2.1.4 Biomarkers in HNSCC 7 2.2 Physical principles of computerised tomography 10 2.3 Radiomics data 11 2.3.1 Feature extraction 12 2.3.2 Feature computation 12 2.3.3 Laplacian of Gaussian (LoG) 18 2.3.4 Image perturbations and stability 18 2.4 Transcriptomics data analysis 20 2.4.1 Weighted correlation gene network analysis 21 2.4.2 Virtual inference of protein-activity enriched by regulon 22 2.4.3 Gene Set Enrichment Analysis 24 2.4.4 Gene Set Variation Analysis 25 2.5 Fundamentals of survival analysis 27 2.5.1 Cox proportional hazards model 28 2.5.2 Assessing the proportional hazards assumption 29 2.5.3 Performance of survival models 30 2.6 Machine learning framework 32 2.6.1 Data preprocessing 34 2.6.2 Data resampling 36 2.6.3 Feature selection 36 2.6.4 Hyperparameter optimisation 38 2.6.5 Model building 39 2.6.6 Validation 41 3 Definition and validation of a radiomics signature for LRC prognosis in HNSCC 43 3.1 Motivation 43 3.2 Data and experimental design 44 3.2.1 Patient cohort 44 3.2.2 Clinical data 45 3.2.3 Radiomics features extraction and preprocessing 45 3.2.4 Modelling approach 46 3.3 Results 47 3.3.1 Clinical signature 47 3.3.2 Unwindowed signature 48 3.3.3 Windowed signature 50 3.3.4 Windowing effect comparison 52 3.4 Summary and discussion 52 4 CT radiomics surrogacy of gene signatures 55 4.1 Motivation 55 4.2 Data and experimental methods 55 4.2.1 Patient cohort 56 4.2.2 Transcriptome feature extraction 56 4.2.3 Radiomics features extraction and preprocessing 57 4.2.4 Selected gene signatures and class assignment 57 4.2.5 Modelling approach and metrics 58 4.3 Results 59 4.3.1 Cluster classes 59 4.3.2 Surrogate model performance 59 4.4 Summary and discussion 62 5 Radiomics signatures for HNSCC subtype classification 65 5.1 Motivation 65 5.2 Data and experimental design 66 5.2.1 Patient cohort 66 5.2.2 Radiomics image feature extraction 67 5.2.3 Subtype assignment and characterisation 67 5.2.4 Modelling approach 68 5.3 Results 68 5.3.1 Subtype assignment and characterisation 68 5.3.2 OVA model results 70 5.3.3 OVO model results 72 5.3.4 Multiclass model results 73 5.4 Summary and discussion 74 6 Enhancing radiomics using transcriptome-level information 77 6.1 Motivation 77 6.2 Data and experimental design 78 6.2.1 Patient cohort 78 6.2.2 WCGNA module extraction 79 6.2.3 VIPER regulon extraction 79 6.2.4 GSVA pathway feature creation 79 6.2.5 Radiomics image feature extraction 80 6.2.6 Modelling approach and metrics 80 6.3 Results 81 6.3.1 Radiomics signature 81 6.3.2 WCGNA results 82 6.3.3 VIPER results 85 6.3.4 GSVA results 86 6.4 Summary and discussion 87 7 Radiophenotype discovery through corrected consensus clustering in locally ad-vanced HNSCC 89 7.1 Motivation 89 7.2 Data and experimental design90 7.2.1 Patient cohort 91 7.2.2 Radiomics image feature extraction 91 7.2.3 Reduction and clustering of radiomics features 91 7.2.4 Candidate configuration pruning 92 7.2.5 Radiophenotype characterisation 92 7.2.6 Validation of subtypes 93 7.3 Results 93 7.3.1 M3C clustering results and survival-based pruning 93 7.3.2 Radiophenotype characterisation 95 7.3.3 Radiophenotype validation 100 7.4 Summary and discussion 102 8 Summary 105 9 Zusammenfassung 107 Bibliography 111 Appendix 131 Erklärungen 173 / Die Personalisierung der Krebsbehandlung ist ein wichtiges Ziel in der Radioonkologie, z.B. um von populationsbasierten Ansätzen zu maßgeschneiderten Interventionen wie einer Dosiseskalation oder Deeskalation für bestimmte Patienten oder Patientengruppen überzugehen. HNSCC ist eine Tumorentität, die von einem solchen Ansatz besonders profitieren könnte, da die Überlebensraten auch bei multimodaler Behandlung über der Zeit relativ konstant geblieben sind. Ein personalisierter Ansatz erfordert die Identifizierung von Biomarkern, um den Tumorphänotyp genau zu charakterisieren und somit den Behandlungserfolg vorherzusagen. Biomarker können aus einer Vielzahl von Quellen stammen: klinische Charakteristika von Patienten, Omics-Daten aus Tumorbiopsien, oder routinemäßig aufgenommene Bildgebungsdaten, aus denen Radiomics-Variablen extrahiert werden können. Diese Daten werden dann zusammen mit maschinellen Lernalgorithmen zur Modellierung verschiedener Endpunkte genutzt. Die vorliegende Dissertation widmet sich nicht nur der Etablierung prognostischer Modelle für lokal fortgeschrittene HNSCC, sondern auch einer radiogenomischen Untersuchung der Beziehung zwischen Informationen auf Bildebene und Informationen auf Transkriptomebene. Zunächst wurden zwei prognostische Signaturen für die LRC bei lokal fortgeschrittenem HNSCC entwickelt und extern validiert, unter Verwendung spezifischer Methoden zur Variablenselektion und Modellierungsalgorithmen, die durch frühere Arbeiten von Leger et al. (Leger et al., 2019) vorgeschlagen wurden. Die Signaturen wurden unter Berücksichtigung eines hochgradig prognostischen klinischen Merkmals, dem Tumorvolumen, entwickelt. Die ausgewählten Variablen beschreiben statistische oder strukturelle Informationen in Bezug auf die Tumorheterogenität und wurden so ausgewählt, dass sie zusammen mit dem Tumorvolumen nicht-redundante Informationen liefern. Ein solcher Ansatz zielt darauf ab, bereits validierten Biomarkern einen Mehrwert zu bieten und Anfälligkeiten bei der Entwicklung von Radiomics-Signaturen zu vermeiden (Welch et al., 2019), wie nicht-spezifizierte Abhängigkeiten und Multikollinearität innerhalb von Modellen. Eine langjährige Frage im Feld der Radiomics ist die Beziehung zwischen Bildvariablen auf makroskopischer Ebene und den zugrunde liegenden biologischen Prozessen (Aerts et al., 2014). Um diese Frage für lokal fortgeschrittene HNSCC und CT-basierte Radiomics zu beantworten, wurden Radiomics-basierte Vorhersagemodelle für sechs verschiedene Gensignaturen entwickelt, die unterschiedliche Tumorvariablen wie Hypoxie oder EMT repräsentieren. Alle Modellierungsansätze zeigten eine geringe Korrelation zwischen der Expression solcher Gensignaturen und makroskopischen Variablen der CT-Bildgebung des gesamten Tumors. Dies könnte darauf hindeuten, dass die Radiomics-Parameter zwar Potenzial für die prognostische Outcomemodellierung zeigen, jedoch möglicherweise nicht als Ersatz für die Beurteilungen von Hypoxie oder anderen mikroskopischen Tumoreigenschaften dienen können. Möglicherweise können Radiomics-Parameter jedoch als Ersatz für die molekulare Subtypisierung von HNSCC verwendet werden, wie dies bei anderen Tumorentitäten der Fall ist. Daher wurden Modelle für die Klassifikation der vier HNSCC-Subtypen (atypisch, basal, klassisch und mesenchymal) entwickelt. Erfolgreich validiert werden konnte die Unterscheidung zwischen dem atypischen Subtyp von den anderen sowie zwischen dem atypischen und mesenchymalen Subtyp. Dass jedoch nicht alle vier Subtypen richtig klassifiziert werden konnten, könnte bedeuten, dass einige Subtypen auf CT-Ebene ähnlicher sind als andere und dass der atypische Subtyp der am besten unterscheidbare ist. Da Radiomics-Variablen eine geringe Assoziation mit individuellen Genexpressionen zeigten, könnten solche Omics-Variablen verwendet werden, um Radiomics-Variablen für die LRC-Prognose zu ergänzen. Aufgrund der hohen Dimensionalität der vorliegenden Transkriptom-daten im Vergleich zur Stichprobengröße wurden drei Methoden zur Expressionsaggregation genutzt, um entweder prognostische Regulatorgene mit dem VIPER-Algorithmus, prognostische koregulierte Genmodule mit dem WCGNA-Algorithmus oder prognostische Pathway-Level-Metagene mit dem GSVA-Algorithmus zu finden. Eine Verbesserung der prognostischen Leistung und Stratifizierung für LRC wurde mit dem GSVA-Ansatz anhand von Metagenen, die E2F-Zielaktivität und Hedgehog-Pathway-Aktivität beschreiben, sowie für ein WCGNA-Netzwerkmodul, das sich auf die Histonregulation bezieht, beobachtet. Dieses Ergebnis zeigt nicht nur das Potenzial der Kombination von Transkriptomics und Radiomics, sondern auch von spezifischen Omics-Expressionsaggregationsalgorithmen zur Synthese neuer prognostischer Variablen. In der abschließenden Studie wurden Radiomics-Variablen genutzt, um Radiophänotypen für HNSCC zu erstellen und extern zu validieren. Fünf Radiophänotypen wurden definiert, die nicht nur unterschiedliche Bildgebungsmuster, sondern auch unterschiedliche Genexpressionen auf Pathway-Ebene sowie Unterschiede in LRC und OS zeigten. Von diesen fünf Radiophänotypen konnten drei in eine externe Validierungskohorte überführt werden, die dort jedoch teilweise eine andere Patientenstratifizierung für die betrachteten Endpunkte zeigten. Dies könnte, zusammen mit unterschiedlichen Expressionsniveaus zwischen den Kohorten, bedeuten, dass ein Radiophänotyp mit unterschiedlichen Expressionsniveaus verschiedener Signalwege assoziiert ist, was zu einer signifikant unterschiedlichen Stratifizierung für Patienten mit ähnlichen Bildgebungsmustern führt. Das Gebiet der radiogenomischen Analyse befindet sich noch in den Anfängen und bietet vielfältige offene Forschungsfragen für zukünftige Studien. Beispielsweise können vielversprechende Deep-Learning-Architekturen wie Transformer untersucht werden, die sowohl Bilddaten als auch tabellierte Daten kombinieren (Park et al., 2022). Weiterhin könnte die Multiomics-Biomarker-Entwicklung unter Einbeziehung bereits vorhandener mechanistischer Erkenntnisse untersucht (Yoo et al., 2022) oder die Radiomics-Risikobewertung basierend auf verschiedenen Tumorregionen (Leger et al., 2020) durchgeführt werden. Während die individualisierte Behandlung von Patienten ein langfristiges Ziel darstellt, das einen multidisziplinären Ansatz erfordert, sind wir diesem Ziel mit dieser Arbeit für lokal fortgeschrittene HNSCC einen Schritt näher gekommen.:Contents iii List of Figures vii List of Tables ix 1 Introduction 1 2 Theoretical background 5 2.1 Head and neck squamous cell carcinoma 5 2.1.1 Diagnosis and treatment 5 2.1.2 Tumorigenesis 6 2.1.3 Molecular characteristics of HNSCC 7 2.1.4 Biomarkers in HNSCC 7 2.2 Physical principles of computerised tomography 10 2.3 Radiomics data 11 2.3.1 Feature extraction 12 2.3.2 Feature computation 12 2.3.3 Laplacian of Gaussian (LoG) 18 2.3.4 Image perturbations and stability 18 2.4 Transcriptomics data analysis 20 2.4.1 Weighted correlation gene network analysis 21 2.4.2 Virtual inference of protein-activity enriched by regulon 22 2.4.3 Gene Set Enrichment Analysis 24 2.4.4 Gene Set Variation Analysis 25 2.5 Fundamentals of survival analysis 27 2.5.1 Cox proportional hazards model 28 2.5.2 Assessing the proportional hazards assumption 29 2.5.3 Performance of survival models 30 2.6 Machine learning framework 32 2.6.1 Data preprocessing 34 2.6.2 Data resampling 36 2.6.3 Feature selection 36 2.6.4 Hyperparameter optimisation 38 2.6.5 Model building 39 2.6.6 Validation 41 3 Definition and validation of a radiomics signature for LRC prognosis in HNSCC 43 3.1 Motivation 43 3.2 Data and experimental design 44 3.2.1 Patient cohort 44 3.2.2 Clinical data 45 3.2.3 Radiomics features extraction and preprocessing 45 3.2.4 Modelling approach 46 3.3 Results 47 3.3.1 Clinical signature 47 3.3.2 Unwindowed signature 48 3.3.3 Windowed signature 50 3.3.4 Windowing effect comparison 52 3.4 Summary and discussion 52 4 CT radiomics surrogacy of gene signatures 55 4.1 Motivation 55 4.2 Data and experimental methods 55 4.2.1 Patient cohort 56 4.2.2 Transcriptome feature extraction 56 4.2.3 Radiomics features extraction and preprocessing 57 4.2.4 Selected gene signatures and class assignment 57 4.2.5 Modelling approach and metrics 58 4.3 Results 59 4.3.1 Cluster classes 59 4.3.2 Surrogate model performance 59 4.4 Summary and discussion 62 5 Radiomics signatures for HNSCC subtype classification 65 5.1 Motivation 65 5.2 Data and experimental design 66 5.2.1 Patient cohort 66 5.2.2 Radiomics image feature extraction 67 5.2.3 Subtype assignment and characterisation 67 5.2.4 Modelling approach 68 5.3 Results 68 5.3.1 Subtype assignment and characterisation 68 5.3.2 OVA model results 70 5.3.3 OVO model results 72 5.3.4 Multiclass model results 73 5.4 Summary and discussion 74 6 Enhancing radiomics using transcriptome-level information 77 6.1 Motivation 77 6.2 Data and experimental design 78 6.2.1 Patient cohort 78 6.2.2 WCGNA module extraction 79 6.2.3 VIPER regulon extraction 79 6.2.4 GSVA pathway feature creation 79 6.2.5 Radiomics image feature extraction 80 6.2.6 Modelling approach and metrics 80 6.3 Results 81 6.3.1 Radiomics signature 81 6.3.2 WCGNA results 82 6.3.3 VIPER results 85 6.3.4 GSVA results 86 6.4 Summary and discussion 87 7 Radiophenotype discovery through corrected consensus clustering in locally ad-vanced HNSCC 89 7.1 Motivation 89 7.2 Data and experimental design90 7.2.1 Patient cohort 91 7.2.2 Radiomics image feature extraction 91 7.2.3 Reduction and clustering of radiomics features 91 7.2.4 Candidate configuration pruning 92 7.2.5 Radiophenotype characterisation 92 7.2.6 Validation of subtypes 93 7.3 Results 93 7.3.1 M3C clustering results and survival-based pruning 93 7.3.2 Radiophenotype characterisation 95 7.3.3 Radiophenotype validation 100 7.4 Summary and discussion 102 8 Summary 105 9 Zusammenfassung 107 Bibliography 111 Appendix 131 Erklärungen 173

Moderne Fahrzeuginformationssysteme ermöglichen es dem Fahrer, während der Fahrt auf eine Vielzahl an geographischen Informationen wie Sonderziele zuzugreifen. Die Auswahl einer Option aus solch umfangreichen Angeboten während der Fahrt kann jedoch zu einem erheblichen Sicherheitsrisiko werden, welches eine Unterstützung des Fahrers bei der Optionsauswahl erforderlich macht. Eine vielversprechende Möglichkeit der Unterstützung liegt im Anbieten von Assistenzsystemen zur personalisierten Sonderzielauswahl. Ziel der hier vorliegenden Dissertation ist die Optimierung der Akzeptanz solcher Assistenzsysteme im fahrzeugspezifischen Nutzungskontext. Hierzu wurde in einer qualitativen Studie zunächst der Nutzungskontext untersucht. Aufbauend auf den Ergebnissen und der Taxonomie für Assistenzsysteme nach Wandke (2005) wurden drei Assistenzarten mit verschiedenen Assistenzgraden identifiziert, die potentiell für die personalisierte Optionsauswahl im Fahrzeug in Frage kommen (adaptierbare Filterassistenz, adaptive Filterassistenz, adaptive Delegationsassistenz). In zwei Szenariobefragungen konnte mit Hilfe des UbiTAM nach Rothensee (2010) aufgezeigt werden, dass alle drei Assistenzarten positiv bewertet wurden. Innerhalb dieser positiven Bewertungen wurden höhere Assistenzgrade signifikant besser bewertet. Basierend auf den Erkenntnissen wurden die Assistenzarten prototypisch realisiert und in zwei Fahrsimulationsstudien hinsichtlich ihrer Auswirkung auf die Fahrleistung und die Güte der Aufgabenbearbeitung untersucht. In den Studien konnten die Ergebnisse zur Akzeptanzbeurteilung bestätigt werden. Zusätzlich wurde deutlich, dass die adaptiven Assistenzarten das höchste Maß an Unterstützung in der Nebenaufgabe boten. Gleichzeitig zeigten sie auch die geringste Auswirkung auf die Fahrleistung. Die Ergebnisse dieser Arbeit legen für die Gestaltung von Auswahlassistenzsystemen im Fahrzeug nahe, eine Kombination aus adaptiven Filter- und Delegationsassistenzen anzustreben. / Modern vehicle information systems allow the driver to access a variety of geographical information, like points-of-interest, whilst driving. However, selecting an option from an extensive list of options, whilst driving, can pose a significant safety hazard. Thus, it becomes essential to support the driver in this selection process. A promising solution lies in supplying an assistance system that includes a personalised points-of-interest selection. The purpose of this doctoral thesis is to optimise the acceptance of those assistance systems. Firstly, a qualitative study was carried out to examine the context of use. The results were analysed using the taxonomy for assistance systems developed by Wandke (2005). This identified three suitable types of option selection assistance systems, with varying levels of support; adaptable filter assistance, adaptive filter assistance, adaptive delegation assistance. Secondly, the assistance systems were analysed by means of scenario surveys based on the UbiTAM, by Rothensee (2010). The results showed that all three assistance systems were rated positive. Within these positive ratings, those systems offering higher levels of support received significantly better ratings. Based on the findings all three assistance systems were implemented as prototypes. The prototypes were evaluated in two driving simulator studies, in order to assess their effects on both the driving performance and the quality of task processing. The simulator studies verified the results uncovered by the scenario surveys. Additionally, it became clear that adaptive assistance systems provided drivers with the most support during the fulfilment of secondary tasks. Finally, they showed that driving performance was only slightly affected by the use of the adaptive assistance systems. In terms of the development of assistance systems, the results of this thesis suggest that a combination of adaptive filter and delegation assistance should be implemented.

Chemnitz, Techn. Univ., Diplomarb., 2003.

In diesem Jahr fand das erste Studentensymposium Informatik Chemnitz (TUCSIS StudSym 2012) statt. Wir freuen uns, Ihnen in diesem Tagungsband studentische Beiträge präsentieren zu können. Das Studentensymposium der Fakultät für Informatik der TU Chemnitz richtet sich an alle Studierende und Doktoranden der Informatik sowie angrenzender Disziplinen mit Schwerpunkt Informatik aus dem Raum Chemnitz. Das Symposium hat das Ziel, den Studierenden eine Plattform zu geben, ihre Projekte, Studienarbeiten und Forschungsvorhaben vorzustellen. Im Mittelpunkt des Symposiums stehen studentische Projekte aus Seminaren, Praktika, Abschlussarbeiten oder extracurricularen Aktivitäten. Das Symposium bietet die Möglichkeit, vor einem akademischen Publikum Ideen, Pläne und Ergebnisse zu präsentieren und zu diskutieren. Darüber hinaus sind Doktoranden eingeladen ihre Promotionsprojekte mit einem Poster zu präsentieren um dadurch Feedback von anderen jungen Wissenschaftlern und Professoren für ihre wissenschaftliche Arbeit zu erhalten.

Immer wieder fallen im Verlauf von Wahlkämpfen Schlagworte wie Personalisierung, Negativismus und Sensationalismus. Während diese Eigenschaften auf modern geführte Wahl-Kampagnen in den USA durchaus zutreffen mögen, so bescheinigen Studien deutscher Wahlforschungsinstitute für die Bundesrepublik doch recht durchwachsene Befunde. Im Zuge der Bundestagswahl 2005 haben wir uns mittels einer Inhaltsanalyse mit der Kandidatendarstellung Angela Merkels in der deutschen Qualitätspresse beschäftigt. Dabei ging es uns besonders um die Feststellung eines Wandels in der Darstellung Angela Merkels, welcher die Wähler in ihrer Wahlentscheidung beeinflusst haben könnte und um erkennbare Indizien für einen generellen Trend zur Personalisierung. / During electoral campaigns one can always hear key words like personalization, negativism and sensationalism. While these terms may represent the harsh reality of modern campaigns in the US, the results for Germany are rather ambiguous, according to prominent scientific studies. Following the chronology of the German 2005 election of the Bundestag, we tried to evaluate the presentation of candidate Angela Merkel, who ran for chancellor’s office, in the German quality press. Our main goal was the verification of a change in the way the papers presented Angela Merkel, hence possibly influencing the electorate. Furthermore, we tried to find proof of a general trend of personalization in Germany’s elections of 2005.

Die Universitätsbibliothek Regensburg zeichnet sich seit Ihrer Gründung Mitte der 1960er Jahre durch innovative Servicedienstleistungen aus, darunter die Elektronische Zeitschriftenbibliothek (EZB), das Datenbank-Informationssystem (DBIS) und die Regensburger Verbundklassifikation (RVK). Die älteste dieser bibliothekarischen Dienstleistungen ist die Regensburger Verbundklassifikation. Ursprünglich als reine „Haussystematik“ für die Belange der Universitätsbibliothek Regensburg entworfen und auf das damals in Bayern noch neue Konzept eines einschichtigen Bibliothekssystems ausgerichtet, entwickelte sich die RVK zum ersten Erfolgsmodell der Universitätsbibliothek Regensburg mit großer Breitenwirkung. Ein stetig wachsender Anwenderkreis (rund 130 Anwenderbibliotheken) im In- und deutschsprachigen Ausland (Österreich, Schweiz und auch Italien) sowie ein reges Interesse (dokumentiert über die RVK-Mailingliste und die RVK-Anwendertreffen) an der Weiterentwicklung der Systematik belegen dies eindrücklich. Ein Erfolgsfaktor liegt sicherlich auch in dem kooperativen Ansatz und dem damit verbundenen gemeinsamen Gestalten der Systematik – unter Vermittlung der RVK-Koordinierungsstelle an der Universitätsbibliothek Regensburg – begründet: dieser Ansatz findet sich auch in weiteren Leuchttürmen EZB und DBIS wieder. Die Umstellung auf eine webbasierte Darstellung im Rahmen des gleichnamigen DFG-Projekts in den Jahren 1995-1997 bedeutete den ersten großen Paradigmenwechsel in der Geschichte der RVK. Eine weitere Zäsur möchte die Universitätsbibliothek Regensburg nun mit ersten Schritten in Richtung „RVK goes Web 2.0.“ einläuten. Zunächst steht eine Neukonzeption des Webauftritts verbunden mit Elementen des Web 2.0. wie beispielsweise einem auf dem letzten Anwendertreffen als Desiderat genanntes Wiki zur Diskussion von allgemeinen Themen. Das Wiki soll primär dem einfachen Austausch von Informationen von für alle Anwenderbibliotheken relevanten Themen bieten, der Austausch über einzelne Notationen könnte über entsprechende Blogs (mit integrierten RSS-Feeds) verlaufen. In diesem Kontext wird auch die Möglichkeit der Personalisierung („My RVK“) angedacht. Auch im Bereich des noch nicht in allen Fachsystematiken bestehenden Registers soll als web 2.0.-Feature die Darstellung mittels „tag clouds“ integriert werden. Die Universitätsbibliothek Regensburg möchte mit der Weiterentwicklung der RVK-Online die internationale Relevanz der Systematik unterstreichen und die etablierte Marke RVK fördern.

In this thesis, a context-aware, personalized virtual assistant for use in automobiles is presented. With the increasing use of technology in automobiles, there is a growing need for safer and more practical ways for drivers to access information and perform tasks while driving. Voice-based interfaces, such as natural language processing, provide a solution to this problem as they do not require visual or manual input. In this thesis, a fine-tuned model of GPT-3 is used to understand user intentions and identify the user’s needs. The voice assistant is trained to understand the environment and the actions it can perform. The use of triggers such as drowsiness detection is also implemented to make the virtual assistant proactive in ensuring the user’s safety. User testing and evaluation was conducted to demonstrate the effectiveness of the context-aware, personalized virtual assistant in improving the driving experience and promoting safe driving practices.