Wirtschaftswissenschaften
Refine
Year of publication
Document Type
- Diploma Thesis (967)
- Bachelor Thesis (346)
- Article (103)
- Part of a Book (87)
- Master's Thesis (20)
- Review (18)
- Book (16)
- Working Paper (15)
- Conference Proceeding (2)
- Contribution to a Periodical (2)
Institute
Heart failure with preserved ejection fraction (HFpEF) remains challenging to diagnose due to the complexity of diastolic function assessment during stress echocardiography, where multiple hemodynamic parameters must be evaluated under time pressure. Explainable artificial intelligence, specifically rule-based Clinical Decision Support Systems (CDSS), offers promising improvements in reproducibility and interpretability.
Methods: A rule-based CDSS was developed and clinically validated to automate left ventricular diastolic function assessment during semi-supine bicycle stress echocardiography. A prospective cohort of 134 patients (mean age 61.3 ± 8.7 years) with exertional dyspnea and preserved left ventricular ejection fraction (LVEF >50%) was enrolled, excluding individuals with significant valvular pathologies, arrhythmias, or unstable ischemia. Echocardiographic and Doppler data were collected using Toshiba Aplio500 and Esaote MyLabSIGMA systems. The algorithm incorporated manual input of measurements, computed derived indices (e.g., diastolic reserve index, myocardial stiffness, vascular resistance), and applied rule-based logic in accordance with ASE/EACVI (2016/2022) guidelines and the ESC HFpEF consensus.
Results: The CDSS generated diagnostic conclusions within 3 min per case, matching expert assessments in 93% of cases and correctly identifying stress-induced diastolic dysfunction in 85%. It demonstrated high diagnostic agreement (ICC &gt; 0.94) and discrimination (AUC = 0.92). Rule-based outputs, such as “Impaired diastolic reserve” or “Right ventricular dysfunction under load,” were based on combinations of parameters (e.g., E/e′ > 15, Δe′ ≤ 0, TAPSE < 17 mm, PCWR > 12 mmHg).
Conclusion: The explainable, guideline-compliant CDSS enables real-time, transparent analysis of diastolic function, supporting improved diagnostic consistency and augmented physician decision-making in cardiovascular care.
The article examines the strategic partnership in the development of the Eurasian transcontinental transport corridor system, as well as in the Republic of Kazakhstan and the People’s Republic of China. Special focus has been placed on the Kazakhstani section of the Middle Corridor (Trans-Caspian International Transport Route) – a multilateral, multimodal route connecting Chinese and European marketplaces through Kazakhstan and the Caspian Sea. The aim of the work is to determine how the mechanisms of synergy of infrastructure (infrastructure synergies) and factors defining corridor sustainability are determined using World Bank data (WITS, Logistics Performance Index), analytical material of international organizations, and scientific papers registered in Scopus. The article states that “physical” investments in railway, port, and terminal infrastructure can only yield long-term economic benefits if they are accompanied by trade facilitation, the electronic integration of all procedures, and the formation of institutional corridor governance structures. It has also been demonstrated that the primary restriction in the Middle Corridor is the extreme variability in transit times and costs; this restriction occurs in the majority of cases at intermodal nodes and border crossing points. Therefore, the authors propose a framework for developing corridors based on services, in which priorities are established end-to-end using indicators of logistics service reliability, and transit nodes are converted into logistics and industrial clusters. The practical importance of the research lies in substantiating the direction for Kazakhstan’s investment policies and forms of cooperation with China to reduce delays, increase predictability, and increase domestic value-added.
Accuracy of the Smart Watch iECG for Documentation of Supraventricular Tachycardias in Children
(2026)
Die vorliegende Arbeit beschäftigt sich mit der Elektromobilitätswende und den daraus resultierenden Herausforderungen für die deutsche Automobilindustrie. Der erstarkende Nachhaltigkeitsgedanke der modernen Gesellschaft verändert das Mobilitäts- und Nachfrageverhalten an weltweiten Märkten. Internationale Automobilhersteller stehen im aktuellen Wandel zwischen politischem Willen und multidimensionalen Grenzen der Umsetzbarkeit. Die wirtschaftlich aufstrebende Volksrepublik China konnte sich dabei in jüngster Vergangenheit als Leitmarkt etablieren. Der chinesische Automobilbau gewinnt dabei ebenso an Bedeutung und neue Marken, wie „BYD“ verstärken den Wettbewerbsdruck auf deutsche Hersteller zunehmend. Die Abhandlung ordnete die Bedeutung der deutschen Automobilindustrie für den Wirtschaftsstandort Deutschland anhand der Analyse quantitativer Indikatoren ein. Zusätzlich wurden traditionelle Stärken, Herausforderungen und Strategien in Bezug auf die Mobilitätswende für die drei erfolgreichsten deutschen Automobilunternehmen „Volkswagen“, „Mercedes Benz“ und „BMW“ untersucht. Die Relevanz Chinas, sowie die Besonderheiten des Marktumfeldes werden daran anknüpfend betrachtet, bevor die etablierten deutschen Hersteller mit dem chinesischen Disruptor „BYD“ gegenübergestellt wurden. Durchgeführt wurde hierzu eine Wettbewerbsanalyse mit Ausrichtung auf Produktdifferenziertheit nach dem „Fünf-Kräfte-Modell“ (Five-Forces) von Michael E. Porter. Die Gesamtstudie wurde abschließend durch eine Kombination von SWOT- und PESTEL-Analyse ausgewertet. Es wurden wesentliche Potentiale und Herausforderungen für deutsche Automobilhersteller abgeleitet. Diese sind nach globalem und chinesischem Kontext aufgeschlüsselt und in politische, ökonomische, soziale und technologische Dimensionen eingeordnet. Die Ergebnisse können als Grundlage für weiterführende Forschung konkreter Aspekte dienen.
Die Integration Künstlicher Intelligenz (KI) in die globale Wirtschaft löst eine tiefgreifende Transformation von Beschäftigungsverhältnissen aus. Die vorliegende explorative Studie untersucht diese Dynamik, ausgehend von einer technologischen Einordnung kognitiver Systeme, und analysiert sektorale Unterschiede in der KI-Adaption – mit Fokus auf das Gesundheitswesen, das Finanzwesen und das verarbeitende Gewerbe. Ein Kernstück der Untersuchung bildet die Bewertung künftiger Kompetenzprofile: Während hochspezialisierte technische Fähigkeiten und ausgeprägte Sozialkompetenzen an Bedeutung gewinnen, unterliegen repetitive Tätigkeiten einem hohen Substitutionsrisiko. Zur Visualisierung dieser disruptiven Kräfte wird das „Hufeisenmodell der KI-bedingten Arbeitsmarktdisruption“ entwickelt. Es zeigt auf, dass insbesondere die breite Mittelschicht der Gefahr einer Verdrängung ausgesetzt ist, während Tätigkeiten im Niedriglohnsektor und im Bereich der Hochspezialisierung bestehen bleiben. Die Arbeit schließt mit einer Debatte über die drohende soziale Einkommenskluft und liefert damit eine fundierte Basis für strategische Entscheidungen und weiterführende Forschungsfragen.
Röpke, Wilhelm
(2025)
Eucken, Walter
(2025)
Ordoliberalism
(2025)
Grundzüge der Bilanzierung
(2025)
Additive Manufacturing (AM), also known as rapid prototyping or 3D printing, is widely used across various industries, including medical products and automotive spare parts. The COVID-19 pandemic has further accelerated its adoption to address supply chain disruptions caused by shortages in production resources and logistics constraints. However, as AM integrates into supply chains, structural changes in nodes and data flows create new challenges in information sharing and data standardization. Ontologies have proven effective in enhancing data interoperability and improving information quality through semantic modeling. Despite this, a comprehensive approach that combines AM and logistics ontologies to address cross-domain challenges remains underexplored. This study develops an ontology-based supply chain model for AM by integrating existing AM and logistics ontologies. Using the Design Science Research Methodology (DSRM), the proposed ontology is constructed and instantiated with a sample dataset for validation. The results provide a foundational framework for improving data management and coordination in AM supply chains.
Additive manufacturing (AM) revolutionises traditional manufacturing by enabling localised, on-demand production, reducing waste, and enhancing design flexibility. The adoption of the AM method also transforms supply chains (SCs) in several perspectives due to, removing and adding some nodes and arcs. While this transformation offers numerous benefits, it also presents significant challenges in configuring an optimal network for AM SCs, especially when a decentralization network is preferable. In this regard, this study investigates using the network optimisation modelling (NOM) method to optimise decentralised AM SCs. Utilising AnyLogistix software, the study models an AM SC to determine the optimal network configuration that minimises costs while ensuring timely deliveries. It explores the advantages of decentralised production, such as reduced lead times and costs. This study contributes to the growing body of literature by addressing gaps related to NOM in AM contexts, providing valuable insights for practical applications in SC management.
