https://opendata.uni-halle.de//handle/541532/27277 2026-09-05T13:50:02Z 2026-09-05T13:50:02Z Erler, Alina https://opendata.uni-halle.de//handle/1981185920/126215 2026-07-31T01:13:02Z 2025-02-01T00:00:00Z

Title: Professionelles Übersetzen unter Linux: Perspektiven, Möglichkeiten und Grenzen : Abschlussarbeit im Bachelorstudiengang Fachübersetzen: Software und Medien Author(s): Erler, Alina Abstract: Most tools in the translation industry are developed exclusively for the Microsoft Windows operating system. With this situation come a lot of additional costs, technological dependencies and privacy concerns that have encouraged many users to rethink their choice of software products. This bachelor’s thesis examines how realistic it is to conduct professional translation work when switching from Windows to a Linux system. This analysis primarily follows a hands-on approach, with the evaluation of various software categories: tools for everyday use, translation memory software, machine-translation tools and terminology management tools. Technical as well as philosophical questions concerning the use of free (libre) and open source software are also taken into account. The category of tools for everyday use presented the least amount of issues in terms of overall availability and installation. However, the evaluation for various specialized software products revealed some issues, especially in regard to the availability and usability of installation options. The overall results show that switching to Linux is possible for professional translators, although some obstacles and limitations are to be kept in mind. Considering these factors, such a transition is currently only realistic for freelancers and small organizations.

2025-02-01T00:00:00Z Mikriukov, Georgii https://opendata.uni-halle.de//handle/1981185920/125184 2026-06-16T11:21:34Z 2026-01-01T00:00:00Z

Title: Post-hoc Concept-based Explainable Artificial Intelligence Methods for Verification of Computer Vision Deep Neural Networks Author(s): Mikriukov, Georgii Abstract: Im Bereich des Computer Vision haben tiefe neuronale Netzwerke (Deep Neural Networks, DNNs) eine herausragende Leistungsfähigkeit erreicht. Ihre “Black-Box”-Natur erschwert jedoch die Verifikation und den Einsatz in sicherheitskritischen Anwendungen wie dem autonomen Fahren. Konzeptbasierte erklärbare künstliche Intelligenz (Concept-based Explainable AI, C-XAI) begegnet diesem Problem, indem sie die internen Funktionsweisen solcher Modelle mit für Menschen verständlichen visuellen Konzepten (z.B. “Rad”, “Verkehrsschild”, “Regenwetter”) verknüpft. Bestehende C-XAI-Methoden vereinfachen diese Konzepte jedoch häufig zu einzelnen globalen Vektoren, wodurch ihre komplexe Repräsentationsstruktur verloren geht. Dies wirft Fragen hinsichtlich der Stabilität und Robustheit solcher Methoden in unterschiedlichen visuellen Kontexten auf. Diese Dissertation setzt sich systematisch mit diesen Herausforderungen auseinander und untersucht eingehend die Natur der Konzeptrepräsentationen in modernen Computer-Vision-Modellen. Zunächst wird die Stabilität existierender globaler C-XAI-Ansätze über verschiedene Modellarchitekturen (z.B. CNNs, Vision Transformers) und Aufgabenstellungen (z.B. Klassifikation, Objekterkennung) hinweg analysiert. Dabei zeigt sich, dass niedrigdimensionale Konzeptvektoren eine höhere Stabilität aufweisen. Darüber hinaus werden neue konzeptbasierte Rahmenwerke für den Vergleich von Modellen vorgestellt. Die Arbeit untersucht zudem den Einfluss adversarialer Angriffe und zeigt, dass diese gezielt visuelle Konzepte bestimmter Zielklassen manipulieren, indem sie störende lineare Komponenten in den latenten Raum einführen. Der zentrale Beitrag dieser Arbeit ist die Einführung der Local Concept Embeddings (LoCEs), einer neuen post-hoc-Methode, bei der visuelle Konzepte als Verteilungen lokaler, instanzspezifischer Vektoren modelliert werden. Dieser Ansatz ermöglicht es, die multimodale und überlappende Struktur von Konzeptrepräsentationen aufzudecken. Dadurch wird die Identifikation feingranularer visueller Subkonzepte (z.B. “Auto in Frontansicht” vs. “Auto in Seitenansicht”), das Erkennen von Konzeptverwechslungen bei visuell ähnlichen Klassen sowie das Aufspüren von konzeptuellen Ausreißerbildern ermöglicht. Indem diese Arbeit eine differenziertere Sichtweise auf den latenten Raum bietet, zeigt sie, dass Konzeptverteilungen in Vision-Modellen deutlich komplexer sind als bislang angenommen. Die entwickelten Methoden und Erkenntnisse tragen wesentlich zum besseren Verständnis darüber bei, wie DNNs visuelle Informationen lernen und verarbeiten. Sie liefern robuste Werkzeuge zur Modellanalyse, zum Vergleich und zur Verifikation und fördern so die Entwicklung transparenterer und verlässlicherer KI-Systeme.

2026-01-01T00:00:00Z Görmer, Julia https://opendata.uni-halle.de//handle/1981185920/12783.2 2026-02-02T11:57:15Z 2018-01-01T00:00:00Z

Title: Anonymität im Darknet - Nutzer und Usability im Vergleich der drei Hauptvertreter Author(s): Görmer, Julia

2018-01-01T00:00:00Z Grotepaß, Lisa https://opendata.uni-halle.de//handle/1981185920/13741 2026-02-02T11:46:12Z 2018-01-01T00:00:00Z

Title: Projektcontrolling im Rahmen von agilen Softwareentwicklungsprojekten Author(s): Grotepaß, Lisa Abstract: Mit zunehmender Bedeutung von Projekten neben dem prozessorientierten Tagesgeschäft spielt das Thema Projektcontrolling und Projektmanagement für viele Unternehmen heute eine zentrale Rolle bei ihrer wirtschaftlichen Ressourcenbetrachtung. Mittlerweile bilden die sogenannten agilen Ansätze eine Alternative zum managementgetriebenen Denkansatz, auf dem die wasserfall- oder phasenmodellbasierten „klassischen“ Vorgehensmodelle basieren. Es kann sogar der Eindruck entstehen, dass „agil“ in aller Munde ist: Während die Befürworter unbedingt agil sein wollen, weil das häufige Scheitern von Projekten zu einem Umdenken im Projektmanagement führen müsse, halten die Gegner dagegen, dass agile Projekte automatisch in einen chaotischen Zustand münden, in dem Projektmanagement und Projektcontrolling keinen Platz hätten. Auf Basis dieses zugegebenermaßen theoretisch überspitzten Verständnisses von jeweils einer agilen und einer klassischen, spezifikationsorientierten Projektwelt untersucht diese Arbeit, welche charakteristischen Unterschiede zu einer Abgrenzung der beiden Projektwelten voneinander führen. Diese finden sich in den Vorgehensmodellen selbst, aber auch im Controlling wieder, weshalb im Vorfeld in Kapitel 2 geklärt wird, wo Controlling im Projektbereich zu finden ist, um im Anschluss daran in Kapitel 3 die Unterschiede des Projektcontrolling in den beiden Projektwelten zu analysieren. Die Ergebnisse dieser Gegenüberstellung führen schlussendlich zu den praktischen Überlegungen des vierten Kapitels mit dem Ziel, eine Methode zu finden, um zu entscheiden, ob ein Projektvorhaben sinnvollerweise agil oder spezifikationsorientiert umgesetzt werden sollte und warum.

2018-01-01T00:00:00Z