http://dl.gi.de/handle/20.500.12116/13072 Thu, 23 Jul 2026 16:27:34 GMT 2026-07-23T16:27:34Z http://dl.gi.de/handle/20.500.12116/14139 Cartoon Tue, 01 Jan 2013 00:00:00 GMT http://dl.gi.de/handle/20.500.12116/14139 2013-01-01T00:00:00Z http://dl.gi.de/handle/20.500.12116/14134 Die Rolle der Technischen Visualistik in Unternehmensanwendungen Lambeck, Christian; Almeida Madeira Clemente, Mirko; Leitner, Hannes Dieser Beitrag fokussiert einen zentralen Aspekt der Human Computer Interaction in Unternehmensanwendungen: die grafische Benutzerschnittstelle mit ihren aktuellen Defiziten sowie möglichen Potenzialen. Auch wenn sich die Bedienbarkeit der Systeme insgesamt deutlich verbessert hat, gilt es zukünftig, noch einige Potenziale zu heben. Hierfür bietet die Disziplin der Technischen Visualistik erste Ansätze, die sowohl Visualisierung als auch Interaktion betreffen. Die Einbeziehung der situativen Bedürfnisse, Fähigkeiten und Erwartungen des Nutzers bildet hierfür eine elementare Voraussetzung. Tue, 01 Jan 2013 00:00:00 GMT http://dl.gi.de/handle/20.500.12116/14134 2013-01-01T00:00:00Z http://dl.gi.de/handle/20.500.12116/14145 Aspekte der Human Computer Interaction im Smart Home Leitner, Gerhard; Hitz, Martin; Fercher, Anton J.; Brown, John N. A. Das Smart Home mit all seinen Möglichkeiten und Funktionen hat sich im privaten Wohnumfeld bisher nicht durchgesetzt. Die Gründe dafür sind vielschichtig, Aspekte der Human Computer Interaction (HCI) spielen dabei aber eine entscheidende Rolle. Anhand des aktuellen Leitkonzepts der HCI, User Experience, analysiert der Beitrag Bedieneigenschaften und psychologische Faktoren der Nutzer ebenso wie nicht funktionale Faktoren des Systems. Die Vorstellung von Beispielprojekten soll aufzeigen, dass ein erweiterter, HCI-orientierter Zugang einen Schlüsselfaktor für den zukünftigen Erfolg des Konzepts Smart Home darstellen kann. Tue, 01 Jan 2013 00:00:00 GMT http://dl.gi.de/handle/20.500.12116/14145 2013-01-01T00:00:00Z http://dl.gi.de/handle/20.500.12116/14135 Menschliches Expertenwissen und Prozessdaten im Verbund Wieland, Uwe; Fischer, Marco; Hilbert, Andreas Erklärungsmodelle dienen der Abbildung existierender Systeme, um Wissen über ein System zu erhalten. Six Sigma und Data Mining sind jeweils etablierte Ansätze zur Identifikation von Erklärungsmodellen in Form von Ursache-WirkungsBeziehungen. Während sich Six Sigma bei der Analyse auf menschliches Erfahrungswissen stützt, bieten Verfahren des Data Mining die Möglichkeit, nicht triviale Zusammenhänge zwischen Einfluss- und Prozessergebnisgrößen aus maschinengenerierten Prozessdaten zu ermitteln. Eine Integration beider Ansätze besitzt das Potenzial, Erklärungsmodelle zur Beherrschung und Verbesserung komplexer Prozesse in soziotechnischen Systemen zu schaffen. Tue, 01 Jan 2013 00:00:00 GMT http://dl.gi.de/handle/20.500.12116/14135 2013-01-01T00:00:00Z