Viele Persönlichkeiten. Zwei Standorte. Eine BO.

Prof. Dr. Volker Klingspor

Wirtschaftsinformatik

Funktionen

Wichtige Informationen zum WiSe 2020/21

Wirtschaftsinformatik 1 (WiInf 1)

Die Veranstaltungen zur Wirtschaftsinformatik 1 werden ab dem 12.10. digital angeboten. Dabei nutzen wir Moodle, die Sciebo und E-Mail.
 
Moodle
Zunächst schreiben Sie sich bitte in dem verlinkten Moodle Kurs
moodle.hs-bochum.de/course/view.php
ein. Dies garantiert, dass wir Sie bei Änderungen erreichen und Videokonferenzen mit Ihnen durchführen können.

Digitale Vorlesungen
Zu Beginn der Veranstaltung und jeweils zu Beginn eines neuen Themas führen wir digitale Vorlesungen durch. Um die Vorlesungen zu besuchen, starten Sie bitte an den für Sie vorgesehenen Terminen die BigBlueButton-Konferenz "Digitale Vorlesung". Die Termine der für Sie vorgesehenen digitalen Vorlesungen finden Sie im Abschnitt "Termine digitale Vorlesungen".
 
Sciebo
Das wichtigste Medium für die digitale Veranstaltung ist die Sciebo. In dem verlinkten Sciebo-Verzeichnis (hier auch Link) finden Sie ein ausführliches Skript (scriptVBA.pdf), das den gesamten VBA-Stoff von zwei Semestern umfasst. Die Beispiele aus dem Skript können Sie im Verzeichnis Vorlesungen finden, dort ist für jede Vorlesungswoche ein eigenes Unterverzeichnis eingerichtet. Parallel dazu finden Sie im Unterverzeichnis Uebung/Aufgaben zu jeder Vorlesungswoche ein Aufgabenblatt, um den Stoff der jeweiligen Woche zu üben. Im Unterverzeichnis Uebung/Loesungen stellen wir Ihnen die zugeordneten Lösungen zur Verfügung. Die Dateien dort entsprechen einer eindeutigen Namenskonvention.
Der Ordner Altklausuren enthält 18 Altklausuren mit Lösungen.
Der Ordner Videos enthält Videos, die für die digitale Veranstaltung benötigt werden.
Darüber hinaus finden Sie in der Sciebo im obersten Verzeichnis die Datei ZeitplanWirtschaftinformatik1.xslx. Sie enthält den Arbeitsplan für unsere gemeinsame digitale Veranstaltung.
 
E-Mail
Wenn Sie
-     Probleme mit den Übungsaufgaben haben,
-    Lösungen nicht verstehen,
-    Fragen zu den Lösungen haben,
-    Fragen zum Skript haben,
-    einfach allgemeine Fragen haben oder
-   eine persönliche Videokonferenz oder einen persönlichen Termin vereinbaren wollen,

schicken Sie uns eine E-Mail. Hierzu benutzen Sie die Adresse: WiInf1.fbw@hs-bochum.de.

Wir werden Ihre Fragen möglichst zeitnah beantworten. Spätestens bearbeiten wir Ihre E-Mail zu den Zeiten, an denen die Präsenzveranstaltungen normalerweise stattfinden. Wenn sich Ihre Frage auf ein VBA-Programm bezieht, denken Sie bitte daran, dieses Programm anzuhängen.


Lesebeipiel Arbeitsplan Wirtschaftsinformatik 1

Schauen Sie in Zeile 14 ZeitplanWirtschaftinformatik1.xslx:
Sie ist wie folgt zu lesen:
In Kalenderwoche 47 (Spalte A), dies entspricht dem Zeitraum vom 16.11. bis 20.11. (Spalte B) sollen Sie die Kapitel 7 bis 8.1.3 einschließlich (Spalte C) durcharbeiten. Die entspricht den Seiten 47 bis 60 (Spalte D) im VBA-Skript. Die VBA-Beispielprogramme dieser Kapitel finden Sie in Unterverzeichnis 5 des Verzeichnisses Vorlesungen (Spalte E). Um die Übungen zu lösen müssen Sie sich zusätzlich noch das Video "Einfügen einer Schaltfläche" (Spalte F) im Ordner Videos ansehen. Dazu sollten Sie die Aufgaben des Aufgabenblattes 5 (Spalte G) lösen. Die Aufgabenblätter finden Sie, wie oben beschrieben im Verzeichnis Uebung/Aufgaben und die dazugehörigen Lösungen in Uebung/Loesungen. Zusätzlich finden in dieser Woche die digitalen Vorlesungen "Zusammenfassung benutzerdefinierte Funktionen, was erwartet Sie beim Thema Datenauswertung" statt. Die für Sie vorgesehenen Termine finden Sie im Abschnitt "Termine digitale Vorlesungen" im Moodle-Kurs.
 
Gelb hinterlegte Zeilen markieren Zwischenziele. Ein zusammenhängender Bereich der Veranstaltung ist abgeschlossen.
 
Schauen Sie dazu beispielhaft in Zeile 13.
Sie können nun den Funktionsumfang von Excel durch eigene Funktionen (Stichwort "benutzerdefinierte Funktion") erweitern. Sie beherrschen damit den Aufgabentyp 1 unserer Klausuren. Daher können Sie die Aufgabe 1 aller unserer Klausuren (und damit auch der 17 Altklausuren im Ordner Altklausuren) lösen. damit haben Sie nun 18 weitere Übungsaufgaben :-).

 


Wirtschaftsinformatik 2 (WiInf 2)

Die Veranstaltungen zur Wirtschaftsinformatik 2 werden ab dem 12.10. digital angeboten. Dabei nutzen wir Moodle, die Sciebo und E-Mail.
 
Moodle
Zunächst schreiben Sie sich bitte in dem verlinkten Moodle Kurs
moodle.hs-bochum.de/course/view.php
ein. Dies garantiert, dass wir Sie bei Änderungen erreichen und Videokonferenzen mit Ihnen durchführen können.

Digitale Vorlesungen
Zu Beginn der Veranstaltung und jeweils zu Beginn eines neuen Themas führen wir digitale Vorlesungen durch. Um die Vorlesungen zu besuchen, starten Sie bitte an den für Sie vorgesehenen Terminen die BigBlueButton-Konferenz "Digitale Vorlesung". Die Termine der für Sie vorgesehenen digitalen Vorlesungen finden Sie im Abschnitt "Termine digitale Vorlesungen" in Moodle.
 
Sciebo
Das wichtigste Medium für die digitale Veranstaltung ist die Sciebo.
Skripte und Aufgaben
In dem verlinkten Sciebo-Verzeichnis (hier auch Link) finden Sie ein ausführliches Skript (scriptVBA.pdf), das den gesamten VBA-Stoff von zwei Semestern umfasst. Die Beispiele aus dem Skript können Sie im Verzeichnis Vorlesungen finden, dort ist für jede Vorlesungswoche ein eigenes Unterverzeichnis eingerichtet. Parallel dazu finden Sie im Unterverzeichnis Uebung/Aufgaben zu jeder Vorlesungswoche ein Aufgabenblatt, um den Stoff der jeweiligen Woche zu üben. Im Unterverzeichnis Uebung/Loesungen stellen wir Ihnen die zugeordneten Lösungen zur Verfügung.

Für den Datenbankteil finden Sie im Ordner Vorlesungen/Datenbanken drei sehr ausführliche Powerpoint Dateien (DatenbankenERM.pptx, DatenbankenSQL.pptx, DatenbankenTabellen.pptx). Parallel dazu finden Sie im Unterverzeichnis Uebung/Aufgaben in der Datei AufgabenDatenbanken.pdf die Aufgaben zum Datenbankteil. Die Lösungen der Datenbankaufgaben ist ebenfalls in dieser Datei enthalten. Als weitere Lernunterlage existiert ein Skript (scriptDatenbanken.pdf).


Der Ordner Altklausuren enthält 18 Altklausuren mit Lösungen.
Der Ordner Videos enthält Videos, die für die digitale Veranstaltung benötigt werden.
Darüber hinaus finden Sie in der Sciebo im obersten Verzeichnis die Datei ZeitplanWirtschaftinformatik2.xslx. Sie enthält den Arbeitsplan für den VBA-Teil unserer gemeinsamen digitalen Veranstaltung.
 
E-Mail
Wenn Sie
-    Probleme mit den Übungsaufgaben haben,
-    Lösungen nicht verstehen,
-    Fragen zu den Lösungen haben,
-    Fragen zum Skript oder zu den Datenbankpräsentationen haben,
-    einfach allgemeine Fragen haben oder
-    eine persönliche Videokonferenz oder einen persönlichen Termin vereinbaren wollen,

haben, schicken Sie uns eine E-Mail. Hierzu benutzen Sie die Adresse: WiInf2.fbw@hs-bochum.de.

Wir werden Ihre Fragen möglichst zeitnah beantworten. Spätestens bearbeiten wir Ihre E-Mail zu den Zeiten, an denen die Präsenzveranstaltungen normalerweise stattfinden. Wenn sich Ihre Frage auf ein VBA-Programm bezieht, denken Sie bitte daran, dieses Programm anzuhängen.


Lesebeipiel Arbeitsplan Wirtschaftsinformatik 2

Schauen Sie in Zeile 4 der Datei ZeitplanWirtschaftinformatik2.xslx:
Sie ist wie folgt zu lesen:
In Kalenderwoche 44 (Spalte A), dies entspricht dem Zeitraum vom 26.10. bis 30.10. (Spalte B) sollen Sie die Kapitel 15 bis 15.1.1 einschließlich (Spalte C) durcharbeiten. Die entspricht den Seiten 135 bis 139 (Spalte D) im VBA-Skript. Die VBA-Beispielprogramme dieser Kapitel finden Sie in Unterverzeichnis 12 des Verzeichnisses Vorlesungen (Spalte E). Dazu sollten Sie die Aufgaben des Aufgabenblattes 12 (Spalte G) lösen, hier aber nur den Anfang. In Spalte I (Bemerkungen) wird nun spezifiziert, dass Sie nur den Aufgabenteil 1 lösen sollen, die beiden anderen Aufgabenteile sind für die Woche danach. Die Aufgabenblätter finden Sie, wie oben beschrieben im Verzeichnis Uebung/Aufgaben und die dazugehörigen Lösungen in Uebung/Loesungen.
 
Gelb hinterlegte Zeilen markieren Zwischenziele. Ein zusammenhängender Bereich der Veranstaltung ist abgeschlossen.
 
Schauen Sie dazu beispielhaft in Zeile 7.
Sie können nun Plausibilitätsprüfungen für die Daten in den Excel-Tabellen durchführen. Sie beherrschen damit den Aufgabentyp 3 unserer Klausuren. Daher können Sie die Aufgabe 3 aller unserer Klausuren (und damit auch der 18 Altklausuren im Ordner Altklausuren) lösen. damit haben Sie nun 18 weitere Übungsaufgaben :-).

Eine Ausnahme sind die ersten beiden Wochen des digitalen Semesters. In der ersten Woche (Kalenderwoche 42 vom 12.10 - 16.10, Zeile 2 in ZeitplanWirtschaftinformatik2VBA.xslx) sollen Sie die Wiederholungsklausur im Ordner Vorlesungen/Wiederholungsklausur durcharbeiten. Sie finden dort die Aufgabenstellung als pdf-datei (klausurAufgabe1_2_und_4.pdf) und die Lösung als xslm-Datei (klausurAufgabe1_2_und_4Loesung.xlsm). Die Aufgaben dazu finden Sie im Aufgabenblatt Uebung/Aufgaben/aufgabenblatt_wiederholungUnd11.pdf und die Lösung in Uebung/Loesungen/aufgabeWiederholungund11.xlsm. Dieses Aufgabenblatt ist für die ersten 2 Wochen des digitalen Semesters bestimmt. Den Vorlesungsteil der zweiten Woche (Zeile 3 in ZeitplanWirtschaftinformatik2VBA.xslx) können Sie schon wie oben beschriebenen lesen. Die Übung ist der Rest der Wiederholungsaufgabe. Den neuen Stoff, den Sie in dieser Woche lernen, üben Sie mit den Aufgaben der nächsten Wochen ein.


Prozess- und Systemanalyse

Für die Koordination haben wir einen Moodle-Kurs eingerichtet (https://moodle.hs-bochum.de/course/view.php?id=2506) und bieten Sie, sich bei Interesse an dem Kurs dort vorab anzumelden.

Eine Beschreibung des Kurses finden Sie im Abschnitt Prozess- und Systemanalyse.

Wir starten den Kurs nach aktuellem Stand der Dinge am 15.10. um 12:15 Uhr per Videokonferenz. Wir werden während dieser Videokonferenz die Zielsetzung des Kurses erläutern, Gruppen bilden und jeder Gruppe eine Aufgabe für dieses Semester geben.

Sie können sich über die "Gruppenwahl" bereits jetzt in Gruppen mit maximal 3 Teilnehmer*innen eintragen.

Bitte informieren Sie sich vorab nochmal, ob sich eventuell Änderungen ergeben haben.


Lehre Grundstudium

Wirtschaftsinformatik (WiInf)

Zielgruppe:

Die Vorlesung richtet sich an Studierende des dritten und vierten Semesters im Bachelor-Studiengang Wirtschaft und Wirtschaftsingenieurwesen (Bau).

Die studienbegleitenden Prüfungen finden als einzelne Klausur nach dem 4. Semester (180 Minuten) (alte PO) bzw. nach dem 3. Semester (180 Minuten) (neue PO) statt.
ECTS 10 Punkte 

Ziele der Ausbildung:

Es werden grundlegende Prinzipien, Methoden, Modelle und Werkzeuge der Wirtschaftsinformatik vermittelt. Dadurch werden die Absolventen befähigt, Informations- und Kommunikationstechniken im betrieblichen Rahmen zielgerecht einzusetzen.

Im Vordergrund stehen die allgemeingültigen Konzepte, konkrete Produkte werden herangezogen, um Konzepte zu verdeutlichen oder umzusetzen.

Gliederungsübersicht

  • Datenbanken
  1. Entity-Relationship Modellierung von Daten
  2. Abbildung von Modellen auf konkrete Tabellenstrukturen
  3. SQL
  • Datenanalyse mit VBA
  1. Datenmanipulation
  2. Datenauswertung
  3. Datenvisualisierung
  4. Datenvalidierung

Klausurhinweise

Regelungen zur Verbesserung der Ordnung bei den Klausuren

Die in der Vergangenheit immer häufiger auftretenden Täuschungsversuche zwingen uns leider, bei den Klausuren resoluter vorzugehen, um die Fairness den ehrlichen Studierenden gegenüber zu wahren. Daher gilt folgendes Verhalten als Täuschungsversuch:

  • Mobiltelefone, MP3-Player und ähnliche Geräte am Platz (auch ausgeschaltet)
  • Sitzen an einem nicht zugewiesenen Platz
  • Verlassen des Sitzplatzes mit einem Stift in der Hand (insbesondere bei der Abgabe)

Klausuren die nach Ablauf der Klausurzeit nicht in den für die Abgabe vorgesehen Kartons gelegt wurden, gelten als "nicht abgegeben"! Das gleiche gilt für Klausuren auf denen Name und Matrikelnummer nicht verzeichnet sind.

Bitte beachten Sie die Klausurhinweise auf der Aufgabenstellung sowie der Lösungsabgabe.

Seien Sie rechtzeitig da, um den Ihnen zugewiesenen Sitzplatz einzunehmen und sich dort "einzurichten".

Zugelassene Hilfsmittel: Skripte, Mitschriften, Notizen, nichtprogrammierbarer Taschenrechner


Lehre Hauptstudium

Data Science 1+2 (Christian Bockermann)

Die Daten, die Unternehmen über Kunden, Produktionsprozesse usw. erheben werden immer mehr zur zentralen Quelle für die Entscheidungsfindung. Beispiele aus dem e-Commerce Handel und der Digitalisierung in der Industrie sind Fragen der Art:

  • Welchem Kunden sollen wir Werbung schicken?  (Targeted Marketing)
  • Wieviel Geld können wir für die Akquise eines bestimmten Neukunden ausgeben?
  • Zu welchem Preis können wir ein Produkt anbieten?   (Dynamic Pricing)
  • Was ist das wirtschaftlichste Wartungsintervall für eine Maschine/Auto/Triebwerk?   (Predictive Maintenance)

Data Science ist die Kunst, wichtige Informationen aus einer Vielzahl von Daten zu gewinnen. Diese Informationen können dann genutzt werden, um die Fragestellungen aus Unternehmen und Fachabteilungen bestmöglich zu beantworten. Das ermöglicht im Schluss die Grundlage für datengetrieben Entscheidungsfindung in Unternehmen.

Das Maschinelle Lernen bietet eine Vielzahl von Methoden, um Informationen aus Daten zu bekommen. Diese Methoden und ihre Anwendung kennenzulernen ist Gegenstand des Kurses Data Science.

Zielgruppe:

Die Zielgruppe des Kurses sind Studierende der Studiengänge BWL/VWL, Wirtschaftsinformatik und International Business Management. Der Kurs baut auf Grundkenntnissen der Wirtschaftsmathematik und Wirtschaftsstatistik, sowie der Wirtschaftsinformatik auf und wird für Studierende ab dem 5. Semester angeboten. 

Der Kurs gliedert sich in zwei Semester: Im ersten Teil (Data Science 1) werden theoretische und praktische Kenntnisse zur Datenanalyse vermittelt. Abschluss von Data Science 1 ist eine Klausr.
Der zweite Teil ist ein projektorientiert und widmet sich der Umsetzung von Datenanalysen in mehreren kleinen Projekten in denen die Analyse von der Datenaufbereitung bis hin zum Training von maschinellen Lernmodellen vertieft und diskutiert wird. Am Ende von Data Science 2 steht eine Hausarbeit mit Präsentation an.

Ziele der Ausbildung:

Die Studierenden des Kurses Data Science bekommen einen Überblick über die Prozesse der Datenanalyse in modernen Unternehmen. Darüber hinaus lernen sie verschiedene Methoden der Datenanalyse kennen - insbesondere Methoden des maschinellen Lernens - und können diese nach Abschluss des Moduls auch selbstständig anwenden.

Gliederungsübersicht

<folgt noch>


Informations- und Kommunikationssysteme 1+2 (IKSY) (Frank Brockmann & Christoph Schennonek)

Hinweis zu IKSY

IKSY 1 wird bis auf weiteres nur noch im Wintersemester, IKSY 2 nur im Sommersemester angeboten.

In der Veranstaltung erhalten Sie im ersten Teil eine Einführung in PHP sowie Javascript. Diese beiden Scriptsprachen sind der Standard für Webanwendungen. Durch die Verbindung mit einer Datenbank enstehen dadurch webbasierte Informationssysteme welche für Unternehmen einen Wettbewerbsvorteil bedeuten können. Eine Übersicht über die derzeit aktuellen Mobile Web Technologien für die beiden meistverwendeten Betriebssysteme, IOS und Android, runden den ersten Teil der Veranstaltung ab. 

Im zweiten Teil erstellen Sie in Teamarbeit Ihre eigene Webanwendung unter Verwendung von PHP/Javascript sowie MySQL. 

Nach erfolreichem Besuch des Schwerpunktseminars sind die StudentInnen mit aktuellen Entwicklungen vertraut und in der Lage, in interdisziplinären Teams zur Weiterentwicklung von Geschäftsprozessen mitzuarbeiten, die Kosten und den Nutzen solcher Projekte zu bewerten sowie ggf. eigene kleinere Webanwendungen zu entwickeln.

Eine vorhergehende Anmeldung ist nicht notwendig, es reicht in der ersten Veranstaltung anwesend zu sein.

Entwicklung von webbasierten Anwendungen

Unterrichtsform:

1. Teil:

Seminaristischer Unterricht mit praktischen Übungen am Rechner

  • HTML5-Grundlagen
    • CSS
    • Formulare
    • Document Object Modell
       
  • PHP/Javascript-Grundlagen
    • Syntax
    • Kontrollstrukturen
    • Funktionen
    • Objektmodell
    • Integration in HTML
       
  • PHP/Javascript/MySQL
    • Dynamische Webseiten
    • Anbindung von Datenbanken
       
  • Mobile Web
    • Einführung in die App-Entwicklung für IOS und Android
    • Einführung in responsive Design

2. Teil

Praxisprojekt 

Das vermittelte Wissen aus dem ersten Teil der Veranstaltung wenden Sie in einem Praxisprojekt im zweiten Teil an. Es werden Teams gebildet welche dann selbständig ein Praxisprojekt unter Zuhilfenahme der  verschiedenen Webechnologien umsetzen.  

Lernziele

  • Grundsätzliches Verständnis des Aufbaus im Internet
  • Verständnis clientbasierter Web-Technologien
  • Vertiefung oder Erwerb von Programmierkenntnissen
  • Überblick über ausgewählte, aktuelle Entwicklungen
  • Entwicklung von mobilen Anwendungen (Apps)

Prüfungsform

  • 1. Teil
    • Klausur am Semesterende
       
  • 2. Teil
    • Bewertung des Praxisprojekts 
    • Mündliche Prüfung

Prozess- und Systemanalyse (ProSy) (Bernd Blümel & Volker Klingspor)

Zielgruppe:

Dieses Seminar richtet sich an Studierende des zweiten Studienjahres Wirtschaftsinfomatik und des dritten Studienjahres Wirtschaft.

Inhalt:

Das Seminar beschäftigt sich mit der Analyse von Prozessen und Anwendungen in Unternehmen. Zur Analyse und zur Darstellung der Ergebnisse wird die "Unified Modeling Language" (UML) verwendet. Insbesondere wird die Modellierung mit Hilfe von

  • Anwendungsfällen
  • Aktivitätsdiagrammen
  • Sequenzdiagrammen

praktiziert.


Das Seminar wird in Projektform durchgeführt. Die Teilnehmer erarbeiten in Gruppen zu einem vorgegebenen Problem (z.B. den Anwendungsfällen der Bibliothek) ein Modell. Dieses wird am Ende des Semesters den anderen Gruppen präsentiert.

Die Benotung  basiert auf den Projektergebnissen und der Präsentation. Bei inhomogenen Gruppen wird eine mündliche Prüfung durchgeführt.

Eine vorhergehende Anmeldung ist nicht notwendig, es reicht in der ersten Veranstaltung anwesend zu sein und sich in unserem Moodlekurs (https://moodle.hs-bochum.de/course/view.php?id=2506) anzumelden. Ein Einschreibeschlüssel ist nicht erforderlich.

Literaturhinweise:

Craig Larman: "Applying UML and Patterns", Prentice Hall, 2010
Fachbibliothek Wirtschaft, Signatur: FM 158

Alistair Cockburn: "Writing Effective Use Cases", Addisson-Wesley, 2010
Fachbibliothek Wirtschaft, Signatur: FS 2


Persönliches

Portrait

Vita

1986-1991:
Studium der Informatik an der Universität Bonn

1991-1992:
Software-Entwickler

1992-1998:
Wissenschaftlicher Angestellter an der Universität Dortmund, Lehrstuhl für Künstliche Intelligenz

1998:
Promotion zum Dr. rer.nat.

1998-2005:
Berater und Software Architekt für objektorientierte Technologien und Business Integration, SerCon GmbH

2005:
Ernennung zum Professor mit dem Lehrgebiet Wirtschaftsinformatik an der Fachhochschule Bochum

Arbeitsgebiete

Objektorientierte Technologien

  • Analyse und Design
  • Modellbasierte Generierung (MDA)
  • Architekturen

Business Integration:

  • Service-orientierte Architekturen (SOA)
  • Enterprise Service Bus

Veröffentlichungen

Monographien

Morik, K. und Klingspor, V., (2005).
Informatik kompakt – eine grundlegende Einführung mit Java ( http://informatikkompakt.cs.uni-dortmund.de/).
Springer Verlag, Heidelberg.

Klingspor, V., (1999).
Reaktives Planen mit gelernten Begriffen. Dissertationen zur Künstlichen Intelligenz Band 208, infix, St. Augustin.

Morik, K., Kaiser, M. und Klingspor, V., Hrsg. (1999).
Making Robots Smarter – Behavioral Learning Combines Sensing and Action. Kluwer Academic Press.

Klingspor, V., Hrsg. (1996).
Procs. of the 5th European Workshop on Learning Robots, Forschungsbericht Nr. 619/96. Universität Dortmund, Fachbereich Informatik.

Zeitschriftenartikel

Klingspor, V. (2018)
Berechnung populärer Routen. AGIT - Journal für Angewandte Geoinformatik: 4, S. 189-198. [PDF]

Klingspor, V. und Michels, E. (2003).
Aufdecken des Kundenverhaltens mittels Data Mining, Information Management & Consulting, (18/02):69-73.

Klingspor, V., Demiris, J. und Kaiser, M. (1997).
Human-Robot-Communication and Machine Learning. Applied Artificial Intelligence, 11(7/8):719-746.

Klingspor, V., Morik, K. und Rieger, A. (1996).
Learning Concepts from Sensor Data of a Mobile Robot. Machine Learning, 23(2/3):305-332.

Kaiser, M., Klingspor, V., del R. Millán, J., Accame, M., Wallner, F. und Dillmann, R. (1994).
Using Machine Learning Techniques in Real-World Mobile Robots. IEEE-Expert, 10(2):37-45.

Egner, J., Klingspor V., Pape, S., Schmid, M. (1981).
Simulation eines Parkhauses mit betriebswirtschaftlicher Optimierung. Log In, 1(1): 51-54.

Buchbeiträge

Klingspor, V. (2016).
Why Do We Need Data Privacy? In Michaelis, S. etal., Hrsg. (2016). Solving Large Scale Learning Tasks. Challenges and Algorithms. Springer.  http://www.springer.com/de/book/9783319417059

Rieger, A. und Klingspor, V. (1999).
Program Optimization for Real-Time Performance. In Morik, K., etal., Hrsg. (1999). Making Robots Smarter – Behavioral Learning Combines Sensing and Action. Kluwer Academic Press.

Kaiser, M., Friedrich, H., Klingspor, V. und Morik K. (1999).
Learning in Human-Robot Communication. In Morik, K., etal., Hrsg. (1999). Making Robots Smarter – Behavioral Learning Combines Sensing and Action. Kluwer Academic Press.

Klingspor, V. und Morik K. (1999).
Learning Understandable Concepts for Robot Navigation. In Morik, K., etal., Hrsg. (1999). Making Robots Smartert – Behavioral Learning Combines Sensing and Action. Kluwer Academic Press.

Klingspor, V. (1999).
Reactive Planning with Learned Operational Concepts. In Tzafestas, S., Hrsg., Advances in Intelligent Autonomous Systems. Kluwer Academic Press.

Klingspor, V. und Morik, K. (1999).
Towards Concept Formation Grounded on Perception and Action of an Autonomous Mobile Robot. In Ritter, H., Dean, J., Cruse, H., (eds.): Prerational Intelligence: Adaptive behavior and intelligent systems without symbols and logic. Vol. 2., Seiten 503-518, Kluwer Academic Press.

Klingspor, V. (1999).
Reaktives Planen mit gelernten Begriffen. In Ausgezeichnete Informatikdissertationen 1998, Seiten 92-101, Teubner Verlag.

Beiträge zu Konferenzen und Workshops

Kaiser, M., Klingspor, V. und Friedrich, H. (1997).
Human-Agent Interaction and Machine Learning. In Procs. of the 9th European Conference on Machine Learning, Seiten 345-352, Springer Verlag.

Klingspor, V. (1996).
On-line Inference of Off-line Learned Operational Concepts. In Hexmoor, H. und Meeden, L., Hrsg., ROBOLEARN '96: An International Workshop on Learning for Autonomous Robots, Seiten 54-63, Key West.

Klingspor, V. und Sklorz, S. (1995).
Representing, Learning, and Executing Operational Concepts. In Kaiser, M., Hrsg., Procs. of the 3rd European Workshop on Learning Robots, Kreta.

Dillmann, R., Kaiser, M., Klingspor, V., Morik, K. und Wallner, F. (1995).
Teaching and Understanding Intelligent Service Robots - A Machine Learning Approach. In Procs. of the KI-Workshop on Information Processing for Intelligent Service Robots, Bielefeld.

Klingspor, V. und Morik, K. (1995).
Towards Concepts Formation Grounded on Perception and Action of a Mobile Robot. In Rembold, U. etal., Hrsg., IAS-4, Procs. of the 4th International Conference on Intelligent Autonomous Systems, Seiten 271-278, Amsterdam, IOS Press.

Kaiser, M., Camarinha-Matos, L., Giordana, A., Klingspor; V., del R. Millán, J., Natale, F.D., Nuttin, M. und Suárez, R. (1994).
Robot Learning - Three case studies in Robotics and Machine Learning. In Witvrouw, W., Hrsg., IVAR-94 - Workshop on Industrial Vision and Autonomous Robots and Medical Imaging, Leuven.

Klingspor, V. (1994).
Repräsentation operationaler Begriffe. In Bergmann, R. etal., Hrsg., Beiträge zum 8. Workshop Planen und Konfigurieren, Seiten 88-97, Kaiserslautern.

Klingspor, V. (1994).
GRDT: Enhancing Model-based Learning for its Application in Robot Navigation. In Wrobel, S. Hrsg., Procs. of the Fourth International Workshop on Inductive Logic Programming, GMD-Studien Nr. 237, Seiten 107-122,. GMD, St. Augustin

Klingspor, V. (1993).
On the Application of ILP Techniques to Robot Navigation Tasks. In Giordana, A., Hrsg., Procs. of the 2nd European Workshop on Learning Robots, Turin.


Volker Klingspor
Prof. Dr. rer. nat. Volker Klingspor
Tel.: +49 234 32 10632

Sprechstunde:
nach Absprache per Email