Open Access

This editorial presents the Special Issue dedicated to the conference ISMM 2019 and summarizes the articles published in this Special Issue.

In dem vorliegenden Beitrag setzt sich der Verfasser mit dem Urteil des EuGH vom 4.5.2023 (Az.: C-60/22, DSB 2023, 178) zu den Auswirkungen eines formellen Verstoßes des Verantwortlichen gegen die Pflichten aus Artt. 26, 30 DSGVO (juris: EUV 2016/679) auf die Rechtmäßigkeit der Datenverarbeitung auseinander. Nachdem zunächst der zugrunde liegende Sachverhalt und der Hintergrund des Vorlageverfahrens skizziert wurden, gibt der Verfasser einen Überblick über die wesentlichen Entscheidungsgründe des EuGH. Insbesondere stelle der EuGH hier fest, dass die Rechtmäßigkeit der Verarbeitung in Art. 6 DSGVO geregelt sei und sich eine rechtswidrige Verarbeitung daher nur aus einem Verstoß gegen die Artt. 6 ff. DSGVO ergeben könne; die Pflichten aus Art. 26 und Art. 30 DSGVO würden nicht zu den Gründen für die Rechtmäßigkeit der Verarbeitung zählen. Mit Blick auf die Praxis lasse sich, so der Verfasser abschließend, festhalten, dass die Entscheidung insofern nicht überraschend sei; jedoch sei die Feststellung, dass sich aus Verstößen gegen Art. 26 und Art. 30 DSGVO kein Verstoß gegen das Grundrecht auf den Schutz personenbezogener Daten nachweisen lasse überraschend und bedenklich. Auch überrasche es, dass der EuGH eher in einem Nebensatz feststelle, dass der Verantwortliche im Prozess aufgrund seiner Rechenschaftspflicht gegenüber Betroffenen beweisbelastet ist; ob sich die Kammer hier der möglichen Auswirkungen ihrer Ausführungen bewusst gewesen sei, bleibe fraglich.

Für die Verarbeitung von natürlicher Sprache ist ein wichtiger Zwischenschritt das Parsing, bei dem für Sätze der natürlichen Sprache Ableitungsbäume bestimmt werden. Dieses Verfahren ist vergleichbar zum Parsen formaler Sprachen, wie z. B. das Parsen eines Quelltextes. Die Parsing-Methoden der formalen Sprachen, z. B. Bottom-up-Parser, können nicht auf das Parsen der natürlichen Sprache übertragen werden, da keine Formalisierung der natürlichen Sprachen existiert [3, 12, 23, 30]. In den ersten Programmen, die natürliche Sprache verarbeiten [32, 41], wurde versucht die natürliche Sprache mit festen Regelmengen zu verarbeiten. Dieser Ansatz stieß jedoch schnell an seine Grenzen, da die Regelmenge nicht vollständig sowie nicht minimal ist und wegen der benötigten Menge an Regeln schwer zu verwalten ist. Die Korpuslinguistik [22] bot die Möglichkeit, die Regelmenge durch Supervised-Machine-Learning-Verfahren [2] abzulösen. Teil der Korpuslinguistik ist es, große Textkorpora zu erstellen und diese mit sprachlichen Strukturen zu annotieren. Zu diesen Strukturen gehören sowohl die Wortarten als auch die Ableitungsbäume der Sätze. Vorteil dieser Methodik ist es, dass repräsentative Daten zur Verfügung stehen. Diese Daten werden genutzt, um mit Supervised-Machine-Learning-Verfahren die Gesetzmäßigkeiten der natürliche Sprachen zu erlernen. Das Maximum-Entropie-Verfahren ist ein Supervised-Machine-Learning-Verfahren, das genutzt wird, um natürliche Sprache zu erlernen. Ratnaparkhi [25] nutzt Maximum-Entropie, um Ableitungsbäume für Sätze der natürlichen Sprache zu erlernen. Dieses Verfahren macht es möglich, die natürliche Sprache (abgebildet als Σ∗) trotz einer fehlenden formalen Grammatik zu parsen.

Die vorliegende Erfindung betrifft eine Vorrichtung zum Halten eines lebenden Objektes bei physiologischen Messungen mit einem Basiselement und Mitteln zum Arretieren des lebenden Objektes, die atraumatische Ohrenhalter sowie ein Mundstück aufweisen, das mit einer Aussparung für die Zähne des Lebewesens versehen ist, mit einem Masseanteil von wenigstens 95% an glasfaserverstärktem Kunststoff.

Forschung und Entwicklung an der FH Aachen: interdisziplinär, praxisorientiert und vielfältig Die Kompetenzen der Wissenschaftlerinnen und Wissenschaftler unserer zehn Fachbereiche und sechs Institute sind das Forschungs- und Entwicklungspotenzial der FH Aachen. In dieser Broschüre finden Sie Spezialistinnen und Spezialisten unterschiedlicher Disziplinen, die es gewohnt sind, mit ihrem Fachwissen und ihren Erfahrungen in interdisziplinären Teams praxisnah an kreativen Lösungen zu arbeiten. Die FH Aachen forscht schwerpunktmäßig in den drei Bereichen Energie, Mobilität und Life Science. Darüber hinaus verfügt sie auch in Disziplinen wie Produkt- und Kommunikationsdesign, Architektur und Bauingenieurwesen, Wirtschaft und Logistik sowie Elektro- und Informationstechnik über herausragende Expertise. Durch ihre wissenschaftliche Vielfalt und die Praxisnähe gehört die FH Aachen zu den forschungsstärksten Fachhochschulen Deutschlands. Der Technologie- und Wissenstransfer der FH Aachen möchte Ihnen mit dieser Broschüre einen „Einblick“ in die Forschungs- und Entwicklungstätigkeiten der FH Aachen geben und Ihnen die Suche nach passenden Kooperationspartnerinnen und -partner erleichtern. Auf den folgenden Seiten erhalten Sie zu jedem unserer Forscher unter anderem folgende Informationen: Forschungsgebiet, Ausstattung, aktuelle Forschungsprojekte sowie die jeweiligen Kontaktdaten. Ein Stichwortverzeichnis sowie ein alphabetisches Namensregister im hinteren Teil der Broschüre erleichtern ihnen die gezielte Suche. Unser Ziel ist es, wissenschaftliches Know-how mit unternehmerischem Forschungs- und Entwicklungsbedarf zusammenzubringen. Sie haben spezielle Aufgabenstellungen? Unsere Wissenschaftlerinnen und Wissenschaftler machen aus Ihren Ideen konkrete und wirtschaftlich nutzbare Lösungen. Nehmen Sie Kontakt zu uns auf – wir würden uns freuen! Prof. Dr. rer. nat. Christiane Vaeßen Prorektorin für Forschung, Entwicklung und Technologietransfer

Dieser Mentorenleitfaden stellt den Mentoren/-innen der Fachhochschule Aachen Anregungen und Materialien zur konkreten Gestaltung des seit 2006 in der Rahmenprüfungsordnung der Hochschule verankerten Mentorenprogramms zur Verfügung. Er ist dem Charakter dieser Hochschule entsprechend vornehmlich auf natur- und ingenieurwissenschaftliche Studiengänge ausgerichtet, verweist aber auch auf über diese Bereiche hinausgehende Materialien.

Os 3 items majores: a explicação do conceito científico, depois praticar o conceito através de uma auto-avaliação, e no final algumas experiências de empresários européias. Um Líder de Sucesso deve ser - como diz o ditado - "um Pau para toda Obra", uma pessoa de múltiplas Funções e Competências. Em geral são as competências requeridas de um Líder de Sucesso as 4 seguintes: 1. Competência especializada 2. Competência Metódica 3. Competência social 4. Competência individual.

A explicação do conceito científico de Gestão de competências mostra o valor de desenvolvimento dos subordinarios. Ferramentas práticas explicam o conceito através de experiências de empresas européias. As Competência sao os seguintes: Competência especializada, Competência Metódica, Competência social, Competência individual.