Robuste Optimierung wird zur Entscheidungsunterstützung eines komplexen Beschaffungs- und Transportmodells genutzt, um die Risikoeinstellung der Entscheidenden abzubilden und gleichzeitig ein robustes Ergebnis zu erzielen. Die Modellierung des Problems ist umfassend dargestellt und Ergebnisse der nicht-deterministischen Planung bei verschiedenen Parametern und Risikoeinstellungen gegenübergestellt. Die Datenunsicherheit wird an einem Praxisfall erläutert und Methoden und -empfehlungen zum Umgang mit dieser dargestellt.

Botrytis cinerea, der Erreger der Graufäule, infiziert hunderte verschiedene Pflanzenspezies und verursacht weltweit enorme landwirtschaftliche Verluste. Dabei tötet er das Wirtsgewebe sehr schnell mithilfe lytischer Enzyme und Nekrose-induzierender Metaboliten und Proteine ab. Das Signal-Mucin Msb2 ist in B. cinerea, wie in anderen pathogenen Pilzen, wichtig für die Oberflächenerkennung, Differenzierung von Appressorien und die Penetration des Pflanzengewebes. Msb2 agiert oberhalb der BMP1 Pathogenitäts-MAPK-Kaskade. In dieser Studie konnte eine direkte Interaktion zwischen Msb2 und BMP1, sowie zwischen den beiden Sensorproteinen Msb2 und Sho1 nachgewiesen werden. Dennoch führte die Deletion von sho1 lediglich zu geringfügigen Defekten im Wachstum, der Hyphendifferenzierung und der Bildung von Infektionsstrukturen. Sho1 zeigte nur einen geringen Einfluss auf die Aktivierung von BMP1. Das Fehlen von Sho1 verursachte keine Virulenzdefekte, während der Doppel-KO von msb2 und sho1 zu einer stärkeren Reduzierung der Läsionsausbreitung im Vergleich zu msb2 Mutanten führte. Es wurden mehrere keimungsregulierte, BMP1 abhängige Gene deletiert und die Mutanten phänotypisch charakterisiert. Keines der Gene für lytische Enzyme oder putative Effektorproteine beeinflusste die Virulenz. Mutanten, denen das für ein Ankyrin-repeat Protein codierende arp1 Gen fehlt, zeigten eine gestörte Oberflächenerkennung, gravierende Wachstumsdefekte und reduzierte Virulenz. B. cinerea VELVET-Mutanten sind in der lichtabhängigen Differenzierung und der Ausbreitung nekrotischer Läsionen beeinträchtigt. In dieser Arbeit ermöglichte die Charakterisierung mehrerer Mutanten ein besseres Verständnis der molekularen Vorgänge, aufgrund derer der VELVET-Komplex die Entwicklung und Pathogenese in B. cinerea reguliert. Quantitative Vergleiche der in planta Transkriptome und Sekretome führten zur Identifizierung eines für drei VELVET-Mutanten gemeinsamen Sets an herunterregulierten Genen, welche für CAZymes, Proteasen und Virulenz-assoziierte Proteine codieren. Die meisten dieser Gene wurden zusätzlich im Wildtyp während der Infektion verstärkt exprimiert, was zusätzliche Hinweise auf deren Relevanz im Infektionsprozess lieferte. Die drastisch verringerte Expression von Genen für Proteasen konnte mit niedrigerer Proteaseaktivität und der unvollständigen Mazeration des Gewebes an der Infektionsstelle in Verbindung gebracht werden. Der neu etablierte quantitative Sekretom-Vergleich des Wildtyps und der VELVET-Mutanten mithilfe 15N-markierter Proteine korrelierte eindeutig mit den Transkriptomdaten sekretierter Proteine. Damit wurde gezeigt, dass die Abundanz der Proteine maßgeblich von deren mRNA-Level abhängt. Die Unfähigkeit zur Ansäuerung des Wirtsgewebes ist einer der interessantesten phänotypischen Aspekte der VELVET-Mutanten. Während Citrat die dominierende von B. cinerea ausgeschiedene Säure ist, sekretierten VELVET-Mutanten deutlich weniger Citrat. Weder für Oxalat noch für Gluconat konnte eine wichtige Rolle während der Infektion bestätigt werden. Die Läsionsausbreitung der Mutanten wurde sowohl durch Zugabe von Vollmedium, als auch durch künstlich konstant niedrig eingestellte pH-Werte an den Infektionsstellen gefördert, während die Einstellung auf neutrale pH-Werte die Expansion beim B. cinerea Wildtyp stark beeinträchtigte. Damit ist die Ansäuerung in Tomatenblättern ein wichtiger Virulenzmechanismus, der möglicherweise essentiell für die Aktivität der sekretierten Proteine ist. Überraschenderweise scheint eine Ansäuerung des Gewebes für die erfolgreiche Infektion der Ackerbohne Vicia faba nicht notwendig zu sein. Weder B. cinerea noch der am nächsten verwandte Botrytis fabae, welcher sich als Spezialist auf V. faba aggressiver verhält, zeigten während der erfolgreichen Infektion eine Ansäuerung des Ackerbohnenblattgewebes. B. fabae ist auf wenige Wirtspflanzen der Fabaceae begrenzt. Die Grundlagen der Wirtsspezifität sind bisher unklar. Vergleichende Transkriptom- und Sekretom-Analysen ergaben Hinweise für die molekularen Ursachen der unterschiedlichen Wirtsspektren von B. cinerea und B. fabae. In dieser Arbeit konnte die schlechte Infektion durch B. fabae auf Tomatenblättern mit einer deutlich niedrigeren Proteaseaktivität in Verbindung gebracht werden, während artifiziell konstant niedrige pH-Werte die Läsionsausbreitung kaum förderten. Im Gegensatz zur Infektion von Tomatenblättern wurden jedoch auf V. faba insgesamt deutlich niedrigere Proteaseaktivitäten in den Sekretomen beider Spezies gemessen. Diese Daten weisen darauf hin, dass die beiden Spezies nicht nur generell unterschiedliche Infektionsstrategien anwenden, sondern dass die Virulenzmechanismen zusätzlich vom infizierten Pflanzengewebe abhängig sind.

In this thesis we develop a shape optimization framework for isogeometric analysis in the optimize first–discretize then setting. For the discretization we use isogeometric analysis (iga) to solve the state equation, and search optimal designs in a space of admissible b-spline or nurbs combinations. Thus a quite general class of functions for representing optimal shapes is available. For the gradient-descent method, the shape derivatives indicate both stopping criteria and search directions and are determined isogeometrically. The numerical treatment requires solvers for partial differential equations and optimization methods, which introduces numerical errors. The tight connection between iga and geometry representation offers new ways of refining the geometry and analysis discretization by the same means. Therefore, our main concern is to develop the optimize first framework for isogeometric shape optimization as ground work for both implementation and an error analysis. Numerical examples show that this ansatz is practical and case studies indicate that it allows local refinement.

The goal of this work is to develop statistical natural language models and processing techniques based on Recurrent Neural Networks (RNN), especially the recently introduced Long Short- Term Memory (LSTM). Due to their adapting and predicting abilities, these methods are more robust, and easier to train than traditional methods, i.e., words list and rule-based models. They improve the output of recognition systems and make them more accessible to users for browsing and reading. These techniques are required, especially for historical books which might take years of effort and huge costs to manually transcribe them. The contributions of this thesis are several new methods which have high-performance computing and accuracy. First, an error model for improving recognition results is designed. As a second contribution, a hyphenation model for difficult transcription for alignment purposes is suggested. Third, a dehyphenation model is used to classify the hyphens in noisy transcription. The fourth contribution is using LSTM networks for normalizing historical orthography. A size normalization alignment is implemented to equal the size of strings, before the training phase. Using the LSTM networks as a language model to improve the recognition results is the fifth contribution. Finally, the sixth contribution is a combination of Weighted Finite-State Transducers (WFSTs), and LSTM applied on multiple recognition systems. These contributions will be elaborated in more detail. Context-dependent confusion rules is a new technique to build an error model for Optical Character Recognition (OCR) corrections. The rules are extracted from the OCR confusions which appear in the recognition outputs and are translated into edit operations, e.g., insertions, deletions, and substitutions using the Levenshtein edit distance algorithm. The edit operations are extracted in a form of rules with respect to the context of the incorrect string to build an error model using WFSTs. The context-dependent rules assist the language model to find the best candidate corrections. They avoid the calculations that occur in searching the language model and they also make the language model able to correct incorrect words by using context- dependent confusion rules. The context-dependent error model is applied on the university of Washington (UWIII) dataset and the Nastaleeq script in Urdu dataset. It improves the OCR results from an error rate of 1.14% to an error rate of 0.68%. It performs better than the state-of-the-art single rule-based which returns an error rate of 1.0%. This thesis describes a new, simple, fast, and accurate system for generating correspondences between real scanned historical books and their transcriptions. The alignment has many challenges, first, the transcriptions might have different modifications, and layout variations than the original book. Second, the recognition of the historical books have misrecognition, and segmentation errors, which make the alignment more difficult especially the line breaks, and pages will not have the same correspondences. Adapted WFSTs are designed to represent the transcription. The WFSTs process Fraktur ligatures and adapt the transcription with a hyphenations model that allows the alignment with respect to the varieties of the hyphenated words in the line breaks of the OCR documents. In this work, several approaches are implemented to be used for the alignment such as: text-segments, page-wise, and book-wise approaches. The approaches are evaluated on German calligraphic (Fraktur) script historical documents dataset from “Wan- derungen durch die Mark Brandenburg” volumes (1862-1889). The text-segmentation approach returns an error rate of 2.33% without using a hyphenation model and an error rate of 2.0% using a hyphenation model. Dehyphenation methods are presented to remove the hyphen from the transcription. They provide the transcription in a readable and reflowable format to be used for alignment purposes. We consider the task as classification problem and classify the hyphens from the given patterns as hyphens for line breaks, combined words, or noise. The methods are applied on clean and noisy transcription for different languages. The Decision Trees classifier returns better performance on UWIII dataset and returns an accuracy of 98%. It returns 97% on Fraktur script. A new method for normalizing historical OCRed text using LSTM is implemented for different texts, ranging from Early New High German 14th - 16th centuries to modern forms in New High German applied on the Luther bible. It performed better than the rule-based word-list approaches. It provides a transcription for various purposes such as part-of-speech tagging and n-grams. Also two new techniques are presented for aligning the OCR results and normalize the size by using adding Character-Epsilons or Appending-Epsilons. They allow deletion and insertion in the appropriate position in the string. In normalizing historical wordforms to modern wordforms, the accuracy of LSTM on seen data is around 94%, while the state-of-the-art combined rule-based method returns 93%. On unseen data, LSTM returns 88% and the combined rule-based method returns 76%. In normalizing modern wordforms to historical wordforms, the LSTM delivers the best performance and returns 93.4% on seen data and 89.17% on unknown data. In this thesis, a deep investigation has been done on constructing high-performance language modeling for improving the recognition systems. A new method to construct a language model using LSTM is designed to correct OCR results. The method is applied on UWIII and Urdu script. The LSTM approach outperforms the state-of-the-art, especially for unseen tokens during training. On the UWIII dataset, the LSTM returns reduction in OCR error rates from 1.14% to 0.48%. On the Nastaleeq script in Urdu dataset, the LSTM reduces the error rate from 6.9% to 1.58%. Finally, the integration of multiple recognition outputs can give higher performance than a single recognition system. Therefore, a new method for combining the results of OCR systems is explored using WFSTs and LSTM. It uses multiple OCR outputs and votes for the best output to improve the OCR results. It performs better than the ISRI tool, Pairwise of Multiple Sequence and it helps to improve the OCR results. The purpose is to provide correct transcription so that it can be used for digitizing books, linguistics purposes, N-grams, and part-of-speech tagging. The method consists of two alignment steps. First, two recognition systems are aligned using WFSTs. The transducers are designed to be more flexible and compatible with the different symbols in line and page breaks to avoid the segmentation and misrecognition errors. The LSTM model then is used to vote the best candidate correction of the two systems and improve the incorrect tokens which are produced during the first alignment. The approaches are evaluated on OCRs output from the English UWIII and historical German Fraktur dataset which are obtained from state-of-the-art OCR systems. The Experiments show that the error rate of ISRI-Voting is 1.45%, the error rate of the Pairwise of Multiple Sequence is 1.32%, the error rate of the Line-to-Page alignment is 1.26% and the error rate of the LSTM approach has the best performance with 0.40%. The purpose of this thesis is to contribute methods providing correct transcriptions corresponding to the original book. This is considered to be the first step towards an accurate and more effective use of the documents in digital libraries.

Unter Ambient Intelligence (AmI) wird die Integration verschiedener Technologien zu einer den Menschen umgebenden, (nahezu) unsichtbaren Gesamtheit verstanden. Diese Intelligente Umgebung wird möglich durch die Miniaturisierung hochintegrierter Bauteile (Sensoren, Aktuatoren und Rechnern), deren zunehmende Intelligenz und vor allem deren lokale und globale zunehmend drahtlose Vernetzung. Unter dem Titel Man-u-Faktur 2012 (man and factoring in 2012) wurde an der Technischen Universität Kaiserslautern im Rahmen des Forschungsschwerpunkts Ambient Intelligence ein Szenario entwickelt, das ein beeindruckendes Gesamtbild einer Technik, die den Menschen in den Mittelpunkt rückt, beschreibt. Man-u-Faktur 2012 steht dabei für ein Weiterdrehen des Rads der Industrialisierung von der heute üblichen variantenreichen, technologiezentrierten Massenfertigung hin zu einer kundenindividuellen, mitarbeiterzentrierten Maßfertigung. Im Speziellen wird hierunter der Aufbau massiv verteiler kunden- aber auch mitarbeiterfreundlicher Produktionsanlagen verstanden, die sich im hochdynamischen Umfeld entsprechend der jeweiligen Gegebenheiten anzupassen wissen. Der Mensch ist überall dort präsent, wo flexibles Arbeiten oder flexible Entscheidungen im Vordergrund stehen. In diesem Bericht wird der Einfluss von Ambient Intelligence beispielhaft auf die Vision einer Fahrradproduktion in der Man-u-Faktur 2012 angewandt. Aus diesem Szenario werden anschließend sowohl die zu entwickelnden Schlüsseltechnologien als auch die Einflüsse auf Wirtschaft und Gesellschaft abgeleitet.