<?xml version="1.0" encoding="UTF-8"?>
<rss xmlns:dc="http://purl.org/dc/elements/1.1/" version="2.0">
  <channel>
    <title>EconStor Collection:</title>
    <link>https://hdl.handle.net/10419/43697</link>
    <description />
    <pubDate>Thu, 30 Apr 2026 10:47:21 GMT</pubDate>
    <dc:date>2026-04-30T10:47:21Z</dc:date>
    <item>
      <title>Collaborative filtering recommender systems: Methods, strengths and weaknesses</title>
      <link>https://hdl.handle.net/10419/315753</link>
      <description>Title: Collaborative filtering recommender systems: Methods, strengths and weaknesses
Authors: Schmidtke, Marcel; Neeb, Jannik; Wöhner, Thomas
Abstract: Recommender systems are indispensable in e-business due to the extensive product range and the large number of niche articles. Collaborative filtering (CF) algorithms play a central role in generating personalised recommendations. There are numerous CF approaches in the literature that have specific advantages and limitations. The aim of this article is to provide a comprehensive overview of the characteristics of model- and memory-based CF methods through a systematic literature analysis of 62 scientific papers. The analysis shows that memory-based approaches are convincing due to their simple implementation and interpretability but exhibit scaling problems as well as susceptibility to data sparsity and the cold start problem. Model-based methods, on the other hand, offer greater scalability and robustness against data sparsity, but require a more complex implementation, higher computing power and complicate the interpretation of results.</description>
      <pubDate>Wed, 01 Jan 2025 00:00:00 GMT</pubDate>
      <guid isPermaLink="false">https://hdl.handle.net/10419/315753</guid>
      <dc:date>2025-01-01T00:00:00Z</dc:date>
    </item>
    <item>
      <title>Szenarien für den Stahlschrottbedarf der deutschen Stahlindustrie</title>
      <link>https://hdl.handle.net/10419/321885</link>
      <description>Title: Szenarien für den Stahlschrottbedarf der deutschen Stahlindustrie
Authors: Hartung, Maik; Pothen, Frank; Hundt, Carolin
Abstract: Der Einsatz von Stahlschrott als Rohstoff der Stahlherstellung vermeidet Treibhausgasemissionen (THG) in erheblichem Umfang. Ambitionierte Klimaziele lassen somit einen steigenden Bedarf an Stahlschrott erwarten. Diese Studie quantifiziert plausible Bandbreiten für den Stahlschrottbedarf der deutschen Stahlindustrie bis 2045 als Zieljahr der angestrebten Klimaneutralität. Der Bedarf wird maßgeblich durch die Rohstahlproduktion, die Zusammensetzung der Verfahrensrouten sowie deren Schrotteinsatzquoten bestimmt. Um den erheblichen Unsicherheiten bei der Entwicklung dieser Faktoren Rechnung zu tragen, werden Szenarien entwickelt. Die Annahmen hinter diesen Szenarien basieren auf der Auswertung von Transformationsstudien und Trends sowie ergänzenden Annahmen. Der mögliche Stahlschrottbedarf wird für die Stichjahre 2030 und 2045 abgeleitet. Die Szenarien suggerieren, dass die Bandbreite des Stahlschrottbedarfs im Jahr 2030 zwischen 17,0 Mio. t und 22,7 Mio. t liegt. 2045 liegt sie zwischen 14,9 Mio. t und 27,6 Mio. t. Zum Vergleich: von 2015 bis 2023 wurden in Deutschland durchschnittlich 17,2 Mio. t Stahlschrott pro Jahr eingesetzt. Der Bedarf an hochwertigem, wenig verunreinigten Schrott für die Primärproduktion von Stahl liegt 2030 zwischen 4,3 Mio. t und 7,7 Mio. t und 2045 zwischen 2,7 Mio. t und 10,1 Mio. t. Von 2015 bis 2023 wurden durchschnittlich 4,8 Mio. t Schrott in der Hochofenroute eingesetzt. Diese Ergebnisse deuten auf einen steigenden Stahlschrottbedarf in Deutschland hin. Knappheit ist primär bei hochwertigem Schrott zu erwarten, sowohl durch einen steigenden Bedarf als auch durch eine fallende Verfügbarkeit. Technischer Fortschritt bei der Sammlung, Sortierung und Aufbereitung von Stahlschrott sowie Importe von hochwertigem Schrott könnten diese (mögliche) Knappheit reduzieren. Die tatsächliche Stahlschrottnachfrage und - knappheit wird ein Marktergebnis sein.</description>
      <pubDate>Wed, 01 Jan 2025 00:00:00 GMT</pubDate>
      <guid isPermaLink="false">https://hdl.handle.net/10419/321885</guid>
      <dc:date>2025-01-01T00:00:00Z</dc:date>
    </item>
    <item>
      <title>Auswirkungen der Digitalisierung auf die Arbeit und Gesundheit von Beschäftigten im Freistaat Thüringen: Ergebnisse der Befragung durch das Interventionsprojekt "Digitale Arbeit erfolgreich gesund gestalten"</title>
      <link>https://hdl.handle.net/10419/270742</link>
      <description>Title: Auswirkungen der Digitalisierung auf die Arbeit und Gesundheit von Beschäftigten im Freistaat Thüringen: Ergebnisse der Befragung durch das Interventionsprojekt "Digitale Arbeit erfolgreich gesund gestalten"
Authors: Hoppe, Annika
Abstract: Die vorliegende Veröffentlichung trägt aktuelle Daten und Erkenntnisse zur Auswirkung der Digitalisierung auf die Arbeitswelt und den Gesundheitszustand von  Erwerbstätigen im Freistaat Thüringen zusammen. Die Publikation vermittelt einen exemplarischen Überblick über momentane Entwicklungen, Chancen, Herausforderungen und Handlungsfelder, die im Zuge der Digitalisierung ausgemacht werden. Die Erfassung dieser Daten erfolgte anhand eines Online-Fragebogens in einem Zeitraum vom 01. Juni 2021 bis zum 06. September 2021 durch das Interventionsprojekt 'Digitale Arbeit erfolgreich gesund gestalten'. Wie die Daten dieser Erhebung nahelegen, ist die Digitalisierung in der Erwerbsbevölkerung in Thüringen angekommen und führt in diesem Zusammenhang zu gesundheitlichen Veränderungen.</description>
      <pubDate>Sun, 01 Jan 2023 00:00:00 GMT</pubDate>
      <guid isPermaLink="false">https://hdl.handle.net/10419/270742</guid>
      <dc:date>2023-01-01T00:00:00Z</dc:date>
    </item>
    <item>
      <title>Epirus: Ein Modell zur Verbreitung von Infektionskrankheiten auf Basis des sozialen Graphen</title>
      <link>https://hdl.handle.net/10419/215827</link>
      <description>Title: Epirus: Ein Modell zur Verbreitung von Infektionskrankheiten auf Basis des sozialen Graphen
Authors: Wöhner, Thomas; Scholz, Michael
Abstract: Im Zuge der Corona-Pandemie im Jahr 2020 stellt sich die Frage, wie sich die Verbreitung von Infektionskrankheiten unter Anwendung von Infektionsschutzmaßnahmen prognostizieren lässt. Das in der Epidemiologie weit verbreitete SIR-Modell liefert darauf nur bedingt eine Antwort, da die Struktur und die Anzahl der sozialen Kontakte nicht direkt in das Modell eingehen. Im Rahmen dieses Beitrags wird daher das Epirus-Modell vorgestellt, das auf dem Modell von Wöhner et al. (2020) zur Untersuchung der ökonomischen Auswirkungen des viralen Marketings basiert. Durch das Epirus-Modell lassen sich die Wirksamkeit von Infektionsschutzmaßnahmen wie räumliche und soziale Distanzierung, Impfschutz und Quarantänemaßnahmen untersuchen. Das Modell erfüllt eine Prognosefunktion und kann daher Unterstützung bei der Material- und Personalplanung beispielsweise in medizinischen Einrichtungen bieten.</description>
      <pubDate>Wed, 01 Jan 2020 00:00:00 GMT</pubDate>
      <guid isPermaLink="false">https://hdl.handle.net/10419/215827</guid>
      <dc:date>2020-01-01T00:00:00Z</dc:date>
    </item>
  </channel>
</rss>

