Domain mlhm.de kaufen?
Wir ziehen mit dem Projekt
mlhm.de um.
Sind Sie am Kauf der Domain
mlhm.de interessiert?
domain@kv-gmbh.de · 0541-91531010
Domain mlhm.de kaufen?
Wie funktioniert Big Data Analytics?
Wie funktioniert Big Data Analytics? Big Data Analytics beinhaltet die Verarbeitung und Analyse großer Mengen von Daten, um Muster, Trends und Erkenntnisse zu identifizieren. Zunächst werden die Daten gesammelt und gespeichert, dann werden sie mithilfe von speziellen Tools und Algorithmen analysiert. Durch den Einsatz von Data Mining, maschinellem Lernen und künstlicher Intelligenz können Unternehmen wertvolle Einblicke gewinnen und fundierte Entscheidungen treffen. Die Ergebnisse der Analyse können für verschiedene Anwendungen genutzt werden, wie z.B. zur Verbesserung von Produkten und Dienstleistungen, zur Optimierung von Geschäftsprozessen oder zur Vorhersage von zukünftigen Entwicklungen. **
Wie können Big Data Analytics-Technologien im Projektmanagement eingesetzt werden?
Big Data Analytics-Technologien können im Projektmanagement eingesetzt werden, um große Mengen an Daten aus verschiedenen Quellen zu sammeln und zu analysieren. Dies ermöglicht es Projektmanagern, Trends und Muster zu erkennen, Risiken frühzeitig zu identifizieren und fundierte Entscheidungen zu treffen. Darüber hinaus können Big Data Analytics-Technologien auch zur Vorhersage von Projektverzögerungen oder zur Optimierung von Ressourcen eingesetzt werden. **
Ähnliche Suchbegriffe für Data-Analytics-in-Professional
Top-Angebote
Produkte zum Begriff Data-Analytics-in-Professional:
-
Data Analytics in e-Learning: Approaches and Applications, FachbücherDas Buch "Data Analytics in e-Learning: Approaches and Applications" bietet eine umfassende Untersuchung der Forschung und Entwicklung im Bereich der Datenanalyse-Workflows, die spezifische Herausforderungen im Bereich der E-Learning-Anwendungen adressieren. Es dient als Leitfaden für den Aufbau eines Datenanalyse-Workflows von Grund auf. Jedes Kapitel behandelt einen Schritt des gesamten Workflows, beginnend mit einem verfügbaren Datensatz und fortschreitend über den Aufbau interpretierbarer Modelle bis hin zur Verbesserung dieser Modelle und der Bewertung von Engagement und Benutzerfreundlichkeit. Das Buch hebt hervor, dass viele Studien sich auf den Einsatz von maschinellem Lernen in E-Learning-Systemen konzentrieren, jedoch eine detaillierte Roadmap von den Rohdaten bis zu den Aspekten des Engagements und der Benutzerfreundlichkeit fehlt. Praktische Beispiele und Richtlinien werden bereitgestellt, um neue Algorithmen zu entwerfen und zu implementieren, die spezifische Probleme oder Funktionen adressieren. Diese Roadmap stellt eine wertvolle Ressource für Forscher und Praktiker im Bereich Educational Data Mining und Learning Analytics dar.171,19 €*Versand: 0,00 €Sichere Weiterleitung zum Anbieter
-
Chabert, Antoine: SAP Analytics Cloud: Predictive AnalyticsSAP Analytics Cloud: Predictive Analytics , Today's organizations must be prepared for tomorrow's events. Forecast future behavior in SAP Analytics Cloud with this comprehensive guide to predictive analytics! Start by learning about the data types, scenarios, and methods used in predictive analytics projects. Then follow step-by-step instructions to build, analyze, and apply predictive models to your business data using classification, time series forecasting, and regression analysis. Automate your models and dive into the data science with this all-in-one guide! In this book, you'll learn about: a. Predictive Scenarios and Projects Understand the basics of predictive analytics in SAP Analytics Cloud: scenarios, data types, and actions. Then plan your predictive project, including identifying the key stakeholders and reviewing the methodology. b. Build, Train, Analyze, and Apply Master predictive models from end to end. Create classification, time series, and regression models; then train them to identify business patterns. Analyze and apply the results of your models to data in SAP Analytics Cloud. c. Practical Demonstrations See predictive analytics in action! Identify use cases for predictive modeling. For each data model, understand practical applications through curated examples with sample business data. Highlights include: 1) Predictive scenarios 2) Predictive forecasts 3) Data modeling 4) Planning 5) Time series model 6) Classification model 7) Regression model 8) Multi-actions 9) Data science 10) Stories and dashboards , Sport-Gewindefahrwerk > Sportfederung , Erscheinungsjahr: 20240806, Titel der Reihe: SAP Press Englisch##, Autoren: Chabert, Antoine~Serre, David, Seitenzahl/Blattzahl: 315, Themenüberschrift: COMPUTERS / General, Keyword: SAP Analytics Cloud (SAC); classification model; predictive analytics; regression model; time series model, Fachschema: EDV / Theorie / Allgemeines~Informatik~Internet~Surfen (Internet), Fachkategorie: Informatik~Computernetzwerke und maschinelle Kommunikation, Warengruppe: HC/Datenkommunikation/Netze/Mailboxen, UNSPSC: 49019900, Warenverzeichnis für die Außenhandelsstatistik: 49019900, Länge: 262, Breite: 187, Höhe: 22, Gewicht: 752, Produktform: Gebunden, Genre: Importe,89,95 €*Versand: 0,00 €Sichere Weiterleitung zum Anbieter
-
Was bietet bessere Chancen auf dem Arbeitsmarkt: die Entwicklung einer Data Analytics App oder Web Development?
Es ist schwierig, eine eindeutige Antwort zu geben, da dies von verschiedenen Faktoren abhängt, wie zum Beispiel dem aktuellen Bedarf auf dem Arbeitsmarkt, den individuellen Fähigkeiten und Erfahrungen des Einzelnen sowie den spezifischen Anforderungen der jeweiligen Branche. Data Analytics ist ein wachsender Bereich, da Unternehmen verstärkt datengetriebene Entscheidungen treffen möchten. Auf der anderen Seite ist Webentwicklung nach wie vor sehr gefragt, da Unternehmen eine starke Online-Präsenz benötigen. Es kann daher sinnvoll sein, die Nachfrage in Ihrer Region und Ihre persönlichen Interessen und Fähigkeiten zu berücksichtigen, um die besten Chancen auf dem Arbeitsmarkt zu ermitteln. **
-
Wie verwendet man Google Analytics zur Analyse von Website-Traffic und zur Verbesserung der Benutzererfahrung?
1. Google Analytics installieren und auf der Website einrichten, um Daten über den Website-Traffic zu sammeln. 2. Die Daten analysieren, um zu verstehen, wie Nutzer auf die Website gelangen, welche Seiten sie besuchen und wie lange sie bleiben. 3. Basierend auf den Erkenntnissen aus der Analyse können Anpassungen an der Website vorgenommen werden, um die Benutzererfahrung zu verbessern und die Conversion-Rate zu steigern. **
-
Was ist der Unterschied zwischen dem Bachelor of Science (B.Sc.) in Data Science und dem Bachelor of Science (B.Sc.) in Business Analytics?
Der Bachelor of Science (B.Sc.) in Data Science konzentriert sich auf die mathematischen und statistischen Grundlagen der Datenanalyse sowie auf die Programmierung und Datenvisualisierung. Es ist ein breiterer Studiengang, der verschiedene Aspekte der Datenwissenschaft abdeckt. Der Bachelor of Science (B.Sc.) in Business Analytics hingegen legt den Schwerpunkt auf die Anwendung von Datenanalysetechniken und -tools in einem betriebswirtschaftlichen Kontext. Es befasst sich mit der Nutzung von Daten, um Geschäftsprozesse zu verbessern, Entscheidungen zu treffen und Geschäftsstrategien zu entwickeln. Obwohl es einige Überschneidungen gibt, liegt der Hauptunterschied zwischen den beiden Studiengängen in ihrem Fokus und ihrer Anwendung. Der B.Sc. in Data Science ist allgemeiner und kann in verschiedenen **
-
Was ist eine Dimension in Google Analytics?
In Google Analytics bezieht sich eine Dimension auf die Attribute oder Merkmale, anhand derer Daten analysiert werden können. Beispiele für Dimensionen sind beispielsweise Seitenaufrufe, Gerätetypen oder geografische Standorte. Durch die Verwendung von Dimensionen können Nutzer die Daten in Berichten segmentieren und analysieren, um Einblicke in das Nutzerverhalten zu gewinnen. Dimensionen sind wichtig, um die Leistung einer Website oder einer App besser zu verstehen und Optimierungsmöglichkeiten zu identifizieren. **
Was ist ein Messwert in Google Analytics?
Was ist ein Messwert in Google Analytics? Ein Messwert in Google Analytics ist eine quantitative Kennzahl, die Informationen über das Verhalten der Nutzer auf einer Website liefert. Beispiele für Messwerte sind die Anzahl der Seitenaufrufe, die Verweildauer auf der Website, die Absprungrate oder die Conversion-Rate. Diese Messwerte helfen dabei, den Erfolg einer Website zu analysieren und Optimierungspotenziale zu identifizieren. Sie dienen als Grundlage für datenbasierte Entscheidungen im Online-Marketing und der Website-Optimierung. **
Welche Quellen sind in Google Analytics verfügbar?
In Google Analytics stehen verschiedene Arten von Datenquellen zur Verfügung, um Informationen über den Website- oder App-Traffic zu sammeln. Dazu gehören unter anderem direkter Traffic, organische Suche, bezahlte Suche, Verweise von anderen Websites, soziale Medien, E-Mail-Marketing und Werbekampagnen. Diese Quellen ermöglichen es, den Ursprung und die Wege der Nutzer auf der Website oder in der App nachzuverfolgen und zu analysieren. Durch die Auswertung dieser verschiedenen Quellen können Unternehmen wichtige Erkenntnisse über das Nutzerverhalten gewinnen und ihre Marketingstrategien entsprechend anpassen. Welche Quellen letztendlich in Google Analytics verfügbar sind, hängt auch davon ab, welche Tracking-Codes und Integrationen auf der Website oder in der App implementiert wurden. **
Top-Angebote
Produkte zum Begriff Data-Analytics-in-Professional:
-
Data Analytics in Professional Soccer, Fachbücher von Daniel LinkDaniel Link untersucht, wie Datenanalytik zur Analyse der Leistung im Fussball eingesetzt werden kann. Basierend auf spatiotemporalen Daten aus der deutschen Bundesliga präsentieren die sechs einzelnen Studien in diesem Buch innovative mathematische Ansätze zur Spielanalyse und Spielerbewertung. Die Ergebnisse können Trainern und Analysten helfen, die Leistung ihrer Athleten zu verbessern, und andere Forscher dazu inspirieren, das Forschungsfeld der Sportanalytik voranzutreiben. Inhalt: - Individueller Ballbesitz im Fussball - Echtzeitquantifizierung von Gefährlichkeit - Eine Topographie der Freistösse - Die Bedeutung des Spiels beeinflusst die Aktivität - Der Einfluss der Umgebungstemperatur auf das Tempo hängt vom Fähigkeitsniveau ab - Verschwindende Sprays reduzieren das Ausmass von Regelverstössen Zielgruppen: Dozenten und Studierende der Sportwissenschaft, Datenanalytik, Informatik; Experten im Bereich Sportdaten, Buchmacher, Medienunternehmen, Sportberichterstattung, Trainer und Sportanalysten. Der Autor: Dr. Daniel Link ist Dozent und Forscher im Bereich Sportanalytik. Er ist seit 2010 am Department für Sport- und Gesundheitswissenschaften der Technischen Universität München (TUM) tätig. Seine Forschung konzentriert sich auf die Leistungsanalyse im Mannschaftssport, einschliesslich technologischer Aspekte der Datenerfassung sowie der Modellierung von Phänomenen im Sport. Er unterstützt Spitzenteams und Sportverbände bei der Implementierung neuer Ansätze in der Spielanalyse.90,94 €*Versand: 0,00 €Sichere Weiterleitung zum Anbieter
-
Data Analytics in e-Learning: Approaches and Applications, FachbücherDas Buch "Data Analytics in e-Learning: Approaches and Applications" bietet eine umfassende Untersuchung der Forschung und Entwicklung im Bereich der Datenanalyse-Workflows, die spezifische Herausforderungen im Bereich der E-Learning-Anwendungen adressieren. Es dient als Leitfaden für den Aufbau eines Datenanalyse-Workflows von Grund auf. Jedes Kapitel behandelt einen Schritt des gesamten Workflows, beginnend mit einem verfügbaren Datensatz und fortschreitend über den Aufbau interpretierbarer Modelle bis hin zur Verbesserung dieser Modelle und der Bewertung von Engagement und Benutzerfreundlichkeit. Das Buch hebt hervor, dass viele Studien sich auf den Einsatz von maschinellem Lernen in E-Learning-Systemen konzentrieren, jedoch eine detaillierte Roadmap von den Rohdaten bis zu den Aspekten des Engagements und der Benutzerfreundlichkeit fehlt. Praktische Beispiele und Richtlinien werden bereitgestellt, um neue Algorithmen zu entwerfen und zu implementieren, die spezifische Probleme oder Funktionen adressieren. Diese Roadmap stellt eine wertvolle Ressource für Forscher und Praktiker im Bereich Educational Data Mining und Learning Analytics dar.171,19 €*Versand: 0,00 €Sichere Weiterleitung zum Anbieter
-
Chabert, Antoine: SAP Analytics Cloud: Predictive AnalyticsSAP Analytics Cloud: Predictive Analytics , Today's organizations must be prepared for tomorrow's events. Forecast future behavior in SAP Analytics Cloud with this comprehensive guide to predictive analytics! Start by learning about the data types, scenarios, and methods used in predictive analytics projects. Then follow step-by-step instructions to build, analyze, and apply predictive models to your business data using classification, time series forecasting, and regression analysis. Automate your models and dive into the data science with this all-in-one guide! In this book, you'll learn about: a. Predictive Scenarios and Projects Understand the basics of predictive analytics in SAP Analytics Cloud: scenarios, data types, and actions. Then plan your predictive project, including identifying the key stakeholders and reviewing the methodology. b. Build, Train, Analyze, and Apply Master predictive models from end to end. Create classification, time series, and regression models; then train them to identify business patterns. Analyze and apply the results of your models to data in SAP Analytics Cloud. c. Practical Demonstrations See predictive analytics in action! Identify use cases for predictive modeling. For each data model, understand practical applications through curated examples with sample business data. Highlights include: 1) Predictive scenarios 2) Predictive forecasts 3) Data modeling 4) Planning 5) Time series model 6) Classification model 7) Regression model 8) Multi-actions 9) Data science 10) Stories and dashboards , Sport-Gewindefahrwerk > Sportfederung , Erscheinungsjahr: 20240806, Titel der Reihe: SAP Press Englisch##, Autoren: Chabert, Antoine~Serre, David, Seitenzahl/Blattzahl: 315, Themenüberschrift: COMPUTERS / General, Keyword: SAP Analytics Cloud (SAC); classification model; predictive analytics; regression model; time series model, Fachschema: EDV / Theorie / Allgemeines~Informatik~Internet~Surfen (Internet), Fachkategorie: Informatik~Computernetzwerke und maschinelle Kommunikation, Warengruppe: HC/Datenkommunikation/Netze/Mailboxen, UNSPSC: 49019900, Warenverzeichnis für die Außenhandelsstatistik: 49019900, Länge: 262, Breite: 187, Höhe: 22, Gewicht: 752, Produktform: Gebunden, Genre: Importe,89,95 €*Versand: 0,00 €Sichere Weiterleitung zum Anbieter
-
Wie funktioniert Big Data Analytics?
Wie funktioniert Big Data Analytics? Big Data Analytics beinhaltet die Verarbeitung und Analyse großer Mengen von Daten, um Muster, Trends und Erkenntnisse zu identifizieren. Zunächst werden die Daten gesammelt und gespeichert, dann werden sie mithilfe von speziellen Tools und Algorithmen analysiert. Durch den Einsatz von Data Mining, maschinellem Lernen und künstlicher Intelligenz können Unternehmen wertvolle Einblicke gewinnen und fundierte Entscheidungen treffen. Die Ergebnisse der Analyse können für verschiedene Anwendungen genutzt werden, wie z.B. zur Verbesserung von Produkten und Dienstleistungen, zur Optimierung von Geschäftsprozessen oder zur Vorhersage von zukünftigen Entwicklungen. **
-
Wie können Big Data Analytics-Technologien im Projektmanagement eingesetzt werden?
Big Data Analytics-Technologien können im Projektmanagement eingesetzt werden, um große Mengen an Daten aus verschiedenen Quellen zu sammeln und zu analysieren. Dies ermöglicht es Projektmanagern, Trends und Muster zu erkennen, Risiken frühzeitig zu identifizieren und fundierte Entscheidungen zu treffen. Darüber hinaus können Big Data Analytics-Technologien auch zur Vorhersage von Projektverzögerungen oder zur Optimierung von Ressourcen eingesetzt werden. **
-
Was bietet bessere Chancen auf dem Arbeitsmarkt: die Entwicklung einer Data Analytics App oder Web Development?
Es ist schwierig, eine eindeutige Antwort zu geben, da dies von verschiedenen Faktoren abhängt, wie zum Beispiel dem aktuellen Bedarf auf dem Arbeitsmarkt, den individuellen Fähigkeiten und Erfahrungen des Einzelnen sowie den spezifischen Anforderungen der jeweiligen Branche. Data Analytics ist ein wachsender Bereich, da Unternehmen verstärkt datengetriebene Entscheidungen treffen möchten. Auf der anderen Seite ist Webentwicklung nach wie vor sehr gefragt, da Unternehmen eine starke Online-Präsenz benötigen. Es kann daher sinnvoll sein, die Nachfrage in Ihrer Region und Ihre persönlichen Interessen und Fähigkeiten zu berücksichtigen, um die besten Chancen auf dem Arbeitsmarkt zu ermitteln. **
-
Wie verwendet man Google Analytics zur Analyse von Website-Traffic und zur Verbesserung der Benutzererfahrung?
1. Google Analytics installieren und auf der Website einrichten, um Daten über den Website-Traffic zu sammeln. 2. Die Daten analysieren, um zu verstehen, wie Nutzer auf die Website gelangen, welche Seiten sie besuchen und wie lange sie bleiben. 3. Basierend auf den Erkenntnissen aus der Analyse können Anpassungen an der Website vorgenommen werden, um die Benutzererfahrung zu verbessern und die Conversion-Rate zu steigern. **
Ähnliche Suchbegriffe für Data-Analytics-in-Professional
-
Data Analytics, Fachbücher von Johannes KröckelEiner der Schwerpunkte von Industrie 4.0 ist die Integration von Big Data Technologien in Fertigung und Logistik. Auf Basis von bestehenden meist ungenutzten sowie zusätzlich aufgezeichneten Daten ergeben sich ungeahnte Potenziale für Effizienzsteigerungen und Kostensenkungen. Neue digitale Produkte und Dienstleistungen ermöglichen produzierenden Unternehmen darüber hinaus neue gewinnbringende Geschäftsmodelle, mit denen sie Kundenbedürfnisse noch besser abdecken bzw. neue Kunden akquirieren können. Dabei spielen effiziente Machine Learning Algorithmen für die automatisierte, objektive, zuverlässige und schnelle Verarbeitung und Auswertung grosser industrieller Datenmengen eine zentrale Rolle. Das Buch führt Businessziele und analytische Lösungswege in pragmatischer Art und Weise zusammen. Es bietet nicht nur einen guten Überblick zu den in der Fertigung und Logistik anwendbaren Data Mining Algorithmen, sondern liefert auch konkrete Use Cases, die mit diesen Algorithmen erfolgreich umgesetzt werden können. • Rollen und Teamstruktur • Vorgehen • Daten • Handwerkszeug (Algorithmen und Methoden) • Use Cases aus dem Bereich Produktion und Logistik.49,80 €*Versand: 0,00 €Sichere Weiterleitung zum Anbieter
-
Advances in Big Data Analytics, Fachbücher von Yong ShiDas Buch "Advances in Big Data Analytics" bietet eine umfassende und moderne Untersuchung der Big Data-Analyse, die auf den Forschungsergebnissen und Anwendungen basiert, die von dem Autor und seinen Kollegen in verwandten Bereichen entwickelt wurden. Es behandelt zentrale Konzepte der Big Data-Analyse und der Datenwissenschaft, einschliesslich mehrkriterieller Optimierung für das Lernen, Experten- und regelbasierte Datenanalyse sowie verschiedene Methoden wie Support Vector Machines zur Klassifikation und Sentiment-Analyse. Darüber hinaus werden die praktischen Anwendungen von Big Data in den Bereichen Wirtschaft, Ingenieurwesen und Gesundheitswesen erörtert. Ein fortgeschrittenes Thema, das behandelt wird, sind Intelligenzquotient-Tests für künstliche Intelligenz. Die in diesem Buch präsentierten Algorithmen, Verfahren und empirischen Studien bieten einen umfassenden Überblick über die Entwicklungen im Bereich Big Data und sind sowohl für Studierende als auch für Praktiker von Nutzen.181,89 €*Versand: 0,00 €Sichere Weiterleitung zum Anbieter
-
Was ist der Unterschied zwischen dem Bachelor of Science (B.Sc.) in Data Science und dem Bachelor of Science (B.Sc.) in Business Analytics?
Der Bachelor of Science (B.Sc.) in Data Science konzentriert sich auf die mathematischen und statistischen Grundlagen der Datenanalyse sowie auf die Programmierung und Datenvisualisierung. Es ist ein breiterer Studiengang, der verschiedene Aspekte der Datenwissenschaft abdeckt. Der Bachelor of Science (B.Sc.) in Business Analytics hingegen legt den Schwerpunkt auf die Anwendung von Datenanalysetechniken und -tools in einem betriebswirtschaftlichen Kontext. Es befasst sich mit der Nutzung von Daten, um Geschäftsprozesse zu verbessern, Entscheidungen zu treffen und Geschäftsstrategien zu entwickeln. Obwohl es einige Überschneidungen gibt, liegt der Hauptunterschied zwischen den beiden Studiengängen in ihrem Fokus und ihrer Anwendung. Der B.Sc. in Data Science ist allgemeiner und kann in verschiedenen **
-
Was ist eine Dimension in Google Analytics?
In Google Analytics bezieht sich eine Dimension auf die Attribute oder Merkmale, anhand derer Daten analysiert werden können. Beispiele für Dimensionen sind beispielsweise Seitenaufrufe, Gerätetypen oder geografische Standorte. Durch die Verwendung von Dimensionen können Nutzer die Daten in Berichten segmentieren und analysieren, um Einblicke in das Nutzerverhalten zu gewinnen. Dimensionen sind wichtig, um die Leistung einer Website oder einer App besser zu verstehen und Optimierungsmöglichkeiten zu identifizieren. **
-
Was ist ein Messwert in Google Analytics?
Was ist ein Messwert in Google Analytics? Ein Messwert in Google Analytics ist eine quantitative Kennzahl, die Informationen über das Verhalten der Nutzer auf einer Website liefert. Beispiele für Messwerte sind die Anzahl der Seitenaufrufe, die Verweildauer auf der Website, die Absprungrate oder die Conversion-Rate. Diese Messwerte helfen dabei, den Erfolg einer Website zu analysieren und Optimierungspotenziale zu identifizieren. Sie dienen als Grundlage für datenbasierte Entscheidungen im Online-Marketing und der Website-Optimierung. **
-
Welche Quellen sind in Google Analytics verfügbar?
In Google Analytics stehen verschiedene Arten von Datenquellen zur Verfügung, um Informationen über den Website- oder App-Traffic zu sammeln. Dazu gehören unter anderem direkter Traffic, organische Suche, bezahlte Suche, Verweise von anderen Websites, soziale Medien, E-Mail-Marketing und Werbekampagnen. Diese Quellen ermöglichen es, den Ursprung und die Wege der Nutzer auf der Website oder in der App nachzuverfolgen und zu analysieren. Durch die Auswertung dieser verschiedenen Quellen können Unternehmen wichtige Erkenntnisse über das Nutzerverhalten gewinnen und ihre Marketingstrategien entsprechend anpassen. Welche Quellen letztendlich in Google Analytics verfügbar sind, hängt auch davon ab, welche Tracking-Codes und Integrationen auf der Website oder in der App implementiert wurden. **
* Alle Preise verstehen sich inklusive der gesetzlichen Mehrwertsteuer und ggf. zuzüglich Versandkosten. Die Angebotsinformationen basieren auf den Angaben des jeweiligen Shops und werden über automatisierte Prozesse aktualisiert. Eine Aktualisierung in Echtzeit findet nicht statt, so dass es im Einzelfall zu Abweichungen kommen kann. ** Hinweis: Teile dieses Inhalts wurden von KI erstellt.