Podcasts about teilmenge

Generell empfinde ich es als anstrengend, wenn die erbärmliche Podcastkonkurrenz damit wirbt, dass sie ein "Laberpodcast" sind. Aber wenn wir uns das Konzept mal sezieren: Laberpodcast = kein Plan, keine Vorbereitung, kein roter Faden, gar kein Faden, Menschen, die während des Aufnehmens Brot und Wein verkonsumieren. Trifft alles auch auf uns bzw. auf eine Teilmenge von uns zu. Aber: Monsieur Beer und Frau Liebe sind echt. Wir nehmen das Gespräch zum Anlass Dinge, Erlebnisse und Traumata aufzuarbeiten und noch näher zusammenzuwachsen. Das ist der Unterschied. Redet miteinander, nehmt euch ernst, hört euch gegenseitig zu und genießt den Wert einer Unterhaltung mit einem lieben Menschen. 

Nach eineinhalb Jahren Kampf gegen das Corona-Regime werden Abnutzungserscheinungen deutlich — wir können jedoch von älteren Bewegungen lernen.Ein Kommentar von Hermann Ploppa.Quo vadis, Demokratiebewegung? Anderthalb Jahre sind vergangen, in denen wir uns abgearbeitet haben an einem dekadenten Regime, für das der Name Merkel Synonym geworden ist. Wer hätte sich bei ihrem Amtsantritt vorstellen können, dass diese untersetzte, biedere Frau aus der Uckermark einmal für Monstrositäten der Superlative verantwortlich sein würde? Anfangs hatte es noch ein bisschen Spaß gemacht, denn wir dachten im sonnigen Sommer der Demokratie des Jahres 2020, der surreale Maskenspuk wäre bald vorbei. Dergleichen sei den Massen nicht mehr lange zu vermitteln. Als der Autor am 29. August 2020 in Berlin auf der Ballweg-Bühne stand und die unglaubliche Masse der Protestierenden sah, empfand er, dass diese der Machtanmaßungen einer kriminellen Politikerclique haushoch überlegen seien. Wir sind es in vieler Hinsicht noch immer. Aber dass mit primitivsten Gewaltmitteln, zu denen auch unhaltbare mediale Lügen gehörten, einfach weiter gepulvert wurde, bis das Land wirtschaftlich wie psychisch am Boden war, das überraschte uns alle. „Nach uns die Sintflut“ schien das Motto dieses Totalabrisses zu sein — offenbar nur dazu inszeniert, um die eigenen kranken, niederen Instinkte zu befriedigen, solange es irgendwie geht. Unsere Erschöpfung ist kein Zufall: Die Gegenseite führt einen ebenso banalen wie gewalttätigen Abnutzungskrieg gegen die eigene Bevölkerung, ohne Rücksicht auf Verluste.Wir sind ratlos. Zudem folgte auf das traumhafte Wetter des letzten Jahres ein meteorologisches Inferno, das die körpereigenen Glückshormone und die Immunität auch nicht gerade befördert. Viele Menschen haben so viel hilflose Wut in sich hineingefressen, dass die Gebote zur Friedfertigkeit in arge Bedrängnis geraten. Andere sind genervt von der Eitelkeit und dem Selbstdarstellungsdrang einiger Leittiere der Bewegung. Das Verdächtigungskarussell dreht sich immer schneller: Wer ist ein Maulwurf von der anderen Seite? Bewegungspromi A schickt Bewegungspromi B böse E-Mails mit vollkommen entbehrlichen Unterstellungen.Es wird eng. Denn neue Aktivisten sind in den letzten achtzehn Monaten kaum dazugekommen. Es sind immer noch dieselben Frontleute und dieselben Netzwerker im Hintergrund. Und viele von ihnen befinden sich in einem Lebensabschnitt, in dem man eigentlich eher seine Lebenserinnerungen niederschreibt. Viele haben schreckliche Erlebnisse mit einer völlig enthemmten Polizei oder einer vollkommen gesetzlos agierenden Justiz hinter sich. Nur zu verständlich, dass sie angegessen sind. Und nun wollen „die“ auch noch unsere Kinder zwangsimpfen. Jetzt geht es ans Eingemachte. Mahatma Gandhi adé. Die sollen uns mal kennenlernen!Nein. Wir müssen ruhig und friedfertig bleiben. Denn nichts wünscht die Gegenseite sich so sehr, als dass wir die Ruhe verlieren und wie der wütende Stier in die gewetzte Klinge schnauben.Die Welt braucht uns. Wir müssen womöglich bald selber Verantwortung für das Schicksal unserer Gesellschaft übernehmen. Die Implosion kommt möglicherweise schneller als gedacht. Und dann müssen wir wissen, wie es weitergeht. Bevor es andere tun, die weit weniger Moral haben als wir.Man erinnere sich mal fleißig an das Jahr 1989. Die damalige Demokratiebewegung in der DDR wurde überrascht vom plötzlichen Machtverfall der SED. Bevor die authentischen Bürgerbewegungen begriffen, dass die Türen offenstanden, hatten sich schon längst kriminelle Räuberbanden aus dem Westen in die Schaltstellen der Macht hineingeschlichen. Mit fertigem Konzept. Mit perfiden Manipulationstricks gegen die Mehrheitsmeinung in der DDR. Müssen wir das wiederholen?Schwarmintelligenz nutzenEs gibt Wege, aus der Defensive zu kommen. Die viel zitierte Schwarmintelligenz; es gibt sie. Wir müssen sie nur nutzen. Wir müssen nicht im eigenen Verschleiß leise weinend implodieren. Wir können aus früheren Bewegungen und deren Fehlern viel lernen.Wenn man sich so umschaut nach Vergleichsparametern, dann bietet sich die Bewegung der außerparlamentarischen Opposition (APO) an, die im Jahre 1968 ihren Zenit erreichte. Denn auch jene APO war die Antwort auf Zumutungen der Herrschenden.Auch die APO war eine Sammelbewegung aus unterschiedlichsten Ecken. Auch damals speiste sich die Einigkeit gegensätzlicher Lager aus dem, was man gemeinsam entschieden ablehnte. So traf man sich in der kleinsten gemeinsamen Teilmenge. Und auch hier kann man sagen, dass eine Bewegung aus der Verneinung extrem zerbrechlich ist.Kommen wir kurz auf die Zumutungen der Eliten an ihr Volk in den 1960ern zu sprechen: Schon damals wollten die Eliten der Bundesrepublik Deutschland das politische System in autoritäre Bahnen lenken. Der Vater des Wirtschaftswunders, Ludwig Erhard, sprach von der „formierten Gesellschaft“ und bezeichnete Andersdenkende als „Pinscher“. Es sollten die sogenannten „Notstandsgesetze“ durchgepeitscht werden. Durch einen ausgerufenen Notstand könnte man dann die Demokratie mit einem Knopfdruck abschaffen.Die Große Koalition aus CDU/CSU und SPD peitschte die Notstandsgesetze im Bundestag unerbittlich durch. Die Politkaste in der damaligen Bundeshauptstadt Bonn agierte immer selbstherrlicher, sodass selbst der konservative Philosoph Karl Jaspers in seinem Bestseller „Wohin treibt die Bundesrepublik?“ vor einer Transformation der Demokratie in eine Diktatur eindringlich warnte (1). Die Jugend, die nun als erste Generation in einem System aufgewachsen war, das von sich behauptete, eine Demokratie zu sein, war auf den Barrikaden, um eben diese Demokratie zu verteidigen und auszubauen.Den Jugendlichen standen unverhohlen von oben geförderten Neonazi-Organisationen, zum Beispiel der NPD, gegenüber, die ihre Interessen mit SA-ähnlichen Schlägertruppen durchzusetzen wussten. Diese ungenierte Nazi-Kumpanei der Eliten sensibilisierte die Bewegung für die Tatsache, dass eben diese Eliten eine beträchtliche Teilmenge mit den vergangenen Eliten der Nazi-Diktatur bildeten. Lange auch wurde der Holocaust in Westdeutschland unter den Teppich gekehrt.Als der Frankfurter Staatsanwalt Fritz Bauer endlich in der Mitte der 1960er Jahre Prozesse gegen die Auschwitzmörder erzwang, bekam wenigstens ein Teil der westdeutschen Bevölkerung überhaupt erst mit, was hier im deutschen Namen an monströsen Verbrechen begangen worden war.Der Glaube, in der besten aller Welten aufzuwachsen, bekam weitere Kratzer, als schockierende Bilder um die Welt gingen, wie unsere gütige Schutzmacht USA sich in Vietnam aufführte. Die verunsicherten Bildungsbürger trafen sich in evangelischen Akademien und diskutierten etliche Aschenbecher voll. Studenten forderten eine grundlegende Bildungsreform. Soziologiestudenten aus Berlin und Frankfurt transportierten Erkenntnisse über den antikolonialistischen Widerstand in der sogenannten Dritten Welt in die Diskussion (2).Überlebende Professoren aus der Weimarer Demokratie wie Ernst Bloch oder Herbert Marcuse belieferten die jungen Studenten mit hilfreicher Diagnose und Aufklärung über positive Zukunftsperspektiven, zum Beispiel mit Blochs Wälzer „Das Prinzip Hoffnung“ (3). Die Bewegung amalgamierte und erreichte für kurze Zeit ein hohes Maß an Reflexionsvermögen und Schwarmintelligenz. Radikaldemokraten, Sozialisten, Altkommunisten, Christen beider Konfessionen, Liberale und Vertreter alternativer Lebensformen zogen kurzfristig an einem Strang... hier weiterlesen: https://apolut.net/die-zweite-widerstandswelle-von-hermann-ploppaUnterstütze apolut:IBAN: DE40 8506 0000 1010 7380 26BIC: GENODEF1PR2Verwendungszweck: apolutKontoinhaber: apolut GmbHVolksbank Pirna eG_Patreon: https://www.patreon.com/apolutflattr: https://flattr.com/@apolutTipeee: https://de.tipeee.com/apolutInstagram: https://www.instagram.com/apolut_netFacebook: https://www.facebook.com/apolutTwitter: https://twitter.com/apolut_netOdysee: https://odysee.com/@apolut:a Our GDPR privacy policy was updated on August 8, 2022. Visit acast.com/privacy for more information.

#019: Wie zeitgemäß/ modern sind Lernwelten in Unternehmen? Warum sprechen alle von "New Work", aber kaum jemand setzt sich für "New Learning" ein? Wenn New Learning eine Teilmenge von New Work ist, dann sollten wir uns dringend damit befassen, welche Anforderungen modernes Lernen mit sich bringen und wie diese umgesetzt und gelebt werden können. Genau darum geht es in dieser Folge, wir wünschen dir viel Freude dabei! Wir freuen uns über dein Feedback☺️. Lasse gerne eine Bewertung da und/ oder sende uns eine Email mit Themenwünschen und auch Verbesserungsvorschlägen für unseren Podcast an: podcast@hr-pi.de. ------------------------------------ Shownotes: • Xing Insider Artikel von Nele "Alle schreien nach “New Work”, doch was ist mit “New Learning”? https://www.xing.com/news/insiders/articles/alle-schreien-nach-new-work-doch-was-ist-mit-new-learning-3582375?xng_share_origin=web • Das Hagener Manifest: https://www.fernuni-hagen.de/imperia/md/content/universitaet/hagenermanifest/hagener-manifest.pdf • Working Out Loud (WOL): https://www.hr-performance-institut.de/itm/working-out-loud-wol/ und https://workingoutloud.com/ • Unser kostenfreies Community Lunch & Learn: https://www.lunch-and-learn.community/ • Podcastfolge "Wachstum durch Feedback": https://www.hr-performance-institut.de/itm/010-wachstum-durch-feedback/ Weitere Links Nele Kreyßig (Profil & Social Media Kanäle --> vernetze dich gerne mit Nele!): https://nele.hr-pi.de Speaker-Seite: https://www.nelekreyssig.com Stefan Lapenat (Profil & Social Media Kanäle --> vernetze dich gerne mit Stefan!): https://stefan.hr-pi.de Speaker-Seite: https://www.stefanlapenat.com HERZ & Hirn Podcast: https://www.hr-performance-institut.de/herzundhirn/ HRperformance Institut: https://www.hr-performance-institut.de/

Hey, it's the Drei von der Krankstelle from Germany! Die US-Wahl ist vorbei und ein Glück ist sie so ausgegangen, dass wir uns wieder direkt mit anderen Themen beschäftigen können. Nico erzählt von seinen kurzen Erfahrungen mit dem 70€-Neckbreaker, bevor wir uns in die Welt der Pixi-Bücher und Dixi-Hefte hinablassen. Wieso (zum Teufel) findet man Reclam-Bücher nur in der Lernhilfen-Ecke? Was hat Pam Ripe in Stuttgarter Sportparks zu suchen? Und warum wird die gefährlichste Frucht der Märchen- und Christenwelt, der Apfel, von uns Deutschen so wenig geschätzt? Das ist - kein Scherz - nur eine geringe Teilmenge unserer Themen der heutigen Folge und wenn ihr zusätzlich zu diesen noch etwas über Selbstoptimierung mit Fingerfarbe, Sixt-Werbung und Karōshi erfahren wollt, dann schaltet ein!

Gudrun spricht mit Sebastian Lerch vom Institut für Stochastik in der KIT-Fakultät für Mathematik. Vor einiger Zeit - Anfang 2015 - hatten die beiden schon darüber gesprochen, wie extreme Wetterereignisse stochastisch modelliert werden können. Diesmal geht es um eine Lehrveranstaltung, die Sebastian extra konzipiert hat, um für Promovierende aller Fachrichtungen am KIT eine Einführung in Machine Learning zu ermöglichen. Der Rahmen hierfür ist die Graduiertenschule MathSEED, die ein Teil des im Oktober 2018 gegründeten KIT-Zentrums MathSEE ist. Es gab schon lange (und vielleicht immer) Angebote am KIT, die insbesondere Ingenieure an moderne Mathematik heranführten, weil sie deren Methoden schon in der Masterphase oder spätestens während der Promotion brauchten, aber nicht durch die klassischen Inhalten der Höheren Mathematik abgedeckt werden. All das wird nun gebündelt und ergänzt unter dem Dach von MathSEED. Außerdem funktioniert das nun in beide Richtungen: Mathematiker:innen, werden ebenso zu einführenden Angeboten der anderen beteiligten Fakultäten eingeladen. Das Thema Maschinelles Lernen und Künstliche Intelligenz war ganz oben auf der Wunschliste für neu zu schaffende Angebote. Im Februar 2020 hat Sebastian diese Vorlesung erstmalig konzipiert und gehalten - die Übungen wurden von Eva-Maria Walz betreut. Die Veranstaltung wird im Herbst 2020 wieder angeboten. Es ist nicht ganz einfach, die unterschiedlichen Begriffe, die für Künstliche Intelligenz (kurz: KI) benutzt werden gegeneinander abzutrennen, zumal die Sprechweisen in unterschiedlichen Kontexten unterschiedlich sind. Hinzu tritt, dass mit der Verfügbarkeit großer Datenmengen und der häufigen Nutzung von KI und Big Data gemeinsam auch hier vieles vermischt wird. Sebastian defininiert Maschinelles Lernen als echte Teilmenge von KI und denkt dabei auch daran, dass z.B. symbolisches Rechnen KI ist. Ebenso geben schon lange sogenannte Expertensysteme Hilfestellung für Entscheidungen. Hier geben Regeln ein Programm vor, das Daten-Input zu einem Output verwandelt. Heute denken wir bei KI eher daran, dass z.B. der Computer lernt wie ein Bild eines Autos aussieht, ohne dass dafür klare Regeln vorgegeben werden. Dies ist eher vergleichbar damit, wie Kinder lernen. Die modernste Variante ist sogenanntes Deep Learning auf der Basis von Neuronalen Netzen. Die Abgrenzung zu statistischen Verfahren ist mitunter nicht so klar. Das Neuronale Netz wird dabei eine Black Box, was wissenschaftlich arbeitende Menschen nicht ganz befriedigt. Aber mit ihrer Hilfe werden komplexere Probleme lösbar. Forschung muss versuchen, die Entscheidungen der Black Box nachvollziehbar zu machen und entscheiden, wann die Qualität ausreicht. Dazu muss man sich überlegen: Wie misst man Fehler? In der Bildverarbeitung kann es genügen, z.B. falsch erkannte Autos zu zählen. In der Wettervorhersage lässt sich im Nachhinein feststellen, welche Fehler in der Vorhersage gemacht wurden. Es wird unterschiedliche Fehlertoleranzen geben für Erkennung von Fußgängern für selbst fahrende Autos und für die Genauigkeit von Wettervorhersage. Ein Beispiel in der Übung war die Temperaturvorhersage anhand von vorliegenden Daten. Die Vorhersage beruht ja auf physikalischen Modelle in denen die Entwicklung von Temperatur, Luftdruck und Windgeschwindigkeit durch Gleichungssysteme nachgebildet wird. Aber diese Modelle können nicht fehlerfrei berechnet werden und sind auch recht stark vereinfacht. Diese Fehler werden mit Hilfe von KI analysiert und die Ergebnisse für die Verbesserung der Vorhersage benutzt. Ein populäres Verfahren sind Random Forests oder Entscheidungsbäume. Hier werden komplexe Fragen stufenweise zerlegt und in den Stufen einfache Ja- oder Nein-Fragen beantwortet. Dies wird z.B. angewandt in der Entscheidung ob und wo eine Warnung vor einer Gewitterzelle erfolgen sollte. Sehr bekannt und im praktischen Einsatz erprobt (beispielsweise in der Bildverarbeitung und in der Übersetzung zwischen gebräuchlichen Sprachen) sind Neuronale Netze. In mehrern Schichten sind hier sogenannte Neuronen angeordnet. Man kann sich diese wie Knoten in einem Netz vorstellen, in dem Daten von Knoten zu Knoten transportiert werden. In den Knoten werden die ankommenden Daten gewichtet aufaddiert und eine vorher festgelegte Aktivierungsfunktion entscheidet, was an die nächsten Knoten oder die nächste Schicht von Neuronen weitergegeben wird. Die einzelnen Rechenoperationen sind hier also ganz elementar, aber das Zusammenwirken ist schwer zu analysieren. Bei vielen Schichten spricht man von Deep Learning. Das ist momentan noch in den Kinderschuhen, aber es kann weit reichende Konsequenzen haben. In jedem Fall sollte man Menschen im Entscheidungsprozess beteiligen. Die konkrete Umsetzung hat Sebastian als Vorlesung und Übung zu gleichen Teilen gewählt. Er hat einen Schwerpunkt auf einen Überblick zu methodischen Aspekten gelegt, die die Teilnehmenden dazu befähigt, später selbst weiter zu lernen. Es ging also unter anderem darum, wie man Trainingsdaten auswählt, wie Qualitätssicherung funktioniert, wie populäre Modelle funktionieren und wie man einschätzt, dass die Anpassung an Daten nicht zu stark erfolgt. In der Übung fand großen Anklang, dass ein Vorhersagewettbewerb der entwickelten Modelle durch Kaggle competions online live möglich war. Literatur und weiterführende Informationen Forschungsergebnisse mit Hilfe von Maschinen Lernen, an denen Sebastian Lerch beteiligt ist: M.N. Lang e.a.: Remember the past: A comparison of time-adaptive training schemes for non-homogeneous regression Nonlinear Processes in Geophysics, 27: 23–34 2020. (eher stochastisch) S. Rasp und S. Lerch: Neural networks for post-processing ensemble weather forecasts Monthly Weather Review, 146(11): 3885–3900 2018. Lehrbücher T. Hastie, R. Tibshirani, J. Friedman: The Elements of Statistical Learning Springer 2017 (2nd Edition). G. James, D. Witten, T. Hastie and R. Tibshirani: An Introduction to Statistical Learning Springer 2013 (7nd Edition) I. Goodfellow and Y. Bengio and A. Courville: Deep Learning MIT-Press 2016. Online Kurse Pytorch-based Python library fastai Deeplearning Dystopie für alltägliche KI C. Doctorow: Little Brother Tor Teen, 2008. download beim Author C. Doctorow: Homeland Tor Books, 2013, ISBN 978-0-7653-3369-8 im Gespräch angesprochene Bildbearbeitung, die eigene Fotos mit Kunstwerken verschmilzt Meetups im Umland von Karlsruhe Karlsruhe ai Meetup Heidelberg ai Meetup Machine Learning Rhein-Neckar (Mannheim) Podcasts Leben X0 - Episode 6: Was ist Machine Learning? November 2019. Streitraum: Intelligenz und Vorurteil Carolin Emcke im Gespräch mit Anke Domscheit-Berg und Julia Krüger, 26. Januar 2020 P. Packmohr, S. Ritterbusch: Neural Networks, Data Science Phil, Episode 16, 2019.

Was ist eigentlich die Definition of Done? Neulich habe ich ein Training für eine Firma gegeben und es wurde immer wieder der Begriff „Definition of Done“ falsch formuliert. Wenn du alles richtig machen möchtest, ist es allerdings sehr wichtig, dass du diese Definition genau verstehst. Deshalb möchte ich dir heute erklären, was wirklich dahintersteckt. Was ist die Definition of Done? Es handelt sich dabei um eine generische, generelle Beschreibung der Qualitätskriterien, die wir uns als Team auferlegt haben. Erst wenn diese Dinge erfüllt sind, kann ein Feature als erledigt abgelegt werden.  Ein genaues Beispiel dafür bekommst du in der ganzen Podcast-Episode, also höre unbedingt rein, um das Thema noch besser zu verstehen.  Die Definition of Done wird im Team gemeinsam mit dem Product Owner, dem Entwicklungsteam und dem Scrum Master festgelegt. Oft gibt es dafür genaue Checklisten, die dann abgehakt werden. In einem guten Scrum-Team werden dann nicht nur die Akzeptanzkriterien erfüllt, sondern für diese Features sollte es beispielsweise auch automatisierte Test-Cases und weitere Dinge zu beachten geben. Eine Definition of Done beschreibt sozusagen, dass ein Feature dann erledigt ist, wenn alle Akzeptanzkriterien erfüllt sind und auch auf alle anderen Dinge auf der Checkliste geachtet wurde. Ein häufiges Problem bei der Definition of Done Oft stehen auf der Liste zu viele Dinge, auf die geachtet werden muss. Das Problem dabei ist, dass somit kaum geschafft werden kann, all das zu erfüllen.  Definiere die Kriterien also am besten nicht zu streng und setze nicht übertrieben viele Dinge auf die Checkliste. Dann ist es wirklich ein sinnvolles Werkzeug, das dir und deinem Team dabei hilft, die gemeinsamen Qualitätskriterien zu definieren Ein großes Missverständnis ist auch, dass es sich bei der Definition of Done nicht ausschließlich um die Akzeptanzkriterien handelt. Das ist nur eine Teilmenge davon, denn sie umfasst zusätzlich alle Dinge, die ihr selbst im Team definiert. Wenn du noch Fragen zu diesem Thema hast, lass es mich gerne wissen und melde dich jederzeit.

Der Teilmengenbegriff ist wichtig für die Mengenlehre. Dieses Video erklärt dir diesen wichtigen Begriff. Dieses Video steht unter einer CC-BY-SA 4.0 Lizenz.

Wenn du über Teilmengen redest und du betonen möchtest, dass beide Mengen nicht gleich sind, nutzt man den Begriff der echten Teilmenge. In diesem Video erzählen wir dir mehr dazu. Dieses Video steht unter einer CC-BY-SA 4.0 Lizenz.

In dieser Folge zeige ich, wer aus Prozess-Sicht alles zu den Stakeholdern gehören kann, und wen man gerne mal vergisst. Im Projektmanagement Standard zu Projektbeginn, aber im Prozessmanagement noch oft vernachlässigt: die Stakeholder-Analyse. Je nach Situation können bzw. müssen die Prozess-Stakeholder zwar eine Teilmenge der Projekt-Stakeholder sein, die Realität zeigt aber oft, dass nicht immer an alle gedacht wird, die an den Prozessen beteiligt oder davon betroffen sind. Das muss nicht sein, wenn man sich den ganzen Stakeholdern einmal bewusst ist.

  Rare Frequency Podcast 27: Pulling Teeth (opening music: The Focus Group, “Look Hear Now!,” We Are All Pan’s People (Ghost Box) CD) 1 Nicolas Schöffer, "Chronosonor 3" Hommage A Bartok (Creel Pone) CDr 2007 2 Weiss, "02.24.02" Rephlex (Electroton) CD 2007 3 Sublamp, "I Move When You Do" Shiverland (Serac) CD 2007 4 Aaron Martin, "Burning Honey" River Water (Preservation) CD 2007 5 Jason Kahn (remixing Asher), "Am Wasser" Graceful Degradation: Variations (Sourdine) CD 2008 6 Idea Fire Company, "Island of Taste" Island of Taste (Swill Radio) LP 2008 7 Roel Meelkop, Giuseppe Ielasi, Howard Stelzer, Frans de Waard, "Zondag 5" Zondag (Port) CD 2008 8 Asmus Tietchens, "Teilmenge 45" η Menge (Line) CD 2008 9 Brethren of the Free Spirit, "In Him There Is No Sin" All Things Are From Him, Through Him, and In Him (Audiomer) CD 2007 10 Arif Sağ, "Osman Pehlivan" Obsession (Bully) CD (2008)

Proteine leisten den entscheidenden Beitrag zur Struktur und Funktion der Zellen aller Lebewesen.Vieles spricht daher für eine Betrachtung des Proteoms oder einer Teilmenge davon (Subproteom), um den Zustand lebender Zellen zu beschreiben. Mit optimierten und neuen Methoden wurde das regulatorische Netzwerk, welches auf der Ebene der Trankription die Expression von Proteinen entscheidend mitbestimmt, genauer betrachtet. Hierzu wurden Zellfraktionierungsprotokolle optimiert, um die Proteine des Zellkerns und des Chromatins anzureichern und in nachfolgenden Analysen verwenden zu können. Es wurden Antikörper gegen verbreitete, funktional relevante Peptidmotive generiert. Aufbauend auf dem Konzept der Motivantikörper wurde eine Färbemethode für Zellkernproteine mit Kernlokalisationssignal entwickelt. Schließlich wurde mit den Methoden der Zellfraktionierung und spezifischeren Antikörpertechniken eine Analyse des humanen Mediator-Komplexes der RNA Polymerase II unternommen, die zur Entdeckung neuer Untereinheiten, potentiell interagierender Proteine und Phosphorylierungen im Komplex führte.