@article{KoehlerKoenig,
  author    = {K{\"o}hler, Hermann and K{\"o}nig, Reinhard},
  title     = {Aktionsr{\"a}ume in Dresden},
  doi       = {10.25643/bauhaus-universitaet.2672},
  url       = {http://nbn-resolving.de/urn:nbn:de:gbv:wim2-20160822-26726},
  abstract  = {In vorliegender Studie werden die Aktionsr{\"a}ume von Befragten in Dresden {\"u}ber eine standardisierte Befragung (n=360) untersucht. Die den Aktionsr{\"a}umen zugrundeliegenden Aktivit{\"a}ten werden unterschieden in Einkaufen f{\"u}r den t{\"a}glichen Bedarf, Ausgehen (z.B. in Caf{\´e}, Kneipe, Gastst{\"a}tte), Erholung im Freien (z.B. spazieren gehen, Nutzung von Gr{\"u}nanlagen) und private Geselligkeit (z.B. Feiern, Besuch von Verwandten/Freunden). Der Aktionsradius wird unterschieden in Wohnviertel, Nachbarviertel und sonstiges weiteres Stadtgebiet. Um aus den vier betrachteten Aktivit{\"a}ten einen umfassenden Kennwert f{\"u}r den durchschnittlichen Aktionsradius eines Befragten zu bilden, wird ein Modell f{\"u}r den Kennwert eines Aktionsradius entwickelt. Die Studie kommt zu dem Ergebnis, dass das Alter der Befragten einen signifikanten - wenn auch geringen - Einfluss auf den Aktionsradius hat. Das Haushaltsnettoeinkommen hat einen mit Einschr{\"a}nkung signifikanten, ebenfalls geringen Einfluss auf allt{\"a}gliche Aktivit{\"a}ten der Befragten.},
  subject      = {Aktionsraumforschung},
  language  = {de}
}
@article{Koehler,
  author    = {K{\"o}hler, Hermann},
  title     = {Ergebnisse der Befragung zu Wohnstandortpr{\"a}ferenzen von Lebensweltsegmenten in Dresden},
  doi       = {10.25643/bauhaus-universitaet.2670},
  url       = {http://nbn-resolving.de/urn:nbn:de:gbv:wim2-20160822-26704},
  abstract  = {In vorliegender Studie werden die Wohnstandortpr{\"a}ferenzen der Sinus-Milieugruppen in Dresden {\"u}ber eine standardisierte Befragung (n=318) untersucht. Es wird unterschieden zwischen handlungsleitenden Wohnstandortpr{\"a}ferenzen, die durch Anhaltspunkte auf der Handlungsebene st{\"a}rker in Betracht gezogen werden sollten, und Wohnstandortpr{\"a}ferenzen, welche eher orientierenden Charakter haben. Die Wohnstandortpr{\"a}ferenzen werden untersucht anhand der Kategorien Ausstattung/Zustand der Wohnung/des n{\"a}heren Wohnumfeldes, Versorgungsstruktur, soziales Umfeld, Baustrukturtyp, Ortsgebundenheit sowie des Aspektes des Images eines Stadtviertels. Um die Befragten den Sinus-Milieugruppen zuordnen zu k{\"o}nnen, wird ein Lebensweltsegment-Modell entwickelt, welches den Anspruch hat, die Sinus-Milieugruppen in der Tendenz abzubilden. Die Studie kommt zu dem Ergebnis, dass die Angeh{\"o}rigen der verschiedenen Lebensweltsegmente in jeder Kategorie - wenn auch z.T. auf geringerem Niveau - signifikante Unterschiede in der Bewertung einzelner Wohnstandortpr{\"a}ferenzen aufweisen.},
  subject      = {Milieuforschung},
  language  = {de}
}
@article{TonnTatarin,
  author    = {Tonn, Christian and Tatarin, Ren{\´e}},
  title     = {Volumen Rendering in der Architektur: {\"U}berlagerung und Kombination von 3D Voxel Volumendaten mit 3D Geb{\"a}udemodellen},
  doi       = {10.25643/bauhaus-universitaet.2671},
  url       = {http://nbn-resolving.de/urn:nbn:de:gbv:wim2-20160822-26718},
  abstract  = {Volumerendering ist eine Darstellungstechnik, um verschiedene r{\"a}umliche Mess- und Simulationsdaten anschaulich, interaktiv grafisch darzustellen. Im folgenden Beitrag wird ein Verfahren vorgestellt, mehrere Volumendaten mit einem Architekturfl{\"a}chenmodell zu {\"u}berlagern. Diese komplexe Darstellungsberechnung findet mit hardwarebeschleunigten Shadern auf der Grafikkarte statt. Im Beitrag wird hierzu der implementierte Softwareprototyp "VolumeRendering" vorgestellt. Neben dem interaktiven Berechnungsverfahren wurde ebenso Wert auf eine nutzerfreundliche Bedienung gelegt. Das Ziel bestand darin, eine einfache Bewertung der Volumendaten durch Fachplaner zu erm{\"o}glichen. Durch die {\"U}berlagerung, z. B. verschiedener Messverfahren mit einem Fl{\"a}chenmodell, ergeben sich Synergien und neue Auswertungsm{\"o}glichkeiten. Abschließend wird anhand von Beispielen aus einem interdisziplin{\"a}ren Forschungsprojekt die Anwendung des Softwareprototyps illustriert.},
  subject      = {Multiple Volume Rendering},
  language  = {de}
}
@article{Kalisch,
  author    = {Kalisch, Dominik},
  title     = {Wissen wer wo wohnt},
  doi       = {10.25643/bauhaus-universitaet.2669},
  url       = {http://nbn-resolving.de/urn:nbn:de:gbv:wim2-20160822-26695},
  abstract  = {In cities people live together in neighbourhoods. Here they can find the infrastructure they need, starting with shops for the daily purpose to the life-cycle based infrastructures like kindergartens or nursing homes. But not all neighbourhoods are identical. The infrastructure mixture varies from neighbourhood to neighbourhood, but different people have different needs which can change e.g. based on the life cycle situation or their affiliation to a specific milieu. We can assume that a person or family tries to settle in a specific neighbourhood that satisfies their needs. So, if the residents are happy with a neighbourhood, we can further assume that this neighbourhood satisfies their needs. The socio-oeconomic panel (SOEP) of the German Institute for Economy (DIW) is a survey that investigates the economic structure of the German population. Every four years one part of this survey includes questions about what infrastructures can be found in the respondents neighbourhood and the satisfaction of the respondent with their neighbourhood. Further, it is possible to add a milieu estimation for each respondent or household. This gives us the possibility to analyse the typical neighbourhoods in German cities as well as the infrastructure profiles of the different milieus. Therefore, we take the environment variables from the dataset and recode them into a binary variable - whether an infrastructure is available or not. According to Faust (2005), these sets can also be understood, as a network of actors in a neighbourhood, which share two, three or more infrastructures. Like these networks, this neighbourhood network can also be visualized as a bipartite affiliation network and therefore analysed using correspondence analysis. We will show how a neighbourhood analysis will benefit from an upstream correspondence analysis and how this could be done. We will also present and discuss the results of such an analysis.},
  subject      = {urban planning},
  language  = {de}
}