Zitat-Kontexte und Marker — Verifikations-Log

Zweck: Zentrales Verifikations-Log für die Belegtreue-Doku der Abgabe. Alle Belegstellen chronologisch nach Manuskript sortiert. Bei jedem \beleg → \cite-Übergang wird der Eintrag mit ✓ und Datum gestempelt und die Detail-Elemente (Originalwortlaut, Deutsche Übersetzung, Begründung) eingetragen.

Konventionen

• Status ✓ — Cite verifiziert am angegebenen Datum, Belegtreue durch Autor persönlich geprüft (PDF-Highlight gesetzt, Passung ✓).
• Status ⧗ — Belegstelle noch als \beleg im Manuskript, nicht verifiziert. Bei Cite-Finalisierung wird der Status auf ✓ gesetzt.
• \cite-Eintrag (Status ✓) enthält: Manuskript-Aussage, Zitatmarker, Originalwortlaut, Deutsche Übersetzung, Begründung der Passung. Gleiches Schema wie in den Zusammenfassungen unter D_fachwissen/lernmaterial/.
• \beleg-Eintrag (Status ⧗) enthält: Manuskript-Aussage, Beleg-Kürzel, Link zur passenden Zusammenfassung.
• Marker-Nummerierung fortlaufend pro Buch-Seite: M1 = erste Markierung auf dieser Seite, M2 = zweite auf derselben Seite usw.
• LaTeX-Syntax: \cite[S.~<Buch-Seite>, M<Nr>]{BibKey} bei mehreren pro Seite, sonst \cite[S.~<Buch-Seite>]{BibKey}.
• Zwei Sortierungen des gleichen Inhalts:
  • Diese Datei = chronologisch nach Manuskript-Reihenfolge (Lese-Reihenfolge der Arbeit)
  • D_fachwissen/lernmaterial/<quelle>-zusammenfassung.md = chronologisch nach Quelle (Vertiefung pro Primärquelle)
  • Kompakte Übersicht/Arbeitstabelle: zitat-index

Detail-Kette

[[zitat-index]] → hier (zitat-kontexte) → [[D_fachwissen/lernmaterial/<quelle>-zusammenfassung]]

---

Kap. 2 — Grundlagen

Änderung 2026-08-05: Der zuvor hier stehende Sha48-Cite (\cite{Sha48} im Zeitstrahl Kap. 2.4 Z. 316) wurde entfernt. Sha48 wird in dieser Arbeit nicht als Primärquelle gelesen und daher gar nicht mehr zitiert (Verteidigungs-Ökonomie: keine ungelesenen Werke im Literaturverzeichnis). Die Zeitstrahl-Nennung „1948 --- Shannon” bleibt als historischer Ankerpunkt ohne \cite, analog zu Corrado Gini 1912. Der Sha48-Eintrag wurde auch aus literatur.bib entfernt.

✓ Kap. 2.2 Z. 67 — Binäre Split-Form (verifiziert 2026-08-02)

Manuskript-Aussage: „Insbesondere die CART-Verfahren und die darauf aufbauenden Ensembleverfahren beschränken sich auf die binäre Form, bei der jeder innere Knoten genau zwei ausgehende Kanten hat und der Test als Ja-Nein-Entscheidung formuliert ist.”

Zitatmarker: \cite[S.~28\,f.]{BFOS84}

Originalwortlaut:

„The four elements needed in the initial tree growing procedure were

1. A set $\mathcal{Q}$ of binary questions of the form $\{\text{Is }x\in A?\}$, $A\subset X$
2. A goodness of split criterion $\varphi (s,t)$ that can be evaluated for any split $s$ of any node $t$
3. A stop-splitting rule
4. A rule for assigning every terminal node to a class

The set $\mathcal{Q}$ of binary questions generates a set $S$ of splits $s$ of every node $t$. Those cases in $t$ answering ‚yes’ go to the left descendant node $t_L$ and those answering ‚no’ to the right descendant $t_R$. In fact, if the question is $\{\text{Is }x\in A?\}$, then $t_L=t\cap A$ and $t_R=t\cap A^c$, where $A^c$ is the complement of $A$ in $X$. At each intermediate node $t$, the split selected is that split $s^{\ast }$ which maximizes $\varphi (s,t)$.”

Deutsche Übersetzung:

„Die vier Elemente, die im Anfangs-Baumwachstumsverfahren benötigt werden, waren:

1. Eine Menge $\mathcal{Q}$ binärer Fragen der Form $\{\text{Ist }x\in A?\}$, $A\subset X$
2. Ein Split-Güte-Kriterium $\varphi (s,t)$, das für jeden Split $s$ jedes Knotens $t$ auswertbar ist
3. Eine Stop-Splitting-Regel
4. Eine Regel, die jedem terminalen Knoten eine Klasse zuweist

Die Menge $\mathcal{Q}$ binärer Fragen erzeugt für jeden Knoten $t$ eine Menge $S$ von Splits $s$. Datenpunkte in $t$, die mit ‚ja’ antworten, gehen zum linken Kindknoten $t_L$, die mit ‚nein’ antworten zum rechten Kindknoten $t_R$. Konkret: Wenn die Frage $\{\text{Ist }x\in A?\}$ lautet, dann ist $t_L=t\cap A$ und $t_R=t\cap A^c$, wobei $A^c$ das Komplement von $A$ in $X$ ist. An jedem inneren Knoten $t$ wird derjenige Split $s^{\ast }$ gewählt, der $\varphi (s,t)$ maximiert.”

Begründung Passung: Item 1 der vier Elemente definiert Splits strukturell als binäre Fragen ($\{\text{Is }x\in A?\}$ mit Ja-Nein-Antwort). Der Folgeabsatz verstärkt den Beleg operativ: Die binäre Frage erzeugt genau zwei Kindknoten $t_L=t\cap A$ und $t_R=t\cap A^c$. Damit ist die Behauptung „jeder innere Knoten hat genau zwei ausgehende Kanten und der Test als Ja-Nein-Entscheidung formuliert ist” auf beiden Ebenen belegt — strukturell (Item 1) und operativ (Zwei-Kind-Zerlegung im Folgeabsatz). Der Zusatz „S.~28,f.” ist notwendig, weil die Aufzählung mit Items 3+4 und der Folgeabsatz sich auf S. 29 fortsetzen.

Detail-Zusammenfassung: bfos84-zusammenfassung

✓ Kap. 2.4 Z. 305 — Bibliografische Nennung BFOS84 (verifiziert 2026-08-02)

Manuskript-Aussage: Bibliografische Nennung von Breiman et al. 1984 (CART) im Zeitstrahl. Zitatmarker: \cite{BFOS84} Originalwortlaut: — (bibliografische Nennung) Deutsche Übersetzung: — Begründung Passung: Reine bibliografische Nennung im Zeitstrahl-Kontext. Detail-Zusammenfassung: bfos84-zusammenfassung

Kap. 2.4 Z. 311 — Bibliografische Nennung Bre96b (Heuristics)

Manuskript-Aussage: Bibliografische Nennung von Breiman 1996 (Heuristics of Instability and Stabilization in Model Selection) im Zeitstrahl. Zitatmarker: \cite{Bre96b} Originalwortlaut: — Deutsche Übersetzung: — Begründung Passung: Reine bibliografische Nennung im Zeitstrahl-Kontext. Konzeptuelle Vorstufe zu Bagging (Perturbation + Aggregation als Stabilisierungs-Heuristik). Detail-Zusammenfassung: bre96b-zusammenfassung

✓ Kap. 2.4 Z. 318 — Bibliografische Nennung Bre96a (Bagging, verifiziert 2026-08-02, tex-Zeile 2026-08-08 aktualisiert)

Manuskript-Aussage: Bibliografische Nennung von Breiman 1996 (Bagging Predictors) im Zeitstrahl. Zitatmarker: \cite{Bre96a} Originalwortlaut: — Deutsche Übersetzung: — Begründung Passung: Reine bibliografische Nennung im Zeitstrahl-Kontext. Detail-Zusammenfassung: bre96a-zusammenfassung

✓ Kap. 2.4 Z. 323 — Bibliografische Nennung Bre01 (verifiziert 2026-08-02, tex-Zeile 2026-08-08 aktualisiert)

Manuskript-Aussage: Bibliografische Nennung von Breiman 2001 (Random Forests) im Zeitstrahl. Zitatmarker: \cite{Bre01} Originalwortlaut: — Deutsche Übersetzung: — Begründung Passung: Reine bibliografische Nennung im Zeitstrahl-Kontext. Detail-Zusammenfassung: bre01-zusammenfassung

Kap. 2.4 Z. 330 — Bibliografische Nennung CBHK02 (SMOTE)

Manuskript-Aussage: Bibliografische Nennung von Chawla, Bowyer, Hall, Kegelmeyer 2002 (SMOTE) im Zeitstrahl. Zitatmarker: \cite{CBHK02} Originalwortlaut: — Deutsche Übersetzung: — Begründung Passung: Reine bibliografische Nennung im Zeitstrahl-Kontext. Standardbaustein bei unbalancierten Klassifikationsaufgaben mit Random Forests. Detail-Zusammenfassung: cbhk02-zusammenfassung

✓ Kap. 2.4 Z. 337 — Bibliografische Nennung PNRB15 (verifiziert 2026-08-02, tex-Zeile 2026-08-08 aktualisiert)

Manuskript-Aussage: Bibliografische Nennung von Prytz et al. 2015 (Fallstudie) im Zeitstrahl. Zitatmarker: \cite{PNRB15} Originalwortlaut: — Deutsche Übersetzung: — Begründung Passung: Reine bibliografische Nennung im Zeitstrahl-Kontext. Detail-Zusammenfassung: pnrb15-zusammenfassung

---

Kap. 3 — Funktionsprinzipien

3.1 Rekursive Partitionierung

✓ Kap. 3.1 (Absatz 2) — Reinheits-Zunahme als Split-Ziel in CART (verifiziert 2026-08-02)

Manuskript-Aussage: „Breiman et al. formulieren als Ziel jeder Zerlegung, dass die Klassenverteilung in den entstehenden Teilmengen reiner ist als im Elternknoten.”

Zitatmarker: \cite[S.~23]{BFOS84}

Originalwortlaut:

„The first problem in tree construction is how to use $\mathcal{L}$ to determine the binary splits of $X$ into smaller and smaller pieces. The fundamental idea is to select each split of a subset so that the data in each of the descendant subsets are ‚purer’ than the data in the parent subset.”

Deutsche Übersetzung:

„Das erste Problem bei der Baum-Konstruktion ist, wie sich $\mathcal{L}$ nutzen lässt, um die binären Splits von $X$ in immer kleinere Teile zu bestimmen. Die grundlegende Idee ist, jeden Split einer Teilmenge so zu wählen, dass die Daten in den entstehenden Kind-Teilmengen ‚reiner’ sind als die Daten in der Elternteilmenge.”

Begründung Passung: Breimans Formulierung „the data in each of the descendant subsets are ‚purer’ than the data in the parent subset” ist wortgetreu die Reinheits-Zunahme als Ziel jeder Zerlegung. Der Fließtext-Halbsatz „reiner ist als im Elternknoten” übersetzt „purer than … the parent subset” direkt. Der einleitende Satz („smaller and smaller pieces”) liefert zudem den iterativen Charakter der Zerlegung.

Detail-Zusammenfassung: bfos84-zusammenfassung

✓ Kap. 3.1 Abs. 3 — CART-Klassifikations-Blattmarkierung (Plurality Rule) (verifiziert 2026-08-02)

Manuskript-Aussage: „Breiman et al.\ bestimmen für CART bei Klassifikationsaufgaben die Klasse eines Blatts durch die Plurality Rule: das Blatt erhält die häufigste Klasse der zugeordneten Trainingsdatenpunkte.”

Zitatmarker: \cite[S.~26, M2]{BFOS84} (rückwirkend M2 vergeben 2026-08-02 wegen zweitem Zitat auf S. 26 — Auswahlregel M1 steht physisch davor)

Originalwortlaut (S. 26):

„The class character of a terminal node was determined by the plurality rule. Specifically, if $p(j_0\mid t)={\max }_{j}p(j\mid t),$ then $t$ was designated as a class $j_0$ terminal node.”

Deutsche Übersetzung:

„Der Klassencharakter eines terminalen Knotens wurde durch die Plurality Rule bestimmt. Konkret: wenn $p(j_0\mid t)={\max }_{j}p(j\mid t),$ dann wurde $t$ als Klasse-$j_0$-terminaler-Knoten bezeichnet.”

Begründung Passung: Breiman formuliert die Plurality Rule explizit: der terminale Knoten $t$ wird der Klasse $j_0$ mit maximaler bedingter Wahrscheinlichkeit $p(j_0\mid t)$ zugewiesen — also der häufigsten Klasse der zum Knoten gehörenden Trainingsdatenpunkte. Damit ist die Fließtext-Aussage „durch die Plurality Rule … die häufigste Klasse der zugeordneten Trainingsdatenpunkte” wortgetreu belegt.

Zur Imperfekt-Form: BFOS84 nutzt hier den narrativ-beschreibenden Stil („was determined”, „was designated”). Anders als die direkt darüberstehende β-Threshold-Terminierungsregel („was simple and unsatisfactory”, explizit als überholt markiert) wird die Plurality Rule nirgends widerrufen; sie bleibt die Standard-Klassifikationsregel in CART.

Detail-Zusammenfassung: bfos84-zusammenfassung

✓ Kap. 3.1 Abs. 3 — Blattvorhersage bei Regression ist konstant (verifiziert 2026-08-02)

Manuskript-Aussage: „…bei Regressionsaufgaben ist die Blattvorhersage ein konstanter Wert.”

Zitatmarker: \cite[S.~228]{BFOS84} (am 2026-08-02 von S. 230 auf S. 228 umgestellt: „Mittelwert” → „konstanter Wert”; Mittelwert-Aspekt wandert nach Kap. 3.3 Absatz 2)

Detail-Passage siehe: Kap. 3.3 Absatz 1 (identische S.-228-Passage — beide Cites verweisen auf dieselbe PDF-Passage, kein M-Marker nötig).

Detail-Zusammenfassung: bfos84-zusammenfassung

Änderung 2026-08-03: Die zuvor hier stehenden Einträge S.~230 M1 (Prop. 8.10) und S.~230 M2 (R(t)-Formel) wurden entfernt, weil die ausführliche MSE-Herleitung in Kap. 3.3 zugunsten eines Fokus auf Klassifikation gekürzt wurde. Ausführliche Fassung archiviert in E_manuskript/archiv/kap-3.3_regression_ausfuehrlich_2026-08-03.tex. Detail-Wissen bleibt als reines Lernmaterial in bfos84-zusammenfassung.md.

✓ Kap. 3.1 Abs. 4 — Rechtecke-Kachelung des Merkmalsraums (verifiziert 2026-08-02)

Manuskript-Aussage: „Anschaulich lässt sich das Verfahren als fortschreitende Zerlegung des Merkmalsraums in achsenparallele Rechtecke beschreiben.”

Zitatmarker: \cite[S.~30]{BFOS84}

Originalwortlaut (S. 30):

„When fixed-dimensional data have only ordered variables, another way of looking at the tree structured procedure is as a recursive partitioning of the data space into rectangles.”

Deutsche Übersetzung:

„Wenn festdimensionale Daten nur geordnete Variablen enthalten, lässt sich das baumbasierte Verfahren auch als rekursive Partitionierung des Datenraums in Rechtecke auffassen.”

Begründung Passung: Breimans „recursive partitioning of the data space into rectangles” ist wortgetreu die Kachelungssichtweise. Der Zusatz „achsenparallel” im Fließtext ergibt sich implizit aus Breimans Voraussetzung „only ordered variables” mit binären Splits der Form $\{x_m\le c\}$ (Section 2.4.1) — jede solche Trennung erfolgt entlang einer einzelnen Achse und erzeugt achsenparallele Kanten. Die Fließtext-Aussage ist damit belegtreu.

3.2 Impuritätsbasierter Split-Rahmen

✓ Kap. 3.2 — Impuritätsabnahme-Formel (verifiziert 2026-08-02)

Manuskript-Aussage: „…so ist die Güte des Splits als Abnahme der Impurität definiert: $\Delta i(s,t)=i(t)-p_{L}i(t_L)-p_{R}i(t_R)$.”

Zitatmarker: \cite[S.~25]{BFOS84}

Originalwortlaut (S. 25):

„Then the goodness of the split is defined to be the decrease in impurity $\Delta i(s,t)=i(t)-p_{L}i(t_L)-p_{R}i(t_R)."$

Deutsche Übersetzung:

„Dann ist die Güte des Splits definiert als die Abnahme der Impurität $\Delta i(s,t)=i(t)-p_{L}i(t_L)-p_{R}i(t_R)."$

Begründung Passung: Wortgetreu belegt. Manuskript und Original verwenden identische Formel; Manuskript-Formulierung „Güte des Splits als Abnahme der Impurität” übersetzt „goodness of the split … the decrease in impurity” direkt. Die zuvor stehende Definition der Größenanteile $p_L,p_R$ als „a proportion $p_L$ of the cases in $t$ go into $t_L$” (S. 25 oben, im gleichen Absatz) stützt die Notation.

Detail-Zusammenfassung: bfos84-zusammenfassung

✓ Kap. 3.2 — Auswahlregel bester Split (verifiziert 2026-08-02)

Manuskript-Aussage: „Aus der Kandidatenmenge $S$ aller möglichen Splits am Knoten $t$ wird der Split $s^{\ast }$ gewählt, der diese Abnahme maximiert: $\Delta i(s^{\star },t)={\max }_{s\in S}\Delta i(s,t)$.”

Zitatmarker: \cite[S.~26, M1]{BFOS84}

Originalwortlaut (S. 26, physisch das erste Highlight → M1):

„The tree was grown in the following way: At the root node $t_1$, a search was made through all 5000 candidate splits to find that split $s^{\ast }$ which gave the largest decrease in impurity; i.e., $\Delta i(s^{\ast },t_1)={\max }_{s\in S}\Delta i(s,t_1)$.”

Deutsche Übersetzung:

„Der Baum wurde folgendermaßen aufgebaut: Am Wurzelknoten $t_1$ wurde eine Suche durch alle 5000 Kandidaten-Splits durchgeführt, um denjenigen Split $s^{\ast }$ zu finden, der die größte Abnahme der Impurität ergab; d. h., $\Delta i(s^{\ast },t_1)={\max }_{s\in S}\Delta i(s,t_1)$.”

Begründung Passung: Breiman führt hier die Auswahlregel für den besten Split ($s^{\ast }$ maximiert $\Delta i(s,t)$) mit identischer Formel wie im Manuskript ein. Die Aussage steht im Kontext eines konkreten Beispiels (Wurzelknoten $t_1$, 5000 Kandidaten-Splits), die Formel ist aber ohne Verlust auf beliebige Knoten $t$ übertragbar. Manuskript-Formulierung „derjenige gewählt, der diese Abnahme maximiert” übersetzt „to find that split $s^{\ast }$ which gave the largest decrease in impurity” direkt.

Zur M1-Markierung: Auf S. 26 stehen zwei Zitate untereinander (die Auswahlregel als erstes physisches Highlight → M1, die Plurality Rule als zweites → M2). Zwei Fließtext-Cites zu derselben Seite werden durch M-Marker unterschieden.

Detail-Zusammenfassung: bfos84-zusammenfassung

Änderung 2026-08-03: Der zuvor hier stehende Kap. 3.2-Eintrag (S. 231, Def. 8.13, „Regressionsimpurität als mittlere quadratische Abweichung”) wurde entfernt, weil der zugehörige Manuskript-Satz in Kap. 3.2 (redundant zu Kap. 3.3) gestrichen wurde. Der Übertragungs-Hinweis auf Regression steht jetzt nur noch als Verweis „Übertragung → Abschnitt Regressionsbäume” ohne Beleg im Fließtext von Kap. 3.2.

3.3 Regressionsbäume

✓ Kap. 3.3 Absatz 1 — Blattvorhersage ist konstant (verifiziert 2026-08-02)

Manuskript-Aussage: „An die Stelle der Mehrheitsklasse tritt als Vorhersage im Blatt ein reeller Zielwert $y(t)\in \mathbb{R}$. Innerhalb eines Blatts ist dieser Wert konstant.”

Zitatmarker: \cite[S.~228]{BFOS84}

Originalwortlaut (S. 228, Beginn Section 8.4 „Tree Structured Regression”):

„A tree structured predictor is similar to a tree structured classifier. The space $X$ is partitioned by a sequence of binary splits into terminal nodes (see Figure 8.2). In each terminal node $t$, the predicted response value $y(t)$ is constant.”

Deutsche Übersetzung:

„Ein baumstrukturierter Prädiktor ist einem baumstrukturierten Klassifikator ähnlich. Der Raum $X$ wird durch eine Folge binärer Splits in terminale Knoten partitioniert (siehe Abbildung 8.2). In jedem terminalen Knoten $t$ ist der vorhergesagte Antwortwert $y(t)$ konstant.”

Begründung Passung: Breiman formuliert wortgetreu, dass die Blattvorhersage $y(t)$ konstant ist („the predicted response value $y(t)$ is constant”). Der Fließtext-Halbsatz „als Vorhersage im Blatt ein konstanter Wert” übersetzt genau das. Die konkrete Wahl (Mittelwert $\bar{y}(t)$) wird in Absatz 2 belegt (S. 230).

Detail-Zusammenfassung: bfos84-zusammenfassung

✓ Kap. 3.3 Absatz 2 — Mittlerer quadratischer Fehler als klassisches Regressionsfehlermaß (verifiziert 2026-08-03)

Manuskript-Aussage: „…An die Stelle einer klassenreinheitsbasierten Impurität wie Gini-Index oder Entropie tritt der mittlere quadratische Fehler der Zielwerte im Knoten als Impuritätsmaß.”

Zitatmarker: \cite[S.~222]{BFOS84}

Originalwortlaut (S. 222):

„But for reasons having to do with ease of computations, the measure of accuracy classically used in regression is the averaged squared error, […]. The methodology revolving about this measure is least squares regression.”

Deutsche Übersetzung:

„Aus Gründen der Rechenpraktikabilität ist das in der Regression klassisch verwendete Genauigkeitsmaß jedoch der gemittelte quadratische Fehler […]. Die Methodik, die auf dieses Maß aufbaut, ist die Methode der kleinsten Quadrate.”

Begründung Passung: Breiman rechtfertigt die Wahl des mittleren quadratischen Fehlers als Fehlermaß der Regression explizit („classically used in regression”, „ease of computations”) und benennt die zugehörige Methodik (least squares regression). Damit ist die Manuskript-Aussage, dass in der Regression der MSE das analoge Impuritätsmaß zur klassenreinheitsbasierten Impurität in der Klassifikation ist, wortgetreu belegt. Der auf derselben Seite unmittelbar davor stehende absolute Fehler (least absolute deviation, dort mit Verweis auf Sec. 8.11) zeigt, dass Breiman die Wahl bewusst gegen eine Alternative trifft.

Detail-Zusammenfassung: bfos84-zusammenfassung

✓ Kap. 3.3 Absatz 2 — Mittelwert als Blattvorhersage (verifiziert 2026-08-03)

Manuskript-Aussage: „…als Blattvorhersage dient der Mittelwert der Zielwerte im Knoten und ersetzt die Mehrheitsregel der Klassifikation.”

Zitatmarker: \cite[S.~230]{BFOS84}

Originalwortlaut (S. 230, Prop. 8.10):

„PROPOSITION 8.10. The value of $y(t)$ that minimizes $R(d)$ is the average of $y_n$ for all cases $(x_n,y_n)$ falling into $t$; that is, the minimizing $y(t)$ is $\bar{y}(t)=\frac{1}{N(t)}{\sum }_{x_n\in t}{y}_n$.”

Deutsche Übersetzung:

„Satz 8.10. Der Wert von $y(t)$, der $R(d)$ minimiert, ist der Mittelwert von $y_n$ über alle Fälle $(x_n,y_n)$, die in $t$ fallen; das heißt, der minimierende $y(t)$ ist $\bar{y}(t)=\frac{1}{N(t)}{\sum }_{x_n\in t}{y}_n$.”

Begründung Passung: Prop. 8.10 identifiziert den Mittelwert $\bar{y}(t)$ als den $R(d)$-minimierenden Wert der Blattvorhersage. Damit ist die Manuskript-Kernaussage, dass die Blattvorhersage in der Regression der Mittelwert der Zielwerte ist, wortgetreu belegt.

Kein M-Marker nötig: Ab 2026-08-03 wird auf S. 230 nur noch diese eine Aussage im Manuskript belegt (Prop. 8.10 / Mittelwert). Die ausführliche Herleitung mit R(t)-Formel und M1/M2-Marker ist mit der Kürzung von Kap. 3.3 in die Archiv-Fassung gewandert; das Detail-Wissen (Prop. 8.10-Beweis, R(t)-Setzung, R(T)-Zerlegung) bleibt als reines Lernmaterial in bfos84-zusammenfassung.md verfügbar.

Detail-Zusammenfassung: bfos84-zusammenfassung

Änderung 2026-08-03: Die zuvor hier stehenden drei Kap. 3.3-\beleg-Einträge (Z. 174 Kandidatensplit-Bewertung, Z. 184 argmax-Auswahl Regression, Z. 192 Histogrammschätzung) wurden entfernt, weil die entsprechenden Absätze 3 und 4 im Manuskript zugunsten eines Fokus auf Klassifikation gestrichen wurden. Ausführliche Fassung archiviert in E_manuskript/archiv/kap-3.3_regression_ausfuehrlich_2026-08-03.tex.

✓ Kap. 3.3 Absatz 3 — $\Delta R$-Formel + Maximierungsregel als Regressions-Analoga (verifiziert 2026-08-03)

Manuskript-Aussage: „Bezeichnet $R(t)$ den mittleren quadratischen Fehler der Zielwerte im Knoten $t$, so ist analog zu Gleichung~(3.2) die Abnahme der Regressionsimpurität durch einen Split $s$ [$\Delta R(s,t)=R(t)-R(t_L)-R(t_R)$] und der beste Split $s^{\ast }$ derjenige, der diese Abnahme maximiert [$\Delta R(s^{\ast },t)={\max }_{s\in S}\Delta R(s,t)$].”

Zitatmarker: \cite[S.~231]{BFOS84} — Definition 8.13

Originalwortlaut (S. 231, Definition 8.13):

„DEFINITION 8.13. The best split $s^{\ast }$ of $t$ is that split in $S$ which most decreases $R(T)$. More precisely, for any split $s$ of $t$ into $t_L$ and $t_R$, let $\Delta R(s,t)=R(t)-R(t_L)-R(t_R)$. Take the best split $s^{\ast }$ to be a split such that $\Delta R(s^{\ast },t)={\max }_{s\in S}\Delta R(s,t)$.”

Deutsche Übersetzung:

„Definition 8.13. Der beste Split $s^{\ast }$ von $t$ ist derjenige Split in $S$, der $R(T)$ am stärksten senkt. Genauer: Für jeden Split $s$ von $t$ in $t_L$ und $t_R$ sei $\Delta R(s,t)=R(t)-R(t_L)-R(t_R)$. Der beste Split $s^{\ast }$ ist derjenige Split, für den gilt $\Delta R(s^{\ast },t)={\max }_{s\in S}\Delta R(s,t)$.”

Begründung Passung: Definition 8.13 liefert wortgetreu beide im Manuskript-Absatz belegten Formeln: die $\Delta R$-Definition und die Maximierungsregel. Der Vergleich mit dem Klassifikationsrahmen (Kap. 3.2, Gleichungen 3.2 und 3.3) ist strukturell identisch, was die Manuskript-Aussage „je zwei strukturell identische Gleichungen zur Verfügung” trägt.

Kein M-Marker nötig: Nur ein Highlight auf S. 231 (Def. 8.13 als zusammenhängender Block).

Detail-Zusammenfassung: bfos84-zusammenfassung

3.4 Split-Kriterium Gini-Index

✓ Kap. 3.4 Z. 193 — Gini als Split-Kriterium in CART übernommen (verifiziert 2026-08-04)

Manuskript-Aussage: „In einer für die Baumklassifikation angepassten Form wurde er von Breiman et al.\ als Split-Kriterium in CART übernommen.”

Zitatmarker: \cite[S.~103, M1]{BFOS84} (erster physischer Highlight-Block auf S. 103)

Originalwortlaut (S. 103, Kap. 4.3 „The Multiclass Problem: Unit Costs”, Unterkap. 4.3.1 „The Gini Criterion”):

„In later work the Gini diversity index was adopted. This has the form $i(t)={\sum }_{j\ne i}p(j|t)p(i|t)$ and can also be written as $i(t)=({\sum }_{j}p(j|t){)}^2-{\sum }_j{p}^2(j|t)=1-{\sum }_j{p}^2(j|t)$.”

Deutsche Übersetzung:

„In späterer Arbeit wurde der Gini-Diversitätsindex übernommen. Er hat die Form [Doppelsumme] und lässt sich auch als [Quadratsummen-Form] schreiben.”

Begründung Passung: Breiman et al.\ dokumentieren wortgetreu die Übernahme des Gini-Index als CART-Split-Kriterium („In later work the Gini diversity index was adopted”). Die auf derselben Seite folgenden Formeln (4.8) und (4.9) sind Teil desselben Highlight-Blocks und dokumentieren gemeinsam die Einführung; die formale Herleitung der beiden Darstellungen erfolgt jedoch erst auf S. 104 (siehe M1/M2-Cites unten).

Detail-Zusammenfassung: bfos84-zusammenfassung

✓ Kap. 3.4 Z. 203 — Zufallsklassifikationsregel + Gini als Fehlklassifikationswahrscheinlichkeit (verifiziert 2026-08-04)

Manuskript-Aussage: „Zur formalen Beschreibung formulieren Breiman et al.\ eine Zufallsklassifikationsregel: Ein aus dem Knoten $t$ zufällig gezogenes Objekt wird mit Wahrscheinlichkeit $p(i|t)$ der Klasse $i$ zugewiesen; die geschätzte Wahrscheinlichkeit, dass es tatsächlich der Klasse $j$ angehört, ist $p(j|t)$. Beide Größen bezeichnen die relative Häufigkeit der jeweiligen Klasse unter den dem Knoten $t$ zugeordneten Datenpunkten, mit ${\sum }_{j}p(j|t)=1$. Als Impuritätsfunktion $i(t)$ ist der Gini-Index dann definiert als die geschätzte Fehlklassifikationswahrscheinlichkeit unter dieser Regel: $i(t)={\sum }_{i\ne j}p(i|t)p(j|t)$.”

Zitatmarker: \cite[S.~103\,f., M3]{BFOS84} (am 2026-08-05 von M2 auf M3 umnummeriert, weil neuer M2-Marker für den Zwei-Klassen-Fall zwischen dem M1-Adoption-Block und dem „Instead of using the plurality rule”-Block eingefügt wurde)

Originalwortlaut (S. 103 M3 unten und Fortsetzung auf S. 104 in derselben Satz-Einheit):

„Instead of using the plurality rule to classify objects in a node $t$, use the rule that assigns an object selected at random from the node to class $i$ with probability $p(i|t)$. The estimated probability that the item is actually in class $j$ is $p(j|t)$. Therefore, the estimated probability of misclassification under this rule is the Gini index ${\sum }_{j\ne i}p(i|t)p(j|t)$.”

Deutsche Übersetzung:

„Anstatt die Mehrheitsregel zur Klassifikation von Objekten in einem Knoten $t$ zu verwenden, benutze man die Regel, die einem zufällig aus dem Knoten gezogenen Objekt mit Wahrscheinlichkeit $p(i|t)$ die Klasse $i$ zuweist. Die geschätzte Wahrscheinlichkeit, dass das Objekt tatsächlich zur Klasse $j$ gehört, ist $p(j|t)$. Daher ist die geschätzte Fehlklassifikationswahrscheinlichkeit unter dieser Regel der Gini-Index ${\sum }_{j\ne i}p(i|t)p(j|t)$.”

Begründung Passung: Die Manuskript-Passage übernimmt die BFOS84-Notationseinführung wortgetreu: $p(i|t)$ als Zuweisungswahrscheinlichkeit unter der Zufallsklassifikationsregel, $p(j|t)$ als geschätzte tatsächliche Klassenzugehörigkeitswahrscheinlichkeit. Die Doppelsummen-Formel wird als geschätzte Fehlklassifikationswahrscheinlichkeit motiviert — identisch zur BFOS84-Herleitung. Der belegte Textbereich beginnt auf S. 103 unten (M2) und läuft nahtlos auf S. 104 weiter; die formale Fortsetzung mit der Formel ist ebenfalls durch den nachfolgenden Cite auf S. 104 M1 abgedeckt.

M-Marker-Konvention: Auf S. 103 stehen (Stand 2026-08-05) drei Cites — M1 (Gini-Adoption in CART, mit beiden Formeln 4.8 und 4.9) physisch zuerst, M2 (Zwei-Klassen-Fall $i(t)=2p(1|t)p(2|t)$) physisch danach, M3 (Herleitungs-Einleitung „Instead of using the plurality rule …”) am unteren Seitenende. Der Satz von S. 103 M3 wird auf S. 104 M1 fortgesetzt (Formel + Fehlklassifikations-Aussage).

Detail-Zusammenfassung: bfos84-zusammenfassung

✓ Kap. 3.4 (nach Quadratsummen-Form) — Zwei-Klassen-Fall des Gini-Index (verifiziert 2026-08-05)

Manuskript-Aussage: „Im Zwei-Klassen-Fall reduziert sich der Gini-Index auf $i(t)=2p(1|t)p(2|t)$.”

Zitatmarker: \cite[S.~103, M2]{BFOS84}

Originalwortlaut (S. 103, direkt nach den Formeln 4.8 und 4.9):

„In the two-class problem, the index reduces to $i(t)=2p(1|t)p(2|t)$, equivalent to the two-class criterion selected previously.”

Deutsche Übersetzung:

„Im Zwei-Klassen-Fall reduziert sich der Index auf $i(t)=2p(1|t)p(2|t)$, äquivalent zum zuvor gewählten Zwei-Klassen-Kriterium.”

Begründung Passung: Die Manuskript-Formel ist wortgetreu identisch zur BFOS84-Formel. Der Zwei-Klassen-Fall wird im Manuskript als didaktischer Zusatz nach der allgemeinen Quadratsummen-Form eingeführt, weil die Arbeit auf binäre Klassifikation fokussiert ist. Die von BFOS84 zusätzlich betonte Äquivalenz zum „two-class criterion selected previously” wird im Manuskript nicht übernommen, weil dieses zuvor besprochene Kriterium (das Twoing-verwandte Zwei-Klassen-Impuritätsmaß aus BFOS84 Kap. 4.2) nicht Bestandteil der Arbeit ist.

Detail-Zusammenfassung: bfos84-zusammenfassung

✓ Kap. 3.4 Z. 215 — Gini in Quadratsummen-Form via Varianz-Interpretation (verifiziert 2026-08-04)

Manuskript-Aussage: „Alternativ ergibt sich der Gini-Index über eine Varianz-Interpretation: Wird jedem Objekt der Klasse $j$ der Wert $1$ und allen übrigen der Wert $0$ zugewiesen, so ist die Stichprobenvarianz dieser Werte $p(j|t)(1-p(j|t))$. Die Summation dieser Varianzen über alle $J$ Klassen liefert die äquivalente und rechnerisch einfachere Darstellung: $i(t)={\sum }_{j}p(j|t)(1-p(j|t))=1-{\sum }_j{p}^2(j|t)$.”

Zitatmarker: \cite[S.~104, M1]{BFOS84}

Originalwortlaut (S. 104, Varianz-Interpretation nach Light & Margolin 1971):

„Another interpretation is in terms of variances (see Light and Margolin, 1971). In a node $t$, assign all class $j$ objects the value 1, and all other objects the value 0. Then the sample variance of these values is $p(j|t)(1-p(j|t))$. If this is repeated for all $J$ classes and the variances summed, the result is ${\sum }_{j}p(j|t)(1-p(j|t))=1-{\sum }_j{p}^2(j|t)$.”

Deutsche Übersetzung:

„Eine weitere Interpretation ergibt sich über Varianzen (siehe Light und Margolin, 1971). In einem Knoten $t$ wird jedem Objekt der Klasse $j$ der Wert 1 und allen übrigen Objekten der Wert 0 zugewiesen. Dann ist die Stichprobenvarianz dieser Werte $p(j|t)(1-p(j|t))$. Wird dies für alle $J$ Klassen wiederholt und die Varianzen summiert, so ist das Ergebnis ${\sum }_{j}p(j|t)(1-p(j|t))=1-{\sum }_j{p}^2(j|t)$.”

Begründung Passung: Die Manuskript-Passage übernimmt die BFOS84-Varianz-Interpretation wortgetreu (0/1-Zuweisung → Stichprobenvarianz $p(j|t)(1-p(j|t))$ → Summation über $J$ Klassen). Die im Manuskript gezeigte Zwischen- und Endformel (${\sum }_{j}p(j|t)(1-p(j|t))=1-{\sum }_j{p}^2(j|t)$) ist wortgetreu identisch zur BFOS84-Formel. Dadurch wird die Quadratsummen-Darstellung des Gini-Index nicht durch eine im Manuskript selbst entwickelte algebraische Umformung, sondern durch den belegten BFOS84-Herleitungsweg (Light & Margolin) getragen.

Detail-Zusammenfassung: bfos84-zusammenfassung

✓ Kap. 3.4 (Twoing) — Twoing-Kriterium als zweites Split-Maß (verifiziert 2026-08-04)

Manuskript-Aussage: „Neben dem Gini-Index nennen Breiman et al.\ mit dem Twoing-Kriterium ein zweites Split-Maß, das speziell für Mehrklassenprobleme entwickelt wurde.”

Zitatmarker: \cite[S.~104\,f., M2]{BFOS84} (zweiter physischer Highlight-Block auf S. 104; Passage setzt sich auf S. 105 fort)

Originalwortlaut (S. 104 f., Kap. 4.3.2 „The Twoing Criterion”):

„The second approach to the multiclass problem adopts a different strategy. Denote the class of classes by $C$, i.e., $C=\{1,\dots ,J\}$. At each node, separate the classes into two superclasses, $C_1=\{j_1,\dots ,j_n\}$, $C_2=C-C_1$. Call all objects whose class is in $C_1$ class 1 objects; and put all objects in $C_2$ into class 2.”

Deutsche Übersetzung:

„Der zweite Ansatz für das Mehrklassenproblem verfolgt eine andere Strategie. Bezeichne die Klassenmenge mit $C$, d. h., $C=\{1,\dots ,J\}$. An jedem Knoten werden die Klassen in zwei Superklassen zerlegt, $C_1=\{j_1,\dots ,j_n\}$, $C_2=C-C_1$. Alle Objekte, deren Klasse in $C_1$ liegt, gelten als Klasse-1-Objekte, alle übrigen als Klasse-2-Objekte.”

Begründung Passung: Breiman et al.\ führen Twoing wortgetreu als „second approach to the multiclass problem” ein und dokumentieren die Kern-Konstruktion (Partitionierung der Klassenmenge in zwei Superklassen mit anschließender Zwei-Klassen-Bewertung). Die Manuskript-Aussage („zweites Split-Maß, das speziell für Mehrklassenprobleme entwickelt wurde”) übersetzt diese Passage genau.

M-Marker-Konvention: Auf S. 104 stehen zwei Cites — M1 (Fehlklassifikations-Herleitung mit Quadratsummen-Umformung als Ergebnis) physisch zuerst, M2 (Twoing-Einführung) physisch danach.

Detail-Zusammenfassung: bfos84-zusammenfassung

3.5 Überanpassung und Pruning

⧗ Kap. 3.8 Z. 473 — CART bestimmt Baumgröße per Kreuzvalidierung

Manuskript-Aussage: CART bestimmt die passende Größe unter den gestutzten Teilbäumen (insbesondere bei kleinen Stichproben) über Kreuzvalidierung. Beleg-Kürzel: \beleg{BFOS84 Kap. 3.2} Detail-Zusammenfassung: bfos84-zusammenfassung

Kap. 4 — Ensembleverfahren

4.1 Instabilität einzelner Bäume

✓ Kap. 4.1 Z. 13 — Instabilitäts-Definition + CART als instabil (verifiziert 2026-08-09, Cite-Split 2026-08-23)

Manuskript-Aussage: Breiman charakterisiert ein Lernverfahren als instabil, wenn eine kleine Änderung der Trainingsdaten eine große Änderung des resultierenden Modells hervorruft; CART ordnet er in seiner Analyse ausdrücklich in die Klasse der instabilen Verfahren ein.

Zitatmarker: \cite[S.~2354]{Bre96b} \cite[S.~2374]{Bre96b}

Originalwortlaut S. 2354 (M1): „Heuristic definition. A regularization procedure is unstable if a small change in the data $\mathcal{L}$ can make large changes in the regularized sequence $\{\hat{\mu }(\cdot ,s,\mathcal{L})\}$. […] Subset selection is unstable: Changing just one data case in $\mathcal{L}$ can cause a large change in the minimizer of RSS over $U_k$. Ridge is stable.”

Originalwortlaut S. 2374 (M1, Concluding Remarks): „There are no known stable versions of CART, MARS or neural networks.”

Begründung Passung: S. 2354 liefert die heuristische Definition des Begriffs „instabil” und die Kontrast-Trias Subset-Selection (instabil) / Ridge (stabil). Die namentliche Zuordnung von CART als instabiles Verfahren steht dagegen erst in den Concluding Remarks auf S. 2374. Zwei getrennte \cite-Aufrufe belegen die zwei zusammengehörigen Teilaussagen. Anmerkung: Breiman formuliert die Definition im Rahmen der „regularization procedures”; CART fällt darunter, weil Pruning als Regularisierungs-Schritt gilt.

Detail-Zusammenfassung: bre96b-zusammenfassung

✓ Kap. 4.1 Z. 29 — Stabilisierungsprinzip Perturbation + Averaging (verifiziert 2026-08-09)

Manuskript-Aussage: Als Gegenmittel schlägt Breiman vor, mehrere Predictoren aus perturbierten Fassungen der Trainingsdaten zu erzeugen und ihre Ausgaben zu mitteln; die resultierende Predictor-Folge ist stabiler und liefert einen geringeren Vorhersagefehler.

Zitatmarker: \cite[S.~2355]{Bre96b}

Originalwortlaut (S. 2355, Section 1.5 „Stabilization”): „Given that instability has undesirable consequences, what can be done? Unstable procedures can be stabilized! Consider all data sets ${\mathcal{L}}^{\prime }$ such that $d(\mathcal{L},{\mathcal{L}}^{\prime })\le \delta$ in some (unspecified) metric $d$. Define ${\hat{\mu }}_{ST}(\cdot ,s)={\mathrm{Av}}_{d({\mathcal{L}}^{\prime },\mathcal{L})\le \delta }\hat{\mu }(\cdot ,s,{\mathcal{L}}^{\prime })$. Then the averaged predictors $\{{\hat{\mu }}_{ST}(\cdot ,s)\}$ are a more stable sequence with lower predictive loss and less biased PE estimates.”

Begründung Passung: Die Passage benennt Perturbation + Averaging als das Stabilisierungsprinzip und liefert direkt die Kernaussage über die Wirkung („more stable sequence with lower predictive loss”). Bre96b formuliert das Prinzip allgemein; Bre96a (Bagging) ist die spezifische Umsetzung mit Bootstrap-Perturbation.

Detail-Zusammenfassung: bre96b-zusammenfassung

✓ Kap. 4.1 Z. 33 — CART-Stabilisierung mit Verweis auf Bagging (verifiziert 2026-08-09)

Manuskript-Aussage: Für Entscheidungsbäume weist Breiman in den abschließenden Bemerkungen darauf hin, dass eine solche Stabilisierung zu deutlichen Genauigkeitsverbesserungen führt, und verweist dafür auf Bagging als konkrete Umsetzung.

Zitatmarker: \cite[S.~2374]{Bre96b}

Originalwortlaut (S. 2374, Section 9 „Concluding remarks”): „There are no known stable versions of CART, MARS or neural networks. Stabilizing these methods can give nonlinear predictors with improved accuracy. In particular, Breiman (1996b, c) shows that stabilizing CART leads to dramatic improvements in accuracy.”

Begründung Passung: Bre96b bezeichnet in eigener Numerierung Breiman (1996b) das Bagging-Paper (bei uns Bre96a). Die Passage liefert die inhaltliche Brücke von der abstrakten Stabilisierungs-Heuristik zur konkreten CART-Umsetzung in Bagging und rechtfertigt damit den Übergang zu Kap. 4.2.

Detail-Zusammenfassung: bre96b-zusammenfassung

4.2 Bagging

✓ Kap. 4.2 Z. 49 — Bagging-Definition, Bootstrap + Aggregation + Namensgebung (verifiziert 2026-08-09)

Manuskript-Aussage: Bagging zieht aus der Trainingsmenge wiederholt Bootstrap-Stichproben und baut für jede einen separaten Entscheidungsbaum auf; die Vorhersage des Ensembles ergibt sich durch Aggregation der Einzelbaumvorhersagen: bei Klassifikationsaufgaben durch Mehrheitsvotum, bei Regressionsaufgaben durch Mittelwertbildung.

Zitatmarker: \cite[S.~123]{Bre96a}

Originalwortlaut (S. 123): „Take repeated bootstrap samples $\{{\mathcal{L}}^{(B)}\}$ from $\mathcal{L}$, and form $\{\phi (\mathbf{x},{\mathcal{L}}^{(B)})\}$. If $y$ is numerical, take ${\phi }_B$ as ${\phi }_B(\mathbf{x})={\mathrm{av}}_B\phi (\mathbf{x},{\mathcal{L}}^{(B)})$. If $y$ is a class label, let the $\{\phi (\mathbf{x},{\mathcal{L}}^{(B)})\}$ vote to form ${\phi }_B(\mathbf{x})$. We call this procedure ,bootstrap aggregating’ and use the acronym bagging.”

Begründung Passung: Die Passage deckt drei Bausteine in einem zusammenhängenden Block ab: (i) Bootstrap-Sampling-Idee, (ii) Aggregations-Regel für beide Aufgabentypen (numerisch = Mittelwert, Klassenlabel = Voting), (iii) Namensgebung „bootstrap aggregating” → „bagging”. Zusatz-Passage im nächsten Absatz derselben Seite präzisiert: „replicate data sets, each consisting of $N$ cases, drawn at random, but with replacement, from $\mathcal{L}$” — Grundlage für die Erklärung „gleich groß wie Original-Trainingsmenge, mit Zurücklegen” im Manuskript.

Detail-Zusammenfassung: bre96a-zusammenfassung

✓ Kap. 4.2 Z. 57 — Fehlerreduktionen 6–77 % / 21–46 % (verifiziert 2026-08-09)

Manuskript-Aussage: Empirisch berichtet Breiman für elf Klassifikationsdatensätze Fehlerreduktionen zwischen 6 Prozent und 77 Prozent, bei Regressionsproblemen liegen die Reduktionen des mittleren quadratischen Fehlers zwischen 21 und 46 Prozent.

Zitatmarker: \cite[S.~124]{Bre96a}

Originalwortlaut (S. 124): „For unstable procedures bagging works well. In Section 2 we bag classification trees on a variety of data sets. The reduction in test set misclassification rates ranges from 6% to 77%. In Section 3 regression trees are bagged with reduction in test set mean squared error on data sets ranging from 21% to 46%.”

Begründung Passung: Beide Zahlenwerte (Klassifikation und Regression) stehen wortgetreu in der Übersichtspassage am Anfang der Introduction. Diese fasst die späteren Detail-Tabellen zusammen und macht ein Zitieren der Tab.-Zellen unnötig.

Detail-Zusammenfassung: bre96a-zusammenfassung

✓ Kap. 4.2 Z. 62 — Voraussetzung Instabilität (verifiziert 2026-08-09, Cite-Split 2026-08-23)

Manuskript-Aussage: Für stabile Basisverfahren kann Bagging die Vorhersagegüte sogar geringfügig verschlechtern, für die instabilen Entscheidungsbäume verbessert sie sich hingegen deutlich.

Zitatmarker: \cite[S.~124]{Bre96a} \cite[S.~131]{Bre96a}

Originalwortlaut S. 124 (M1): „For unstable procedures bagging works well. In Section 2 we bag classification trees on a variety of data sets. The reduction in test set misclassification rates ranges from 6% to 77%.”

Originalwortlaut S. 131 (M1): „Bagging unstable classifiers usually improves them. Bagging stable classifiers is not a good idea.”

Begründung Passung: Die Voraussetzung „Instabilität” wird durch S. 124 (instabil → wirksam) und S. 131 (stabil → schadet) im Kontrast belegt. Zwei getrennte \cite-Aufrufe entsprechen der Zitierstil-Regel „Nicht-zusammenhängende Fundstellen immer getrennt”.

Detail-Zusammenfassung: bre96a-zusammenfassung

✓ Kap. 4.2 Z. 66 — Trade-off Interpretierbarkeit vs. Genauigkeit (verifiziert 2026-08-09)

Manuskript-Aussage: Was sich dabei ändert, benennt Breiman selbst: Die einfache und interpretierbare Baumstruktur geht verloren, gewonnen wird höhere Vorhersagegenauigkeit.

Zitatmarker: \cite[S.~137]{Bre96a}

Originalwortlaut (S. 137, Section 6.5 „Conclusions”): „What one loses, with the trees, is a simple and interpretable structure. What one gains is increased accuracy.”

Begründung Passung: Wortgetreue Übernahme des Trade-off-Satzes aus Breimans Conclusions. Derselbe Cite wird in Kap. 6.2 (Grenzen der Methode) erneut verwendet, um den Interpretierbarkeits-Verlust am Manuskript-Ende zu markieren.

Detail-Zusammenfassung: bre96a-zusammenfassung

4.3 Random Forests

✓ Kap. 4.3 Z. 115 — Random-Forest-Definition + Voting + Namensgebung (verifiziert 2026-08-09)

Manuskript-Aussage: Random Forests wurden 2001 von Breiman als Weiterentwicklung von Bagging eingeführt; nach dem Aufbau vieler Bäume auf Bootstrap-Stichproben werden ihre Vorhersagen durch Voting aggregiert.

Zitatmarker: \cite[S.~6]{Bre01}

Originalwortlaut (S. 6): „After a large number of trees is generated, they vote for the most popular class. We call these procedures random forests.” + „Definition 1.1. A random forest is a classifier consisting of a collection of tree-structured classifiers $\{h(\mathbf{x},{\Theta }_k),k=1,\dots \}$ where the $\{{\Theta }_k\}$ are independent identically distributed random vectors and each tree casts a unit vote for the most popular class at input $\mathbf{x}$.”

Begründung Passung: Die Passage liefert Namensgebung + Voting-Prinzip + formalen Rahmen (iid Zufallsvektoren ${\Theta }_k$). Definition 1.1 ist Oberbegriff; die konkrete Merkmalseinschränkung als Instanz („Forest-RI”) wird auf S. 10 präzisiert.

Detail-Zusammenfassung: bre01-zusammenfassung

✓ Kap. 4.3 Z. 120 — Zufällige Merkmalseinschränkung an Knoten + Stärke/Korrelation (verifiziert 2026-08-09)

Manuskript-Aussage: An jedem inneren Knoten wird die Menge der zur Split-Auswahl zugelassenen Merkmale zufällig eingeschränkt; statt aus allen $M$ Merkmalen den besten Split zu wählen, prüft der Algorithmus nur eine per Zufall gezogene Teilmenge fester Größe $m_{\mathrm{try}}$. Diese Zusatz-Zufälligkeit soll die Korrelation der Bäume senken, ohne die Baumstärke zu stark einbrechen zu lassen.

Zitatmarker: \cite[S.~10]{Bre01} (gilt für Z. 120 und Z. 128)

Originalwortlaut (S. 10, Section 3 „Using random features”): „To improve accuracy, the randomness injected has to minimize the correlation $\bar{\rho }$ while maintaining strength. The forests studied here consist of using randomly selected inputs or combinations of inputs at each node to grow each tree.”

Begründung Passung: Zwei Manuskript-Aussagen in einer Passage abgedeckt: (i) die konkrete Merkmalseinschränkung „at each node” und (ii) das Wirkprinzip „minimize correlation while maintaining strength”. Für Kap. 4.3 Z. 128 (Ensemblefehler abhängig von Stärke + Korrelation) wird derselbe Cite erneut gesetzt.

Detail-Zusammenfassung: bre01-zusammenfassung

✓ Kap. 4.3 Z. 121 — Random-Forest-Bäume nicht gestutzt (verifiziert 2026-08-09)

Manuskript-Aussage: Die einzelnen Bäume werden nicht gestutzt.

Zitatmarker: \cite[S.~11, M1]{Bre01}

Originalwortlaut (S. 11, Section 3.1, aus Kernpassage): „In my experiments with random forests, bagging is used in tandem with random feature selection. Each new training set is drawn, with replacement, from the original training set. Then a tree is grown on the new training set using random feature selection. The trees grown are not pruned.”

Begründung Passung: „The trees grown are not pruned” belegt direkt die Manuskript-Aussage. Zusätzlicher Bonus derselben Passage (M1): Bagging + Random Features werden „in tandem” verwendet — bestätigt den Manuskript-Aufbau in Kap. 4.3 Z. 120.

Detail-Zusammenfassung: bre01-zusammenfassung

✓ Kap. 4.3 Z. 167 — 1/3-Regel: ungefähr ein Drittel fehlt in Bootstrap-Stichprobe (verifiziert 2026-08-09)

Manuskript-Aussage: In jeder Bootstrap-Stichprobe verbleibt ungefähr ein Drittel der Trainingsdatenpunkte außerhalb.

Zitatmarker: \cite[S.~11, M2]{Bre01}

Originalwortlaut (S. 11, weiter unten in Section 3.1): „In each bootstrap training set, about one-third of the instances are left out.”

Begründung Passung: Wortgetreue Aussage direkt aus Bre01. Ersetzt die frühere Fußnoten-Herleitung $(1-1/N{)}^N\to 1/e$ (jetzt aus dem Manuskript entfernt).

Detail-Zusammenfassung: bre01-zusammenfassung

✓ Kap. 4.3 Z. 172 — OOB-Kernpassage (verifiziert 2026-08-09)

Manuskript-Aussage: Für jeden Trainingsdatenpunkt wird die Vorhersage nur durch jene Bäume gebildet, in deren Bootstrap-Stichprobe er nicht enthalten ist; die Fehlerrate dieses Out-of-Bag-Klassifikators liefert eine Schätzung des Generalisierungsfehlers.

Zitatmarker: \cite[S.~11, M1]{Bre01}

Originalwortlaut (S. 11, Section 3.1): „For each $y,\mathbf{x}$ in the training set, aggregate the votes only over those classifiers for which $T_k$ does not contain $y,\mathbf{x}$. Call this the out-of-bag classifier. Then the out-of-bag estimate for the generalization error is the error rate of the out-of-bag classifier on the training set.”

Begründung Passung: Wortgetreue Übernahme des OOB-Prinzips: Aggregation nur über Bäume, in denen der Testpunkt nicht in der Bootstrap-Stichprobe war. Derselbe M-Marker M1 wie Kap. 4.3 Z. 121 (nicht-gestutzte Bäume), weil die Passagen zusammenhängen.

Detail-Zusammenfassung: bre01-zusammenfassung

✓ Kap. 4.3 Z. 175 — OOB erwartungstreu (verifiziert 2026-08-09)

Manuskript-Aussage: Im Unterschied zur $k$-fachen Kreuzvalidierung ist die OOB-Fehlerschätzung erwartungstreu.

Zitatmarker: \cite[S.~11, M2]{Bre01}

Originalwortlaut (S. 11, unmittelbar nach der 1/3-Aussage): „But unlike cross-validation, where bias is present but its extent unknown, the out-of-bag estimates are unbiased.”

Begründung Passung: Direkter Kontrast Kreuzvalidierung vs. OOB. Selber M-Marker M2 wie 1/3-Aussage, weil beide Sätze im selben Absatz stehen.

Detail-Zusammenfassung: bre01-zusammenfassung

4.4 Datenvorverarbeitung mit SMOTE

✓ Kap. 4.4 Z. 191 — SMOTE-Grundidee (verifiziert 2026-08-10)

Manuskript-Aussage: Chawla et al. schlagen mit SMOTE ein Verfahren vor, das synthetische Minderheitsklassen-Datenpunkte erzeugt.

Zitatmarker: \cite[S.~328, M1]{CBHK02}

Originalwortlaut (S. 328, Anfang Section 4.2 „SMOTE”): „We propose an over-sampling approach in which the minority class is over-sampled by creating ‚synthetic’ examples rather than by over-sampling with replacement.”

Begründung Passung: Die zentrale Grundidee (synthetische Beispiele statt Duplikate mit Zurücklegen) steht wortgetreu in Chawlas Introduction des Verfahrens.

Detail-Zusammenfassung: cbhk02-zusammenfassung

✓ Kap. 4.4 Z. 196 — SMOTE-Algorithmus mit $k$-Nachbarn und Interpolation (verifiziert 2026-08-10)

Manuskript-Aussage: Für jeden Datenpunkt der Minderheitsklasse werden seine $k$ nächsten Klassenkameraden im Merkmalsraum bestimmt (typischerweise $k=5$); zwischen dem Datenpunkt und einem zufällig gewählten Nachbarn wird durch lineare Interpolation ein synthetischer Datenpunkt eingefügt.

Zitatmarker: \cite[S.~328, M2]{CBHK02}

Originalwortlaut (S. 328, weiter unten in derselben Section): „The minority class is over-sampled by taking each minority class sample and introducing synthetic examples along the line segments joining any/all of the $k$ minority class nearest neighbors. Depending upon the amount of over-sampling required, neighbors from the $k$ nearest neighbors are randomly chosen. Our implementation currently uses five nearest neighbors. […] Take the difference between the feature vector (sample) under consideration and its nearest neighbor. Multiply this difference by a random number between 0 and 1, and add it to the feature vector under consideration. This causes the selection of a random point along the line segment between two specific features.”

Begründung Passung: Die gesamte Algorithmus-Beschreibung — $k$ Nachbarn, $k=5$ als Default, zufällige Wahl aus den Nachbarn, lineare Interpolation entlang der Verbindungslinie — steht in einem Highlight-Block. Der Zufallsparameter $r\in [0,1]$ („random number between 0 and 1”) ist Grundlage für die im Manuskript verbal beschriebene „lineare Interpolation”.

Detail-Zusammenfassung: cbhk02-zusammenfassung

✓ Kap. 4.4 Z. 199 — SMOTE + Undersampling (verifiziert 2026-08-10)

Manuskript-Aussage: Die so vergrößerte Minderheitsklasse wird häufig mit einem Undersampling der Mehrheitsklasse kombiniert, um eine ausgeglichenere Trainingsverteilung zu erhalten.

Zitatmarker: \cite[S.~331]{CBHK02}

Originalwortlaut (S. 331, Section 4.3 „Under-sampling and SMOTE Combination”): „The majority class is under-sampled by randomly removing samples from the majority class population until the minority class becomes some specified percentage of the majority class.”

Begründung Passung: Section 4.3 heißt explizit „Under-sampling and SMOTE Combination” und beschreibt die Mechanik der Kombination. Die Manuskript-Aussage „häufig mit einem Undersampling kombiniert” bezieht sich auf genau diese von Chawla als eigenständiges Verfahren eingeführte Kombination.

Detail-Zusammenfassung: cbhk02-zusammenfassung

✓ Kap. 4.4 Z. 201 — Empirische Überlegenheit der Kombination (verifiziert 2026-08-10)

Manuskript-Aussage: Empirisch übertrifft diese Kombination reines Undersampling.

Zitatmarker: \cite[S.~352]{CBHK02}

Originalwortlaut (S. 352, Section 7 „Summary”): „The results show that the SMOTE approach can improve the accuracy of classifiers for a minority class. SMOTE provides a new approach to over-sampling. The combination of SMOTE and under-sampling performs better than plain under-sampling.”

Begründung Passung: Direkter empirischer Vergleich in Chawlas eigener Summary. Ergänzt Kap. 4.4 Z. 199 (Mechanik) um die Ergebnis-Aussage („besser als reines Undersampling”) — verankert die Wahl des kombinierten Verfahrens in PNRB15.

Detail-Zusammenfassung: cbhk02-zusammenfassung

(Kap. 4.5 Interpretierbarkeit — als eigener Abschnitt am 2026-08-09 aus dem Manuskript gestrichen. Trade-off-Aussage aus Bre96a S. 137 nach Kap. 6.2 verschoben, siehe unten.)

---

Kap. 5 — Anwendung: Predictive Maintenance mit Random Forests

5.0 Kapiteleinleitung

✓ Kap. 5.0 Z. 8 — CART widmet Medizin ein eigenes Kapitel (verifiziert 2026-08-11)

Manuskript-Aussage: Breiman et al. widmen in CART eigene Kapitel medizinischen Diagnose- und Prognoseaufgaben.

Zitatmarker: \cite[Kap.~6, S.~174]{BFOS84}

Originalwortlaut: Kapitelüberschrift „6. Medical Diagnosis and Prognosis” auf S. 174.

Begründung Passung: Beleg als „S. XXX ff.”-Form auf die Kapitelanfangsseite; das gesamte Kap. 6 in CART behandelt medizinische Diagnose- und Prognoseanwendungen von Klassifikationsbäumen.

Detail-Zusammenfassung: bfos84-zusammenfassung

✓ Kap. 5.0 Z. 8 — CART widmet Massenspektren ein eigenes Kapitel (verifiziert 2026-08-11)

Manuskript-Aussage: …sowie der Analyse von Massenspektren.

Zitatmarker: \cite[Kap.~7, S.~203]{BFOS84}

Originalwortlaut: Kapitelüberschrift „7. Mass Spectra Classification” auf S. 203.

Begründung Passung: Beleg als „S. XXX ff.”-Form auf die Kapitelanfangsseite; das gesamte Kap. 7 behandelt Massenspektren-Klassifikation als CART-Anwendung.

Detail-Zusammenfassung: bfos84-zusammenfassung

✓ Kap. 5.0 Z. 11 — Random-Forest-Evaluation über Datensätze aus mehreren Domänen (verifiziert 2026-08-11)

Manuskript-Aussage: Breiman evaluiert Random Forests an einer umfangreichen Sammlung von Datensätzen aus Medizin, Signalklassifikation und ökonomischen Fragestellungen.

Zitatmarker: \cite[S.~12, Tab.~1]{Bre01}

Originalwortlaut: Table 1 „Data set summary” auf S. 12, listet 20 Datensätze auf mit Trainingsgröße, Testgröße, Anzahl Inputs, Anzahl Klassen. Die Manuskript-Zuordnung („Medizin, Signalklassifikation, ökonomisch”) entspricht: Medizin (Breast cancer, Diabetes, Ecoli, Liver), Signalklassifikation (Waveform, Twonorm, Threenorm, Ringnorm, Sat-images, Sonar), ökonomisch (German credit).

Begründung Passung: Die Datensatz-Tabelle belegt direkt die Breite der Anwendungsdomänen. Die drei genannten Kategorien im Manuskript sind in Tab. 1 durch mindestens einen Datensatz jeweils vertreten.

Detail-Zusammenfassung: bre01-zusammenfassung

5.1 Kontext und Datenlage

Stand 2026-08-16: PNRB15-Vollrelesung abgeschlossen (20 Marker S. 139–149). Alle 22 Kap.-5.1–5.4-Cites verifiziert und als \cite im Manuskript gesetzt; alle 18 Detailblöcke (gruppiert nach Belegstelle; mehrere Manuskript-Cites teilen sich dieselbe Belegstelle, z.B. S. 143 M5, S. 149 M1) mit Originalwortlaut + deutscher Übersetzung + Passungs-Begründung vollständig ausgebaut.

✓ Kap. 5.1 Z. 38 — Zwei Datenquellen + LVD/VSR-Namensnennung (verifiziert 2026-08-16, f.-Erweiterung 2026-08-23)

Manuskript-Aussage: Die Autoren kombinieren zwei Datenquellen: LVD (Sensor- und Zählerwerte aus dem Bordrechner) und VSR (Wartungshistorie aus den Werkstattprotokollen).

Zitatmarker: \cite[S.~139\,f., M1]{PNRB15}

Originalwortlaut S. 139 (M1):

„We present a data-driven approach that combines pattern recognition with the RUL estimation, by classifying if the RUL is shorter or longer than the time to the next planned service visit. The model is based on combining collected (i.e. not real-time) data from two sources: data collected on-board the vehicles and service records collected from OEM certified maintenance workshops.”

Fortsetzung S. 140 (ohne eigenen M-Marker; Teil desselben Highlight-Blocks):

„In this work we use two such databases: the Logged Vehicle Data (LVD) and the Volvo Service Records (VSR).”

Deutsche Übersetzung: „Wir stellen einen datengetriebenen Ansatz vor, der Mustererkennung mit der RUL-Schätzung kombiniert, indem klassifiziert wird, ob die RUL kürzer oder länger als die Zeit bis zum nächsten geplanten Werkstattbesuch ist. Das Modell basiert auf der Kombination gesammelter (also nicht echtzeit-) Daten aus zwei Quellen: an Bord der Fahrzeuge erhobene Daten und Werkstattprotokolle aus vom OEM zertifizierten Werkstätten. […] In dieser Arbeit verwenden wir zwei solche Datenbanken: die Logged Vehicle Data (LVD) und die Volvo Service Records (VSR).”

Begründung Passung: Die Zwei-Quellen-Konstruktion wird auf S. 139 (M1) eingeführt, die konkreten Namen LVD und VSR fallen erst in der Fortsetzung des Absatzes auf S. 140. Die Fortsetzungspassage auf S. 140 ist als Teil des M1-Highlights markiert, ohne eigene M-Nummer. f.-Notation stellt den Beleg für die Namensnennung sicher.

✓ Kap. 5.1 Z. 48 — Datenherausforderungen und Ausfallursachen-Zusammenfassung (verifiziert 2026-08-16)

Manuskript-Aussage: Herausforderungen: unbalancierte Klassen, verrauschte Klassenlabel, unsichere Datumsangaben, unregelmäßige Auslesezeitpunkte; mehrere Ausfallursachen zu einer gemeinsamen Kategorie zusammengefasst.

Zitatmarker: \cite[S.~139\,f., M2]{PNRB15}

Originalwortlaut (S. 139 Ende / S. 140 Anfang, Introduction):

„The data come from a huge set of real vehicles in normal operation, with different operators. The challenges include, among others, highly unbalanced data sets, noisy class labels, uncertainty in the dates, irregular readouts and unpredictable number of readouts from individual vehicles. In addition, multiple readouts from the same truck are highly correlated, which puts constraints on how data for testing and training are selected. We specifically study air compressors on heavy duty trucks and the fault complexity is also a challenge; air compressors face many possible types of failures, but we need to consider them all as one since they are not differentiated in the data sources.”

Deutsche Übersetzung: „Die Daten stammen aus einem großen Bestand realer Fahrzeuge im Normalbetrieb, mit unterschiedlichen Betreibern. Zu den Herausforderungen zählen unter anderem stark unbalancierte Datensätze, verrauschte Klassenlabel, Unsicherheit bei den Datumsangaben, unregelmäßige Auslesungen und eine unvorhersehbare Anzahl von Auslesungen pro Fahrzeug. Zusätzlich sind mehrere Auslesungen desselben LKW stark korreliert, was Bedingungen an die Aufteilung von Trainings- und Testdaten stellt. Wir untersuchen speziell Luftkompressoren auf schweren Nutzfahrzeugen, und die Fehlerkomplexität ist ebenfalls eine Herausforderung; Luftkompressoren haben viele mögliche Ausfallarten, aber sie müssen alle als eine gemeinsame Kategorie behandelt werden, weil sie in den Datenquellen nicht unterschieden werden.”

Begründung Passung: Der Marker deckt alle vier im Manuskript genannten Herausforderungen (Klassenungleichgewicht, verrauschte Labels, Datumsunschärfe, unregelmäßige Auslesungen) plus die zusammengefassten Ausfallursachen (letzter Teilsatz) in einem geschlossenen Absatz ab. Der Bonus-Teilsatz „multiple readouts […] highly correlated” begründet die fahrzeugweise Datenaufteilung, deren primärer Beleg auf S. 143 M3 liegt.

✓ Kap. 5.1 Z. 31 — 1000 EUR/Tag Fixkosten (verifiziert 2026-08-16)

Manuskript-Aussage: Bei einem europäischen Langstrecken-LKW belaufen sich die Fixkosten einer ungeplanten Standzeit auf rund 1000 Euro pro Tag.

Zitatmarker: \cite[S.~142, M4]{PNRB15}

Originalwortlaut (S. 142, Section 3 Problem formulation, gegen Ende):

„Fixed operational costs correspond to the cost of owning and operating a vehicle without using it. This includes drivers wage, insurances and maintenance. A European long-haul truck costs on average €1000 per day in fixed costs.”

Deutsche Übersetzung: „Fixe Betriebskosten entsprechen den Kosten für den Besitz und Betrieb eines Fahrzeugs ohne dessen Nutzung. Dazu zählen Fahrerlöhne, Versicherungen und Wartung. Ein europäischer Langstrecken-LKW kostet im Schnitt 1000 Euro pro Tag an Fixkosten.”

Begründung Passung: Wörtliche Aussage von 1000 EUR/Tag Fixkosten für einen europäischen Langstrecken-LKW; Grundlage der wirtschaftlichen Motivation in Kap. 5.1.

5.2 Problemformulierung und Verfahren

Stand 2026-08-16: Manuskript-Text ohne mathematische Formel; die Integraldarstellung wurde entfernt und in Prosa überführt.

✓ Kap. 5.2 Z. 61 — Aufgabenreduktion zur binären Klassifikation (verifiziert 2026-08-16)

Manuskript-Aussage: Die Zielgröße ist die Wahrscheinlichkeit, dass der Kompressor innerhalb eines festgelegten Zeitfensters vor dem nächsten Werkstattbesuch ausfällt, bedingt auf die bis zu diesem Zeitpunkt verfügbare Nutzungshistorie.

Zitatmarker: \cite[S.~142, M1]{PNRB15}

Originalwortlaut (S. 142, Section 3 Problem formulation, Anfang):

„The usual RUL approach is to estimate $f(x_t|Y_t)$ or the expectation of the RUL. However, the setting we consider in this paper, this approach is unnecessarily complicated; we do not need to calculate the perfect time to perform repair since it is unpractical to do a repair at arbitrary times. Repairs are preferably done during planned maintenance events. The truck is in workshop on a particular date and the decision is a binary one: either to replace the component now or not. It should be replaced if the risk that it will not survive until the next planned maintenance is sufficiently high (in relation to the cost for repairing it in an unplanned service). That is, we need to estimate the posterior probability.”

Deutsche Übersetzung: „Der übliche RUL-Ansatz ist, $f(x_t|Y_t)$ oder den Erwartungswert der RUL zu schätzen. Im hier betrachteten Setting ist dieser Ansatz jedoch unnötig kompliziert; wir müssen nicht den perfekten Zeitpunkt für die Reparatur berechnen, weil eine Reparatur zu beliebigen Zeitpunkten unpraktikabel ist. Reparaturen werden vorzugsweise während geplanter Wartungsereignisse durchgeführt. Der LKW steht an einem bestimmten Datum in der Werkstatt, und die Entscheidung ist binär: die Komponente jetzt ersetzen oder nicht. Sie sollte ersetzt werden, wenn das Risiko, dass sie nicht bis zur nächsten geplanten Wartung durchhält, ausreichend hoch ist (im Verhältnis zu den Kosten einer ungeplanten Reparatur). Das heißt, wir müssen die posteriore Wahrscheinlichkeit schätzen.”

Begründung Passung: Direkter Beleg für die didaktische Reduktion im Manuskript-Text von der klassischen RUL-Schätzung auf die binäre Entscheidungsformulierung. Die Manuskript-Formulierung ist bewusst in Prosa gehalten, weil das Manuskript die formale Integraldarstellung nicht übernimmt.

✓ Kap. 5.2 Z. 71 — 10 Läufe, 10-fache Kreuzvalidierung, Random-Forest-Setup (verifiziert 2026-08-16)

Manuskript-Aussage: Als Klassifikator dient ein Random Forest, trainiert mit zehn Wiederholungen und zehnfacher Kreuzvalidierung.

Zitatmarker: \cite[S.~142, M2]{PNRB15}

Originalwortlaut (S. 142, Section 4.1 „Machine learning algorithm and software”):

„All experimental results are averages over 10 runs using the Random Forest (Breiman, 2001) classifier, with 10-fold cross validation. We used the R language (R Core Team, 2014) including caret, unbalanced, DMwR and ggplot2 libraries.

Random Forest are decision trees combined by bagging but with an additional layer of randomness on top of what is added by the bootstrapping of training data. The additional randomness is added by only considering subset of features at each node split. The considered features are randomly selected at each node and is normally few compared to the available features in the training data.”

Deutsche Übersetzung: „Alle experimentellen Ergebnisse sind Mittelwerte über 10 Läufe mit dem Random-Forest-Klassifikator (Breiman, 2001) bei 10-facher Kreuzvalidierung. Wir haben die Sprache R (R Core Team, 2014) mit den Paketen caret, unbalanced, DMwR und ggplot2 verwendet. // Random Forests sind Entscheidungsbäume, die per Bagging kombiniert werden, aber mit einer zusätzlichen Zufälligkeitsschicht über der Bootstrap-Stichprobenziehung der Trainingsdaten. Die zusätzliche Zufälligkeit entsteht dadurch, dass an jedem Split nur eine Teilmenge der Merkmale berücksichtigt wird. Diese Merkmale werden an jedem Knoten zufällig ausgewählt und sind meist wenige im Vergleich zu allen im Trainingsdatensatz verfügbaren Merkmalen.”

Begründung Passung: Belegt sowohl die konkreten Setup-Zahlen (10 Läufe, 10-fache CV) als auch das RF-Grundprinzip aus Sicht der Autoren. Der Manuskript-Absatz zieht daraus die Kernwerte für die Reproduktion der Studie heraus.

✓ Kap. 5.2 Z. 64 — Vorhersagehorizont 15 Wochen (verifiziert 2026-08-16)

Manuskript-Aussage: In der praktischen Umsetzung setzen die Autoren dieses Zeitfenster mit dem typischen Werkstattbesuchsabstand von 15 Wochen gleich.

Zitatmarker: \cite[S.~143, M2]{PNRB15}

Originalwortlaut (S. 143, Section 4.3 „Prediction horizon”):

„A replacement recommendation should be made for a component for which the air compressor is expected to fail within that time frame into the future. As described earlier, the vehicles visit the workshop on average every 15 weeks and the PH needs to be at least that long. The system should provide warnings about components that are at risk of failing before the next expected workshop visit.”

Deutsche Übersetzung: „Eine Austauschempfehlung sollte für eine Komponente gegeben werden, deren Ausfall innerhalb dieses Zeitfensters in der Zukunft erwartet wird. Wie zuvor beschrieben, besuchen die Fahrzeuge die Werkstatt im Durchschnitt alle 15 Wochen, und der PH muss mindestens so lang sein. Das System soll Warnungen für Komponenten liefern, die vor dem nächsten erwarteten Werkstattbesuch ausfallen könnten.”

Begründung Passung: Wörtliche Aussage der Autoren zur Setzung des Vorhersagehorizonts auf 15 Wochen mit expliziter Begründung durch den Werkstattbesuchsabstand — genau der Konnex, den der Manuskript-Absatz herstellt.

✓ Kap. 5.2 Z. 77 — Fahrzeugweise Train/Test-Trennung (verifiziert 2026-08-16)

Manuskript-Aussage: Trainings- und Testdaten werden nicht zufällig, sondern fahrzeugweise getrennt, sonst systematische Überschätzung der Vorhersagegüte.

Zitatmarker: \cite[S.~143, M3]{PNRB15}

Originalwortlaut (S. 143, Section 4.4 „Data set split”):

„However, a classifier can learn these patterns and overfit. A partial way of dealing with the problem is to ensure that the test and train data set be split on a per vehicle basis and not randomly among all readouts. It means that if one or more readouts from a given vehicle belong to the test set, no readouts from the same vehicle can be used to train the classifier.”

Deutsche Übersetzung: „Ein Klassifikator kann diese Muster jedoch lernen und überanpassen. Eine teilweise Lösung des Problems besteht darin sicherzustellen, dass Test- und Trainingsdaten fahrzeugweise geteilt werden und nicht zufällig über alle Auslesungen. Das bedeutet: Wenn eine oder mehrere Auslesungen eines bestimmten Fahrzeugs zur Testmenge gehören, dürfen keine Auslesungen desselben Fahrzeugs zum Training verwendet werden.”

Begründung Passung: Direkter Beleg für die im Manuskript-Absatz beschriebene fahrzeugweise Aufteilung. Der Overfit-Effekt bei zufälliger Aufteilung („However, a classifier can learn these patterns and overfit”) begründet die systematische Überschätzung, die im Manuskript adressiert wird.

5.3 Merkmalsauswahl

✓ Kap. 5.3 Z. 84 — Rohdatensatz ~1250 Merkmale, ~500 pro Fahrzeug (verifiziert 2026-08-16)

Manuskript-Aussage: Der Rohdatensatz umfasst rund 1250 mögliche Merkmale; pro Fahrzeug sind etwa 500 verfügbar.

Zitatmarker: \cite[S.~143, M4]{PNRB15}

Originalwortlaut (S. 143, Section 4.5 „Feature selection”, Anfang):

„The data set contains 1250 unique features and equally many differentiated features. However, only approximately 500 of them are available for the average vehicle. It is clear that not all features should be used as input to the classifier. It is important to find the subset of features that yields the highest classification performance. Additionally, the small overlap of common features between vehicles makes this a research challenge.”

Deutsche Übersetzung: „Der Datensatz enthält 1250 einzigartige Merkmale sowie ebenso viele differenzierte Merkmale. Von diesen sind allerdings nur etwa 500 für ein durchschnittliches Fahrzeug verfügbar. Es ist klar, dass nicht alle Merkmale als Eingabe für den Klassifikator verwendet werden sollten. Es ist wichtig, die Teilmenge der Merkmale zu finden, die die höchste Klassifikationsleistung liefert. Zusätzlich macht die geringe Überlappung gemeinsamer Merkmale zwischen den Fahrzeugen die Aufgabe zu einer Forschungsherausforderung.”

Begründung Passung: Direkter Beleg für die 1250/500-Angaben im Manuskript und für die Motivation der nachfolgenden Merkmalsauswahl.

✓ Kap. 5.3 Z. 91 + Z. 101 + Z. 106 — Expertenauswahl + Wrapper (Beam Search) + Filter (KS-Test) (verifiziert 2026-08-16)

Manuskript-Aussagen:

• Z. 91: Vier handverlesene Expertenmerkmale (Alterung/Nutzung) als Vergleichsreferenz.
• Z. 101: Wrapper-Verfahren auf Basis einer Beam Search als Kandidaten-Suche im Merkmalsraum.
• Z. 106: Filter-Verfahren mit Kolmogorov-Smirnov-Test, der pro Merkmal den Verteilungsunterschied zwischen Ausfall- und Normal-Datensatz prüft.

Zitatmarker: dreimal \cite[S.~143, M5]{PNRB15} (identische Belegstelle mit den drei behandelten Ansätzen kompakt beschrieben).

Originalwortlaut (S. 143, Section 4.5 „Feature selection”):

„We use two feature selection methods: a wrapper approach based on the beam search algorithm, as well as a new filter method based on the Kolmogorov–Smirnov test to search for the optimal feature set. The final feature sets are compared against an expert data set, defined by an engineer with domain knowledge. The expert data set contains four features, all of which have direct relevance to the age of the vehicle or the usage of the air compressor.”

Deutsche Übersetzung: „Wir verwenden zwei Merkmalsauswahl-Methoden: einen Wrapper-Ansatz auf Basis des Beam-Search-Algorithmus sowie eine neue Filter-Methode auf Basis des Kolmogorov-Smirnov-Tests, um die optimale Merkmalsmenge zu suchen. Die finalen Merkmalssets werden gegen einen Experten-Datensatz verglichen, der von einem Ingenieur mit Domänenwissen definiert wurde. Der Experten-Datensatz enthält vier Merkmale, die alle direkte Relevanz für das Alter des Fahrzeugs oder die Nutzung des Luftkompressors haben.”

Begründung Passung: Marker fasst alle drei im Manuskript nebeneinander behandelten Merkmalsauswahl-Ansätze in einem kompakten Absatz zusammen (Wrapper, Filter, Experten-Referenz mit vier Merkmalen). Die Detailbeschreibung der Beam-Search-Prozedur folgt im Anschluss (auf S. 143 unten und S. 144 oben), wird im Manuskript aber nicht separat zitiert, weil der Manuskript-Text den Wrapper nur namentlich einführt und nicht algorithmisch entfaltet.

✓ Kap. 5.3 Z. 112 — SMOTE-Balancierung mit k-nächsten Nachbarn (verifiziert 2026-08-16)

Manuskript-Aussage: Klassenverteilung mit SMOTE balanciert; Interpolation zwischen Datenpunkt und $k$ nächsten Nachbarn erzeugt synthetische Ausfall-Beispiele.

Zitatmarker: \cite[S.~145, M1]{PNRB15}

Originalwortlaut (S. 145, Section 4.6 „Balancing the data set”):

„We use the Synthetic Minority Over-sampling TEchnique (SMOTE), introduced by Chawla et al. (2002). It identifies, for any given positive example, the $k$ nearest neighbours belonging to the same class. It then creates new, synthetic, examples randomly placed in between the original example and the $k$ neighbours. It uses two design parameters: number of neighbours to take into [account …]”

Deutsche Übersetzung: „Wir verwenden die Synthetic Minority Over-sampling TEchnique (SMOTE), eingeführt von Chawla et al. (2002). Für jedes gegebene positive Beispiel bestimmt das Verfahren die $k$ nächsten Nachbarn, die zur selben Klasse gehören. Es erzeugt dann neue, synthetische Beispiele, die zufällig zwischen dem ursprünglichen Beispiel und den $k$ Nachbarn platziert werden. SMOTE nutzt zwei Design-Parameter: die Anzahl der zu berücksichtigenden Nachbarn und […]”

Begründung Passung: Direkter Beleg für die im Manuskript genannten drei Kernelemente: (a) Namensnennung SMOTE mit Verweis auf Chawla et al. 2002, (b) $k$-nächste-Nachbarn-Prinzip, (c) Interpolation zwischen Originalpunkt und Nachbarn als Erzeugungsverfahren. Die Zweitreferenz auf CBHK02 (Kap. 4.4) bleibt im Manuskript-Text erhalten; hier zitiert wird die konkrete Anwendung durch die PNRB15-Autoren.

⧗ Kap. 5.3 Abb.~5.1 Caption — Verarbeitungspipeline

Manuskript-Aussage: Verarbeitungspipeline der Fallstudie. Eigene Darstellung nach Prytz et al. Zitatmarker: \cite[S.~139\,ff.]{PNRB15} Sammel-Notiz: Kein Marker-basierter Einzelbeleg; die Abbildung fasst die Kap.-2-4-Beschreibung der Autoren visuell zusammen und wird konservativ mit dem Seitenbereich zitiert. Detail-Zusammenfassung: pnrb15-zusammenfassung

5.4 Bewertung und Ergebnisse

⧗ Kap. 5.4 Z. 158 — Klassifikationsmetriken nur für balancierte Datensätze aussagekräftig

Manuskript-Aussage: Klassifikationsmetriken sind für unbalancierte Datensätze nur eingeschränkt aussagekräftig. Zitatmarker: \cite[S.~142, M3]{PNRB15} — bereits durch Marker S. 142 M3 abgedeckt (siehe voller Text unten).

Originalwortlaut (S. 142, Section 4.2 „Evaluation criteria”):

„Supervised machine learning algorithms are typically evaluated using measures like accuracy, area under the Receiver Operating Characteristic (ROC) curve or similar. Most of them, however, are suitable only for balanced data sets, i.e. ones with similar numbers of positive and negative examples. Measures that also work well for the unbalanced case include, e.g., the Positive Predictive Value (PPV) or $F_1$-score.”

Deutsche Übersetzung: „Überwachte Machine-Learning-Algorithmen werden typischerweise mit Maßen wie Accuracy, der Fläche unter der ROC-Kurve oder ähnlichem bewertet. Die meisten davon sind jedoch nur für balancierte Datensätze geeignet, also für solche mit ähnlich vielen positiven wie negativen Beispielen. Maße, die auch im unbalancierten Fall gut funktionieren, sind beispielsweise der Positive Predictive Value (PPV) oder der $F_1$-Wert.”

Begründung Passung: Wörtliche Aussage der Autoren, dass klassische Metriken nur für balancierte Datensätze aussagekräftig sind — genau die Manuskript-Formulierung „Metriken-Kritik” nach Option B (kein Trivial-Klassifikator-Argument, sondern die von den Autoren tatsächlich formulierte Balance-Bedingung).

✓ Kap. 5.4 Z. 163 — Metriken-Divergenz Accuracy vs. Profit (verifiziert 2026-08-16)

Manuskript-Aussage: Accuracy sinkt mit False Negatives, Profit bleibt nahezu konstant — die Autoren beobachten damit eine Divergenz zwischen klassischer Klassifikationsmetrik und wirtschaftlicher Bewertung.

Zitatmarker: \cite[S.~147\,f.]{PNRB15}

Originalwortlaut (S. 147 unten, Section 5 „Results”, übergehend auf S. 148):

„Accuracy decreases somewhat less rapidly in the first experiment with unlimited training data set size (left panel of Fig. 7). Fig. 8 shows the result when evaluated with the profit measure. Interestingly, from this point of view, the system performance improves with larger PH. This appears to be, at least partially, caused by a larger number of false negatives. In particular, the further away data readout is from compressor replacement, the less indications of problems it contains. Thus a classifier will consider them to be negative examples, but if it was trained on data with sufficiently large prediction horizon, they will be false negatives. Large number of them will lower accuracy significantly, but will not affect profit.”

Deutsche Übersetzung: „Die Accuracy sinkt im ersten Experiment mit unbegrenzter Trainingsdatengröße etwas weniger schnell (linkes Panel von Abb. 7). Abb. 8 zeigt das Ergebnis unter Bewertung mit dem Profit-Maß. Interessanterweise verbessert sich die Systemleistung aus dieser Perspektive mit wachsendem PH. Das scheint zumindest teilweise durch eine höhere Anzahl von False Negatives verursacht zu sein. Insbesondere gilt: Je weiter eine Datenauslesung vom Kompressoraustausch entfernt liegt, desto weniger Hinweise auf Probleme enthält sie. Ein Klassifikator wird solche Auslesungen daher als negative Beispiele einstufen; wenn er aber auf Daten mit ausreichend großem Vorhersagehorizont trainiert wurde, sind es False Negatives. Eine große Anzahl davon senkt die Accuracy signifikant, beeinflusst den Profit jedoch nicht.”

Begründung Passung: Die Autoren machen die Divergenz zwischen Accuracy und Profit explizit sichtbar: dieselbe Klassifikator-Konstellation führt bei steigender Zahl von False Negatives zu einer stark sinkenden Accuracy und einem gleichzeitig nahezu unveränderten Profit. Genau dieser Kontrast trägt die Manuskript-Argumentation, dass klassische Klassifikationsmetriken die wirtschaftliche Relevanz nicht abbilden und deshalb die domänenspezifische Profit-Funktion nötig ist.

✓ Kap. 5.4 Z. 169 — Profit-Formel (verifiziert 2026-08-16)

Manuskript-Aussage: Nettoprofit $=TP\cdot ECUR-FP\cdot CPR-Investment$.

Zitatmarker: \cite[S.~143, M1]{PNRB15}

Originalwortlaut (S. 143, Section 4.2 „Evaluation criteria”, Ende):

„Ultimately, the criterion for evaluation of the model performance is a cost function based on the three components introduced at the beginning of this section. The function below captures the total cost of the implementation of the predictive maintenance system:

$Profit=TP\times ECUR-FP\times CPR-Investment$ \quad (3)

where ECUR stands for extra cost of unplanned repair and CPR stands for cost of planned repair. Each true positive avoids the additional costs of a breakdown and each false positive is a repair done in vain, which causes additional costs.”

Deutsche Übersetzung: „Letztlich ist das Kriterium für die Bewertung der Modellleistung eine Kostenfunktion, die auf den drei am Anfang dieses Abschnitts eingeführten Komponenten beruht. Die folgende Funktion erfasst die Gesamtkosten der Implementierung des Predictive-Maintenance-Systems: $Profit=TP\times ECUR-FP\times CPR-Investment$. ECUR steht für die Zusatzkosten einer ungeplanten Reparatur und CPR für die Kosten einer geplanten Reparatur. Jedes True Positive vermeidet die Zusatzkosten eines Ausfalls, und jedes False Positive ist eine vergebliche Reparatur, die zusätzliche Kosten verursacht.”

Begründung Passung: Wörtliche Übernahme der Profit-Formel und der zugehörigen Definitionen von ECUR/CPR. Die Manuskript-Formel benutzt dieselbe Struktur und Notation.

✓ Kap. 5.4 Abb.~5.2 Caption + Z. 243 + Z. 247 — Table-1-Werte, Profit-Rangfolge, 110-EUR-Ersparnis (verifiziert 2026-08-16)

Manuskript-Aussagen:

• Abb.-Caption Z. 232: Werte für absoluten und normalisierten Profit pro Merkmalsset bei Vorhersagehorizont 15 Wochen.
• Z. 243: Werte aus Tab. 1 + Rangfolge (Usage / Beam 1 schlägt Expert).
• Z. 247: Ersparnis rund 110 EUR/Fahrzeug; Nettonutzen niedriger einstelliger Millionenbereich für 10 000 Fahrzeuge.

Zitatmarker:

• Abb.-Caption: \cite[S.~148, Tab.~1]{PNRB15}
• Z. 243: \cite[S.~148, Tab.~1]{PNRB15} + \cite[S.~149, M1]{PNRB15} (Rangfolge, siehe eigener Block unten)
• Z. 247: \cite[S.~148, Tab.~1]{PNRB15}

Originalwortlaut (S. 148, Table 1 mit Caption):

Table 1 „The best settings for each of the feature sets (AN denotes age normalised). The total number of samples (second column) depends on the method used for selecting the data. The columns marked with % and $k$ show the SMOTE parameter settings and the column labelled Prepr shows the SMOTE preprocessing method used. The Profit is evaluated for a PH of 15 weeks and the optimal training data set size (see Fig. 11 and the discussion in the text). The Profit (M€) depends on the test data set size, which depends on the method used for selecting the data. The rightmost column, labeled nProfit, shows per vehicle Profit (in €) which is the Profit divided with respect to the number of vehicles in the testsets.”

Feature set	Samples	Features	%	$k$	Prepr	Profit (M€)	nProfit (€)
Wear	10 660	20	700	14	TL	1.59	86
Wear AN	10 520	20	1000	20	TL	0.62	22
Usage	12 440	20	1000	16	TL	1.94	114
Usage AN	12 440	20	1000	20	CNN	1.60	110
Beam search 1	14 500	14	800	20	NCL	1.66	116
Beam search 2	14 500	15	800	16	TL	0.75	54
Expert	14 960	4	900	20	ENN	0.84	64

Deutsche Übersetzung der Caption: „Die besten Einstellungen pro Merkmalsset (AN steht für altersnormalisiert). Die Gesamtzahl der Stichproben (zweite Spalte) hängt von der Datenauswahl-Methode ab. Die mit % und $k$ markierten Spalten zeigen die SMOTE-Parametereinstellungen, die Spalte Prepr die verwendete SMOTE-Vorverarbeitungsmethode. Der Profit ist bei PH = 15 Wochen und optimaler Trainingsdatengröße ausgewertet. Der Profit (M€) hängt von der Testdatengröße ab, die wiederum von der Datenauswahl-Methode abhängt. Die rechte Spalte nProfit zeigt den Profit pro Fahrzeug (in €), also Profit geteilt durch die Anzahl der Fahrzeuge im Testset.”

Begründung Passung: Table 1 ist die einzige geschlossene Zusammenstellung aller sieben Feature-Set-Ergebnisse mit absoluten und normalisierten Profit-Werten und Grundlage sowohl für die Manuskript-Abbildung als auch für die 110-EUR-Aussage (nProfit-Wert für „Usage AN”). Die Rangfolge-Aussage in Z. 243 (Usage/Beam 1 schlägt Expert) wird zusätzlich mit S. 149 M1 belegt, wo die Autoren den Data-Driven-Schluss ausformulieren (siehe separater Block).

✓ Kap. 5.4 Z. 251 + Z. 294 — Algorithmische Merkmalsauswahl schlägt Experten (Data-Driven-ML-Schluss) (verifiziert 2026-08-16)

Manuskript-Aussagen:

• Z. 251: Beam 1 und Usage schlagen die Expertenauswahl deutlich.
• Z. 294: Data-Driven-ML-Schluss der Autoren: Machine-Learning-Feature-Selection kann Expertenwissen ersetzen.

Zitatmarker: zweimal \cite[S.~149, M1]{PNRB15} (identische Belegstelle; die Autoren formulieren die konkrete Rangfolge und den Data-Driven-Schluss im selben Absatz).

Originalwortlaut (S. 149, Section 5 „Results”, vor Section 6):

„The best features are the Beam search 1 and the Usage sets, with or without age normalisation. All three outperform the Expert feature set, which strengthens the arguments for using data driven machine learning algorithms within this domain.”

Deutsche Übersetzung: „Die besten Merkmale sind das Beam-search-1- und das Usage-Set, mit oder ohne Altersnormalisierung. Alle drei übertreffen das Expert-Merkmalsset, was die Argumente für den Einsatz datengetriebener Machine-Learning-Algorithmen in diesem Bereich stärkt.”

Begründung Passung: Marker enthält zwei für das Manuskript zentrale Aussagen in einem geschlossenen Absatz: (a) die konkrete Rangfolge Beam 1 + Usage vor Expert, (b) den daraus gezogenen Schluss der Autoren, dass datengetriebene ML-Feature-Auswahl der Expertenauswahl vorzuziehen ist. Die Manuskript-Formulierung „algorithmische Merkmalsauswahl kann einen Teil des sonst über Domänenwissen eingebrachten Vorwissens ersetzen” (Kap. 6.1) verdichtet genau diesen Kern.

✓ Kap. 5.4 Z. 261 — Usage-Merkmale schlagen Wear-Merkmale + Erklärung durch Wear-Alter-Verkopplung (verifiziert 2026-08-16)

Manuskript-Aussage: Nutzungskontext-Merkmale (Usage) tragen mehr zur Vorhersage bei als reine Verschleißparameter (Wear); die Autoren erklären dies dadurch, dass Wear-Muster stark an das Fahrzeugalter gekoppelt sind und ihre Verschleiß-Effekte teilweise schneller ablaufen, als die Auslesefrequenz sie erfasst.

Zitatmarker: \cite[S.~149\,f., M2]{PNRB15}

Originalwortlaut (S. 149 f., Section 5 „Results”, direkt anschließend):

„There is an interesting difference between the Wear and Usage feature sets. In the latter, there is little effect of doing age normalisation while on the first the age normalisation removes a lot of the information. This indicates that important wear patterns are linked to age, which in turn is not particularly interesting since age is easily measured using mileage or engine hours. It is possible that trends due to wear are faster than what is detectable given the readout frequency. This could partly explain the low performance of the wear features.”

Deutsche Übersetzung: „Es besteht ein interessanter Unterschied zwischen den Wear- und Usage-Merkmalssets. Bei Letzterem hat die Altersnormalisierung nur geringe Auswirkungen, während sie beim ersten viel Information entfernt. Dies deutet darauf hin, dass wichtige Verschleißmuster mit dem Alter verkoppelt sind — was für sich genommen wenig informativ ist, weil Alter über Laufleistung oder Betriebsstunden leicht messbar ist. Möglicherweise laufen verschleißbedingte Trends schneller ab, als es die Auslesefrequenz erfasst. Das könnte die geringe Leistungsfähigkeit der Wear-Merkmale teilweise erklären.”

Begründung Passung: Marker enthält sowohl den empirischen Befund (Usage schlägt Wear) als auch die zweifache Erklärung der Autoren: (a) Wear-Muster sind an das Fahrzeugalter gekoppelt und damit durch triviale Alters-Merkmale ersetzbar; (b) verschleißbedingte Trends können zu schnell ablaufen für die verfügbare Auslesefrequenz. Diese Erklärung stützt die Manuskript-Formulierung, dass Wear-Merkmale die relevanten Ausfallpfade nicht vollständig abdecken.

---

Kap. 6 — Zusammenfassung und Ausblick

✓ Kap. 6.2 Z. 70 — CART enthält Linearkombinations-Splits als Erweiterung (verifiziert 2026-08-16)

Manuskript-Aussage: Bereits Breiman et al. beschreiben in CART eine Erweiterung um Splits auf Linearkombinationen mehrerer Merkmale, mit der solche diagonalen Trennungen direkt modellierbar werden.

Zitatmarker: \cite[S.~39]{BFOS84}

Originalwortlaut (S. 39, Section 2.5.3 „Variable Combinations”): „In problems where linear structure is suspected, the set of allowable splits is extended to include all linear combination splits of the form $\text{Is }{\sum }_m{a}_m{x}_m\le c?$”

Begründung Passung: BFOS84 benennt explizit die Linear-Combination-Splits als Erweiterung der achsenparallelen Split-Form; im Anschluss motiviert der Text die Erweiterung mit der Treppen-Approximation bei diagonaler Klassengrenze — genau das Motiv, das der Manuskript-Absatz aufgreift. Die vorliegende Arbeit übernimmt die Erweiterung nicht in den Sachteil, verweist im Fazit aber auf ihre Existenz als Grenze der behandelten achsenparallelen Split-Form.

Detail-Zusammenfassung: bfos84-zusammenfassung

✓ Kap. 6.2 Z. 75 — Trade-off Interpretierbarkeit vs. Genauigkeit (verifiziert 2026-08-11)

Manuskript-Aussage: Breiman selbst benennt in seiner Bagging-Arbeit den Zielkonflikt, dass die einfache und interpretierbare Baumstruktur beim Übergang zum Ensemble verloren geht und dafür höhere Vorhersagegenauigkeit gewonnen wird.

Zitatmarker: \cite[S.~137]{Bre96a}

Originalwortlaut (S. 137, Section 6.5 „Conclusions”): „What one loses, with the trees, is a simple and interpretable structure. What one gains is increased accuracy.”

Begründung Passung: Wortgetreue Übernahme des Trade-off-Satzes. Zweitnutzung derselben Passage aus Bre96a S. 137, die bereits in Kap. 4.2 Z. 66 zitiert wird — bewusst redundant, weil die Aussage sowohl beim ersten Auftreten (Ensemble-Erweiterung) als auch am Manuskript-Ende (Grenzen der Methode) trägt.

Detail-Zusammenfassung: bre96a-zusammenfassung

---

Status-Bilanz (Stand 2026-08-16)

Status	Anzahl	Beschreibung
✓ verifiziert	78	Kap. 2.2 (1) + Zeitstrahl 6× + Kap. 3.1–3.5 (21× BFOS84) + Kap. 4.1 (3× Bre96b) + Kap. 4.2 (4× Bre96a) + Kap. 4.3 (7× Bre01) + Kap. 4.4 (4× CBHK02) + Kap. 5.0 (2× BFOS84 + 1× Bre01) + Kap. 5.1–5.4 (27× PNRB15 aus 20-Marker-Vollrelesung, S. 139–149; alle Marker verwendet) + Kap. 6.2 (1× Bre96a S. 137 + 1× BFOS84 S. 39)
⧗ noch offen	0	Alle Cites verifiziert
Summe	78	Übereinstimmung mit zitat-index

Änderung 2026-08-09 bis 2026-08-11 (Kap. 4 komplett neu verifiziert):

• Kap. 4.1 (Instabilität) neu formuliert und mit drei Bre96b-Cites verifiziert (S. 2354 Definition + CART-Liste, S. 2355 Stabilisierungsprinzip, S. 2374 Concluding Remarks mit CART-Bezug auf Bagging)
• Kap. 4.2 (Bagging) neu formuliert und mit vier Bre96a-Cites verifiziert (S. 123 Definition + Aggregation + Namensgebung, S. 124 Fehlerreduktionen + Instabilitäts-Voraussetzung, S. 137 Trade-off Interpretierbarkeit vs. Genauigkeit). TikZ-Grafik-Notation an Bre96a-Original angepasst (${\mathcal{L}}^{(b)}$, $T^{(b)}$).
• Kap. 4.3 (Random Forests) neu formuliert und mit sieben Bre01-Cites verifiziert (S. 6 Definition + Voting, S. 10 Merkmalseinschränkung + Stärke/Korrelation, S. 11 M1 OOB-Kernpassage + „trees not pruned”, S. 11 M2 1/3-Regel + Unbiased-Argument). Kreuzvalidierungs-Definition an Erstverwendung Kap. 3.5 verschoben.
• Kap. 4.4 (SMOTE) mit CBHK02-Cites verfeinert (S. 328 M1 Grundidee, S. 328 M2 Algorithmus, S. 331 Undersampling-Kombination, S. 352 empirische Überlegenheit).
• Kap. 4.5 (Interpretierbarkeit) komplett gestrichen. Trade-off-Aussage aus Bre96a S. 137 nach Kap. 6.2 verschoben. Permutation Importance verworfen, weil im Manuskript-Scope nicht essentiell.
• Kap. 5.0 verifiziert (BFOS84 Kap. 6 S. 174 ff., Kap. 7 S. 203 ff., Bre01 Tab. 1 S. 12 als „S. XXX ff.”-Zitierform).
• Kap. 5.2 Formel entfernt, Prosa-Version; zwei Prosa-\beleg-Marker bleiben bis PNRB15-Vollrelesung.
• Kap. 6.1 + 6.2 angepasst; Verweise auf gestrichene sec:interpretierbarkeit bereinigt; neuer \cite[S.~137]{Bre96a} in Kap. 6.2 Z. 75.
• Kap. 3.5 Kreuzvalidierungs-Zwei-Satz-Erklärung an Erstverwendungsstelle (BFOS84 Cost-Complexity-Pruning) eingebaut.

Historisches Änderungsprotokoll 2026-08-05 bis 2026-08-08 (PNRB15-Fokusversion + Bre96a↔Bre96b-Swap):

• Sha48/Qui86/Qui93/RS04 komplett aus Arbeit, Literaturverzeichnis und Vault entfernt.
• Kap. 3.5 (Split-Kriterium Information Gain), Kap. 3.6 (Vergleich Gini vs. IG), Kap. 3.7 (Stetige Merkmale) im Manuskript und in dieser Datei komplett entfernt. Kap. 3.8 (Überanpassung und Post-Pruning) auf Kap. 3.5 umnummeriert.
• Kap. 4.4 (Datenvorverarbeitung mit SMOTE) neu angelegt.
• Kap. 2.4 Zeitstrahl auf sechs Meilensteine umgebaut.
• Bibkey-Refactoring: Bre96a↔Bre96b getauscht (Bagging = Bre96a, Heuristics = Bre96b) für geralpha-Konsistenz.

Vollständiges Protokoll: review-log.

Zusammenhänge

• Arbeitstabelle (Navigations-Übersicht): zitat-index
• Zitierstil: zitierstil
• Lernmaterial-Index: index
• Manuskript-Root: vorlage-wa