Review 2026-08-17 — Laien-Leser (Gesamtmanuskript)

Review: Zulassungsarbeit — Gesamtmanuskript (E_manuskript/latex/, Stand 2026-08-17)

laien_leser: Sachkundiger Nicht-Experte

Perspektive: Informatik-Prüfungssekretärin mit Studium, aber ohne ML-Vorwissen. Zweitprüferin liest linear von der Kurzfassung bis zur Beispielrechnung. Glossar ist bekannt und wird bei Bedarf konsultiert.

Bewertung: ⚠️ Bedingt akzeptiert

Befunde:

#	Schwere	Kapitel/Ort	Befund	Empfehlung
1	Kritisch	Kap. 6, Z. 11–16 (Zusammenfassung, 06_Zusammenfassung.tex)	Der Absatz behauptet, die chronologische Verortung habe „zwei parallele Entwicklungslinien” nachgezeichnet: „die Arbeiten von Quinlan mit ID3 und C4.5 sowie die für den weiteren Verlauf dieser Arbeit maßgeblichen Arbeiten von Breiman und Kollegen”. Als Zweitprüferin schaue ich zurück in Kap. 2.4 (Zeitstrahl, 02_Grundlagen.tex Z. 247–331) — dort sehe ich ausschließlich Breiman-Meilensteine (BFOS84, Bre96b, Bre96a, Bre01) plus Gini, Chawla, Prytz. Quinlan/ID3/C4.5 kommen im Zeitstrahl gar nicht vor; in Kap. 1.2 wurden sie explizit ausgeklammert. Die Zusammenfassung behauptet also etwas, das der Hauptteil nicht gezeigt hat. Als Prüferin würde ich hier nachfragen: „Wo sind die zwei Linien?”	Entweder Zeitstrahl in 2.4 um Quinlan-Milestones ergänzen (dann Rückverweis stimmig) oder Formulierung in Kap. 6 auf die tatsächlich behandelte Linie reduzieren („die für diese Arbeit maßgebliche Entwicklungslinie von Breiman und Kollegen”).
2	Hoch	Kap. 5, Abb. fig:pm-profit, Z. 176–232 sowie Fließtext Z. 234–241 (05_Anwendung.tex)	Die Balkengrafik zeigt sieben Merkmalssets: Expert, Wear, Wear AN, Usage, Usage AN, Beam 1, Beam 2. Als Laie kann ich Wear (Glossar: Verschleißparameter) und Usage (Glossar: Nutzungskontext) einordnen. Aber Wear AN und Usage AN tauchen weder im Fließtext (der nur Usage und Beam 1 diskutiert), noch im Glossar, noch in der Caption auf. Was bedeutet „AN”? Warum haben Wear AN (0,62 M EUR) und Wear (1,59 M EUR) so stark unterschiedliche Werte? Diese unerklärten Balken senken meine Bereitschaft, die Aussage „Beide übertreffen die vier handverlesenen Expertenmerkmale deutlich” (Z. 240–241) einfach hinzunehmen.	Kürzeste Erklärung von AN (vermutlich „algorithmisch-nachbewertet” / „automatic normalisation” / o. Ä. aus PNRB15) in Caption oder Fließtext ergänzen. Alternativ die AN-Balken aus der Grafik entfernen, wenn sie für die Kernaussage nicht gebraucht werden.
3	Hoch	Kap. 5, Abb. fig:pm-pipeline, Z. 133 (05_Anwendung.tex)	In der Phase „Modell” steht die Formel „$P(X_t<\Delta \mid Y_t)$“. Als Laie sehe ich hier drei Symbole ($X_t$, $\Delta$, $Y_t$), die im Fließtext nicht auftauchen. Der Text Z. 58–61 spricht von „Wahrscheinlichkeit, dass der Kompressor innerhalb eines festgelegten Zeitfensters vor dem nächsten Werkstattbesuch ausfällt, bedingt auf die bis zu diesem Zeitpunkt verfügbare Nutzungshistorie” — eine Zuordnung Formel↔Text muss ich als Prüferin selbst leisten. Ich weiß nicht, ob $X_t$ der Ausfallzeitpunkt und $Y_t$ die Historie ist oder umgekehrt.	Entweder Symbole vor der Abbildung im Fließtext einführen (kurzer Satz: „mit $X_t$ als Zeit bis zum Ausfall und $Y_t$ als Nutzungshistorie zum Zeitpunkt $t$”) oder die Formel aus der Abbildung streichen und durch die verbale Beschreibung ersetzen.
4	Hoch	Kap. 3.5, Z. 310–313 (03_Funktionsprinzipien.tex)	„der Fehlerverlauf zeigt den charakteristischen Verlauf, bei dem Bias und Varianz gegenläufig auf die Baumgröße reagieren”. Als fachfremde Prüferin ist mir der Bias-Varianz-Tradeoff kein bekanntes Konzept aus dem Studium; beide Begriffe werden weder hier noch im Glossar noch später (z. B. Kap. 4) erklärt. Ich weiß nicht, was „Bias” im ML-Kontext bedeutet und warum es zur Baumgröße gegenläufig ist. Der Satz wirkt wie eine Erklärung, ohne mir etwas zu erklären.	Zwei Halbsätze ergänzen: „Als Bias wird der systematische Vorhersagefehler eines zu einfachen Modells bezeichnet, als Varianz die Empfindlichkeit gegenüber Änderungen der Trainingsdaten.” Oder Formulierung so anpassen, dass die Fachbegriffe nicht mehr gebraucht werden.
5	Hoch	Kap. 4.1, Z. 12–15 (04_Ensembleverfahren.tex)	„Zu den in seiner Analyse als instabil eingestuften Verfahren zählen neben CART auch MARS und neuronale Netze, während Ridge-Regression und die $k$-nächste-Nachbarn-Regression als stabil gelten.” Vier Fachbegriffe in einem Satz, keiner erklärt, kein Glossareintrag. Als Laie muss ich einfach glauben, dass diese Verfahren existieren. Für die Kernaussage (Bäume sind instabil) trägt der Vergleich nichts bei — er verunsichert nur.	Entweder Verfahrensnamen streichen und Aussage kürzen („Breiman ordnet CART den instabilen Lernverfahren zu”) oder in einer Fußnote je einen Halbsatz zu jedem Verfahren ergänzen.
6	Mittel	Kap. 4.3, Z. 176–177 (04_Ensembleverfahren.tex)	„liefert eine Schätzung des Generalisierungsfehlers, die im Unterschied zur $k$-fachen Kreuzvalidierung … erwartungstreu ist”. Als Laie weiß ich nicht, was „erwartungstreu” bedeutet. Ich vermute (aus dem Wort), dass die Schätzung im Mittel den wahren Wert trifft — das sollte aber im Text stehen und nicht als Vermutung offenbleiben.	Einschub „(d. h. die Schätzung trifft im Mittel den wahren Fehlerwert)” oder Glossareintrag ergänzen.
7	Mittel	Kap. 3.4.1, Z. 217–218 (03_Funktionsprinzipien.tex)	„Der Gini-Index nimmt Werte zwischen $0$ (perfekt reiner Knoten) und $1-1/K$ (bei $K$ gleichverteilten Klassen maximal gemischt) an”. Die Zahl $K$ taucht hier zum ersten Mal auf, ohne eingeführt zu werden. Ich muss selbst erschließen, dass $K$ die Klassenzahl ist (nicht z. B. Kandidatensplits, k-fache Kreuzvalidierung o. Ä.).	Kurzer Zusatz: „…wobei $K$ die Anzahl der Klassen bezeichnet”.
8	Mittel	Kap. 5.2, Z. 68–71 (05_Anwendung.tex)	„trainiert mit zehn Wiederholungen und zehnfacher Kreuzvalidierung”. Kreuzvalidierung habe ich aus Kap. 3.5 verstanden. Was aber ist eine „Wiederholung” — zehn separate Random Forests mit unterschiedlichem Seed? Zehn zusätzliche Runden über denselben Datensatz? Für die Belastbarkeit der Ergebnisse (die kurz darauf betont wird) ist das relevant.	Kurzsatz: „Die Kreuzvalidierung wird mit zehn zufälligen Neuaufteilungen wiederholt, um die Ergebnisstreuung zu quantifizieren.”
9	Mittel	Kap. 3.3, Z. 143 (03_Funktionsprinzipien.tex)	„Bezeichnet $R(t)$ den mittleren quadratischen Fehler der Zielwerte im Knoten $t$“. Der MSE bekommt nur einen Namen, aber keine Formel. Für den Impuritäts-Rahmen der Klassifikation waren $p(j	t)$und$\sum p^2(j
10	Mittel	Kap. 5.3, Z. 82–84 (05_Anwendung.tex)	„Der Rohdatensatz umfasst rund 1250 mögliche Merkmale…; pro Fahrzeug sind davon jeweils etwa 500 verfügbar.” Warum diese Diskrepanz? Als Laie erwarte ich, dass alle Fahrzeuge derselben Baureihe dieselben Sensoren haben. Die spätere Erwähnung, dass „nicht alle Fahrzeuge alle Merkmale liefern” (Z. 98–99), erklärt es andeutungsweise, aber nicht warum.	Halbsatz ergänzen, z. B. „…, da unterschiedliche Fahrzeugkonfigurationen und Ausrüstungsvarianten verschiedene Sensoren mitführen”.
11	Niedrig	Kap. 3.5, Z. 283–286 (03_Funktionsprinzipien.tex)	„$\beta$-Threshold-Regel” — der Regelname wird eingeführt, aber der Parameter $\beta$ selbst wird nicht erklärt. Was ist $\beta$? Ein Schwellwert für die Impuritätsabnahme? Für die Fußnote „Ein Knoten mit kleiner Impuritätsabnahme…” reicht das gerade so, aber ich verstehe nicht, was den Namen der Regel motiviert.	Klammer-Einschub „…die $\beta$-Threshold-Regel (Abbruch, sobald die Impuritätsabnahme unter einen festen Schwellwert $\beta$ fällt)“.
12	Niedrig	Kap. 1.2, Z. 42–44 (01_Einleitung.tex)	„weitere Ensembleverfahren wie Boosting”. Boosting wird namentlich als Ausschluss genannt, aber nicht charakterisiert. Da Boosting im Ausblick (Kap. 6.3, Z. 88–90) wieder auftaucht, hilft eine Kurzbeschreibung an der ersten Stelle.	Klammer-Einschub „…wie Boosting (sequentielle Ensembles mit Fokus auf schwer klassifizierbare Beispiele)“.
13	Niedrig	Kap. 2.2, Z. 65 (02_Grundlagen.tex)	Bereits im Review 2026-07-30 (Befund 1) notiert: CART als Kürzel erscheint in Kap. 2.2 vor der Auflösung in Kap. 2.3 (Z. 208–210). Ich habe geprüft: der Glossar-Link \glossar{cart} wird zwar gesetzt, im Fließtext fehlt jedoch weiterhin die inline-Auflösung. Als Laie folge ich beim ersten Lesen keinem PDF-Link.	Falls nicht schon geplant: bei erster Nennung eine ausgeschriebene Kurzform ergänzen („CART, das Klassifikations- und Regressionsbaum-Verfahren nach Breiman et al.”).
14	Niedrig	Kap. 5.3, Z. 93–106 (05_Anwendung.tex)	Wrapper- und Filter-Verfahren werden nebeneinandergestellt. Beide Begriffe stehen im Glossar (unter „Merkmalsauswahl”), im Fließtext aber ohne Kurzabgrenzung („Wrapper prüft mit dem Modell, Filter ohne”). Als Laie muss ich zwischen zwei kursivierten englischen Fachbegriffen unterscheiden, deren Rollen erst aus dem Kontext hervorgehen.	Optional: einleitender Halbsatz vor den beiden Ansätzen: „…zwei Strategien: ein Wrapper-Verfahren, das die Merkmale anhand der Modellgüte auswählt, und ein Filter-Verfahren, das sie unabhängig vom Modell bewertet.”
15	Niedrig	Kap. 5.2, Z. 133 (05_Anwendung.tex)	In fig:pm-pipeline steht in der Phase „Bewertung” die Notation „$TP\cdot ECUR-FP\cdot CPR$” ohne Auflösung. TP, FP, ECUR, CPR werden erst in Abschnitt 5.4 (Z. 160–171) eingeführt. Als linearer Leser sehe ich die Abbildung zuerst und stolpere.	Abbildung nach hinten verschieben (an Abschnittsende 5.4) oder in der Caption die Symbole abkürzen („Nettoprofit aus Ausfallvermeidung und Fehlalarmkosten”).
16	Info	Kap. 5.4, Abb. fig:pm-profit, Legende	Die Legende „Profit absolut [M EUR]” (schwarze Balken) und „nProfit [EUR/Fzg]” (weiße Balken mit Rand) — als Laie muss ich zweimal hinsehen, um die weißen Balken überhaupt als Balken zu erkennen. Die Doppelachsen-Darstellung ist ordentlich, aber die weißen Balken verschwimmen mit dem Hintergrund.	Optional: weiße Balken durch schräg schraffiertes Muster oder unterschiedliche Border-Dicke deutlicher absetzen (konsistent mit Vault-Regel feedback_abbildungen_farblos.md).
17	Info	Kap. 2 gesamt, Kap. 3.1–3.2 gesamt	Der Aufbau der Grundlagen und der Übergang zur rekursiven Partitionierung sind für einen Laien sehr gut lesbar. Datenstruktur (Wurzel/innere Knoten/Blätter), Klassifikation/Regression, die anschauliche „Kachelung des Merkmalsraums” und die schrittweise formale Einführung des Impuritäts-Rahmens sind vorbildlich handwerklich gemacht.	Keine Aktion.
18	Info	Anhang A (Anhang_Beispielrechnung.tex)	Die Beispielrechnung ist für einen Laien selbständig nachvollziehbar; alle Symbole aus Kap. 3 werden korrekt verwendet, alle Zahlen sind explizit ausgeführt. Sehr geeignet für die Zweitprüferinnen-Rolle.	Keine Aktion.
19	Info	Glossar	Der Glossar ist umfangreich, konsistent formatiert und deckt fast alle Stolpersteine. Fehlen tun: erwartungstreu (Befund 6), AN in Merkmalssets (Befund 2), Bias/Varianz (Befund 4), MARS/Ridge-Regression (Befund 5).	Bei Adressierung obiger Befunde ggf. Glossareinträge mitziehen.

Zusammenfassung:

Als fachfremde Zweitprüferin komme ich durch die Kapitel 1 bis 4 überwiegend ohne größere Stolpersteine. Die Grundlagen sind sauber, die algorithmischen Prinzipien nachvollziehbar aufgebaut und die Beispiele stützen den Text. Vier ernsthafte Verständnisbrüche würden mich in der Prüfung nachfragen lassen: (1) die in der Zusammenfassung behauptete zweite Entwicklungslinie Quinlan, die im Zeitstrahl gar nicht dargestellt ist; (2) die unerklärten Merkmalssets Wear AN / Usage AN in der zentralen Ergebnisgrafik der Fallstudie; (3) die unerklärten Formelsymbole in der Pipeline-Abbildung; (4) der beiläufig eingeführte Bias-Varianz-Tradeoff in Kap. 3.5. Die Fallstudie ist grundsätzlich auch ohne PNRB15-Lektüre verständlich, verliert aber an den beiden genannten Abbildungen an Belastbarkeit. Der Glossar leistet gute Arbeit, hat aber die vier ML-typischen Fachbegriffe (erwartungstreu, AN, Bias/Varianz, MARS/Ridge-Regression) noch nicht abgedeckt.

Befund-Übersicht:

Schwere	Anzahl
Kritisch	1
Hoch	4
Mittel	4
Niedrig	5
Info	5
Gesamt	19