Review: Zulassungsarbeit — Funktionsprinzipien und Anwendungen von Entscheidungsbäumen
wissenschaftlicher_gutachter: Fachlicher Erstprüfer
Bewertung: ⚠️ Bedingt akzeptiert
Befunde:
| # | Schwere | Kapitel/Ort | Befund | Empfehlung |
|---|---|---|---|---|
| 1 | Hoch | Kap. 6.1, Zusammenfassung, Absatz 1 (Z. 11–17) | Die Zusammenfassung behauptet, die historische Verortung habe „zwei parallele Entwicklungslinien” nachgezeichnet — namentlich „die Arbeiten von Quinlan mit ID3 und C4.5 sowie die … Arbeiten von Breiman”. Das widerspricht direkt der Themenabgrenzung in Kap. 1.2 („Bewusst ausgeklammert bleiben alternative Entscheidungsbaumverfahren wie Quinlans ID3 und C4.5”) und dem tatsächlichen Zeitstrahl in Kap. 2.4 / Abb. 2.3, in dem Quinlan gar nicht auftaucht. Ein Erstprüfer wird diesen Widerspruch mit hoher Wahrscheinlichkeit im Prüfungsgespräch adressieren. | Absatz umformulieren: nur die tatsächlich behandelte Breiman-Linie (BFOS84 → Bre96b → Bre96a → Bre01) nennen; die Quinlan-Nennung streichen oder — falls Nennung gewünscht — als „ausgeklammert” markieren. |
| 2 | Hoch | Kap. 3.3, Gl. (3.10) „“ | Die Regressions-Impuritätsabnahme ist ohne die Anteilsgewichte formuliert und damit strukturell inkonsistent zur Klassifikations-Gleichung (3.2). Die Additivität hängt an der Definition von : „mittlerer quadratischer Fehler der Zielwerte im Knoten” (Kap. 3.3, Z. 143 f.) ist als Knotenmittel ohne Normierung nicht additiv. In BFOS84 (S. 231) wird als definiert (Nenner: Gesamtanzahl ), sodass die Additivität ohne Gewichte gilt — genau diese Konvention müsste im Fließtext explizit gemacht werden. | Entweder präzise als „Summe quadrierter Abweichungen dividiert durch die Gesamtanzahl ” definieren (BFOS84 S. 231, [Z…]) und die Additivität begründen; oder die Gleichung analog zu (3.2) mit Gewichten formulieren. Aktuelle Formulierung ist verteidigungsanfällig. |
| 3 | Mittel | Kap. 3.2, Gl. (3.1)–(3.3), Einführung der Impuritätsfunktion | Der Wertebereich von bleibt im impuritätsbasierten Rahmen offen. Erst in Kap. 3.4.1 (S. zu Gini) wird ein konkreter Bereich () nachgereicht. Der Reviewer prüft „sind Formeln korrekt eingeführt (Definitions- und Wertebereich)?” — hier bleibt eine Lücke im allgemeinen Rahmen. | In Kap. 3.2 kurz ergänzen, dass gilt und den konkreten Bereich der Wahl der Impuritätsfunktion überlassen (Verweis auf 3.4.1). |
| 4 | Mittel | Kap. 5.2, Absatz 1 (Z. 58–61) | „Die Zielgröße ist damit die Wahrscheinlichkeit, dass der Kompressor … ausfällt”. Bei einer als binäre Klassifikation formulierten Aufgabe ist die Zielgröße die diskrete Klasse; die Wahrscheinlichkeit ist die Modellausgabe (Score), nicht die Zielgröße. Ungenaue Formulierung, die im Prüfungsgespräch als konzeptuelle Unsauberkeit angreifbar ist. | „Zielgröße” durch „Vorhersagegröße” / „Modell-Score” ersetzen oder trennen: Zielgröße = binäres Klassenlabel, Modell schätzt Wahrscheinlichkeit dafür. |
| 5 | Mittel | Kap. 5.4, Abbildung 5.2 vs. Fließtext | Die Metrik „nProfit” erscheint in Achsenlegende und Bildunterschrift der Abb. 5.2, wird im Fließtext davor jedoch nicht als Begriff eingeführt — sondern nur als „normalisierter Profit pro Fahrzeug” umschrieben. Der Bezug Bild↔Text bleibt für den Leser eine Herleitung. | Im Fließtext (spätestens im Absatz zur Profit-Definition) den Kurznamen „nProfit” explizit einführen (z. B. „im Folgenden “). |
| 6 | Mittel | Kap. 5.4, Profit-Gleichung | und werden im Profit-Absatz nur beschreibend eingeführt („mit als Anzahl korrekt vorhergesagter Ausfälle…”), aber nicht formal als Konfusionsmatrix-Größen definiert. Für einen fachlichen Erstprüfer ist das an dieser Stelle grenzwertig knapp, weil die Metriken Recall/Precision/F1 im vorherigen Absatz ohne TP/FP-Definition zitiert werden. | Kurzer vorgeschalteter Satz: „Aus der 2×2-Konfusionsmatrix ergeben sich die Größen TP, FP, FN, TN…”; die Metriken darauf beziehen. |
| 7 | Mittel | Kap. 4.2, Absatz 2 „6–77 Prozent” | Empirische Fehlerreduktion „zwischen 6 und 77 Prozent” ist eine sehr breite Spanne ohne inhaltliche Einordnung, welche Datensatzeigenschaft die Extreme erklärt. Belegt, aber im Verteidigungsgespräch angreifbar („Warum diese Spanne?”). | Ein Satz zur Einordnung: bei welchen Datensatzeigenschaften die Reduktion hoch/niedrig ausfällt (nach Bre96a: stärker bei stärkerer Instabilität). |
| 8 | Mittel | Kap. 2.4, Zeitstrahl (Abb. 2.3) | Zwischen Gini (1912) und CART (1984) liegt eine erhebliche Lücke ohne Bemerkung — insbesondere die Vorläufer AID/THAID/CHAID werden nicht erwähnt. Der Umstand ist im Kontext der thematischen Fokussierung akzeptabel, aber im Prüfungsgespräch eine erwartbare Rückfrage. | In Kap. 2.4 einen Satz ergänzen: „Zwischenentwicklungen (THAID/AID/CHAID) werden bewusst nicht behandelt; die Arbeit fokussiert die Breiman-Linie”. |
| 9 | Mittel | Kap. 4.3, Abschnitt „OOB erwartungstreu” | Die Formulierung „im Unterschied zur k-fachen Kreuzvalidierung … erwartungstreu” (belegt mit Bre01 S. 11) ist ein starker Anspruch. In der aktuellen Literatur ist die OOB-Schätzung zwar konsistent, aber die Erwartungstreue gilt nur unter Zusatzbedingungen (u. a. Ensemblegröße → ∞). Belegt, aber verteidigungsanfällig. | Formulierung leicht abschwächen („näherungsweise erwartungstreu bei hinreichend großer Ensemblegröße”) oder explizit auf die Bedingungen im Breiman-Original verweisen. |
| 10 | Niedrig | Kap. 2.4, Beschreibung Bre96a: „Erster Ensembleansatz für Bäume” | Historisch strittig: Es gab ensembleähnliche Ansätze davor (z. B. Committee/Mixture-Verfahren im ML-Kontext). Für die vorliegende Fokussierung auf die Baum-Linie ist Breimans Selbstverortung als „erster Ensembleansatz für Bäume” vertretbar, aber angreifbar. | „Erster geschlossener Ensembleansatz für Bäume” oder „einer der ersten Ensembleansätze für Bäume” — verringert Angriffsfläche. |
| 11 | Niedrig | Kap. 6.3 Ausblick | Anschluss an aktuelle Forschung (Boosting, XGBoost, LightGBM, interpretierbare Ensembles wie SHAP) wird nur pauschal genannt („sequentielle Ensemblestrategien … sowie Ansätze zur nachträglichen Erklärung”). Für eine Zulassungsarbeit angemessen knapp, aber der aktuelle Forschungsstand bleibt sehr allgemein. | Zwei bis drei konkrete Stichworte (z. B. „Gradient Boosting, XGBoost, SHAP”) nennen — ohne Zitat, da nur Ausblick. |
| 12 | Info | Kap. 2.4, Fußnote zu Gini 1912 | Transparente Auslassung der italienischen Originalquelle mit Nennung der zitierten Ersatzstelle (BFOS84 S. 103) — vorbildlich. | Keine Handlung nötig. |
| 13 | Info | Kap. 3.4.2 „Twoing-Kriterium” | Als zweites CART-Split-Maß transparent erwähnt und mit Begründung („nur binäre Klassifikation”) ausgeklammert — vorbildlich. | Keine Handlung nötig. |
| 14 | Info | Kap. 1.2 Themenabgrenzung | Ausklammerung von ID3/C4.5, Boosting, nicht-baumbasierten Verfahren und weiteren Anwendungsdomänen sauber und explizit — genügt den Anforderungen an eine transparente Themenabgrenzung. | Keine Handlung nötig; Konsistenz zu Kap. 6.1 herstellen (siehe Befund 1). |
| 15 | Info | Kap. 1.3 Literaturbasis | Die Rechtfertigung der Primärquellenauswahl (sechs Sach-Quellen, geschlossene Breiman-Linie plus SMOTE plus PNRB15-Fallstudie) ist explizit und für einen fachlichen Erstprüfer gut nachvollziehbar. | Keine Handlung nötig. |
Zusammenfassung: Die Arbeit ist inhaltlich schlüssig aufgebaut, mit einer transparenten Themenabgrenzung und einer konservativ gewählten, gut begründeten Primärquellenbasis; die zentralen Verfahrensbausteine (rekursive Partitionierung, Gini-Impurität, Pruning, Bagging, Random Forests, SMOTE) werden konsistent aus den Originalquellen entwickelt und in der Fallstudie zusammengeführt. Zwei Punkte müssen vor Abgabe adressiert werden: der Widerspruch in Kap. 6.1 zur Quinlan-Achse, die entgegen Einleitung und Zeitstrahl als „zweite Entwicklungslinie” behauptet wird, sowie die Präzisierung des Impuritätsbegriffs bei der Regressions-Abnahme (Gl. 3.10). Die übrigen mittleren Befunde betreffen Formulierungspräzisierungen und Definitionslücken, die die Verteidigbarkeit stärken; die Info-Punkte sind positive Feststellungen bzw. Ausblicksverbesserungen.