Review: Zulassungsarbeit E_manuskript/latex/chapters (Stand 2026-08-16, 74 verifizierte Cites)
zahlen_pruefer: Belegtreue-Wächter
Bewertung: ⚠️ Bedingt akzeptiert
Prüfumfang: 74 \cite-Aufrufe aus den Sachkapiteln 01_Einleitung, 02_Grundlagen,
03_Funktionsprinzipien, 04_Ensembleverfahren, 05_Anwendung und 06_Zusammenfassung
gegen die sechs Primärquellen-PDFs (BFOS84, Bre96a, Bre96b, Bre01, CBHK02, PNRB15).
Für jede Belegstelle wurde die PDF-Seite per pdftotext -layout extrahiert und die
im Manuskript wiedergegebene Aussage/Formel/Zahl mit dem Originalwortlaut abgeglichen.
Ergebnisbilanz nach Verdikten:
| Verdikt | Anzahl | Bedeutung |
|---|---|---|
| ✓ korrekt | 70 | Aussage, Zahl, Formel und Seitenzahl decken sich mit dem Original |
| ⚠ inhaltliche Verzerrung / Zusatzeinschränkung | 4 | siehe Findings-Tabelle |
| ✗ falsche Seite | 0 | — |
| ❓ nicht auffindbar | 0 | — |
Fehlerquote: 4 / 74 = 5,4 %; keine Falsch-Seiten oder unauffindbare Belege. Alle konkret genannten Zahlen (6–77 %, 21–46 %, 1000 EUR/Tag, 110 EUR/Fzg, 15 Wochen, 10 Läufe, 10-fache CV, 1250/500 Merkmale, SMOTE, , 20 Datensätze in Bre01 Tab. 1) sind exakt aus der Primärquelle übernommen. Alle referenzierten Formeln (Impuritätsabnahme , Auswahlregel , Gini in Doppelsummen- und Quadratsummen-Form, Zwei-Klassen-Fall, Def. 8.13, Prop. 8.10-Mittelwert, Profit-Formel) sind notationsgetreu.
Befunde:
| # | Schwere | Kapitel/Ort | Befund | Empfehlung |
|---|---|---|---|---|
| 1 | Mittel | Kap. 5.4 Z. 244–245 (05_Anwendung.tex) | „für eine Flotte von zehntausend Fahrzeugen ergibt sich ein Nettonutzen im niedrigen einstelligen Millionenbereich~\cite[S.~148]{PNRB15}.” Die 10.000-Fahrzeuge-Extrapolation steht so nicht in PNRB15. Die Autoren geben auf S. 148 (Tab. 1) absolute Profit-Werte von 0,62–1,94 M€ für Test-Sets von rund 10.520–14.960 Fahrzeugen aus; daraus ist die Größenordnung „niedriger einstelliger Millionenbereich” belegbar, die konkrete Fußnoten-Rechnung „10.000 × 110 EUR = 1,1 M€” ist jedoch eigene Ableitung. | Entweder Formulierung anpassen („in Tab. 1 belaufen sich die absoluten Profit-Werte auf 0,62 bis 1,94 M€ bei Test-Flotten zwischen rund 10.000 und 15.000 Fahrzeugen”) oder klar als eigene Hochrechnung markieren („Bei einer Flotte von etwa zehntausend Fahrzeugen liegt der so ableitbare Nettonutzen im niedrigen einstelligen Millionenbereich”). |
| 2 | Mittel | Kap. 5.3 Z. 93–101 (05_Anwendung.tex) | „in jeder Iteration die fünf besten Kandidaten weiterverfolgt werden … Schrumpffaktor beschränkt die Suche auf Merkmalsmengen mit noch ausreichender Fallzahl~\cite[S.~143, M5]{PNRB15}.” Die Kernangaben „five beams” und „size reduction constraint of 10%” stehen nicht auf S. 143, sondern erst auf S. 146 (PDF-Seite 8, Section 4.7 „Feature selection results”, Anfang). Auf S. 143 wird beam search nur als eines von zwei Verfahren namentlich eingeführt; die Detailmechanik (Anzahl der Beams, Schrumpffaktor) folgt zwei Seiten später. | Zweite Belegstelle ergänzen: \cite[S.~146]{PNRB15} für die Angabe „fünf Beams” und „Schrumpffaktor 10 %” hinter dem entsprechenden Halbsatz; die S.~143-M5-Zitation bleibt für die generelle Wrapper/Filter-Einführung korrekt. |
| 3 | Niedrig | Kap. 4.3 Z. 120–121 (04_Ensembleverfahren.tex) | „prüft der Algorithmus nur eine per Zufall gezogene Teilmenge fester Größe ~\cite[S.~10]{Bre01}.” Bre01 verwendet für die Größe der zufällig gezogenen Merkmalsmenge das Symbol (S. 11: „The size of the group is fixed”), nicht . Der Manuskript-Notationsbegriff ist die spätere R-/scikit-learn-Konvention, nicht die Original-Notation. | Optional: Anmerkung/Fußnote setzen, dass Breiman selbst verwendet und die spätere in der Literatur eingebürgerte Bezeichnung ist. Alternativ konsequent verwenden. |
| 4 | Niedrig | Kap. 5.1 Z. 33–37 (05_Anwendung.tex) | „LVD (Sensor- und Zählerwerte aus dem Bordrechner, bei jedem Werkstattbesuch übertragen)~\cite[S.~139, M1]{PNRB15}.” Die Klammer-Erklärung „bei jedem Werkstattbesuch übertragen” ist auf S. 139 im zitierten Absatz nur implizit („data collected on-board the vehicles … downloaded during workshop visits” steht auf S. 139 im Abstract). Explizit erklärt wird die LVD-Übertragung erst auf S. 141 (Section 2.1). | Cite belassen (Abstract-Text auf S. 139 deckt die Aussage), optional für die Detail-Erklärung \cite[S.~141]{PNRB15} ergänzen. |
Zusatzbefund außerhalb des Manuskripts (Dokumentations-Ebene, nicht abgabekritisch):
B_literatur/zitat-kontexte.mdtranskribiert Tab. 1 aus PNRB15 mit einem Zellenfehler in der Zeile Wear AN: dort stehtk=20 / Prepr=TL, im PDF liest sich die Zelle jedoch alsk=12 / Prepr=ENN. Alle für das Manuskript relevanten Spalten (Profit, nProfit) sind korrekt transkribiert, und das Manuskript (Fig.~5.2) übernimmt nur diese korrekten Werte. Empfehlung: Tab.-1-Transkription inzitat-kontexte.mdkorrigieren, damit sie mit dem PDF-Original übereinstimmt.
Verifikations-Detail pro Primärquelle:
BFOS84 (34 Cites) — alle inhaltlich verifiziert. Belege für S. 23 (purer-Formulierung, PDF p4), S. 25 (Impuritätsabnahme-Formel, PDF p6), S. 26 M1 (5000-Kandidaten-Passage + , PDF p7), S. 26 M2 (Plurality Rule, PDF p7), S. 28 f. (vier Elemente inkl. binärer Fragen, PDF p9–10), S. 30 (rekursive Partitionierung in Rechtecke, PDF p11), S. 39 (Linearkombinations-Splits, PDF p13), S. 60/61 (Table 3.1 mit U-Form der Fehlkurve, PDF p16–17), S. 62 (CV in Section 3.4.2 + Bias/Varianz-Trade-off, PDF p18), S. 63 (, PDF p19), S. 103 M1/M2/M3 (Gini-Adoption, Zwei-Klassen-Fall, Fehlklassifikationswahrscheinlichkeits-Herleitung, PDF p20), S. 104 M1/M2 (Varianz-Interpretation nach Light & Margolin, Twoing-Einführung, PDF p21), S. 174 ff. + 203 ff. (Kap. 6 Medical Diagnosis + Kap. 7 Mass Spectra, PDF p23, p25), S. 222 (least squares als klassisches Regressionsmaß, PDF p33), S. 228 (tree structured predictor mit konstantem , PDF p39), S. 230 (Prop. 8.10 mit Mittelwert-Formel, PDF p41), S. 231 (Def. 8.13 mit + , PDF p42).
Bre96a (5 Cites) — alle verifiziert. S. 123 (Bagging-Definition inkl. Bootstrap + Aggregation + Namensgebung, PDF p1), S. 124 (Zahlenwerte 6–77 % und 21–46 % + Instabilitäts-Voraussetzung, PDF p2), S. 137 (Trade-off Interpretierbarkeit vs. Genauigkeit, PDF p15).
Bre96b (3 Cites) — alle verifiziert. S. 2354 (Heuristische Instabilitäts-Definition + CART/MARS/Neural-Net-Liste + Ridge/kNN als stabile Alternative, PDF p5), S. 2355 (Section 1.5 Stabilization mit -Formel, PDF p6), S. 2374 (Concluding Remarks mit Verweis auf „Breiman 1996b, c” = manuscript Bre96a, PDF p25).
Bre01 (8 Cites) — alle verifiziert. S. 6 (Definition 1.1 Random Forest, PDF p2), S. 10 (Minimize correlation, maintain strength, PDF p6), S. 11 M1 (Bagging in tandem + trees not pruned + OOB-Aggregation, PDF p7), S. 11 M2 (1/3-Regel + „out-of-bag estimates are unbiased”, PDF p7), S. 12 Tab. 1 (20 Datensätze inkl. Breast cancer, Diabetes, Ecoli, Liver, Waveform, Twonorm, Threenorm, Ringnorm, Sat-images, Sonar, German credit, PDF p8). Formal-Notation-Hinweis siehe Befund #3.
CBHK02 (4 Cites) — alle verifiziert. S. 328 M1 (Grundidee synthetische statt duplizierte Minderheits-Beispiele, PDF p8), S. 328 M2 (Algorithmus mit -Nachbarn und Zufallsfaktor , Default , PDF p8), S. 331 (Section 4.3 Undersampling-Kombination, PDF p11), S. 352 (Section 7 Summary: „SMOTE + under-sampling performs better than plain under-sampling”, PDF p32).
PNRB15 (20 Cites, davon 4 Doppelbelegungen auf identische Seiten) — alle inhaltlich verifiziert. Nummern-Highlights:
- S. 139 M1 (Two-source combination, RUL-Framing, PDF p1) ✓
- S. 139 f. M2 (Herausforderungen inkl. Ausfallursachen-Zusammenlegung, PDF p1–2) ✓
- S. 142 M1 (Aufgabenreduktion binäre Klassifikation, PDF p4) ✓
- S. 142 M2 (10 Läufe + 10-fache CV + Random-Forest-Kurzbeschreibung, PDF p4) ✓
- S. 142 M3 (Metriken nur für balancierte Datensätze aussagekräftig + F1/PPV, PDF p4) ✓
- S. 142 M4 (1000 EUR/Tag Fixkosten europäischer Langstrecken-LKW, PDF p4) ✓
- S. 143 M1 (Profit-Formel Eq. 3, PDF p5) ✓ — Formel notationsgetreu übernommen
- S. 143 M2 (15-Wochen Vorhersagehorizont, PDF p5) ✓
- S. 143 M3 (Fahrzeugweise Train/Test-Trennung, PDF p5) ✓
- S. 143 M4 (1250 einzigartige Merkmale, ~500 pro Fahrzeug, PDF p5) ✓
- S. 143 M5 (Wrapper + Filter + Expert-4-Merkmalsset, PDF p5) ✓ — Beam-Detail siehe Befund #2
- S. 145 M1 (SMOTE-Balancierung mit -Nachbarn, PDF p7) ✓
- S. 147 f. (Accuracy-Profit-Divergenz durch False Negatives, PDF p9–10) ✓
- S. 148 Tab. 1 (Alle sieben Feature-Set-Profit-Werte, PDF p10) ✓ — Manuskript-Balkendiagramm Fig. 5.2 übernimmt die Zahlen 0,84 / 1,59 / 0,62 / 1,94 / 1,60 / 1,66 / 0,75 M€ und 64 / 86 / 22 / 114 / 110 / 116 / 54 EUR/Fzg korrekt aus Tab. 1
- S. 149 M1 (Beam 1 + Usage schlagen Expert + „strengthens the arguments for using data driven machine learning”, PDF p11) ✓
- S. 149 f. M2 (Usage/Wear-Unterschied durch Wear-Alter-Kopplung + Auslesefrequenz, PDF p11–12) ✓
Zusammenfassung: Die Belegtreue der 74 im Manuskript gesetzten Cites ist auf hohem Niveau. Alle konkreten Zahlen, alle Formeln, alle Seitenzahlen und die zentralen Paraphrasen sind gegen die Primärquellen-PDFs verifiziert; es gibt keine falsche Seitenzahl und keinen unauffindbaren Beleg. Die vier Findings betreffen zwei Mittel-Punkte (10.000-Fahrzeuge-Extrapolation als eigene Ableitung markieren, beam-search-Detail zusätzlich mit S. 146 belegen) sowie zwei Niedrig-Punkte (Notation vs. Bre01-eigenes , LVD-Detail auch auf S. 141 präzisiert). Alle vier lassen sich vor Abgabe punktuell im Manuskript nachziehen, ohne die Struktur zu berühren.
Zusammenhänge
- Framework: FRAMEWORK
- Reviewer-Definition: zahlen_pruefer
- Belegtreue-Grundlage: zitat-kontexte
- Manuskript: 05_Anwendung, 04_Ensembleverfahren, 03_Funktionsprinzipien