Aktuelle quantitative Analysen von Web-Tracking bieten keinen umfassenden Überblick über dessen Entstehung, Ausbreitung und Entwicklung. Diese Arbeit ermöglicht durch Auswertung archivierter Webseiten eine rückblickende Erfassung der Entstehungsgeschichte des Web-Trackings zwischen den Jahren 2000 und 2015. Zu diesem Zweck wurde ein geeignetes Werkzeug entworfen, implementiert, evaluiert und zur Analyse von 10000 Webseiten eingesetzt. Während im Jahr 2005 durchschnittlich 1,17 Ressourcen von Drittparteien eingebettet wurden, zeigt sich ein Anstieg auf 6,61 in den darauffolgenden 10 Jahren. Netzwerkdiagramme visualisieren den Trend zu einer monopolisierten Netzstruktur, in der bereits ein einzelnes Unternehmen 80 % der Internetnutzung überwachen kann. Trotz vielfältiger Versuche, dieser Entwicklung durch technische Maßnahmen entgegenzuwirken, erweisen sich nur wenige Selbst- und Systemschutzmaßnahmen als wirkungsvoll. Diese gehen häufig mit einem Verlust der Funktionsfähigkeit einer Webseite oder mit einer Einschränkung der Nutzbarkeit des Browsers einher. Mit der vorgestellten Studie wird belegt, dass rechtliche Vorschriften ebenfalls keinen hinreichenden Schutz bieten. An Webauftritten von Bildungseinrichtungen werden Mängel bei Erfüllung der datenschutzrechtlichen Pflichten festgestellt. Diese zeigen sich durch fehlende, fehlerhafte oder unvollständige Datenschutzerklärungen, deren Bereitstellung zu den Informationspflichten eines Diensteanbieters gehören. Die alleinige Berücksichtigung klassischer Tracker ist nicht ausreichend, wie mit einer weiteren Studie nachgewiesen wird. Durch die offene Bereitstellung funktionaler Webseitenbestandteile kann ein Tracking-Unternehmen die Abdeckung von 38 % auf 61 % erhöhen. Diese Situation wird durch Messungen von Webseiten aus dem Gesundheitswesen belegt und aus technischer sowie rechtlicher Perspektive bewertet. Bestehende systemische Werkzeuge zum Erfassen von Web-Tracking verwenden für ihre Messung die Schnittstellen der Browser. In der vorliegenden Arbeit wird mit DisTrack ein Framework zur Web-Tracking-Analyse vorgestellt, welches eine Sandbox-basierte Messmethodik verfolgt. Dies ist eine Vorgehensweise, die in der dynamischen Schadsoftwareanalyse erfolgreich eingesetzt wird und sich auf das Erkennen von Seiteneffekten auf das umliegende System spezialisiert. Durch diese Verhaltensanalyse, die unabhängig von den Schnittstellen des Browsers operiert, wird eine ganzheitliche Untersuchung des Browsers ermöglicht. Auf diese Weise können systemische Schwachstellen im Browser aufgezeigt werden, die für speicherbasierte Web-Tracking-Verfahren nutzbar sind.

Maßnahmen der Führungskräfteentwicklung verfolgen das Ziel den Führungsnachwuchs des Unternehmens zu bilden und für einen reibungslosen Einstieg in die Füh-rungsaufgabe zu sorgen. In der Literatur gibt es zahlreiche Theorien und Modelle zu Führung und deren Entwicklung, doch offen bleibt meist, wie es um den praktischen Einsatz und die Effektivität steht. Das Ziel dieser Arbeit ist die Identifikation wesentlicher Bestandteile der Führungskräfteentwicklung, die effektiv Einfluss auf (Nachwuchs-)Führungskräfte nehmen. Drei Studien beschäftigen sich jeweils mit unter-schiedlichen Schwerpunkten mit der Gestaltung und Wirksamkeit von modularen Programmen der Führungskräfteentwicklung. Zur Beschreibung der Gestaltung wurde eine Expertenbefragung unter Verantwortlichen für Führungskräfteentwicklung in 4 Großunternehmen durchgeführt. Zur Prüfung der Wirksamkeit wurden zwei Prädiktoren erfolgreichen Führens, die praktische Führungsintelligenz und die Führungswirksamkeitserwartung (FWE), in zwei repräsentativen modularen Programmen gemessen. Dafür wurden zwei quasiexperimentelle Designs mit Prätest-Posttest durchgeführt: ein Design mit zusätzlicher Kontrollgruppe (Nexp = 14, Nkontr = 12), ein Design mit zusätzlicher Fremdeinschätzung (N = 11 bis N =57 je nach Messzeitpunkt und beteiligten Variablen). Die praktische Führungsintelligenz wurde anhand eines für die Untersuchung entwickelten Situational Judgment Tests (SJTs) gemessen. Neben der FWE (in Anlehnung an die Skala zur Erfassung der beruflichen Selbstwirksamkeitserwartung, BSW-Skala) wurden weitere Konstrukte wie Selbstregulation (Locomotion-Assessment-Fragebogen, L-A-F), Optimismus (Skala Optimismus-Pessimismus-2, SOP2) Selbstmanagement (Fragebogens zur Erfassung von Ressourcen und Selbstmanagementfähigkeiten, FERUS) erfasst, sowie explorativ entwicklungsförderliche Merkmale erhoben. Entsprechend der Annahme verdichten sich die Ergebnisse auf drei Merkmale wirksamer Trainingsgestaltung: Erfahrungssammlung, Feedback, Selbstreflexion. Es konnte nachgewiesen werden, dass Programme mit hohem erfahrungsorientiertem Trainingsanteil, die Erfolgserlebnisse und Modelllernen fördern sowie persönliche Gespräche und Feedback beinhalten, die FWE (ŋ2 = .24, ŋ2 = .50) und die praktische Führungsintelligenz (ŋ2 = .54). signifikant (p<.05) steigern. Deutlich wurde auch der enge Zusammenhang zwischen Merkmalen der Person (wie Ausprägung der FWE oder Selbstregulationsfähigkeiten) und der Wirksamkeit der Programme. Aus den Ergebnissen werden Empfehlungen zur praktischen Umsetzung in der Führungskräfteentwicklung abgeleitet und Anregungen für zukünftige Forschung diskutiert.

Estuaries are characterized by a longitudinal salinity gradient. This gradient is one of the main environmental factors responsible for the distribution of organisms. Distinguishing salinity zones is of crucial importance, e.g., for the development of tools for the assessment of ecological quality. The methods most often applied for classifying water according to salinity are the Venice System and the method of Bulger et al. (1993), both of which determine zone boundaries using species occurrences relative to mean salinity. However, although these methods were developed for homoiohaline waters, they have also been routinely applied to poikilohaline systems. I tested the applicability of both methods using salinity and macroinvertebrate data for the poikilohaline Elbe Estuary (Germany). My results showed that the mid-estuary distribution of macro-invertebrates is determined by variation in salinity rather than by mean salinity. Consequently, neither of the two methods is applicable for defining salinity zones in the Elbe Estuary. Cluster analysis combined with a significance test, by contrast, was a better tool for identifying the boundaries of salinity zones in poikilohaline systems. In many estuaries, such as the Elbe Estuary, a maximum turbidity zone (MTZ) develops, where suspended matter accumulates owing to circulation processes. It is assumed that the MTZ is a stressful environment with an excess of organic matter, high deposition rates, large variations in salinity, and dredging activities. Under such harsh conditions, populations might remain below the carrying capacity, and it is assumed that competition is of little importance, as predicted by the stress gradient hypothesis. I tested whether competition for food is important in the MTZ of the Elbe Estuary using stable isotope analysis of the macroinvertebrate community. The isotopic niches of no two taxa within a feeding group overlapped, which indicated different resource use and the absence of competition. The main reasons for the lack of overlap of isotopic niches were differences in habitat, feeding behavior, and migration behavior. The Elbe Estuary is nowadays highly industrialized and has long been subjected to a plethora of human-caused alterations. However, it is largely unknown what changes occurred in benthic communities in the last century. Hence, I considered taxonomic and functional aspects of macrobenthic invertebrates of the Elbe Estuary given in data from 1889 (most natural state), 1985 and 1986 (highly polluted state), and 2006 (recent state) to assess benthic community shifts. Beta-diversity analysis showed that taxonomic differences between the sampling dates were mainly due to species turnover, whereas functional differences were predominantly a result of functional nestedness. Species number (S), functional richness (FRic), and functional redundancy reached minimum values in 1985 and 1986 and were highest and rather similar in 1889 and 2006. The decline in FRic from 1889 to 1985/1986 was non-random, consistent with habitat filtering. FRic, functional beta diversity, and S data suggested that the state of the estuary from 1889 was almost re-established in 2006. However, the community in 1889 significantly differed from that in 2006 owing to species replacement. My results indicate that FRic and FR in 1889 could have promoted ecosystem resilience and stability.

This thesis addresses the automated identification and localization of a time-varying number of objects in a stream of sensor data. The problem is challenging due to its combinatorial nature: If the number of objects is unknown, the number of possible object trajectories grows exponentially with the number of observations. Random finite sets are a relatively new theory that has been developed to derive at principled and efficient approximations. It is based around set-valued random variables that contain an unknown number of elements which appear in arbitrary order and are themselves random. While extensively studied in theory, random finite sets have not yet become a leading paradigm in practical computer vision and robotics applications. This thesis explores random finite sets in visual tracking applications. The first method developed in this thesis combines set-valued recursive filtering with global optimization. The problem is approached in a min-cost flow network formulation, which has become a standard inference framework for multiple object tracking due to its efficiency and optimality. A main limitation of this formulation is a restriction to unary and pairwise cost terms. This circumstance makes integration of higher-order motion models challenging. The method developed in this thesis approaches this limitation by application of a Probability Hypothesis Density filter. The Probability Hypothesis Density filter was the first practically implemented state estimator based on random finite sets. It circumvents the combinatorial nature of data association itself by propagation of an object density measure that can be computed efficiently, without maintaining explicit trajectory hypotheses. In this work, the filter recursion is used to augment measurements with an additional hidden kinematic state to be used for construction of more informed flow network cost terms, e.g., based on linear motion models. The method is evaluated on public benchmarks where a considerate improvement is achieved compared to network flow formulations that are based on static features alone, such as distance between detections and appearance similarity. A second part of this thesis focuses on the related task of detecting and tracking a single robot operator in crowded environments. Different from the conventional multiple object tracking scenario, the tracked individual can leave the scene and later reappear after a longer period of absence. Therefore, a re-identification component is required that picks up the track on reentrance. Based on random finite sets, the Bernoulli filter is an optimal Bayes filter that provides a natural representation for this type of problem. In this work, it is shown how the Bernoulli filter can be combined with a Probability Hypothesis Density filter to track operator and non-operators simultaneously. The method is evaluated on a publicly available multiple object tracking dataset as well as on custom sequences that are specific to the targeted application. Experiments show reliable tracking in crowded scenes and robust re-identification after long term occlusion. Finally, a third part of this thesis focuses on appearance modeling as an essential aspect of any method that is applied to visual object tracking scenarios. Therefore, a feature representation that is robust to pose variations and changing lighting conditions is learned offline, before the actual tracking application. This thesis proposes a joint classification and metric learning objective where a deep convolutional neural network is trained to identify the individuals in the training set. At test time, the final classification layer can be stripped from the network and appearance similarity can be queried using cosine distance in representation space. This framework represents an alternative to direct metric learning objectives that have required sophisticated pair or triplet sampling strategies in the past. The method is evaluated on two large scale person re-identification datasets where competitive results are achieved overall. In particular, the proposed method better generalizes to the test set compared to a network trained with the well-established triplet loss.

Social entrepreneurship is a form of entrepreneurship that marries a social mission to a competitive value proposition. Notably, social entrepreneurship fosters a more equitable society by addressing social issues and trying to achieve an ongoing sustainable impact through a social mission rather than purely profit maximization. The topic of social entrepreneurship has appealed considerably to many different streams of research. The focus on understanding how and why entrepreneurs think and act is a significant justification for future research. Nevertheless, the theoretical examination of this phenomenon is in its infancy. Social entrepreneurship research is still largely phenomenon-driven. Specifically, Social Entrepreneurial Intention is in an early stage and lacks quantitative research. Therefore, this thesis proposes to address this need. The thesis’ objectives are twofold: (1) develop a formation model for Social Entrepreneurial Intentions in general and (2) test the model by conducting an empirical study. Based on these objectives, the two research questions guiding the thesis are (1) what factors influence the intention of a person to become a social entrepreneur and (2) what relationships exist among these factors. In order to answer these two research questions, this thesis uses purposeful research design, which is a combination of literature review and empirical study. The literature review is based on a comprehensive range of books, articles, and research papers published in leading academic journals and conference proceedings in different disciplines such as entrepreneurship, social entrepreneurship, entrepreneurship education, management, social psychology, and social economics. The empirical study is conducted via a survey of 600 last-year students from four universities in three regions in Vietnam: Hanoi, Da Nang, and Ho Chi Minh. The data are analyzed with SPSS-AMOS version 24, using screening data, scale development, exploratory factor analysis, and confirmation factor analysis. The thesis ascertains that Entrepreneurship Experience/Extra-curricular Activity, Role Model, Social Entrepreneurial Self-Efficacy, and Social Entrepreneurial Outcome Expectation directly and positively affect the intention of the Vietnamese students to be social entrepreneurs. Entrepreneurship Education also influences the Social Entrepreneurial Intention, but not directly, otherwise indirectly via Social Entrepreneurial Self-Efficacy and Social Entrepreneurial Outcome Expectation. Similarly, Perceived Support has no direct relationship to Social Entrepreneurial Intention; however, it shows an indirect link via the mediator ‘Social Entrepreneurial Outcome Expectation’. Furthermore, the dissertation brings new insights to the social entrepreneurship literature and provides important implications for practice. Limitations and future directions are also provided in the thesis.