Projekte der IVVI-Mitglieder

Leitung: Prof. Dr. Antje G. I. Tölle

Laufzeit: September 2021 – Mai 2022

Programmschiene / Fördergeber: Bayerische Staatsministerium für Ernährung Landwirtschaft und Forsten

Projektpartner: Johann Heinrich von Thünen Institut als Bundesforschungsinstitut für Ländliche Räume, Wald und Fischerei

Abstract:

Der Bayerische Landtag hat im Dezember 2020 beschlossen, ein Gutachten zu neuen Fragen bezüglich der Entwicklungen auf dem Landwirtschaftlichen Bodenmarkt in Bayern einzuholen (Drs. 18/11798). Hintergrund ist, dass die Kaufpreise für landwirtschaftliche Flächen im bundesweiten Vergleich in Bayern am höchsten sind. Dabei haben sie sich in den vergangenen 10 Jahren mehr als verdoppelt. Es drängen sich daher Fragen zum Stand und zur Entwicklung des Bodenmarktes in Bayern auf, welche Handlungsoptionen im Rahmen des deutschen Rechts gegeben sind und welche Erkenntnis aus einem Rechtsvergleich gewonnen werden können. In diesem interdisziplinären Projekt der Agrarökonomie und Rechtswissenschaft werden neben Berechnung, juristischer Dogmatik auch leitfadengestützte Experteninterviews und eine Onlineumfrage bei den Behörden durchgeführt.

Leitung: Prof. Dr. Marianne Egger de Campo, Prof. Dr. Christian Erdmann, Prof. Dr. Antje G. I. Tölle

Laufzeit: April 2022 – März 2023

Programmschiene / Fördergeber: Fördermittel im Rahmen des Bund-Länder-Programms FH-Personal

Abstract:

Die europäische Richtlinie (EU) 2019/1937 wird oftmals als „Hinweisgeberschutzrichtlinie“ bezeichnet und hätte bis Dezember 2021 in nationales Recht umgesetzt werden müssen. Sie schützt in einem weiten personalen Anwendungsbereich Personen, die Hinweise auf Verstöße gegen das Unionsrecht melden. Dies drängt verschiedene Fragestellungen auf, die interdisziplinär aus soziologischer, rechts- und verwaltungswissenschaftlicher Perspektive abgebunden werden sollen.

Leitung: Prof. Dr. Benedikt Speer

Laufzeit: Oktober 2015 – August 2018

Programmschiene / Fördergeber: Erasmus+ - Co-operation for Innovation and the Exchange of Good Practices

Projektpartner: P. J. Safarik University Kosice; Fachhochschule Bern; EURAC (Bozen); Hochschule Harz

Leitung: Prof. Dr. Tobias Ringeisen, Prof. Dr. Carolin Hagelskamp

Laufzeit: August 2019 – Dezember 2024

Programmschiene/Fördergeber: Qualitäts- und Innovationsoffensive Berliner Hochschulen (2. Förderphase)

Abstract:

Das Projekt untersucht Determinanten von Studienerfolg und Arbeitgeberwahl unter Studierenden der Öffentlichen Verwaltung und vergleicht dabei die Studiengangsformate Präsenz, Blended und Dual. Im Fokus steht die Frage, wie sich im Studienverlauf zentrale Kompetenzen für die Tätigkeit im Öffentlichen Dienst entwickeln und welche Rolle dabei die diversen Voraussetzungen, Erwartungen und Bedürfnisse spielen, mit denen die Studierenden an die Hochschule kommen. Wichtig ist auch die Frage, in welcher Form Studiengangsformate, Lehrinhalte und Didaktik, sowie das soziale Umfeld an der Hochschule, die Entwicklung und den Erfolg der Studierenden unterstützen oder hindern. Das Projekt basiert auf Theorien und Erkenntnissen der Psychologie, insbesondere der Lehr- und Lernforschung. Ziel ist es, praxisrelevante Erkenntnisse für den Ausbau von Unterstützungsangeboten, die Weiterentwicklung der Studiengangsformate und das (Personal)Marketing des Studiengangs und des Öffentlichen Dienstes als Arbeitgeber zu generieren.

Die Evaluation umfasst die drei Aktivitätsfelder Befragung, Partizipation und Austausch. Die Befragung kombiniert quantitative und qualitative Methoden der Datenerhebung. Unter anderem werden standardisierte Umfragen mit Studierenden zu Beginn eines jeden Semesters und für die gesamte Studiendauer von 7 Semestern durchgeführt. So lassen sich Wechselwirkungen individueller Voraussetzungen mit den Merkmalen der verschiedenen Studiengangsformate untersuchen, Zusammenhänge mit Studienerfolg und Arbeitgeberaspiration analysieren und mögliche Unterschiede zwischen den Studiengangsformaten identifizieren.

Der Bereich Partizipation bindet Studierende in die Entwicklung und Auswertung der Evaluation ein und bietet ihnen somit die Möglichkeit, bereits während der Laufzeit vom Projekt und den sukzessive gewonnenen Ergebnissen zu profitieren. Zu den Angeboten gehören ein studentischer Beirat und projektbezogene Wahlpflichtmodule.

Der Bereich Austausch dient dazu, das kollegiale Lernen und die Umsetzung von Handlungsempfehlungen zu fördern. Unterschiedliche Austauschformate wie moderierte Gesprächsrunden, Workshops oder Vorträge, in denen Erkenntnisse geteilt und deren Bedeutung für Studium, Lehre und Marketing mit diversen Mitgliedern der Hochschule und der Verwaltung diskutiert werden, sind Teil des Konzepts und laufen projektbegleitend. Ein regelmäßiger Austausch mit Interessierten aus Wissenschaft und Praxis ist sehr willkommen und wird angestrebt.

Publikationen:

Hagelskamp, Carolin; Barth-Farkas, Faye und Ringeisen, Tobias (2024): Evaluating bachelor degree programs in Public Administration: methodological considerations, in: Lehre.Lernen.Digital, Band 5, Heft 1, 9-19. Online hier verfügbar

Ringeisen, Tobias; Barth-Farkas, Faye und Hagelskamp, Carolin (2024): Lehrmethoden zur Stärkung von Selbstwirksamkeit und Studienerfolg bei Studierenden, in: Lehre.Lernen.Digital, Band 5, Heft 1, 20-26. Online hier verfügbar

Barth-Farkas, Faye; Hagelskamp, Carolin und Ringeisen, Tobias (2023): Attraktivität, Image und Personalmarketing der öffentlichen Verwaltung, in: VM Verwaltung & Management, Band 29, Heft 6, 254-265. Online verfügbar unter https://doi.org/10.5771/0947-9856-2023-6

Barth-Farkas, Faye; Ringeisen, Tobias; Hagelskamp, Carolin und Erdmann, Christian (2022): Diversität und Studienerfolg von Studierenden im Bachelor Öffentliche Verwaltung: ein Ansatz zur Evaluation von drei Studiengangsformaten, in: Kraatz, Erik (Hrsg.): Die Hochschulen für den öffentlichen Dienst nach der Corona-Pandemie – digitaler lehren und prüfen, vernetzter forschen? Ahrensburg, S. 53 - 76.

Leitung: Prof. Dr. Nicola Winter

Laufzeit: April 2016 – März 2018

Programmschiene / Fördergeber: IFAF-Verbund

Projektpartner: Beuth Hochschule für Technik Berlin; Haensel AMS GmbH; Phizzard GmbH

Abstract:

Das Projekt OCIDA hatte die Zielsetzung, durch effiziente Auswertung von individuellen Kundendaten aus dem E-Commerce die Abwanderung von Kunden (Churn) durch optimale Strategien zu reduzieren, um den Profit zu maximieren. Dabei haben Methoden des analytischen Marketings, der mathematischen Modellierung und Optimierung aus dem Revenue Management und Pricing sowie geeignete Prognoseverfahren Anwendung gefunden.

Ausgehend von einem neuartigen Attribution-Modell wurde die Effektivität der Kampagnen zur Churn-Reduzierung und der Return of Investment (ROI) durch möglichst optimalen Budgeteinsatz maximiert. Basierend auf zu bildenden Kundensegmenten wurden die Churn-Wahrscheinlichkeiten geschätzt und die Effekte vielversprechender Strategien bewertet und optimiert.

Ziele des Projekts waren

  • die Abwanderungswahrscheinlichkeit von Kunden (Churn-Rate) besser zu schätzen,
  • effektive Strategien zu entwickeln und zu bewerten, die eine Kundenabwanderung verhindern bzw. signifikant verringern.

Drittmittelfinanziertes Forschungsprojekt in der Förderlinie HAW-Forschungspraxis 

Träger: Bundesministerium für Forschung, Technologie und Raumfahrt (BMFTR)

Projektlaufzeit: 01.04.2026 - 31.03.2030

Kurzbeschreibung

Das Projekt PROVIS möchte exemplarisch in einigen Handlungsbereichen der Berliner Landesverwaltung erforschen, wie mathematisch-statistische Methoden, Methoden des maschinellen Lernens bis hin zur Künstlichen Intelligenz (KI) im Verwaltungshandeln nutzenbringend eingesetzt werden können. Dazu sollen zunächst die Steuerungsprozesse der Verwaltung, die jeweils von mehreren Akteuren aus verschiedenen Organisationseinheiten vollzogen werden, analysiert und optimiert werden. Es soll ein zielgerichteter und realisierbarer Einsatz moderner Technologien im operativen und strategischen Verwaltungsmanagement ermöglicht werden. Das Forschungsteam von PROVIS ist dementsprechend interdisziplinär aus den Disziplinen Verwaltungswissenschaft, Betriebswirtschaftslehre, Mathematik, Informatik besetzt.

Der Lösungsansatz basiert auf Verfahren der Predictive Analytics (PA) und Prescriptive Analytics (PE) im Bereich des Verwaltungscontrollings. Dies bedeutet, dass datenbasierte Prognosen (Forecasts) modelliert und in einem Softwaretool abgebildet werden. Dadurch wird die Verwaltung in die Lage versetzt, ihr Planen, Entscheiden und Handeln antizipierend und proaktiv zu gestalten, anstatt situativ zu reagieren. Die modellierten Verfahren bieten der Verwaltung eine Entscheidungsunterstützung. Voraussetzung hierfür ist eine entsprechende Datenbasis, die im Zuge der voranschreitenden Digitalisierung zunehmend zur Verfügung steht und die von den Praxispartnern in das Projekt eingebracht wird. Die von PROVIS fokussierten Handlungsbereiche der Berliner Landesverwaltung sind Ordnungsämter, Gewerberechtsvollzug, Schulwesen und gesamtstädtische Verwaltungssteuerung, so dass wichtige Lebensbereiche von Bürger:innen abgedeckt werden.

Projektpartner/innen:

  • Hochschule für Wirtschaft und Recht Berlin (HWR)
  • Berliner Hochschule für Technik (BHT)
  • Senatskanzlei von Berlin
  • Senatsverwaltung für Bildung, Jugend und Familie
  • Senatsverwaltung für Wirtschaft, Energie und Betriebe

Forschungsteam:

Webseite: blog.hwr-berlin.de/provis/

Zielsetzung und geplante Ergebnisverwertung

PROVIS wird Prognosemethoden für die öffentliche Verwaltung unter Berücksichtigung der Erklärbarkeit der Ergebnisse und unterschiedlicher Datengranularität entwickeln, in ein Prognosetool implementieren und den Partnern sowie der Öffentlichkeit rechtefrei (Open Source) zur Verfügung stellen. Das Prognosetool wird Folgeprojekten zur Verfügung stehen und kann vielfältig genutzt werden.

In mehreren Handlungsfeldern der öffentlichen Verwaltung werden exemplarisch Verfahren der Predictive Analytics (PA) und Prescriptive Analytics (PE) konzipiert, modelliert und implementiert. Der anwendungsbezogene Forschungsstand bzgl. hybrider Prognosemethoden unter Berücksichtigung erklärbarer Ergebnisse wird dadurch erweitert und publiziert.

Die hybriden Prognosemodelle unter Nutzung von Temporal Fusion Transformers ermöglichen es, dynamische Merkmale wie bpsw. Bevölkerungsentwicklung, Migration und Pendlerverhalten und deren Auswirkungen in die Prognosen zu integrieren und operative und planerische Fragestellung der öffentlichen Verwaltung für verschiedene Entwicklungsszenarien und politische Entscheidungen besser zu beantworten.

Die abgeleiteten, verallgemeinerungsfähigen Erkenntnisse sind ein wichtiger Baustein für den interdisziplinären Einsatz mathematischer Methoden in der verwaltungswissenschaftlichen Forschung und Praxis insbesondere zur Fragestellung, wie die Potenziale der Digitalisierung durch den Einsatz von PA, PE und KI produktivitätssteigernd realisiert und empirisch signifikant nachgewiesen werden können. Die Möglichkeit des Transfers auf andere Tätigkeitsbereiche in Verwaltungen ist durch die Modellhaftigkeit der Forschungsfragen und durch die beteiligten Partner in ihren Schlüsselpositionen gegeben. Die Projektergebnisse werden publiziert, auf Konferenzen präsentiert und fließen auch in die Hochschullehre ein.

Leitung: Prof. Dr. Tobias Ringeisen (HWR Berlin), Prof. Dr. Katja Ninnemann (HTW Berlin)

Laufzeit: Oktober 2022 – September 2024

Programmschiene / Fördergeber: IFAF-Verbund

Projektpartner: B.I.G. Holding SE; BIM Berliner Immobilien Management GmbH

Webseite: https://www.ifaf-berlin.de/projekte/raw_reallabor/

Abstract:

Charakteristisch für Wissensarbeit sind eine hohe Komplexität und Neuartigkeit der Aufgaben. Von den Beteiligten wird große Flexibilität und Autonomie gefordert, um Arbeitsprozesse adäquat und ergebnisoffen zu gestalten. Vor diesem Hintergrund untersucht das Projekt mit zwei Berliner Praxispartner*innen aus Wirtschaft und Verwaltung sowie zwei überregionalen assoziierten Partner*innen, welche spezifischen Merkmale Wissensarbeit in Teamstrukturen aufweist. Diese Merkmale werden auf ihre Passung mit teaminternen Bedürfnissen, organisationalen Anforderungen sowie der Gestaltung von hybriden Arbeitsumgebungen abgeglichen.

Auf Basis dieser Analysen werden passende bedürfnis- und anforderungsgerechte Kriterien für die Gestaltung hybrider Arbeitsumgebungen identifiziert, um zu untersuchen wie Wissensarbeit in Teams optimal durch Raumstrukturen unterstützt werden kann. In einem weiteren Schritt werden im Projekt Werkzeuge erarbeitet, um wirksame und nachhaltige Entwicklungsprozesse für hybride Arbeitsumgebungen in den Bereichen zu unterstützen, welche grundlegenden Veränderungen bei Wissensarbeit ausgesetzt sind. Die Projektergebnisse werden mit Hilfe eines Reallaboransatzes zusammen mit den beteiligten Praxispartner*innen erarbeitet und reflektiert. Dadurch fließen Teilerkenntnisse schon während der Projektlaufzeit in die Unternehmen. Die assoziierten Partner*innen leisten darüber hinaus relevante Impulse bei der Werkzeugentwicklung und katalysieren die Reflektion von Erkenntnissen im Projektverlauf.

Leitung: IZES gGmbH und Agentur für erneuerbare Energien (Gesamtprojekt EnGovernance); Prof. Dr. Stephan Tomerius (Teilprojekt Rechtsfragen)

Laufzeit: 2015 – 2016

Programmschiene / Fördergeber: Bundesministerium für Wirtschaft und Energie

Projektpartner: IZES gGmbH und Agentur für erneuerbare Energien

Leitung: GRÜNE LIGA Berlin und Senatsverwaltung für Umwelt, Verkehr und Klimaschutz (SenUVK) (Gesamtprojekt); Prof. Dr. Stephan Tomerius (Teilprojekt Rechtsrahmen und Regelungsansätze)

Laufzeit: Januar 2019 – Februar 2021, rechtliche Expertise: 2020

Programmschiene / Fördergeber:  Senatsverwaltung für Umwelt, Verkehr und Klimaschutz (SenUVK)

Projektpartner: GRÜNE LIGA Berlin und Senatsverwaltung für Umwelt, Verkehr und Klimaschutz (SenUVK)

Leitung: Prof. Dr. Robert Knappe, Prof. Dr. Nicola Winter

Laufzeit: Oktober 2019 – Dezember 2022

Programmschiene / Fördergeber: IFAF-Verbund

Projektpartner: Berliner Hochschule für Technik; Berliner Verkehrsbetriebe AöR; Internationaler Controller Verein e.V. Arbeitskreis Berlin-Brandenburg; Lufthansa Systems GmbH & Co. KG; Lufthansa Industry Solutions GmbH

Abstract:

Das Land Berlin plant eine deutliche Ausweitung der Leistungen des öffentlichen Personennahverkehrs. Dabei soll der ÖPNV nicht nur verkehrspolitisch, sozial und ökologisch zukunftsfähig werden, sondern auch wirtschaftlich durchgeführt werden. Im Projekt werden mathematische Methoden entwickelt, um auf Basis von aktuellen und historischen Ertragsdaten deren Entwicklung zu prognostizieren und diese Prognoseansätze in die vorhandenen Controllingprozesse zu integrieren.

Für das Controlling ist die Anwendung von Advanced und Predictive Analytics ein Forschungsgebiet mit wachsender Bedeutung. Proaktive Prognosen ergänzen zunehmend die in der Praxis noch weit verbreiteten reaktiv-analytischen Auswertungen, die auf historischen Daten basieren. Die Verfügbarkeit und Analysierbarkeit großer Datenmengen sowie neuere Methoden des maschinellen Lernens ermöglichen erweiterte und verbesserte Verfahren, mit deren Hilfe sich die Qualität der Vorhersagen und damit die Planungsqualität sowie das Controlling verbessern lassen.

Im Rahmen des Projekts sollen hybride Prognosen (Kombinationen aus verschiedenen Methoden angewendet auf unterschiedliche Produktgruppen) und Predictive Analytics helfen, zukünftige Fahrscheinverkäufe und daraus resultierende Erträge besser abschätzen zu können. Die hybriden Prognose- und Analyseverfahren basieren auf aktuellen Erkenntnissen der Datenanalyse und der Zeitreihenanalyse mittels neuronaler Netze sowie Regressionsansätzen. Hierzu entwickelt das Projektteam einen Prognoseprototypen, um den Nutzern die Arbeit mit den Methoden zu erleichtern. Neben der Entwicklung der Ertragszahlen werden auch externe Einflüsse wie Wetter, Bevölkerungs-, Pendler-, Touristen- und Arbeitsmarktentwicklung und exogene Schocks (z.B. Covid19) berücksichtigt.

Als Ergebnis ist auf der einen Seite zu erwarten, dass sich die Prognosegüte der Fahrgelderträge im Vergleich zur herkömmlichen Prognose des ÖPNV verbessert. Auf der anderen Seite wird erwartet, dass die Auswirkungen von externen Faktoren auf verschiedene Produktgruppen statistisch belegt und auch quantifiziert werden können. Vor dem Hintergrund der Covid19-Pandemie, welche einen starken Einfluss auf den ÖPNV hat, ist es von großem Interesse, wie die entwickelten Modelle auf gravierende exogene Schocks und sich ändernde Rahmenbedingungen reagieren.

Aus den Ergebnissen des Projekts ReComMeND können auch verallgemeinerte Perspektiven und Handlungsempfehlungen für die stärkere Berücksichtigung der verwendeten Methoden des Maschinellen Lernens für die Verwaltungs- und Unternehmenspraxis abgeleitet werden. Die Rolle und der Erfolgsbeitrag des Controllings wird insbesondere im Hinblick auf die Interaktion mit der/dem Data Scientistin/en ausdifferenziert. Im Rahmen der zahlreichen Workshops mit Vertreter/innen aus der Praxis werden im Projekt Entwicklungspfade erarbeitet, wie Verfahren des Predictive Analytics für die Organisationssteuerung implementiert werden können.

Leitung: Prof. Dr. Marianne Egger de Campo, Prof. Dr. Erik Kraatz, Prof. Dr. Christian Erdmann (jeweils HWR Berlin), Prof. Dr. Ing. Bri Newesely (Berliner Hochschule für Technik)

Laufzeit: April 2020 – September 2022

Programmschiene / Fördergeber: IFAF Verbund/IFAF Berlin

Projektpartner: Bezirksamt Mitte von Berlin, Zentrale Vergabestelle / Landeshauptstadt Potsdam / Transparency International Deutschland e.V. / Hannes Hoelzl (freischaffender Künstler)

Abstract:

XICHT erforscht die Bedeutung der Transparenz innerhalb von Behördenkommunikation und reflektiert die wissenschaftlichen Erkenntnisse künstlerisch. Behördenkommunikation wird dabei in einem weiten Sinn als Selbstdarstellungspraxis verstanden, welche immer auch der Legitimierung des behördlichen Handelns dienst; das Herstellen von Transparenz spielt dabei eine herausragende Rolle und wird in Form einer szenografischen Intervention explizit gemacht.

Diese Webseite verwendet Cookies. Durch die weitere Nutzung erklären Sie sich damit einverstanden, dass wir Cookies im Einklang mit unserer Datenschutzerklärung verwenden. Mehr zum Datenschutz.