No description available.

Während man sich bislang auf die Gründe für die Entwicklung existierender Cluster konzentrierte, steigt das Interesse an den Prozessen, welche deren Entstehung bewirken. Diese unterscheiden sich jedoch von jenen zusammenhängen, welche ein reifes und dynamisches Cluster kennzeichnen (Bresnahan, Gambardella 2004, S. 842; Henn 2006b). Einige Beispiele haben gezeigt, dass Politik durchaus eine Rolle in der Entwicklung von Clustern spielen kann (z. B. Feldmann et al. 2005, S. 131; Dohse 2000b). Es herrscht jedoch Konsens, dass eine direkte Steuerung und Initiierung von Clustern „wishful thinking“ bleiben muss (Enright 2003, S. 104; Rosenfeld et al. 2006). Indes zeigen sich unternehmerische Akteure im Umfeld von Forschungseinrichtungen bevorteilt, wissenschaftliche Erkenntnisse in neuen Technologiefeldern zu verwerten. In jüngerer Zeit werden deshalb regionalisierte Innovationspolitiken implementiert, welche diesen Prozess unterstützen sollen. Über die Wirkungsweise und die Effekte einer solchen räumlich fokussierten Politik herrscht bislang jedoch noch Unklarheit (Raines 2002b, S. 8; Fromhold-Eisebith, Eisebith 2005, S. 1251; Kiese 03.10.2007). Diese Fragestellungen aufgreifend werden in der vorliegenden Arbeit anhand der Fallbeispiele Dresden und Leipzig die Prozesse der Clusterentstehung im Technologiebereich der Biotechnologie vor dem Hintergrund der Post-Transformationsphase Ostdeutschlands analysiert. Zudem wird die umfangreiche, regionalisierte Innovationspolitik des Freistaates Sachsen hinsichtlich ihres Beitrages bei der Clusterentstehung untersucht. Mit diesem Untersuchungsansatz wird ein Beitrag zur noch jungen Diskussion der Clusterentstehung geleistet sowie Einblick in die Wirkungsmöglichkeiten regionalisierter Innovationspolitik gegeben. Auf der Grundlage der theoretischen Diskussion zu Clustern und regionalisierter Innovationspolitik wird ein Untersuchungsmodell abgeleitet, welches sich an den multidimensionalen Analyserahmen Bathelts anlehnt (Bathelt 2002) und um die von Henn diskutierten Entstehungsdimensionen Ansiedlung, Lernen und Gründung erweitert (Henn 2006b). Schwerpunkt der empirischen Analyse ist ein Mix aus leitfadengestützten Interviews und quantitativer Analyse sozialer Netzwerke. Bei der Analyse zeigt sich, dass „klassische“ Erklärungsmuster zur Clusterentstehung teilweise auf Prozesse hinweisen, die sich so nicht feststellen lassen. Als wesentlich erweisen sich vor allem Gründungs- und Ansiedlungsprozesse. Zu ihrer Erklärung kann jedoch kaum auf einfache Standortfaktoren zurückgegriffen werden, vielmehr müssen Forschernetzwerke zur Erklärung herangezogen werden. Bei der Analyse der Effekte der regionalisierten Innovationspolitik zeigt sich, dass die Wirksamkeit maßgeblich von der Gestaltbarkeit und Anpassung der Politik an sich ändernde Governancebedingungen abhängt. Dies betrifft sowohl das regionale technologische Umfeld als auch die Region im Allgemeinen. Daneben 243 ist die Unterstützung der Erzeugung materieller Vorraussetzungen u. a. für den Erfolg von Ausgründungen, Ansiedlungen sowie von unternehmerischen Lernprozessen relevant. Diese müssen jedoch in flexible Strukturen eingebettet werden, die es zu entwickeln gilt. Dafür werden am Ende der Arbeit Handlungsempfehlungen aufgezeigt. / While focussing on the development of existing clusters there is a growing interest in those processes which lead to the emergence of clusters. Those differ from these ones which are typical for a ripe cluster (Bresnahan, Gambardella 2004, p. 842; Henn 2006). Several cases show that policy has an impact on the development of a cluster (z.B. Feldmann et al. 2005, p. 131; Dohse 2000). Though there is a consensus that wishing to stear or initiate a cluster is „wishful thinking“ (Enright 2003, p. 104; Rosenfeld et al. 2006). Entrepreneurs in the surrounding of research institutions are in an advantage commercialising knowledge in new technology fields. This is why regionalised innovation policies are implemented recently, which aim to support this process. The effects and mechanisms of such a spatially focused policy have yet to be clarified (Raines 2002, p. 8; Fromhold-Eisebith, Eisebith 2005, p. 1251; Kiese 3. Oktober 2007). Taking up this question in this thesis the process of emerging clusers is analysed in the field of biotechnology for the cases of Dresden and Leipzig under conditions of post-transformation in Eastern Germany. Further the influence of the complex, regionalised innovation policy of the Free State of Saxony is studied concerning the emgergence of clusters. The aim is to contribute to the discussion on emerging clusters as well as to point out the impact regionalised innovation policy can have. A research model is deduced from theoretical discussion on clusters and regionalised innovation policy. It refers to the multidimensional model of Bathelt (Bathelt 2002) and the relevant dimensions for the emergence process, settlements, learning and founding (Henn 2006). To implement this model among others a mix of semi-structured interviews and social network analysis is used. The analysis shows that “classical” explanations for emerging clusters can not be verified. Founding and settling processes of enterprises seem to be most important. A simple location factor based explanation does not give satisfying answers. Explanations have to take researcher-entrepreneurial networks into account. The analysis shows that the impact of regionalised innovation policy depends on a continual development and evolution of policy in accordance with a changing governance structure in the regional technological surrounding as in the overall region. Monetary support proves to be favourably for spin offs and settlements as well as for entrepreneurial learning processes. Those have to be embedded in flexible and developing governance structures.

Mit der wachsenden Popularität von GitHub, dem größten Online-Anbieter von Programm-Quellcode und der größten Kollaborationsplattform der Welt, hat es sich zu einer Big-Data-Ressource entfaltet, die eine Vielfalt von Open-Source-Repositorien (OSR) anbietet. Gegenwärtig gibt es auf GitHub mehr als eine Million Organisationen, darunter solche wie Google, Facebook, Twitter, Yahoo, CRAN, RStudio, D3, Plotly und viele mehr. GitHub verfügt über eine umfassende REST API, die es Forschern ermöglicht, wertvolle Informationen über die Entwicklungszyklen von Software und Forschung abzurufen. Unsere Arbeit verfolgt zwei Hauptziele: (I) ein automatisches OSR-Kategorisierungssystem für Data Science Teams und Softwareentwickler zu ermöglichen, das Entdeckbarkeit, Technologietransfer und Koexistenz fördert. (II) Visuelle Daten-Exploration und thematisch strukturierte Navigation innerhalb von GitHub-Organisationen für reproduzierbare Kooperationsforschung und Web-Applikationen zu etablieren. Um Mehrwert aus Big Data zu generieren, ist die Speicherung und Verarbeitung der Datensemantik und Metadaten essenziell. Ferner ist die Wahl eines geeigneten Text Mining (TM) Modells von Bedeutung. Die dynamische Kalibrierung der Metadaten-Konfigurationen, TM Modelle (VSM, GVSM, LSA), Clustering-Methoden und Clustering-Qualitätsindizes wird als "Smart Clusterization" abgekürzt. Data-Driven Documents (D3) und Three.js (3D) sind JavaScript-Bibliotheken, um dynamische, interaktive Datenvisualisierung zu erzeugen. Beide Techniken erlauben Visuelles Data Mining (VDM) in Webbrowsern, und werden als D3-3D abgekürzt. Latent Semantic Analysis (LSA) misst semantische Information durch Kontingenzanalyse des Textkorpus. Ihre Eigenschaften und Anwendbarkeit für Big-Data-Analytik werden demonstriert. "Smart clusterization", kombiniert mit den dynamischen VDM-Möglichkeiten von D3-3D, wird unter dem Begriff "Dynamic Clustering and Visualization of Smart Data via D3-3D-LSA" zusammengefasst. / With the growing popularity of GitHub, the largest host of source code and collaboration platform in the world, it has evolved to a Big Data resource offering a variety of Open Source repositories (OSR). At present, there are more than one million organizations on GitHub, among them Google, Facebook, Twitter, Yahoo, CRAN, RStudio, D3, Plotly and many more. GitHub provides an extensive REST API, which enables scientists to retrieve valuable information about the software and research development life cycles. Our research pursues two main objectives: (I) provide an automatic OSR categorization system for data science teams and software developers promoting discoverability, technology transfer and coexistence; (II) establish visual data exploration and topic driven navigation of GitHub organizations for collaborative reproducible research and web deployment. To transform Big Data into value, in other words into Smart Data, storing and processing of the data semantics and metadata is essential. Further, the choice of an adequate text mining (TM) model is important. The dynamic calibration of metadata configurations, TM models (VSM, GVSM, LSA), clustering methods and clustering quality indices will be shortened as "smart clusterization". Data-Driven Documents (D3) and Three.js (3D) are JavaScript libraries for producing dynamic, interactive data visualizations, featuring hardware acceleration for rendering complex 2D or 3D computer animations of large data sets. Both techniques enable visual data mining (VDM) in web browsers, and will be abbreviated as D3-3D. Latent Semantic Analysis (LSA) measures semantic information through co-occurrence analysis in the text corpus. Its properties and applicability for Big Data analytics will be demonstrated. "Smart clusterization" combined with the dynamic VDM capabilities of D3-3D will be summarized under the term "Dynamic Clustering and Visualization of Smart Data via D3-3D-LSA".

In dieser Habilitationsschrift werden elf ausgewählte Zeitschriftenartikel vorgestellt. Alle Artikel zielen darauf ab, die Heterogenität der Betriebe des Agrarsektors durch eine bessere Auflösung der Angebotsmodelle zu berücksichtigen. Der erste Abschnitt konzentriert sich auf die Anwendungen mit dem partiellen Gleichgewichtsmodell CAPRI. Der Abschnitt deckt ein breites Spektrum politischer Fragen ab, zum Beispiel, Kopplung bzw. Konvergenz der Direktzahlungen, Ökologisierung, Verringerung der Treibhausgasemissionen und Kohlenstoffsequestrierung. Ich zeige, dass betriebsbezogene Angebotsmodelle eine detailliertere Analyse politischer Auswirkungen ermöglichen. Zudem erlauben diese Angebotsmodelle eine Verknüpfung mit Modellen höherer räumlicher Auflösung. Der zweite Abschnitt befasst sich mit methodischen Fragen zur Schätzung struktureller Veränderungen auf der Ebene der Betriebstypen in einem EU-weiten Ansatz. Der entwickelte Ansatz hilft, Faktoren, die den landwirtschaftlichen Strukturwandel beeinflussen, besser zu bestimmen und bietet die Möglichkeit einer umfassenden Analyse des landwirtschaftlichen Strukturwandels in der EU. Es wird gezeigt, dass die Ergebnisse zum Strukturwandel auch in der Modellierung berücksichtigt werden können. Dafür wurden Methoden entwickelt, die die Wahrung der Konsistenz der regionalen Ebene und die Berücksichtigung von betriebstypspezifischen Bilanzen, Indikatoren und Veränderungen in der Zahl der landwirtschaftlichen Betriebe gewähren. Der letzte Abschnitt befasst sich mit Methoden zur Rückschätzung von zensierten Daten. Ich untersuche verschiedene Datenaggregationsansätze, wie zum Beispiel, ein lokales gewichtetes Durchschnittsverfahren und ein bayesianisches Schätzverfahren, um Parameter für die zensierten Daten zu ermitteln, die der Realität so weit wie möglich entsprechen. / In this habilitation thesis, eleven selected journal articles were presented. All articles aimed to improve the resolution and thus reduce aggregation error to better account for farm heterogeneity in the agricultural sector models. The first section focused on model application with the partial equilibrium model CAPRI at the farm-type level. It covered many policy issues, such as coupling, convergence, greening, GHG mitigation, and carbon sequestration. I demonstrate that the farm-type supply models enable a detailed analysis of various policy impacts. It was demonstrated that the EU's supply models could improve model linkage with higher spatial resolution models, thus further closing the gap with spatial land-use models. The second section addressed significant methodological queries about estimating structural changes at the farm-type level in an EU-wide approach. A regional approach helps to identify better factors affecting agricultural structural change. The approach offers the opportunity for a comprehensive and previously unachievable analysis of agricultural structural change in the EU. Integrating the development into the CAPRI farm-type model poses challenges with the top-down approach. It requires maintaining consistency with the regional NUTS2 level and considering farm-type-specific balances, indicators, and changes in the number of farms from the structural change estimation. The last section addressed methods for back-estimating censored data. I explored different data aggregation approaches, such as a local weighted average method and a Bayesian estimation procedure, to establish parameters for the censored data that match reality as closely as possible.