Die vorliegende Arbeit untersucht die Intensität zwischenbetrieblicher Mobilität von Hochqualifizierten für Deutschland auf regionaler Ebene und überprüft, welcher Wirkungszusammenhang mit regionaler Innovationsfähigkeit besteht. Zentral für die Entstehung von Innovationen werden Wissensspillover angesehen. Hochqualifizierten Arbeitskräften wird eine besondere Rolle zugeschrieben, Wissensspillover auszulösen. In der wissenschaftlichen Literatur wird für Regionen in den USA und den skandinavischen Raum auf den positiven Einfluss zwischenbetrieblicher Mobilität von Hochqualifizierten und der Innovationsentstehung verwiesen. Im Fokus dieser Arbeiten stehen zumeist Beschäftigte im IT-Bereich. Für Deutschland liegen bisher nur wenige Befunde vor. Dementsprechend wird in dieser Arbeit der Frage nachgegangen, wie sich die zwischenbetriebliche Mobilität von Hochqualifizierten räumlich darstellt und welche Auswirkungen regionale Unterschiede im Mobilitätsverhalten auf den Wissenstransfer und damit auf die Innovationsfähigkeit haben. Zur Klärung der Forschungsfrage wird ein Methodenmix angewandt. Auf Grundlage einer quantitativen Auswertung von Berufsbiographien und der Analyse des räumlichen Innovationsgeschehens wird deutlich, dass zwischenbetriebliche Mobilität in einem positiven Zusammenhang mit regionaler Innovationsaktivität steht. Die Befunde für deutsche Regionen bestätigen die Forschungsliteratur zur Wirkungsweise von zwischenbetrieblicher Mobilität auf die Innovationsentstehung. Die qualitative Auswertung von Interviews mit Experten aus Maschinenbaufirmen und regionalen Institutionen in vier deutschen Fallregionen zeigt jedoch, dass in diesem Bereich des produzierenden Sektors spezifische Barrieren existieren, die Einfluss darauf haben, dass Arbeitskräftemobilität nur bedingt zu Wissensspillovern führt. Weiterhin zeigt sich, dass räumliche Unterschiede bei der Wahrnehmung von Arbeitskräftemobilität bestehen, die auf betriebsstrukturelle Merkmale zurückzuführen sind. / This work examines the intensity of inter-firm mobility of highly qualified employees at a local level in Germany and analyses the consequences of labour mobility for the creation of innovation. Knowledge spillovers are considered as a key element in the development of innovative products and processes. A special role in the knowledge transfer mechanism has been attributed to highly qualified employees. Scientific research has shown a positive influence of inter-firm mobility of highly qualified employees and innovation processes for various regions in the USA and Scandinavia. This applies in particular to employees in the IT sector. Concerning Germany one has gained only little insight in in this range of topics so far. Hence, this work addresses the question how the intensity of inter-firm mobility of highly qualified employees looks like at a local level in Germany and which consequences regional disparities of labour mobility have for knowledge spillover effects and thus for the creation of innovation. To tackle the research question, a method mix is applied in this paper. On the basis of quantitative research of nationwide professional biographies and the analysis of spatial innovation activities, it grows apparent that there exists a positive correlation between inter-firm mobility and regional innovation performance. The findings of this analysis of German regions confirm the mechanism between labour mobility and innovation activities in international research. Qualitative research in the form of interviews with experts from mechanical engineering companies and local institutions in four German regions has shown that there are special barriers in this field of the manufacturing sector, which limit the knowledge spillover of labour mobility. Moreover, one has shown spatial differences with regard to the perception of labour mobility, which, however, can be traced back to the structural characteristics of firms in the respective region.

Einhergehend mit schnellem Bevölkerungs- und Wirtschaftswachstum erlebt die Welt innerhalb der letzten Jahrzehnte eine schnelle Akkumulation langlebiger Ressourcen in Gebäuden und Infrastruktur, auch gesellschaftlicher Materialbestand genannt. Im 21. Jahrhundert wird die Fortsetzung dieser Entwicklung zur großen Herausforderung für den sozioökonomischen Stoffwechsel der Erde und zum Erreichen biophysikalischer Grenzen führen. Siedlungen sind von besonderem Interesse, da Menschen dort Nachfrage nach Leistungen wie Nahrung oder Mobilität generieren und mit ihnen interagieren. Zukünftig wird neben einer globalen Entwicklungsperspektive auf Materialbestände und Bevölkerung auch ein räumlich explizites, hochauflösendes Verständnis lokaler Muster und Prozesse von Relevanz für eine datenbasierte Antwort auf Herausforderungen des globalen Wandels sein. Diese Arbeit präsentiert einen Workflow zur Kartierung und Quantifizierung von Materialbeständen und Bevölkerungsverteilung und -dynamik mittels hochaufgelöster mehrdimensionaler Siedlungskartierung mit Multisensor-Erdbeobachtungsdaten auf nationaler Ebene. Der erste Abschnitt demonstriert das Potenzial der Verwendung von Sentinel-1 und -2 Zeitreihendaten mit Methoden des maschinellen Lernens für die Kartierung von Siedlungsstrukturen, d.h. Subpixel-Landbedeckung, Gebäudehöhe und Gebäudetyp. Der zweite Abschnitt quantifiziert Schlüsselparameter des sozioökonomischen Metabolismus, d. h. Bevölkerung und Materialbestand, anhand zuvor generierter Datensätze zur Siedlungsstruktur. Der dritte Abschnitt nutzt das Landsat-Datenarchiv und Zeitreihenanalyse, um räumliche Muster und Dynamiken von Bevölkerung und Materialbeständen in Deutschland seit 1985 zu quantifizieren. Frei verfügbare und global konsistente Erdbeobachtungsdaten und Techniken des maschinellen Lernens haben großes Potenzial, das räumlich explizite hochaufgelöste Verständnis sozioökologischer Variablen basierend auf mehrdimensionaler Siedlungskartierung zu verbessern. / During the recent decades of the Anthropocene, the world has experienced rapid growth of population and economic activity. This went along with a considerable accumulation of long-lived resources, for example in buildings and infrastructure, i.e., societal material stock. In the 21st century, a continuation of this development will be a major challenge to the Earth’s socio-economic metabolism, as some limitations of the Earth’s biophysical basis might be reached. Settlements are of particular interest, because they are the places where people generate demand for, and interact with services. Both an overarching perspective on the global long-term development of material stock and population as well as a spatially explicit, high-resolution understanding of local patterns and processes will be of particular relevance for a more data-informed response to challenges of global change. This dissertation presents a workflow to map and quantify material stocks and population distribution and dynamics by means of multi-dimensional settlement mapping with decameter resolution multi-source Earth Observation data on a national scale. The first part demonstrates the potential of using Sentinel-1 and -2 time series imagery with machine learning regression and classification for settlement structure mapping, including sub-pixel land cover, building height and building type mapping. The second part quantifies key parameters of the socio-economic metabolism, i.e., population and material stock, using previously generated datasets on settlement structure. The third part uses the Landsat data archive and Change-Aftereffect-Trend analysis to quantify spatial-temporal patterns and dynamics of population and material stock development in Germany since 1985. Findings demonstrate that freely available and globally consistent Earth Observation data and machine learning techniques have great potential to improve the spatially explicit high-resolution understanding of socio-metabolic variables based on multi-dimensional settlement mapping in a seamless workflow.