In den letzten Jahren hat die Rolle naturbasierter Lösungen (Nature-based Solutions, NbS) –Aktivitäten, die in und mit der Natur arbeiten, um globale gesellschaftliche Herausforderungen zu bewältigen – bei der Abschwächung und Anpassung an den Klimawandel, dem Schutz der Artenvielfalt und der Verbesserung des menschlichen Wohlbefindens an Bedeutung gewonnen. Die Einführung von NbS verläuft jedoch weiterhin schleppend, und es besteht nach wie vor eine deutliche Kluft zwischen den langsamen Maßnahmen in großem Maßstab und den vielversprechenden Forschungsergebnissen und politischen Aussagen. Dies zeigt, dass es dringend notwendig ist, die Umsetzungsbedingungen für NbS besser zu verstehen. Derzeit ist die Evidenzbasis zu NbS noch unvollständig, insbesondere wenn es um die systematische Bewertung der Wirksamkeit und der Umsetzungsanforderungen geht. Insbesondere fehlen bei groß angelegten Bewertungen wichtige kontextbezogene Informationen über Kultur, Verhalten und andere soziale und institutionelle Faktoren. Auch die vielfältigen Vorteile von NbS werden nach wie vor unterschätzt oder in einigen Fällen überhaupt nicht gewürdigt. Ziel dieser Arbeit ist es daher, politikrelevante Forschung zu betreiben, die dazu beitragen kann, die Lücke zwischen dem großen Potenzial naturbasierter Lösungen zur Bewältigung globaler Herausforderungen, insbesondere der Eindämmung des Klimawandels, und der langsamen Umsetzung in der Praxis zu schließen. Ausgehend von der vorhandenen Literatur zu NbS argumentiere ich, dass drei Bausteine für die erfolgreiche Umsetzung jeder NbS-Aktivität, insbesondere in großem Maßstab, wesentlich sind: (1) Wissenssynthese; (2) Planung und Entscheidungsfindung; (3) Politik und Finanzierungsmechanismen. In dieser Arbeit untersuche ich diese Bereiche, indem ich Nachweise und Überlegungen zu theoretischen und methodischen Lücken in ihrer Bewertung sowie neue Perspektiven beisteuere. / Recent years have seen increased attention to the role that nature-based solutions (NbS) – activities that work in and with nature to address global societal challenges – can play in mitigating and adapting to climate change, protecting biodiversity, and improving human well-being. Natural climate solutions (NCS) – a subset of NbS – can contribute up to a third of the cost-effective carbon dioxide mitigation needed to hold global warming below 2 degrees Celsius. To have the biggest effect on reducing global temperatures, however, NbS must be scaled up now and designed for the long-term. Yet, uptake of NbS continues to be slow and there remains a clear gap between the lagging action at scale and the promising research and policy narratives. This demonstrates an urgent need to better understand the implementation conditions for NbS. Currently, the evidence base on NbS remains incomplete, especially when it comes to systematically assessing effectiveness and implementation requirements. In particular, important contextual information on culture, behavior, and other social and institutional factors are lacking in large-scale assessments. The multiple benefits of NbS also remain undervalued, or in some cases are not valued at all. As such, the objective of this thesis is to conduct policy-relevant research that can contribute to closing the gap between the high potential for nature-based solutions to address global challenges, particularly climate change mitigation, and the realities of slow implementation in practice. Drawing on the existing literature on NbS, I argue that three building blocks are essential to driving successful implementation of any NbS activity, in particular at scale: (1) knowledge synthesis; (2) planning & decision-making; (3) policy & financing mechanisms. I explore these in this thesis, contributing evidence and reflection on theoretical and methodological gaps in their assessment, as well as new perspectives.

Big Data has been among the most innovative topics in literature sources and among organizations for years. Even though only few organizations realized the significant value potentials described by contemporary literature sources, it is widely acknowledged that data assets can provide significant competitive benefits. Given the promises regarding value increases and competitiveness, practitioners as well as academia desire systematic approaches to transform the data sets into measurable assets. This dissertation investigates the current state of literature, conducts an empirical investigation through a structural equation modeling and applies existing theory to develop a model that allows organizations to apply a systematic approach to measure the value of Big Data specifically to their organization. With Business Process Management as the foundation of the model, IT as well as business functions will be able to successfully apply the model. Based on the assumption that Data is acknowledged as a production factor, the developed model supports organizations to justify Big Data investment decisions and thereby to contribute to competitiveness and company value. Furthermore, the findings and the model equip future researchers with a framework that can be adapted for industry-specific purposes, validated in different organizational contexts or dismantled to investigate specific success factors.