Toxoplasma gondii bildet im Nerven- und Muskelgewebe seines Zwischenwirts persistente enzystierte Bradyzoiten, die Immunreaktionen und medizinischen Behandlungen entgehen. Der experimentelle Zugang zu reifen Zysten ist auf ex vivo Modelle beschränkt und die Bradyzoiten-Biologie unzureichend erforscht. Das Metabolom oder Wirtszell-Bradyzoiten-Interaktionen und Persistenzmechanismen sind mit aktuellen in vitro und in vivo Modellen schwer zu adressieren. Um dies zu ermöglichen, war es das Ziel dieser Arbeit ein in vitro Modell zur Generierung reifer T. gondii Zysten zu etablieren und zu charakterisieren. Dieses System wurde verwendet, um (1) das Metabolom von reifen enzystierten Bradyzoiten im Vergleich zu Tachyzoiten zu charakterisieren, (2) Wirtszell-Bradyzoiten-Interaktionen zu untersuchen und (3) einen Zellteilungsmarker für Bradyzoiten zu etablieren. Bradyzoiten wurden in ausdifferenzierten menschlichen Myotuben generiert und zeigten typische ultrastrukturelle Charakteristika und Antigenexpression. Die Bradyzoiten zeigten auch funktionelle Merkmale wie Resistenz gegen Pepsin, Temperatur und Antiparasitika, die von der Reifungszeit abhängig waren. Der metabolische Fingerabdruck von Bradyzoiten wurde mit Tachyzoiten mit Hilfe einer ungezielten HILIC-UHPLC / MS-basierten Metabolomik-Plattform verglichen. Während die Hemmung der Aconitase durch Natriumfluoracetat letal in Tachyzoiten wirkte, tolerierten Bradyzoiten eine längere Hemmung des Enzyms. Stabile isotopenmetabolische Markierung und pharmakologische Modulation des Wirt Lipidstoffwechsels wiesen auf eine entscheidende Rolle der Wirts Carnitinester für den Fettsäureimport und die Entgiftung der antimikrobiellen Linolsäure hin. Um einen Zellteilungsmarker auf Einzelzellebene zu entwickeln, wurden Klick-Chemie nachweisbare Nukleosidanaloga auf Toxizität in beiden Stadien und ihr jeweiliges Inkorporationsprofil untersucht. Drei der Analoga wurden ohne toxische Wirkungen in die DNA von beiden Stadien eingebaut. / Toxoplasma gondii forms persistent encysted bradyzoites inside neuronal and muscle tissue of its intermediate host, which resist immune responses and medical treatments. Experimental access to mature tissue cysts is limited to ex vivo models and the biology of bradyzoites remains understudied. Aspects like the metabolome or bradyzoite-host-interactions and mechanisms of persistence are difficult to address using current in vitro and in vivo models. To overcome these restrictions, the aim of this thesis was the establishment and characterization of an in vitro model for the generation of matured T. gondii tissue cysts. This system then should be used to (1) characterize the metabolome of matured encysted bradyzoites in comparison with tachyzoites, (2) interrogate bradyzoite-host-interactions and (3) establish a cell division marker for bradyzoites that allows studying bradyzoite heterogeneity. Encysted bradyzoites were grown in terminally differentiated human myotubes and showed typical ultrastructural hallmarks and antigen expression. These bradyzoites contained functional hallmarks like resistance to pepsin, temperature and commonly used antiparasitics that were dependent on maturation time. The metabolic fingerprint of bradyzoites was compared to tachyzoites using an untargeted HILIC-UHPLC / MS based metabolomics platform. While tachyzoites succumbed to inhibition of their aconitase by sodium fluoroacetate, bradyzoites tolerated prolonged inhibition of this enzyme. Further, stable isotope-metabolic labeling and pharmacological modulation of host lipid metabolism indicated a critical role of host carnitine esters for fatty acid import and for the detoxification of antimicrobial linoleic acid. To develop a single cell-resolved cell division marker, we screened click chemistry-detectable nucleoside analogues for toxicity on both stages and their respective incorporation profile. Three compounds labelled both bradyzoite and tachyzoite nuclei without toxic effects.

Um Daten am effektivsten zu nutzen, muss die moderne Ökonometrie ihren Werkzeugkasten an Modellen erweitern und neu denken. Das Feld, in dem diese Transformation am besten beobachtet werden kann, ist die kausale Inferenz. Diese Dissertation verfolgt die Absicht Probleme zu untersuchen, Lösungen zu präsentieren und neue Methoden zu entwickeln Machine Learning zu benutzen, um kausale Parameter zu schätzen. Dafür werden in der Dissertation zuerst verschiedene neuartige Methoden, welche als Ziel haben heterogene Treatment Effekte zu messen, eingeordnet. Im zweiten Schritt werden, basierend auf diesen Methoden, Richtlinien für ihre Anwendung in der Praxis aufgestellt. Der Parameter von Interesse ist der „conditional average treatment effect“ (CATE). Es kann gezeigt werden, dass ein Vergleich mehrerer Methoden gegenüber der Verwendung einer einzelnen Methode vorzuziehen ist. Ein spezieller Fokus liegt dabei auf dem Aufteilen und Gewichten der Stichprobe, um den Verlust in Effizienz wettzumachen. Ein unzulängliches Kontrollieren für die Variation durch verschiedene Teilstichproben führt zu großen Unterschieden in der Präzision der geschätzten Parameter. Wird der CATE durch Bilden von Quantilen in Gruppen unterteilt, führt dies zu robusteren Ergebnissen in Bezug auf die Varianz. Diese Dissertation entwickelt und untersucht nicht nur Methoden für die Schätzung der Heterogenität in Treatment Effekten, sondern auch für das Identifizieren von richtigen Störvariablen. Hierzu schlägt diese Dissertation sowohl die „outcome-adaptive random forest“ Methode vor, welche automatisiert Variablen klassifiziert, als auch „supervised randomization“ für eine kosteneffiziente Selektion der Zielgruppe. Einblicke in wichtige Variablen und solche, welche keine Störung verursachen, ist besonders in der Evaluierung von Politikmaßnahmen aber auch im medizinischen Sektor wichtig, insbesondere dann, wenn kein randomisiertes Experiment möglich ist. / To use data effectively, modern econometricians need to expand and rethink their toolbox. One field where such a transformation has already started is causal inference. This thesis aims to explore further issues, provide solutions, and develop new methods on how machine learning can be used to estimate causal parameters. I categorize novel methods to estimate heterogeneous treatment effects and provide a practitioner’s guide for implementation. The parameter of interest is the conditional average treatment effect (CATE). It can be shown that an ensemble of methods is preferable to relying on one method. A special focus, with respect to the CATE, is set on the comparison of such methods and the role of sample splitting and cross-fitting to restore efficiency. Huge differences in the estimated parameter accuracy can occur if the sampling uncertainty is not correctly accounted for. One feature of the CATE is a coarser representation through quantiles. Estimating groups of the CATE leads to more robust estimates with respect to the sampling uncertainty and the resulting high variance. This thesis not only develops and explores methods to estimate treatment effect heterogeneity but also to identify confounding variables as well as observations that should receive treatment. For these two tasks, this thesis proposes the outcome-adaptive random forest for automatic variable selection, as well as supervised randomization for a cost-efficient selection of the target group. Insights into important variables and those that are not true confounders are very helpful for policy evaluation and in the medical sector when randomized control trials are not possible.

Jugendliche, die eine Berufsausbildung beginnen, unterscheiden sich zum Teil stark hinsichtlich des Alters, schulischer und motivationaler Voraussetzungen (Lerneinstellung und -verhalten, Lernpotentiale, Sozialverhalten, Vorbildung) sowie hinsichtlich ihrer Berufs-, Arbeits- und Lebenserfahrung. Diese Heterogenität der Lernenden in der (dualen) Berufsausbildung, sowohl in der Berufsschule als auch im Betrieb, ist kein neues Phänomen . Aufgrund von Umbrüchen auf dem Ausbildungsmarkt gelingt es jedoch immer weniger, durch Selektionsmechanismen „eine Strategie der Homogenisierung [von Lern- und Auszubildendengruppen] umzusetzen“. Dies gilt besonders für Ausbildungsbetriebe. Zudem führt eine gestiegene „Sensibilität für Besonderheiten aufgrund gesellschaftlich-kultureller Veränderungen“ dazu, dass solche Homogenisierungsbestrebungen zunehmend weniger gewollt sind. Daher wird Heterogenität von Lernenden und ein adäquater Umgang mit heterogenen Lerngruppen in der beruflichen Bildung seit circa 2010 vermehrt von berufsbildungspolitischer und wissenschaftlicher Seite diskutiert. Dies gilt insbesondere für die Berufsschule, in deutlichem geringerem Maße für ausbildende Betriebe. Dabei sind Ausbildungsbetriebe gleichermaßen mit heterogenen Lerngruppen konfrontiert, wenn auch anders geartet als Berufsschulen. Besonders Betriebe, die in weniger attraktiven Ausbildungsberufen ausbilden oder in Regionen mit schwierigen Ausbildungsstellen-Nachfrage-Relationen (z. B. Regionen mit hoher Abwanderung oder in einigen Ballungsräumen mit hohem Fachkräftebedarf) ansässig sind, können ihre Ausbildungsplätze oftmals nicht mit ihren Wunschkandidaten1 oder generell sehr schwer besetzen. Sie sind folglich zunehmend gefordert, auch bisher weniger beachtete Bewerbergruppen bei der Entscheidung über die Besetzung betrieblicher Ausbildungsplätze zu berücksichtigen. Ferner gibt es seit 2014 mit dem Programm „JOBSTARTER plus“ verstärkt staatliche Bemühungen um eine bessere Integration von Studienabbrechern und Jugendlichen mit Migrationshintergrund in die duale Berufsausbildung. Daher ist davon auszugehen, dass Auszubildende hinsichtlich ihrer Lernvoraussetzungen sowie hinsichtlich sozialer, kultureller und sprachlicher Gesichtspunkte zunehmend heterogener werden bzw. Unternehmen eine zunehmende Heterogenität ihrer Auszubildenden wahrnehmen.

Disability Mainstreaming zielt (analog zu Gender Mainstreaming) darauf, Anliegen und Bedürfnisse der Personengruppe "Menschen mit Behinderung" nicht allein in den für diese Gruppe offensichtlich wichtigen Bereichen anzusprechen, sondern sie in allen gesellschaftspolitischen Handlungsebenen mitzudenken und dementsprechende Forderungen umzusetzen. Dabei wird ‚Behinderung‘ vorrangig als soziale Konstruktion interpretiert, die mit der Erfahrung von Diskriminierung und Exklusion einhergeht.

Wichtige Marker in der klinischen Routine für die Risikoabschätzung von kardiovaskulären Erkrankungen (CVD) sind Blutcholesterinwerte auf Basis von Lipoproteinklassen wie ''schlechtes'' LDL oder ''gutes'' HDL. Dies vernachlässigt, dass jede Lipoproteinklasse eine nicht-homogene Population von Lipoproteinpartikeln unterschiedlicher Zusammensetzung aus Lipiden und Proteinen bildet. Studien zeigen zudem, dass solche Sub-populationen von Lipoproteinen im Stoffwechsel als auch im Beitrag zu CVD unterschiedlich sind. Mehrwert und routinemäßiger Einsatz einer detaillierteren Auftrennung von Lipoproteinen sind jedoch umstritten, da die experimentelle Fraktionierung und Analyse aufwendig, zeit- und kostenintensiv sind. Die vorliegende Arbeit ''Computational Lipidology'' präsentiert einen neuartigen Modellierungsansatz für die Berechnung von Lipoproteinverteilungen (Lipoproteinprofil) im Blutplasma, wobei erstmals individuelle Lipoproteinpartikel anstelle von Lipoproteinklassen betrachtet werden. Das Modell berücksichtigt elementare Bestandteile (Lipide, Proteine) und Prozesse des Stoffwechsel von Lipoproteinen. Stochastische wie deterministische Simulationen errechnen auf Basis aller Lipoproteinpartikel im System deren Dichteverteilung. Die Modellberechnungen reproduzieren erfolgreich klinisch gemessene Lipoproteinprofile von gesunden Patienten und zeigen Hauptmerkmale von pathologischen Situationen, die durch Störung eines der zugrundeliegenden molekularen Prozesse verursacht werden. Hochaufgelöste Lipoproteinprofile zeigen die Verteilung von sogenannten ''high-resolution density sub-fractions'' (hrDS) innerhalb von Hauptlipoproteinklassen. Die Ergebnisse stimmen mit klinischen Beobachtungen sehr gut überein, was die Arbeit als einen signifikanten Schritt in Richtung Analyse von individuellen Unterschieden, patienten-orientierte Diagnose von Fettstoffwechselstörungen und Identifikation neuer Sub-populationen von potentiell klinischer Relevanz qualifiziert. / Monitoring the major lipoprotein classes, particularly low-density lipoproteins (''bad'' LDL) and high-density lipoproteins (''good'' HDL) for characterizing risk of cardiovascular disease (CVD) is well-accepted and routine in clinical practice. However, it is only one-half of the truth as lipoprotein classes comprise non-homogeneous populations of lipoprotein particles varying significantly in their composition of lipids and apolipoproteins. Various studies have shown differing metabolic behavior and contribution to CVD of individual lipoprotein sub-populations. Nevertheless, the superiority of more detailed lipoprotein fractionation is still a matter of debate because experimental separation and analysis is an elaborate, time-consuming and expensive venture and not yet worthwhile for routine measurements. The present work ''Computational Lipidology'' aims at establishing a novel modeling approach to calculate the distribution of lipoproteins (lipoprotein profile) in blood plasma being the first that settles on individual lipoprotein complexes instead of common lipoprotein classes. Essential lipoprotein constituents and processes involved in the lipoprotein metabolism are taken into account. Stochastic as well as deterministic simulations yield the distribution of lipoproteins over density based on the set of individual lipoprotein complexes in the system. The model calculations successfully reproduce lipoprotein profiles measured in healthy subjects and show main characteristics of pathological situations elicited by disorder in one of the underlying molecular processes. Moreover, the model reveals the distribution of high-resolution lipoprotein sub-fractions (hrDS) within major density classes. The results show satisfactory agreement with clinical observations which qualifies the work as a significant step towards analyzing inter-individual variability, patient-oriented diagnosis of lipid disorders and identifying new sub-fractions of potential clinical relevance.

Netzwerk Theorie hat sich als besonders zweckdienlich in der Darstellung von Systemen herausgestellt. Jedoch fehlen in der Netzwerkdarstellung von Systemen noch immer essentielle Bausteine um diese generell zur Datenanalyse heranzuziehen zu können. Allen voran fehlt es an einer expliziten Assoziation von Informationen mit den Knoten und Kanten eines Netzwerks und einer schlüssigen Darstellung von Gruppen von Knoten und deren Relationen auf verschiedenen Skalen. Das Hauptaugenmerk dieser Dissertation ist der Einbindung dieser Bausteine in eine verallgemeinerte Rahmenstruktur gewidmet. Diese Rahmenstruktur - Deep Graphs - ist in der Lage als Bindeglied zwischen einer vereinheitlichten und generalisierten Netzwerkdarstellung von Systemen und den Methoden der Statistik und des maschinellen Lernens zu fungieren (Software: https://github.com/deepgraph/deepgraph). Anwendungen meiner Rahmenstruktur werden dargestellt. Ich konstruiere einen Regenfall Deep Graph und analysiere raumzeitliche Extrem-Regenfallcluster. Auf Grundlage dieses Graphs liefere ich einen statistischen Beleg, dass die Größenverteilung dieser Cluster einem exponentiell gedämpften Potenzgesetz folgt. Mit Hilfe eines generativen Sturm-Modells zeige ich, dass die exponentielle Dämpfung der beobachteten Größenverteilung durch das Vorhandensein von Landmasse auf unserem Planeten zustande kommen könnte. Dann verknüpfe ich zwei hochauflösende Satelliten-Produkte um raumzeitliche Cluster von Feuer-betroffenen Gebieten im brasilianischen Amazonas zu identifizieren und deren Brandeigenschaften zu charakterisieren. Zuletzt untersuche ich den Einfluss von weißem Rauschen und der globalen Kopplungsstärke auf die maximale Synchronisierbarkeit von Oszillatoren-Netzwerken für eine Vielzahl von Oszillatoren-Modellen, welche durch ein breites Spektrum an Netzwerktopologien gekoppelt sind. Ich finde ein allgemeingültiges sigmoidales Skalierungsverhalten, und validiere dieses mit einem geeignetem Regressionsmodell. / Network theory has proven to be a powerful instrument in the representation of complex systems. Yet, even in its latest and most general form (i.e., multilayer networks), it is still lacking essential qualities to serve as a general data analysis framework. These include, most importantly, an explicit association of information with the nodes and edges of a network, and a conclusive representation of groups of nodes and their respective interrelations on different scales. The implementation of these qualities into a generalized framework is the primary contribution of this dissertation. By doing so, I show how my framework - deep graphs - is capable of acting as a go-between, joining a unified and generalized network representation of systems with the tools and methods developed in statistics and machine learning. A software package accompanies this dissertation, see https://github.com/deepgraph/deepgraph. A number of applications of my framework are demonstrated. I construct a rainfall deep graph and conduct an analysis of spatio-temporal extreme rainfall clusters. Based on the constructed deep graph, I provide statistical evidence that the size distribution of these clusters is best approximated by an exponentially truncated powerlaw. By means of a generative storm-track model, I argue that the exponential truncation of the observed distribution could be caused by the presence of land masses. Then, I combine two high-resolution satellite products to identify spatio-temporal clusters of fire-affected areas in the Brazilian Amazon and characterize their land use specific burning conditions. Finally, I investigate the effects of white noise and global coupling strength on the maximum degree of synchronization for a variety of oscillator models coupled according to a broad spectrum of network topologies. I find a general sigmoidal scaling and validate it with a suitable regression model.

In den letzten Jahrzehnten führten abnehmende Geburtenraten und die zunehmende Lebenserwartung zur Alterung der deutschen Bevölkerung. Zur Sicherung des Rentensystems wurde das Renteneintrittsalter auf 67 Jahre angehoben. Um die Arbeitsfähigkeit zu erhalten und den technologischen wie organisationalen Wandel zu bewältigen, fordert die Europäische Union zum lebenlangen Lernen auf. Diese Dissertation bietet einen Literaturüberblick und drei empirische Aufsätze, die die Weiterbildungsmotivation älterer Arbeitnehmer auf ihre demographische Relevanz untersuchen und altersspezifische Einflüsse von arbeitsbezogenen Faktoren sowie Altersheterogenität belegen. Der Literaturüberblick erläutert die demografische Relevanz älterer Arbeitnehmer, ihren Altersübergang, ihre Arbeitsmotivation und Weiterentwicklung. Anhand von Querschnittsdaten wird der positive Zusammenhang von Weiterbildungsmotivation mit Arbeitsfähigkeit und dem Weiterbeschäftigungswunsch gezeigt. Die Weiterbildungsmotivation Älterer ist über alle Befragtengruppen hoch, was darauf hin deutet, dass Partizipationsungleichheiten weniger von unterschiedlichen Motivationslagen, sondern von anderen Barrieren abhängen. Eine weitere Analyse identifiziert altersspezifische Unterschiede in Hinblick auf den Einfluss von Arbeitsplatzfaktoren auf die Weiterbildungsmotivation. Es zeigen sich schwache aber signifikante Einflüsse einiger Faktoren. Anhand von Längsschnittdaten lässt sich zunehmende Altersheterogenität in Bezug auf die Zufriedenheit mit dem Leben, Arbeit, Familienleben und Gesundheit feststellen. In der Zusammenfassung ist die Weiterbildungsmotivation älterer Arbeitnehmer hoch, sie wird durch den Arbeitskontext beeinflusst und hängt positiv mit der Arbeitsfähigkeit und dem Weiterbeschäftigungswunsch im Rentenalter zusammen. Übliche Mittelwertanalysen älterer Arbeitnehmer haben nur begrenzte Aussagekraft. / Decreasing birth rates and increasing life expectancy have led to the ageing of the German population during the past decades. To sustain the German retirement system, retirement age is increased to 67 years. The European Union calls for individuals’ lifelong learning to maintain work ability and cope with challenges of technological and organisational change. This dissertation consists of a literature overview and three empirical essays investigating older workers’ motivation to participate in continuing education (MPCE) and its demographic relevance, highlighting age-specific work context influences and providing evidence for older workers’ heterogeneity. The literature overview delineates older workers’ demographic relevance as well as their transition to retirement, work motivation, development opportunities, and education. Second, the analysis of cross-sectional data establishes the relevance of older workers’ MPCE for the policy of prolonging working life by showing the positive relationship with work ability and the desire to work past retirement age. Older workers’ MPCE is high across all respondent groups, implying that inequalities in participation are less a result of varying motivation among subgroups, but of other barriers. Following this, work context-related motivational differences between older and younger workers are identified and analysed. Results show weak but significant influences of some work context factors. The analysis of longitudinal data shows ageing workers’ increasing heterogeneity of life satisfaction and satisfaction with work, family life, and health, corroborating life-span theories. In sum, MPCE is high among older workers. It is influenced by work context, and positively related to work ability and the desire to work past retirement age. Common mean-level analyses of older workers yield only limited informative value.

Die zelluläre Antwort auf einen spezifischen Stimulus wird nicht nur durch den Stimulus selbst, sondern auch von dem Zustand der Zelle bestimmt. Um ein tieferes Verständnis für die Variabilität in einer Zellpopulation zu gewinnen, ist es notwendig, die verschiedenen zellulären Antworten mit definierten zellulären Zuständen zu verbinden. In dieser Arbeit wurde ein System etabliert, welches es ermöglicht, die zelluläre Antwort auf DNA-Schäden und den Einfluss unterschiedlicher zellulärer Zustände zu studieren sowie die zu Grunde liegenden molekularen Mechanismen zu identifizieren. Im Zuge dessen wurde eine auf CRISPR/Cas9 basierende Methode entwickelt, mit der Fluoreszenzreporter für endogene Signalproteine in nicht transformierten Brustepithelzellen (MCF10A) generiert wurden. Anhand dieses Reportersystems konnte durch time-lapse Mikroskopie die Dynamik des Tumorsuppressors p53 und eines seiner Zielgene, des Zellzyklusinhibitors p21, verfolgt werden. Dabei wurde deutlich, dass die p21 Antwort der einzelnen Zellen auf DNA-Schäden sehr heterogen ausfällt. Über eine Form-basierte Gruppierungsmethode wurden vier verschiedene Subpopulationen mit charakteristischen p21 Dynamiken identifiziert. Um den Einfluss der Zellzyklusphase zu untersuchen, wurde die Zellteilung vor Bestrahlung analysiert und so Rückschlüsse auf die initiale Zellzyklusphase gezogen. 24h nach Bestrahlung wurde ein EdU labeling durchgeführt und der Zellzyklus mittels semi-supervised Klassifizierung bestimmt. Durch Einführen einer Mutation in der Bindedomäne von p21 wurde gezeigt, dass proliferating cellular nuclear antigen (PCNA) für die Heterogenität der p21 Antwort verantwortlich ist. Alles in allem bietet mein Projekt eine Pipeline, um auf Einzelzellebene zu erforschen, wie zelluläre Antworten durch den Zellzyklus beeinflusst werden. Dieser Ansatz könnte zukünftig Anwendung in der Erforschung von Medikamentenresistenz finden, zumal zelluläre Heterogenität in der Tumortherapie zu fractional killing führt. / The cellular response to a given stimulus is not only governed by the stimulus itself, but also depends on the state of the cells. However, it remains obscure how cellular states influence cell fate decisions. In this thesis, I established a framework to study how the cellular response to DNA damage is affected by varying cell states and to identify the underlying molecular mechanisms. To this end, I generated fluorescent reporters using CRISPR/Cas9 in non-transformed breast epithelial cells (MCF10A) and measured the dynamics of the tumor suppressor p53 and one of its target genes, the cell cycle inhibitor p21 using time-lapse microscopy. I found DNA damage induced highly diverse p21 dynamics in individual cells. A shape-based clustering identified four subpopulations of characteristic p21 dynamics. To examine the source of variability, I analyzed initial cell cycle states by monitoring cell division prior to damage, and determined final cellular state by EdU labelling and a semi-supervised classification 24h post damage. The results suggested that p21 dynamics depend on cell cycle phases and determine cell cycle progression. Furthermore, proliferating cellular nuclear antigen (PCNA)--a cell cycle dependent factor-- was shown to determine p21 heterogeneity using a mutant p21 deficient in interaction with PCNA. Overall, my project provides a pipeline to study at the single cell level how cellular response is affected by cellular states. Considering that cellular heterogeneity leads to fractional killing in tumor therapies, this approach also suggests future application on studying drug-resistance in cancer therapy.

In diesem Beitrag werden eine videographierte Musikstunde und Interviews, die mit den Schülerinnen und Schülern sowie mit der Lehrerin über die Stunde geführt wurden, in Beziehung gesetzt zu einem Modell „Dimensionen von Unterrichtsqualität“. In diesem Modell, das im Rahmen der TIMSS-Video-Studie entwickelt wurde, wird zwischen Angebot, Nutzung und Wirkung von Unterricht unterschieden. Deshalb wird das Lernangebot der videographierten Stunde mit Hilfe von Unterrichtsbeobachtung und von Äußerungen der Lehrerin erschlossen; Nutzung und Wirkung dieses Angebots werden durch eine Analyse der Schülerinterviews rekonstruiert. Im Ergebnis klaffen Angebot und Nutzung auseinander; Leistung, Verständnis und Motivation als erwünschte Wirkungen von Unterricht haben sich nicht in wünschenswertem Umfang eingestellt. In den Äußerungen der Schülerinnen und Schüler offenbart sich eine enge Verbindung zwischen der Angemessenheit des Anforderungsniveaus, ihrem Lernen und ihrer Motivation. / This article relates a videotaped lesson of general music education to a model of teaching quality that was developed within the TIMSS Video Study. The model differentiates between teaching offers, the way students make use of them and students’ learning outcomes. The teaching offer is made accessible not only by video analysis but also by evaluating a teacher interview. Student interviews allow the reconstruction of both students’ usage and outcomes. The results reveal a big difference between the learning offers on the one hand and the students’ usage of those on the other hand. Achievement, comprehension and motivation were not accomplished as desired. The student interviews show a correlation between an adequate level of requirements, the learning process and motivation.

Biotechnological processes are distinguished from classical chemistry by employing bio-molecules or whole cells as the catalytic element, providing unique reaction mechanisms with unsurpassed specificity. Whole cells are the most versatile \'factories\' for natural or non-natural products, however, the conversion of e.g. hydrophobic substrates can quickly become cytotoxic. One host organism with the potential to handle such conditions is the gram-negative bacterium Pseudomonas putida, which distinguishes itself by solvent tolerance, metabolic flexibility, and genetic amenability. However, whole cell bioconversions are highly complex processes. A typical bottleneck compared to classical chemistry is lower yield and reproducibility owing to cell-to-cell variability. The intention of this work was therefore to characterize a model producer strain of P. putida KT2440 on the single cell level to identify non-productive or impaired subpopulations. Flow cytometry was used in this work to discriminate subpopulations regarding DNA content or productivity, and further mass spectrometry or digital PCR was employed to reveal differences in protein composition or plasmid copy number. Remarkably, productivity of the population was generally bimodally distributed comprising low and highly producing cells. When these two subpopulations were analyzed by mass spectrometry, only few metabolic changes but fundamental differences in stress related proteins were found. As the source for heterogeneity remained elusive, it was hypothesized that cell cycle state may be related to production capacity of the cells. However, subpopulations of one, two, or higher fold DNA content were virtually identical providing no clear hints for regulatory differences. On the quest for heterogeneity the loss of genetic information came into focus. A new work flow using digital PCR was created to determine the absolute number of DNA copies per cell and, finally, lack of expression could be attributed to loss of plasmid in non-producing cells. The average plasmid copy number was shown to be much lower than expected (1 instead of 10-20). In conclusion, this work established techniques for the quantification of proteins and DNA in sorted subpopulations, and by these means provided a highly detailed picture of heterogeneity in a microbial population.