Die Struktur von Netzwerken wird durch die Wahl der Netzwerkaufbaureaktion, der Ausgangsmoleküle und der Reaktionsbedingungen bestimmt. Es ist schwierig, wenn nicht gar unmöglich, geeignete Reaktionsparameter zu finden, die zum Aufbau homogener Netzwerkstrukturen führen. Die unterschiedliche Reaktivität der Ausgangsmoleküle resultiert in Unregelmäßigkeiten innerhalb der Netzwerkstruktur, z. B. durch inhomogene Verteilung der Vernetzungspunkte. Als Maß für die Heterogenität eines Netzwerkes kann die Streuintensität herangezogen werden. Diese besteht bei Netzwerken aus einem dynamischen und einem statischen Teil. In stark heterogenen Netzwerken überwiegt die statische Komponente der Streuintensität, die dynamischen Beiträge sind gering. Bei homogeneren Strukturen überwiegt die dynamische Komponente. Deshalb kann der Beitrag dynamischer Konzentrationsfluktuationen zur Gesamtstreuintensität als Maß für den Grad der Heterogenität dienen. Die meisten Netzwerke werden durch radikalische Copolymerisation von Monomeren und Vernetzern synthetisiert. Aufgrund der unterschiedlichen Reaktivitäten sind die entstehenden Strukturen stark heterogen. Die Verwendung anderer Mechanismen zum Netzwerkaufbau bietet eine Möglichkeit, homogenere Netzwerke zu erhalten. Vor allem die Vernetzung polymerer Ketten, ausgehend von einer homogenen halbverdünnten Lösung, ist eine strategisch interessante Variante. Ziel dieser Arbeit war die systematische Untersuchung des Einflusses der chemischen Zusammensetzung, der Netzwerkaufbaureaktion, der Polymerkonzentration und der Netzwerkdichte auf die thermodynamischen Eigenschaften (kooperative Diffusionskoeffizienten Dcoop) und die Netzwerkstruktur (Heterogenität) unterschiedlicher Netzwerksysteme. Am Beispiel von Polyacrylsäure (PAS) Netzwerken (radikalische Vernetzung) und Poly(styrol-co-maleinsäureanhydrid) (PScoMSA) Netzwerken (Vernetzung polymerer Lösungen) wurden zwei Netzwerksysteme untersucht, die sich hinsichtlich ihrer Aufbaureaktion unterscheiden. Mittels klassischer Netzwerkanalyse können diese Systeme sehr gut charakterisiert werden. Die kooperativen Diffusionskoeffizienten sowie die Netzwerkheterogenität wurden durch dynamische Lichtstreuung bestimmt.

Im Kontext eines weitestgehend befristet angestellten akademischen Mittelbaus und einer temporären Förderung von Lehr-Lern-Konzepten aus Drittmitteln benötigen Hochschulen Strategien zur Institutionalisierung von Lehrinnovationen. In unserem Beitrag stellen wir dar, was eine nachhaltige Verstetigung bedeutet, welche Verstetigungsszenarien eintreten können und wie unterschiedliche Akteur_innen zu einem Gelingen beitragen können. Unter Berücksichtigung der Beschreibungen von Hochschulen als „loosely coupled systems“ (Weick 1976; Orton & Weick 1990) kommt der Hochschuldidaktik dabei die Rolle der professionellen Vermittlerin zu, um über Dialogprozesse Übergaben zu fördern und perspektivisch eine Übergabekultur herzustellen.

Anders als menschengemachte Maschinen verfügen Zellen über keinen festgeschriebenen Bauplan und die Positionen einzelner Elemente sind häufig nicht genau festgelegt, da die Moleküle diffusiven Zufallsbewegungen unterworfen sind. Darüber hinaus sind einzelne Bauteile auch nicht auf eine einzelne Funktion festgelegt, sondern können parallel in verschiedene Prozesse einbezogen sein. Basierend auf Selbstorganisation und Selbstassemblierung muß die Organisation von Anordnung und Funktion einer lebenden Zelle also bereits in ihren einzelnen Komponenten inhärent enthalten sein. Die intrazelluläre Organisation wird zum großen Teil durch ein internes Biopolymergerüst reguliert, das Zytoskelett. Biopolymer-Netzwerke und –Fasern durchdringen die gesamte Zelle und sind verantworlich für mechanische Integrität und die funktionale Architektur. Unzählige essentielle biologische Prozesse hängen direkt von einem funktionierenden Zytoskelett ab. Die vorliegende Arbeit zielt auf ein besser Verständnis und den Nachbau zweier verschiedener funktionaler Module lebender Zellen anhand stark reduzierter Modellsysteme. Als zentrales Element wurde Aktin gewählt, da dieses Biopolymer eine herausragende Rolle in nahezu allen eukaryotischen Zellen spielt. Mit dem ersten Modellsystem wird der bewegliche Aktin-Polymerfilm an der Vorderkante migrierender Zellen betrachtet. Die wichtigsten Elemente dieser hochdynamischen Netzwerke sind bereits bekannt und wurden in dieser Arbeit benutzt um ein experimentelles Modellsystem zu etablieren. Vor allem aber lieferten detailierte Computersimulationen und ein mathematisches Modell neue Erkenntnisse über grundlegende Organisationsprinzipien dieser Aktinnetzwerke. Damit war es nicht nur möglich, experimentelle Daten erfolgreich zu reproduzieren, sondern das Entstehen von Substrukturen und deren Charakteristika auf proteinunabhängige, generelle Mechanismen zurückzuführen. Das zweite studierte System betrachtet die Selbstassemblierung von Aktinnetzwerken durch entropische Kräfte. Aktinfilamente aggregieren hierbei durch Kondensation multivalenter Ionen oder durch Volumenausschluss hochkonzentrierter inerter Polymere. Ein neu entwickelter Experimentalaufbau bietet die Möglichkeit in gut definierten zellähnlichen Volumina, Konvektionseinflüsse zu umgehen und Aggregationseffekte gezielt einzuschalten. Hierbei wurden neuartige, regelmäßige Netzwerkstrukturen entdeckt, die bislang nur im Zusammenhang mit molekularen Motoren bekannt waren. Es konnte ferner gezeigt werden, dass die Physik der Flüssigkristalle entscheidend zu weiteren Variationen dieser Netzwerke beiträgt. Dabei wird ersichtlich, dass entstehende Netzwerke in ihrer Architektur direkt die zuvor herrschenden Anisotropien der Filamentlösung widerspiegeln.:1 Introduction 1 2 General background 7 2.1 General concepts 7 2.1.1 Coarse-graining as hierarchical reduction 8 2.1.2 Functional modules and redundancies 10 2.1.3 Emergence 11 2.1.4 Self-organization and self-assembly 13 2.1.5 Bottom-up and top-down 13 2.2 The cytoskeleton 15 2.2.1 From actin monomers to filaments 16 2.2.2 Accessory proteins and actin networks 21 2.3 Biopolymer pattern formation 25 2.3.1 Random networks and nematic phases 25 2.3.2 Linker and motor induced networks 28 3 Lamellipodial actin network formation 33 3.1 Background: crawling cell migration 33 3.1.1 Leading edge actin structures 35 3.1.2 Lamellipodial self-organization into oriented branches? 40 3.1.3 Lamellipodial modeling 41 3.1.4 Beyond the lamellipodium: adhesion and network contraction 42 3.2 Methods: lamellar treadmilling model 45 3.2.1 Assumptions 45 3.2.2 Choice of model parameters 51 3.2.3 Computer simulation (implementation) 52 3.2.4 Mathematical modeling 56 3.3 Modeling results 63 3.3.1 Reproduction of motile cell characteristics 64 3.3.2 Self-organization into lamellipodium and lamellum 65 3.3.3 Filament severing and annealing influence network properties 70 3.3.4 Unconfined network growth 74 3.4 Feasible model extensions 76 3.4.1 Alternative nucleation mechanisms 77 3.4.2 Convergence zone through myosin-driven network contraction 80 3.5 Experimental bottom-up approach 82 3.6 Discussion: Arp2/3 induced actin networks 87 4 Actin network patterns in confined systems 91 4.1 Background: counterion condensation and depletion forces 91 4.1.1 Actin, a polyelectrolyte: counterion condensation 92 4.1.2 Actin and molecular crowding: depletion forces 95 4.2 Methods: Experimental design and data analysis 97 4.2.1 Protein purification and handling 98 4.2.2 Droplet formation 98 4.2.3 Volume monitoring and pattern analysis 100 4.3 Actin pattern formation 105 4.3.1 Counterion-induced network formation 105 4.3.2 Depletion force induced network formation 111 4.4 First modeling attempts: bundling simulation 116 4.4.1 Model concept and assumptions 116 4.5 Discussion: Counterion and depletion-based network assembly 119 5 Discussion & Outlook 125 Appendix 129 A. Variation of filament orientation 129 B. Analytical solution of the mathematical model 131 C. Pre-alignment of filaments 132 D. Protocols 134 d1. Acetone Powder Prep 134 d2. Actin prep 135 d3. Actin labling with rhodamine dye 137 Bibliography 141 Acknowledgements 157

The banking industry has been a pioneer in adopting electronic markets with exchanges, clearinghouses, and multilateral trading facilities having become the backbone of today’s globally integrated financial transactions. While most banks use the services of these electronic markets to handle interbank processes, they still strive for bilateral relations in the field of customer-facing processes. This position paper argues that the financial crises, the changing behavior of customers, upcoming innovations based on information technology (IT) and financial services offered by non-banks are strong drivers towards more customer-orientation in the financial industry. A large variety of banking IT innovations has emerged and illustrates that traditional banks are expected to have less power to impede competition at the customer interface and in consequence need to re-position themselves. Building on these developments on the one hand and existing electronic market infrastructures in the banking industry on the other, the concept of a customer-oriented financial market infrastructure is proposed as a possible future solution. The impact is illustrated using a competitive analysis of the banking industry and analogies to the media industry where new entrants from the computing industry have caused disruptive changes. Besides describing the threat to existing banks, the position paper also discusses the perspectives for banks.

This publication-based dissertation covers four independent empirical essays using different methodological approaches that examine the role of social capital, especially networks of supporters in the venture crea-tion process from two perspectives, the financial and the knowledge development perspective. In particular, two of the essays focus on the financing process in crowdinvesting and its stakeholders from the ankles of the entrepreneurs and the investors. The second one also explores the investors’ characteristics, motivations and reactions to signals. Two further essays focus on supporting activities provided by third parties. One analyses the structure of supporters during the founding process and their relationship to the founder by using a novel approach for social capital research. The other essay highlights the special role of founder coaches during the first stages of the venture, including modelling five functional roles. It also analyses the quality of the relationship between founder and coach as well as its challenges. The data highlight that high quality networks and thus its social capital can be strategically created for the benefit of the founder during the venture development process. New insights coming from this thesis advance the current discussion on social capital by expanding it to recent phenomena in entrepreneurship of highly practical nature.:1 Introduction 1.1 Theoretical Foundations of Social Capital 1.2 Perspectives of Social Capital in Management Support 1.2.1 Essay 1: Using Repertory Grid Technique to Explore the Relationship Between Business Founders and Support Agents 1.2.2 Essay 2: Supporting fledgling entrepreneurs through founder coaching in Germany 1.3 PART II Perspectives of Social Capital in Crowdinvesting 1.3.1 Essay 3: The Financing Process of Equity-Based Crowdfunding: An Empirical Analysis 1.3.2 Essay 4: What motivates crowdinvestors? An empirical analysis of investors’ motivation and decision making in equity-based crowdfunding campaigns 1.4 Methodological Considerations 1.5 Conclusion 1.6 Implications for Academia and Practice 1.7 References 2 Essay 1: Using repertory grid technique to explore the relationship between business founders and support agents 3 Essay 2: Supporting fledgling entrepreneurs through founder coaching in Germany 4 Essay 3: The financing process of equity-based crowdfunding - an empirical analysis 5 Essay 4: What motivates crowdinvestors? An empirical analysis of investors’ motivation and decision making in equity-based crowdfunding campaigns

Epilepsy is the most common neurological disorder and an accurate forecast of seizures would help to overcome the patient’s uncertainty and helplessness. In this contribution, we present and discuss a novel methodology for the classification of intracranial electroencephalography (iEEG) for seizure prediction. Contrary to previous approaches, we categorically refrain from an extraction of hand-crafted features and use a convolutional neural network (CNN) topology instead for both the determination of suitable signal characteristics and the binary classification of preictal and interictal segments. Three different models have been evaluated on public datasets with long-term recordings from four dogs and three patients. Overall, our findings demonstrate the general applicability. In this work we discuss the strengths and limitations of our methodology.

Genealogy reconstruction is widely used in biology when relationships among entities are studied. Phylogenies, or evolutionary trees, show the differences between species. They are of profound importance because they help to obtain better understandings of evolutionary processes. Pedigrees, or family trees, on the other hand visualize the relatedness between individuals in a population. The reconstruction of pedigrees and the inference of parentage in general is now a cornerstone in molecular ecology. Applications include the direct infer- ence of gene flow, estimation of the effective population size and parameters describing the population’s mating behaviour such as rates of inbreeding. In the first part of this thesis, we construct genealogies of various types of cancer. Histopatho- logical classification of human tumors relies in part on the degree of differentiation of the tumor sample. To date, there is no objective systematic method to categorize tumor subtypes by maturation. We introduce a novel algorithm to rank tumor subtypes according to the dis- similarity of their gene expression from that of stem cells and fully differentiated tissue, and thereby construct a phylogenetic tree of cancer. We validate our methodology with expression data of leukemia and liposarcoma subtypes and then apply it to a broader group of sarcomas and of breast cancer subtypes. This ranking of tumor subtypes resulting from the application of our methodology allows the identification of genes correlated with differentiation and may help to identify novel therapeutic targets. Our algorithm represents the first phylogeny-based tool to analyze the differentiation status of human tumors. In contrast to asexually reproducing cancer cell populations, pedigrees of sexually reproduc- ing populations cannot be represented by phylogenetic trees. Pedigrees are directed acyclic graphs (DAGs) and therefore resemble more phylogenetic networks where reticulate events are indicated by vertices with two incoming arcs. We present a software package for pedigree reconstruction in natural populations using co-dominant genomic markers such as microsatel- lites and single nucleotide polymorphism (SNPs) in the second part of the thesis. If available, the algorithm makes use of prior information such as known relationships (sub-pedigrees) or the age and sex of individuals. Statistical confidence is estimated by Markov chain Monte Carlo (MCMC) sampling. The accuracy of the algorithm is demonstrated for simulated data as well as an empirical data set with known pedigree. The parentage inference is robust even in the presence of genotyping errors. We further demonstrate the accuracy of the algorithm on simulated clonal populations. We show that the joint estimation of parameters of inter- est such as the rate of self-fertilization or clonality is possible with high accuracy even with marker panels of moderate power. Classical methods can only assign a very limited number of statistically significant parentages in this case and would therefore fail. The method is implemented in a fast and easy to use open source software that scales to large datasets with many thousand individuals.:Abstract v Acknowledgments vii 1 Introduction 1 2 Cancer Phylogenies 7 2.1 Introduction..................................... 7 2.2 Background..................................... 9 2.2.1 PhylogeneticTrees............................. 9 2.2.2 Microarrays................................. 10 2.3 Methods....................................... 11 2.3.1 Datasetcompilation ............................ 11 2.3.2 Statistical Methods and Analysis..................... 13 2.3.3 Comparison of our methodology to other methods . . . . . . . . . . . 15 2.4 Results........................................ 16 2.4.1 Phylogenetic tree reconstruction method. . . . . . . . . . . . . . . . . 16 2.4.2 Comparison of tree reconstruction methods to other algorithms . . . . 28 2.4.3 Systematic analysis of methods and parameters . . . . . . . . . . . . . 30 2.5 Discussion...................................... 32 3 Wild Pedigrees 35 3.1 Introduction..................................... 35 3.2 The molecular ecologist’s tools of the trade ................... 36 3.2.1 3.2.2 3.2.3 3.2.1 Sibship inference and parental reconstruction . . . . . . . . . . . . . . 37 3.2.2 Parentage and paternity inference .................... 39 3.2.3 Multigenerational pedigree reconstruction . . . . . . . . . . . . . . . . 40 3.3 Background..................................... 40 3.3.1 Pedigrees .................................. 40 3.3.2 Genotypes.................................. 41 3.3.3 Mendelian segregation probability .................... 41 3.3.4 LOD Scores................................. 43 3.3.5 Genotyping Errors ............................. 43 3.3.6 IBD coefficients............................... 45 3.3.7 Bayesian MCMC.............................. 46 3.4 Methods....................................... 47 3.4.1 Likelihood Model.............................. 47 3.4.2 Efficient Likelihood Calculation...................... 49 3.4.3 Maximum Likelihood Pedigree ...................... 51 3.4.4 Full siblings................................. 52 3.4.5 Algorithm.................................. 53 3.4.6 Missing Values ............................... 56 3.4.7 Allelefrequencies.............................. 58 3.4.8 Rates of Self-fertilization.......................... 60 3.4.9 Rates of Clonality ............................. 60 3.5 Results........................................ 61 3.5.1 Real Microsatellite Data.......................... 61 3.5.2 Simulated Human Population....................... 62 3.5.3 SimulatedClonalPlantPopulation.................... 64 3.6 Discussion...................................... 71 4 Conclusions 77 A FRANz 79 A.1 Availability ..................................... 79 A.2 Input files...................................... 79 A.2.1 Maininputfile ............................... 79 A.2.2 Knownrelationships ............................ 80 A.2.3 Allele frequencies.............................. 81 A.2.4 Sampling locations............................. 82 A.3 Output files..................................... 83 A.4 Web 2.0 Interface.................................. 86 List of Figures 87 List of Tables 88 List Abbreviations 90 Bibliography 92 Curriculum Vitae I

Die Vielzahl, Vielfalt, Allgegenwart und permanente Präsenz sozialer Web 2.0-Angebote übt einen bedeutenden Einfluss auf das Aufwachsen, die Freizeitgestaltung, das schulische Lernen und die Identitätsbildung jugendlicher Nutzer aus. Der einstige Medienrezipient befindet sich nicht mehr nur in der Rolle des Lesers und passiven Konsumenten, sondern er ist gleichermaßen Akteur und Publizist [4, 22]. Der Umgang insbesondere jugendlicher Nutzer mit sozialen Netzwerken und deren Potentialen und Risiken ist daher seit einigen Jahren ein wichtiger Forschungsbereich [vgl. 3, 7, 8, 9, 10, 11]. In diesem Zusammenhang ist die Medienkompetenz von entscheidender Bedeutung [vgl. 4, 17, 22]. In diesem Beitrag wird die Medienkompetenz Jugendlicher speziell im Hinblick auf den Umgang mit sozialen Netzwerken thematisiert. Wie wird Medienkompetenz derzeit wissenschaftlich definiert? Finden die vielen speziellen Anforderungen an die Nutzer der „social network services“ (SNS) in den bestehenden Modellen ausreichend Berücksichtigung? Welche Teilkompetenzen sind für die Nutzung der digitalen sozialen Netzwerke durch Jugendliche notwendig? (...)

Der diesjährige Call for Papers hebt es hervor: „Internet-basierte Technologien wie z.B. Social Media Werkzeuge, aber auch (soziale) Intranet-Systeme und Wissensplattformen bestimmen mehr denn je Lernen, Forschen und Arbeiten in Wirtschaft, Wissenschaft und Bildung und insbesondere das private (Zusammen)Leben.“ Dies betrifft jedoch nicht nur das berufliche Miteinander. Soziale Plattformen führen zu Vergemeinschaftung (Weber, 1922), stabilisieren Freundschaften (Fischer, 2012) und erweitern unsere Möglichkeiten der Kommunikation (ebd.). Zunehmend wird dabei nicht nur Wissen ausgetauscht, sondern – wie obiges Beispiel zeigt - vor allem auch Emotionen. Das Teilen von emotionalen Inhalten rückt nicht nur bei Menschen in den Vordergrund, die an Krankheiten leiden und versuchen, die daraus entstandene Situation auf diese Art zu bewältigen, sondern – wie obiger Auszug darlegt – auch bei Personen, die einen geliebten Nahestehenden verloren haben. Das Teilen von Emotionen geschieht unter anderem auf virtuellen Friedhöfen, den sogenannten Memorials, aber auch auf Online-Plattformen, auf denen Betroffene sich aktiv mit Gleichgesinnten austauschen können, den sogenannten Trauer-Foren. (...)

Social Media Streams allow users to share user-generated content as well as aggregate different streams into one single stream. Additional Enterprise Social Media Streams organize the stream messages into projects with different usage patterns compared to public collaboration platforms such as Twitter. The aggregated stream helps the user to access the information in one single place but also leads to an information overload. Here, a recommendation engine can help to distinguish between relevant and irrelevant information for the users. In previous work we showed how features inferred from messages can predict relevant information and can be used to learn a user model. In this paper we show how this approach can be used in a productive enterprise social media stream application without using explicit user feedback. We develop a time binned evaluation measure which suits the scenario to steadily recommend messages of the stream. Finally, we evaluate our algorithm in different variations and show that it helps to identify relevant messages.