IU Docs Repositorium

IU Docs

Repositorium

Researchers from IU publish their research results in numerous formats. Through this repository, we aim to make as many publications as possible available via Open Access. Gain insights into the dynamic and diverse research being conducted at IU!

Recent Submissions

Serialization Trade-Offs in Distributed Systems: A Comparative Analysis of JSON, Protocol Buffers, and FlatBuffers Under Varying Width and Nesting Depth
(IU International University of Applied Sciences, 2026-08-12) Haberlah, Johannes; Linke, Knut
Serialization is a core operation in distributed systems, yet existing studies often compare individual formats without systematically controlling structural properties of the transmitted data. This paper presents a controlled comparison of three serialization paradigms: textual encoding represented by JSON, binary schema-based encoding represented by Protocol Buffers, and zero-copy representation represented by FlatBuffers. Using a Rust-based benchmark suite, the study systematically varies record width and nesting depth across four datasets and measures serialization latency, data-access latency, throughput, and serialized message size. Quantitative measurements are complemented by CPU profiling to identify low-level performance drivers. The results show that no format dominates across all dimensions. Protocol Buffers achieves the lowest serialization latency and the smallest message sizes across all datasets, supporting its suitability for write- and bandwidth-sensitive workloads. FlatBuffers provides substantially faster data access than both Protocol Buffers and JSON due to its zero-copy design, making it advantageous for read-dominated scenarios. JSON exhibits the highest access latency and generally larger payloads, but remains relevant where human readability, flexibility, and ecosystem compatibility are prioritized. Profiling attributes these differences to format-specific mechanisms: textual conversion and key emission in JSON, varint and field-wise byte encoding in Protocol Buffers, and offset/vtable resolution in FlatBuffers. The findings demonstrate that serialization format choice is a consequential architectural decision whose optimality depends on workload structure and read/write characteristics.
KI-Kompetenzen 2026: Welche Fähigkeiten sucht der Arbeitsmarkt?
(IU Internationale Hochschule, 2026-08-12) Zettier, Fabian; Krickel, Frank; Linke, Knut
Dieses Discussion Paper untersucht, welche Kompetenzanforderungen im Kontext generativer künstlicher Intelligenz (GenAI) in deutschen Stellenausschreibungen sichtbar werden und wie diese Anforderungen mit bestehenden KI- und GenAI-Kompetenzrahmen übereinstimmen. Hierzu verbindet die Studie eine Synthese von 18 Kompetenzframeworks mit einer KI-gestützten qualitativen Inhaltsanalyse von 258 GenAI-relevanten Stellenanzeigen aus der Jobbörse der Bundesagentur für Arbeit, die am 14. März 2026 erhoben wurden. Methodisch folgt die Untersuchung einem deduktiv-induktiven Vorgehen: Zwölf literaturbasierte Kompetenzfelder werden auf das Datenmaterial angewendet, während ergänzende, bislang nicht hinreichend abgebildete Kompetenzanforderungen induktiv identifiziert werden. Ko-Vorkommens- und Clusteranalysen dienen zusätzlich dazu, typische Rollen- und Kompetenzprofile auf Stellenebene herauszuarbeiten. Die Ergebnisse zeigen ein deutlich technologiezentriertes Nachfragemuster. Besonders häufig werden Programmierung, IT-Infrastruktur, Cloud und MLOps, Modellentwicklung, Fine-Tuning sowie Datenkompetenzen gefordert. Reflexive, ethische, governancebezogene und rechtlich-complianceorientierte Kompetenzen werden dagegen erheblich seltener explizit artikuliert, obwohl sie in Kompetenzrahmen und vor dem Hintergrund regulatorischer Anforderungen, insbesondere des EU AI Acts, eine zentrale Rolle spielen. Die Clusteranalyse identifiziert drei Rollentypen: ein technisches Engineering-Profil, ein anwendungs- und prozessorientiertes Profil sowie ein hybrides Profil, das technische Implementierungsfähigkeit mit strategischer und prozessualer Integration verbindet. Ergänzend werden fünf emergente Kompetenzfelder sichtbar: KI-Didaktik und Wissensvermittlung, branchenspezifisches Domänenwissen, KI-Tool-Evaluierung, UX/UI und Human-Centered Design sowie MCP und KI-Protokolle. Die Studie leistet einen Beitrag zur Verbindung theoriegeleiteter Kompetenzrahmen mit arbeitsmarktlichen Anforderungsdaten. Sie zeigt, in welchen Bereichen Stellenanzeigen mit bestehenden Kompetenzmodellen übereinstimmen und wo systematische Leerstellen bestehen. Für die Unternehmenspraxis ergeben sich daraus Implikationen für kompetenzbasiertes Recruiting und rollenspezifische Weiterbildung. Insbesondere sollten Governance-, Reflexions- und Compliancekompetenzen neben technischer Implementierungskompetenz explizit in Rollenprofile, Auswahlverfahren und Qualifizierungsprogramme integriert werden.
Diskriminierungssensible Nutzung von Künstlicher Intelligenz in der Personalentwicklung
(IU Internationale Hochschule, 2026-08-12) Friese, Sarah; Störmer, Maja
This paper examines the use of artificial intelligence (AI) in human resource development, with a particular focus on discrimination-sensitive design. Drawing on legal frameworks, particularly the EU AI Act, as well as sociological and technical perspectives, the study analyzes both the potential and the risks of AI deployment. In human resource development, AI offers significant added value through personalized learning processes, competence analysis, and the evaluation of development measures. At the same time, there is a risk that socially embedded forms of discrimination may be reproduced through biased training data. The analysis shows that, to date, only a few technically effective fairness approaches exist, particularly for generative AI. Against this background, responsibility lies not only with developers but also with users of AI systems. The paper derives practice-oriented recommendations for the legally compliant, fair, and human-centered use of AI in human resource development and emphasizes the need for a holistic sociotechnical approach.
Big Five und Beziehungszufriedenheit: Eine dyadisch-explorative Analyse
(IU Internationale Hochschule, 2026-08-12) Meißner, David; Schubart, Constantin
Die vorliegende Studie untersuchte dyadische Zusammenhänge zwischen Big-Five-Persönlichkeit, Persönlichkeitsdifferenzen und Beziehungszufriedenheit. Analysiert wurden 232 Personen aus 116 eindeutig zuordenbaren heterosexuellen Paaren auf Basis einer quantitativen Querschnittsstudie. Beziehungszufriedenheit wurde mit dem ZIP, Persönlichkeit mit dem BFI-2 auf Dimensions- und Facettenebene erfasst. Zusätzlich wurden paarspezifische absolute Differenzwerte berechnet und getrennt innerhalb von vier Beziehungsdauergruppen ausgewertet. Alle dyadischen Analysen waren explorativ angelegt. Die weibliche Beziehungszufriedenheit war sowohl mit eigenen Persönlichkeitsmerkmalen als auch mit Merkmalen des männlichen Partners assoziiert. Das Modell mit ausschließlich eigenen Merkmalen (Actor-Modell) sagte die weibliche Beziehungszufriedenheit signifikant vorher, F(2, 113) = 5.80, p = .004, R² = .09, korr. R² = .08. Die Aufnahme männlicher Partnermerkmale ergab ein signifikantes finales Modell, F(7, 108) = 3.86, p < .001, R² = .20, korr. R² = .15, und erhöhte die erklärte Varianz signifikant, ΔR² = .11, p = .017, wobei kein einzelner Prädiktor Signifikanz erreichte. Für die männliche Beziehungszufriedenheit war das Actor-Modell ebenfalls signifikant, F(5, 110) = 3.19, p = .010, R² = .13, korr. R² = .09; die explorative Ergänzung weiblicher Durchsetzungsfähigkeit führte zu keiner signifikanten zusätzlichen Varianzaufklärung, ΔR² = .03, p = .060. Über die Analysen hinweg zeigten vor allem neurotizismusbezogene Merkmale, insbesondere Neurotizismus, Niedergeschlagenheit und Unbeständigkeit der Gefühle, wiederholt negative Zusammenhänge mit Beziehungszufriedenheit. Aktivität, Verlässlichkeit, Verträglichkeit und Höflichkeit waren dagegen überwiegend positiv assoziiert. Persönlichkeitsdifferenzen zeigten beziehungsdauerabhängige Muster: Während Differenzen in Beziehungen unter zehn Jahren überwiegend negativ mit Beziehungszufriedenheit zusammenhingen, zeigte sich in Beziehungen über zehn Jahren ein positiver Zusammenhang für Offenheitsdifferenzen, ρ(22) = .65, p < .001. Da die Beziehungsdauer in getrennten Gruppen und nicht als Interaktionsterm analysiert wurde und da das Design querschnittlich, die dyadischen Teilstichproben klein und die Beobachtungen innerhalb der Paare nicht unabhängig sind, sind die Befunde als deskriptive, nicht kausale Hinweise zu lesen. Insgesamt sprechen die Ergebnisse dafür, Persönlichkeit in Partnerschaften als dyadisches, geschlechtsspezifisches und beziehungsdauersensitives Zusammenhangsmuster zu betrachten.
Künstlich, aber wirkungsvoll? Eine empirische Analyse zur Kennzeichnungspflicht von KI-generierten Bildern und ihren Konsequenzen auf die Werbewirkung
(IU Internationale Hochschule, 2026-08-12) Perst, Florian; Schmitt, Noel; Schubart, Constantin
This study examined the effects of the labelling requirement for AI-generated image content, introduced by Regulation (EU) 2024/1689, on advertising effectiveness in commercial tourism marketing. The aim was to investigate whether the legally mandated transparency disclosure in an advertisement negatively influences key advertising effectiveness dimensions. The variables examined included recall, perceived credibility, attitude toward the ad, trust, and purchase intention. Using a quantitative online survey with an experimental A/B design (N = 144), consumer responses to an advertisement featuring a real photograph were compared with those to a visually equivalent advertisement labelled as AI-generated. The results revealed no significant differences between the groups, indicating that the transparency disclosure did not reduce advertising effectiveness for the visually high-quality stimulus used here. Companies may therefore be able to leverage the efficiency potential of generative AI without necessarily suffering losses in advertising effectiveness. However, the absence of significant differences does not constitute evidence of equivalence, and the transferability of these findings to other industries, motifs, and target groups requires further empirical investigation.