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

Soziale Aneignung in offenen digitalen Spielräumen
(IU Internationale Hochschule, 2026-08-27) Burbach, Jörg
This article examines how social order emerges in open digital game spaces when technical systems enable and structure a wide range of actions without fully determining their specific social meaning. Using Grand Theft Auto Online (GTA Online) as a case study, it argues that communal order emerges neither from formal game rules alone nor exclusively from platform governance. Rather, it develops through processes of social appropriation. The term refers to collective practices through which players socially structure a technically and institutionally framed space of possibilities by establishing shared meanings, expectations, roles, rituals, and rules. Methodologically, the article combines a qualitative-conceptual system analysis of GTA Online with an analysis of publicly accessible platform and community documents as well as the author’s previous research. It reconstructs exemplary cases including informal communities of practice such as car meets and photography groups, more enduring group structures such as crews, and institutionalized roleplay servers. These cases are not understood as necessary stages of development, but as ideal-typical positions along a continuum of increasing social consolidation. The analysis shows that actions must first be socially perceived, attributed, interpreted, and evaluated before repeated practices can give rise to situational expectations and, ultimately, communal norms. The effects of these norms remain ambivalent: they can foster reliability, cooperation, and belonging, but can also stabilize exclusion, hierarchies, and conflict. The article’s theoretical contribution lies in refining social appropriation as an analytical category for describing the transition from technical openness to ommunal order.
Selbsthilfe wirkt! Entwicklung von Resilienz durch Selbsthilfe
(Springer Nature, 2026-08-18) Hoffmann, Julia; Schulz, Arezou
Eine schwerwiegende, chronische oder als existenziell bedrohlich erlebte Erkrankung kann psychische Belastungen, Stigmatisierung, Informationsunsicherheit und tiefgreifende Alltagsveränderungen auslösen. Vor diesem Hintergrund analysiert der Beitrag, wie die Teilnahme an gemeinschaftlichen gesundheitsbezogenen Selbsthilfegruppen auf Betroffene wirkt und inwieweit sie personale und soziale Resilienz fördern kann. Resilienztheoretische und empowermentorientierte Perspektiven werden dazu mit empirischen Befunden aus Deutschland verbunden. Im Mittelpunkt stehen Selbstwirksamkeit, Zugehörigkeit, Gesundheitskompetenz, Krankheitsbewältigung, soziale Teilhabe sowie der Zugang zu verlässlichen und verständlichen Gesundheitsinformationen im Alltag. Die Befunde sprechen dafür, dass Selbsthilfegruppen unter günstigen Bedingungen Handlungsfähigkeit stärken, Isolation vermindern und den Umgang mit Erkrankungen erleichtern. Zugleich zeigen sich Ambivalenzen: Belastende Gruppendynamiken, die Konfrontation mit den Schicksalen anderer, fehlende Passung und unzureichende Zugänge können die Teilnahme erschweren oder ihren Nutzen begrenzen. Selbsthilfe ist daher weder universell wirksam noch Ersatz professioneller Versorgung. Sie ist eine eigenständige, komplementäre Ressource, deren Wirkung von Freiwilligkeit, Gruppenkultur, organisatorischer Stabilität, individueller Belastungslage und respektvoller Kooperation mit professionellen Hilfesystemen abhängt.
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.