https://opendata.uni-halle.de//handle/541532/3149 2026-05-04T10:54:20Z https://opendata.uni-halle.de//handle/1981185920/125172 Title: Attributionen von Aufgabenkonflikten und ihr Einfluss auf Beziehungskonflikte und psychische Gesundheit: Ein systematischer Review und eine empirische Untersuchung in agilen Softwareentwicklungsteams Author(s): Vetter, Ariane Abstract: Aufgabenkonflikte in Teams können in Beziehungskonflikte übergehen und damit interpersonelle Spannungen sowie psychische Belastungen auslösen. Eine zentrale, bislang überwiegend theoretisch diskutierte Ursache hierfür ist die attributionale Zuschreibung sachlicher Differenzen als persönliche Angriffe oder interessengeleitetes Verhalten. Da sich Aufgabenkonflikte auf geteilte Aufgaben und gemeinsame Zielverfolgung beziehen, greift eine ausschließlich individuelle Betrachtung dieser Zuschreibungen zu kurz. Ziel dieser Arbeit war es daher, kollektive Aufgabenkonflikt-Attributionen theoretisch zu fundieren und deren Wirkmechanismen zu untersuchen. Auf Basis eines systematischen Reviews sowie Ansätzen der Attributionstheorie, der sozialen Kognitionsforschung und der Framingforschung wurde ein Mediationsmodell entwickelt, das den Zusammenhang zwischen teambezogenen Aufgabenkonflikt-Attributionen, Team-Beziehungskonflikten und arbeitsbezogenem Kohärenzgefühl beschreibt. Das Modell wurde anhand einer quantitativen Befragung von 111 Personen aus 29 Teams in drei Organisationen empirisch auf individueller Ebene geprüft. Die Ergebnisse zeigen, dass unterschiedliche Zuschreibungen von teambezogenen Aufgabenkonflikten wesentlich mit der Wahrnehmung von Team-Beziehungskonflikten zusammenhängen. Abschließend werden Limitationen sowie Implikationen für Forschung und Praxis diskutiert.; Task conflicts in teams can escalate into relationship conflicts, triggering interpersonal tensions and psychological stress. A key cause, so far discussed mainly at a theoretical level, is the attribution of factual differences to personal attacks or interest-driven behavior. Since task conflicts relate to shared tasks and common goals, an exclusively individual view of these attributions falls short. The aim of this study was therefore to establish a theoretical basis for collective task conflict attributions and to examine their effects. Based on a systematic review and attributional, social cognitive, and framing approaches, a mediation model was developed that describes the relationship between team-related task conflict attributions, team relationship conflicts, and work-related sense of coherence. The model was empirically tested at the individual level using a quantitative survey of 111 participants from 29 teams in three organizations. The results show that different attributions of team-related task conflicts are significantly related to the perception of team relationship conflicts. Finally, limitations and implications for research and practice are discussed. 2026-01-01T00:00:00Z https://opendata.uni-halle.de//handle/1981185920/125171 Title: Datendurchgängigkeit im Engineering von Produktionssystemen und ihre Risiken Author(s): Hassan, Kardo Abstract: Eine heterogene IT-Landschaft sowie eine Intransparenz der Datenlage kann neben einer hohen technischen Komplexität auch zu einem Mehraufwand bei der Datenbereitstellung und zu erhöhten Kosten führen. Diese, durch einen Mehraufwand entstehenden Kosten, auch technische Schuld genannt, müssen reduziert bzw. eliminiert werden. Um datengetriebene Entscheidungen treffen zu können und somit die Risiken zu minimieren, ist es entscheidend eine Transparenz in Bezug auf die Prozesse zu schaffen. Datengetrieben agieren zu können und somit Entscheidungen zu treffen, bietet unter anderem den Vorteil einer, vorher benötigten und erzielten, höheren Datenqualität. Damit werden zukunftsbezogene Prognosen ermöglicht. Datendurchgängigkeit spielt hierbei eine essenzielle Rolle. Eine einheitliche Definition für den Begriff der Datendurchgängigkeit ist jedoch nicht vorhanden. Auch die dahinterliegenden Risken, sofern eine Datendurchgängigkeit nicht erreicht wird, sind aufgrund der fehlenden Definition entweder nicht bekannt oder können nicht berücksichtigt werden. Das Ziel dieser wissenschaftlichen Arbeit besteht somit darin, eine Methodik zu erarbeiten, die eine Bewertung hinsichtlich der aktuell bestehenden Lösungsansätze, die das Datendurchgängigkeitsproblem adressieren, bietet. Hierfür wird, neben einer kontextuellen Definition, für die Begriffe Datendurchgängigkeit und Risiko auch eine Möglichkeit erarbeitet, Daten- und Informationsflüsse in einem Prozess mittels Wertstromanalyse abzubilden. Die Wertstromanalyse dient nicht nur einer einfachen Prozessdarstellung, sie dient zusätzlich als Vorlage für Entscheidungsträger. Für die Definitionen wird sowohl eine Literaturrecherche als auch Experteninterviews wie auch eine Umfrage durchgeführt. Des Weiteren wird eine Risikobeurteilung für die Lösungsansätze zur Entscheidungsfindung umgesetzt. Außerdem findet ein Vergleich der gewählten Lösungsansätze sowie eine kritische Würdigung der Methodik statt.; A heterogeneous IT landscape and a lack of transparency in the data situation can lead not only to a high level of technical complexity but also to additional work in data provision and increased costs. These additional costs, also known as technical debt, must be reduced or eliminated. In order to make data-driven decisions and thus minimise the risks, it is crucial to create transparency with regard to the processes. Being able to act in a data-driven manner and thus make decisions offers the advantage of, among other things, higher data quality that was previously required and achieved. This enables future-oriented forecasts. Data consistency plays an essential role here. However, there is no standardised definition for the term data consistency. The underlying risks if data consistency is not achieved are also either unknown or cannot be taken into account due to the lack of a definition. The aim of this scientific work is therefore to develop a methodology that offers an evaluation of the currently existing solution approaches that address the data consistency problem. For this purpose, in addition to a contextual definition for the terms data consistency and risk, a possibility is also developed to map data and information flows in a process using value stream analysis. The value stream analysis serves both as a simple process visualisation and as a template for decision-makers. For the definitions, literature research as well as expert interviews and a survey are carried out. Furthermore, a risk assessment for the solution approaches is implemented for decision-making. A comparison of the selected solution approaches and a critical appraisal of the methodology are also carried out. 2026-01-01T00:00:00Z https://opendata.uni-halle.de//handle/1981185920/125156 Title: Prediction of agglomeration intensity using physical and data-based models for counter-current spray dryers Author(s): Hussain, Farooq Abstract: This study explores the optimization and prediction of product properties in counter-current spray drying processes, combining experimental analysis, computational fluid dynamics (CFD) modeling, and machine learning (ML) techniques. Extensive experimental data from 45 counter-current spray drying runs of maltodextrin solution were analyzed, focusing on the effects of operating conditions such as drying air swirl, gas-to-liquid ratio (GLR), nozzle positioning, and power input. Optical measurements and scanning electron microscopy (SEM) revealed that hollow spherical particles with thin crusts were formed, with puffing and agglomeration contributing to particle size variation. Results demonstrated a significant dependency on nozzle spray parameters and strong negative correlation between product moisture content and drying medium temperature. Additionally, a CFD model was developed to predict particle size distribution by incorporating a modified stochastic agglomeration model, validated with experimental data on water and milk concentrate. High-speed camera observations helped define collision regimes, which were integrated into the CFD simulations to accurately predict product properties under varying process conditions. To enhance predictive accuracy and real-time process control, ML algorithms were also employed. Various ML regression methods were trained using both experimental and CFD-generated data, achieving over 80% accuracy in predicting final product properties. This comprehensive approach combining experimental insights, CFD modeling, and ML algorithms provides a robust framework for optimizing counter-current spray drying processes, ensuring high product quality across multiple industries.; Diese Studie untersucht die Optimierung und Vorhersage von Produkteigenschaften in Gegenstrom-Sprüh-Trocknungsprozessen, indem experimentelle Analysen, Computergestützte Fluiddynamik (CFD)-Modellierung und maschinelle Lerntechniken (ML) kombiniert werden. Umfangreiche experimentelle Daten aus 45 Gegenstrom-Sprüh-Trocknungsläufen mit Maltodextrinlösung wurden analysiert, wobei der Fokus auf den Auswirkungen der Betriebsbedingungen wie Drall der Trocknungsluft, Gas-Flüssigkeits-Verhältnis (GLR), Düsenpositionierung und Energiezufuhr lag. Optische Messungen und Rasterelektronenmikroskopie (SEM) zeigten, dass hohle, kugelförmige Partikel mit dünnen Krusten gebildet wurden, wobei Aufblähen und Agglomeration zur Partikelgrößenvariation beitrugen. Die Ergebnisse zeigten eine signifikante Abhängigkeit von den Düsenparametern und eine starke negative Korrelation zwischen dem Feuchtigkeitsgehalt des Produkts und der Temperatur des Trocknungsmittels. Zusätzlich wurde ein CFD-Modell entwickelt, um die Partikelgrößenverteilung vorherzusagen, indem ein modifiziertes stochastisches Agglomerationsmodell integriert wurde, das mit experimentellen Daten zu Wasser und Milchkonzentrat validiert wurde. Beobachtungen mit Hochgeschwindigkeitskameras halfen, Kollisionsregime zu definieren, die in die CFD-Simulationen integriert wurden, um Produkteigenschaften unter variierenden Prozessbedingungen genau vorherzusagen. Um die Vorhersagegenauigkeit und die Echtzeitprozesskontrolle zu verbessern, wurden außerdem ML-Algorithmen eingesetzt. Verschiedene ML-Regressionstechniken wurden mit experimentellen und CFD-generierten Daten trainiert und erreichten eine Genauigkeit von über 80% bei der Vorhersage der Endprodukteigenschaften. Dieser umfassende Ansatz, der experimentelle Erkenntnisse, CFD-Modellierung und ML-Algorithmen kombiniert, bietet einen robusten Rahmen zur Optimierung von Gegenstrom-Sprüh-Trocknungsprozessen und gewährleistet eine hohe Produktqualität in verschiedenen Industrien. 2026-01-01T00:00:00Z https://opendata.uni-halle.de//handle/1981185920/125155 Title: Evolutionary multi-objective task allocation for IoT networks Author(s): Weikert, Dominik Abstract: The Internet of Things (IoT) has been an area of growing research interest for decades and continues to expand in use cases and applications. Most of these consist of highly heterogeneous and resource-constrained devices interconnected through dynamic wireless networks. Efficient task allocation is essential to ensuring reliable operation in such environments, as the performance of the network with respect to metrics such as energy consumption, latency, reliability, and network lifetime depends strongly on where the given tasks are executed. However, this Task Allocation Problem (TAP) is NP-hard, and optimizing multiple conflicting objectives under dynamic network conditions further increases its complexity. Existing approaches typically address only simplified variants of the problem, focus on single-objective optimization, or assume static and failure-free networks, limiting their applicability in real-world IoT deployments. This thesis presents a decomposition of the TAP into distinct sub-problems and introduces a series of evolutionary multi-objective optimization algorithms to address them. First, the Multi-Objective Task Allocation Algorithm (MOTA) is proposed to solve the base problem in static networks. This foundation is subsequently extended to incorporate node failures (Availability-Aware Multi-Objective Task Allocation Algorithm (A-MOTA)), node mobility (Mobility-Aware Multi-Objective Task Allocation Algorithm (M-MOTA)), and then the full range of dynamic changes in network conditions (Dynamic Multi-Objective Task Allocation Algorithm (D-MOTA)). To ensure applicability in large-scale or hardware-constrained environments, surrogate-assisted optimization techniques are further developed, significantly reducing computational cost while maintaining solution quality. Comprehensive experimental evaluations across a variety of network topologies and scenarios demonstrate that the proposed algorithms consistently outperform other strategies in terms of solution quality, robustness, and adaptability. These results confirm the feasibility and impact of the proposed multi-objective task allocation algorithms in IoT networks.; Das IoT ist seit Jahrzehnten ein Forschungsgebiet mit wachsendem Interesse und wird zunehmend in verschiedensten Einsatzbereichen genutzt. Die meisten dieser Systeme bestehen aus heterogenen und ressourcenbeschränkten Geräten, die über drahtlose Netzwerke miteinander verbunden sind. Eine effiziente Aufgabenverteilung ist entscheidend für einen zuverlässigen Betrieb in solchen Umgebungen, da die Leistungsfähigkeit des Netzwerks in Bezug auf Kennzahlen wie Energieverbrauch, Latenz und Lebensdauer stark davon abhängt, an welchen Geräten die jeweiligen Aufgaben ausgeführt werden. Das zugrunde liegende Zuordnungsproblem ist jedoch NP-schwer, und die Optimierung mehrerer widersprüchlicher Ziele unter dynamischen Netzwerkbedingungen erhöht die Komplexität zusätzlich. Bestehende Ansätze behandeln in der Regel nur vereinfachte Varianten des Problems, konzentrieren sich auf optimierung eines einzelnen Zieles, oder gehen von statischen und fehlerfreien Netzwerken aus, was ihre Anwendbarkeit in realen IoT-Umgebungen einschränkt. Diese Arbeit präsentiert eine systematische Zerlegung des Zuordnungsproblems in Teilprobleme und stellt eine Reihe evolutionärer Multikriterieller Optimierungsalgorithmen zu deren Lösung vor. Zunächst wird der MOTA vorgestellt, um das Grundproblem in statischen Netzwerken zu lösen. Darauf aufbauend wird der Ansatz schrittweise erweitert, um Ausfälle (A-MOTA), Mobilität (M-MOTA), sowie schließlich das vollständige Spektrum dynamischer Änderungen der Netzwerkbedingungen (D-MOTA) zu berücksichtigen. Um die Anwendbarkeit in hardwarebeschränkten Umgebungen sicherzustellen, werden zusätzlich surrogategestützte Optimierungstechniken entwickelt, die die Rechenkosten erheblich reduzieren, ohne die Lösungsqualität zu beeinträchtigen. Umfassende experimentelle Auswertungen über verschiedene Netzwerktopologien und Szenarien hinweg zeigen, dass die vorgeschlagenen Algorithmen existierende Strategien in Bezug auf Lösungsqualität, Robustheit und Anpassungsfähigkeit durchgängig übertreffen. Diese Ergebnisse bestätigen die Machbarkeit und den Nutzen der multkriteriellen Aufgabenverteilung in IoT-Netzwerken. 2026-01-01T00:00:00Z