Koblenz University of Applied Sciences

Die explorative Untersuchung erkundet das Wirken der (stellvertretenden) Mitglieder des Sportausschusses des Deutschen Bundestags in der 20. Legislaturperiode (2021–2025). Basierend auf einer Längsschnittbefragung und der Analyse von 63 Ausschusssitzungen werden der Stellenwert des Sports als bundespolitisches Politikfeld, Ziele, Themenpräferenzen und Wirkungen des Ausschusses beleuchtet. Die Ergebnisse bringen unterschiedliche Ziele, Zielhierarchien, Bedeutungszuweisungen und Themenpräferenzen hervor, die sich in der Regel nicht entlang der Differenzierung zwischen Regierungs- und Oppositionsfraktionen anordnen lassen und sich auch auf Dimensionen erstrecken, für die der Bund keine formale Zuständigkeit beansprucht. Das Politikfeld Sport genoss zu Beginn der Legislatur eine hohe Relevanz im politischen Kanon, verlor jedoch im Zeitverlauf an Gewicht. Leistungssport, Ehrenamt und Sportstätten zählen zu den übereinstimmend priorisierten Themen, während polarisierende Aspekte wie die Gleichstellung des E‑Sport und der Ausschluss russischer AthletInnen kontrovers beurteilt wurden. Ziele und Präferenzen der Abgeordneten bleiben im Laufe der Legislaturperiode nicht konstant, die Themenagenda des Ausschusses spiegelt die Präferenzen der Mitglieder nur begrenzt wider. Der Beitrag bedient sich unterschiedlicher Theorien und liefert Impulse für die zukünftige sportpolitische Policy-Forschung sowie für ein besseres Verständnis parlamentarischer Wirkmechanismen in diesem Politikfeld.

In CT angiography, the accurate segmentation of abdominal aortic aneurysms (AAAs) is difficult due to large anatomical variability, low-contrast vessel boundaries, and the close proximity of organs whose intensities resemble vascular structures, often leading to false positives. To address these challenges, we propose an anatomy-aware segmentation framework that integrates organ exclusion masks derived from TotalSegmentator into the training process. These masks encode explicit anatomical priors by identifying non-vascular organsand penalizing aneurysm predictions within these regions, thereby guiding the U-Net to focus on the aorta and its pathological dilation while suppressing anatomically implausible predictions. Despite being trained on a relatively small dataset, the anatomy-aware model achieves high accuracy, substantially reduces false positives, and improves boundary consistency compared to a standard U-Net baseline. The results demonstrate that incorporating anatomical knowledge through exclusion masks provides an efficient mechanism to enhance robustness and generalization, enabling reliable AAA segmentation even with limited training data.

Understanding nonlinear feature interactions is crucial in science and engineering, yet standard multilayer perceptrons (MLPs) often capture such interactions only implicitly, leading to entangled representations that can impair robustness and interpretability. We investigate product-unit residual networks (PURe) that integrate multiplicative product units with residual connections to explicitly model cross-feature couplings while stabilizing optimization. We conduct a systematic evaluation on an interaction-driven synthetic benchmark and two real-world datasets, assessing predictive accuracy, robustness to Gaussian feature noise, and performance under limited training data, and we compare real- and complex-valued variants under a matched parameter budget. Beyond accuracy, SHapley Additive exPlanations (SHAP)-based interaction analyses show that PURe learns more concentrated and structurally coherent interaction patterns than MLP baselines. Overall, PURe achieves competitive or improved performance, better robustness and sample efficiency in low-data regimes, and enhanced interaction-level interpretability.

Auf Intensivstationen werden Daten der Medizingeräte wie z. B. die des Monitorings in der digitalen Dokumentation aufgezeichnet. Welche Bedeutung haben die aufgezeichneten Daten für die pflegefachliche Versorgung? Welche technischen Herausforderungen stellt diese Datenaufzeichnung für die Pflegefachpersonen? Für eine Qualifikationsarbeit (Bachelorthesis zur Erreichung des Grades B. Sc.) wurden fünf leitfadengestützte Interviews mit Pflegefachpersonen geführt. Das Textmaterial wurde mittels qualitativer Inhaltsanalyse ausgewertet. Die deduktiven Kategorien beruhen auf dem Technology Usage Inventory (TUI). Zusätzlich wurden induktive Kategorien entwickelt. Die Aufzeichnung der Daten wurde als Entlastung bewertet. Die Daten dienten der Einschätzung des Patientenzustandes und unterstützten die interdisziplinäre Kommunikation sowie die Angehörigenarbeit. Allerdings zeigte sich ein hohes Maß an Komplexität in der technischen Umsetzung. Pflegefachpersonen sollten bereits in Anschaffungsprozesse von Medizingeräten einbezogen werden. Für den Fall von Störungen wären eine gute Supportstruktur und ein Ausfallkonzept zu empfehlen. Key User könnten als Ansprechpersonen für die Einweisungen der Umsetzung fungieren.