Die vorliegende Bachelorarbeit beschäftigt sich mit der Integration von eSport in den Bereich Profifußball. Ziel dieser Arbeit ist es, aufzuzeigen, inwiefern der eSport-Markt die Fußballbranche beeinflusst und welche Chancen und Risiken für Fußballvereine bestehen. Hierfür werden mit Hilfe von Literatur, Fachzeitschriften, Statistiken und Internetquellen die Forschungsfelder Fußball-Branche, Sportmarketing und die eSport-Branche definiert und analysiert. Mit dem darauffolgenden Fußballverein FC Schalke 04 wird ein Praxisbeispiel für eine gelungene Integration des eSports in die Struktur eines Fußballvereins gegeben. Aus Gründen der besseren Lesbarkeit wird auf die gleichzeitige Verwendung männlicher und weiblicher Sprachformen verzichtet. Sämtliche Personenbezeichnungen gelten gleich-wohl für beiderlei Geschlecht.

Türkischstämmige Deutsche sind die größte Bevökerungsgruppe mit Migrationshintergrund in Deutschland. Doch schaffen es Unternehmen diese Gruppe zu erreichen, wie sind sie überhaupt zu erreichen und lohnt sich der Aufwand? Diese Fragen werden in der vorliegenden Bachelorarbeit beantwortet. Ethno-Marketing ist, wenn sich die Marketing-Mix-Instrumente an eine ethnische Gruppe richten. Es wird geklärt, was dies genau zu bedeuten hat, was zu beachten ist und welche Voraussetzungen gegeben sein müssen, damit das Ethnomarketing effektiv ist. Dann wird die Umsetzbarkeit am Beispiel der türkischstämmigen Deutschen überprüft. Es wird festgestellt, dass türkischstämmige Deutsche empfänglich für Ethnomarketing sind. Insbesondere über die Sprache, Referenzpersonen und Symbolen kann man sie erreichen. Doch es wird auch festgehalten, dass Ethnomarketing nicht zwingend die gewünschten Resultate für Unternehmen liefert.

Lobbying gilt für Medienunternehmen als ein bewährtes Instrument für die Unterstützung und Durchsetzung der Unternehmensinteressen. In dieser Arbeit wird untersucht, welche Strategien dazu genutzt werden und wie wirksam sich diese erweisen. Am Fallbeispiel der Bertelsmann SE & Co. KGaA wird analysiert, wie der Medienkonzern wichtige Entscheidungsträger zu seinen Gunsten beeinflusst und als wie erfolgreich die jeweiligen Methoden zu bewerten sind. Auf Basis einer qualitativen Literaturrecherche werden die diversen Lobbying-Strategien Bertelsmanns, abgeleitet aus Argumenten und Vermittlungswegen, ermittelt und unter Einsatz einer SWOT-Analyse auf ihre Wirksamkeit geprüft. Es wird bewiesen, dass die strategische Einflussnahme von Medienunternehmen auf Politik, Staat, Wirtschaft und Gesellschaft in einem so großen Ausmaß stattfindet, dass in den nicht-marktlichen Aktivitäten eine bedeutende Basis für die gesamte Geschäftstätigkeit der Unternehmen zu sehen ist. Als einer der aktivsten Lobbyisten im europäischen Raum verfügt der Bertelsmann-Konzern über die Ressourcen, die Expertise und die Macht, wirtschaftspolitische und rechtliche Entscheidungen auf nationaler und globaler Ebene, die öffentliche Meinung sowie zahlreiche Wirtschaftsbranchen effizient und nachhaltig zu seinem Vorteil zu beeinflussen. Dabei kommen unternehmensinterne Verflechtungen mit aufwendigen, ausgereiften und hochwirksamen Lobbying-Strategien zum Einsatz, welche das Unternehmen - vor allem, um deren Wirksamkeit nicht zu schwächen, aber auch, um mögliche rechtliche Konsequenzen zu vermeiden - der Öffentlichkeit vorenthält.

In dieser Arbeit wird der Film Django Unchained (2012) auf seine Merkmale als intertextueller Film und Genre-Mix untersucht. Es wird dargestellt, inwiefern er postmoderne Strategien aufweist und im postmodernen Spektrum zu verorten ist. Anschließend wird der Film auf Merkmalsähnlichkeiten mit dem Western und ausgewählten Sub-Genres geprüft, um zu beurteilen, um welche Art von Mischform es sich bei dem Film handelt.

Many companies use machine learning techniques to support decision-making and automate business processes by learning from the data that they have. In this thesis we investigate the theory behind the most widely used in practice machine learning algorithms for solving classification and regression problems. In particular, the following algorithms were chosen for the classification problem: Logistic Regression, Decision Trees, Random Forest, Support Vector Machine (SVM), Learning Vector Quantization (LVQ). As for the regression problem, Decision Trees, Random Forest and Gradient Boosted Tree were used. We then apply those algorithms to real company data and compare their performances and results.