Familientherapie ist ein relevanter Ansatz psychosozialer Versorgung in Ländern des globalen Südens. Für einen fairen globalen Wissenstransfer im Rahmen der Ausbildung sind implizite Werte westlicher Konzepte transparent zu machen und emergente Irritationen als Hinweise für kulturellen Adaptionsbedarf aufzunehmen. Für systemisch-familientherapeutische Arbeit in Kambodscha wurden Aspekte kultureller und kontextueller Passung erforscht, um damit die lokale Entwicklung einer entsprechenden Weiterbildung in dem südostasiatischen Land zu unterstützen. Dazu wurden Schlüsselkonzepte systemischer Familientherapie mit einem multidimensionalen, ökosystemischen Ansatz kulturvergleichend exploriert. Weiterführend wurden wesentliche Kompetenzen einer kambodschanischen Familientherapie spezifiziert, um Anschlussfähigkeit herzustellen zu den Werten soziozentrischer Familienorganisation sowie kulturell geprägter Vorstellungen von Hilfe, Rat und Heilung. Schließlich werden aus den empirischen Ergebnissen inhaltliche und didaktische Empfehlungen für die systemische Weiterbildung in Kambodscha sowie grundsätzliche Implikationen für eine transkulturelle familientherapeutische Arbeit abgeleitet.

Monatlicher Newsletter der HLSB Fulda

Hintergrund Die Pflicht eines jeden Arztes/einer jeden Ärztin zu allen Geburten eine Hebamme hinzuzuziehen ist in Deutschland einzigartig. Hebammen argumentieren für, die Ärzteschaft gegen die Beibehaltung dieser Hinzuziehungspflicht im deutschen Hebammengesetz. Es stellt sich also die Frage, ob eine hebammengeleitete Geburtshilfe besser als eine ärztlich geleitete Geburtshilfe hinsichtlich der Outcomes für Mutter und Kind ist, und ob sich davon ausgehend die Beibehaltung der Hinzuziehungspflicht der Hebammen in Deutschland als sinnvoll erweist. Besonderer Fokus in dieser Arbeit liegt auf dem historischen Hintergrund der Hinzuziehungspflicht. Methodik Durch eine Literaturrecherche und die narrative Darstellung der Ergebnisse sollen die Forschungsfragen beantwortet werden. Hierzu wird Fachliteratur bezüglich zwei relevanter Aspekte analysiert: „Hebammengeleitete versus ärztlich geleitete Betreuungsmodelle“ und „Elterliche Erfahrungswerte und Wünsche bezüglich Hebammenbetreuung“. Ergebnisse Die Ergebnisse zeigen, dass die intrapartale Betreuung durch eine Hebamme mit besseren Outcomes für Mutter und Kind assoziiert ist als die ärztliche Betreuung. Ebenfalls zeigt sich, dass durch ausreichende, kompetente und kontinuierliche Geburtsbegleitung durch eine Hebamme die Geburtserfahrung positiver bewertet wird. Fazit Die Beibehaltung der Hinzuziehungspflicht ist mit Blick auf die aktuellen Forschungsergebnisse sinnvoll. Die Argumente der Gegner können entkräftet werden. Weitere Forschung ist anzustreben. Schlüsselwörter Hinzuziehungspflicht, Hebammengesetz (HebG), hebammengeleitete Betreuung, ärztlich geleitete Betreuung, Geburtserfahrung, Geburt

In our paper we investigate the role of civil society organisations (CSOs) in the provision of services and in forming advocacy coalitions for illegalized migrants in Bern and Vienna. We analyse the variety of CSOs which actively challenge policies of exclusion at the urban level. We examine the political and social practices of CSOs in local welfare arrangements and their organizational structures, the way they build up solidarity relations, networks and alliances, and their relations to municipality and urban authorities. By focusing on varieties of practices and strategies of CSOs, we shed light on civil society’s crucial role concerning the construction of urban infrastructure of solidarity and aim to show how local arrangements for illegalized migrants are co-produced and negotiated by a variety of actors within urban settings.

Currently, process control in automation technology is mostly regulated by fixed process parameters as a compromise between several identically constructed systems or by plant operators, who are often guided by intuition based on decades of experience. Some operators are not able to pass on their knowledge to the next generation due to societal developments, e.g. academization or increased desire for self-actualization. In contrast, the vision of Smart Factories includes intelligent machining processes that should ultimately lead to self-optimization and adaptation to uncontrollable variables. To consistently implement this vision of self-optimizing machines, a defined quality criterion must be automatically monitored and act as a feedback for continual, autonomous and safe optimization. The term safe refers to the compliance with process quality standards, which must always be maintained. In a very conservative branch such as automation technology, no risks whatsoever are allowed through random experiments for data generation in production operations, since, for example, an unscheduled downtime leads to serious financial losses. Furthermore, machine-driven decisions may at no time pose a threat. Thus, decisions under uncertainty may only be taken where the amount of uncertainty can be considered uncritical. Additionally, industrial applications require a guaranteed real-time capability in terms of reaction to ensure that the actions can be taken in time whenever needed. Since economic aspects are often crucial for decisions in industry, necessary experiments under laboratory conditions, for example, should also be as avoidable as possible, while the effort required for integration into a field application should be as simple as possible. The aim of this work is the scientific investigation of the integration of learning feedback for intelligent decision making in the control of industrial processes. The successful integration enables data-driven process optimization. To get closer to the vision of self-optimizing machines, safe optimization methods for industrial applications on the process level are investigated and developed. Here, considering the given restrictions of the automation industry is critical. This work addresses several fields including technical, algorithmic and conceptual aspects. The algorithmic refinements are essential for enabling a wider use of safe optimization for industrial applications. They allow, e.g., the automatic handling of the majority of hyper-parameters and the solution of complex problems by increased computational efficiency. Furthermore, the trade-off between exploration and exploitation of safe optimization in high-dimensional spaces is improved. To account for changeable states perceived via sensor data, contextual Bayesian optimization is modified so that safety requirements are met and real-time capability is satisfied. A software application for industrial safe optimization is implemented within a real-time capable control to be able to interact with other software modules to reach an intelligent decision. Further contributions cover recommendations regarding technical requirements with focus on edge control devices and the conceptual inclusion of machine learning to industrial process control. To emphasize the application relevance and feasibility of the presented concepts, real world lighthouse projects are realized in the course of this work, indented to reduce skepticism and thus initiate the breakthrough of self-optimizing machines.