Politikintegration von Biodiversitätszielen als Teil einer sozial-ökologischen Transformation
Bibliographic record
Abstract
Die Aufnahme von Biodiversität in unterschiedliche politische Sektoren und Ebenen ist eine zentrale Voraussetzung für eine sozial-ökologische Transformation. Um die globalen Ziele des Kunming-Montreal Global Biodiversity Framework (GBF) zu erreichen und dessen nationale Umsetzung sicherzustellen, müssen insbesondere die indirekten Treiber des Biodiversitätsverlusts adressiert werden. Die wissenschaftliche Debatte zur Politikintegration von Biodiversität (Biodiversity Policy Integration - BPI) sieht derzeit nur eine limitierte Berücksichtigung der Biodiversität in den meisten Sektoren in Deutschland und identifiziert entsprechende Ansatzpunkte, um die BPI zu verbessern. Im vorliegenden Beitrag gehen wir der Frage nach, wie sich Biodiversitätspolitiken in unterschiedlichen Sektoren und politischen Ebenen in Deutschland weiterentwickeln müssen, um die direkten und indirekten Treiber des Biodiversitätsverlusts zu adressieren. Wir nutzen dazu Erkenntnisse aus sechs Workshops mit 137 Expertinnen und Experten zu den Themenfeldern (1) Wiederherstellung von Ökosystemen, (2) Schutzgebiete und Erhaltungszustand, (3) Klima und Biodiversität, (4) Meere und Küsten, (5) Wirtschaft und Konsum sowie (6) Bildung, Kommunikation und gesellschaftliches Bewusstsein. Anhand der drei Hebel einer gemeinsamen Planung und Vision, einer Anpassung des regulativen Rahmens sowie eines adaptiven institutionellen Lernens zeigt der Beitrag auf, wie diese Transformation im Querschnitt gelingen kann. Dabei wird klar, dass der angestoßene Prozess sein transformatives Potenzial nur entfalten kann, wenn der bestehende regulative Rahmen sowie die zu Grunde liegenden administrativen Routinen und Mandate in Frage gestellt und in Hinblick auf ihre Biodiversitätswirkung neu ausgerichtet werden.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.009 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.005 | 0.010 |
| Scholarly communication | 0.012 | 0.010 |
| Open science | 0.001 | 0.008 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.011 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".