Das MOVE-Framework basiert auf umfassender wissenschaftlicher Forschung, die qualitative und quantitative Methoden miteinander kombiniert.
Referenz: DOI 10.17605/OSF.IO/NKB4J - ORCID 0009-0009-9708-0695
Open Science Repository (OSF): Zugriff auf alle Daten, Materialien und Forschungsinstrumente →
Theoretische Grundlagen
Das MOVE-Framework stützt sich auf eine Kombination aus Führungstheorie, Organisationsverhalten, Kommunikationswissenschaft, Psychologie und Change Management.
Es integriert Erkenntnisse darüber, wie Führungskräfte in Projektumgebungen Vertrauen, Motivation und konstruktive Konfliktlösung fördern können, und betont dabei die menschlichen Faktoren, die den Projekterfolg maßgeblich beeinflussen.
Der Ansatz verbindet Elemente emotionaler Intelligenz, psychologischer Sicherheit, bedürfnisorientierter Kommunikation und systemischen Denkens mit praxisnahen Methoden des Projektmanagements und der Governance.
Das Ergebnis ist ein menschenzentrierter, bedürfnisorientierter Führungsansatz, der Motivation, Mediation und Momentum in strukturierter und handlungsleitender Weise zusammenführt – und sicherstellt, dass Führungsentscheidungen sowohl die technischen als auch die zwischenmenschlichen Dimensionen der Projektarbeit berücksichtigen.
Ergebnisse der qualitativen Forschung
53 vertiefende Experteninterviews mit Projektmanagerinnen und Projektmanagern, Sponsoren sowie Teammitgliedern aus unterschiedlichen Branchen und Ländern.
Dabei wurden wiederkehrende Muster in Bezug auf Bedürfnisbewusstsein, Vertrauensaufbau, Konfliktlösung und Motivationsfaktoren identifiziert.
Die gewonnenen Erkenntnisse wurden thematisch codiert und führten zur Entwicklung des MOVE-Prozessmodells, des MOVE-Kompetenzmodells und des MOVE-Vertrauensmodells.
Eine starke Konvergenz zwischen wissenschaftlicher Theorie und praktischer Erfahrung bestätigte die Kernelemente des Modells.
Ergebnisse der quantitativen Forschung.
827 Umfrageteilnehmende aus unterschiedlichen Rollen, Branchen und geografischen Regionen.
Es wurden vier Hypothesen geprüft, die den Zusammenhang zwischen bedürfnisfokussierter Führung und Motivation, Teamstabilität, Projekterfolg sowie Führungseigenschaften untersuchten.
Die Ergebnisse zeigten positive Korrelationen mit kleinen bis mittleren Effektstärken – was die praktische Relevanz unterstreicht und zugleich die Komplexität von Führungseinflüssen verdeutlicht.
Es traten rollenspezifische Unterschiede zutage: Projektmanager, Sponsoren und Teammitglieder bewerteten Kompetenzen unterschiedlich, was die Notwendigkeit einer rollenübergreifenden Abstimmung hervorhebt.
Methodische und konzeptionelle Einschränkungen
Die Forschung berücksichtigt verschiedene Einschränkungen, darunter:
Überrepräsentation sehr erfahrener Projektmanagerinnen und Projektmanager (potenzieller Rollenbias)
Verzerrungen in der Geschlechter- und Altersverteilung
Sprachliche und kulturelle Interpretationsunterschiede in der Umfrage
Komplexität einzelner Survey-Fragen sowie mögliche Effekte durch erzwungene Rangreihungen
Fehlende psychometrische Validierung der eingesetzten Messinstrumente
Kleine bis mittlere Effektstärken, die die Generalisierbarkeit der Ergebnisse begrenzen
Diese Faktoren bieten einen wichtigen Kontext für die Interpretation der Ergebnisse und zeigen auf, in welchen Bereichen weiterer Forschungsbedarf besteht.
Zukünftige Forschungsfelder und offene Fragestellungen
Mögliche Ansatzpunkte zur Weiterentwicklung der MOVE-Forschung umfassen:
Die Erprobung des Modells in unterschiedlichen kulturellen Clustern und Branchenkontexten
Die Messung langfristiger Effekte bedürfnisfokussierter Führung auf die organisationale Leistungsfähigkeit
Die Weiterentwicklung KI-gestützter Führungstools zur Echtzeit-Erkennung von Bedürfnissen und zur Prävention von Konflikten
Die Untersuchung der Anwendbarkeit von MOVE in nicht-projektbezogenen Kontexten, etwa in der Produktion, Bildung oder Gesundheitswesen
Die Analyse des Return on Investment (ROI) bedürfnisfokussierter Führung – sowohl in menschlicher als auch in finanzieller Hinsicht
Interaktiver Zugang (KI/LLM)
Erkunden Sie die Inhalte der Masterarbeit interaktiv mithilfe KI-gestützter Tools:
-
Stellen Sie detaillierte Fragen und erhalten Sie maßgeschneiderte, kontextreiche Erläuterungen zu MOVE-Konzepten. CustomGPT öffnen →
-
Erstellen Sie Zusammenfassungen und verknüpfen Sie Inhalte kapitelübergreifend, um ein vertieftes Verständnis zu gewinnen.
-
Empfohlen: AI-Repository
Öffne eustella und starte eine neue Unterhaltung.
Übergib die URL des KI-Repositories oder die Raw Index File als Einstiegspunkt.
Stelle Fragen zur Masterarbeit, zum MOVE Model, zu Needs-Focused Leadership, Vertrauen, Motivation, Konfliktmanagement, psychologischer Sicherheit, Führungskompetenzen oder zu den empirischen Forschungsergebnissen.
Warum das Repository verwenden?
Das Repository wurde speziell für die KI-gestützte Erkundung der Masterarbeit aufbereitet und enthält:
KI-lesbare Kapitel im Markdown-Format
Vollständige Dokumentation des MOVE Models
MOVE Competency Model
MOVE Trust Model
Empirische Forschungsergebnisse
Verwendetes Umfrageinstrument
Grafiken und visuelle Modelle
Zitationsmetadaten und Literaturverweise
Strukturierte Verknüpfungen zwischen Konzepten und Inhalten
Dieser Ansatz ermöglicht eine tiefere und präzisere Analyse als die Nutzung eines einzelnen PDFs.
Alternative: Masterarbeit als PDF
Alternativ kann das vollständige PDF der Masterarbeit direkt in eustella hochgeladen werden.
Anschließend können Fragen zu den Forschungsergebnissen, Modellen, Erkenntnissen und praktischen Anwendungsmöglichkeiten gestellt werden.
-
1. Index-Datei herunterladen
Laden Sie das verlinkte PDF MOVE_Hub_Index_Google.pdf herunter und speichern Sie es lokal auf Ihrem Gerät.
2. Chat öffnen und PDF hochladen
Gehen Sie auf https://chat.mistral.ai/ (oder nutzen die App) und laden die gespeicherte PDF-Datei in einen neuen Chat hoch.
3. Spezifische Fragen stellen
Nutzen Sie den Chat, um gezielte Fragen zur Masterarbeit zu stellen. Le Chat greift auf den Index und die darin referenzierten Inhalte zu, um Ihnen detaillierte Antworten zu den Modellen und Forschungsergebnissen zu geben.
-
1. MOVE_Hub_Index.doc herunterladen
2. Copilot öffnen und anmelden
Sie können einen Chat in der Microsoft-App (sofern verfügbar) starten oder die Browser-Version nutzen: Microsoft Copilot öffnen →
3. Die Datei MOVE_Hub_Index.doc im Chat hochladen und mit folgendem Prompt beginnen:
Dieses Dokument dient als zentrales Inhaltsverzeichnis der Masterarbeit Needs-Focused Leadership in Project Management von Daniel Hendling. Bitte öffnen Sie dieses Dokument und verwenden Sie es als primären Referenzpunkt für meine Fragen.
Das Dokument enthält Beschreibungen und OneDrive-Links zu allen Kapiteln, Forschungsergebnissen und Visualisierungen der Modelle.
Wenn ich eine Frage stelle: Öffnen Sie die jeweils verlinkten Dateien aus OneDrive und fassen Sie die zentralen Inhalte zusammen oder erstellen Sie bei Bedarf Vergleiche zwischen den Dokumenten.
-
Stellen Sie vertiefende Fragen und erhalten Sie strukturierte, thesis-basierte Erläuterungen zu MOVE-Konzepten und Forschungsergebnissen. MOVE Research Assistant öffnen →
-
1. Index-Link kopieren
Kopieren Sie den Link zur zentralen Index-Datei in die Zwischenablage: MOVE_Hub_Index_Google.pdf2. Gemini öffnen und anmelden
Gehen Sie auf gemini.google.com oder verwenden Sie die Gemini App.3. Chat durch Einfügen des Links starten
Fügen Sie den Link direkt in ihrem ersten Prompt ein, um Gemini Zugriff auf die Masterarbeit zu geben. Beispiel: „Gib mir basierend auf dieser Index-Datei [Link] einen Überblick über das MOVE-Modell.“4. Mit der Masterarbeit interagieren
Stellen Sie spezifische Fragen zu jedem Kapitel oder Forschungsergebnis, das im Index referenziert wird. Gemini analysiert die verlinkten Dokumente und liefert Ihnen detaillierte Einblicke. -
1. ZIP-Datei herunterladen
2. Datei lokal entpacken
Extrahieren Sie alle 22 PDF-Dateien auf Ihren Computer.
3. Dateien in Google Drive hochladen
Sie können die Dateien in einem beliebigen Ordner speichern (Ordnername frei wählbar).
4. Gemini starten
Gehen Sie zu Einstellungen (unten links) → Apps → aktivieren Sie Produktivität / Google Workspace.
Stellen Sie sicher, dass die Smart-Funktionen in Gmail, Google Workspace und anderen Google-Produkten aktiviert sind.
Gmail muss für Ihr Konto aktiv sein.
Erlauben Sie Gemini AI den Zugriff auf Google Workspace (Drive). Je nach Konfiguration werden Sie möglicherweise aufgefordert, die Aktivitätsverfolgung in Gemini-Apps zu aktivieren und die Verbindung mit Google Workspace zu autorisieren.
Bestätigen Sie den Zugriff auf Ihre Drive-Dateien.
5. Starten Sie die Konversation in Gemini mit folgendem Prompt:
Ich habe die folgenden 22 PDF-Dokumente in meinen Google Drive hochgeladen.
Diese Dateien bilden gemeinsam die vollständige Struktur der Masterarbeit von Daniel Hendling zum Thema Needs-Focused Leadership in Project Management:
01_Abstract.pdf
02_Context_and_Thesis_Setup.pdf
03_Projects_and_Success_Framework.pdf
04_Human_Needs_and_Emotion.pdf
05_Motivation.pdf
06_Mediation_and_Conflict.pdf
07_AI_and_Needs_Focused_Leadership.pdf
08_Mindset_and_Skillset.pdf
09_Qualitative_Research.pdf
10_Quantitative_Research.pdf
11_MOVE_Model_Description.pdf
12_Side_Findings_and_Reflections.pdf
13_Methodological_and_Conceptual_Limitations.pdf
14_Directions_for_Future_Research.pdf
15_Interview_Details_Citations.pdf
16_MasterThesis_CleanCore.pdf
17_MOVE_Process_Model.pdf
18_MOVE_Competency_Model.pdf
19_MOVE_Trust_Tripod.pdf
20_MOVE_Models_Combined.pdf
21_Spectrum_of_Needs.pdf
22_Spectrum_of_Needs_text_structure.pdf
Agiere als fachkundige Assistenz mit vollständigem Zugriff auf diese Dokumente.
Wenn du antwortest, stütze dich stets auf die Inhalte der Masterarbeit und kennzeichne klar, ob deine Antwort basiert auf:
1. Theoretischen Grundlagen und zitierter Literatur der Arbeit,
2. Empirischen Forschungsergebnissen oder originären Modellen von Daniel Hendling, oder
3. Praktischen Anwendungen und Reflexionen aus der Arbeit.
Gib keine allgemeinen Führungsempfehlungen außerhalb dieses Rahmens.
Passe deinen Ton an die jeweilige Zielgruppe an (Studierende, Wissenschaft, Praxis), abhängig vom Stil und Kontext der gestellten Frage.
Open Source Zugriff (Advanced)
Zugriff auf die Masterarbeit in einer strukturierten, maschinenlesbaren Form. Das Repository bietet direkten Zugang zu allen Kapiteln, Modellen und empirischen Komponenten in einem Format, das für Forschung und AI-gestützte Nutzung optimiert ist.
GitHub Repository (für fortgeschrittene Nutzung)
Strukturierte, kapitelbasierte Markdown-Dateien
Direkter Zugriff auf Rohtext (AI-lesbar)
Integrierte empirische Daten und Fragebogen
Visuelle Modelle in mehreren Sprachen
Zitations-Metadaten (DOI, ORCID)
Versioniert und transparent gepflegt
Dieses Format eignet sich besonders für:
AI-gestützte Analyse
wissenschaftliche Referenzierung
strukturierte Exploration von Konzepten und Daten