Junior Managment Science, Volume 11, Issue 1, April 2026

Junior Management Science, Volume 11, Issue 1, April 2026

  1. Christopher Dudel, Runtime-Sensitive Learned Operator Selection in ALNS: Testing Improvements to Adaptive Operator Selection while Optimizing Runtime, 1-26
  2. David Schopp, Die Rolle von Corporate Digital Responsibility im digitalen Controlling, 27-42
  3. Leonie Terhardt, Textauswertung in der Finanzanalyse: Eine Ereignisstudie zum Sentiment in Earnings Calls, 43-73
  4. Moritz Praetz, The Impact of Biodiversity Risk on Banks‘ Credit Default Swap Spread Changes, 74-106
  5. Sebastian Schmidt, Kausale Inferenz Unter Anwendung Von Double Machine Learning: Oregon Health Insurance Experiment, 107-138
  6. Susanne Rautzenberg, The Dark Side of Employer Branding – Aesthetic Labour and Employer Attractiveness in the Beauty and Cosmetics Industry, 139-163
  7. Justus Scharfstädt, Understanding Participation Trends in the Avani 5G Patent Pool: A Descriptive Analysis, 164-180
  8. Philipp Iversen, Generative AI-Enabled Music Generation in Marketing and Consumer Response, 181-194
  9. Ege Özkul, Predicting Stock Market Trends Using Convolutional Neural Networks: A Deep Learning Approach, 195-226
  10. Felix Achim Bautz, Relative Performance-Messung als Instrument der Unternehmenssteuerung, 227-245
Ausgabe lesen
Jetzt Arbeit einreichen
Informiert bleiben

Runtime-Sensitive Learned Operator Selection in ALNS: Testing Improvements to Adaptive Operator Selection while Optimizing Runtime

Christopher Dudel, Technical University of Munich (Bachelorarbeit)
Junior Management Science 11(1), 2026, 1-26

We propose and test two variations of the Adaptive Large Neighborhood Search (ALNS) meta-heuristic: First, we add time sensitivity to the operator selection scheme to optimize the ALNS for both solution quality and runtime. We reward comparatively slow operators with reduced rewards for finding improvements. This ensures that the meta-heuristic is slowed down less by operators which consistently find good solutions but take long to do so. Secondly, we replace the Adaptive Layer with a Learned Operator Selection Policy trained via Deep-Q Learning. The training takes both solution quality and operator runtime into account. We test our algorithms against classic ALNS as well as random operator selection. We perform an analysis of how operator portfolios affect performance. Our chosen problem domain is the Capacitated Vehicle Routing Problem with 100 to 400 customer nodes.

Keywords: adaptive large neighborhood search; vehicle routing; optimization; logistics; deep learning.

DOI: https://doi.org/10.5282/jums/v11i1pp1-26

Arbeit lesen
Appendix lesen
Arbeit zitieren

Die Rolle von Corporate Digital Responsibility im digitalen Controlling

David Schopp, Heinrich Heine University Düsseldorf (Bachelorarbeit)
Junior Management Science 11(1), 2026, 27-42

Die Digitalisierung verändert das Controlling grundlegend und erhöht zugleich die Anforderungen an einen verantwortungsvollen Umgang mit Daten, Technologien und automatisierten Entscheidungssystemen. Vor diesem Hintergrund untersucht diese Arbeit, inwiefern CDR die Gestaltung und Umsetzung digitaler Controllingprozesse beeinflusst. Ziel der Arbeit ist es, den Einfluss ethischer, datenschutzrechtlicher und technologischer Aspekte auf das digitale Controlling systematisch darzustellen und praxisorientierte Ansatzpunkte für die Integration von CDR aufzuzeigen. Methodisch basiert die Arbeit auf einer Literaturanalyse einschlägiger wissenschaftlicher Beiträge sowie regulatorischer und praxisnaher Quellen. Aufbauend auf den Domänen des digitalen Controllings nach Keimer und Egle werden die Auswirkungen von CDR auf die Bereiche Daten, Technologien, Prozesse, Methoden und Kompetenzen analysiert. Dabei stehen insbesondere Data Governance, Datenschutz, Künstliche Intelligenz und Big Data sowie der Wandel der Controllerrolle im Fokus. Die Ergebnisse zeigen, dass CDR als Rahmenkonzept alle Domänen des digitalen Controllings durchdringt und die Anforderungen an Controllingsysteme sowie Controllerkompetenzen deutlich erweitert. Ein verantwortungsvoller Einsatz digitaler Technologien erfordert transparente Datenstrukturen, ethisch reflektierte Analyseverfahren und eine strategische Verankerung von CDR in der Unternehmensführung. Diese Arbeit leistet damit einen Beitrag zur Schließung einer bestehenden Forschungslücke und verdeutlicht, dass CDR nicht nur eine normative Verpflichtung darstellt, sondern auch einen nachhaltigen Mehrwert für Unternehmen und Stakeholder schaffen kann.

Keywords: corporate digital responsibility; digitales controlling; künstliche intelligenz; datenschutz.

DOI: https://doi.org/10.5282/jums/v11i1pp27-42

Arbeit lesen
Arbeit zitieren

Textauswertung in der Finanzanalyse: Eine Ereignisstudie zum Sentiment in Earnings Calls

Leonie Terhardt, Heinrich Heine University Düsseldorf (Masterarbeit)
Junior Management Science 11(1), 2026, 43-73

Die vorliegende Arbeit untersucht den Einfluss des Sentiments in Earnings Calls auf die Reaktionen der Finanzmärkte. Ziel ist es zu analysieren, inwiefern der sprachliche Ausdruck in der Präsentation und im Rahmen des Q&A-Segments abnormale Renditen beeinflusst und welche Bedeutung die Informationslage der Investoren dabei hat. Die Untersuchung basiert auf Transkripten von Unternehmen des S&P Composite 1500, deren Tonalität mithilfe finanzspezifischer Lexika erfasst und im Rahmen einer Ereignisstudie ausgewertet wird. Die Ergebnisse der Untersuchung legen nahe, dass insbesondere das Sentiment im Q&A-Teil signifikante unmittelbare Marktreaktionen auslöst, wobei die Fragen der Analysten den größten Einfluss besitzen. Demgegenüber gewinnt das Sentiment der Präsentation in der Driftperiode an Bedeutung und führt häufig zu späteren Korrekturen. Darüber hinaus zeigen Investoren in Bezug auf Unternehmen mit einer höheren Unsicherheit eine erhöhte Sensibilität auf verbale Signale. Die Arbeit leistet einen Beitrag zur Forschung, indem sie zeigt, dass eine kontextspezifische Sentimentmessung zentrale Einblicke für die Bewertung qualitativer Unternehmensinformationen liefert und dabei die Grenzen generischer Textlexika aufzeigt.

Keywords: sentiment; earnings calls; textanalyse; ereignisstudie; finanzmarktreaktionen.

DOI: https://doi.org/10.5282/jums/v11i1pp43-73

Arbeit lesen
Appendix lesen
Arbeit zitieren

The Impact of Biodiversity Risk on Banks‘ Credit Default Swap Spread Changes

Moritz Praetz, Technical University of Munich (Masterarbeit)
Junior Management Science 11(1), 2026, 74-106

This paper explores the impact of biodiversity risk on banks’ credit risk using a news-based biodiversity index and CDS of 39 global banks between 2015 and 2023. Using a linear OLS regression, this paper finds evidence for a significant positive relationship between biodiversity news and CDS spread changes, where negative news leads to increasing CDS prices. Furthermore, cross-sectional analyses are conducted to test for heterogeneity. Using the Kunming Declaration in 2021 as an external shock, this paper finds evidence that the relationship persists for the period after the Kunming Declaration, suggesting no significant effect of biodiversity risk before. Further tests reveal no significant impact of a country’s state of biodiversity. In contrast, since the Kunming Declaration, the relationship is stronger for banks which openly disclose biodiversity risks. Banks located in the USA, the only UN nation which is not a member of the CBD, experience a weaker effect of biodiversity news on CDS spread changes. These results show that banks are subject to biodiversity-related credit risks, where expectations of new policies and regulation following the Kunming Declaration significantly affect banks’ CDS spreads.

Keywords: biodiversity; banking; credit default swaps; credit risk.

DOI: https://doi.org/10.5282/jums/v11i1pp74-106

Arbeit lesen
Appendix lesen
Arbeit zitieren

Kausale Inferenz Unter Anwendung Von Double Machine Learning: Oregon Health Insurance Experiment

Sebastian Schmidt, University of Hamburg (Masterarbeit)
Junior Management Science 11(1), 2026, 107-138

Diese Arbeit verwendet fortgeschrittene Methoden der Kausalen Inferenz, insbesondere das Double Machine Learning (DML) Framework, um die kausalen Effekte öffentlicher Krankenversicherung auf individuelle Gesundheitsvariablen anhand der Daten des Oregon Health Insurance Experiments (OHIE, 2008) zu schätzen. DML ermöglicht, unverzerrte Schätzungen von Treatment-Effekten in hochdimensionalen Datensätzen zu ermöglichen. Mittels Interactive Regression Models (IRM) und Interactive Instrumental Variable Models (IIVM) werden Effekte von Medicaid auf wahrgenommene Gesundheit, Anzahl der Arztbesuche, Zufriedenheit, Zugang zu medizinischen Leistungen sowie Versorgungsqualität untersucht. Die Ergebnisse zeigen geringe, aber positive kausale Effekte von Medicaid auf die wahrgenommene Gesundheit und die Häufigkeit der Arztbesuche, statistisch insignifikante Effekte auf Zufriedenheit und Medikamentenzugang sowie einen leicht negativen Zusammenhang mit der wahrgenommenen Behandlungsqualität. Die Ergebnisse unterstreichen das Potenzial von Double Machine Learning als robustes Instrument der Kausalanalyse in empirischen Studien.

Keywords: causal inference; double machine learning; oregon health insurance experiment.

DOI: https://doi.org/10.5282/jums/v11i1pp107-138

Arbeit lesen
Arbeit zitieren

The Dark Side of Employer Branding – Aesthetic Labour and Employer Attractiveness in the Beauty and Cosmetics Industry

Susanne Rautzenberg, Vienna University of Economics and Business (Masterarbeit)
Junior Management Science 11(1), 2026, 139-163

This thesis examines the impact of Aesthetic Labour on employer branding within the cosmetics industry, with a focus on Generation Z (Gen Z). Aesthetic Labour refers to the employment of workers whose appearance reflects the company’s brand image, thereby shaping perceptions of
employer attractiveness. The central research question is how such practices influence Gen Z’s perceptions of employer attractiveness in the beauty sector.

Through semi-structured interviews with twelve current and former Gen Z employees of well- known cosmetics firms, this study uncovers the dual nature of employer branding in the industry.

Externally, a polished, glamorous image attracts applicants, while internally, aesthetic norms may foster subtle pressures on employees to conform, creating tensions despite otherwise supportive work cultures. The findings reveal that Aesthetic Labour enhances employer attractiveness by creating a desirable yet sometimes unattainable image. This study contributes to the understanding of Aesthetic Labour’s paradoxical role in employer branding. It highlights the need for cosmetics firms to balance proven branding strategies with inclusive and diverse employment practices to meet the evolving demands of the modern workforce.

Keywords: aesthetic labour; employer branding; cosmetics industry; generation z.

DOI: https://doi.org/10.5282/jums/v11i1pp139-163

Arbeit lesen
Appendix lesen
Arbeit zitieren

Understanding Participation Trends in the Avani 5G Patent Pool: A Descriptive Analysis

Justus Scharfstädt, Technical University of Munich (Bachelorarbeit)
Junior Management Science 11(1), 2026, 164-180

Patent pools play a critical role in adapting to new technology standards by simplifying the licensing of Standard-Essential Patents (SEPs). The Avanci 5G pool provides a licensing platform for vehicle manufacturers to access essential technologies for connected vehicles. Despite the growing importance of these pools, there is limited research on the dynamics of participation and its implications for different stakeholders. This study provides a descriptive analysis of the Avanci 5G pool, particularly focusing on the development of the SEP and licensee coverage since its inception. It uses a mixed-methods approach and combines multiple data sources for the coverage estimates. My findings reveal substantial growth in both SEP and licensee coverage but highlight a significant gap in the participation of Asian automakers, potentially due to perceived anti-competitive risks. Policy makers and relevant stakeholders should aim to foster a competitive and innovative environment in SEP licensing.

Keywords: patent pool; licensing; connected vehicles; innovation; anti-competitive risks.

DOI: https://doi.org/10.5282/jums/v11i1pp164-180

Arbeit lesen
Appendix lesen
Arbeit zitieren

Generative AI-Enabled Music Generation in Marketing and Consumer Response

Philipp Iversen, Technical University of Munich (Bachelorarbeit)
Junior Management Science 11(1), 2026, 181-194

Generative AI is revolutionizing the marketing industry by producing high-quality, cost-effective and time-efficient content. This study investigates the potential of AI-generated music in digital advertising. Two studies, a survey and a real-world A/B test, evaluate the different songs on chosen criteria: Overall, Melodiousness, Creativity, Naturalness, Correctness and Prompt following for the survey, and click-through rates (CTR) for the field experiment. The survey results show that AI-generated music can be comparable in quality to human compositions, even scoring significantly higher in the categories Prompt Following and Melodiousness. However, AI music showed significantly worse results in the category Creativity. The field experiment revealed no statistically significant difference in CTR between advertisements using AI-generated and royalty-free music, demonstrating that AI music can be a good substitute in supporting roles. This research underlines the possibility for AI-generated music to be used in hyper-personalized advertising, while addressing challenges related to perceived creativity and copyright. The findings contribute to understanding AI’s disruptive potential in marketing and offers practical insights to integrate AI tools effectively.

Keywords: AI-generated music; music in advertising; AI consumer response.

DOI: https://doi.org/10.5282/jums/v11i1pp181-194

Arbeit lesen
Appendix lesen
Arbeit zitieren

Predicting Stock Market Trends Using Convolutional Neural Networks: A Deep Learning Approach

Ege Özkul, Technical University of Munich (Masterarbeit)
Junior Management Science 11(1), 2026, 195-226

Technical analysis aims to predict stock returns based on price and volume patterns and has seen growing adoption of machine learning methods. However, most approaches rely on hand-crafted features. This paper investigates whether deep learning applied to stock chart images can predict future returns without manual feature engineering. Building on Jiang et al. (2023), this study applies Convolutional Neural Networks (CNNs), a computer vision architecture, to predict stock returns from price charts and extends their approach by implementing Vision Transformers, specifically the Class-Attention in Image Transformer (CaiT). Stock prices, volumes, and moving averages are encoded into images, which are used to train models that classify future stock returns as either positive or negative. Results show that both CNN and CaiT models outperform traditional technical indicators such as momentum and reversal strategies when applied to US stocks. Moreover, combining the two models yields incremental predictive power. An investment strategy based on their joint predictions achieves higher returns and Sharpe ratios than either model alone.

Keywords: technical analysis; stock return prediction; deep learning; convolutional neural networks; vision transformers.

DOI: https://doi.org/10.5282/jums/v11i1pp195-226

Arbeit lesen
Appendix lesen
Arbeit zitieren

Relative Performance-Messung als Instrument der Unternehmenssteuerung

Felix Achim Bautz, Heinrich Heine University Düsseldorf (Bachelorarbeit)
Junior Management Science 11(1), 2026, 227-245

Die Stabilisierung und Steigerung der Unternehmensleistung stellt eine zentrale Herausforderung der Unternehmenssteuerung dar. Dabei kommt der verhaltensorientierten Ergebnissteuerung eine besondere Bedeutung zu. Das Fehlen eines allgemein akzeptierten und wirksamen Anreizsystems erfordert eine vertiefte Auseinandersetzung mit den zugrundeliegenden Wirkmechanismen jenseits oberflächlicher Systemmerkmale. Relative Performance-Messung (RPM) bietet in diesem Kontext ein dynamisches Instrument zur strategiekonformen Ausrichtung von Leistung und Motivation, ist jedoch zugleich mit Risiken wie Demotivation und dysfunktionalem Verhalten verbunden. Diese Studie analysiert die Wirkung von RPM im Spannungsfeld von Wettbewerb und sozialem Vergleich, eingebettet in das soziale System „Unternehmen“. Aufbauend auf der Agency-Theorie (AT) wird die ökonomische Intuition von RPM durch die Turniertheorie hergeleitet, deren Grenzen durch die Analyse der Forced-Ranking-Praxis aufgezeigt werden. Die Perspektive wird durch die Theorie des sozialen Vergleichs (TSV) erweitert, wodurch aufgezeigt werden kann, wie aufgabenbezogene, personenbezogene und umgebungsbezogene Variablen sowie das Design des Anreizsystems die Wirksamkeit von RPM in unterschiedlichen Anwendungsszenarien beeinflussen. Die Arbeit leistet damit einen Beitrag zur Integration ökonomischer und sozial-psychologischer Ansätze der Performance-Messung (PM) und formuliert praxisorientierte Implikationen für die passgenaue Gestaltung von RPM-Systemen in der Unternehmenssteuerung.

Keywords: turnier-theorie; theorie des sozialen vergleichs; unternehmenssteuerung; agency-theory; relative performance-messung.

DOI: https://doi.org/10.5282/jums/v11i1pp227-245

Arbeit lesen
Arbeit zitieren