Diplomacy & Defense Think Tank News

Kim Jong Un showed his tit-for-tat move against the latest South Korea-U.S. military drills.

In ihrer Außen- und Sicherheitspolitik verfolgte die Bundesrepublik Deutschland von Anfang an ein Rollenkonzept, das sich an drei grund­legenden Prämissen orientierte: »Nie wieder« (Absage an die Gräuel des nationalsozialistischen Deutschland), »niemals im Alleingang« (prinzi­pieller Multilateralismus), »Diplomatie statt Gewalt«. Dieses Rollenkonzept lässt sich als das einer »Zivilmacht« beschreiben. Die im Verfolg dieses Konzeptes insgesamt überaus erfolgreiche Politik verdankte sich innen- und außenpolitischen Voraussetzungen, die im Verlauf der beiden letzten Jahrzehnte zusehends erodierten. Innenpolitisch ermöglicht wurden die Erfolge der Zivilmacht Deutschland durch kluge Machtpolitik: Die Bundesrepublik entfaltete ein auf ihr Rol­lenkonzept zugeschnittenes Portfolio an Machtressourcen, die letztlich der friedlichen Wiedervereinigung eines in ein vereintes Europa einge­betteten Deutschlands den Weg bahnten. Die Kultivierung dieser Macht­ressourcen und eine konsequente strategische Ausrichtung am Konzept der Zivilmacht wurden in jüngster Zeit jedoch vernachlässigt. Außenpolitisch beruhten die Erfolge auf der Verfügbarkeit von inner- und außereuropäischen Partnern, leistungsfähigen internationalen Orga­nisationen und einem internationalen Umfeld, das insgesamt in gewissem Ausmaß »zivilisiert« war: Die Anwendung von Gewalt wurde in den zwischenstaatlichen Beziehungen durch das nukleare Patt in Europa ein­gehegt. In seinen Grundzügen ist das Rollenkonzept der Zivilmacht für Deutsch­land auch unter den gegenwärtigen, wesentlich ungünstigeren äußeren Bedingungen unverzichtbar: Es ist außen- wie innenpolitisch zutiefst verwoben mit der Identität und Verfassung der Bundesrepublik als liberale Demokratie. Die Bundesregierung sollte daher auf eine konsequente Wahrung und Mehrung ihres spezifischen Machtportfolios setzen und dabei insbesondere die (Fort-)Entwicklung der internationalen und supranationalen Zusammenarbeit mit anderen liberalen Demokratien und gleichgesinnten Partnern vorantreiben.

Die im DIW Berlin angesiedelte forschungsbasierte Infrastruktureinrichtung Sozio-oekonomisches Panel (SOEP) sucht zum nächstmöglichen Zeitpunkt eine studentische Hilfskraft (w/m/div) für 12 Wochenstunden.

Die am DIW Berlin angesiedelte forschungsbasierte Infrastruktureinrichtung Sozio-oekonomisches Panel (SOEP) ist eine der größten und am längsten laufenden multidisziplinären Panelstudien weltweit, für die derzeit jährlich etwa 30.000 Menschen in knapp 15.000 Haushalten befragt werden. Das SOEP hat den Anspruch den gesellschaftlichen Wandel zu erfassen und steht immer neuen vielfältigen Themen- und Aufgabenfeldern gegenüber.

Ihre Aufgabe ist die Mitwirkung bei der Fragebogentestung, Datenaufbereitung und -prüfung sowie Berichtslegung und wissenschaftliche Recherche. Dabei lernen Sie das reichhaltige Angebot der SOEP-Daten in seiner ganzen Breite kennen und gewinnen Einblicke in die Arbeit mit empirischen Daten.

The existential catastrophe faced by the population of the Gaza Strip currently looms large in the foreign policy and security debates. The plight of civilians there is par­ticularly acute. Yet, severe crises persist elsewhere too – from Ukraine and Sudan to Myanmar, the Democratic Republic of Congo, and Haiti – where protracted violent conflicts continue to cause grave suffering among civilians. This grim reality is under­scored in the United Nations Secretary-General’s latest annual report, released in May. At the same time, conventional mechanisms for international conflict resolution are failing in an increasing number of contexts. In light of this, it is crucial to system­atically track evolving conflict dynamics and to revise approaches to the protection of civilians accordingly.

The European Union operates largely in accordance with the principles of consensus democracy – that is, it seeks to integrate as many parties spanning the political spec­trum of its member states as possible. Amid the recent growth of far-right parties at both the national and European level, this approach has led to the increased participation of such forces in EU institutions. Analysis of key actors at the EU level shows that since no later than the 2024 European elections, representatives of far-right par­ties have been involved in all major EU decisions. The centres of their influence are the European Council and the Council of the EU, where they participate as leaders or partners in national governments. But they are increasingly becoming more influential in the European Parliament, which has shifted to the right and where alternative majorities are now possible. At the same time, significant differences remain between the far-right parties. Ultimately, the extent of their influence and which far-right trend predominates within the EU system depends mainly on the largest force in European politics – the European People’s Party.

Die Europäische Union operiert in weiten Teilen nach den Prinzipien einer Konsensdemokratie, die darauf ausgerichtet ist, möglichst das komplette politische Spektrum ihrer Mitgliedstaaten zu integrieren. Angesichts der Zuwächse von Rechts­außen­parteien auf nationaler wie auf europäischer Ebene vermehrt sich daher zunehmend auch ihr Einfluss in den EU-Institutionen. Die Analyse der zentralen Akteure auf EU‑Ebene zeigt: Spätestens seit den Europawahlen 2024 sind Vertreter:innen von Rechtsaußenparteien in nahezu allen EU-Entscheidungsprozessen präsent. Die Schwer­punkte ihres Einflusses liegen – aufgrund ihrer Teilhabe an nationalen Regierungen – im Europäischen Rat und im Rat der EU, zunehmend aber auch im nach rechts gerück­ten Europäischen Parlament, in dem inzwischen alternative Mehrheitskonstellationen möglich sind. Gleichzeitig bleiben die Unterschiede innerhalb des Rechtsaußenspektrums groß. Wie prägend dessen Einfluss ist und welche Strömung sich unter den Rechtsaußenparteien durchsetzt, hängt maßgeblich von der Europäischen Volks­partei (EVP) ab.

China’s limited success in managing the political risks of the BRI has resulted in reputational costs and played a role in China’s curtailed flow of BRI lending in recent years.

Far from consolidating, recognition by the international community could expose the group’s rifts over resources, external demands, and identity.

Amidst different global food insecurity challenges, like the COVID-19 pandemic and economic turmoil, this article investigates the potential of machine learning (ML) to enhance food insecurity forecasting. So far, only few existing studies have used pre-shock training data to predict food insecurity and if they did, they have neither done this at the household-level nor systematically tested the performance and robustness of ML algorithms during the shock phase. To address this research gap, we use pre-COVID trained models to predict household-level food insecurity during the COVID-19 pandemic in Uganda and propose a new approach to evaluate the performance and robustness of ML models. The objective of this study is therefore to find high-performance and robust ML algorithms during a shock period, which is both methodologically innovative and practically relevant for food insecurity research. First, we find that ML can work well in a shock context when only pre-shock food security data are available. We can identify 80% of food-insecure households during the COVID-19 pandemic based on pre-shock trained models at the cost of falsely classifying around 40% of food-secure households as food insecure. Second, we show that the extreme gradient boosting algorithm, trained by balanced weighting, works best in terms of prediction quality. We also identify the most important predictors and find that demographic and asset features play a crucial role in predicting food insecurity. Last but not least, we also make a contribution by showing how different ML models should be evaluated in terms of their area under curve (AUC) value, the ability of the model to correctly classify positive and negative cases, and in terms of the change in AUC in different situations.

Amidst different global food insecurity challenges, like the COVID-19 pandemic and economic turmoil, this article investigates the potential of machine learning (ML) to enhance food insecurity forecasting. So far, only few existing studies have used pre-shock training data to predict food insecurity and if they did, they have neither done this at the household-level nor systematically tested the performance and robustness of ML algorithms during the shock phase. To address this research gap, we use pre-COVID trained models to predict household-level food insecurity during the COVID-19 pandemic in Uganda and propose a new approach to evaluate the performance and robustness of ML models. The objective of this study is therefore to find high-performance and robust ML algorithms during a shock period, which is both methodologically innovative and practically relevant for food insecurity research. First, we find that ML can work well in a shock context when only pre-shock food security data are available. We can identify 80% of food-insecure households during the COVID-19 pandemic based on pre-shock trained models at the cost of falsely classifying around 40% of food-secure households as food insecure. Second, we show that the extreme gradient boosting algorithm, trained by balanced weighting, works best in terms of prediction quality. We also identify the most important predictors and find that demographic and asset features play a crucial role in predicting food insecurity. Last but not least, we also make a contribution by showing how different ML models should be evaluated in terms of their area under curve (AUC) value, the ability of the model to correctly classify positive and negative cases, and in terms of the change in AUC in different situations.

Amidst different global food insecurity challenges, like the COVID-19 pandemic and economic turmoil, this article investigates the potential of machine learning (ML) to enhance food insecurity forecasting. So far, only few existing studies have used pre-shock training data to predict food insecurity and if they did, they have neither done this at the household-level nor systematically tested the performance and robustness of ML algorithms during the shock phase. To address this research gap, we use pre-COVID trained models to predict household-level food insecurity during the COVID-19 pandemic in Uganda and propose a new approach to evaluate the performance and robustness of ML models. The objective of this study is therefore to find high-performance and robust ML algorithms during a shock period, which is both methodologically innovative and practically relevant for food insecurity research. First, we find that ML can work well in a shock context when only pre-shock food security data are available. We can identify 80% of food-insecure households during the COVID-19 pandemic based on pre-shock trained models at the cost of falsely classifying around 40% of food-secure households as food insecure. Second, we show that the extreme gradient boosting algorithm, trained by balanced weighting, works best in terms of prediction quality. We also identify the most important predictors and find that demographic and asset features play a crucial role in predicting food insecurity. Last but not least, we also make a contribution by showing how different ML models should be evaluated in terms of their area under curve (AUC) value, the ability of the model to correctly classify positive and negative cases, and in terms of the change in AUC in different situations.

It is nearly impossible for even the closest U.S. allies to comply with its byzantine immigration system. That needs to change.

Treasury’s latest sanctions show momentum, but contradictions in U.S. policy risk blunting their impact.

Geopolitics in East Asia is pushing Ulaanbaatar and Tokyo to rely more on each other.

Recent trends cast doubt on the long-standing assumption that young people in Japan are politically irrelevant.

Unlike when the U.S. held unipolar power, times have changed as China and the BRICS countries begin fashioning a non-militarized, multipolar world. 

China is willing to stand with non-Western partners firmly, but remains determined to avoid Cold War-style alliances.

After evacuating thousands of Thais from Israel in 2023, the Thai military is thinking more about how it could get citizens out of other hotspots.

Die Bundeswirtschaftsministerin hat das lange erwartet Energiewende-Monitoring vorgelegt. Steht die Energiewende am Scheideweg – und braucht sie eine Neuausrichtung? Das besprechen wir ausführlich mit Prof. Dr. Andreas Löschel, der selbst eine Art Chef-Monitorer der Energiewende ist. Wo steht die ...

Wer eine App entwickeln möchte, muss früh entscheiden: nativ, hybrid oder Progressive Web App (PWA)? Die richtige Wahl der Plattform mag auf den ersten Blick zwar anspruchsvoll wirken, lässt sich aber mit Blick auf einige Metriken wie Zielgruppe, Budget, Time-to-Market oder gewünschte Funktionen schnell eingrenzen.

Dieser Ratgeber zeigt Ihnen die technischen Kerneigenschaften der einzelnen App-Typen auf und erklärt anhand typischer Projektsituationen, welche Wahl am besten zu Ihrem Projekt passen könnte.

Native, Hybrid, PWA – die Grundlagen

Um eine gemeinsame Wissensgrundlage zu schaffen, stecken wir zunächst die technischen Grundlagen der einzelnen App-Typen ab.

Native App

Native Apps werden speziell für eine Plattform entwickelt (z. B. für iOS auf Swift/SwiftUI und für Android auf Kotlin oder Jetpack Compose).

＋ Die Vorteile: Aufgrund der gezielten Programmierung erzielen sie sehr hohe Performance, fühlen sich durchgängig „systemtypisch“ an (bessere UX) und besitzen meist den vollen Zugriff auf Gerätefunktionen, Hintergrundprozesse und UI-Paradigmen.

－ Die Kehrseite: Möchten Sie eine native App für iOS und Android herausbringen, benötigen Sie zwei Codebasen, zwei Build- und Release-Pipelines, zwei Kompetenzprofile im Team. Wartung und Feature-Parität erfordern Disziplin und Budget.

Hybride Apps

Hybrid-Entwicklung bündelt Web-Technologien in einem nativen Container. Moderne Frameworks erlauben plattformübergreifende Entwicklung mit einer Codebasis, die auf iOS und Android läuft, und optional gezielten nativen Modulen für Spezialfälle.

＋ Die Vorteile: Beschleunigte MVPs und reduzierte initiale Kosten, da Sie keine zwei separaten Entwicklungen aufsetzen müssen. Außerdem können Sie mit geringerem Budget eine breitere Zielgruppe abdecken.

－ Die Kehrseite: Trade-offs bei Performance in stark interaktiven Flächen, komplexere Brücken zu manchen OS-Features und ein zusätzlicher Layer, der gepflegt werden will.

Progressive Web Apps (PWA)

PWAs sind Webanwendungen mit App-Feeling: auf dem Homescreen installierbar, offlinefähig (Service Worker), mit schnellen Updates ohne Store-Review und unmittelbarer Reichweite per URL.

＋ Die Vorteile: Geräteunabhängige Nutzung, Möglichkeit auf SEO (Suchmaschinenoptimierung) und geringe Installationshürden.

－ Die Kehrseite: Grenzen ergeben sich dort, wo intensive Hintergrundprozesse oder spezielle Hardware-Zugriffe notwendig sind. Zudem variieren die Plattformfähigkeiten je nach Betriebssystem und Browser.

Native, Hybrid, PWA – Vergleich der Funktionen

Um die Stärken und Schwächen nativer, hybrider und von Progressive Web Apps besser einordnen zu können, sehen Sie nun einen Vergleich wichtiger Kriterien, um eine App entwickeln zu lassen. So können Sie sich anhand Ihrer Möglichkeiten, Wünsche und Ziele ein besseres Bild Ihrer Go-to-Plattform bilden.

KriteriumNativeHybridPWAPerformance und UXGerätefunktionen, Offline-Nutzung und PushEntwicklungsaufwand, Wartung und Skalierung Performance und UX

→ Wenn jedes Frame zählt, etwa bei aufwendigen Animationen, Games oder hochfrequenten Interaktionen, sind native Apps klar der Spitzenreiter.

→ In produktivitätsorientierten Oberflächen mit viel Formularlogik, Listen und Standardinteraktionen können bei geringerem Budget auch Hybrid-Apps genutzt werden, solange Sie konsequent auf UI-Performance (Render-Pfade, Bildoptimierung, asynchrone Datenflüsse etc.) achten.

→ PWAs können häufig auch eine gute Leistung aufzeigen, stechen jedoch besonders durch ihre solide Web-Performance-Disziplin und schlanke UI hervor.

Gerätefunktionen, Offline-Nutzung und Push

→ Zugriffe auf Kamera, Sensoren, lokale Verschlüsselung, sichere Keychains oder Hintergrund-Synchronisation sind mit Native-Apps am breitesten und stabilsten.

→ Hybrid-Apps können vieles davon via Plugins oder sogenannten „native Modules“ abdecken. Das funktioniert in den meisten Fällen sehr gut, ist jedoch mit zusätzlicher Integrationsarbeit verbunden.

→ PWAs beherrschen die wichtigsten Fälle im Web-Kontext, doch bei tiefen OS-Integrationen und verlässlichen Hintergrundjobs stoßen sie je nach Plattform schneller an Grenzen.

Offline-Szenarien können unabhängig vom gewählten Ansatz bei allen drei Varianten implementiert werden. Sie müssen hier vor allem auf Sync-Strategien, Konfliktauflösung und Telemetrie achten.

Zum Thema Push-Mitteilungen: Native Apps nutzen die offiziellen Push-Dienste der Plattform (Apple Push Notification service (APNs) bei iOS oder Firebase Cloud Messaging (FCM) bei Android), Hybrid-Frameworks können sich ebenfalls an diese nativen Kanäle anbinden.

Info: Push-Notifications bei Progressive Web Apps Bei PWAs ist „Web Push“ der neueste Weg: Seit iOS 16.4 unterstützt Apple Web Push für als Home‑Screen‑Web‑Apps installierte PWAs. Voraussetzung sind die Installation im Standalone‑Modus und eine erteilte Benachrichtigungsberechtigung. Entwicklungsaufwand, Wartung und Skalierung

→ Eine Codebasis für alle Plattformen senkt initiale Kosten und beschleunigt Releases – ein Vorteil des hybriden Ansatzes und von PWAs, insbesondere in den frühen Phasen. Mit wachsender Komplexität steigen aber die Anforderungen an Architektur, Testing und Release-Management, was Ihre späteren Kosten ungeplant in die Höhe treiben kann.

→ Native Entwicklung bedeutet doppelten Entwicklungsstrom, dafür weniger Kompromisse und klare Nutzung der offiziellen Plattform-Patterns.

→ PWAs punkten mit sofortigen Web-Updates und geringerer Release-Reibung, erfordern aber sauberes Caching- und Offline-Design.

Native, Hybrid, PWA – geläufige Use Cases

Nachdem wir die Grundlagen und Vorteile der einzelnen Entwicklungsvarianten geklärt haben, zeigen wir Ihnen, in welchen Szenarien native, hybride oder Progressive Web Apps ihre beste Anwendung finden.

Performance-kritische Produkte → Native Apps

Wer 60 fps in komplexen Animationen, AR-Funktionen, rechenintensive Visualisierungen oder Gaming-Mechaniken benötigt, fährt mit Native am sichersten. Die enge Verzahnung mit den nativen APIs und Rendering-Pipelines bietet Reserven, wenn das Frontend an Grenzen stößt.

Produktiv-Apps im Feld -> Native oder hybride Apps

Außendienst, Bau, Logistik oder Lager benötigen in der Regel stabile Offline-Fähigkeiten, verlässliche Hintergründe und Gerätezugriffe (Scanner, Sensoren, sichere Datenspeicher). Hier liegt die Tendenz zu Native oder einer Hybrid-Lösung mit gezielt nativen Modulen, um kritische Pfade kompromisslos abzusichern.

Content, Commerce und Reichweite → PWAs

Bei Katalogen, Medien, Lead-Gen und Shopping mit schnellem Iterationstempo führt die PWA das Ranking an: die geringste Installationshürde, organische Sichtbarkeit (SEO) und sofortige Updates sind hier ideal. Wenn Push-Mitteilungen, App-Store-Präsenz oder gerätespezifische Features im Marketing-Mix wichtig sind, kann auch eine Hybrid-App die Brücke schlagen, ohne gleich zwei native Entwicklerteams zu beanspruchen.

MVPs und validierungsgetriebene Roadmaps → Hybrid oder PWAs

Wenn Hypothesen getestet und Produkt-Market-Fit gesucht wird, zählen Time-to-Market und Lernzyklen zu den wichtigsten Metriken. Hybride Apps oder PWAs erleichtern schnelle Releases und Budgetfokus auf Nutzwert statt Infrastruktur. Kommt mit der Zeit etwas mehr Traktion, können Sie schrittweise auf native Module oder in besonders anspruchsvollen Bereichen auf voll native Implementierungen erweitern.

Fazit

Für die richtige Wahl des App-Typs sollten Sie sich im Vorhinein sauber priorisierte Ziele stecken. Native, hybride und Progressive Web Apps kommen alle mit ihren eigenen Vor- und Nachteilen, die Sie in Ihre Entscheidung einfließen lassen müssen. Hier sehen Sie noch einmal die wichtigsten Punkte zusammengefasst:

→ Native maximiert Performance, UX und Funktionstiefe, jedoch auf Kosten des Aufwands und Budgets.

→ Hybrid balanciert Tempo und Funktionsbreite und kann mit moderaten Kosten und Aufwand realisiert werden.

→ PWAs liefern Reichweite und Entwicklungseffizienz, können spezifische Anforderungen an Funktionen jedoch nicht immer erfüllen.

Treffen Sie die Entscheidung entlang Ihrer Top-Prioritäten, nicht entlang von Framework-Trends. Wenn Sie schnelle Klarheit wollen, priorisieren Sie die Anforderungen, mappen Sie sie auf die drei Optionen und planen Sie ein schlankes MVP. Aus den ersten echten Nutzersignalen ergibt sich der nächste Schritt – ob ein kompletter nativer Track, ein hybrider Ansatz mit gezielten nativen Modulen oder die bewusste Konzentration auf eine PWA für maximale Geschwindigkeit und Reichweite.

Der Beitrag Native, Hybrid, PWA: die richtige Wahl erschien zuerst auf Neurope.eu - News aus Europa.