Detailansicht
Measuring hierarchy depth in the aviation and automotive industries
Christoph Obernosterer
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Wirtschaftswissenschaften
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Betriebswirtschaft
Betreuer*in
Markus Georg Reitzig
DOI
10.25365/thesis.81266
URN
urn:nbn:at:at-ubw:1-26581.03773.445891-2
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
Diese Masterarbeit entwickelt einen regelbasierten Code zur Messung der Hierarchietiefe in der Luftfahrt- und Automobilindustrie auf Basis von Jobtiteln. Bisherige Forschung, insbesondere die von Lee (2021) im Kontext von Start-ups in der Videospielbranche, hat gezeigt, dass sich mithilfe von Jobtiteldaten hierarchische Strukturen abbilden lassen. Dennoch sind empirische Untersuchungen zur vertikalen Differenzierung von Organisationsstrukturen bislang selten, obwohl Hierarchietiefe mit Unternehmenserfolg, Koordination, Informationsfluss und Innovation in Verbindung gebracht wird. Verlässliche Messungen fehlen, da Unternehmen detaillierte Organigramme in der Regel nicht veröffentlichen. Aufbauend auf Lee (2021) erweitert diese Arbeit die Messung der Hierarchietiefe auf die Luftfahrt- und Automobilindustrie und passt die Methode an deren besondere funktionale Strukturen an. Hierfür wird ein Klassifikationssystem entwickelt, das auf Python basiert. Es verarbeitet LinkedIn-Profildaten in mehreren Schritten: Datenbereinigung, Auflösung verschachtelter JSON-Strukturen, Branchenfilterung sowie horizontale und vertikale Kategorisierung von Jobtiteln. Den Personen werden standardisierte Hierarchieebenen innerhalb der jeweiligen Organisation und den zentralen funktionalen Teilbereichen zugeordnet. Experteninterviews aus beiden Branchen unterstützen die Entwicklung und Validierung der beiden branchenspezifischen Klassifikationssysteme. Die Ergebnisse zeigen, dass große US-Airlines typischerweise über 7–8 Hierarchieebenen verfügen, während die größten Automobilhersteller 8–9 Ebenen aufweisen. Neben den deskriptiven Ergebnissen bieten die Klassifikationssysteme eine Grundlage für zukünftige Forschung zur Untersuchung von Zusammenhängen zwischen Hierarchietiefe und Unternehmenszielen. Durch die zusätzliche Entwicklung einer horizontalen Kategorisierung für Branchen mit stark differenzierten Tätigkeitsprofilen – insbesondere in der Luftfahrt – ermöglicht der hier präsentierte Code eine detaillierte Analyse komplexer Organisationen mit einer Vielzahl spezialisierter Berufsbilder.
Abstract
(Englisch)
This thesis develops a systematic, rule-based coding approach to measure hierarchical depth in the aviation and automotive industries based on job titles. Prior research, most notably Lee (2021) in the video game start-up context, demonstrated how job title data can map hierarchical structures. However, empirical investigations of vertical differentiation within organizational structures remain scarce, although vertical structure has been associated with performance, coordination, information flow, and innovation. Reliable measures of hierarchical depth are unavailable, as organizations rarely disclose detailed organizational charts. Building on Lee’s (2021) approach, this study extends the systematic measurement of hierarchical depth to the aviation and automotive industries and adapts the method to their distinct functional structures. To enable this, this study develops a Python-based classification system that can process LinkedIn profile data through a multi-stage pipeline: preprocessing, reshaping of nested JSON structures, industry filtering, and both horizontal and vertical categorization of job titles. Individuals are assigned to standardized hierarchical levels within their respective organizations and major functional subunits. Industry expert interviews support the development and validation of the two industry-specific classification frameworks. The results indicate that major U.S. airlines typically operate across 7–8 hierarchical layers, while the largest automotive manufacturers exhibit 8–9. Beyond descriptive insights, the frameworks provide a basis for future research on how hierarchical depth relates to corporate goals. By introducing horizontal categorization for industries with highly heterogeneous job structures – particularly in aviation – this work facilitates differentiation between complex organizations characterized by a wide variety of specialized job profiles.
Schlagwörter
Schlagwörter
(Deutsch)
Hierarchie Messung Luftfahrt Automobil Python Klassifizierung messen
Schlagwörter
(Englisch)
hierarchy measurement measuring aviation automotive classification python
Autor*innen
Christoph Obernosterer
Haupttitel (Englisch)
Measuring hierarchy depth in the aviation and automotive industries
Paralleltitel (Deutsch)
Messung der Hierarchietiefe in der Luftfahrt- und Automobilindustrie
Publikationsjahr
2026
Umfangsangabe
IV, 143 Seiten : Illustrationen
Sprache
Englisch
Beurteiler*in
Markus Georg Reitzig
Klassifikation
85 Betriebswirtschaft > 85.09 Unternehmensorganisation
AC Nummer
AC17902130
Utheses ID
80216
Studienkennzahl
UA | 066 | 915 | |