Abschluss­arbeiten

Offene Abschlussarbeiten am Institut für Business Analytics

Bachelorarbeiten (BA) und Masterarbeiten (MA) in Kooperation mit dem Institut für Business Analytics sind anders, als Sie es erwarten. Wir benötigen „Denker“ und „Macher“. Sie erhalten die Möglichkeit, Ihr erlerntes Wissen und erprobte Techniken zielgerichtet (teilweise direkt in Unternehmen) einzusetzen. Ein Mitarbeiter des IBA wird Sie fachlich und methodisch begleiten.

Professur für "Digital Business" - Prof. Dr. Steffen Zimmermann

  • Themenbereich: Analyse und Gestaltung von digitalen (Sharing-) Plattformen

    • Konsumentenverhalten auf Sharing-Plattformen
    • Sharing-Plattformen und deren Auswirkungen auf klassische Unternehmen
    • Regulierung von Sharing-Plattformen - Wie kann der Monopolisierung entgegen gewirkt werden?
    • Hype oder die nächste digitale Revolution - Potenziale der Blockchain-Technologie

    Inhaltlich und methodisch werden die Themen individuell mit den Studierenden abgestimmt und konkretisiert. Die Anforderungen an die Themen variieren je nach Abschluss (Bachelor/Master). Bei Interesse an einem der Themengebiete, wenden Sie sich bitte direkt an Prof. Dr. Steffen Zimmermann (steffen.zimmermann(at)uni-ulm.de).

  • Themenbereich: Analyse von Beiträgen auf sozialen Medien und von Kundenrezensionen

    • Text Mining und Kundenrezensionen - Anwendungsfälle und Möglichkeiten (Kontakt: Stefanie Erlebach)
    • Text Mining zur Identifikation von Fake-Reviews in Kundenrezenensionssystemen (Kontakt: Andrea Wrabel)

    Inhaltlich und methodisch werden die Themen individuell mit den Studierenden abgestimmt und konkretisiert. Die Anforderungen an die Themen variieren je nach Abschluss (Bachelor/Master). 

  • Themenbereich: Management von digitalen Transformationsprogrammen

    • Bewertung von digitalen Transformationsprogrammen (Kontakt: Andrea Wrabel)
    • Bewertung von Entwicklungsprojekten der Elektromobilität (Kontakt: Stefanie Erlebach)
    • Chief Digital Officers (CDOs) of German firms (Kontakt: Anna Moker)
    • Press reports on digital transformation of German firms (MA; Kontakt: Anna Moker)
    • Trendradar digitaler Technologien - ein quantitativer Ansatz basierend auf Text Minung und Clusteranalysen (MA; Kontakt: Niklas Bayrle)

    Inhaltlich und methodisch werden die Themen individuell mit den Studierenden abgestimmt und konkretisiert. Die Anforderungen an die Themen variieren je nach Abschluss (Bachelor/Master). 

  • Themenbereich: Digitale Bildung

    • Digitale Bildung an Schulen - Ansätze zur Vermittlung digitaler Kompetenzen (Kontakt: Andrea Wrabel)
    • Definition of a digital skills framework for pupils (Kontakt: Anna Moker)
    • Creating a digital learning platform for pupils (MA; ab Februar 2021; Kontakt: Anna Moker)
    • Evaluation of a prototype of a digital learning platform for pupils (ab Mai 2021; Kontakt: Anna Moker)

    Inhaltlich und methodisch werden die Themen individuell mit den Studierenden abgestimmt und konkretisiert. Die Anforderungen an die Themen variieren je nach Abschluss (Bachelor/Master). 

  • Themenbereich: Digital health

    • Use of analytics in the health care sector - a literature review (Kontakt: Anna Moker)
    • Telehealth - a literature review (Kontakt: Anna Moker)

    Inhaltlich und methodisch werden die Themen individuell mit den Studierenden abgestimmt und konkretisiert. Die Anforderungen an die Themen variieren je nach Abschluss (Bachelor/Master).

  • Themenbereich: Robo-advisor

    • Customer experiences with a robo-advisor (MA; ab Februar 2021; Kontakt: Anna Moker)

    Inhaltlich und methodisch werden die Themen individuell mit den Studierenden abgestimmt und konkretisiert. Die Anforderungen an die Themen variieren je nach Abschluss (Bachelor/Master). 

Péter-Horváth-Stiftungsprofessur für "Informationsmanagement" - Prof. Dr. Mathias Klier

  • Können Online Peer Groups helfen, ältere Arbeitssuchende zurück ins Berufsleben zu führen? (MA)

    Themengebiet: Online Peer Groups, Design Science, Arbeitslosigkeit

    Kurzbeschreibung:

    Peer Groups sind Gruppen von Menschen, die eine gemeinsame Herausforderung teilen und sich gegenseitig helfen können, bezüglich dieser Herausforderung persönliche Ziele zu erreichen. In einem Praxisprojekt werden Online Peer Groups für ältere Arbeitssuchende konzipiert und getestet. Ziel ist es, die Arbeitslosigkeit älterer Menschen zu verringern und sie in der schwierigen Situation der Arbeitssuche persönlich zu unterstützen. Grundgedanke ist dabei, dass in Peer Groups diverse soziale und psychologische Mechanismen wirken. Der Online-Charakter bringt dabei zusätzliche Vorteile wie beispielsweise einen flexibleren Zugang zur Gruppe mit sich.

    Im Rahmen von Design Science werden Online Peer Groups für ältere Arbeitslose entwickelt, umgesetzt und evaluiert. Gegenstand der Masterarbeit ist die Unterstützung bei einer großflächigen Einführung von Online Peer Groups für ältere Arbeitslose im Rahmen eines Praxisprojekts und die wissenschaftliche Auswertung und Aufbereitung der Erkenntnisse.

    Voraussetzungen: sehr gute Strukturierungsfähigkeit, sehr sorgfältige Arbeitsweise, Teamfähigkeit, Begeisterung für das Thema.

  • Explainable Artificial Intelligence – Entscheidungen künstlicher Intelligenzen für Verbraucher verständlich machen (BA/MA)

    Themengebiet: Explainable Artificial Intelligence, Künstliche Intelligenz, Nutzerforschung

    Kurzbeschreibung:

    Eine aktuelle Studie der Bertelsmann-Stiftung zeigt, dass in Deutschland mehr als drei Viertel der Befragten vollautomatisierte Entscheidungen ablehnen, während nur 31 Prozent der Bevölkerung darin Chancen erkennen. Auf der anderen Seite werden intelligente Systeme in vielen Alltagsbereichen (beispielweise in der medizinischen Diagnostik oder bei der Beurteilung der Kreditwürdigkeit) bereits erfolgreich eingesetzt und gewinnen in der Praxis zunehmend an Bedeutung. Daher ist es insbesondere für Unternehmen, die intelligente Systeme einsetzen, unausweichlich, deren Akzeptanz bei ihren Kunden und Verbrauchern zu erhöhen. Hierzu ist nicht in erster Linie „Algorithmentransparenz“ gefragt, wie sie seit einiger Zeit von der Politik diskutiert und gefordert wird. Die Lösung sind vielmehr für Laien verständliche Erklärungen, welche die von künstlichen Intelligenzen im Einzelfall getroffenen Entscheidungen nachvollziehbar und verständlich machen.

    Aufgabenstellung:

    Im Rahmen der Arbeit soll der aktuelle Stand der Forschung zu Explainable Artificial Intelligence untersucht und aufbereitet werden. Außerdem soll anhand eines realen Anwendungsfalls untersucht werden, inwieweit erklärende künstliche Intelligenz genutzt werden kann, um die Akzeptanz für das intelligente System zu steigern. Hierbei kann der Fokus entweder auf die Konzeption eines neuen Ansatzes oder auf die technische Umsetzung einer Methodik gelegt werden.

    Voraussetzungen: gute Strukturierungsfähigkeit, sorgfältige Arbeitsweise, Begeisterung für das Thema, ggf. grundlegende Informatikkenntnisse.

    Literaturhinweise: Miller, Tim: "Explanation in artificial intelligence: insights from the social sciences." arXiv preprint arXiv:1706.07269 (2018) (Konzeption); Hendricks et al.: “Generating Counterfactual Explanations with Natural Language” Proceedings of the 35th International Conference on Machine Learning, 2018 arXiv:1806.09809 (technische Umsetzung)

  • Nutzerakzeptanz künstlicher Intelligenz – Können innovative Ansätze in der Praxis helfen? (BA/MA)

    Themengebiet: Künstliche Intelligenz, Nutzerforschung, Explainable Artifical Intelligence

    Kurzbeschreibung:

    Zunehmend unterstützt Künstliche Intelligenz (KI) die Entscheidungsfindung in Unternehmen. In Banken etwa berechnen Machine-Learning-Algorithmen die Kreditwürdigkeit eines Kunden, im Kundenservice werden mit KI automatisiert Antwortvorschläge auf Kundenanfragen generiert. Die Nutzer der Unterstützungssysteme sehen im Allgemeinen nur Handlungsempfehlungen oder Entscheidungen als Ergebnisse von Algorithmen – nicht aber, wie und warum sie zustande kommen. Die Praxis zeigt, dass Menschen diesen Handlungsempfehlungen oft skeptisch gegenüberstehen, infolgedessen intelligenten Systemen misstrauen und diese ineffektiv verwenden.

    Daher gewinnt die Forschung zur Nutzerakzeptanz von Entscheidungen, die von intelligenten Systemen vorgeschlagen oder vorgegeben werden, immer mehr an Bedeutung. Unter welchen Bedingungen akzeptiert etwa der Bankberater die Handlungsempfehlung der KI zur Kreditwürdigkeit seines Kunden und empfindet sie nicht als willkürlich? Wie kann ein Arzt überzeugt werden, dass die KI tatsächlich umfassendes Fachwissen einbringt und kritische Details korrekt erkennt und beachtet?

    Umfangreiche Forschungsarbeiten in der Philosophie, Psychologie und Kognitionswissenschaft geben Aufschluss darüber, unter welchen Umständen und in welchem Maß Menschen Erklärungen vertrauen. Diese Erkenntnisse werden zunehmend eingesetzt, um Entscheidungen und Handlungen Künstlicher Intelligenzen für den Nutzer nachvollziehbar zu machen. Um diese innovativen Ansätze in der Praxis evaluieren zu können, muss die Akzeptanz von KI-Systemen im konkreten Fall messbar gemacht werden.

    Aufgabenstellung:

    Im Rahmen der Arbeit soll der aktuelle Stand der Forschung zur Akzeptanz von Künstlicher Intelligenz in der Entscheidungsunterstützung sowie deren potentielle Steigerung bei Verbrauchern durch XAI Methoden untersucht und aufbereitet werden. Hierbei kann der Fokus entweder auf die Konzeption eines Studiendesigns zur Messung der Akzeptanz gelegt oder ein Show Case für einen realen Anwendungsfall entwickelt werden.

    Voraussetzungen: gute Strukturierungsfähigkeit, Kreativität, sorgfältige Arbeitsweise, Begeisterung für das Thema, ggf. Unternehmenskontakt.

    Literaturhinweis: Scheuer, D. (2020). Akzeptanz von Künstlicher Intelligenz: Grundlagen intelligenter KI-Assistenten und deren vertrauensvolle Nutzung. Springer-Verlag.

  • Social Network Analysis im Zusammenhang mit Online Peer Groups (BA/MA)

    Themengebiet: Social Network Analysis, Text Mining, Peer Groups

    Kurzbeschreibung:

    Peer Groups sind Gruppen von Menschen mit gemeinsamen Interessen, die sich gegenseitig helfen können, persönliche Ziele zu erreichen. Zusammen mit der Bundesagentur für Arbeit werden in diesem Zusammenhang Online Peer Groups für Arbeitssuchende getestet mit dem Ziel, Arbeitslosigkeit zu verringern und die Berufsorientierung zu erleichtern. In Peer Groups treten soziale und psychologische Effekte auf. Beispielsweise kann zwischen informationeller und emotionaler Unterstützung unterschieden werden.

    Um die Wirkweise von Peer Groups besser zu verstehen, werden unter anderem Methoden der sozialen Netzwerkanalyse und des Text Mining eingesetzt. Ziel dieser Analysen ist neben einem besseren Verständnis für die betrachtete Peer Group die Steigerung ihrer Effektivität.

    Aufgabenstellung:

    Im Rahmen der Arbeit soll der aktuelle Stand der Forschung zum Einsatz von Online Peer Groups untersucht und aufbereitet werden. Außerdem sollen ausgewählte Methoden der sozialen Netzwerkanalyse und des Text Mining evaluiert werden, die relevante Erkenntnisse zu auftretenden Effekten in Peer Groups liefern können.

    Voraussetzungen: gute Strukturierungsfähigkeit, sorgfältige Arbeitsweise, Begeisterung für das Thema.

  • Reputation von Autoren als Kriterium für die Verlässlichkeit von Wikipedia-Artikeln (MA)

    Themengebiet: Big Data Analytics, Data Mining, Datenqualität, Netzwerkanalyse

    Kurzbeschreibung:

    Da die Wikipedia von vielen Menschen als vertrauenswürdige Wissensquelle betrachtet wird und die in ihr enthaltenen Informationen beispielsweise auch von Assistenten wie Alexa und Siri genutzt werden, besteht ein großes Interesse daran, ihre Verlässlichkeit zu quantifizieren. Ein vielversprechender Ansatz dazu ist, die Verlässlichkeit eines Beitrags zu einem Wikipedia-Artikel danach zu beurteilen, wie vertrauenswürdig der Autor dieses Beitrags ist.

    Während viele Websites, auf denen User ihr Wissen teilen, über ein integriertes Reputationssystem verfügen – beispielsweise „Reputation“ und „Badges“ auf den Websites des StackExchange-Netzwerks oder „Karma“ bei Reddit – fehlt ein solches in der Wikipedia vollständig. Die Vertrauenswürdigkeit eines Autors muss also zunächst ermittelt werden.

    Dabei ist es naheliegend, anzunehmen, dass Autoren, die zu zahlreichen weiteren Artikeln desselben Themengebiets beigetragen haben, als Fachexperten angesehen werden können. Ihre Beiträge wären demnach vertrauenswürdiger als solche, die beispielsweise von Autoren stammen, die nur wenige Änderungen zu sehr unterschiedlichen Themen beigetragen haben.

    Mit „WikiWho“ (Flöck/Acosta 2014) existiert seit einigen Jahren ein leistungsfähiger Algorithmus, der für jeden Wikipedia-Artikel die Textanteile aller daran beteiligten Autoren ermittelt. Dieser könnte als Grundlage für ein fachbezogenes Reputationssystem genutzt werden.

    Aufgabenstellung:

    Im Rahmen der Arbeit soll untersucht werden, ob sich der skizzierte Ansatz zur Einschätzung der Verlässlichkeit von Wikipedia-Artikeln eignet. Hierzu sollen zunächst bestehende Ansätze und Methoden zur Beurteilung der Verlässlichkeit von Wikipedia-Artikeln im Hinblick auf ihre Stärken und Schwächen sowie ihre praktische Einsetzbarkeit verglichen werden.

    Anschließend soll ein Proof of Concept für einen neuen Ansatz entwickelt werden, bei dem auf Basis von „WikiWho“ die Reputation von Autoren bezogen auf ein Fachgebiet ermittelt wird. Diese Metrik soll auf einem aktuellen Datensatz der deutschsprachigen Wikipedia auf ihre Eignung zur Beurteilung der Verlässlichkeit von Wikipedia-Artikeln untersucht werden. Insbesondere soll dabei auch die Realisierbarkeit einer Bewertung in Echtzeit beurteilt werden.

    Bei Interesse besteht die Möglichkeit, nach erfolgreichem Abschluss der Arbeit das entwickelte System dauerhaft auf den Cloud Services der Wikimedia Foundation für die allgemeine Nutzung bereitzustellen.

    Voraussetzungen: gute Strukturierungsfähigkeit, sorgfältige Arbeitsweise, grundlegende Informatikkenntnisse, Begeisterung für das Thema.

  • Collaborative Chatbots - Ein Ansatz zur emergenten Zusammenarbeit und kollektiven Problemlösung durch Chatbots (MA)

    Themengebiet: Chatbots, Verteilte Künstliche Intelligenz, Multi-Agent-Based Chatbot

    Kurzbeschreibung:

    Bei aktuellen Anwendungen aus den Bereichen Künstliche Intelligenz (KI) und Machine Learning, gehören Chatbots mittlerweile bei vielen Unternehmen zu den heiß diskutierten Themen. Bereits jeder vierte Bundesbürger kann sich die Nutzung eines Chatbots vorstellen, so die Ergebnisse einer repräsentativen Befragung im Auftrag des Digitalverbands Bitkom. Besonders im Kundenservice werden bereits heute erfolgreich Chatbots eingesetzt, um die Kommunikation zu automatisieren und somit einerseits den Unternehmen Arbeitskraft einzusparen und andererseits die Zufriedenheit der Kunden durch schnelle, konsistente und 24/7 verfügbare Antworten zu steigern. In vielen Anwendungsfällen können Chatbots zwar durch ihr Expertenwissen auf spezifische Situationen und Fragestellungen antworten, reagieren allerdings unvorhersehbar und versagen, wenn eine Situation auftritt auf die sie nicht „trainiert“ wurden. Aus diesem Grund wird oftmals versucht, zusätzlich zum Expertenwissen weiteres Wissen in Chatbots zu integrieren, um auf vielfältige Situationen reagieren zu können. Um zu verhindern, dass jeder Chatbot alle Kunden-Situationen durch eigenes Wissen beantworten können muss, wird ein intelligenter Ansatz benötigt, der die Zusammenarbeit mehrerer Experten-Chatbots zur kollektiven Problemlösung ermöglicht.

    Aufgabenstellung: 

    Im Rahmen der Arbeit soll der aktuelle Stand der Forschung zu Ansätzen und grundlegenden Methoden der Zusammenarbeit von Software-Agenten, dargestellt werden, die zur Erstellung von Collaborative Chatbots verwendet werden können. Außerdem soll ein Ansatz basierend auf mehreren Software-Agenten (existierende oder eigene Chatbots) zur kollektiven Problemlösung und emergenten Zusammenarbeit von Chatbots prototypisch anhand einer praktischen Problemstellung entwickelt, demonstriert und evaluiert werden. Ein kritischer Ausblick, Limitationen sowie weitere Einsatzmöglichkeiten des entwickelten Ansatzes runden Ihre Arbeit ab.

    Voraussetzungen: gute Strukturierungsfähigkeit, sorgfältige Arbeitsweise, grundlegende Informatikkenntnisse, Begeisterung für das Thema

  • Einsatzmöglichkeiten von Speech Recognition im Kundenservice von Unternehmen (BA/MA)

    Themengebiet: Künstliche Intelligenz, Machine Learning, Speech Recognition

    Kurzbeschreibung:

    Bei intelligenten Systemen (wie bspw. Alexa, Siri oder Google Home) ist ein enormer Fortschritt hinsichtlich der automatisierten Erkennung von Sprachbefehlen erkennbar, um alltägliche Aktivitäten sowie Aufgaben besser und effektiver zu erledigen. Dabei greifen diese Systeme auf Methoden aus dem Bereich der Speech Recognition zurück, um Befehle eines Nutzers in natürlicher Sprache entgegenzunehmen. Bisher wird das Potenzial dieser Verfahren speziell im Kundenservice von Unternehmen allerdings nur sehr eingeschränkt genutzt. Dies ist in gewisser Hinsicht überraschend, da hier durchaus vielversprechende Möglichkeiten existieren, um den Kundenservice zu verbessern bzw. zu unterstützen. Beispielsweise könnten Verfahren der Speech Recognition eingesetzt werden, um Telefongespräche im Kundenservice in Echtzeit zu analysieren und den ServicemitarbeiterInnen dadurch in der Lösungsfindung der Kundenprobleme zu unterstützen. Dies wäre gleichzeitig ein erster Schritt in Richtung der Vision eines vollautomatisierten Kundenservice durch intelligente Systeme.

    Aufgabenstellung: 

    Im Rahmen der Arbeit soll der aktuelle Stand der Forschung zu Ansätzen und grundlegenden Methoden der Speech Recognition dargestellt werden, die zur Aufzeichnung sowie Analyse eines Kundengesprächs per Telefon genutzt werden können. Außerdem soll ein Ansatz basierend auf Methoden der Speech Recognition entwickelt werden, der anhand einer praktischen Problemstellung demonstriert und evaluiert wird. Ein kritischer Ausblick, Limitationen sowie eine Diskussion weiterer Einsatzmöglichkeiten des entwickelten Ansatzes runden Ihre Arbeit ab.

    Voraussetzungen: gute Strukturierungsfähigkeit, sorgfältige Arbeitsweise, grundlegende Informatikkenntnisse, Begeisterung für das Thema

  • Social and Professional Sensing in text messages – Ein Ansatz zur automatisierten Differenzierung und Kategorisierung des Textes innerhalb einer Nachricht (BA/MA)

    Themengebiet: Künstliche Intelligenz, Machine Learning, social and professional information

    Kurzbeschreibung:

    In der Ära der intelligenten Systeme, in der immer mehr Systeme alltägliche Aktivitäten und Aufgaben besser, effizienter und in großen Volumina erledigen können, werden immer häufiger Fragen in sozialen Medien oder auf Unternehmens-Webseiten automatisiert beantwortet. Da diese Fragen oftmals mehrere Komponenten (beispielsweise eine fachliche als auch eine soziale Komponente) beinhalten, müssen die unterschiedlichen Informationen von intelligenten Systemen interpretiert werden können, um eine passende Antwort vorzuschlagen, die fachlich korrekt und zugleich menschlich und ggf. mitfühlend wirkt. Um automatisiert alle Aspekte einer Frage beantworten zu können, wird ein Ansatz basierend auf Social und Professional Sensing benötigt, welcher die unterschiedlichen Informationsarten in einer Nachricht identifizieren und separieren kann.

    Aufgabenstellung: 

    Im Rahmen der Arbeit soll der aktuelle Stand der Forschung zu Ansätzen und grundlegenden Methoden zur Textklassifikation dargestellt werden, die zur Identifizierung von sozialen und fachlichen Informationen in einer Nachricht genutzt werden können. Außerdem soll ein Ansatz basierend auf Social und Professional Sensing entwickelt werden, der anhand einer praktischen Problemstellung demonstriert und evaluiert wird. Ein kritischer Ausblick, Limitationen sowie weitere Einsatzmöglichkeiten des entwickelten Ansatzes runden Ihre Arbeit ab.

    Voraussetzungen: gute Strukturierungsfähigkeit, sorgfältige Arbeitsweise, grundlegende Informatikkenntnisse, Begeisterung für das Thema

  • Natural Language Generation – Systeme zur Automatisierung des Customer Service (BA/MA)

    Themengebiet: Künstliche Intelligenz, Machine Learning

    Kurzbeschreibung:

    Die automatisierte Erzeugung von Texten in natürlicher Sprache (engl. Natural Language Generation (NLG)) stellt einen Teilbereich der künstlichen Intelligenz und Computerlinguistik dar, der sich mit dem automatisierten Verfassen von Texten in natürlicher Sprache befasst. Zu diesem Zweck kombinieren NLG-Systeme Wissen über die natürliche Sprache mit Domain-spezifischem Wissen (beispielsweise zur Erstellung von automatisierten Antworten/Nachrichten, Reports, technischen Dokumentationen oder anderen Arten von Texten).

    Besonders im Customer Service ist die steigende Anzahl an schriftlichen Kundenanfragen und/oder Problemen manuell kaum handhabbar. Um die großen Mengen an Kundenanfragen effizient und schnell zu beantworten, werden automatisierte Ansätze eingesetzt, die Mitarbeitern Antwortvorschläge vorschlagen und somit die Arbeit erleichtern. Die Antwortvorschläge müssen allerdings oft durch den Mitarbeiter an die eigentliche Fragestellung des Kunden angepasst werden. An dieser Stelle könnten NLG-Systeme einen Mehrwert bieten, indem (mehrere) passende Antworten kundengerecht (um)formuliert werden.

    Aufgabenstellung: 

    Im Rahmen der Arbeit soll der aktuelle Stand der Forschung zu Ansätzen und grundlegenden Methoden von NLG dargestellt werden, die zur automatisierten Generierung von Texten in natürlicher Sprache genutzt werden können. Außerdem soll aufgezeigt werden, welche Anwendungsfelder NLG aufweist. Insbesondere soll ein Ansatz basierend auf NLG anhand einer praktischen Problemstellung entwickelt, demonstriert und evaluiert werden, um Teilbereiche des Customer Service zu automatisieren. Ein kritischer Ausblick, Limitationen sowie weitere Einsatzmöglichkeiten des entwickelten Ansatzes runden Ihre Arbeit ab.

    Voraussetzungen: gute Strukturierungsfähigkeit, sorgfältige Arbeitsweise, Begeisterung für das Thema

  • Case-based Reasoning basierend auf Neuronalen Netzen – Ein Ansatz zur automatisierten Beantwortung von Fragen im Customer Service (BA/MA)

    Themengebiet: Künstliche Intelligenz, Machine Learning, Case-based Reasoning, Neuronale Netze

    Kurzbeschreibung:

    Fallbasiertes Schließen (engl. Case-based reasoning (CBR)) bezeichnet ein Verfahren, welches durch Analogie und logisches Schlussfolgern Problemstellungen löst. Ein CBR-System verhält sich ähnlich zur menschlichen Vorgehensweise, indem das System neue Problemstellungen auf Basis von bereits gelösten Problemen ausder Vergangenheit löst. Im Bereich der Textanalyse stellt dies eine sehr komplexe Aufgabe dar, da Texte bei identischer Semantik, in ihrer Syntax stark unterschiedlich sein können. Automatisierte Systeme zur Textanalyse müssen folglich unabhängig von der Syntax, die Informationen im Problem bzw. einer Frage identifizieren können.

    In der Ära der intelligenten Systeme (z. B. neuronale Netze), in der immer mehr Systeme alltägliche Aktivitäten und Aufgaben bessereffizienter und in größeren Volumina erledigen können (z. B. automatisiertes Autofahren, Schach/Go spielen, Zeitungsartikel formulieren), werden in sozialen Medien oder auf Unternehmens-Webseiten Fragen zunehmend automatisiert beantwortet. In der Praxis zeigt sich allerdings, dass automatisierte Antworten für komplexere Fragestellungen bisher kaum möglich sind. Um den CBR-Prozess für komplexe Fragestellungen zu automatisieren, könnten neuronale Netze eingesetzt werden, welche bereits in anderen Einsatzgebieten erfolgreich angewendet wurden.

    Aufgabenstellung:

    Im Rahmen der Arbeit soll der aktuelle Stand der Forschung zu Ansätzen und grundlegenden Methoden von neuronalen Netzen (in CBR) dargestellt werden, die zur Analyse von textuellen Informationen genutzt werden können. Außerdem soll ein CBR-Ansatz basierend auf neuronalen Netzen entwickelt werden, der anhand der praktischen Problemstellung eines Versicherers demonstriert und evaluiert wird. Ein kritischer Ausblick, Limitationen sowie weitere Einsatzmöglichkeiten des entwickelten Ansatzes runden Ihre Arbeit ab.

    Voraussetzungen: gute Strukturierungsfähigkeit, sorgfältige Arbeitsweise, grundlegende Informatikkenntnisse, Begeisterung für das Thema

Professur für "Wertschöpfungs- und Netzwerkmanagement" - Prof. Dr. Mischa Seiter

  • Studie zu Risiken- und Nutzenaspekte von Schatten-IT in Unternehmen (MA)

    Forschungsfrage: Welche Risiken- und Nutzenaspekte ergeben sich aus Schatten-IT Anwendungen in Unternehmen?

    Hintergrund:

    Durch die fortschreitende Digitalisierung sehen sich Unternehmen zunehmend mit Software-Anwendungen konfrontiert, die von den Fachbereichen autonom, also neben der offiziellen IT-Infrastruktur, eingesetzt oder entwickelt werden – der sogenannten Schatten-IT. Durch den unkontrollierten Einsatz von Schatten-IT entstehen zahlreiche Risiken für Unternehmen wie Sicherheitslücken oder fehlerhafte Entscheidungen auf Basis unvollständiger und veralteter Daten. Den Risiken steht der Nutzen eines kontrollierten Einsatzes von Schatten-IT gegenüber. Für Unternehmen ergibt sich daraus die Schwierigkeit, die Vorteile von Schatten-IT unter Berücksichtigung der Risiken zu nutzen. 

    Ziele der Arbeit:

    1. Systematischer Literatur Review zur Identifikation von Risiken- und Nutzenaspekten von Schatten-IT Anwendungen anhand der Forschungs- und Praxisliteratur
    2. Validierung der Risiken- Nutzenaspekte durch Experteninterviews mit Unternehmensvertretern der produzierenden Industrie und Überführung in einen Bewertungskatalog 

     

    Voraussetzungen: Selbstständiges, zuverlässiges und gewissenhaftes Arbeiten, Begeisterung und Interesse für IT / IT-Sicherheit

    Einstiegsliteratur:

    • Kopper, A., Strahringer, S. und Westner, M. (2018): Kontrollierte Nutzung von Schatten-IT. 
    • Klotz, S., Kopper, A., Westner, M. und Strahringer, S. (2019): Causing factors, outcomes, and governance of Shadow IT and business-managed IT: a systematic literature review.

    Bei Interesse wenden Sie sich bitte an Fabian Fritzsche (fabian.fritzsche(at)uni-ulm.de).

  • Design Thinking in der Praxis – Einsatzszenarien von Smart Speakern in Unternehmen (MA)

    Forschungsfrage: Welche Einsatzszenarien für Sprachassistenzsysteme existieren in Unternehmen des Maschinen- und Anlagenbaus?

    Hintergrund:

    Intelligente Sprachassistenzsysteme, sogenannte Smart Speaker, sind in immer mehr Privathaushalten zu finden. Bis auf einige wenige Einsatzszenarien (z.B. Pick by Voice, Talking Terminals) ist diese Entwicklung aus dem Privatanwenderbereich jedoch noch nicht in der betrieblichen Praxis von Unternehmen angekommen. Folglich existiert noch kein vollständiges Bild der Möglichkeiten von Sprachassistenzsystemen; Kreativität ist gefordert. Mithilfe von Design Thinking zur kreativen Ideengewinnung sollen demnach Einsatzszenarien von Sprachassistenzsystemen im betrieblichen Kontext ermittelt werden.

    Ziele der Arbeit:

    1. Konzeption eines Design Thinking Workshops zur Identifikation von Einsatzszenarien von Sprachassistenzsystemen
    2. Durchführung des Workshops mit motivierten Praxispartnern eines öffentlich geförderten Forschungsprojektes
    3. Aufarbeitung des Workshops und Identifikation der betrieblichen Einsatzszenarien von Smart Speakern

     

    Voraussetzungen: Selbstständiges, zuverlässiges und gewissenhaftes Arbeiten, Sicheres Auftreten im Kontakt mit Unternehmensvertretern, Begeisterung und Interesse für Intelligente Systeme und Design Thinking, Erfahrung bei der Durchführung von Design Thinking-Workshops

    Einstiegsliteratur:

    • Lewrick et al. (2017): Das Design Thinking Playbook: Mit traditionellen, aktuellen und zukünftigen Erfolgsfaktoren, Vahlen.
    • Gronau, N. (2014): Der Einfluss von Cyber-physical Systems auf die Gestaltung von Produktionssystemen. In: K. Wolfgang, H. Koller und H. Lödding (Hg.): Industrie 4.0. Wie intelligente Vernetzung und kognitive Systeme unsere Arbeit verändern. Berlin: Gito mbH Verlag (Schriftenreihe der Hochschulgruppe für Arbeits- und Betriebsorganisation e.V. (HAB), S. 279–295.

    Bei Interesse wenden Sie sich bitte an Andreas Steur (andreas.steur(at)uni-ulm.de).

  • Inkonsistenzen innerhalb Feedbackmechanismen digitaler Plattformen (MA)

    Forschungsfrage: In welcher Form treten Inkonsistenzen auf verschiedenen Plattformtypen auf?

    Hintergrund:

    Feedbackmechanismen sind ein wichtiger Steuerungsmechanismus digitaler Plattformen (Kornberger et al. 2017). Feedbacks bestehen typischerweise aus zwei Komponenten: Quantitativem (z.B. Sterne) und qualitativem (z.B. Text) Feedback. Innerhalb dieser Feedbacks können Inkonsistenzen auftreten (quantitatives und qualitatives Feedback stimmen nicht überein), wie beispielsweise auf der Plattform Amazon (Mudambi et al. 2014). Unklar ist jedoch, ob es Unterschiede hinsichtlich des Auftretens von inkonsistentem Feedback auf verschiedenen Plattformen gibt.

    Ziele der Arbeit:

    1. Erarbeitung und Vergleich von Methoden zur Identifikation von inkonsistenten Feedbacks auf Digitalen Plattformen
    2. Evaluation einer Methode anhand von Feedbacks verschiedener Plattformen

     

    Voraussetzungen: Selbstständiges, zuverlässiges und gewissenhaftes Arbeiten, Programmierkenntnisse

    Einstiegsliteratur:

    • Kornberger, M., Pflueger, D. und Mouritsen, J. (2017): Evaluative infrastructures: Accounting for platform organization.
    • Mudambi, S., Schuff, D. und Zhang, Z. (2014): Why aren't the stars aligned? An analysis of online review content and star ratings.

    Bei Interesse wenden Sie sich bitte an Andreas Steur (andreas.steur(at)uni-ulm.de).

  • Identifikation von Einflussfaktoren auf die Einführung von Objectives and Key Results (OKR) (MA)

    Forschungsfrage: Welche Faktoren beeinflussen die erfolgreichen Einführung von Objektives and Key Results?

    Hintergrund:

    Objectives and Key Results (OKR) ist ein durch Google bekannt gewordenes operatives Managementsystem, das die Priorisierungsfähigkeit sowie die Kommunikation und Transparenz im Unternehmen verbessern, Leistung klarer messen, sowie Mitarbeiterengagement stärken soll, um das Erreichen von Unternehmenszielen zu unterstützen (Doerr 2018). Die Einführung neuer Managementsysteme führt vielfach zu Zurückhaltung der Verantwortlichen und einer abwartenden, reaktiv geprägten Haltung in den Unternehmen (Engelhardt und Möller 2017). In Literatur bleibt offen, welche Faktoren eine erfolgreiche Einführung von Managementsystemen, insb. OKR, determinieren.

    Ziele der Arbeit:

    1. Literaturreview zur Identifikation relevanter Einflussfaktoren auf die Einführung von OKR
    2. Entwicklung eines Experimentaldesigns (z. B. Laborexperiment, Online-Experiment) zur Validierung der ermittelten Ergebnisse
    3. Ableitung von Implikationen für Unternehmen

     

    Voraussetzungen: Selbstständiges, zuverlässiges und gewissenhaftes Arbeiten, Interesse an Performance Measurement

    Einstiegsliteratur:

    • Doerr, J. E. (2018): Measure what matters. How Google, Bono, and the Gates Foundation rock the world with OKRs.
    • Lihl, H. T., Mahlendorf, M. D. und Schmotz, D. (2019): Agiles Controlling mit OKR für schnelles Wachstum.
    • Engelhardt, P. und Möller, K. (2017): OKRs - Objectives and Key Results. Kritische Analyse eines neuen Managementtrends.

    Bei Interesse wenden Sie sich bitte an Andreas Steur (andreas.steur(at)uni-ulm.de).

  • Akzeptanz und Kundenkommunikation in Subscription-Geschäftsmodellen (SGM) (MA)

    Forschungsfrage: Wie ist die Kundenkommunikation in SGM zu gestalten, um die Akzeptanz dieser Geschäftsmodelle sicherzustellen und den Kundennutzen darzustellen?

    Hintergrund:

    In SGM wird Kunden anstatt des einmaligen Verkaufs eines Produkts der Zugang zu einer Leistung oder einem Output per „Abonnement“ angeboten. Der Anbieter verpflichtet sich, diese Leistung kontinuierlich zu verbessern und bietet dem Kunden einen Nutzen, der weit über die bisherige Wertschöpfung hinausgeht. Um den Kunden von der Einführung eines SGM zu überzeugen, ist es notwendig zu verstehen, was die Hemmnisse der Kunden sind und wie mit den Kunden zu kommunizieren ist (Massa et al. 2017). Die Einführung von SGM führt zu Akzeptanzbarrieren, für deren Überwindung in der Literatur und in der Anwendung bisher keine spezifischen SGM-Methoden vorhanden sind.

    Ziele der Arbeit:

    1. Identifikation von Akzeptanzbarrieren anhand eines systematischen Literaturreviews und anhand von Experteninterviews
    2. Entwicklung eines Kommunikationsinstruments zur effizienten Bewertung und Kommunikation des Kundennutzens eines SGM

     

    Voraussetzungen: Selbstständiges, zuverlässiges und gewissenhaftes Arbeiten, Begeisterung und Interesse für Geschäftsmodell-Entwicklung

    Einstiegsliteratur:

    • Massa, L., Tucci, C. und Afuah, A. (2017): A Critical Assessment of Business Model Research.
    • Venkatesh, V., Morris, M. und Davis, G. (2003): User Acceptance of Information Technology: Toward a Unified View.

    Bei Interesse wenden Sie sich bitte an Andreas Steur (andreas.steur(at)uni-ulm.de).

  • Auswirkungen von kognitiven Biases auf Akzeptanz und Einsatz von Robotic Process Automation (MA)

    Forschungsfrage: Wie wirken sich kognitive Biases auf die Akzeptanz und den Einsatz von RPA aus?

    Hintergrund:

    Robotic Process Automation (RPA) hat sich als effizienzsteigernde Automatisierungstechnologie in Unternehmen erwiesen, die viele Arbeitsschritte von Mitarbeitern am PC obsolet macht und damit deren Arbeitsweise stark verändert (Lacity und Willcocks 2018). „Dies steht im Gegensatz zu der Tendenz von Individuen Zustände bewahren zu wollen“ (Gronau und Ullrich 2019). Mit der Digitalisierung einhergehende Transformationen oder Einführungen von Technologien können bei betroffenen Mitarbeitern sub- oder objektiv wahrgenommene Barrieren oder Widerstände verursachen. Dabei spielen kognitive Biases bei der Akzeptanz von Technologien eine große Rolle. Offen ist in der Literatur, welche kognitiven Biases insb. beim Einsatz von RPA nachweisbare Relevanz zeigen.

    Ziele der Arbeit:

    1. Literaturreview zum Stand der Technik verschiedener RPA-Einsatzszenarien
    2. Systematisierung der RPA-Einsatzszenarien im Hinblick der Mensch-Maschine-Interaktion
    3. Entwicklung und Auswertung eines Fragebogens zur Akzeptanz verschiedener RPA-Einsatzszenarien

     

    Voraussetzungen: Selbstständiges, zuverlässiges und gewissenhaftes Arbeiten, Begeisterung und Interesse an psychologischen Aspekten der BWL

    Einstiegsliteratur:

    • Lacity, M. und Willcocks, L. (2018): Robotic process and cognititve automation – The next phase.
    • Gronau N. und Ullrich A. (2019): Auswirkungen der Digitalisierung – Implikationen und Handlungsempfehlungen für Transformation und betriebliche Weiterbildung.

    Bei Interesse wenden Sie sich bitte an Andreas Steur (andreas.steur(at)uni-ulm.de).

  • Entwicklung eines KI-Akzeptanzmessmodells (MA)

    Forschungsfrage: Welche Faktoren beeinflussen die Akzeptanz von KI-basierten Entscheidungen?

    Hintergrund:

    Methoden der künstlichen Intelligenz (KI) eröffnen für die Produktion den Weg zu einer datengetriebenen Prozesskette, die domänenspezifisches Wissen mit virtuellen Abbildern und zunehmend natur-sprachlich und intuitiv bedienbaren Schnittstellen verbindet (Morariu al. 2020; Carvalho et al. 2019). Beim Einsatz von Methoden der KI ist jedoch zu beachten, dass das Verständnis für und die Akzeptanz von KI-Systemen bei den im Unternehmen tätigen Menschen wenig verbreitet ist – dies gilt von den Führungsebenen bis zu den Auszubildenden. Um eine systematische Messung und später eine Steigerung dieser mangelnden Akzeptanz zu ermöglichen, bedarf es eines Akzeptanzmodells, welches die Persönlichkeits- sowie die reine Technologieakzeptanz misst (Scheuer 2020).

    Ziele der Arbeit:

    1. Literaturstrukturierung nach Mayring zur Identifikation und Ableitung eines Akzeptanzmessmodells für KI-basierte Entscheidungen
    2. Erprobung des Akzeptanzmessmodells im Rahmen von Interviews

     

    Voraussetzungen: Selbstständiges, zuverlässiges und gewissenhaftes Arbeiten, Erfahrung in Inhaltsanalyse nach Mayring oder verwandter Methoden

    Einstiegsliteratur:

    • Schaefer, K. E., Chen, J. Y. C., Szalma, J. L. und Hancock, P. A. (2016): A Meta-Analysis of Factors Influencing the Development of Trust in Automation.
    • Lee, J. D. und See, K. A. (2004): Trust in Automation: Designing for Appropriate Reliance.
    • Ghazizadeh, M., Lee, J. D. und Boyle, L. N. (2012): Extending the Technology Acceptance Model to assess automation.

    Bei Interesse wenden Sie sich bitte an Andreas Steur (andreas.steur(at)uni-ulm.de).

  • Maßnahmenentwicklung zur Akzeptanzsteigerung KI-basierter Entscheidungen (MA)

    Forschungsfrage: Welche Maßnahmen haben einen akzeptanzsteigernde Wirkung im Kontext KI-basierter Entscheidungen?

    Hintergrund:

    Methoden der künstlichen Intelligenz (KI) eröffnen für die Produktion den Weg zu einer datengetriebenen Prozesskette, die domänenspezifisches Wissen mit virtuellen Abbildern und zunehmend natur-sprachlich und intuitiv bedienbaren Schnittstellen verbindet (Morariu al. 2020; Carvalho et al. 2019). Beim Einsatz von Methoden der KI ist jedoch zu beachten, dass das Verständnis für und die Akzeptanz von KI-Systemen bei den im Unternehmen tätigen Menschen wenig verbreitet ist – dies gilt von den Führungsebenen bis zu den Auszubildenden (Schaefer et al. 2016). Mithilfe von akzeptanzsteigernden Maßnahmen kann die Qualität der KI-Implementierung sowie der spätere Nutzen gesteigert werden.

    Ziele der Arbeit:

    1. Systematisches Literaturreview zur Identifikation möglicher akzeptanzsteigernder Maßnahmen im Einsatzfeld: KI im Produktionsumfeld.
    2. Entwicklung eines Studiendesigns (z. B. Fragebogenstudie) zur Abschätzung der Eignung der identifizierten Maßnahmen.

     

    Voraussetzungen: Selbstständiges, zuverlässiges und gewissenhaftes Arbeiten, Begeisterung und Interesse an psychologischen Aspekten der BWL

    Einstiegsliteratur:

    • Schaefer, K. E., Chen, J. Y. C., Szalma, J. L. und Hancock, P. A. (2016): A Meta-Analysis of Factors Influencing the Development of Trust in Automation.
    • Goodhue, D. undThompson, R. (1995): Task-Technology Fit and Individual Performance.
    • Ghazizadeh, M., Lee, J. D. und Boyle, L. N. (2012): Extending the Technology Acceptance Model to assess automation.

    Bei Interesse wenden Sie sich bitte an Andreas Steur (andreas.steur(at)uni-ulm.de).