In general

To get rewarded - you have to crack the tough nut!

Internships and thesis in cooperation with the ITOP are different from what expect. We need 'thinkers' and 'doers'. As an ITOP graduate you will be participating in a practical project for several months and you'll get the chance to write your thesis.

You can purposefully apply the knowledge you've learned and your tested techniques. You will be professionally and methodically accompanied by a staff member of ITOP. In company you have a contact person supporting you on-site.

Available theses

If you click on the title, you will get the details ...

Wann skaliert eine Plattform? - Quantifizierung des Tipping Points (MA)

Skizze des Inhalts:

Für die Beantwortung der Kernfrage ist zu Beginn der Begriff des Tipping Points im Plattformkontext zu definieren. Anschließend ist zu evaluieren, beim Eintritt welcher Bedingungen eine Plattform den Punkt der Skalierung erreicht.

Literaturhinweis:

Tan, B., Pan, S., Lu, X. und Huang, L. (2009): Leveraging digital business ecosystems for enterprise agility: the tri-logic development strategy of Alibaba.com. In: Thirtieth International Conference on Information Systems, 171.

Teece, D. (2017): Dynamic capabilities and (digital) platform lifecycles. In Advances in Strategic Management, 37, S.211–225.

Kontakt:

Andreas Steur

Visualisierung als Ansatz zur bewussten kognitiven Beeinflussung (BA)

Skizze des Inhalts:

Zu Beginn der Arbeit ist der Begriff der kognitiven Beeinflussung und seiner Aspekte zu definieren. Im Anschluss sollen verschiedene Methoden der Visualisierung behandelt werden, die sich für eine bewusste kognitive Beeinflussung eignen. Hierbei sind sowohl Chancen als auch Herausforderungen der einzelnen Methoden zu beachten.

Literaturhinweis:

Toker, D., Conati, C., Steichen, B. and Carenini, G. (2013): Individual user characteristics and information visualization: connecting the dots through eye tracking. In: CHI, 2013, S. 295–304.

Pinker, S. (1984): Visual cognition: an introduction. In: Cognition, 18 (1–3), S. 1–63.

Kontakt:

Andreas Steur

Verbreitungsgrad von Skalierungsstrategien digitaler Plattformen (MA)

Skizze des Inhalts:

Ziel der Arbeit ist die Untersuchung des Verbreitungsgrads von Skalierungsstrategien. Hierzu sollen zunächst die existierenden Skalierungsstrategien erarbeitet werden sowie deren Vor- und Nachteile aufgezeigt werden. Im Anschluss soll die Verbreitung der einzelnen Strategien empirisch untersucht werden.

Literaturhinweis:

Eisenmann, T., Parker, G. und van Alstyne, M. (2006) Strategies for two-sided markets. In: Harvard Business Review, 84 (10), S. 101–149.

Bharadwaj, A., El Sawy, O., Pavlou, P. und Venkatraman, N. (2013): Digital business strategy: toward a next generation of insights. In: MIS Quarterly 37 (2), S. 471–482.

Kontakt:

Andreas Steur

Performance Measurement für Plattformen (BA/MA)

Skizze des Inhalts:

Zunächst sollen die relevanten Grundlagen digitaler Plattformen sowie das Konzept des Tipping Points erarbeitet werden. Im Anschluss sollen Performance Measures für die unterschiedlichen Entwicklungsphasen digitaler Plattformen vor und nach dem Tipping Point erarbeitet werden. Dabei sollen auf mögliche Plattformziele, geeignete Key Performance Indikators sowie Schwierigkeiten bei deren Erhebung und Analyse der Indikatoren eingegangen werden.

Literaturhinweis:

Rysman, M. (2009): The economics of two-sided markets. In: Journal of Economic Perspectives, 23 (3): S. 125–43.

Parker, G., van Alstyne, M. Choudary, S. (2016): Platform revolution. How networked markets are transforming the economy – and how to make them work for you. New York: W.W Norton & Company.

Kontakt:

Andreas Steur

Umgang mit Qualitätsrisiken in zweiseitigen Märkten (BA / MA)

Skizze des Inhalts:

Zunächst sollen in der Arbeit die Charakteristika von zweiseitigen Märkten aufgezeigt werden. Im Anschluss sind die Qualitätsrisiken zu erläutern, die bei Interaktionen auf zweiseitigen Märkten bestehen. Im weiteren Verlauf der Arbeit sollen Methoden und Techniken aufgezeigt werden, wie mit diesen Risiken umgegangen werden kann. Abschließend ist eine kritische Betrachtung der Maßnahmen hinsichtlich ihres Einflusses auf den Markt durchzuführen.

Literaturhinweis:

Filistrucchi, L. and Geradin, D. und van Damme, E.und Affeldt, P. (2013): Market Definition in Two-Sided Markets: Theory and Practice (March 16, 2013). In: TILEC Discussion Paper No. 2013-009; Tilburg Law School Research Paper 9 (2013).

Zhu, F. und Iansiti, M. (2007): Dynamics of Platform Competition: Exploring the Role of Installed Base, Platform Quality and Consumer Expectations. In: Harvard Business School Working Paper, 08 (31), S. 1–48.

Kontakt:

Andreas Steur

Praxisbezogene Masterarbeit: Verbesserung der Planungsqualität von Beratungsprojekten durch den Einsatz von Business Analytics

Praxisbezogene Masterarbeit in Zusammenarbeit mit Drees & Sommer

Drees & Sommer berät private und öffentliche Bauherren sowie Investoren seit über 45 Jahren bei allen Fragen rund um Immobilien und Infrastruktur. Das partnergeführte Unternehmen mit Hauptsitz in Stuttgart beschäftigt fast 3.000 Mitarbeiter an insgesamt 41 Standorten weltweit.

Ziel der Masterarbeit ist es die Ergebnisplanung von Projekten durch den Einsatz von Business Analytics zu verbessern. Grundlage hierfür bilden Zeitreihendaten zu geplanten Umsätzen, den geplanten Ergebnissen sowie weitere Informationen (bspw. die Erfahrung des Projektleiters). Die Zeitreihen liegen für ca. 50.000 Aufträge vor und spiegeln die verschiedenen Planungsstände für jeden Tag der jeweiligen Auftragslaufzeit wieder. Die zugrundeliegenden betriebswirtschaftlichen Fragestellungen lauten:

  • Welche Faktoren beeinflussen in welchem Umfang die Planungsqualität? Welchen Einfluss hat bspw. die Berufserfahrung des Projektleiters auf die Qualität der Planung des Projektergebnisses vom ersten Tag an?
  • Kann bereits bei Neuanlage einer Projektplanung die Planungsqualität prognostiziert werden?
  • Wie kann die Planungsqualität verbessert werden?

Im Rahmen der Masterarbeit sollen die betriebswirtschaftlichen Fragestellungen in ein Analytics-Problem überführt werden und dieses soll durch den Einsatz geeigneter statistischer Methoden gelöst werden. Die so gewonnenen Evidenzen sollten anschließend in passender Form aufbereitet und visualisiert werden.

Für den Zeitraum der Masterarbeit ist eine Anstellung bei Drees & Sommer im Rahmen eines Praktikums möglich und erwünscht.

Kontakt: Prof. Dr. Mischa Seiter (mischa.seiter(at)uni-ulm.de)

ITOP-Themenfeld: Steuerung digitaler Plattformen (BA / MA)

 

Viele Startups treten als Plattformen in Märkte ein und können Branchen in kürzester Zeit grundlegend verändern. Für digitale Plattformen relevante betriebswirtschaftliche Fragestellungen sind unter anderem die Vorhersage, die Skalierung, Steuerungsmechanismen, die Monetarisierung und das Performance Measurement. Aus diesen Fragestellungen können mehrere Abschlussarbeitsthemen für Bachelorarbeiten und Masterarbeiten entwickelt werden. Kontaktieren Sie bei Interesse Andreas Steur.

Literaturhinweis

Parker, van Alstyne und Choudary (2016): Platform revolution. 1. Aufl. New York und London: W. W. Norton & Company.

Tiwana (2013): Platform ecosystems. Waltham: Morgan Kaufmann.

Van Alstyne, Parker und Choudary (2016): Pipelines, platforms, and the new rules of strategy – Scale now trumps differentiation. Harvard Business Review, 94 (4).

Ausschreibung Bachelorarbeit (BigData)

Themengebiet: Data Analysis, Big Data

 

Kurzbeschreibung:

In den unterschiedlichsten Anwendungsbereichen werden inzwischen Daten über die tägliche Nutzung globaler und auch lokaler Transportnetzwerke in Echtzeit zur Verfügung gestellt. Diese Daten umfassen die Auslastung von Mietwagen, Fahrrädern, weltweite Schiffspositionen oder auch Flugbewegungen. Die zielgerichtete und fundierte Analyse dieser Daten ermöglicht ein verbessertes Verständnis über die Nutzung und Funktion dieser Netzwerke in Abhängigkeit von externen Effekten und aktuellen Ereignissen.

 

Aufgabenstellung:

Im Rahmen der Arbeit soll der aktuelle Stand der Forschung zu Ansätzen ausgewählter Methoden zur Auswertung von Mobilitätsdaten untersucht und aufbereitet werden. Außerdem soll aufgezeigt werden, welche Anwendungsfelder die Auswertung von Mobilitätsdaten aufweist, aber auch, wie entsprechende Methoden bei praktischen Problemstellungen eingesetzt werden können. Ein kritischer Vergleich der jeweiligen Funktionalitäten und Einsatzmöglichkeiten runden Ihre Arbeit ab.

 

Voraussetzungen:

gute Strukturierungsfähigkeit, sorgfältige Arbeitsweise, Begeisterung für das Thema

ITOP-Thema: „Text Recognition in Images – Methoden und Möglichkeiten zur Prozessautomatisierung“ (BA/MA) (Prof. Dr. Mathias Klier)

Themengebiet: Künstliche Intelligenz, Machine Learning

 

Kurzbeschreibung:

Unter Text Recognition in Images versteht man das automatisierte Herausfiltern von Informationen in natürlicher Sprache, die in Bildern eingebettet sind. Dies stellt eine komplexe Aufgabe dar, da sich Text in Bildern in Bezug auf Größe, Schriftart, Abstand, Ausrichtung, Farbe und Struktur stark unterscheiden kann und dadurch für automatisierte Systeme schwer zu identifizieren ist.

In der Ära des Smartphones lassen sich schnell und komfortabel Bilder von Dokumenten, wie beispielsweise Rechnungen, Anträgen, Kündigungen etc., machen, um die enthaltenen Informationen in Form von Bilder bzw. Fotos zu übermitteln. Allerdings müssen diese Dokumente in Form von Bildern dann häufig noch von Mitarbeitern bearbeitet werden, um den Text aus den Bildern manuell in das jeweilige System zu übertragen. Um diesen Prozess zu automatisieren, können Methoden der Text Recognition in Images eingesetzt werden.

 

Aufgabenstellung:

Im Rahmen der Arbeit soll der aktuelle Stand der Forschung zu grundlegenden Ansätzen und Methoden der Text Recognition in Images (z. B. Text Location, Machine Learning und Unsupervised Classification) aufbereitet werden. Außerdem soll aufgezeigt werden, welche Anwendungsfelder und -möglichkeiten Text Recognition in Images und entsprechende Methoden aufweisen. Ein Überblick über die wichtigsten auf dem Markt existierenden Text Recognition-Tools sowie ein kritischer Vergleich der jeweiligen Funktionalitäten und Einsatzmöglichkeiten runden Ihre Arbeit ab.

 

Voraussetzungen:

gute Strukturierungsfähigkeit, sorgfältige Arbeitsweise, Begeisterung für das Thema

ITOP-Thema: „Social Network Analysis im Kontext “Learning”“ (MA) (Prof. Dr. Mathias Klier)

Themengebiet: Social Network Analysis

 

Kurzbeschreibung:

Im Rahmen der Digitalisierung werden die Angebote im Bereich E-Learning immer verbreiteter. Dabei stellt sich die Frage, wie die Kommunikation und das Lernen im Bereich E-Learning ablaufen. Ein Ansatz zur Untersuchung dieser neuen Lernform, der hier neue Einblicke verspricht, ist die Soziale Netzwerkanalyse. Dieses Forschungsgebiet betrachtet die Beziehungen oder auch Interaktionen zwischen Individuen und analysiert das daraus entstehende Netzwerk. Es stellt sich die Frage, wie genau verschiedene Bereiche des E-Learnings modelliert werden müssen, um bestimmte Methoden dieses Ansatzes darauf anwenden zu können, und welche dieser Methoden besonders hilfreiche Erkenntnisse liefern können.

 

Aufgabenstellung:

Im Rahmen der Arbeit soll der aktuelle Stand der Forschung zu Ansätzen ausgewählter Methoden der Social Network Analysis (SNA) untersucht und aufbereitet werden. Darüber hinaus soll ein Überblick über die Angebote im (E-)Learning-Bereich mit Fokus auf einem (selbst gewählten) Teilbereich gegeben werden. Anschließend soll herausgearbeitet werden, inwiefern bzw. wie der ausgewählte Teilbereich als (soziales) Netzwerk modelliert werden kann und wie mit ausgewählten Methoden der SNA speziell dieser Teilbereich auf gewisse selbst gewählte Fragestellungen untersucht werden könnte. Bei Vorliegen eines passenden Datensatzes kann der selbst entwickelte Ansatz an diesem demonstriert werden. Abschließend sollen die Vor- und Nachteile der Anwendung von Methoden der SNA auf den Learning-Kontext bzw. den ausgewählten Teilbereich daraus diskutiert werden.

 

Voraussetzungen:

Gute Strukturierungsfähigkeit, gute Transferfähigkeit, sorgfältige und selbständige Arbeitsweise, Begeisterung für das Thema

 

Literaturhinweise:

de Laat, M., Lally, V., Lipponen, L., Simons, R.-J. (2007).
Investigating patterns of interaction in networked learning and computer-supported collaborative learning: A role for Social Network Analysis. In: Computer-Supported Collaborative Learning, 2, SS. 87-103.

ITOP-Thema: „Crypto Currencies und Smart Contracts – Einsatz im Unternehmenskontext “ (BA) (Prof. Dr. Mathias Klier)

Themengebiet: Emerging Technologies, Geschäftsmodellinnovation

 

Kurzbeschreibung:

Kryptowährungen wie Bitcoin und Ethereum genießen in jüngster Vergangenheit sehr viel Aufmerksamkeit. Doch was steckt hinter Begriffen wie Blockchain, Smart Contracts und Wallets? Bitcoin wie auch Ethereum basieren auf der Blockchain-Technologie, bei der vergangene Aktionen (z. B. Transaktionen und Überweisungen) blockweise in einer Kette von Datensätzen („Blockchain“) durch kryptografische Verkettung gesichert werden. Durch die dezentrale Datenhaltung bei allen Teilnehmern der Blockchain und durch Integritätssicherung ist das System so gut wie manipulationssicher.

Im Unterschied zu Bitcoin stellt Ethereum keine reine Kryptowährung dar, sondern ermöglicht auch die Umsetzung von Smart Contracts. Durch Smart Contracts können Verträge digital durch Wenn-Dann-Regeln umgesetzt werden. Im B2C- und B2B-Bereich ermöglichen Sie eine einfachere Umsetzung, Verringerung der Transaktionskosten und eine erhöhte Vertragssicherheit. Dies eröffnet Unternehmen neue Geschäftsmodelle und Absatzmärkte. Zum Beispiel können durch den Wegfall von Zwischenhändlern im Stromhandel die Kosten reduziert werden. Überschüssiger Strom von Einzelpersonen (etwa durch einen Sonnenkollektor auf dem Dach) kann dann direkt an andere Personen verkauft werden.

 

Aufgabenstellung:

Im Rahmen der Arbeit soll der aktuelle Stand der Forschung zu Ansätzen und Techniken der Blockchain-Technologie und die Verwendung von Smart Contracts untersucht und aufbereitet werden. Darüber hinaus sind aktuelle und mögliche zukünftige Geschäftsmodelle zu erarbeiten und kritisch zu hinterfragen.

 

Voraussetzungen:

gute Strukturierungsfähigkeit, sorgfältige Arbeitsweise, Begeisterung für das Thema

ITOP-Thema: „Social Media Analytics – Was können Versicherungen über ihre Kunden und deren Wünsche lernen?“ (Masterarbeit) (Prof. Dr. Mathias Klier)

Themengebiet: Social Media Analytics

 

Kurzbeschreibung:

Über soziale Medien, wie beispielsweise Online Social Networks, Microblogs, Wikis, Bewertungs-Communities sowie Diskussionsforen, stehen Unternehmen heutzutage enorme Datenmengen zur Verfügung. Die zielgerichtete und fundierte Analyse dieser Daten ermöglicht eine verbesserte Entscheidungsunterstützung und birgt großes Potenzial in den unterschiedlichsten Anwendungsbereichen (z. B. Innovationsmanagement, Produktentwicklung, Marketing, Customer Relationship Management, internes Wissensmanagement).

Kunden äußern in Social Media verstärkt Anliegen, Kritik, Lob und Wünsche. Die Analyse dieser Kundenäußerungen bietet insbesondere auch für Versicherungen enormes Potenzial. Beispielsweise können Versicherungen Social Media-Daten (z. B. aus Twitter und Facebook) analysieren, um herauszufinden, wie zufrieden ihre Kunden mit dem Unternehmen allgemein oder mit einzelnen Produkten sind, welche Anforderungen und Wünsche ihrer Kunden haben und welche Kunden besonders zentral und einflussreich sind (z. B. im Kontext viraler Marketingkampagnen). Social Media Analytics bietet hierfür eine Vielzahl an Methoden, beispielsweise zur Sentiment-, Text- und sozialen Netzwerkanalyse.

 

Aufgabenstellung:

Im Rahmen der Masterarbeit soll der aktuelle Stand der Forschung zu grundlegenden Methoden von Social Media Analytics (z. B. Auslesen, Modellieren, Analysieren und Erfassen von Daten) sowie zur Analyse von umfangreichen Mengen an strukturierten und unstrukturierten Social Media-Daten untersucht und aufbereitet werden. Außerdem soll (kritisch) diskutiert werden, welche Potenziale Social Media Analytics speziell für die Versicherungsbranche bietet. Die exemplarische praktische Anwendung ausgewählter Methoden anhand eines realen (Twitter-)Datensatzes rundet die Arbeit ab.

 

Voraussetzungen:

gute Strukturierungsfähigkeit, sorgfältige Arbeitsweise, Begeisterung für das Thema

 

Literaturhinweis:

Stieglitz, Stefan; Dang-Xuan, Linh; Bruns, Axel; Neuberger, Christoph (2014): Social Media Analytics. In: Business & Information Systems Engineering 6 (2), pp. 89–96.

ITOP-Thema: „Text Mining und Topic Modeling bei Internetdokumenten“ (MA) (Prof. Dr. Mathias Klier)

Themengebiet: Text Mining, Topic Modeling

 

Kurzbeschreibung:

Im Internet kann auf eine große Anzahl an Lebensläufen (CVs) zugegriffen werden. Beispielsweise verfügen freiberufliche Spezialisten oft über einen Internetauftritt, auf dem zumeist auch ein Lebenslauf im PDF-Format zum Download angeboten wird. Zudem offerieren auch Vermittlungsdienste CVs über das Internet. Diese CVs sind für Unternehmen im Rahmen ihrer Human Resources-Tätigkeiten hochinteressant.

Zur Nutzung dieses Potenzials wurde von einem Praxispartner ein Crawler aufgebaut, der – mit Suchbegriffen gespeist – in Suchmaschinen zielgerichtet nach PDF-Dokumenten sucht und diese automatisiert herunterlädt. Die Dokumente wurden mittels Klassifizierungs-Algorithmen in die Gruppen CVs und Nicht-CVs unterteilt. Dabei umfasst die Gruppe der für dieses Thema interessanten CVs etwa 3.000 Dokumente aus verschiedensten Fachrichtungen.

Ziel der Arbeit ist es, diese Datenbasis für Human Resources-Tätigkeiten aufzubereiten. Nach entsprechenden Vorverarbeitungsschritten sollen hierbei Text Mining- bzw. Topic Modeling-Verfahren wie beispielsweise Latent Semantic Analysis oder Latent Dirichlet Allocation eingesetzt werden, um zum Beispiel eine Einteilung der CVs nach Fachrichtung erzielen zu können.

 

Aufgabenstellung:

Im Rahmen der Arbeit soll ein strukturierter Überblick über bestehende Methoden und Anwendungen von Text Mining und Topic Modeling gegeben werden. Ein (kritischer) Vergleich der jeweiligen Methoden sowie eine Analyse ihrer Einsatzmöglichkeiten im Bereich Human Resources runden den Theorieteil der Arbeit ab. Im Praxisteil wenden Sie softwaregestützt (z. B. KNIME Analytics Plattform, R oder Python) eine oder mehrere Methoden auf den von uns bereitgestellten Datensatz an und interpretieren Ihre Ergebnisse.

 

Voraussetzungen:

gute Strukturierungsfähigkeit, sorgfältige Arbeitsweise, Begeisterung für das Thema

ITOP-Thema: „Crowdfunding & Social Media Analytics“ (MA) (Prof. Dr. Mathias Klier)

Themengebiet: Social Media Analytics

 

Kurzbeschreibung:

Mit Hilfe von Crowdfunding lassen sich neue Projekte, Produkte und Geschäftsideen finanzieren. Plattformen wie „kickstarter“ stellen dabei über das World Wide Web den Kontakt zwischen möglichen Kapitalgebern und den Unternehmungen her. Gleichzeitig stehen über soziale Medien, wie beispielsweise Online Social Networks, Microblogs, Wikis, Bewertungs-Communities sowie Diskussionsforen, heutzutage enorme Datenmengen zur Verfügung. Die zielgerichtete und fundierte Analyse dieser Daten ermöglicht eine verbesserte Entscheidungsunterstützung und birgt großes Potenzial im Hinblick auf die Bewertung der durch Crowdfunding finanzierten Projekte. Social Media Analytics bietet dabei eine Vielzahl an Methoden und Anwendungen wie beispielsweise Textanalysen sowie soziale Netzwerkanalysen, um unter anderem Meinungen in sozialen Medien zu erfassen.

 

Aufgabenstellung:

Im Rahmen der Arbeit soll der aktuelle Stand der Forschung zu Social Media Analytics mit Fokus auf ausgewählte Methoden zur Analyse von umfangreichen Mengen an strukturierten und unstrukturierten Daten untersucht und aufbereitet werden. Außerdem soll untersucht werden, inwieweit diese Methoden geeignet sind, um den Erfolg oder Misserfolg von Crowdfunding-Kampagnen vorherzusagen. Hierfür soll eine Analyse der auf „kickstarter“ durchgeführten Kampagnen (Datensatz: https://webrobots.io/kickstarter-datasets/) in Verbindung mit Daten aus sozialen Netzwerken (z. B. Twitter oder Facebook) durchgeführt werden.

 

Voraussetzungen:

gute Strukturierungsfähigkeit, sorgfältige Arbeitsweise, Begeisterung für das Thema

Contact

 

Ulm University
Institute of Technology and Process Management
Helmholtzstraße 22
89081 Ulm


Postal address:

Ulm University
Institute of Technology and Process Management
89069 Ulm


Office:

Anette Lesle
phone: +49 (0) 7 31/50-3 23 01
fax: +49 (0) 7 31/50-3 23 09
e-mail: anette.lesle@uni-ulm.de