Seminar Customer Relationship Management und Social Media (Bachelor)

Das Seminar Customer Relationship Management und Social Media baut auf der Veranstaltung „Wertorientiertes Customer Relationship Management & Business Intelligence“ auf und ist inhaltlich dem Schwerpunkt „Business Analytics“ zugeordnet.

Im Rahmen des Seminars sollen Lösungsansätze für spezifische Fragestellungen aus den Bereichen Customer Relationship Management und Social Media beleuchtet und (weiter)entwickelt werden. Hierfür sind in der Regel zunächst ein strukturierter Literaturüberblick zum Thema zu erarbeiten und Best Practices zu recherchieren. Ein kritischer Vergleich von Theorie und Praxis, eigene Ideen und Handlungsempfehlungen sowie ggf. auch der Einsatz bzw. die Evaluation von Software-Tools runden das Seminar ab.

Themenvergabe

24.01.2023 - 02.02.2023:
Präferenzeingaben durch die Studierenden im Tool

03.02.2023:
Hauptrunde des Seminarmatchings

07.02.2023:
Zweite Runde des Seminarmatchings

Themen

Künstliche Intelligenz (KI) hat Menschen bei der Diagnose von Röntgenbildern oder beim Schachspielen überholt. Gleichzeitig erschrecken Nachrichten über diskriminierende Algorithmen oder Unfälle mit selbstfahrenden Autos. Welches Maß an Vertrauen ist „gesund“? Und wie kann man messen, ob wir KI angemessen vertrauen?

Im Rahmen der Seminararbeit soll ein Überblick über die wissenschaftliche Literatur zu angemessenem Vertrauen in KI gegeben werden. Anschließend soll beleuchtet werden, inwieweit angemessenes Vertrauen in KI gemessen werden kann.

Literaturhilfe: Dazeley, R., Vamplew, P., Foale, C., Young, C., Aryal, S., & Cruz, F. (2021). Levels of explainable artificial intelligence for human-aligned conversational explanations. Artificial Intelligence, 299, 103525. DOI: 10.1016/j.artint.2021.103525

Künstliche Intelligenz (KI) hat Menschen bei der Diagnose von Röntgenbildern oder beim Schachspielen überholt. Gleichzeitig erschrecken Nachrichten über diskriminierende Algorithmen oder Unfälle mit selbstfahrenden Autos. Um KI ethisch und wertstiftend einzusetzen, ist es wichtig, unfaire und diskriminierende Entscheidungen zu vermeiden.

Im Rahmen der Seminararbeit soll untersucht werden, wie Erklärbare Künstliche Intelligenz (XAI) bei der Vermeidung von unfairen und diskriminierenden Entscheidungen unterstützen kann. Es soll genauer analysiert werden, inwieweit XAI dazu beiträgt, Verzerrungen in KI-Systemen zu korrigieren und wo die Grenzen und Herausforderungen bei der Anwendung von XAI zur Bekämpfung von Verzerrungen in KI-Systemen liegen.

Literaturhilfe: A. Rawal, J. McCoy, D. B. Rawat, B. M. Sadler and R. S. Amant, "Recent Advances in Trustworthy Explainable Artificial Intelligence: Status, Challenges, and Perspectives," in IEEE Transactions on Artificial Intelligence, vol. 3, no. 6, pp. 852-866, Dec. 2022, doi: 10.1109/TAI.2021.3133846

Künstliche Intelligenz (KI) hat Menschen bei der Diagnose von Röntgenbildern oder beim Schachspielen überholt. Gleichzeitig erschrecken Nachrichten über diskriminierende Algorithmen oder Unfälle mit selbstfahrenden Autos. KI-Systeme übernehmen immer mehr Aufgaben und haben Einfluss auf unser tägliches Leben. Daher ist es wichtig, klare Regeln und Verantwortung für deren Entscheidungen festzulegen.

Im Rahmen dieser Seminararbeit sollen verschiedene Aspekte der Verantwortung im Zusammenhang mit KI untersucht werden. Zudem soll diskutiert werden, wer die Verantwortung für Entscheidungen von KI-Systemen tragen sollte, um sicherzustellen, dass sie ethisch und rechtmäßig eingesetzt werden.

Literaturhilfe: Carter, D. (2020). Regulation and ethics in artificial intelligence and machine learning technologies: Where are we now? Who is responsible? Can the information professional play a role? Business Information Review, 37(2), 60–68. doi.org/10.1177/0266382120923962

Künstliche Intelligenz (KI) hat Menschen bei der Diagnose von Röntgenbildern oder beim Schachspielen überholt. Gleichzeitig erschrecken Nachrichten über diskriminierende Algorithmen oder Unfälle mit selbstfahrenden Autos. KI hat das Potenzial, in vielen Bereichen signifikante Fortschritte zu erzielen, aber auch Auswirkungen auf die Umwelt und die Gesellschaft zu haben. Dabei steht die Diskussion um die ökologischen Aspekte und sozio-ökonomischen Technikfolgen noch ganz am Anfang.

Im Rahmen dieser Seminararbeit soll untersucht werden, ob Künstliche Intelligenz dabei helfen kann, eine nachhaltige Zukunft zu ermöglichen. Es soll diskutiert werden, welche ökologischen, sozialen und ökonomischen Aspekte im Kontext von KI-Systemen relevant sind.

Literaturhilfe: Rohde, F., Wagner, J., Reinhard, P., Petschow, U., Meyer, A., Voß, M., & Mollen, A. (2021). Nachhaltigkeitskriterien für künstliche Intelligenz. IÖW-Schriftenreihe, 220/21.

Künstliche Intelligenz (KI) hat Menschen bei der Diagnose von Röntgenbildern oder beim Schachspielen überholt. Gleichzeitig erschrecken Nachrichten über diskriminierende Algorithmen oder Unfälle mit selbstfahrenden Autos. Insbesondere die Relevanz von Chatbots nimmt in unserem Alltag immer mehr zu: Ob mit Alexa und Siri, im Marketing und Sales oder in der Medizintechnik – KI findet in immer mehr Bereichen statt und unterstützt bei der Entscheidungsfindung und personalisierten Kommunikation.

Im Rahmen dieser Seminararbeit sollen die Studenten sich auf die Technologie hinter ChatGPT konzentrieren und untersuchen, inwieweit ChatGPT eine KI-Revolution in der Branche darstellt. Dabei sollen sie sich mit den Funktionsweisen von ChatGPT und anderen Chatbots auseinandersetzen, die technischen Anforderungen für den Einsatz von ChatGPT bewerten und die Möglichkeiten und Limitationen von ChatGPT im Vergleich zu anderen KI-Systemen diskutieren.

Literaturhilfe: OpenAI. ChatGPT: Optimizing Language Models for Dialogue. OpenAI. Retrieved from openai.com/blog/chatgpt/

In Deutschland lehnt mehr als die Hälfte der Bevölkerung vollautomatisierte Entscheidungen ab. Der Mythos der intelligenten unkontrollierbaren Maschine existiert. Auf der anderen Seite werden algorithmische Entscheidungs(unterstützungs)systeme in vielen Alltagsbereichen bereits erfolgreich eingesetzt, nicht zuletzt in der medizinischen Diagnostik oder bei der Beurteilung der Kreditwürdigkeit. Um die Akzeptanz von Algorithmen und intelligenten Systemen bei Nutzern zu erhöhen, hat das Forschungsfeld Explainable Artificial Intelligence (XAI) zum Ziel, automatisch Erklärungen zu algorithmischen Entscheidungen zu liefern. In Wissenschaft und Praxis werden kontrafaktische Erklärungen gehypt – aber wie gut sind sie wirklich?

Im Rahmen der Seminararbeit soll ein strukturierter Überblick über die wissenschaftliche Literatur zu Explainable Artifical Intelligence gegeben werden. Anschließend soll kritisch eingeordnet werden, welchen Mehrwert kontrafaktische Erklärungen Nutzern von intelligenten Systemen bringen.

Literaturhilfe: quod.lib.umich.edu/p/phimp/3521354.0017.003/--how-mathematics-can-make-a-difference

In Deutschland lehnt mehr als die Hälfte der Bevölkerung vollautomatisierte Entscheidungen ab. Der Mythos der intelligenten unkontrollierbaren Maschine existiert. Auf der anderen Seite werden algorithmische Entscheidungs(unterstützungs)systeme in vielen Alltagsbereichen bereits erfolgreich eingesetzt, nicht zuletzt in der medizinischen Diagnostik oder bei der Beurteilung der Kreditwürdigkeit. Um die Akzeptanz von Algorithmen und intelligenten Systemen bei Nutzern zu erhöhen, hat das Forschungsfeld Explainable Artificial Intelligence (XAI) zum Ziel, automatisch Erklärungen zu algorithmischen Entscheidungen zu liefern. Dabei orientieren sich Forscher an Erkenntnissen aus der Philosophie.

Im Rahmen der Seminararbeit soll ein strukturierter Überblick über die wissenschaftliche Literatur zu Explainable Artifical Intelligence gegeben werden. Anschließend soll kritisch eingeordnet werden, inwiefern der State-of-the-Art den Erkenntnissen zu Erklärungen aus der Philosophie entspricht.

Literaturhilfe: plato.stanford.edu/entries/scientific-explanation/

Social Media hat unser Leben in vielen Bereichen verändert. Es ermöglicht uns, mit Freunden und Familie in Kontakt zu bleiben, neue Menschen kennenzulernen und Informationen auszutauschen. Leider wird Social Media auch oft zur Verbreitung von Falschinformationen missbraucht. Dies kann politische Entscheidungen beeinflussen, Stimmungen verändern und sogar zu sozialen Unruhen führen.

Im Rahmen dieser Seminararbeit soll ein Überblick über die wissenschaftliche Literatur zum Missbrauch von Social Media zur Verbreitung von Fake News gegeben werden. Anschließend soll untersucht werden, warum Fake News verbreitet werden und wie man den Missbrauch von Social Media eindämmen kann, um eine sichere und informierte Online-Gesellschaft zu fördern.

Literaturhilfe: Shalini Talwar, Amandeep Dhir, Puneet Kaur, Nida Zafar, Melfi Alrasheedy, Why do people share fake news? Associations between the dark side of social media use and fake news sharing behavior, Journal of Retailing and Consumer Services, Volume 51, 2019, Pages 72-82, ISSN 0969-6989, doi.org/10.1016/j.jretconser.2019.05.026.

Mit der Nutzung von sozialen Medien werden Menschen nicht nur zum gläsernen Bürger, sondern auch angreifbar für Manipulationen. Politiker können sich dies zunutze machen und mithilfe von sozialen Medien die öffentliche Meinung und Wahrnehmung zu manipulieren. Wie viel Macht haben soziale Medien in politischen Konflikten wirklich und wie können soziale Medien eingesetzt werden?

In dieser Seminararbeit soll die Bedeutung von sozialen Medien im Kontext von Wahlkämpfen untersucht werden. Dabei soll die Frage beantwortet werden, wie soziale Medien die politische Meinungsbildung und Entscheidungen der Wähler beeinflussen können. Es soll herausgearbeitet werden, welche Rolle soziale Medien im Wahlkampf spielen und welchen Einfluss sie auf die politische Kommunikation haben.

Literaturhilfe:  Sebastian Stier and Arnim Bleier and Haiko Lietz and Markus Strohmaier, Election Campaigning on Social Media: Politicians, Audiences, and the Mediation of Political Communication on Facebook and Twitter, Political Communication, 35, 1, 50-74, 2018, Routledge, 10.1080/10584609.2017.1334728.

Reinforcement Learning (RL) ist ein Überbegriff für Methoden, die durch das selbstständige Erlernen von Strategien neue Problemlösungen finden. Bekannt wurde dieses Machine Learning Paradigma durch Algorithmen, die sowohl den Menschen als auch andere Softwares in Spielen wie Schach oder Go deutlich übertreffen konnten. Allerdings stellt sich trotz dieser beeindruckenden Leistungen die Frage, ob die Methoden des RL auch einen ökonomischen oder gesellschaftlichen Mehrwert liefern können.

Im Rahmen der Seminararbeit soll ein Überblick über die Funktionsweise von Methoden des RL sowie deren Anwendungsgebiete gegeben werden. Anschließend soll das Potenzial für die Anwendung von RL mit einem ökonomischen oder gesellschaftlichen Mehrwert beleuchtet und diskutiert werden.

Literaturhilfe: A. S. Polydoros & L. Nalpantidis (2016): „Survey of Model-Based Reinforcement Learning: Applications on Robotics“

Die Analyse großer Datenmengen (Big Data) und die darauf basierende Entscheidungsunterstützung versprechen enormes Potenzial für Unternehmen. Zu solchen Unternehmen zählen außerdem Sportvereine, welche immer mehr versuchen die Leistung ihrer Sportler durch die Auswertung von Daten zu verbessern.

Im Rahmen der Arbeit soll ein Überblick über die Nutzungsmöglichkeiten von Big Data und Machine Learning Verfahren im Sport gegeben werden. Anschließend soll speziell das Potenzial von Machine Learning Verfahren analysiert und diskutiert werden.

Literaturhilfe: Morgulev, E., Azar, O. H., & Lidor, R. (2018). Sports analytics and the big-data era. International Journal of Data Science and Analytics, 5(4), 213-222.

Dozierende

Prof. Dr. Mathias Klier, Institut für Business Analytics
Prof. Dr. Mathias Klier
Dr. Maximilian Förster, Institut für Business Analytics
Dr. Maximilian Förster
Philipp Hühn, Institut für Business Analytics
Philipp Hühn

Inhaltliche Informationen

Die Studierenden erwerben im Rahmen dieses Moduls die Fähigkeit, ein Thema aus dem Gebiet Customer Relationship Management und Social Media selbständig und nach wissenschaftlichen Kriterien zu erarbeiten. Die Bearbeitung einer Seminararbeit mit anschließender Präsentation und Diskussion der Ergebnisse fördert die rhetorische Fertigkeit und soziale Kompetenz der teilnehmenden Studierenden.

In diesem Modul werden folgende fachliche Inhalte vermittelt:

  • Social Media - Digitale Plattformen
  • Social Media - Fake News
  • CRM - Explainable Artificial Intelligence

Je nach Themengebiet wird individuelle Literatur empfohlen.

Organisatorische Informationen

Nächster Veranstaltungsbeginn: SoSe 23

Ort: Online

Termine: 

  • Abgabe der Seminararbeiten: Termin wird rechtzeitig bekannt gegeben
  • Endpräsentation: Zeitpunkt und Ort werden rechtzeitig bekannt gegeben

ECTS: 4

Seminar (2 SWS): Schriftliche Hausarbeit, Präsentationsunterlagen, Präsentation im Rahmen eines Seminarvortrags

Themenvergabe mit Hilfe des zentralen Tools:

  • Deutsche Version:

       econ.mathematik.uni-ulm.de/semapps/stud_de/

  • Englische Version:

       econ.mathematik.uni-ulm.de/semapps/stud_en/

Die Themen können nur alleine bearbeitet werden. Zur Erlangung des Leistungsnachweises ist die Anfertigung einer Seminararbeit sowie einer Präsentation (10 Minuten) mit anschließender Diskussion (5 Minuten) notwendig.

Schwerpunktfächer: Technologie- und Prozessmanagement, Business Analytics, sowie Unternehmensführung und Controlling, Wahlpflicht BWL

Studiengänge: B.Sc. Wirtschaftswissenschaften, B.Sc. Wirtschaftsmathematik, B.Sc. Wirtschaftschemie, B.Sc. Wirtschaftsphysik und Studiengänge mit Nebenfach Wirtschaftswissenschaften