ChatGPT hat in nur 5 Tagen 1 Million Nutzerinnen und Nutzer erreicht. Generative Künstliche Intelligenz (KI) wie bspw. ChatGPT kann Alltag und Berufswelt disruptiv verändern. Wie wird generative KI in der Zukunft zum Lernen eingesetzt werden?

Im Rahmen der Seminararbeit soll ein Überblick über die wissenschaftliche Literatur zu generativer KI und deren Einsatzmöglichkeiten zum Lernen gegeben werden. Anschließend soll ein Szenario entworfen werden, wie generative KI wie bspw. ChatGPT in 5 Jahren das Lernen erleichtern kann.

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. Eine wachsende Zahl von Leitlinien für die ethische Entwicklung von KI-Systemen wurde von Akteuren aus der Privatwirtschaft, der Zivilgesellschaft, der Wissenschaft und der Politik bereits vorgelegt. Doch wie sieht deren tatsächliche Umsetzung in der Praxis aus?

Im Rahmen dieser Seminararbeit soll zunächst ein Überblick über das Spannungsfeld zwischen ethischen Prinzipien und gesamtgesellschaftlichen Interessen auf der einen Seite und den Zielen von Forschung, Industrie und Wirtschaft auf der anderen Seite gegeben werden. Darauf aufbauend sollen mögliche Lösungsansätze zur Überbrückung dieses Spannungsfeldes diskutiert werden.

Literaturhilfe: Hagendorff, T. (2020). The Ethics of AI Ethics: An Evaluation of Guidelines. Minds and Machines. 30. 10.1007/s11023-020-09517-8.

People Analytics als eine Form des algorithmischen Managements gewinnt im Zuge der Dezentralisierung der Arbeit und der Suche nach Werkzeugen, die die (Selbst-)Organisation und Führung in verteilten Teams unterstützen, zunehmend an Popularität. Allerdings besteht neben dem vermeintlichen Potenzial von People Analytics auch die inhärente Gefahr, dass es als Überwachungssoftware dient und bestehende Vorurteile und Diskriminierung verstärkt.

Im Rahmen dieser Seminararbeit soll ein umfassender Überblick über die Anwendungsbereiche von People Analytics entlang der sogenannten "Employee Journey" gegeben werden. Darauf aufbauend soll ein konkretes Tool zur Mitarbeiteranalyse eingeführt, eingeordnet und methodisch erklärt werden.

Literaturhilfe: Marler, J. H., & Boudreau, J. W. (2017). An evidence-based review of HR Analytics. The International Journal of Human Resource Management, 28(1), 3–26. doi.org/10.1080/09585192.2016.1244699.

People Analytics als eine Form des algorithmischen Managements gewinnt im Zuge der Dezentralisierung der Arbeit und der Suche nach Werkzeugen, die die (Selbst-)Organisation und Führung in verteilten Teams unterstützen, zunehmend an Popularität. Allerdings besteht neben dem vermeintlichen Potenzial von People Analytics auch die inhärente Gefahr, dass es als Überwachungssoftware dient und bestehende Vorurteile und Diskriminierung verstärkt.

Im Rahmen dieser Seminararbeit soll ein umfassender Überblick über die wissenschaftliche Literatur zur Wahrnehmung der MitarbeiterInnen bezüglich People Analytics gegeben werden. Anschließend soll ein eigenes Szenario entworfen werde, wie die Wahrnehmung von MitarbeiterInnen hinsichtlich der Einführung von People Analytics im Arbeitsumfeld gemessen werden könnte.

Literaturhilfe: Klöpper, M. (2023). EVERY BREAK YOU TAKE, EVERY CLICK YOU MAKE - EMPIRICAL INSIGHTS ON EMPLOYEES' PERCEPTION OF PEOPLE ANALYTICS. ECIS 2023 Research Papers. 356. aisel.aisnet.org/ecis2023_rp/356

Während die meisten Unternehmen noch damit beschäftigt sind, ihren Platz in einer digitalen Welt zu finden und ihre digitale Transformation zu meistern, steigt der Nachhaltigkeitsdruck für Unternehmen an. Viele Unternehmen haben erkannt, dass nachhaltigeres Handeln unausweichlich ist, um den neuen politischen, gesellschaftlichen und wirtschaftlichen Anforderungen gerecht zu werden. Obwohl Digitalisierungs- und Nachhaltigkeitsziele auf den ersten Blick konträr wirken können, schlummert ungeahntes Potenzial in der Verbindung von digitaler Transformation und Nachhaltigkeitstransformation.

Im Rahmen dieser Seminararbeit soll die Notwendigkeit untersucht werden, warum Digitalisierung und Nachhaltigkeit gemeinsam angegangen werden sollten und welches Synergiepotenziales es zu erschließen gilt.

Literaturhilfe: Graf-Drasch, V. et al. (2023). DRIVING TWIN TRANSFORMATION - THE INTERPLAY OF DIGITAL TRANSFORMATION AND SUSTAINABILITY TRANSFORMATION. ECIS 2023 Research Papers. 255. aisel.aisnet.org/ecis2023_rp/255

In den vergangenen Jahren hat sich die Verbreitung von Hate Speech in sozialen Medien zu einem bedeutenden gesellschaftlichen Problem entwickelt. Die Auswirkungen abwertender und diskriminierender Äußerungen auf Individuen und Gemeinschaften sind äußerst besorgniserregend. Angesichts des enormen Umfangs und der Geschwindigkeit, mit der Inhalte in sozialen Medien verbreitet werden, scheint es nahezu unmöglich, diese Flut von Hassnachrichten manuell zu moderieren. In diesem Kontext bieten KI-Sprachmodelle vielversprechende Lösungsansätze, um Hate Speech automatisch zu erkennen und zu moderieren.

Dennoch stehen KI-Sprachmodelle bei der Erkennung von Hate Speech vor großen Herausforderungen. Im Rahmen dieser Seminararbeit sollen jene Herausforderungen diskutiert und erörtert werden. Dabei soll insbesondere auf die potenzielle Verstärkung von bestehenden Vorurteilen, die bei der Implementierung solcher Systeme auftreten können, eingegangen werden.

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 und insbesondere kontrafaktischen Erklärungen gegeben werden. Anschließend soll kritisch eingeordnet werden, welchen Mehrwert kontrafaktische Erklärungen Nutzern von intelligenten Systemen bringen.

Literaturhilfe: https://arxiv.org/abs/2010.10596