Allgemeines

Praktika und Abschlussarbeiten in Kooperation mit dem ITOP sind anders, als Sie es erwarten. Wir benötigen „Denker“ und „Macher“.

Sie erhalten die Möglichkeit, Ihr erlerntes Wissen und erprobte Techniken zielgerichtet einzusetzen. Ein Mitarbeiter des ITOP wird Sie fachlich und methodisch begleiten. Bei dem Unternehmen haben Sie ebenfalls einen Ansprechpartner, der Sie vor Ort unterstützt.

Offene Abschlussarbeiten

Einfach auf den Titel der Arbeit klicken, dann öffnen sich die Details:

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

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.

Profil

  • Selbstständiges, zuverlässiges und gewissenhaftes Arbeiten
  • Programmierkenntnisse

Interessiert?

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


 

Methoden des Topic Modellings: Ein Vergleich im Kontext von Feedbackmechanismen digitaler Plattformen (BA)


Forschungsfrage

Welche Methoden des Topic Modellings eignen sich zur Identifikation wesentlicher Topics innerhalb von Feedbackmechanismen digitaler Plattformen?

Hintergrund

Im digitalen Zeitalter nimmt die Informations- und Datenmenge exponentiell zu (Dobre und Xhafa 2014) und es werden Verfahren zur Vereinfachung dieser Informationsflut benötigt. Während textuelle Feedbacks zu einer Informationsquelle für Nutzer geworden sind, versuchen Plattformbetreiber, die Schlüsselthemen hinter den Bewertungen zu verstehen, um Geschäftsentscheidungen treffen zu können. Mithilfe von Topic Modelling können zentrale Themenschwerpunkte innerhalb von Texten identifiziert werden. Für die Identifikation abstrakter Topics innerhalb von Texten existiert eine Vielzahl an Methoden (Lu et al. 2011). Jedoch ist unklar, welche der Methoden sich am besten eignet Topics im Kontext von Feedbacks zu klassifizieren.

Ziele der Arbeit

  1. Erarbeitung und Vergleich von Methoden des Topic Modellings im Kontext von Feedbacks
  2. Evaluation mehrerer Methoden anhand von Feedbacks der Plattform Yelp

Einstiegsliteratur

  • Dobre, C. und Xhafa, F. (2014): Intelligent services for big data science.
  • Lu, Y., Mei, Q. und Zhai, C. (2011): Investigating task performance of probabilistic topic models: an empirical study of PLSA and LDA.

Profil

  • Selbstständiges, zuverlässiges und gewissenhaftes Arbeiten
  • Programmierkenntnisse
  • solide mathematische Kenntnisse

Interessiert?

Bei Interesse wenden Sie sich bitte an Fabian Fritzsche (fabian.fritzsche@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

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.

Profil

  • Selbstständiges, zuverlässiges und gewissenhaftes Arbeiten
  • Interesse an Performance Measurement

Interessiert?

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


Fallstudienbasierte Identifikation von Barrieren und Herausforderungen von Objectives and Key Results (MA)


Forschungsfrage

Wie wirkt sich Transparenz im Rahmen von OKR auf die Akzeptanz und Mitarbeitermotivation in Unternehmen aus? 

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). Dabei zeichnet sich OKR insb. durch unternehmensweite Transparenz aus. Zu untersuchen bleibt, wie sich die Transparenz von OKR auswirkt. 

Ziele der Arbeit

  1. Literaturreview zur Akzeptanz von Transparenz und die Einflüsse auf die Mitarbeitermotivation
  2. Ausarbeitung von zwei Fallstudien (aus der Literatur, in Unternehmen) zur Validierung der ermittelten Ergebnisse

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.

Profil

  • Selbstständiges, zuverlässiges und gewissenhaftes Arbeiten
  • Begeisterung und Interesse psychologische Aspekte in der BWL

Interessiert?

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


Subscription-Geschäftsmodelle (MA)


Forschungsfrage

Welche realen Forme von Subscription-Geschäftsmodelle existieren in der produzierenden Industrie?

Hintergrund

In der produzierenden Industrie existieren bereits eine Vielzahl an Geschäftsmodellen, die von einfachen Servicemodellen über Leasing bis hin zu Subscription-Geschäftsmodellen (SGM) reichen (Massa et al. 2017). SGM stellen ein integriertes Leistungsangebot aus Produkt, Service und Digitalgeschäft dar. Es werden sowohl das Produkt als auch die korrespondierenden Services durch kontinuierlich aufgenommene Nutzerdaten nach den Kundenbedürfnissen weiterentwickelt. Der Kunde bezieht die Leistung nicht mehr einmalig, sondern in regelmäßigen Intervallen. Dies stellt eine signifikante Erweiterung der etablierten Geschäftsfelder dar (Pedersen 2016; Shi 2016; Massa 2017). Um SGM flächendeckend einzuführen und weiterzuentwickeln bedarf es einer scharfen Abgrenzung vom SGM zu bestehenden Geschäftsmodellen.

Ziele der Arbeit

  1. Entwicklung eines Zielbildes von SGM und dessen Abgrenzung zu bestehenden Geschäftsmodellen
  2. Erarbeitung von drei Fallstudien, um die Varianz des SGM aufzuzeigen

Einstiegsliteratur

  • Tzuo, T. und Weisert, G. (2018): Subscribed. Why the subscription model will be your company's future - and what to do about it.
  • Massa, L., Tucci, C. und Afuah, A. (2017): A Critical Assessment of Business Model Research
  • Yin, R. K. (2017): Case study research: Design and methods.

Profil

  • Selbständiges Arbeiten und sicheres Auftreten im Kontakt mit Unternehmensvertretern
  • Begeisterung und Interesse für die digitale Transformation

Interessiert?

Bei Interesse wenden Sie sich bitte an Andreas Steur (andreas.steur@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

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.

Profil

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

Interessiert?

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


Identifikation der aktuellen Akzeptanz von verschiedenen RPA-Einsatzszenarien (MA)


Forschungsfrage

Welche Faktoren beeinflussen die Akzeptanz aktueller RPA-Einsatzszenarien?

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. In der Literatur ist offen, wie sich Eigenschaften verschiedener RPA-Szenarien auf die Akzeptanz von RPA auswirken.

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

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.

Profil

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

Interessiert?

Bei Interesse wenden Sie sich bitte an Andreas Steur (andreas.steur@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 zu relevanten Bias und zur Akzeptanz von RPA
  2. Entwicklung eines Experimentaldesigns zur Identifikation von relevanten Zusammenhängen zwischen Bias und der Akzeptanz und dem Einsatz von RPA

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.

Profil

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

Interessiert?

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


Bewertungsschema für Algorithmen in der Anwendung von RPA (MA)


Forschungsfrage

Welche Faktoren beeinflussen den erfolgreichen Algorithmen-einsatz in der Anwendung von RPA?

Hintergrund

Mit der stetig fortschreitenden Digitalisierung verfügen Unternehmen über eine rasant wachsende Anzahl an Daten. So wird bis zum Jahr 2025 eine Verzehnfachung der generierten Datenmengen erwartet. Deren zielgerichtete Nutzung im Rahmen von Business Analytics ist bereits heute ein wesentlicher Einflussfaktor für den Unternehmenserfolg. RPA ist ein Ansatz zur Automatisierung von Geschäftsprozessen. Diese neue Technologie bietet viele Möglichkeiten wie beispielsweise Kostenersparnisse oder Entlastung der Mitarbeiter. Allerdings bleibt unklar, wann ein Algorithmus in der Anwendung von RPA geeignet ist. Hierfür gibt es bspw. unterschiedliche Kriterien (Benutzerfreundlichkeit, Richtigkeit, Verständlichkeit, Effektivität etc.), deren Eignung nachgewiesen werden muss.

Ziele der Arbeit

  1. Literaturreview zur Identifikation geeigneter Bewertungskriterien für den erfolgreichen Einsatz von Algorithmen in der Anwendung von RPA
  2. Entwicklung eines Messmodells zur Bewertung der Algorithmen und Validierung im Rahmen von zwei Fallstudien

Einstiegsliteratur

  • Madakam, S., Holmukhe, R. und Jaiswal, D. K. (2019): The Future Digital Work Force: Robotic Process Automation (RPA).
  • van der Aalst, W., Bichler, M. und Heinzl, A. (2018): Robotic Process Automation.

Profil

  • Selbstständiges, zuverlässiges und gewissenhaftes Arbeiten
  • Begeisterung und Interesse für Business Analytics / Data Science

Interessiert?

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


Einführungskonzept für die erfolgreiche Anwendung von RPA (MA)


Forschungsfrage

Wie kann eine RPA-Einführung mittels Reifegradmodell zielgerichtet umgesetzt werden?

Hintergrund

Robotic Process Automation (RPA) ist ein Ansatz zur Automatisierung von Geschäftsprozessen. Diese neue Technologie bietet viele Möglichkeiten wie beispielsweise Kostenersparnisse oder Entlastung der Mitarbeiter. Die Einführung stellt die Praxis vor Herausforderungen. Zur Einführung von RPA wird ein praxisorientiertes Reifegradmodell benötigt, welches bei der Umsetzung unterstützt. Es handelt sich hierbei um ein vereinfachtes Abbild der Realität, welches ein strukturiertes Vorgehen zur stufenweise Erreichung definierter Ziele bietet und dient der Erörterung potenzieller Probleme sowie Ableitung von Handlungsoptionen.

Ziele der Arbeit

  1. Literaturreview zur Ableitung eines Reifegradmodells für die RPA-Einführung.
  2. Validierung des Reifegradmodells im Rahmen von zwei Fallstudien.

Einstiegsliteratur

  • Madakam, S., Holmukhe, R. und Jaiswal, D. K. (2019): The Future Digital Work Force: Robotic Process Automation (RPA).
  • van der Aalst, W., Bichler, M. und Heinzl, A. (2018): Robotic Process Automation.
  • Wendler, R. (2012): The Maturity of Maturity Model Research: A Systematic Mapping Study.

Profil

  • Selbstständiges, zuverlässiges und gewissenhaftes Arbeiten
  • Begeisterung und Interesse für Business Analytics / Data Science

Interessiert?

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


Machine Learning zur Verbesserung der Kostenschätzung in der Antriebstechnik (MA)


Forschungsfrage

Wie effektiv ist die Verbesserung der Kostenschätzung durch Machine Learning im Vergleich zu herkömmlichen Algorithmen?

Hintergrund

Unternehmen der Antriebstechnik sehen in der durch zunehmende Digitalisierung wachsenden Datenverfügbarkeit und Vernetzung (Gartner 2018) neue Chancen zur Verbesserung der Kostenschätzung mittels Machine Learning (ML). Aufgrund einer Vielzahl von anwendbaren Verfahren, Software und Programmiersprachen benötigen Unternehmen eine Entscheidungshilfe, mit der sie Geeignete auswählen können. Ein Vergleich der Verbesserungen durch Machine Learning in verschiedenen Anwendungsbereichen gibt eine Grundlage für diese Entscheidung. Lessman et al. (2015) haben einen Vergleich verschiedener State-Of-The-Art Algorithmen angestellt, jetzt muss ein Vergleich für Kostenschätzalgorithmen gezogen werden.

Ziele der Arbeit

  1. Systematisches Literaturreview zur Ermittlung von aktuellen und zukünftig möglichen Einsatzgebieten von Algorithmen zur Kostenschätzung
  2. Vergleich der Performance verschiedener Algorithmen, insbesondere kategorisch zwischen Machine Learning und herkömmlichen Algorithmen

Einstiegsliteratur

  • Ehrlenspiel, K., Kiewert, A., Lindemann, U. und Mörtl, M. (2014): Kostengünstig Entwickeln und Konstruieren - Kostenmanagement bei der integrierten Produktentwicklung.
  • Kandlbinder, P., Schmied, C. und Mörtl, M. (2017): Kostenkalkulation mit künstlichen neuronalen Netzen.
  • Hastie, T., Tibshirani, R., und Friedman, J. (2009): The elements of statistical learning: data mining, inference and prediction.

Profil

  • Selbstständiges, zuverlässiges und gewissenhaftes Arbeiten
  • Begeisterung und Interesse für Machine Learning / Data Science

Interessiert?

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


Einflussfaktoren auf Akzeptanz von Machine Learning (ML) in der Kostenschätzung


Forschungsfrage

Welche Faktoren beeinflussen die Akzeptanz von Machine Learning Algorithmen?

Hintergrund

Unternehmen der Antriebstechnik sehen in der durch zunehmende Digitalisierung wachsenden Datenverfügbarkeit und Vernetzung (Gartner 2018) neue Chancen zur Verbesserung der Kostenschätzung mittels Machine Learning (ML). Siau (2018) betont den Unterschied zwischen der Akzeptanz für herkömmliche Algorithmen und der für Machine Learning. Da sich die Akzeptanz von Machine Learning auf die Verwendung der Technologie auswirkt (Schäfer et al. 2016; Lee und See 2004, Mertens und Rässler 2012), hat das Verstehen und die Verbesserung der Akzeptanz höchste Relevanz, um eine Einführung von Machine Learning zu ermöglichen (Fraunhofer 2018).

Ziele der Arbeit

  • Systematisches Literaturreview zur Ermittlung möglicher Einflussfaktoren auf Akzeptanz von Algorithmen
  • Durchführung von zwei Fallstudien zur Validierung des Literaturreviews

Einstiegsliteratur

  • Ehrlenspiel, K., Kiewert, A., Lindemann, U. und Mörtl, M. (2014): Kostengünstig Entwickeln und Konstruieren - Kostenmanagement bei der integrierten Produktentwicklung.
  • Dietvorst, B. J., Simmons, J. P.,  und Massey, C. (2016): Overcoming algorithm aversion: People will use imperfect algorithms if they can (even slightly) modify them.
  • Logg, J. M., Minson, J. A., und Moore, D. A. (2019): Algorithm appreciation: People prefer algorithmic to human judgment.

Profil

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

Interessiert?

Bei Interesse wenden Sie sich bitte an Andreas Steur (andreas.steur@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

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.

Profil

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

Interessiert?

Bei Interesse wenden Sie sich bitte an Andreas Steur (andreas.steur@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

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

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.

Profil

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

Interessiert?

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


Können Online Peer Groups helfen, ältere Arbeitssuchende zurück ins Berufsleben zu führen? (MA) (Prof. Dr. Mathias Klier)

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.

Integration von Flüchtlingen – das Potential digitaler Plattformen (BA/MA) (Prof. Dr. Mathias Klier)

Themengebiet: digitale Plattformen, Matching-Algorithmen, Recommender-Systeme

Kurzbeschreibung:

Seit 2015 haben über 1,3 Mio. Flüchtlinge in Deutschland einen Asylantrag gestellt. Auf diesen Flüchtlingsstrom waren Deutschland und die Behörden nicht vorbereitet. Neben der Beschleunigung des Asylverfahrens stellt insbesondere die Integration von Menschen, die ein Bleiberecht haben, Politik, Gesellschaft und Behörden vor enorme Herausforderungen. Auf der anderen Seite engagieren sich nach Angaben der Bundesregierung bundesweit rund 25 Millionen Menschen über zehn Jahren in ihrer Freizeit ehrenamtlich. Das Potential von Ehrenamtlichen zur Integration von Flüchtlingen mit Bleiberecht ist enorm, wird derzeit aber noch nicht ausgeschöpft.

Zwar formen sich lokal Initiativen wie Flüchtlingskreise, bei denen sich Einheimische für die Betreuung von Flüchtlingen und eine leichtere Integration engagieren können. Noch fehlen aber flächendeckende und einheitliche Strukturen, die Ehrenamtliche mit hilfesuchenden Flüchtlingen vermitteln. Digitale Matching-Plattformen stellen vor diesem Hintergrund ein enormes Potential dar. In zahlreichen anderen Kontexten werden sie bereits erfolgreich eingesetzt, etwa beim Matching von Käufern und Verkäufern (z.B. Ebay), bei der Partnervermittlung (z.B. Parship, Tinder) oder in der Freizeitgestaltung (z.B. Friendseek). Das Matching von Hilfsbedürftigen und Helfenden wie im Kontext von Ehrenamtlichen und Flüchtlingen stellt völlig neue Herausforderungen an Matching-Kriterien und das Design der entsprechenden digitalen Plattform.

Aufgabenstellung:

Im Rahmen der Arbeit soll der aktuelle Stand der Forschung zum Einsatz von digitalen Matching-Plattformen untersucht und aufbereitet werden. Außerdem soll die Machbarkeit sowie mögliche Designs einer digitalen Matching-Plattform zur Vermittlung von Flüchtlingen und Ehrenamtlichen analysiert werden.

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

Explainable Artificial Intelligence – Entscheidungen künstlicher Intelligenzen für Verbraucher verständlich machen (BA/MA) (Prof. Dr. Mathias Klier)

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 (Wie müssen Erklärungen einer KI konzipiert werden?) oder auf die Adaption und technische Umsetzung einer bestehenden Methodik (Wie können bereits konzipierte Erklärungen technisch generiert werden?) gelegt werden.

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

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) (Prof. Dr. Mathias Klier)

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 untersucht und aufbereitet werden. Darauf aufbauend soll ein Studiendesign für einen realen Anwendungsfall entwickelt werden, mit dem die Akzeptanz eines intelligenten Systems gemessen und ggf. die Steigerung der Akzeptanz evaluiert werden können.

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

Social Network Analysis im Zusammenhang mit Online Peer Groups (BA/MA) (Prof. Dr. Mathias Klier)

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) (Prof. Dr. Mathias Klier)

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.

ITOP-Thema: Collaborative Chatbots - Ein Ansatz zur emergenten Zusammenarbeit und kollektiven Problemlösung durch Chatbots (MA) (Prof. Dr. Mathias Klier)

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

ITOP-Thema: Einsatzmöglichkeiten von Speech Recognition im Kundenservice von Unternehmen (BA/MA) (Prof. Dr. Mathias Klier)

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

ITOP-Thema: Social and Professional Sensing in text messages – Ein Ansatz zur automatisierten Differenzierung und Kategorisierung des Textes innerhalb einer Nachricht (BA/MA) (Prof. Dr. Mathias Klier)

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

ITOP-Thema: Natural Language Generation – Systeme zur Automatisierung des Customer Service (BA/MA) (Prof. Dr. Mathias Klier)

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

ITOP-Thema: Case-based Reasoning basierend auf Neuronalen Netzen – Ein Ansatz zur automatisierten Beantwortung von Fragen im Customer Service (BA/MA) (Prof. Dr. Mathias Klier)

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

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.

Kontakt

Universität Ulm
Institut für Technologie- und Prozessmanagement
Helmholtzstraße 22
89081 Ulm


 

Postadresse:

Universität Ulm
Institut für Technologie- und Prozessmanagement
89069 Ulm


Anette Lesle
Tel.: +49 (0) 7 31/50-3 23 01
Fax: +49 (0) 7 31/50-3 23 09
E-Mail: anette.lesle(at)uni-ulm.de