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:

Blockchain als Gefahr für digitale Plattformen (BA/MA)

Skizze des Inhalts:

Zunächst ist das Konzept sowie die Technologie der Blockchain in der Arbeit darzulegen. Im weiteren Verlauf sind die Gefahren für digitale Plattformen durch die Nutzung der Blockchain-Technologie auszuarbeiten. Abschließend sollen die Möglichkeiten der Plattformen zum Umgang mit den auftretenden Gefahren aufgezeigt werden.

Literaturhinweis:

Crosby M, Nachiappan P., Verma S, und Kalyanaraman V. (2016): Blockchain technology: beyond bitcoin. In: Appliced Innovation Review 2, S. 6–19.

Rückeshäuser, N., Brenig, C. und Müller, G. (2017). Blockchains als Grundlage digitaler Geschäftsmodelle. In: Datenschutz und Datensicherheit, 41 (8), S. 492–496.

Kontakt:

Andreas Steur

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

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

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

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).

Anwendung von Influencer Marketing in der verarbeitenden Industrie (BA)

Skizze des Inhalts:

„Ein erster Schritt ist die Identifikation der richtigen Partner. Ein entscheidender Er- folgsfaktor ist der glaubwürdige Fit zwischen Influencer und Unternehmen. Das [B2C] Beispiel der Marke Coral aus dem Hause Unilever zeigt, dass schlecht positionierte Influencer-Kooperationen der Marke langfristig schaden können. Hingegen kann eine strategisch gut positionierte Kampagne mit der passenden Kooperation in vielen unter- schiedlichen Unternehmensbereichen eingesetzt werden“ (26 HANDELSZEITUNG | Nr. 44 | 2017).

Referenzkunden und Influencer spielen nicht nur in Konsumgüterbranchen, sondern zunehmend auch in der verarbeitenden Industrie sowie bei Dienstleistern, die in diesem Wirtschaftssektor anbieten eine entscheidende Rolle. Das Unternehmen Schunk, ein Anbieter von Greifsystemen wirbt schon seit einiger Zeit auf Industriemessen mit Torwartlegende Jens Lehmann. Die IBG Goeke Technology Group stellte ihre Produktneuheiten aus dem Bereich Robotertechnik auf der Hannover Messe 2017 zusammen mit dem Referenzkunden Tesla vor.

Ziel der Arbeit ist die Untersuchung von Methoden zur Identifikation sog. Influecer auf deren Anwendbarkeit in der verarbeitenden Industrie. Als Grundlage dafür dient eine intensive Auseinandersetzung mit neuen, (digitalen) Kundenkanälen, wie Lead User Foren oder Branchenplattformen sowie mit Methoden, die darauf abzielen, aus diesen Kanälen wertvolle Erkenntnisse über die Kunden, deren Belange und Einflussmöglichkeiten durch Influencer zu identifizieren.

Einordnung in die Forschung am ITOP:

Produktmanagement

Kontakt:

Prof. Leo Brecht

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.

Unterschiede in der Kommunikation und Wahrnehmung von Chatbots in Online-Konversationen (BA/MA) (Prof. Mathias Klier)

Themengebiet: Chatbots, Künstliche Intelligenz

Kurzbeschreibung:

Nach einer aktuellen Studie von McKinsey & Company, erwarten 75% der Online-Kunden bei einer persönlichen Anfrage, innerhalb von 5 Minuten eine Rückmeldung vom Kundenservice. Folglich stehen Unternehmen vor der Herausforderung, ihre Kundenkommunikation effizient und schnell abzuwickeln, ohne dass die Qualität der Antworten leidet.

Chatbots können bereits eigenständig Serviceanfragen schnell und zuverlässig entgegennehmen und beantworten oder diese in Zusammenarbeit mit menschlichen Kollegen abwickeln. Doch die Technologie stellt Unternehmen immer noch vor Herausforderungen und auch die Kunden haben unterschiedliche Einstellungen und Erwartungen bei einer Kommunikation mit einem Bot.

Aufgabenstellung:

Im Rahmen der Arbeit soll der aktuelle Stand der Forschung zu Ansätzen und Techniken im Bereich von Chatbot-Konversationen untersucht und aufbereitet werden. Außerdem soll aufgezeigt werden, welche Anwendungsfelder die Nutzung von Chatbots für die Kundenkommunikation aufweist, aber auch, welche Probleme auftreten können. Ein kritischer Vergleich der jeweiligen Einsatzmöglichkeiten und Herausforderungen runden Ihre Arbeit ab.

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

Literaturhinweis: https://www.sciencedirect.com/science/article/pii/S0747563215001247?via%3Dihub

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.

Können Social Media-Analysen zukünftige Trends aufdecken? (MA) (Prof. Dr. Mathias Klier)

Themengebiet: Social Media Analysis, Foresight, Weak Signals

Kurzbeschreibung:

In Märkten mit immer kürzeren Produktlebenszyklen und immer höherer Innovationskraft gewinnt die Zukunftsforschung mehr und mehr an Bedeutung. Unternehmen wollen heute schon wissen, welche Anforderungen der Markt von übermorgen an sie stellt. Sie liefern sich oft einen Wettlauf, bei dem neue Marktanforderungen am schnellsten und besten bedient werden müssen, um sich eine Vormachtstellung in den Märkten der Zukunft zu sichern. Negativbeispiel ist Nokia, das als ehemaliger Weltmarktführer in der Sparte Handys den Anschluss an die Technologie Smartphone verloren hat.

Ziel von Unternehmen ist es daher, relevante technologische, gesellschaftliche und ökonomische Trends möglichst frühzeitig zu erfassen. Einen neuen und vielversprechenden Ansatz in diesem Forschungsfeld stellt die Analyse von sozialen Medien dar. Sie gewährleistet einen breit gefächerten Input für die Zukunftsforschung und eine Datenerhebung in Echtzeit. Derzeit wird insbesondere die Identifikation von sogenannten weak signals durch Social Media-Analysen intensiv in der Forschung untersucht.

Aufgabenstellung:

Im Rahmen der Arbeit soll der aktuelle Stand der Forschung zum Einsatz von Social Media Analytics in der Zukunftsforschung untersucht und aufbereitet werden. Außerdem soll untersucht werden, inwieweit Social Media-Analysen einen Mehrwert zur Identifikation von weak signals generieren können. Hierfür sollen zu einem gegebenen Betrachtungsgegenstand Twitterdaten analysiert und die Ergebnisse mit den Erkenntnissen herkömmlicher Methoden der Zukunftsforschung verglichen werden.

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

Literaturhinweise: Uhl, A., Kolleck, N., Schiebel, E. "Twitter data analysis as contribution to strategic foresight-The case of the EU Research Project “Foresight and Modelling for European Health Policy and Regulations”(FRESHER)." European Journal of Futures Research 5.1 (2017): 1.

Emotion Detection in schriftlicher Kundenkommunikation (BA/MA) (Prof. Dr. Mathias Klier)

Themengebiet: Text Mining, Natural Language Processing, Semantic Analysis, Machine Learning

Kurzbeschreibung:

Unternehmen wie Versicherungen und Telekommunikationsanbieter sehen sich täglich mit einer großen Anzahl an Kundenanfragen konfrontiert. Eine zeitnahe Bearbeitung dieser Kundenanfragen ist essentiell, um die Kundenzufriedenheit zu erhalten und die Kunden langfristig an das Unternehmen zu binden. Allerdings sind die Ressourcen im Kundenservice begrenzt, so dass eine Priorisierung erfolgen muss.

Ein Ansatz hierzu besteht darin, die eingehenden Anfragen auf Basis des emotionalen Zustands des Absenders zu priorisieren. So können Anliegen von Kunden, die unzufrieden und aufgebracht sind, bevorzugt bearbeitet werden. Dazu ist es notwendig, automatisiert die Emotionalität einer schriftlichen Kundenanfrage zu beurteilen.

Ein verbreiteter, erstmals 2010 publizierter Ansatz von Forschern des amerikanischen Telekom-Konzerns AT & T nutzt erfolgreich acht verschiedene Text-Features als Input für einen Machine-Learning-Classifier (Gupta/Gillbert/Di Fabbrizio 2010/2013). Wie viele in der Forschung entwickelte Methoden ist auch dieser Ansatz für englische Texte konzipiert und kann daher nicht direkt für deutsche Texte eingesetzt werden.

Aufgabenstellung:

Im Rahmen der Arbeit soll der aktuelle Stand der Forschung zu Ansätzen und grundlegenden Methoden der Emotion Detection in Text gegeben und an Beispielen erläutert werden. Anschließend soll der oben genannte Ansatz für die Verwendung mit deutschen Texten angepasst und seine Anwendung beispielhaft an einem Referenzdatensatz demonstriert werden. Eine Diskussion der Limitationen sowie weiterer Einsatzmöglichkeiten des Ansatzes runden Ihre Arbeit ab.

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

Einsatz von Emotion Detection im Churn Management (BA/MA) (Prof. Dr. Mathias Klier)

Themengebiet: Sentiment Analysis, Deep Learning, Emotion Detection, Customer Service, Churn Management

Kurzbeschreibung:

Der Kundenservice großer Unternehmen sieht sich mit einer steigenden Anzahl von Anfragen und hohen Erwartungen an Schnelligkeit und Qualität der Antworten konfrontiert. Insbesondere Unternehmen wie Versicherungen und Telekommunikationsanbieter, deren Geschäftsmodell auf langfristigen Kundenbeziehungen basiert, stehen vor einer großen Herausforderung. Um die Kundenzufriedenheit zu erhalten und Abwanderung von Kunden zu vermeiden, müssen sie die Anfragen angemessen priorisieren. Beispielsweise sollte auf Anfragen unzufriedener, aufgebrachter Kunden sowie explizite Beschwerden schnellstmöglich reagiert werden.

Ein wesentliches Kriterium für die Priorisierung ist dabei der emotionale Zustand des Kunden. Im Gegensatz zu Stamm- und Vertragsdaten liegt die Information über den emotionalen Zustand des Kunden jedoch nicht unmittelbar vor, sondern muss erst aus dem Kommunikationsverlauf gewonnen werden.

Da der überwiegende Teil der schriftlichen Kundenkommunikation heute in digitaler Form vorliegt, können zum Erkennen des emotionalen Zustands eines Kunden moderne Methoden aus dem Deep Learning und der Sentiment Analysis zum Einsatz kommen. Ein auf diesen Methoden aufbauendes Emotion-Detection-System kann ein wesentlicher Baustein eines zeitgemäßen Churn Managements sein.

Aufgabenstellung:

Im Rahmen der Arbeit sollen aktuelle Methoden zur Emotion Detection in textbasierter Kundenkommunikation dargestellt und verglichen werden. Diese Methoden sollen in Hinblick auf einen Einsatz im Kundenservice einer großen Versicherung bewertet werden. Im Rahmen einer Masterarbeit soll zudem darauf aufbauend ein eigener, domänenspezifischer Ansatz entwickelt und evaluiert werden. Eine Diskussion von Limitationen und Risiken des Einsatzes von Emotion Detection im Churn Management runden Ihre Arbeit ab.

Voraussetzungen: gute Strukturierungsfähigkeit, sorgfältige Arbeitsweise, Begeisterung für das Thema (für die Masterarbeit zudem: grundlegende Informatikkenntnisse)

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: „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

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: „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: „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 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

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