Customer Relationship Management und Social Media (Bachelor)

Seminar

Customer Relationship Management und Social Media (Bachelor)

Dauer

ein Semester (WS 20/21)

Themenvergabe

13.07. – 18.07.2020:
Präferenzeingaben durch die Studierenden im Tool

19.07.2020:
Hauptrunde des Seminarmatchings

23.07.2020:
Zweite Runde des Seminarmatchings

Leitung

Prof. Dr. Mathias Klier
Maximilian Förster
Philipp Hühn

Inhalte

Das Seminar Customer Relationship Management und Social Media baut auf den Veranstaltungen „Wertorientiertes Customer Relationship Management & Business Intelligence“ und „Methoden des IT-Projektmanagments“ auf und ist inhaltlich dem Schwerpunkt „Technologie- und Prozessmanagement“ zugeordnet.

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

Anmerkungen

Sofern nicht anders vermerkt, wird jedes Thema nur einmal vergeben.

Thema 1

Digitale Plattformen – Machen sie uns besser oder schlechter? Fokus: Extremistische Plattformen

Die Relevanz digitaler Plattformen sind nicht erst seit Amazon und Ebay ein wesentlicher Bestandteil des gesellschaftlichen Lebens geworden. Bequem, schnell und zeit- sowie ortsunabhängig lassen sich etwa Freunde finden oder Produkte kaufen. Digitale Plattformen können einen enormen gesellschaftlichen Nutzen haben, jedoch werden die Schattenseiten der Technologie oft kritisch diskutiert. Spätestens seit dem Terror in Halle sind (teilweise) (rechts)extreme Plattformen wie 4Chan unter Beobachtung.

Im Rahmen der Seminararbeit soll ein strukturierter Überblick über die wissenschaftliche Literatur zu digitalen Plattformen gegeben werden. Anschließend sollen extremistische digitale Plattformen kritisch eingeordnet werden.

Voraussetzung: keine
Thema 2

Digitale Plattformen – Machen sie uns besser oder schlechter? Fokus: Nichtkommerzielle Plattformen

Die Relevanz digitaler Plattformen sind nicht erst seit Amazon und Ebay ein wesentlicher Bestandteil des gesellschaftlichen Lebens geworden. Bequem, schnell und zeit- sowie ortsunabhängig lassen sich etwa Freunde finden oder Produkte kaufen. Digitale Plattformen können einen enormen gesellschaftlichen Nutzen haben. Neben kommerziellen Plattformen wie Amazon oder Ebay gewinnen zuletzt nicht-kommerzielle Plattformen an Bedeutung. Sind nichtkommerzielle Plattformen wirklich Weltverbesserer oder ist deren Geschäftsmodell nur versteckt?

Im Rahmen der Seminararbeit soll ein strukturierter Überblick über die wissenschaftliche Literatur zu digitalen Plattformen gegeben werden. Anschließend sollen nicht-kommerzielle Plattformen kritisch eingeordnet werden.

Voraussetzung: keine
Thema 3

Digitale Plattformen – Machen sie uns besser oder schlechter? Fokus: Hass im Netz

Die Relevanz digitaler Plattformen sind nicht erst seit Amazon und Ebay ein wesentlicher Bestandteil des gesellschaftlichen Lebens geworden. Bequem, schnell und zeit- sowie ortsunabhängig lassen sich etwa Freunde finden oder Produkte kaufen. Digitale Plattformen können einen enormen gesellschaftlichen Nutzen haben, jedoch werden die Schattenseiten der Technologie oft kritisch diskutiert. Ein prominentes Beispiel dieser Schattenseiten ist Hatespeech. Sie richtet sich beispielsweise gegen Politiker oder grundsätzlich gegen Frauen, worauf etwa Joko & Klaas mit ihrer Kurzdokumentation „Gewalt gegen Frauen im Netz“ aufmerksam machten.

Im Rahmen der Seminararbeit soll ein strukturierter Überblick über die wissenschaftliche Literatur zu digitalen Plattformen gegeben werden. Anschließend soll Hass auf digitalen Plattformen kritisch eingeordnet werden.

Voraussetzung: keine

Thema 4

Digitale Plattformen – Machen sie uns besser oder schlechter? Fokus: Sharing Economy

Die Relevanz digitaler Plattformen sind nicht erst seit Amazon und Ebay ein wesentlicher Bestandteil des gesellschaftlichen Lebens geworden. Bequem, schnell und zeit- sowie ortsunabhängig lassen sich etwa Freunde finden oder Produkte kaufen. Digitale Plattformen können einen enormen gesellschaftlichen Nutzen haben. Digitale Plattformen lassen die Sharing Economy aufblühen – es werden etwa Autos miteinander geteilt oder unternehmerische Ressourcen. Hinter der Sharing Economy steckt vermeintlich ein großes ökonomisches Potential.

Im Rahmen der Seminararbeit soll ein strukturierter Überblick über die wissenschaftliche Literatur zu digitalen Plattformen gegeben werden. Anschließend sollen digitale Plattformen hinsichtlich Sharing Economy kritisch eingeordnet werden.

Voraussetzung: keine
Thema 5

(Explainable) Artificial Intelligence – Fokus: Der Mythos der intelligenten unkontrollierbaren Maschine

In Deutschland lehnt mehr als die Hälfte der Bevölkerung vollautomatisierte Entscheidungen ab. Der Mythos der intelligenten unkontrollierbaren Maschine existiert. Auf der anderen Seite werden algorithmische Entscheidungs(unterstützungs)systeme in vielen Alltagsbereichen bereits erfolgreich eingesetzt, nicht zuletzt in der medizinischen Diagnostik oder bei der Beurteilung der Kreditwürdigkeit. Daher ist es unausweichlich, die Akzeptanz von Algorithmen und intelligenten Systemen bei Nutzern zu erforschen.

Im Rahmen der Seminararbeit soll ein strukturierter Überblick über die wissenschaftliche Literatur zu Methoden und zur Akzeptanz von Artifical Intelligence gegeben werden. Anschließend soll kritisch diskutiert werden, welche Faktoren für die Akzeptanz von Artificial Intelligence ausschlaggebend.

Literaturhinweis: Scheuer, Dennis. Akzeptanz von Künstlicher Intelligenz: Grundlagen intelligenter KI-Assistenten und deren vertrauensvolle Nutzung. Springer-Verlag, 2020 (kann ausgeliehen werden)

Voraussetzung: keine
Thema 6

(Explainable) Artificial Intelligence – Fokus: Was Nutzer von Algorithmen verstehen

In Deutschland lehnt mehr als die Hälfte der Bevölkerung vollautomatisierte Entscheidungen ab. Auf der anderen Seite werden algorithmische Entscheidungs(unterstützungs)systeme in vielen Alltagsbereichen bereits erfolgreich eingesetzt, nicht zuletzt in der medizinischen Diagnostik oder bei der Beurteilung der Kreditwürdigkeit. Um die Akzeptanz von Algorithmen und intelligenten Systemen bei Nutzern zu erhöhen, ist es zentral zu verstehen, was Nutzer von Algorithmen verstehen.

Im Rahmen der Seminararbeit soll ein strukturierter Überblick über die wissenschaftliche Literatur zu Methoden von Artifical Intelligence gegeben werden. Anschließend soll kritisch eingeordnet werden, inwiefern Nutzer diese Methoden verstehen.

Literaturhinweis: Rader, Emilee, and Rebecca Gray. "Understanding user beliefs about algorithmic curation in the Facebook news feed." Proceedings of the 33rd annual ACM conference on human factors in computing systems. 2015.

Voraussetzung: keine
Thema 7

(Explainable) Artificial Intelligence –Fokus: Anwendung von XAI in der Praxis

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

Im Rahmen der Seminararbeit soll ein strukturierter Überblick über die wissenschaftliche Literatur zu Explainable Artifical Intelligence gegeben werden. Anschließend soll kritisch eingeordnet werden, inwiefern XAI-Methoden bereits in der Praxis eingesetzt werden.

Literaturhinweis: Bhatt, Umang, et al. "Explainable machine learning in deployment." Proceedings of the 2020 Conference on Fairness, Accountability, and Transparency. 2020.

Voraussetzung: keine
Thema 8

(Explainable) Artificial Intelligence –Fokus: DeepFool und wie sich AI austricksen lässt

In Deutschland lehnt mehr als die Hälfte der Bevölkerung vollautomatisierte Entscheidungen ab. Auf der anderen Seite werden algorithmische Entscheidungs(unterstützungs)systeme in vielen Alltagsbereichen bereits erfolgreich eingesetzt, nicht zuletzt in der medizinischen Diagnostik oder bei der Beurteilung der Kreditwürdigkeit. Um die Akzeptanz von Algorithmen und intelligenten Systemen bei Nutzern zu erhöhen, hat das Forschungsfeld Explainable Artificial Intelligence (XAI) zum Ziel, automatisch Erklärungen zu algorithmischen Entscheidungen zu liefern. Fehlende Erklärbarkeit liefert jedoch auch Raum für Betrug. So ist es bei machen Artificial Intelligence (AI)-Systemen möglich, durch minimale Änderungen an den Eingangsdaten die Vorhersagekraft des AI-Systems gezielt zu untergraben.

Im Rahmen der Seminararbeit soll ein strukturierter Überblick über die wissenschaftliche Literatur zu Möglichkeiten die Entscheidungen von AI-Systemen gezielt zu beeinflussen gegeben werden. Anschließend soll eingeordnet werden, inwieweit solche Manipulationen den Einsatz von AI gefährden und ob es möglich ist diese zu verhindern.

Literaturhinweis: Moosavi-Dezfooli, Seyed-Mohsen, et al. " DeepFool: a simple and accurate method to fool deep neural networks" In Proceedings of IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2016

Voraussetzung: keine
Thema 9

(Explainable) Artificial Intelligence –Fokus: Lokale Interpretierbarkeit durch LIME

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

Im Rahmen der Seminararbeit soll ein strukturierter Überblick über die wissenschaftliche Literatur zu Explainable Artifical Intelligence gegeben werden. Anschließend soll der populäre Erkläralgorithmus LIME und seine praktische Einsatzfähigkeit näher beleuchtet werden.

Literaturhinweis: Ribeiro, Marco Tulio, et al. ““Why should i trust you?” Explaining the predictions of any classifier.” In: Proceedings of the ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. pp. 1135–1144. Association for Computing Machinery (2016).

Voraussetzung: keine
Thema 10

Fake News – Führt uns das Netz an der Nase herum? Fokus: Identifizierung von Fake News

Donald Trump hat den Begriff Fake News geprägt. Allerdings steckt mehr dahinter als vermeintliche Falschmeldungen der Presse. Fake News werden bewusst und gezielt in sozialen Netzwerken gestreut, um etwa Wahlen zu gewinnen oder den Umsatz zu steigern. Die führenden Tech-Unternehmen fürchten um die Glaubwürdigkeit der Inhalte auf ihren Plattformen wie Facebook oder Twitter und entwickeln daher Methoden, um Fake News zu identifizieren und ggf. zu entfernen. Retten uns diese Methoden die Wahrheit im Netz?

Im Rahmen der Seminararbeit soll ein strukturierter Überblick über Fake News auf sozialen Medien gegeben werden. Anschließend soll kritisch eingeordnet werden, inwiefern Methoden zur automatischen Identifizierung von Fake News eingesetzt werden können, um Lügen auf sozialen Medien zu entlarven.

Literaturhinweis: Pérez-Rosas, Verónica, et al. "Automatic detection of fake news." arXiv preprint arXiv:1708.07104 (2017).

Voraussetzung: keine
Thema 11

Fake News – Führt uns das Netz an der Nase herum? Fokus: Verbreiter & Konsumenten

Donald Trump hat den Begriff Fake News geprägt. Allerdings steckt mehr dahinter als vermeintliche Falschmeldungen der Presse. Fake News werden bewusst und gezielt in sozialen Netzwerken gestreut, um etwa Wahlen zu gewinnen oder den Umsatz zu steigern. Doch wer sind die Hauptakteure und damit verantwortlich für die Verbreitung von Fake News? Und wer gehört zur Zielgruppe von Fake News?

Im Rahmen der Seminararbeit soll ein strukturierter Überblick über Fake News auf sozialen Medien gegeben werden. Anschließend soll kritisch eingeordnet werden, wer inwiefern gezielt Fake News verbreitet und wer die Zielgruppen sind.

Voraussetzung: keine
Thema 12

Fake News – Führt uns das Netz an der Nase herum? Fokus: Deep Fake – echt oder nicht

Donald Trump hat den Begriff Fake News geprägt. Allerdings steckt mehr dahinter als vermeintliche Falschmeldungen der Presse. Fake News werden bewusst und gezielt in sozialen Netzwerken gestreut, um etwa Wahlen zu gewinnen oder den Umsatz zu steigern. Während aktuell viel über Fake News in Textform diskutiert wird, zeigt sich eine neue Gefahr. Mit Hilfe von Artificial Intelligence (AI) können Bilder und Videos für Menschen mit bloßem Auge unerkennbar gefälscht werden.

Im Rahmen der Seminararbeit soll ein strukturierter Überblick über mithilfe von AI generieter Fake News in Form von Bildern und Videos gegeben werden. Anschließend soll kritisch eingeordnet werden, inwieweit es möglich ist mit technischen Hilfsmitteln solche Deep Fakes zu entlarven und welche Gefahren Deep Fakes mit sich bringen.

Literaturhinweise:

Chesney, Bobby, et al. "Deep Fakes: A Looming Challenge for Privacy, Democracy, and National Security“ (2019).

Rössler, Andreas et al. “FaceForensics++: Learning to Detect Manipulated Facial Images” (2019).

Voraussetzung: keine

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

Themenvergabe mit Hilfe des zentralen Tools:

·         Deutsche Version:
econ.mathematik.uni-ulm.de/semapps/stud_de/

·         Englische Version:
econ.mathematik.uni-ulm.de/semapps/stud_en/

Abgabe der Seminararbeiten:
Termin wird rechtzeitig bekannt gegeben

Endpräsentation:
Zeitpunkt und Ort werden rechtzeitig bekannt gegeben
Allgemeine Anforderungen  
  • analytische und konzeptionelle Fähigkeiten
  • selbständige, zielorientierte und systematische Arbeitsweise

 

Weitere Informationen siehe Webpage
www.uni-ulm.de/mawi/itop.html