To explain predictions and decisions made by complex machine learning (ML) models, researchers have developed a plethora of XAI methods. The majority of these methods primarily consider the technical side of how information about its reasoning process is extracted from a model. However, with XAI being recognized as an interdisciplinary field of research, efforts to align those technical solutions with knowledge about how humans give explanations and derive understanding have been made. Among concepts like mental models and selectivity and desirable properties like interactivity, the contrastive nature of explanations is discussed.

Therefore, in the context of this seminar thesis, a literature review will be conducted to explore the state of the art on contrastive explanation methods in XAI research and their effect on user performance and model understanding.

Literature

• Miller, T. (2019). Explanation in artificial intelligence: Insights from the social sciences. Artificial intelligence, 267, (pp. 1-38).

• van der Waa, J., Nieuwburg, E., Cremers, A., & Neerincx, M. (2021). Evaluating XAI: A comparison of rule-based and example-based explanations. Artificial intelligence, 291, 103404.

While local post-hoc feature attribution methods for feature importance like SHAP and LIME have gained prominence in the XAI research community, concern about how trustworthy and usable these and comparable methods actually are in practice has also grown. To ensure that the explanations provided by local post-hoc attribution methods properly reflect the ML model’s inner workings, a number of techniques to measure and ensure their faithfulness to a model have been proposed. By incorporating such techniques into XAI systems, researchers hope to provide more reliable and predictable explanations.

In the scope of this seminar thesis, a literature review will be conducted to explore the state of the art on both faithfulness measures and training methods for increased model fidelity in XAI research.

Literature

• Kommiya Mothilal, R., Mahajan, D., Tan, C., & Sharma, A. (2021, July). Towards unifying feature attribution and counterfactual explanations: Different means to the same end. In Proceedings of the 2021 AAAI/ACM Conference on AI, Ethics, and Society (pp. 652-663).

• Robnik-Šikonja, M., & Bohanec, M. (2018). Perturbation-based explanations of prediction models. Human and Machine Learning: Visible, Explainable, Trustworthy and Transparent, (pp. 159-175).

The XAI literature knows a plethora of terms referring to the notion of understanding. Be it interpretability, explainability, comprehensibility, intelligibility, or any other similar concept. While some authors use these in an interchangeable manner, others offer richer definitions by relating two or more terms. This assignment of different meanings hints at the existence of distinguishable goals that an understanding fostered by XAI could support. Speith et al. (2024) conceptualize understanding via an abilities-based approach. They propose a hierarchy consisting of six different abilities that demand different levels of understanding.

In the scope of this seminar thesis, a literature review will be conducted to explore how different terms referring to understanding in the XAI research field relate to the six abilities defined by Speith et al. (2024).

Literature

• Speith, T., Crook, B., Mann, S., Schomäcker, A., & Langer, M. (2024). Conceptualizing understanding in explainable artificial intelligence (XAI): an abilities-based approach. Ethics and Information Technology, 26(2), 40.

Flow is the experience of being fully focused on an activity and fluidity of action. Musicians experiencing flow associate this with greater self-confidence and self-assurance as well as having a better attentional focus on music making. While flow is desirable, it is a highly personalized state influenced by both intrinsic motivation and the degree of challenge involved in the activity. Exploring flow can improve musicians' current learning strategies and enhance their performance when playing. This seminar thesis will therefore examine the characteristics and effects of the flow state in musicians on the basis of a literature review.

Literature

• Bloom, A. J., & Skutnick-Henley, P. (2005). Facilitating flow experiences among musicians. American Music Teacher, 54(5)
• Cziksentmihalyi, M. (1990). Flow–the psychology of optimal experience. 1990.

The COVID-19 pandemic has led to an increase in the frequency of online meetings. This rise has brought with it the phenomenon of videoconferencing fatigue, also referred to as "Zoom Fatigue," which can be defined by the physical and mental exhaustion resulting from information processing during videoconferences. Detecting Zoom Fatigue could significantly improve learning and performance strategies for students in an academic setting. While questionnaires, which have been developed over the past years, offer valuable insights, they are limited in their ability to objectively quantify Zoom Fatigue. Thus, there is a need for an objective and standardized measurement system. Eye-tracking offers a promising approach, as it is well-suited for remote environments and could be integrated into existing videoconferencing platforms. Therefore, this seminar thesis aims to explore, through a literature review, the current state of the art regarding the potential of eye-tracking to detect Zoom Fatigue.

Literature

• Bafna, T., & Hansen, J. P. (2021). Mental fatigue measurement using eye metrics: A systematic literature review. Psychophysiology, 58(6), e13828.
• Beyea, D., Lim, C., Lover, A., Foxman, M., Ratan, R., & Leith, A. (2025). Zoom fatigue in review: A meta-analytical examination of videoconferencing fatigue's antecedents. Computers in Human Behavior Reports, 17, 100571.
• Patel, A. (2021). A Machine Learning based Eye Tracking Framework to detect Zoom Fatigue (Doctoral dissertation, Dublin, National College of Ireland).
• Riedl, R. (2022). On the stress potential of videoconferencing: definition and root causes of Zoom fatigue. Electronic Markets, 32(1), 153-177.

Die deutlichen Fortschritte im Bereich der künstlichen Intelligenz (KI) haben zu einer deutlichen Weiterentwicklung großer Sprachmodelle (LLMs) geführt, darunter Modelle wie GPT von OpenAI, Claude von Anthropic, Gemini von Google, R1 und Grok von xAI sowie Qwen von Alibaba. Diese Modelle basieren auf umfangreichen Trainingsdaten und verfügen über adaptive Fähigkeiten, die es ihnen ermöglichen, vielfältige Inhalte zu generieren und in unterschiedlichen Kontexten eingesetzt zu werden. Insbesondere im Bildungswesen eröffnen sie neue Möglichkeiten zur Unterstützung von Lehr- und Lernprozessen. Trotz des Potenzials dieser Modelle liegen bislang nur wenige Untersuchungen vor, welche den Einfluss auf Lehr- und Lernprozesse im Bildungsbereich analysieren. Vor diesem Hintergrund zielt die vorliegende Seminararbeit darauf ab, durch eine systematische Literaturrecherche herauszuarbeiten, welche Gemeinsamkeiten und Unterschiede die jeweiligen Sprachmodelle in Bezug auf den Einfluss auf die Lehr- und Lernprozesse im Bildungskontext aufweisen.

Literature

• Chang, Y., Wang, X., Wang, J., Wu, Y., Yang, L., Zhu, K., Chen, H., Yi, X., Wang, C., Wang, Y., Ye, W., Zhang, Y., Chang, Y., Yu, P. S., Yang, Q., & Xie, X. (2024). A Survey on Evaluation of Large Language Models. ACM Transactions on Intelligent Systems and Technology, 15(3). https://doi.org/10.1145/3641289

• Rudolph, J., Tan, S., & Tan, S. (2023). War of the chatbots: Bard, Bing Chat, ChatGPT, Ernie and beyond. The new AI gold rush and its impact on higher education. Journal of Applied Learning & Teaching, 6(1). doi.org/10.37074/jalt.2023.6.1.23

• Wang, T., Lund, B. D., Marengo, A., Pagano, A., Mannuru, N. R., Teel, Z. A., & Pange, J. (2023). Exploring the Potential Impact of Artificial Intelligence (AI) on International Students in Higher Education: Generative AI, Chatbots, Analytics, and International Student Success. Applied Sciences, 13(11), 6716. doi.org/10.3390/app13116716

GPT wird als eines der leistungsfähigsten und am weitesten verbreiteten Sprachmodelle betrachtet. Aufgrund der Fähigkeit, menschenähnliche Texte zu erzeugen, Fragen zu beantworten und kontextbezogene Informationen bereitzustellen, wird es zunehmend auch im Bildungsbereich erprobt. Mögliche Einsatzgebiete umfassen die automatisierte Erstellung von Lernmaterialien sowie die personalisierte Unterstützung für Lernende und die Automatisierung bestimmter Aspekte der Unterrichtsunterstützung, wodurch die Lehrenden in der Arbeit entlastet und unterstützt werden können. Aufgrund seiner hohen Skalierbarkeit und Vielseitigkeit wird GPT als vielversprechendes Werkzeug für Lehrende und Lernende erachtet. Obwohl GPT bereits in verschiedenen Bildungskontexten erprobt wird, fehlt es an Untersuchungen zur tatsächlichen Wirksamkeit und Praxistauglichkeit. Es besteht Forschungsbedarf bezüglich der Frage, ob GPT verlässliche und unvoreingenommene Inhalte bereitstellt und ob es langfristig als unterstützendes Werkzeug zur Verbesserung von Lehr- und Lernprozessen eingesetzt werden kann. In diesem Kontext fokussiert sich die Seminararbeit auf die Ermittlung des Status quo der Forschung hinsichtlich der Nutzung von GPT im Bildungswesen durch eine systematische Literaturrecherche. In diesem Zusammenhang werden sowohl die Potenziale als auch die damit verbundenen Herausforderungen für Lehrende und Lernende untersucht.

Literature

• Harr, Michael Dominic; Wienand, Mareen; and Schütte, Reinhard, "Towards Enhanced E-Learning Within MOOCs: Exploring the Capabilities of Generative Artificial Intelligence" (2024). PACIS 2024 Proceedings. 11. aisel.aisnet.org/pacis2024/track14_educ/track14_educ/11

• Schuetzler, Ryan; Giboney, Justin; Wells, Taylor; Richardson, Benjamin; Meservy, Tom; Sutton, Cole; Posey, Clay; Steffen, Jacob; and Hughes, Amanda, "Student Interaction with Generative AI: An Exploration of an Emergent Information-Search Process" (2024). Hawaii International Conference on System Sciences 2024 (HICSS-57). 3. aisel.aisnet.org/hicss-57/st/research_and_education/3

• Khatib, Rima and Mattalo, Brandon, "Enhancing Learning Experiences with GenAI Chatbots: A Tutorial Approach" (2024). ICIS 2024 Proceedings. 17. aisel.aisnet.org/icis2024/learnandiscurricula/learnandiscurricula/17

Claude von Anthropic ist bekannt für seine kontextbezogene Dialogführung und zielt darauf ab, natürliche Sprache zu verstehen und zu generieren. Durch den Einsatz fortschrittlicher maschineller Lerntechniken und neuronaler Netze ist es in der Lage, kontextbezogene Antworten zu liefern.  Aufgrund seiner hohen Skalierbarkeit und Vielseitigkeit wird Claude als potenziell vielversprechendes Werkzeug für Lehrende und Lernende angesehen. Die Integration von Claude als unterstützendes Werkzeug im Bildungswesen wirft jedoch Fragen hinsichtlich der Effektivität und Zuverlässigkeit des Modells in realen Lernkontexten auf. Insbesondere ist zu erörtern, ob die generierten Inhalte tatsächlich faktisch genau und neutral sind. Darüber hinaus ist zu erörtern, wie Lehrende entlastet werden können, ohne die Qualität der Lehre zu beeinträchtigen. In diesem Kontext fokussiert sich die Seminararbeit auf die Durchführung einer systematischen Literaturrecherche, mit dem Ziel, den aktuellen Stand der Forschung bezüglich der Nutzung von Claude im Bildungswesen zu ermitteln.  In diesem Zusammenhang werden sowohl die Potenziale als auch die damit verbundenen Herausforderungen untersucht für Lehrende und Lernende untersucht.

Literature

• Amelia, C., & Failasuf'Alim, I. N. (2024). Analysis of Claude AI as A Writing Assistant for English Education Students at Tanjungpura University. Journal of English as a Foreign Language Education (JEFLE), 5(1), 74-85.

• Adetayo, A. J., Aborisade, M. O., & Sanni, B. A. (2024). Microsoft Copilot and Anthropic Claude AI in education and library service. Library Hi Tech News.

Gemini wird als eines der vielseitigsten Sprachmodelle von Google angesehen, da es multimodale Fähigkeiten mit fortschrittlicher Sprachverarbeitung vereint. Die Analyse und Generierung von Bildern, Audioinhalten und anderen Formaten eröffnet neue Potenziale für den Einsatz im Bildungsbereich. Insbesondere in der multimedialen Unterrichtsgestaltung, bei der Erstellung interaktiver Lernmaterialien und bei der kontextsensitiven Beantwortung komplexer Anfragen wird Gemini zunehmend als unterstützendes Werkzeug für Lehrende und Lernende eingesetzt. Obwohl Gemini über ein breites Funktionsspektrum verfügt und bereits in ersten Bildungsszenarien erprobt wurde, fehlt es bislang an Untersuchungen zur konkreten Wirksamkeit im Unterrichtskontext. Es besteht Forschungsbedarf bezüglich der langfristigen Verlässlichkeit, Qualität und Vorurteilsfreiheit der bereitgestellten Inhalte sowie der Frage, ob es zu einer nachhaltigen Unterstützung von Lehr- und Lernprozessen beitragen kann. Die vorliegende Seminararbeit widmet sich daher der Ermittlung des Status quo der Forschung zum Einsatz von Gemini im Bildungsbereich mittels einer systematischen Literaturrecherche.  In diesem Zusammenhang werden sowohl die Potenziale als auch die damit verbundenen Herausforderungen für Lehrende und Lernende untersucht.

Literature

• Imran, M., & Almusharraf, N. (2024). Google Gemini as a next generation AI educational tool: a review of emerging educational technology. Smart Learning Environments, 11(1), 22.

• Perera, P. (2023). Preparing to revolutionize education with the multi-model GenAI tool Google Gemini? A journey towards effective policy making.

• Lee, T. J., Campbell, D. J., Patel, S., Hossain, A., Radfar, N., Siddiqui, E., & Gardin, J. M. (2024). Unlocking health literacy: the ultimate guide to hypertension education from ChatGPT versus Google Gemini. Cureus, 16(5).

Diese Seminararbeit untersucht die theoretischen Grundlagen des Konzepts der AI-Identity im Vergleich zur etablierten IT-Identity (Carter & Grover, 2015). Dabei können zentrale Theorien – insbesondere der symbolische Interaktionismus, die Social Identity Theory (Stets & Burke, 2000) sowie das Technology Acceptance Model – in Bezug auf das AI-Identity-Konzept analysiert und miteinander verglichen werden, um eine theoretische Einordnung und Abgrenzung vorzunehmen. Im Rahmen der Arbeit ist eine systematische Literaturrecherche durchzuführen; ergänzend können optional auch Experteninterviews integriert werden, um zusätzliche Perspektiven zu gewinnen.

Literature

• Alahmad, R. & Robert, L. (2020). Artificial Intelligence (AI) and IT identity: Antecedents Identifying with AI Applications. arXiv (Cornell University). doi.org/10.48550/arxiv.2005.12196

• Carter, M. & Grover, V. (2015). Me, My Self, and I(T): Conceptualizing Information Technology Identity and its Implications. MIS Quarterly, 39(4), 931–957. doi.org/10.25300/misq/2015/39.4.9

• Cao, L., Chen, C., Dong, X., Wang, M. & Qin, X. (2023). The dark side of AI identity: Investigating when and why AI identity entitles unethical behavior. Computers in Human Behavior, 143, 107669. doi.org/10.1016/j.chb.2023.107669

• Huang, T. (2018). Psychological mechanisms of brand love and information technology identity in virtual retail environments. Journal Of Retailing And Consumer Services, 47, 251–264. doi.org/10.1016/j.jretconser.2018.11.016

• Stets, J. E. & Burke, P. J. (2000). Identity Theory and Social Identity Theory. Social Psychology Quarterly, 63(3), 224. doi.org/10.2307/2695870

Diese Seminararbeit widmet sich der Frage, welche psychologischen, technologischen, organisatorischen und kulturellen Bedingungen die Entwicklung und Ausprägung einer AI-Identity maßgeblich beeinflussen. Im Mittelpunkt stehen dabei individuelle Faktoren wie Nutzungserfahrung, Vertrauen in KI-Technologien und deren wahrgenommene Nützlichkeit sowie kontextuelle Einflussgrößen wie organisationale Rahmenbedingungen und kulturelle Normen, die die Identifikation mit KI-basierten Technologien fördern oder hemmen können. Im Rahmen der Arbeit ist eine systematische Literaturrecherche durchzuführen; ergänzend können optional auch Experteninterviews integriert werden, um zusätzliche Perspektiven zu gewinnen.

Literature

• Alahmad, R. & Robert, L. (2020). Artificial Intelligence (AI) and IT identity: Antecedents Identifying with AI Applications. arXiv (Cornell University). doi.org/10.48550/arxiv.2005.12196

• Bley, K., Fredriksen, S. F. B., Skjærvik, M. E. & Pappas, I. O. (2022). The Role of Organizational Culture on Artificial Intelligence Capabilities and Organizational Performance. In Lecture notes in computer science (S. 13–24). doi.org/10.1007/978-3-031-15342-6_2

• Huang, T. (2018). Psychological mechanisms of brand love and information technology identity in virtual retail environments. Journal Of Retailing And Consumer Services, 47, 251–264. doi.org/10.1016/j.jretconser.2018.11.016

• Sohn, K. & Kwon, O. (2019). Technology acceptance theories and factors influencing artificial Intelligence-based intelligent products. Telematics And Informatics, 47, 101324. doi.org/10.1016/j.tele.2019.101324

Im Zentrum dieser Seminararbeit steht die Frage, inwiefern sich AI-Identity als integraler Bestandteil beruflicher Identität ausbildet und welche Wechselwirkungen, Anpassungsprozesse und potenziellen Rollenkonflikte sich daraus für Mitarbeitende ergeben. Im Rahmen der Arbeit ist eine systematische Literaturrecherche durchzuführen; ergänzend können optional auch Experteninterviews integriert werden, um zusätzliche Perspektiven zu gewinnen.

Literature

• Mirbabaie, M., Brünker, F., Frick, N. R. J. M. & Stieglitz, S. (2021). The rise of artificial intelligence – understanding the AI identity threat at the workplace. Electronic Markets, 32(1), 73–99. doi.org/10.1007/s12525-021-00496-x

• Selenko, E., Bankins, S., Shoss, M., Warburton, J. & Restubog, S. L. D. (2022). Artificial Intelligence and the Future of Work: A Functional-Identity Perspective. Current Directions in Psychological Science, 31(3), 272–279. doi.org/10.1177/09637214221091823

• Shonhe, L. & Min, Q. (2025). Mitigating AI-induced professional identity threat and fostering adoption in the workplace. AI & Society. doi.org/10.1007/s00146-024-02170-0

• Yaroğlu, A. C. (2024). Who’s in the mirror: shaping organizational identity through artificial intelligence and symbolic interactionism. Kybernetes. doi.org/10.1108/k-09-2024-2379

Diese Seminararbeit untersucht systematisch die Chancen und Risiken, die mit einer ausgeprägten AI-Identity für Mitarbeitende und Organisationen einhergehen. Im Fokus stehen dabei positive Effekte wie Leistungssteigerung und Innovationsförderung ebenso wie potenzielle Gefahren durch Überidentifikation und technologische Abhängigkeit. Ziel ist es, praxisorientierte Gestaltungsempfehlungen für Unternehmen abzuleiten, um den produktiven Umgang mit AI-Identity zu fördern und möglichen negativen Auswirkungen vorzubeugen. Im Rahmen der Arbeit ist eine systematische Literaturrecherche durchzuführen; ergänzend können optional auch Experteninterviews integriert werden, um zusätzliche Perspektiven zu gewinnen.

Literature

• Cao, L., Chen, C., Dong, X., Wang, M. & Qin, X. (2023). The dark side of AI identity: Investigating when and why AI identity entitles unethical behavior. Computers in Human Behavior, 143, 107669. doi.org/10.1016/j.chb.2023.107669

• Ding, Z., Zhang, Y., Sun, J., Goh, M. & Yang, Z. (2025b). To Reveal or Conceal: AI Identity Disclosure Strategies for Merchants. International Journal Of Production Economics, 283, 109564. doi.org/10.1016/j.ijpe.2025.109564

• Qin, M., Qiu, S., Li, S. & Jiang, Z. (2024). Research on the impact of employee AI identity on employee proactive behavior in AI workplace. Industrial Management & Data Systems. doi.org/10.1108/imds-03-2024-0211

Diese Seminararbeit behandelt das Thema Business Intelligence (BI) mit einem besonderen Fokus auf Datenmodellierungstechniken. Zunächst soll das übergeordnete Konzept von BI erläutert werden, einschließlich seiner Bedeutung für datengetriebene Entscheidungsprozesse in Unternehmen. Anschließend werden zwei zentrale Modellierungsansätze detailliert diskutiert: das Stern-Schema (im Kontrast zum Snowflake-Schema und Data Vault). Das Stern-Schema ist eine klassische Methode des Data Warehousing, die auf einfache Strukturen und hohe Abfragegeschwindigkeit optimiert ist. Im Gegensatz dazu bietet Data Vault eine flexiblere, historisierungsfreundliche Architektur, die sich besonders für komplexe, dynamische Datenlandschaften eignet. Die Arbeit vergleicht beide Ansätze hinsichtlich Skalierbarkeit, Flexibilität und Performance und bewertet deren Eignung für verschiedene BI-Anwendungsfälle. Abschließend werden aktuelle Entwicklungen und Best Practices für den effizienten Einsatz dieser Modellierungsmethoden im BI-Umfeld betrachtet. Im Ausblick darf auch gerne auf Auswirkungen von AI auf diese Methoden eingegangen werden.

Literature

• Nogueira, I. D., Romdhane, M., & Darmont, J. (2018, June). Modeling data lake metadata with a data vault. In Proceedings of the 22nd International Database Engineering & Applications Symposium (pp. 253-261).
• Vines, A., & Tanasescu, L. (2024). Data Vault Modeling: Insights from Industry Interviews. In Proceedings of the International Conference on Business Excellence (Vol. 18, No. 1, pp. 3597-3605). Sciendo.
• Yessad, L., & Labiod, A. (2016, November). Comparative study of data warehouses modeling approaches: Inmon, Kimball and Data Vault. In 2016 International Conference on System Reliability and Science (ICSRS) (pp. 95-99). IEEE.

Die Seminararbeit untersucht die Bedeutung von Business Intelligence (BI) für Start-ups und geht der Frage nach, ab wann sich der Einsatz von BI-Technologien für junge Unternehmen lohnt. Zunächst werden die Grundlagen von BI erläutert, einschließlich der wichtigsten Methoden und Werkzeuge zur Datenerfassung, -analyse und -visualisierung. Ein zentraler Fokus liegt auf den besonderen Herausforderungen, mit denen Start-ups konfrontiert sind, wie begrenzte Ressourcen, schnelles Wachstum und sich wandelnde Geschäftsmodelle. Dabei wird analysiert, in welchen Phasen der Unternehmensentwicklung der Einsatz von BI-Tools einen messbaren Mehrwert liefern kann und welche spezifischen Vorteile sich für Start-ups ergeben. Zudem sollen Kosten-Nutzen-Aspekte sowie praxisnahe Anwendungsfälle betrachtet werden. Abschließend sollen Empfehlungen formuliert werden, wann und in welcher Form der Einsatz von BI für Start-ups strategisch sinnvoll ist. Optional können Fallstudien oder Interviews mit Start-up-Gründern eingebunden werden, um praxisnahe Einblicke zu liefern.

Literature

• Caseiro, N., & Coelho, A. (2019). The influence of Business Intelligence capacity, network learning and innovativeness on startups performance. Journal of Innovation & Knowledge, 4(3), 139-145.
• Henn, S., & Bagheri, S. (2024). Critical Success Factors for Business Intelligence Across BI Maturity Levels in Startups. European Conference on Information Systems, 2024
• Huang, Z. X., Savita, K. S., & Zhong-jie, J. (2022). The Business Intelligence impact on the financial performance of start-ups. Information Processing & Management, 59(1), 102761.
• Triono, S. P. H., Alamsyah, A., & Dudija, N. (2023). Driving factors for the use of business intelligence and analytics among Indonesian startups. International Journal of Technoentrepreneurship, 4(4), 277-296.

Die fortschreitende Digitalisierung im Talent Management hat das CV-Parsing – das automatisierte Analysieren und Aufbereiten von Lebensläufen – als zentralen Bestandteil moderner Rekrutierungsprozesse etabliert. Der Einsatz ist im Zeitalter von "Big Data" mitunter als obligatorisch zu bewerten, da internationale Unternehmen teilweise tausende Bewerbungen auf eine Vakanz erhalten, die eine manuelle Prüfung durch menschliche Recruiter nahezu ausschließen (Black & van Esch, 2020). In diesem Kontext stellt das CV-Parsing eine essenzielle Vorstufe der Kompetenzanalyse dar, indem es den Fit zwischen notwendigen Kompetenzen der Vakanz und Bewerbern systematisch erfasst und bewertet. Dabei werden (meist) semi- oder unstrukturierte Lebenslaufdaten mittels fortschrittlicher Natural Language Processing-Technologien (NLP) und Named Entity Recognition (NER) systematisch in strukturierte Informationen überführt (Das et al., 2018). Insbesondere der Einsatz tiefer neuronaler Netzwerke, wie Convolutional Neural Networks (CNNs) und rekurrenter Architekturen, verbessert maßgeblich die Segmentierung und Klassifikation von Lebenslaufinhalten. Die Integration transformerbasierter Modelle (z.B. BERT, DistillBERT) ermöglicht darüber hinaus eine präzisere Entitätserkennung sowie eine erweiterte semantische Kontextualisierung (z.B. Kinger et al., 2024; Sinha et al., 2021). Ergänzt wird dieser Ansatz durch die Nutzung computerbasierter Bildverarbeitung, etwa mittels "You Only Look Once"-Modellen (YOLO), welche die Erfassung visueller Elemente und struktureller Merkmale digitalisierter Lebensläufe unterstützen (Kinger et al., 2024). Hybride Verfahren, die regelbasierte Methoden mit maschinellen Lernalgorithmen kombinieren, bieten zudem die Möglichkeit, die Heterogenität von Lebenslaufformaten zu standardisieren und so ein robustes Ranking von Bewerberdaten zu erzielen. Wenngleich bereits – wie oben skizziert – einige Forschungsarbeiten zu einzelnen Ansätzen des CV-Parsings existieren, so mangelt es an einer strukturierten Übersicht über Ansätze und Methoden des CV-Parsings. 

Ziel dieser Seminararbeit ist es – basierend auf einer systematischen Literaturrecherche – diese Lücke zu schließen, indem eine State-of-the-Art Übersicht über Ansätze und Methoden des CV-Parsings in der Forschung gegeben wird. Darauf aufbauend soll eine Forschungsagenda skizziert werden, in welcher potenzielle Themen dargestellt werden, deren zukünftige Erforschung fruchtbare Erkenntnisse liefern könnten. 

Literature

• Kinger, S., Kinger, D., Thakkar, S., & Bhake, D. (2024). Towards smarter hiring: resume parsing and ranking with YOLOv5 and DistilBERT. Multimedia Tools and Applications, 83(35), pp. 82069-82087.
• Das, P., Sahoo, B., & Pandey, M. (2018). A review on text analytics process with a CV parser model. In 2018 3rd International Conference for Convergence in Technology (I2CT) (pp. 1-7). IEEE.
• Sinha, A.K., Amir Khusru Akhtar, M., Kumar, A. (2021). Resume Screening Using Natural Language Processing and Machine Learning: A Systematic Review. In: Swain, D., Pattnaik, P.K., Athawale, T. (eds) Machine Learning and Information Processing. Advances in Intelligent Systems and Computing, vol 1311. Springer, Singapore. https://doi.org/10.1007/978-981-33-4859-2_21
• Black, J. S., & van Esch, P. (2020). AI-enabled recruiting: What is it and how should a manager use it? Business Horizons, 63(2), 215–226. doi.org/10.1016/j.bushor.2019.12.001

Die technologischen Weiterentwicklungen in den letzten Jahren – insbesondere hinsichtlich künstlicher Intelligenz (KI) – werden mitunter als disruptiv gekennzeichnet (Brynjolfsson et al., 2019) und induzierten eine Transformation der zu Grunde liegenden Geschäftsprozesse. Im Rahmen des Recruitingprozesses haben sich insbesondere generative KI-Tools sowohl bei Unternehmen als auch bei Bewerbenden etabliert (z.B. Dawson & Agbozo, 2024). Auch im Human Resource Management verspricht symbolische, insbesondere jedoch sub-symbolische KI, Prozesse effizienter zu gestalten und Talente gezielter anzusprechen. Die vorliegende Seminararbeit befasst sich mit einer vertieften Analyse der Adoption von KI im Recruitingprozess und untersucht, wie unterschiedliche Organisationen KI-basierte Technologien in den einzelnen Phasen des Talent Managements integrieren (siehe auch Berner et al., 2022; Gonzalez et al., 2019). Aus theoretischer Sicht wird hierbei zwischen der initialen Adoption einer Technologie und ihrem anschließenden operativen Einsatz differenziert: Während der Adoptionsprozess die formale Entscheidung und Integration innovativer Technologien in die strategischen Strukturen einer Organisation umfasst, fokussiert sich der Einsatz auf die nachhaltige und routinierte Implementierung in den operativen Arbeitsprozessen (Pillai & Sivathanu, 2020; Ramesh & Das, 2022).

Zentraler Untersuchungsgegenstand bildet eine Multi-Case-Studie, die den gesamten Talent Management Prozess – von der Attraktion und Informationsbereitstellung über den Bewerbungs- und Auswahlprozess bis hin zum Onboarding und der Retention – aus einer organisationalen Perspektive beleuchtet. Die Multi-Case-Studie (Yin, 2018) dient der Identifikation der Adoption von KI anhand praxisnaher Cases und Einsatzszenarien.

Literature

• Berner, J., Renner, N., Evcenko, D., & Kett, H. J. (2022). Marktstudie daten- und KI-basiertes Recruiting. Fraunhofer Verlag.

• Brynjolfsson, E., Rock, D., & Syverson, C. (2019). Artificial intelligence and the modern productivity paradox. The economics of artificial intelligence: An agenda, 23(2019), 23-57.

• Dawson, J. Y., & Agbozo, E. (2024). AI in talent management in the digital era–an overview. Journal of Science and Technology Policy Management.

• Gonzalez, M. F., Capman, J. F., Oswald, F. L., Theys, E. R., & Tomczak, D. L. (2019). “Where’s the IO?” Artificial intelligence and machine learning in talent management systems. Personnel Assessment and Decisions, 5(3), 5.

• Pillai, R., & Sivathanu, B. (2020). Adoption of artificial intelligence (AI) for talent acquisition in IT/ITeS organizations. Benchmarking: An International Journal, 27(9), 2599-2629.

• Ramesh, S., & Das, S. (2022). Adoption of AI in talent acquisition: a conceptual framework. In International Conference on Digital Technologies and Applications (pp. 12-20). Cham: Springer International Publishing.

• Yin, R. K. (2018). Case study research and applications: Design and methods. Sage publications.

Die technologischen Weiterentwicklungen in den letzten Jahren – insbesondere hinsichtlich künstlicher Intelligenz (KI) – werden mitunter als disruptiv gekennzeichnet (Brynjolfsson et al., 2019) und induzierten eine Transformation der zu Grunde liegenden Geschäftsprozesse. Insbesondere im Recruitingprozess haben sich generative KI-Tools als essenziell herauskristallisiert – nicht nur als Instrumente seitens der Unternehmen, sondern vor allem als Hilfsmittel, die von Bewerbenden zunehmend angenommen und eingesetzt werden, um ihre Bewerbungsprozesse zu optimieren (z. B. Berner et al., 2022; Dawson & Agbozo, 2024). Vor diesem Hintergrund zielt die vorliegende Seminararbeit darauf ab, die Adoption von KI durch Bewerbende in den Mittelpunkt der Untersuchung zu stellen. Im Kern wird analysiert, wie und in welchem Ausmaß Bewerbende KI-basierte Technologien in die verschiedenen Phasen des Talent Managements integriert haben. Aus theoretischer Sicht wird hierbei zwischen der initialen Adoption einer Technologie und ihrem anschließenden operativen Einsatz differenziert: Während der Adoptionsprozess die formale Entscheidung und Integration innovativer Technologien in die strategischen Strukturen einer Organisation umfasst, fokussiert sich der Einsatz auf die nachhaltige und routinierte Implementierung in den operativen Arbeitsprozessen (Pillai & Sivathanu, 2020; Ramesh & Das, 2022).

Zentraler Untersuchungsgegenstand bildet eine Multi-Case-Studie, die den gesamten Talent Management Prozess – von der Attraktion und Informationsbereitstellung über den Bewerbungs- und Auswahlprozess bis hin zum Onboarding und der Retention – aus einer organisationalen Perspektive beleuchtet. Die Multi-Case-Studie (Yin, 2018) dient der Identifikation der Adoption von KI anhand praxisnaher Cases und Einsatzszenarien.

Literature

• Berner, J., Renner, N., Evcenko, D., & Kett, H. J. (2022). Marktstudie daten- und KI-basiertes Recruiting. Fraunhofer Verlag.

• Brynjolfsson, E., Rock, D., & Syverson, C. (2019). Artificial intelligence and the modern productivity paradox. The economics of artificial intelligence: An agenda, 23(2019), 23-57.

• Dawson, J. Y., & Agbozo, E. (2024). AI in talent management in the digital era–an overview. Journal of Science and Technology Policy Management.

• Gonzalez, M. F., Capman, J. F., Oswald, F. L., Theys, E. R., & Tomczak, D. L. (2019). “Where’s the IO?” Artificial intelligence and machine learning in talent management systems. Personnel Assessment and Decisions, 5(3), 5.

• Pillai, R., & Sivathanu, B. (2020). Adoption of artificial intelligence (AI) for talent acquisition in IT/ITeS organizations. Benchmarking: An International Journal, 27(9), 2599-2629.

• Ramesh, S., & Das, S. (2022). Adoption of AI in talent acquisition: a conceptual framework. In International Conference on Digital Technologies and Applications (pp. 12-20). Cham: Springer International Publishing.

• Yin, R. K. (2018). Case study research and applications: Design and methods. Sage publications.

Induziert durch den wettbewerbsrelevanten Kampf um Talente entwickelten sich auch im Bereich des Human Resource Managements innovative Methoden der Rekrutierung weiter, um langfristig qualifizierte Mitarbeiter zu gewinnen. Nebst den Möglichkeiten des Online- oder Social-Recruitings verändern Organisationen heutzutage die Art und Weise, wie sie talentierte Mitarbeiter anziehen und rekrutieren wollen, indem Sie zunehmend auf neue und unterhaltsame Ansätze setzen: die Gamification im Rekrutierungsprozess. Unter der Gamification im Rekrutierungsprozess wird dabei der Einsatz von spielerischen Elementen verstanden, um den Prozess von der Bewerbung bis zur Rückmeldung attraktiver zu gestalten. Als aufstrebendes Paradigma in Forschung und Praxis soll im Rahmen dieser Seminararbeit eine strukturierte Literaturrecherche durchgeführt werden, um das Konzept der Gamification im Rekrutierungsprozess näher zu beleuchten. Konkret soll untersucht werden, wie sich der Einsatz von Gamification-Praktiken im Rekrutierungsprozess auf die Mitarbeiter- und Bewerberzufriedenheit auswirken.

Literature

• Buil, I., Catalán, S., & Martínez, E. (2020). Understanding applicants’ reactions to gamified recruitment. Journal of Business Research, 110, 41–50. doi:10.1016/j.jbusres.2019.12.041
• Leutner, F., Codreanu, S. C., Brink, S., & Bitsakis, T. (2023). Game based assessments of cognitive ability in recruitment: Validity, fairness and test-taking experience. Frontiers in Psychology, 13, 942662.
• Pawar, C. P. Understanding Impact of Gamification Techniques on Employer Satisfaction While Recruiting Technocrats.
• Georgiou, K., & Nikolaou, I. (2020). Are applicants in favor of traditional or gamified assessment methods? Exploring applicant reactions towards a gamified selection method. Computers in Human Behavior, 109, 106356. doi:10.1016/j.chb.2020.106356
• Ērgle, D., & Ludviga, I. (2018, September). Use of gamification in human resource management: impact on engagement and satisfaction. In 10th International Scientific Conference “Business and Management (pp. 409-417).
• Obaid, I., Farooq, M. S., & Abid, A. (2020). Gamification for recruitment and job training: model, taxonomy, and challenges. IEEE Access, 8, 65164-65178.

The increasing integration of service robots in retail environments is transforming customer interactions, operational efficiency, and overall service experiences. As retailers seek to enhance customer engagement through automation, understanding the factors influencing the acceptance and adoption of service robots becomes crucial. While these technologies offer potential benefits such as improved efficiency and personalized assistance, their success largely depends on customer willingness to interact with and trust robotic systems.

The Technology Acceptance Model (TAM) provides a structured framework to analyze key determinants of technology adoption. According to TAM, the acceptance of technology is primarily driven by the extent to which individuals believe a technology enhances their performance (perceived usefulness) as well as the degree to which they find it intuitive and effortless to operate (perceived ease of use). Applying TAM to the retail context allows for a systematic examination of how these factors shape customer attitudes toward adoption and influence their willingness to engage with such systems.

This seminar paper seeks to conduct a systematic literature review to explore empirical findings on customer acceptance of service robots in retail, applying TAM as an analytical lens. By synthesizing existing research, it aims to identify critical drivers and barriers to adoption, offering theoretical contributions to technology acceptance research and practical implications for retailers implementing robotic service solutions.

Literature

• Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of Information Technology. MIS Quarterly, 13(3), 319. doi.org/10.2307/249008 

• De Bellis, E., & Johar, G. V. (2020). Autonomous Shopping Systems: Identifying and Overcoming barriers to consumer adoption. Journal of Retailing, 96(1), 74–87. doi.org/10.1016/j.jretai.2019.12.004

• De Gauquier, L., Brengman, M., & Willems, K. (2020). The rise of service Robots in Retailing: Literature Review on Success Factors and Pitfalls. In Emerald Publishing Limited eBooks (pp. 15–35). https://doi.org/10.1108/978-1-83867-663-620201007

• Hoang, C., Liu, X., & Ng, S. (2024). From Premium to Mass: How service robots shift brand premiumness. Journal of Service Research. doi.org/10.1177/10946705241287882

In der dynamischen und wettbewerbsintensiven Welt des Handels ist eine effektive Preisstrategie erfolgskritisch. Hoch-, Niedrigpreis- sowie Wettbewerbs-, kosten- oder kundenorientierte Preisstrategien zählen exemplarisch zu klassischen strategischen Ansätzen der Preisgestaltung von Handelsunternehmen. Zunehmend setzen solche Einzelhändler auf differenzierte Preisstrategien nach Produkt, Region, Zeit, oder weiteren Bezugspunkten. Flexible, datengetriebene Preisentscheidungen sind heutzutage besonders relevant, um sich im Wettbewerb zu behaupten. Neben klassischen Faktoren wie Kostenstrukturen und Margenkalkulationen gewinnen entsprechend Algorithmen und Big Data an Bedeutung für eine präzise und dynamische differenzierte Preisgestaltung.

In dieser Seminararbeit soll zunächst die Begrifflichkeit der Preisstrategie im Kontext des stationären Einzelhandels untersucht und konzeptioniert werden. Auf dieser Basis sollen für den stationären Einzelhandel zentrale Preissetzungsstrategien literaturbasiert erarbeitet und sinnvoll sortiert werden. Eine Untersuchung von (klassischen und modernen) Preisstrategien im Handel fördert einerseits ein grundlegendes Verständnis von Preisstrategien als entscheidendes Instrument für den langfristigen Erfolg des Einzelhandels und darauf aufbauend einen wissenschaftlich fundierten, aktuellen und sortierten Überblick über zentrale, einschlägige Preisstrategien im stationären Einzelhandel.

Literature

• Ali, B. J., & Anwar, G. (2021). Marketing Strategy: Pricing strategies and its influence on consumer purchasing decision. International journal of Rural Development, Environment and Health Research, 5(2), 26–39. https://dx.doi.org/10.22161/ijreh.5.2.4

• Diller, H., & Herrmann, A. (2003). Handbuch Preispolitik. Gabler

• Jansen, H.C. (2022). Preis-Qualitäts-Relationen im Konsumgütersektor vor dem Hintergrund der Preisstrategien des Handels. In: Preisstrategien und Produktqualität als Determinanten der Marktdurchdringung. Marketing und Marktorientierte Unternehmensführung. Springer Gabler, Wiesbaden. https://doi.org/10.1007/978-3-658-36574-5_5

• Olbrich, R., & Battenfeld, D. (2014). Preispolitik: Ein einführendes Lehr- und Übungsbuch (2. Aufl.). Springer Gabler.

• Sokólska-Krzemińska, A. (2024). Pricing Decoded. Routledge

Die Bewertung von IT-Systemen in der Handelsbranche erfolgt mithilfe verschiedener Kennzahlen wie dem Return on Investment (ROI), dem Return on Equity (ROE), Produktqualitäts- oder Produktivitätskennzahlen. Diese Kennzahlen sollen eine objektive Grundlage zur wirtschaftlichen Einordnung bieten, doch ihre Aussagekraft ist nicht unumstritten. Sie erfassen jeweils nur einen bestimmten Teilaspekt, sodass ein IT-System je nach gewählter Kennzahl unterschiedlich bewertet werden kann. Dies führt zu der Frage, ob und wie zuverlässig diese Messgrößen die tatsächliche Wirtschaftlichkeit eines IT-Systems abbilden. Zudem ist unklar, welche Kennzahlen für IT-Systeme in Handelsunternehmen tatsächlich verwendet werden und welche Kriterien die Auswahl beeinflussen. Eine genauere Untersuchung dieser Aspekte kann helfen, die Anwendung der jeweiligen Kennzahlen, ihre Stärken und Schwächen zu verstehen und ihre Anwendung in der Praxis zu optimieren. Ziel der Arbeit ist es empirisch verwendete Kennzahlen zu ermitteln und mit denen in der Literatur gemachten Vorschlägen abzugleichen. Dazu soll eine kritische Auseinandersetzung mit den Kennzahlen erfolgen und analysiert werden, ob diese dazu geeignet sind die Wirtschaftlichkeit von IT-Systemen zu bewerten.

Literature

• Bharadwaj, A. (2000). A Resource-Based Perspective on Information Technology Capability and Firm Performance: An Empirical Investigation. MIS Quarterly, 24(1), 169-196. doi.org/10.2307/3250983

• Kesten, R., Müller, A., & Schröder, H. (2007). IT-Controlling: Messung und Steuerung des Wertbeitrags der IT. Vahlen.

• Kütz, M. (2011). Kennzahlen in der IT (4. Auflage). dpunkt.verlag.

• Schryen, G. (2013). Revisiting IS business value research: what we already know, what we still need to know, and how we can get there. European Journal of Information Systems, 22(2), 139–169. https://doi.org/10.1057/ejis.2012.45

Die Wirkungen von IT-Systemen in der Handelsbranche werden von zahlreichen Einflussfaktoren bestimmt. Trotz ihrer Bedeutung sind sie bislang nur unzureichend dokumentiert und strukturiert. Häufig erfolgt nur eine Unterteilung in Makroökomische, Industrie- bzw. Branchenspezifische und Unternehmensspezifische Einflussfaktoren. In der Praxis bleibt daher oft unklar, inwiefern einzelne Einflussfaktoren die Höhe und das Entfalten von konkreten Wirkungen beinträchtigen. Zudem stellt sich die Frage, ob diese Einflussfaktoren branchenübergreifend gelten oder ob sie sich speziell auf Handelsunternehmen und deren IT-Systeme beziehen. Eine systematische Untersuchung ist notwendig, um diese Faktoren besser zu verstehen und gezielt in die Bewertung von IT-Systemen einfließen zu lassen, um fundiertere Wirtschaftlichkeitsbetrachtungen für die Handelsbranche zu ermöglichen. Ziel der Arbeit ist es Einflussfaktoren auf Wirkungen, und ihre Höhe, mit Hilfe von Interviews und bestehender Literatur zu erfassen und kritisch zu hinterfragen inwiefern diese systematisch erfasst und dokumentiert werden. 

Literature

• Garg, P., & Garg, A. (2014). Factors influencing ERP implementation in retail sector: an empirical study from India. Journal of Enterprise Information Management, 27(4), 424–448. doi.org/10.1108/jeim-06-2012-0028

• Schryen, G. (2013). Revisiting IS business value research: what we already know, what we still need to know, and how we can get there. European Journal of Information Systems, 22(2), 139–169. https://doi.org/10.1057/ejis.2012.45

• Zhu, K., Kramer, K. L., & Dedrick, J. (2004). Information Technology Payoff in E-Business Environments: An International Perspective on Value Creation of E-Business in the Financial Services Industry. Journal of Management Information Systems, 21(1), 17–54. https://doi.org/10.1080/07421222.2004.11045797

Die Einführung eines IT-Systems in der Handelsbranche ist häufig mit hohen Erwartungen verbunden. Unternehmen erhoffen sich Effizienzsteigerungen, Kostensenkungen oder verbesserte Prozessabläufe. Doch wie detailliert diese erwarteten Wirkungen in der Praxis formuliert werden, variiert stark. Während einige Systeme gezielt eingeführt werden, um klar definierte Prozesse zu optimieren, entstehen andere Implementierungen eher aus einem technologischen Hype heraus – oft ohne eine präzise Analyse oder Planung der tatsächlichen Wirkungen. Eine genauere Untersuchung ist notwendig, um zu verstehen, welche Wirkungen Handelsunternehmen konkret erwarten, wie detailliert diese ausformuliert und geplant werden, wie diese bewertet werden und inwiefern ein strategischer Plan den Erfolg einer IT-Implementierung beeinflusst. Ziel der Arbeit ist es zu erfassen wie bei der Einführung eines neuen IT-Systems auf dessen Wirkungen und Wirtschaftlichkeitspotenziale geachtet wird und inwiefern das mit existierenden Literaturempfehlungen übereinstimmt. Hierbei soll kritisch hinterfragt werden, ob der verwendete Detailgrad und Umfang angemessen ist.

Literature

• Brynjolfsson, E., & Hitt, L. M. (2000). Beyond Computation: Information Technology, Organizational Transformation and Business Performance. Journal of Economic Perspectives, 14(4), 23–48. doi.org/10.1257/jep.14.4.23

• Kesten, R., Müller, A., & Schröder, H. (2007). IT-Controlling: Messung und Steuerung des Wertbeitrags der IT. Vahlen.

• Shang, S., & Seddon, P. B. (2002). Assessing and managing the benefits of enterprise systems: the business manager’s perspective. Information Systems Journal, 12(4), 271–299. https://doi.org/10.1046/j.1365-2575.2002.00132.x

Die wirtschaftliche Bewertung von IT-Systemen in der Handelsbranche basiert auf verschiedenen quantitativen Methoden, die eine messbare Bewertung ermöglichen sollen. Zu den häufig genutzten Verfahren zählen der Return on Investment (ROI), die Kapitalwertmethode (Net Present Value, NPV), die Total Cost of Ownership (TCO), die Nutzwertanalyse (NWA), sowie die Amortisationsdauer (Payback Period). Diese Methoden bieten eine greifbare Grundlage für Investitionsentscheidungen, weisen jedoch erhebliche Einschränkungen auf. Während ROI und NPV finanzielle Erträge messen, bleiben schwer quantifizierbare Faktoren wie Prozessverbesserungen oder strategische Vorteile unberücksichtigt. TCO erfasst zwar alle Kosten eines IT-Systems, vernachlässigt aber potenzielle Wettbewerbsvorteile und ist somit nicht in der Lage eine Wirtschaftlichkeit zu berechnen. Zudem setzen diese Methoden voraus, dass zukünftige Entwicklungen und Nutzenströme verlässlich prognostiziert werden können – Unsicherheiten werden somit meist nur implizit beachtet. Es sollte genauer betrachtet werden, welche Methoden konkret warum verwendet werden, welche Stärken und Schwächen diese jeweils aufweisen und wie ihre Verwendung generell zu bewerten ist. Ziel der Arbeit ist es, durch Interviews zu ermitteln, welche Methoden von Unternehmen verwendet werden, um die Wirtschaftlichkeit von IT-Systemen zu ermitteln sowie diese mit existierender Literatur und Methoden hieraus zu vergleichen. Hierbei soll kritisch analysiert werden, inwiefern die jeweiligen Methoden angemessen sind.

Literature

• Kesten, R., Müller, A., & Schröder, H. (2007). IT-Controlling: Messung und Steuerung des Wertbeitrags der IT. Vahlen.

• Kütz, M. (2011). Kennzahlen in der IT (4. Auflage). dpunkt.verlag.

• Riedl, R. (2005). Der Analytic Hierarchy Process: Ein geeignetes Verfahren für komplexe Entscheidungen in der Wirtschaftsinformatik. HMD-Praxis Der Wirtschaftsinformatik, 42, 104–114.

Die zunehmende Digitalisierung im Gesundheitswesen verändert die Applikationslandschaft ambulanter Gesundheitseinrichtungen (u.a. Arztpraxen und medizinische Versorgungszentren) grundlegend. Die Vielfalt an spezialisierten Anwendungen für Patientenmanagement, Terminverwaltung, Abrechnungssysteme und medizinische Dokumentation führt zu einer hochkomplexen IT-Architektur, die sowohl technologische als auch organisatorische Herausforderungen mit sich bringt. Insbesondere die Interoperabilität zwischen verschiedenen Softwaresystemen stellt eine zentrale Problematik dar. Während modulare, cloudbasierte Architekturen eine skalierbare Lösung bieten, entstehen gleichzeitig neue Anforderungen an Datenschutz, Compliance und Performance-Optimierung. Eine strukturierte Analyse bestehender Applikationen ist daher essenziell, um funktionale Redundanzen zu minimieren, Systemlandschaften effizient zu harmonisieren und eine durchgängige digitale Patientenbetreuung, aber auch den Fiskalen Anforderungen zu genügen.

Literature

• Raghupathi, W., & Tan, J. (2002). Strategic IT applications in health care. Communications of the ACM, 45(12), 56-61.
• Wager, K. A., Lee, F. W., & Glaser, J. P. (2021). Health care information systems: a practical approach for health care management. John Wiley & Sons.
• Ilin, I., Levina, A., Lepekhin, A., & Kalyazina, S. (2018). Business requirements to the IT architecture: a case of a healthcare organization. In Energy Management of Municipal Transportation Facilities and Transport (pp. 287-294). Cham: Springer International Publishing.
• Ilin, I. V., Levina, A. I., & Lepekhin, A. A. (2020). Reference model of service-oriented IT architecture of a healthcare organization. In Cyber-Physical Systems and Control (pp. 681-691). Springer International Publishing.

Ein wesentlicher Treiber des technologischen Fortschritts im Applikationsmanagement ist der Bereich Intelligent-Automation. Durch den gezielten Einsatz von Automatisierungstools lassen sich repetitive Prozesse effizienter gestalten, administrative Aufwände reduzieren und eine verbesserte Entscheidungsfindung unterstützen. Moderne RPA-Technologien (Robotic Process Automation) übernehmen standardisierte Routineaufgaben, während Machine-Learning-Algorithmen komplexe Muster in medizinischen Daten identifizieren und Handlungsempfehlungen generieren. Der Vergleich führender Automatisierungstools zeigt, dass Lösungen wie UiPath, Automation Anywhere oder Blue Prism unterschiedliche Stärken hinsichtlich Skalierbarkeit, Integrationsfähigkeit und Benutzerfreundlichkeit aufweisen. Dennoch bleibt die Herausforderung, solche Technologien in bestehende Applikationsarchitekturen zu integrieren, ohne dabei die regulatorischen Anforderungen des Gesundheitswesens zu kompromittieren. Der Schlüssel zu einer erfolgreichen Implementierung liegt in einer strategischen Auswahl der richtigen Technologien, einer nachhaltigen IT-Governance und einer kontinuierlichen Optimierung der digitalen Prozesse, um sowohl wirtschaftliche als auch qualitative Mehrwerte für ambulante Gesundheitseinrichtungen zu schaffen.

Literature

• Bornet, P., Barkin, I., & Wirtz, J. (2021). Intelligent automation: Welcome to the world of hyperautomation: Learn how to harness artificial intelligence to boost business & make our world more human.
• Lacity, M. C., & Willcocks, L. P. (2021). Becoming strategic with intelligent automation. MIS Q. Executive, 20(2), 7.
• Coombs, C., Hislop, D., Taneva, S. K., & Barnard, S. (2020). The strategic impacts of Intelligent Automation for knowledge and service work: An interdisciplinary review. The Journal of Strategic Information Systems, 29(4), 101600.
• Ng, K. K., Chen, C. H., Lee, C. K., Jiao, J. R., & Yang, Z. X. (2021). A systematic literature review on intelligent automation: Aligning concepts from theory, practice, and future perspectives. Advanced Engineering Informatics, 47, 101246.

The relevance of modeling for software development is widely undisputed. The Unified Modeling Language (UML) is the de-facto standard software modeling language. It offers many different diagram types, some of which concern the structure of software (e.g., class and component diagrams), others model the behavior of software (e.g., state and communication diagrams). Effective and efficient creation, maintenance, and use of models calls for the use of respective modeling tools. These tools should implement the syntactical rules of a modeling language and offer its notation, next to further general features (e.g., versioning, indexing, querying). 

This seminar paper sets out to compare a set of previously agreed upon UML modeling tools with a focus on structural diagram types. The set of tools to be compared is set at the beginning of the semester in consultation with the advisor. The core task of this seminar paper resides in the specification of an appropriate analysis frame as well as the respective analysis of the agreed upon tools.

Literature

• Kienzle J, Zschaler S, Barnett W, Sağlam T, Bucchiarone A, Abrahão S, Syriani E, Kolovos D, Lethbridge T, Mustafiz S, Meacham S (2024) Requirements for Modeling Tools for Teaching. Software and Systems Modeling 23, pp. 1055-1073
• Maier P, Schwarz T (2024) UML++: Enhancing Student Learning of Object-Oriented Modeling through Executable Objects. In: ACM/IEEE 27th International Conference on Model Driven Engineering Languages and Systems (MODELS Companion ’24), September 22–27, 2024, Linz, Austria.
• Moisan, S., Rigault, J.-P.: Teaching Object-Oriented Modeling and UML to Various Audiences. In: Ghosh, S. (ed.) Models in Software Engineering: Workshops and Symposia at MODELS 2009, Denver, CO, USA, October 4-9, 2009. Reports and Revised Selected Papers, pp. 40–54. Springer, Berlin, Heidelberg (2010)
• Ozkaya, M. (2019). Are the UML modelling tools powerful enough for practitioners? A literature review. IET software, 13(5), 338-354.
• Safdar, S. A., Iqbal, M. Z., & Khan, M. U. (2015). Empirical evaluation of UML modeling tools–a controlled experiment. In Modelling Foundations and Applications: 11th European Conference, ECMFA 2015, Held as Part of STAF 2015, Laquila, Italy, July 20-24, 2015. Prosceedings 11 (pp. 33-44). Springer International Publishing.
• Soyka C, Ullrich M, Striewe M, Schaper N (2023) Comparison of Required Competences and Task Material in Modeling Education. Enterprise Modeling and Information Systems Architecture 18 (7)

In recent years, large language models (LLMs) have sparked remarkable attention. Large language models are pre-trained language models that offer a natural-language interface. Often, users interact with such LLMs via chatbots that allow for multiple natural-language interactions within one chat. Some argue that LLMs may serve as a universal knowledge base (e.g., Manning 2022, Petroni et al. 2019). The applicability of LLMs seems endless: As long as you are able to represent a problem linguistically, LLMs might support you in solving it. Consequently, many researchers experiment with using LLMs for solving all kinds of different problems.

One area where LLMs might be beneficial is conceptual modeling. The benefits of conceptual modeling are often undisputed but are difficult to achieve and to maintain. The usability of a model depends chiefly on its quality. LLMs have been shown to support various activities in modeling such as the initial creation of UML class diagrams.

This seminar paper sets out to identify problems within the wider area conceptual modeling and survey the existing literature to see how these problems are being addressed by using LLMs. It is crucial that students critically reflect upon the capability of LLMs to help solve these problems.

Literature

• Cámara J, Troya J, Burgueño L, Vallecillo A (2023) On the Assessment of Generative AI in Modeling Tasks: An Experience Report with ChatGPT and UML. Software and Systems Modeling 22(3):781–793
• Fill H-G, Fettke P, Köpke J (2023) Conceptual Modeling and Large Language Models: Impressions From First Experiments With ChatGPT. Enterprise Modelling and Information Systems Architectures 18(3):1–15
• Manning CD (2022) Human Language Understanding & Reasoning. Daedalus 151(2):127–138
• Montemayor C (2021) Language and Intelligence. Minds and Machines 31:471–486
• Petroni, F., Rocktäschel, T., Lewis, P., Bakhtin, A., Wu, Y., Miller, A.H., Riedel, S.: Language Models as Knowledge Bases? In: Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing and the 9th International Joint Conference on Natural Language Processing, pp. 2463–2473 (2019)
• Yang Y, Chen B, Chen K, Mussbacher G, Varró D (2024) Multi-Step Iterative Automated Domain Modeling with Large Language Models. In: ACM/IEEE 27th International Conference on Model Driven Engineering Languages and Systems (MODELS Companion ’24), September 22–27, 2024, Linz, Austria.

Diese Arbeit soll sich nicht an klassischen empirischen oder technischen Untersuchungen orientieren, sondern vielmehr die philosophische Dimension der Frage nach Intelligenz ergründen. Dabei steht die Auseinandersetzung mit der Natur menschlicher und künstlicher Intelligenz im Mittelpunkt.

Da es keine einheitliche Definition von Intelligenz gibt, ist auch der Begriff der Künstlichen Intelligenz nicht eindeutig bestimmbar. Beide Konzepte sind eng miteinander verknüpft und werfen grundlegende Fragen auf:

• Was ist Intelligenz – insbesondere menschliche Intelligenz?
• Wie unterscheidet sich künstliche Intelligenz von menschlicher Intelligenz?
• In welchem Maße sind KI-Systeme tatsächlich intelligent?
• Können Maschinen eigenständig denken oder handeln?

Diese Leitfragen dienen lediglich der Orientierung und sind nicht als Einschränkung zu verstehen. Studierende sind eingeladen, eigene Fragestellungen zu entwickeln oder ihre inhaltliche Ausrichtung in Absprache mit dem Betreuer zu präzisieren.

Literature

• Margaret A. Boden. 1990. The Philosophy of Artificial Intelligence (1st. ed.). Oxford University Press, Inc., USA.
• Kamar, E. (2016, July). Directions in Hybrid Intelligence: Complementing AI Systems with Human Intelligence. In IJCAI (pp. 4070-4073).
• Griffiths, T. L. (2020). Understanding human intelligence through human limitations. Trends in Cognitive Sciences, 24(11), 873-883.
• Sesink, W. (1993). Menschliche und künstliche Intelligenz. Der kleine Unterschied. Stuttgart.

In dieser Arbeit sollen Studierende das Konzept des „Lernens“ aus einer philosophischen Perspektive untersuchen und es mit dem maschinellen Lernen vergleichen. Während menschliches Lernen oft mit Verstehen und Bewusstsein assoziiert wird, basiert maschinelles Lernen auf statistischen Algorithmen, die Muster erkennen, ohne dass ein „Verstehen“ im traditionellen Sinn stattfindet. Leitfragen für die Arbeit könnten sein:

• Was bedeutet „Lernen“ aus philosophischer Sicht, und wie unterscheidet es sich vom Prozess des maschinellen Lernens?
• Ist maschinelles Lernen wirklich eine Form des Lernens, oder handelt es sich lediglich um Mustererkennung?
• Können Maschinen jemals „verstehen“ oder handelt es sich bei maschinellem Lernen immer nur um eine Simulation von Lernen?
• Welche philosophischen Implikationen hat der Unterschied zwischen menschlichem und maschinellem Lernen für das Verständnis von Intelligenz und Kognition?

Diese Fragen dienen als Orientierung und können gerne weiter angepasst oder erweitert werden. Die Studierenden sind eingeladen, ihre eigene Perspektive zu entwickeln und mögliche Grenzen des maschinellen Lernens aus philosophischer Sicht zu reflektieren.

Literature

• Jones, N. (2014). The learning machines. Nature, 505(7482), 146.
• Thagard, P. (1990). Philosophy and machine learning. Canadian Journal of Philosophy, 20(2), 261-276.
• Kaminski, A. (2020). Gründe geben. Maschinelles Lernen als Problem der Moralfähigkeit von Entscheidungen (pp. 151-174). Springer Fachmedien Wiesbaden.
• Rogalla, I. (2024). Maschinen lernen nicht!–„Machine learning “-Algorithmen entzaubert. In Künstliche Intelligenz, Mensch und Gesellschaft: Soziale Dynamiken und gesellschaftliche Folgen einer technologischen Innovation (pp. 131-150). Wiesbaden: Springer Fachmedien Wiesbaden.

The development of cross-platform applications for desktop and mobile environments presents numerous challenges for developers. Various technologies such as Flutter (Dart), React Native (JavaScript), Xamarin (.NET), and Kotlin Multiplatform offer different strengths and weaknesses in terms of performance, maintainability, development speed, and user experience. As businesses and developers aim to build applications that run seamlessly across multiple platforms while minimizing development effort and costs, it is essential to understand the trade-offs associated with these technologies. This seminar thesis aims to systematically analyze the design and implementation of cross-platform development frameworks. 

The student’s task is to systematically analyze the advantages and challenges of cross-platform development compared to native development approaches. The first step is to define the core concepts and motivations behind cross-platform development, highlighting its differences from native approaches. The research will then evaluate key criteria such as performance efficiency, UI consistency, integration with native device features, and ecosystem maturity. By examining the architectural differences across major frameworks, the thesis will assess the impact of these technologies on scalability, maintainability, and real-world applicability. The goal is to provide a comprehensive evaluation of cross-platform development, equipping developers with analytical tools to make informed decisions in software engineering projects.

Literature

• Blanco, J. Z., & Lucrédio, D. (2021). A holistic approach for cross-platform software development. Journal of Systems and Software, 179, 110985. https://doi.org/10.1016/j.jss.2021.110985

• El-Kassas, W. S., Abdullah, B. A., Yousef, A. H., & Wahba, A. M. (2017). Taxonomy of Cross-Platform Mobile Applications Development Approaches. Ain Shams Engineering Journal, 8(2), 163–190. https://doi.org/10.1016/j.asej.2015.08.004

• Zohud, T., & Zein, S. (2021). Cross-Platform Mobile App Development in Industry: A Multiple Case-Study. International Journal of Computing, 46–54. https://doi.org/10.47839/ijc.20.1.2091

Ensuring reliable offline data storage is a crucial aspect of Flutter application development for both mobile and desktop environments. As users expect applications to function seamlessly even without an internet connection, developers must choose appropriate persistence mechanisms that balance performance, scalability, and ease of implementation. Several solutions, including Shared Preferences, SQLite, Hive, and ObjectBox, offer different trade-offs in terms of storage capacity, data structure support, read/write speed, and synchronization capabilities.

The student’s task is to systematically evaluate different persistence approaches for enabling offline functionality in Flutter applications. The first step is to define the core requirements of offline data persistence and compare various storage methods, focusing on key criteria such as data integrity, caching strategies, and conflict resolution when transitioning between offline and online states. Further, the research will examine case studies and performance benchmarks to illustrate practical applications and best practices. The ultimate goal is to provide a structured comparison of persistence approaches, offering insights that will help developers select the most suitable method for their Flutter projects.

Literature

• Barmpis, K., & Kolovos, D. S. (2012). Comparative analysis of data persistence technologies for large-scale models. Proceedings of the 2012 Extreme Modeling Workshop, 33–38. https://doi.org/10.1145/2467307.2467314

• Boukhary, S., & Colmenares, E. (2019). A Clean Approach to Flutter Development through the Flutter Clean Architecture Package. 2019 International Conference on Computational Science and Computational Intelligence (CSCI), 1115–1120. https://doi.org/10.1109/CSCI49370.2019.00211

While Dart is widely known for its role in frontend development with Flutter, its potential as a backend technology remains an area of growing interest. Traditionally, backend development has been dominated by languages such as Java, Node.js, and Python, each with well-established frameworks. However, Dart has introduced backend frameworks like Shelf and, previously, Aqueduct, offering new possibilities for web services and API development. As the demand for full-stack development solutions increases, understanding Dart’s capabilities in the backend becomes crucial for developers and businesses considering a unified tech stack.

The student’s task is to systematically analyze Dart’s viability as a backend technology by exploring its architectural concepts, available frameworks, and integration capabilities. The first step is to define the core principles of backend development and compare Dart’s approach with other common backend technologies. The research will then assess key factors such as performance, scalability, developer experience, and ecosystem maturity. Special attention will be given to how Dart-based backends integrate with frontend applications, particularly within the Flutter ecosystem. The ultimate goal is to provide a structured analysis of Dart’s potential in backend development and its role in modern backend solutions.

Literature

• Dart Frog. (n.d.), from https://dartfrog.vgv.dev/

• Lebe.write. (2023). Backend Dart. Medium. https://medium.com/@manuelphilipamadikwa/backend-dart-53a5bcc4a01b

• Madurapperuma, I. H., Shafana, M. S., & Sabani, M. J. A. (2022). State-of-Art Frameworks for Front-end and Back-end Web Development.

Modern applications must efficiently manage data while ensuring speed, reliability, and synchronization across multiple devices. Choosing the right database is a critical architectural decision, especially for Flutter-based and cross-platform applications that run on both mobile and desktop environments. Various database solutions offer different trade-offs in terms of performance, scalability, and ease of integration. Relational databases such as SQLite and PostgreSQL provide structured data management, while non-relational databases like Firebase, MongoDB, and Realm offer flexible, cloud-based, and offline-first approaches. Understanding how these databases perform in real-world Flutter applications is essential for developers aiming to create robust and scalable software.

The student’s task is to systematically compare database options for Flutter and cross-platform applications, evaluating their suitability based on key factors such as data structure support, offline-first capabilities, synchronization mechanisms, and integration with Flutter’s ecosystem. The first step is to define core database concepts and outline the unique challenges of managing data in cross-platform applications. The research will then compare relational and non-relational databases in terms of performance, scalability, and real-world applicability. The ultimate goal is to provide a structured evaluation that will help developers make informed decisions when selecting a database for Flutter-based applications.

Literature

• Gaffney, K. P., Prammer, M., Brasfield, L., Hipp, D. R., Kennedy, D., & Patel, J. M. (2022). SQLite: Past, present, and future. Proceedings of the VLDB Endowment, 15(12), 3535–3547. https://doi.org/10.14778/3554821.3554842

• Matallah, H., Belalem, G., & Bouamrane, K. (2021). Comparative Study Between the MySQL Relational Database and the MongoDB NoSQL Database: International Journal of Software Science and Computational Intelligence, 13(3), 38–63. https://doi.org/10.4018/IJSSCI.2021070104

Modern applications increasingly rely on external data sources such as APIs, third-party services, and cloud-based providers to enrich functionality and provide up-to-date information. However, integrating and synchronizing externally fetched data with an internal database schema presents significant challenges, including maintaining data consistency, resolving conflicts in concurrent updates, and ensuring security and reliability. Differences in data structures, schema evolution, and offline synchronization further complicate the process, making it essential to establish robust synchronization strategies. Failure to manage these complexities can lead to data inconsistencies, security vulnerabilities, and performance bottlenecks, ultimately affecting the reliability of the system.

The student’s task is to systematically explore the challenges and strategies involved in synchronizing external data sources with internal databases. The first step is to define core concepts of data synchronization and examine common integration patterns. The research will then focus on key challenges such as conflict resolution, offline-first synchronization, schema evolution, and data security concerns. By evaluating best practices, the thesis will provide developers with the necessary insights to design and implement reliable synchronization mechanisms in modern applications.

Literature

• Faiz, M., & Shanker, U. (2016). Data synchronization in distributed client-server applications. 2016 IEEE International Conference on Engineering and Technology (ICETECH), 611–616. https://doi.org/10.1109/ICETECH.2016.7569323

• Petrasch, R. J., & Petrasch, R. R. (2022). Data Integration and Interoperability: Towards a Model-Driven and Pattern-Oriented Approach. Modelling, 3(1), 105–126. https://doi.org/10.3390/modelling3010008

The debate between SQL and NoSQL databases has been a central topic in the database management landscape for years. While traditional relational databases like PostgreSQL and MySQL have been the foundation of data management in many applications, the rise of NoSQL, NewSQL, and graph databases has challenged their dominance. The increasing demand for scalable, flexible, and high-performance data storage solutions has driven the adoption of NoSQL systems, which offer benefits such as horizontal scalability and high availability. However, relational databases continue to be the go-to solution for use cases where data consistency, structured queries, and ACID (Atomicity, Consistency, Isolation, Durability) compliance are critical.

The student’s task is to explore the ongoing relevance of SQL databases in comparison to NoSQL alternatives. The first step is to define the core characteristics of both SQL and NoSQL databases, focusing on performance, scalability, flexibility, and data consistency. The research will then compare the trade-offs between SQL’s strict ACID compliance and NoSQL’s eventual consistency and horizontal scalability. By analyzing real-world use cases and recent technological advancements, the thesis will provide a structured understanding of whether SQL databases still hold relevance in modern software development or if NoSQL solutions have overtaken them.

Literature

• Khan, W., Kumar, T., Zhang, C., Raj, K., Roy, A. M., & Luo, B. (2023). SQL and NoSQL Database Software Architecture Performance Analysis and Assessments—A Systematic Literature Review. Big Data and Cognitive Computing, 7(2), 97. https://doi.org/10.3390/bdcc7020097

• Ramzan, T., & Alwin, G. (2023). Comparative Study of SQL vs. NoSQL for High-Performance E- commerce Databases. Unpublished. https://doi.org/10.13140/RG.2.2.34192.01286

• Stonebraker, M. (2010). SQL databases v. NoSQL databases. Communications of the ACM, 53(4), 10–11. https://doi.org/10.1145/1721654.1721659

Cross-platform development aims to deliver consistent user experiences across multiple devices and platforms. However, ensuring the quality and performance of such applications presents significant challenges. Rigorous testing is essential for maintaining reliability, performance, and compatibility across various environments. Flutter, as one of the leading frameworks for cross-platform mobile and desktop application development, provides developers with a range of testing tools and methodologies to address these challenges. 

The student's task is to evaluate key testing strategies and their application to Flutter-based applications. The thesis will first outline core testing approaches - unit testing, widget testing, integration testing, and end-to-end testing - highlighting their strengths, limitations, and appropriate use cases. It will then focus on how these strategies can be tailored to address the unique challenges of cross-platform development in Flutter, such as ensuring UI consistency and optimizing performance across different devices. By comparing tools like Flutter's testing framework, Mockito, Appium, and Cypress, the thesis will analyze which methods are most effective for specific testing scenarios, such as UI testing, database validation, and user interaction. The final goal is to provide practical recommendations for selecting and implementing the best testing strategies based on project needs.

Literature

• Flutter Docs. (n.d.). Testing Flutter apps. https://docs.flutter.dev/testing/overview

• Pargaonkar, S. (2023). A Comprehensive Review of Performance Testing Methodologies and Best Practices: Software Quality Engineering. International Journal of Science and Research (IJSR), 12(8), 2008–2014. https://doi.org/10.21275/SR23822111402

The role of documentation in software development has always been critical, but in the context of Agile methodologies, it has evolved to prioritize flexibility, collaboration, and continuous improvement. Traditional heavy documentation is often seen as a hindrance in Agile environments, which instead focus on delivering working software and enabling real-time collaboration. 

The student's task is to systematically explore the role and evolution of documentation in Agile projects. The thesis will first define the importance of documentation in Agile, comparing it with traditional documentation practices. It will then examine the tools commonly used in Agile environments, such as project management platforms like Jira and Confluence, and collaborative document editors, analyzing how they support Agile workflows. The research will focus on how these tools improve communication, transparency, and collaboration within teams. Finally, the thesis will evaluate the impact of these documentation practices on the efficiency and effectiveness of Agile teams. By analyzing real-world examples, the thesis aims to provide a comprehensive understanding of how modern documentation contributes to the success of Agile software development.

Literature

• Behutiye, W., Rodríguez, P., Oivo, M., Aaramaa, S., Partanen, J., & Abhervé, A. (2022). Towards optimal quality requirement documentation in agile software development: A multiple case study. Journal of Systems and Software, 183, 111112. https://doi.org/10.1016/j.jss.2021.111112

• Hadar, I., Sherman, S., Hadar, E., & Harrison, J. J. (2013). Less is more: Architecture documentation for agile development. 2013 6th International Workshop on Cooperative and Human Aspects of Software Engineering (CHASE), 121–124. https://doi.org/10.1109/CHASE.2013.6614746

Conversational Agents (CAs) are rapidly gaining traction in educational environments as a means to enhance student engagement, support personalized learning, and automate administrative tasks. These AI-driven systems, which simulate human-like interactions, have the potential to transform the way students learn by providing individualized support, real-time feedback, and fostering an interactive learning environment.

The student's task is to systematically classify CAs in education and evaluate their benefits, drawbacks, and future potential. The first step is to define CAs and their core functions in educational contexts. The research will then systematically classify different types of CAs based on their roles, such as tutors or feedback providers. Each category will be analyzed in terms of its specific capabilities, the learning needs it addresses, and its effectiveness in supporting students. The final goal is to develop a structured classification framework that highlights the strengths, weaknesses, and future potential of various CA types in education.

Literature

• Khosrawi-Rad, B., Rinn, H., Schlimbach, R., Gebbing, P., Yang, X., Lattemann, C., Markgraf, D., & Robra-Bissantz, S. (2022). Conversational agents in education–a systematic literature review.

• Milana, M., Brandi, U., Hodge, S., & Hoggan-Kloubert, T. (2024). Artificial intelligence (AI), conversational agents, and generative AI: Implications for adult education practice and research. International Journal of Lifelong Education, 43(1), 1–7. https://doi.org/10.1080/02601370.2024.2310448

• Winkler, R., Hobert, S., Salovaara, A., Söllner, M., & Leimeister, J. M. (2020). Sara, the Lecturer: Improving Learning in Online Education with a Scaffolding-Based Conversational Agent. Proceedings of the 2020 CHI Conference on Human Factors in Computing Systems, 1–14. https://doi.org/10.1145/3313831.3376781

The rise of Artificial Intelligence (AI) and Conversational Agents (CAs) has the potential to revolutionize personalized learning in education. With AI-powered tutors and assistants becoming increasingly integrated into educational settings, the thesis aims to explore how these technologies compare to traditional human teaching methods. 

The student’s task is to evaluate the role of CAs as AI-powered tutors and compare their effectiveness to human teachers. The first step is to define CAs in the context of AI-powered tutoring and outline their role in education. Next, the research will compare CAs with human teachers, evaluating key factors such as flexibility, responsiveness, and their ability to address diverse learning needs. Following this, the thesis will explore the limitations of AI tutors, including biases in algorithms, difficulties in managing learning processes, and challenges related to user acceptance. The impact of these limitations on learning outcomes, student satisfaction, and overall educational effectiveness will be critically assessed. The final objective is to determine whether CAs can complement or even replace human educators in specific learning contexts, or if there are essential human qualities in teaching that AI cannot replicate.

Literature

• Khosrawi-Rad, B., Rinn, H., Schlimbach, R., Gebbing, P., Yang, X., Lattemann, C., Markgraf, D., & Robra-Bissantz, S. (2022). Conversational agents in education–a systematic literature review.

• Tack, A., & Piech, C. (2022). The AI Teacher Test: Measuring the Pedagogical Ability of Blender and GPT-3 in Educational Dialogues (No. arXiv:2205.07540). arXiv. https://doi.org/10.48550/arXiv.2205.07540

• Winkler, R., Hobert, S., Salovaara, A., Söllner, M., & Leimeister, J. M. (2020). Sara, the Lecturer: Improving Learning in Online Education with a Scaffolding-Based Conversational Agent. Proceedings of the 2020 CHI Conference on Human Factors in Computing Systems, 1–14. https://doi.org/10.1145/3313831.3376781

As educational systems increasingly integrate digital tools, the combination of Conversational Agents (CAs) and gamification techniques has emerged as a powerful approach to enhance student motivation and engagement. Gamification, which introduces game-like elements such as rewards, challenges, and leaderboards, has been shown to improve student involvement and performance. When paired with CAs, this approach can create an immersive, interactive learning environment that adapts to individual learning styles. 

This seminar thesis will focus on understanding how CAs can integrate gamified components to foster motivation and actively engage students in the learning process. The student’s first step is to define gamification and its key elements, followed by an analysis of its psychological impact on learners. Building on this foundation, the research will examine how CAs integrate gamification techniques to enhance student engagement. The goal is to deliver a structured evaluation of how this combination influences learning outcomes, while also addressing its limitations and potential for future development.

Literature

• Benner, D., Schöbel, S., Suess, C., Baechle, V., & Janson, A. (n.d.). Level-Up your Learning – Introducing a Framework for Gamified Educational Conversational Agents.

• Khosrawi-Rad, B., Rinn, H., Schlimbach, R., Gebbing, P., Yang, X., Lattemann, C., Markgraf, D., & Robra-Bissantz, S. (2022). Conversational agents in education–a systematic literature review.

• Khosrawi-Rad, B., Grogorick, L., & Robra-Bissantz, S. (2023). Game-inspired Pedagogical Conversational Agents: A Systematic Literature Review. https://doi.org/10.17705/1thci.00187

The integration of avatars in Conversational Agents (CAs) is becoming increasingly common, aiming to provide a more engaging and human-like interaction. These avatars are designed to enhance user experience, foster emotional connection, and ultimately improve motivation. This seminar thesis will explore the psychological and pedagogical effects of avatar-based agents in educational contexts. Students will investigate how avatars contribute to building trust and enhancing the relational aspect of the learning experience, potentially improving learning effectiveness by making interactions feel more personal and engaging. The thesis will examine whether avatars motivate students to participate more actively in learning activities and how their presence may impact overall learning outcomes.

The student’s first step is to define avatars in the context of CAs and examine their intended role in digital learning environments. Next, the research will explore how avatars influence trust, motivation, and student engagement by fostering emotional connections with users. Building on this, students will analyze whether these interactions enhance participation and improve the quality of learning experiences. Additionally, ethical considerations in avatar design - such as cultural representation, biases in appearance, and the uncanny valley phenomenon - will be critically assessed. The final objective is to evaluate the overall effectiveness of avatars in digital education, determining their impact on learning outcomes and student satisfaction.

Literature

• Khosrawi-Rad, B., Rinn, H., Schlimbach, R., Gebbing, P., Yang, X., Lattemann, C., Markgraf, D., & Robra-Bissantz, S. (2022). Conversational agents in education–a systematic literature review.

• Thaler, M., Schlögl, S., & Groth, A. (2020). Agent vs. Avatar: Comparing Embodied Conversational Agents Concerning Characteristics of the Uncanny Valley. 2020 IEEE International Conference on Human-Machine Systems (ICHMS), 1–6. https://doi.org/10.1109/ICHMS49158.2020.9209539
• Zhang, Y., & Pan, W. (2025). A scoping review of embodied conversational agents in education: Trends and innovations from 2014 to 2024. Interactive Learning Environments, 1–22. https://doi.org/10.1080/10494820.2025.2468972

Conversational Agents (CAs) are rapidly transforming educational environments, offering new possibilities for student interaction and learning. Traditionally, students benefit from peer collaboration, where social interaction and discussion help solidify understanding and encourage deeper learning. With the development of AI technologies, CAs have the potential to replicate these social dynamics, acting as AI peers that engage with students in collaborative learning processes. This thesis explores the role of CAs as social learning partners in educational contexts, evaluating whether these AI-driven peers can enhance student motivation, engagement, and overall learning outcomes. 

The student's task is to critically evaluate the role of CAs as AI peers in collaborative learning environments. The first step is to define CAs in this context and outline their intended function in supporting peer-based learning. Next, the research will analyze how effectively CAs replicate the social dynamics of human collaboration, focusing on their influence on student engagement, motivation, and learning outcomes. Finally, the student will assess the limitations of AI peers, particularly in relation to emotional intelligence and social cues, and determine whether CAs can complement or substitute human interactions in learning settings. The goal is to provide a structured evaluation of both the potential and the challenges of using CAs in collaborative education.

Literature

• Khosrawi-Rad, B., Rinn, H., Schlimbach, R., Gebbing, P., Yang, X., Lattemann, C., Markgraf, D., & Robra-Bissantz, S. (2022). Conversational agents in education–a systematic literature review.

• Robe, P., & Kuttal, S. K. (2022). Designing PairBuddy—A Conversational Agent for Pair Programming. ACM Transactions on Computer-Human Interaction, 29(4), 1–44. https://doi.org/10.1145/3498326

• Sharma, A., Lin, I. W., Miner, A. S., Atkins, D. C., & Althoff, T. (2023). Human–AI collaboration enables more empathic conversations in text-based peer-to-peer mental health support. Nature Machine Intelligence, 5(1), 46–57. https://doi.org/10.1038/s42256-022-00593-2

University students face numerous challenges, including managing coursework, balancing academic and personal life, and accessing timely academic support. Conversational Agents (CAs) have emerged as a potential solution to help students overcome these challenges by providing personalized support, facilitating time management, and offering real-time academic assistance. This thesis will explore how CAs can address the unique difficulties faced by university students, focusing on their role in enhancing student well-being, academic success, and overall engagement.

The student’s task is to systematically identify challenges of university students and evaluate how CAs can support them in overcoming common academic challenges. The first step is to systematically identify key issues students face, such as procrastination, time management difficulties, and academic stress. Next, the research will examine how CAs can provide targeted assistance, including personalized time management strategies, academic guidance, and emotional support. Finally, the student will evaluate the benefits and limitations of integrating CAs as digital support systems in higher education, determining their overall impact on student success and well-being.

Literature

• Khosrawi-Rad, B., Rinn, H., Schlimbach, R., Gebbing, P., Yang, X., Lattemann, C., Markgraf, D., & Robra-Bissantz, S. (2022). Conversational agents in education–a systematic literature review.

• Pereira, D. S. M., Falcão, F., Costa, L., Lunn, B. S., Pêgo, J. M., & Costa, P. (2023). Here’s to the future: Conversational agents in higher education- a scoping review. International Journal of Educational Research, 122, 102233. https://doi.org/10.1016/j.ijer.2023.102233
• Venter, I. M., Cranfield, D. J., Blignaut, R. J., Achi, S., & Tick, A. (2024). Conversational AI in Higher Education: Opportunities, Challenges, and Ethical Considerations. 2024 IEEE 28th International Conference on Intelligent Engineering Systems (INES), 000195–000202. https://doi.org/10.1109/INES63318.2024.10629104

Multimodal Conversational Agents (CAs) represent an advanced class of AI systems that can engage users through multiple forms of communication, such as speech, text, and non-verbal cues like facial expressions and gestures. The integration of these diverse modalities allows for a more natural, interactive, and intuitive user experience. However, building such agents introduces significant technical and design challenges, as the seamless combination of speech, text, and non-verbal elements requires overcoming issues like synchronization, context switching, and ensuring coherent communication across different channels. 

The student’s task is to analyze the key challenges in developing multimodal CAs and identify best practices for their implementation. The first step is to define multimodal CAs and explain their role in integrating speech, text, and non-verbal cues such as gestures and facial expressions. Next, the research will focus on the primary technical and design challenges developers face, particularly in ensuring synchronization and coherence across different communication modes. Building on this analysis, the student will explore best practices, including state-of-the-art technologies, UX research, and design principles for creating seamless interactions. The final objective is to develop a set of guidelines and practical recommendations for optimizing user experience and overcoming common technical difficulties in multimodal CA development.

Literature

• Aneja, D., Hoegen, R., McDuff, D., & Czerwinski, M. (2021). Understanding Conversational and Expressive Style in a Multimodal Embodied Conversational Agent. Proceedings of the 2021 CHI Conference on Human Factors in Computing Systems, 1–10. https://doi.org/10.1145/3411764.3445708
• Pelachaud, C. (2005). Multimodal expressive embodied conversational agents. Proceedings of the 13th Annual ACM International Conference on Multimedia, 683–689. https://doi.org/10.1145/1101149.1101301

Die Simulation menschlichen Verhaltens mithilfe von Large Language Models (LLMs) gewinnt zunehmend an Relevanz, da sie neue Möglichkeiten für die Erforschung sozialer Dynamiken, wirtschaftlicher Entscheidungsprozesse und psychologischer Phänomene eröffnet. Traditionelle Methoden wie Laborstudien oder Befragungen sind oft ressourcenintensiv, schwer skalierbar und durch ethische Grenzen limitiert. LLMs bieten hier einen Paradigmenwechsel, da sie das Potenzial bieten nicht nur individuelle Verhaltensmuster zu replizieren, sondern auch komplexe Gruppeninteraktionen in virtuellen Umgebungen simulieren zu können. Aktuelle Forschungsarbeiten zeigen jedoch Herausforderungen, wie die Tendenz zur Generierung stereotyper Reaktionen oder Schwierigkeiten bei der Nachbildung langfristiger Verhaltenskonsistenz.

Ziel dieser Seminararbeit ist es, mittels systematischer Literaturrecherche kritisch zu analysieren, unter welchen Bedingungen LLMs valide menschliche Verhaltensmuster abbilden können, welche Einsatzzwecke besonders geeignet sind und wo methodische Limitationen eine Anpassung experimenteller Designs erfordern oder den effektiven Einsatz erschweren. Basierend auf Erkenntnissen aus verschiedenen Forschungsströmen der Wirtschaftsinformatik, der Mensch-Computer-Interaktion und angrenzenden Gebieten soll ein Überblick erarbeitet werden, um ein tieferes Verständnis über das Potenzial sowie den aktuellen Forschungsstand von der Simulation komplexen menschlichen Verhaltens mittels GenAI und LLMs zu erlangen.

Literature

• Banh, L. & Strobel, G. (2023). Generative artificial intelligence. Electronic Markets 33(63). doi:10.1007/s12525-023-00680-1 

• Filippas, A., Horton, J. J., & Manning, B. S. (2024). Large language models as simulated economic agents: What can we learn from homo silicus? Proceedings of the 25th ACM Conference on Economics and Computation, 614–615. Presented at the EC ’24: 25th ACM Conference on Economics and Computation, New Haven CT USA. doi:10.1145/3670865.3673513

• Jung, S.-G., Salminen, J., Aldous, K. K., & Jansen, B. J. (2025). PersonaCraft: Leveraging language models for data-driven persona development. International Journal of Human-Computer Studies, 197(103445), 103445. doi:10.1016/j.ijhcs.2025.103445

• Park, J. S., O’Brien, J. C., Cai, C. J., Morris, M. R., Liang, P., & Bernstein, M. S. (2023). Generative agents: Interactive simulacra of human behavior. doi:10.48550/ arxiv.2304.03442

• Park, J. S., Zou, C. Q., Shaw, A., Hill, B. M., Cai, C., Morris, M. R., … Bernstein, M. S. (2024). Generative agent simulations of 1,000 people. doi:10.48550/arxiv.2411.10109

• Sarstedt, M., Adler, S. J., Rau, L., & Schmitt, B. (2024). Using large language models to generate silicon samples in consumer and marketing research: Challenges, opportunities, and guidelines. Psychology & Marketing, 41(6), 1254-1270. doi:10.1002/mar.21982

• Sreedhar, K., & Chilton, L. (2025). Simulating Strategic Reasoning: Comparing the Ability of Single LLMs and Multi-Agent Systems to Replicate Human Behavior. Proceedings of the 58th Hawaii International Conference on System Sciences

• Strachan, J.W.A., Albergo, D., Borghini, G. et al. (2024). Testing theory of mind in large language models and humans. Nature Human Behavior 8, 1285–1295. doi:10.1038/s41562-024-01882-z

• Xie, C., Chen, C., Jia, F., Ye, Z., Shu, K., Bibi, A., Hu, Z., Torr, P.H., Ghanem, B., & Li, G. (2024). Can Large Language Model Agents Simulate Human Trust Behaviors? ArXiv, abs/2402.04559.

Während traditionelle Informationssysteme (IS) als Werkzeuge für Menschen dienen, entwickeln sich durch KI-Fortschritte zunehmend autonome Systeme. Diese Agentic IS, wie Generative Agenten oder andere KI-Agenten, können selbstständig arbeiten und komplexe Aufgaben bewältigen, was die Mensch-IS-Interaktion grundlegend verändert. Diese Veränderungen führen zu einer neuen Rollenverteilung und neuen Formen der Zusammenarbeit, in der Mensch und IS als Teamkollegen kollaborieren können.

Das Seminarthema untersucht diesen Forschungsbereich und betrachtet dabei speziell die Agentic-IS-Artefakte und deren Kollaborationsmuster mit Menschen. Ziel ist eine systematische Literaturanalyse zur Analyse verschiedener Formen der Mensch-Agentic-IS-Zusammenarbeit sowie die Entwicklung einer entsprechenden Taxonomie.

Literature

• Baird, A. and Maruping, L. M. (2021). The Next Generation of Research on IS Use: A Theoretical Framework of Delegation to and from Agentic IS Artifacts. MIS Quarterly 45(1). pp.315-341.

• Dennis, A. R., Lakhiwal, A. & Sachdeva, A. (2023). AI Agents as Team Members: Effects on Satisfaction, Conflict, Trustworthiness, and Willingness to Work With. Journal Of Management Information Systems, 40(2), 307–337. doi.org/10.1080/07421222.2023.2196773

• Fügener, A., Grahl, J., Gupta, A., Ketter, W. (2022). Cognitive Challenges in Human–Artificial Intelligence Collaboration: Investigating the Path Toward Productive Delegation. Information Systems Research, vol. 33, 678–696. doi: 10.1287/isre.2021.1079

• Stelmaszak, M., Möhlmann, M. & Sørensen, C. (2024). When Algorithms Delegate to Humans: Exploring Human-Algorithm Interaction at Uber. MIS Quarterly. doi.org/10.25300/misq/2024/17911

• Vössing, M., Kühl, N., Lind, M., Satzger, G. (2022). Designing Transparency for Effective Human-AI Collaboration. Inf Syst Front 24, 877–895. doi:10.1007/s10796-022-10284-3

KI-Systeme sind in Teilen der Medizin bereits etabliert, beispielsweise als Diagnostikhilfen in der Brustkrebsanalyse. Die Entwicklung fortschrittlicher KI-Agenten eröffnet nun neue Möglichkeiten, etwa den Einsatz von Multi-Agenten-Systemen zur Durchführung und Koordinierung von Diagnosen. Dieser Wandel von Technologie als Werkzeug zu einem eigenständigen Akteur verändert die Mensch-Technologie-Zusammenarbeit grundlegend. Die Gestaltung solcher Systeme erfordert daher eine sozio-technische Betrachtung, die sowohl technische Anforderungen als auch Auswirkungen auf Menschen berücksichtigt.

Diese Seminararbeit setzt genau an dieser Stelle an und betrachtet die Gestaltung von Multi-Agenten Systemen zum effektiven Einsatz in der Medizin. Ziel ist somit die Durchführung einer systematischen Literaturrecherche, um Gestaltungsprinzipien für Agentic IS in der Medizin zu entwickeln.

Literature

• Acharya, D. B., Kuppan, K. & Divya, B. (2025). Agentic AI: Autonomous Intelligence for Complex Goals – A Comprehensive Survey. IEEE Access, 1. https://doi.org/10.1109/access.2025.3532853

• Baird, A. and Maruping, L. M. (2021). The Next Generation of Research on IS Use: A Theoretical Framework of Delegation to and from Agentic IS Artifacts. MIS Quarterly 45(1). pp.315-341.

• Dattathrani, S. & De, R. (2022). The Concept of Agency in the Era of Artificial Intelligence: Dimensions and Degrees. Information Systems Frontiers, 25(1), 29–54. https://doi.org/10.1007/s10796-022-10336-8

• Dennis, A. R., Lakhiwal, A. & Sachdeva, A. (2023). AI Agents as Team Members: Effects on Satisfaction, Conflict, Trustworthiness, and Willingness to Work With. Journal Of Management Information Systems, 40(2), 307–337. https://doi.org/10.1080/07421222.2023.2196773

• Qiu, J., Lam, K., Li, G., Acharya, A., Wong, T. Y., Darzi, A., Yuan, W. & Topol, E. J. (2024). LLM-based agentic systems in medicine and healthcare. Nature Machine Intelligence. doi.org/10.1038/s42256-024-00944-1

Die Nutzung aktueller KI-Systeme gleicht in den meisten Fällen der Nutzung eines Werkzeugs. Dabei liegt der Fokus oft auf der Kooperation, d.h. dem Einsatz bestimmter Fähigkeiten zur individuellen Zielerreichung. Um das Potenzial von KI voll auszuschöpfen, ist jedoch ein Wandel hin zur Zusammenarbeit zwischen Menschen und Maschine notwendig. 

Dieses Seminarthema adressiert genau diesen Bereich, indem es Forschungsfragen behandelt, die sowohl die Hauptthemen und -genres der IS-Forschung im Bereich der Mensch-genAI-Kollaboration untersucht, die bisher übersehen wurden. Die Zielsetzung verfolgt eine systematische Literaturrecherche für Human-genAI Collaboration in führenden WI-Fachzeitschriften und Konferenzen.

Literature

• Abdel-Karim, B. M., Pfeuffer, N., Carl, K. V., Hinz, O. (2023). How AI-Based Systems Can Induce Reflections: The Case of AI-Augmented Diagnostic Work. MIS Quarterly, 47(4) pp.1395-1424. doi:10.25300/MISQ/2022/16773

• Banh, L. & Strobel, G. (2023). Generative artificial intelligence. Electronic Markets 33(63). DOI: 10.1007/s12525-023-00680-1 

• Choudhary, V., Marchetti, A., Shrestha, Y. R., & Puranam, P. (2023). Human-AI Ensembles: When Can They Work? Journal of Management. doi:10.1177/01492063231194968

• Fabri, L., Häckel, B., Oberländer, A.M., Rieg, M., Stohr, A. (2023). Disentangling Human-AI Hybrids. Bus Inf Syst Eng 65, 623–641. doi:10.1007/s12599-023-00810-1

• Fügener, A., Grahl, J., Gupta, A., Ketter, W. (2022). Cognitive Challenges in Human–Artificial Intelligence Collaboration: Investigating the Path Toward Productive Delegation. Information Systems Research, vol. 33, 678–696. doi: 10.1287/isre.2021.1079

• Glienke, M., Hartwich, N. J., Antons, D. (2023). Working with AI: How Attitudes Shape Human-AI Collaboration. ICIS 2023 Proceedings.

• Hemmer P, Schemmer M, Riefle L, Rosellen N, Vössing M, Kuehl N (2022) FACTORS THAT INFLUENCE THE ADOPTION OF HUMAN-AI COLLABORATION IN CLINICAL DECISION-MAKING. ECIS 2022 Research Papers.

• Vössing, M., Kühl, N., Lind, M., Satzger, G. (2022). Designing Transparency for Effective Human-AI Collaboration. Inf Syst Front 24, 877–895. doi:10.1007/s10796-022-10284-3

• Zercher, D., Jussupow, E., Heinzl, A., (2023). When AI joins the Team: A Literature Review on Intragroup Processes and their Effect on Team Performance in Team-AI Collaboration. ECIS 2023 Research Papers.

Die jüngsten Fortschritte in der künstlichen Intelligenz (KI) haben eine Verschiebung von datengesteuerten, diskriminierenden Aufgaben hin zu komplexeren, kreativen Anwendungen durch generative KI (GenAI) ermöglicht. Mit tiefgreifenden generativen Modellen kann GenAI basierend auf einfachen Benutzeranweisungen neuartige und realistische Inhalte in verschiedenen Formaten wie Texten, Bildern oder Programmiercode erstellen. Diese KI-Dienste werden auf Plattformen bereitgestellt, die durch komplementäre Angebote erweitert oder in Bündeln neue Dienstleistungen ermöglichen. So bieten beispielsweise Plattformen wie ChatGPT die Integration anderer Plattformen über Plug-ins an, oder generative KI-Tools lassen sich in Unternehmensinformationssysteme integrieren. Vor diesem Hintergrund untersucht die Seminararbeit Governance-Mechanismen, die zur Orchestrierung auf verschiedenen GenAI-Plattformen eingesetzt werden, anhand einer fallübergreifenden Studie

Zur Durchführung der Studie stellt der Lehrstuhl eine initiale Liste von GenAI-Unternehmen sowie eine Übersicht möglicher Governance-Mechanismen bereit. Ziel der Seminararbeit ist die Erstellung einer Taxonomie, die die Ausprägungen der Governance-Mechanismen widerspiegelt.

Literature

• Strobel, Gero; Banh, Leonardo; Möller, Frederik; Schoormann, Thorsten: Exploring Generative Artificial Intelligence: A Taxonomy and Types. In: Proceedings of the 57th Hawaii International Conference on System Sciences (HICSS). Hawaii, USA 2024

• Banh, Leonardo; Strobel, Gero: Generative artificial intelligence. In: Electronic Markets, Jg. 33 (2023) Nr. 63. doi:10.1007/s12525-023-00680-1

• Hein, Andreas (2020): Digital Platform Ecosystems: Emergence and Value Co-Creation Mechanisms. Technischen Universität München, München.

• Jacobides, Michael G.; Cennamo, Carmelo; Gawer, Annabelle (2018): Towards a theory of ecosystems. In Strat. Mgmt. J. 39 (8), pp. 2255–2276. DOI: 10.1002/smj.2904.

• Tiwana, Amrit (2014): Platform Ecosystems: Elsevier, Kapitel 6

• Hein, Andreas; Schreieck, Maximilian; Wiesche, Manuel; Krcmar, Helmut (2016): Multiple-Case Analysis on Governance Mechanisms of Multi-Sided Platforms. In : Multikonferenz Wirtschaftsinformatik. Ilmenau, Germany.

• Staub, Nicola; Haki, Kazem; Aier, Stephan; Winter, Robert (2022): Governance Mechanisms in Digital Platform Ecosystems: Addressing the Generativity-Control Tension. In Communications of the Association for Information Systems 51 (1), pp. 906–939. DOI: 10.17705/1CAIS.05137.

• Kundisch, D., Muntermann, J., Oberländer, A. M., Rau, D., Röglinger, M., Schoormann, T., & Szopinski, D. (2022). An Update for Taxonomy Designers. Business & Information Systems Engineering, 64(4), 421–439. doi.org/10.1007/s12599-021-00723-x

• Nickerson, R. C., Varshney, U., & Muntermann, J. (2013). A method for taxonomy development and its application in information systems. European Journal of Information Systems, 22(3), 336–359. doi.org/10.1057/ejis.2012.26

Der Finanzsektor erlebt einen tiefgreifenden Wandel, in dem technologiegetriebene Akteure bestehende Strukturen infrage stellen und den Markt beschleunigen. Diese Entwicklungen fallen unter den Begriff Fintech, der die Integration traditioneller Finanzaktivitäten mit disruptiven Technologien wie Künstlicher Intelligenz, dem Internet der Dinge und Distributed-Ledger-Technologien beschreibt. Zentrale Geschäftsmodelle im Fintech-Ökosystem sind unter anderem Zahlungsdienste, Robo-Advisory und Peer-to-Peer-Darlehen. Fintech-Plattformen orchestrieren dabei verschiedene komplementäre Dienstleister und ermöglichen ihren Kunden, mehrere Rollen innerhalb des Ökosystems zu übernehmen. Die Seminararbeit untersucht vor diesem Hintergrund Governance-Mechanismen, die für die Orchestrierung auf verschiedenen Fintech-Plattformen eingesetzt werden, anhand einer fallübergreifenden Studie.

Zur Durchführung der Studie stellt der Lehrstuhl eine initiale Liste von Fintech-Unternehmen sowie eine Übersicht möglicher Governance-Mechanismen bereit. Ziel der Seminararbeit ist die Erstellung einer Taxonomie, die die Ausprägungen der Governance-Mechanismen widerspiegelt.

Literature

• Woroch, Robert; Strobel, Gero; Wulfert, Tobias (2022): Four Shades of Customer: How Value Flows in Fintech Ecosystems. In ICIS 2022 Proceedings. Available online at aisel.aisnet.org/icis2022/blockchain/blockchain/4.

• Hein, Andreas (2020): Digital Platform Ecosystems: Emergence and Value Co-Creation Mechanisms. Technischen Universität München, München.

• Jacobides, Michael G.; Cennamo, Carmelo; Gawer, Annabelle (2018): Towards a theory of ecosystems. In Strat. Mgmt. J. 39 (8), pp. 2255–2276. DOI: 10.1002/smj.2904.

• Tiwana, Amrit (2014): Platform Ecosystems: Elsevier, Kapitel 6

• Hein, Andreas; Schreieck, Maximilian; Wiesche, Manuel; Krcmar, Helmut (2016): Multiple-Case Analysis on Governance Mechanisms of Multi-Sided Platforms. In : Multikonferenz Wirtschaftsinformatik. Ilmenau, Germany.

• Staub, Nicola; Haki, Kazem; Aier, Stephan; Winter, Robert (2022): Governance Mechanisms in Digital Platform Ecosystems: Addressing the Generativity-Control Tension. In Communications of the Association for Information Systems 51 (1), pp. 906–939. DOI: 10.17705/1CAIS.05137.

• Kundisch, D., Muntermann, J., Oberländer, A. M., Rau, D., Röglinger, M., Schoormann, T., & Szopinski, D. (2022). An Update for Taxonomy Designers. Business & Information Systems Engineering, 64(4), 421–439. doi.org/10.1007/s12599-021-00723-x

• Nickerson, R. C., Varshney, U., & Muntermann, J. (2013). A method for taxonomy development and its application in information systems. European Journal of Information Systems, 22(3), 336–359. doi.org/10.1057/ejis.2012.26

Im Bereich der Wasserrettung haben technologische Innovationen in den letzten Jahren neue Perspektiven eröffnet. Diese Seminararbeit widmet sich der Fragestellung, wie embodied GenAI-basierte Systeme in der Wasserrettung eingesetzt werden können, und wie diese Systeme optimal mit menschlichen Rettungskräften kollaborieren können. Ziel ist es, durch Expertenbefragungen von Einsatzkräften und Verantwortlichen bei Organisationen wie der Deutschen-Lebens-Rettungs-Gesellschaft (DLRG) und deren Wasserrettungsdienst-Experten oder der Wasserwacht praxisnahes Wissen zu generieren. Folgende Aspekte stehen dabei im Fokus:

1. Bestandsaufnahme bestehender KI-basierter Systeme: Welche Systeme werden bereits aktiv eingesetzt? Wie bewerten Experten deren Effektivität, Zuverlässigkeit und Praxistauglichkeit?
2. Erfahrungen mit Robotik und Drohnensystemen (UAVs): Werden Drohnen aktuell im Wasserrettungsdienst genutzt? Welche Erfahrungen wurden dabei gemacht, und welche Verbesserungen wünschen sich die Experten?
3. Zukünftige Einsatzmöglichkeiten von Embodied GenAI: Welche konkreten Einsatzszenarien können sich Experten vorstellen, wenn zukünftig autonome, KI-gesteuerte Roboter eingesetzt werden könnten? Dabei sollen nicht nur Luftdrohnen, sondern auch Landroboter (z.B. Rover, RoboDogs) berücksichtigt werden.

Besonderes Augenmerk liegt auf der Zusammenarbeit zwischen Mensch und Maschine: Wie könnte die Kollaboration zwischen Rettungskräften und autonomen KI-Roboter-Assistenten aussehen? Welche Anforderungen ergeben sich daraus, und welche Limitationen müssen berücksichtigt werden?

Die Erkenntnisse der Seminararbeit sollen dazu beitragen, ein fundiertes Verständnis für die Bedingungen zu schaffen, unter denen Embodied Generative AI in der Praxis des Wasserrettungsdienstes erfolgreich eingesetzt werden kann. Somit wird ein entscheidender Beitrag geleistet, um zukünftige Entwicklungen und Innovationen in der Wasserrettung zielgerichtet voranzutreiben.

Diese Seminararbeit bietet die Gelegenheit, unmittelbar von Experten zu lernen, um konkrete und praxisrelevante Einsatzmöglichkeiten und Anforderungen zu identifizieren. Ziel ist eine fundierte Einschätzung der Chancen und Herausforderungen, die Embodied Generative AI für die Wasserrettung mit sich bringt, um letztlich Leben effizienter und sicherer zu retten.

Literature

• Deutsche Lebens-Rettungs-Gesellschaft e. V. (DLRG). Drohnen im Wasserrettungsdienst. Abgerufen von https://www.dlrg.de/fuer-mitglieder/drohnen/ (Zugriff am 21.03.2025).

• Deutsche Lebens-Rettungs-Gesellschaft e. V. (DLRG), Ortsgruppe Heppenheim. Der Tauchroboter – Unterstützung im Einsatz. Abgerufen von https://heppenheim.dlrg.de/einsatz/der-tauchroboter/ (Zugriff am 21.03.2025)

• HEMALATHA, S., ADAVALA, D. K. M., SHEKHAR, S. C., KUMAR, P. S., VENKATARAMANAN, A., & MALLESWARI, D. N. (2024). PROPOSAL OF ENHANCING WATER SAFETY-AN AUTONOMOUS ROBOT FOR DROWNING PREVENTION. Journal of Theoretical and Applied I Krieg, E., Weber, D., Renkewitz, H., & Thomas, S. (2022, October). 

• Baywatch 2.0: Rescuing drowning persons with an underwater robotic lifeguard. In OCEANS 2022, Hampton Roads (pp. 1-5). IEEE.nformation Technology, 102(24).

• Royal Life Saving Society UK (RLSS UK). Assisted Lifeguard Technology. Abgerufen von https://www.rlss.org.uk/assisted-lifeguard-technology (Zugriff am 21.03.2025).

• Shatnawi, M., Albreiki, F., Alkhoori, A., Alhebshi, M., & Shatnawi, A. (2024). Advances and Challenges in Automated Drowning Detection and Prevention Systems. Information, 15(11), 721.

• Surf Life Saving Western Australia (SLSWA). Drone Patrol – Enhancing Coastal Safety. Abgerufen von https://www.mybeach.com.au/coastal-safety/lifesaving-services/slswa-drone-patrol/ (Zugriff am 21.03.2025).

Im Bereich des Brandschutzes und Katastrophenschutzes haben technologische Innovationen in den letzten Jahren neue Perspektiven eröffnet. Diese Seminararbeit widmet sich daher der Fragestellung, wie embodied GenAI-basierte Systeme im Brandschutz und Katastrophenschutz eingesetzt werden können und wie diese Systeme optimal mit menschlichen Einsatzkräften kollaborieren können. Ziel ist es, durch Expertenbefragungen von Einsatzkräften und Verantwortlichen bei Organisationen wie der Feuerwehr, dem Bundesamt für Bevölkerungsschutz und Katastrophenhilfe (BBK) oder dem Technischen Hilfswerk (THW) praxisnahes Wissen zu generieren. Folgende Aspekte stehen dabei im Fokus:

1. Bestandsaufnahme bestehender KI-basierter Systeme: Welche Systeme werden bereits aktiv im Brandschutz und Katastrophenschutz eingesetzt? Wie bewerten Experten deren Effektivität, Zuverlässigkeit und Praxistauglichkeit?

2. Erfahrungen mit Robotik und Drohnensystemen (UAVs): In welchem Umfang werden Drohnen und Robotiksysteme aktuell im Brandschutz und Katastrophenschutz genutzt? Welche Erfahrungen haben die Einsatzkräfte gesammelt, und welche Verbesserungen oder Weiterentwicklungen wünschen sich die Experten?

3. Zukünftige Einsatzmöglichkeiten von Embodied GenAI: Welche konkreten Szenarien können sich Experten für den Einsatz autonomer, KI-gesteuerter Roboter vorstellen? Dabei sollen sowohl Luftdrohnen (UAVs) als auch bodengebundene Systeme (z.B. Rover, RoboDogs) berücksichtigt werden.

Ein besonderes Augenmerk liegt auf der Zusammenarbeit zwischen Mensch und Maschine: Wie könnte die Kollaboration zwischen Einsatzkräften und autonomen Roboter-Assistenten zukünftig gestaltet werden? Welche Anforderungen entstehen dabei, und welche Limitationen müssen berücksichtigt werden?

Die Erkenntnisse der Seminararbeit sollen dazu beitragen, ein fundiertes Verständnis für die Bedingungen zu schaffen, unter denen Embodied Generative AI im Brandschutz und Katastrophenschutz erfolgreich eingesetzt werden kann. Damit wird ein entscheidender Beitrag geleistet, um zukünftige Entwicklungen und Innovationen in diesen Bereichen zielgerichtet zu fördern.

Diese Seminararbeit bietet die Gelegenheit, unmittelbar von Experten zu lernen, um konkrete und praxisrelevante Einsatzmöglichkeiten sowie Anforderungen zu identifizieren. Ziel ist es, eine fundierte Einschätzung der Chancen und Herausforderungen zu erhalten, die Embodied Generative AI für den Brandschutz und Katastrophenschutz mit sich bringt, um letztlich Einsätze effektiver, sicherer und erfolgreicher zu gestalten.

Literature

• Bundesamt für Bevölkerungsschutz und Katastrophenhilfe (BBK). (2023).Drohnen im Bevölkerungsschutz. Bevölkerungsschutz-Magazin, 04/2023. Abgerufen von https://www.bbk.bund.de/SharedDocs/Downloads/DE/Mediathek/Publikationen/BSMAG/bsmag-23-04.pdf (Zugriff am 24.03.2025).

• Norddeutscher Rundfunk (NDR). Ein Roboter als treuer Freund der Feuerwehr.Schleswig-Holstein Magazin, 05.06.2024. Abgerufen von https://www.ardmediathek.de/video/schleswig-holstein-magazin/ein-roboter-als-treuer-freund-der-feuerwehr/ndr/Y3JpZDovL25kci5kZS9kMzc2NmYyMS0yMTYyLTQyNzQtYmU5Ni04YjI2MjQ2MjQxNDk (Zugriff am 24.03.2025).

• Stadt Dortmund. Institut für Feuerwehr- und Rettungstechnologie (IFR). Abgerufen von https://www.dortmund.de/themen/sicherheit-und-ordnung/berufsfeuerwehr/institut-fuer-feuerwehr-und-rettungstechnologie (Zugriff am 24.03.2025).

• von Hallern, H. (2025). KI im Rettungseinsatz: Mit autonomen Robotern gegen Waldbrände.NDR. Abgerufen von https://www.ndr.de/nachrichten/schleswig-holstein/KI-im-Einsatz-Mit-autonomen-Robotern-gegen-Waldbraende,roboter810.html (Zugriff am 24.03.2025).

This topic examines how AI-driven digital tools reshape early-stage entrepreneurial processes and improve the transition from idea to market. This research takes an ecosystem perspective and investigates what digital affordances AI technologies create for founders, and relevant stakeholders in the entrepreneurial ecosystem. Most importantly, students learn how AI technologies change material, social and cultural attributes of entrepreneurial ecosystems

Research Questions:

• How do AI tools create new digital affordances for venture creation in entrepreneurial ecosystems?

Literature

• Autio, E., Nambisan, S., Thomas, L. D., & Wright, M. (2018). Digital affordances, spatial affordances, and the genesis of entrepreneurial ecosystems. Strategic Entrepreneurship Journal, 12(1), 72-95.

• Leonardi, P. (2023). Guest editorial: Affordances and agency: A clarification and integration of fractured concepts. Management Information Systems Quarterly, 47(4), ix-xx.

• Spigel, B. (2017). The relational organization of entrepreneurial ecosystems. Entrepreneurship theory and practice, 41(1), 49-72.

• Taherdoost, H., Drazenovic, G., Farhaoui, Y., Madanchian, M., Mohamed, N., & Kumar, D. (2024). Navigating the AI Era in Startup Business Development. In null (Ed.), (1 ed.). CRC Press. doi.org/10.1201/9781032715957-11 

• Volkoff, O., & Strong, D. M. (2017). Affordance theory and how to use it in IS research. In The Routledge companion to management information systems (pp. 232-245). Routledge.

This topic investigates how AI-driven platforms change entrepreneurial decision-making and resource allocation in venture creation. The study takes a resource-based view perspective and explores the influence of AI technologies on venture creation. The seminar focuses on explaining resource sourcing, allocation, and configuration within ventures that do not refer to themselves as AI ventures, i.e., young growth-oriented companies that use AI technologies such as machine learning as core of their value offering.

Research Questions:

• How does AI influence how entrepreneurial ventures create and accumulate resources, especially in non-AI ventures?

Literature

• Huang, J., Henfridsson, O., & Liu, M. J. (2022). Extending digital ventures through templating. Information systems research, 33(1), 285-310.

• Roundy, P. T. (2022, November 17). Artificial intelligence and entrepreneurial ecosystems: Understanding the implications of algorithmic decision-making for startup communities. Journal of Ethics in Entrepreneurship and Technology.

• Wade, M., & Hulland, J. (2004). The resource-based view and information systems research: Review, extension, and suggestions for future research. MIS quarterly, 107-142.

• Zebhauser, J., Rothe, H., & Sundermeier, J. (2023, January). Scaling AI Ventures: How to Navigate Tensions between Automation and Augmentation. In HICSS (pp. 5653-5662).

This topic investigates how AI-driven platforms change entrepreneurial decision-making and resource allocation in venture creation. The study takes a resource-based view perspective and explores the influence of AI technologies on venture creation. The seminar focuses on explaining resource sourcing, allocation, and configuration in ventures that do refer to themselves as AI ventures, i.e., young growth-oriented companies that use AI technologies such as machine learning as core of their value offering.

Research Questions:

• How does AI influence how entrepreneurial ventures create and accumulate resources, especially in AI ventures? 

Literature

• Huang, J., Henfridsson, O., & Liu, M. J. (2022). Extending digital ventures through templating. Information systems research, 33(1), 285-310.

• Roundy, P. T. (2022, November 17). Artificial intelligence and entrepreneurial ecosystems: Understanding the implications of algorithmic decision-making for startup communities. Journal of Ethics in Entrepreneurship and Technology.

• Wade, M., & Hulland, J. (2004). The resource-based view and information systems research: Review, extension, and suggestions for future research. MIS quarterly, 107-142.

• Zebhauser, J., Rothe, H., & Sundermeier, J. (2023, January). Scaling AI Ventures: How to Navigate Tensions between Automation and Augmentation. In HICSS (pp. 5653-5662)

This topic addresses the debate on whether the philosophical Symbol Grounding Problem (SGP) applies to large language models (LLMs). The focus is on whether LLMs inherently lack meaning due to the absence of explicit grounding or whether LLMs can meaningfully "understand" language through pragmatic norms alone, without relying on explicit symbol grounding in the real world.

Potential Research Questions:

• What does it mean for an LLM to "understand" linguistic meaning? Why is it even important?

• How might pragmatic theories of meaning offer a more accurate conceptual framework than correspondence theories for evaluating LLM language comprehension?

• Can AI systems operate purely on "pragmatic norms" without real-world reference?

• Could pragmatic norms alone allow an AI system to understand and translate languages without ever observing explicit real-world grounding references?

Literature

• Bender, E., & Koller, A. (2020). Climbing towards NLU: On Meaning, Form, and Understanding in the Age of Data. Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics.

• Gubelmann, R. (2024). Pragmatic Norms Are All You Need – Why The Symbol Grounding Problem Does Not Apply to LLMs. Proceedings of the 2024 Conference on Empirical Methods in Natural Language Processing, pages 11663–11678.

• Pavlick, E. (2023). Symbols and grounding in large language models. Philosophical Transactions of the Royal Society A, 381(2251), 20220041.

This topic examines a creative extension of the Octopus Test, initially proposed by Bender and Koller (2020). It focuses on the interaction of large language model agents within dynamic environments and explores whether LLMs can autonomously form and stabilize new pragmatic norms through mutual interactions, highlighting implications for autonomous AI community behaviors.

Potential Research Questions:

• Can large language models autonomously develop new, stable "pragmatic norms" when placed into interactive communities with other LLMs, and how would these AI-invented norms evolve over generations of agent interaction?

• Can a community of interacting LLM-driven agents develop a language that's pragmatically comprehensible to humans, despite containing words and structures without explicit grounding or corresponding real-world references?

Literature

• De Curtò, J., & De Zarzà, I. (2025). LLM-Driven Social Influence for Cooperative Behavior in Multi-Agent Systems. IEEE Access.

• Piao, J., Yan, Y., Zhang, J., Li, N., Yan, J., Lan, X., ... & Li, Y. (2025). AgentSociety: Large-Scale Simulation of LLM-Driven Generative Agents Advances Understanding of Human Behaviors and Society. arXiv preprint arXiv:2502.08691.

• Fang, S., Liu, J., Xu, C., Lv, C., Hang, P., & Sun, J. (2025). Interact, Instruct to Improve: A LLM-Driven Parallel Actor-Reasoner Framework for Enhancing Autonomous Vehicle Interactions. arXiv preprint arXiv:2503.00502.

• Förster, F., Saunders, J., & Nehaniv, C. L. (2017). Robots that say “no” Affective symbol grounding and the case of intent interpretations. IEEE Transactions on Cognitive and Developmental Systems, 10(3), 530-544.

• Wang, J. Y., Sukiennik, N., Li, T., Su, W., Hao, Q., Xu, J., ... & Li, Y. (2024). A Survey on Human-Centric LLMs. arXiv preprint arXiv:2411.14491.

This subtopic investigates the fundamental theoretical boundaries and practical constraints in aligning AI behavior with human values, focusing on why complete alignment might be fundamentally unattainable.

Potential Research Questions:

• What fundamental limitations impede perfect AI alignment with human-defined values?

• How do emergent behaviors such as deception and alignment faking reflect inherent challenges in aligning LLMs?

• In what ways do philosophical perspectives, like value pluralism and decoloniality, complicate AI alignment?

Literature

• Gabriel, I. (2020). Artificial Intelligence, Values, and Alignment. Minds and Machines, 30(3), 411-437.

• Greenblatt, R., Denison, C., Wright, B., et al. (2024). Alignment faking in large language models. arXiv preprint arXiv:2412.14093.

• Russell, S. (2019). Human Compatible: Artificial Intelligence and the Problem of Control. Viking.

• Chan, A., Salganik, R., Markelius, A., et al. (2023). Harms from increasingly agentic algorithmic systems. Proceedings of the 2023 ACM Conference on Fairness, Accountability, and Transparency, 651–666.

This subtopic explores holistic, systems-theoretic approaches for effectively aligning AI behaviors with human values. It emphasizes how interactions at various levels (human-agent, agent-agent, agent-environment) can be leveraged to improve alignment.

Potential Research Questions:

• Which methodologies and computational frameworks effectively facilitate AI alignment with diverse and potentially conflicting human values?

• What computational and theoretical frameworks support emergent positive alignment through agent interactions?

• How can a systems-theoretic perspective enhance understanding and management of AI alignment?

• Can functional agency, as defined through a systems-theoretic lens, provide effective strategies to address AI alignment challenges?

Literature

• Christiano, P., Leike, J., Brown, T. B., Martic, M., Legg, S., & Amodei, D. (2017). Deep Reinforcement Learning from Human Preferences. Advances in Neural Information Processing Systems (NeurIPS 2017), pages 4299–4307.

• Miehling, E., Ramamurthy, K. N., Varshney, K. R., et al. (2025). Agentic AI Needs a Systems Theory. arXiv preprint arXiv:2503.00237.

• Johnson, S. G., Karimi, A.-H., Bengio, Y., et al. (2024). Imagining and building wise machines: The centrality of AI metacognition. arXiv preprint arXiv:2411.02478.  

The emergence of digital platforms in healthcare has transformed how medical services are delivered, shifting the industry towards more patient-centered, data-driven care. Digital platforms, such as telemedicine systems, patient portals, and mobile health applications, allow for seamless communication between healthcare providers and patients, improving access to medical care and enhancing patient engagement (Hermes et al., 2020; Stoltzfus et al., 2023). Such platform ecosystems not only provide convenience but also foster a patient-centered approach, shifting the traditional provider-driven healthcare model to one where patients actively participate in their care (Kvedar et al., 2020). Digital health platforms increasingly enable patients and providers to directly connect, share data, and collaborate across different healthcare services (Topol, 2019). This produces new network effects in the healthcare industry and leads to the rise of new health providers.

Potential Research Questions: 

• What role do platform ecosystems play in reshaping the patient-provider relationship in healthcare? 

• How have health platforms affected the business model(s) for how traditional health organizations provide their service(s)?

• What are the qualities and concepts shared between digital platforms and health platforms? 

• In what ways have digital platforms influenced the design and architecture of health platforms? 

Literature

• Hermes, S., Riasanow, T., Clemons, E. K., Böhm, M., & Krcmar, H. (2020). The digital transformation of the healthcare industry: exploring the rise of emerging platform ecosystems and their influence on the role of patients. Business Research, 13(3), 1033-1069.

• Kvedar, J., Coye, M. J., & Everett, W. (2020). Connected health: A review of technologies and strategies to improve patient care with telemedicine and telehealth. Journal of Medical Internet Research, 22(7), e15921.

• Stoltzfus, M., Kaur, A., Chawla, A., Gupta, V., Anamika, F. N. U., & Jain, R. (2023). The role of telemedicine in healthcare: an overview and update. The Egyptian Journal of Internal Medicine, 35(1), 1-5.

• Topol, E. (2019). High-performance medicine: The convergence of human and artificial intelligence. Nature Medicine, 25(1), 44-56.

Suggested literature for RQ:

• Chibuike, M. C., Sara, G. S., & Adele, B. (2024). Overcoming challenges for improved patient-centric care: a scoping review of platform ecosystems in healthcare. IEEE Access.

• Hermes, S., Riasanow, T., Clemons, E. K., Böhm, M., & Krcmar, H. (2020). The digital transformation of the healthcare industry: exploring the rise of emerging platform ecosystems and their influence on the role of patients. Business Research, 13(3), 1033-1069.

• Konopik, J. (2023). The impact of digital platforms and ecosystems in healthcare on value creation—an integrative review and research agenda. IEEE Access, 11, 135811-135819.

Digital entrepreneurs (Davidson & Vaast, 2010; Nambisan, 2017) use digital technologies to address environmental challenges or issues in business and economy that maintain or enhance environmental issues (Kotlarsky et al., 2023). For example, “ReFi”, short for “Regenerative Finance”, is a movement (Schletz et al., 2023) of digital entrepreneurs and other actors, that addresses ecological challenges with a variety of digital technologies. For instance, it uses blockchain technologies to address e. g. failures in carbon markets (Asadnabizadeh & Moe, 2024; Round & Visseren-Hamakers, 2022), or monitoring and evaluation. These actors aim to implement principles of regenerative economies, orientated towards Fullerton’s publication (Fullerton, 2015). For business and organizations (Hahn & Tampe, 2021; Muñoz & Branzei, 2021c), this means that their goal is to restore the ecological environment and those relying on it, and enhance their resilience. 

·       How are digital technologies being used by digital entrepreneurs to achieve ideas of regeneration? (Literature review)

Literature

• Asadnabizadeh, M., & Moe, E. (2024). A review of Global Carbon Markets from Kyoto to Paris and beyond: The persistent failure of implementation. Frontiers in Environmental Science, 12, 1368105. doi.org/10.3389/fenvs.2024.1368105

• Davidson, E., & Vaast, E. (2010). Digital entrepreneurship and its sociomaterial enactment. 2010 43rd Hawaii International Conference on System Sciences, 1–10. doi.org/10.1109/HICSS.2010.150

• Fullerton, J. (2015). Regenerative capitalism: How universal principles and patterns will shape our new economy. Capital Institute. capitalinstitute.org/wp-content/uploads/2015/04/2015-Regenerative-Capitalism-4-20-15-final.pdf

• Hahn, T., & Tampe, M. (2021). Strategies for regenerative business. Strategic Organization, 19(3), 456–477. doi.org/10.1177/1476127020979228

• Kotlarsky, J., Oshri, I., & Sekulic, N. (2023). Digital Sustainability in Information Systems Research: Conceptual Foundations and Future Directions. Journal of the Association for Information Systems, 24(4), 936–952. doi.org/10.17705/1jais.00825

• Muñoz, P., & Branzei, O. (2021c). Regenerative organizations: Introduction to the special issue. Organization & Environment, 34(4), 507–516. doi.org/10.1177/10860266211055740

• Nambisan, S. (2017). Digital Entrepreneurship: Toward a Digital Technology Perspective of Entrepreneurship. Entrepreneurship Theory and Practice, 41(6), 1029–1055. doi.org/10.1111/etap.12254

• Round, C., & Visseren-Hamakers, I. (2022). Blocked chains of governance: Using blockchain technology for carbon offset markets? Frontiers in Blockchain, 5, 957316. doi.org/10.3389/fbloc.2022.957316

• Schletz, M., Constant, A., Hsu, A., Schillebeeckx, S., Beck, R., & Wainstein, M. (2023). Blockchain and regenerative finance: Charting a path toward regeneration. Frontiers in Blockchain, 6, 1165133. doi.org/10.3389/fbloc.2023.1165133

Entrepreneurship is a driver of innovation and is sometimes used to address societal and environmental problems in our societies (Embry et al., 2022). Together, innovation and entrepreneurial purpose “for good” can create solutions that not only address but tackle such challenges (Corbett et al., 2023; Gartenberg, 2022). Digital technologies increasingly play a crucial role for entrepreneurship, in innovation processes and in tackling societal and environmental challenges (Ahuja et al., 2023; Nambisan et al., 2017; Yoo et al., 2012)

Climate change is one of the biggest concerns and challenges of humanity. While policy-making is important to set rules and limits, innovative products, services and, generally, ideas are needed in both concerted and independent efforts to tackle this complex challenge. Digital technologies are considered part of the solution and find usage in different scenarios, problem areas and domains  (Corbett, 2013; Round & Visseren-Hamakers, 2022; Zampou et al., 2022), while they sometimes also contribute to the problem (Dwivedi et al., 2022; Rieger et al., 2022). 

• How do entrepreneurs utilize digital technologies for tackling climate change? Which role(s) and function(s) do digital technologies hold in these missions and where are potential limits or challenges in applying them? (Literature review and systematic synthesis of findings OR database analysis, qualitative analysis)

Literature

• Ahuja, S., Chan, Y. E., & Krishnamurthy, R. (2023). Responsible innovation with digital platforms: Cases in India and Canada. Information Systems Journal, 33(1), 76–129. doi.org/10.1111/isj.12378

• Corbett, J. (2013). Designing and Using Carbon Management Systems to Promote Ecologically Responsible Behaviors. JAIS, 14(7), 339–378. doi.org/10.17705/1jais.00338

• Corbett, J., Dennehy, D., & Carter, L. (2023). Introduction to the Special Section: Digital Innovation for Social Development and Environmental Action. Communications of the Association for Information Systems, 53(1), 22–41. doi.org/10.17705/1CAIS.05302

• Dwivedi, Y. K., Hughes, L., Kar, A. K., Baabdullah, A. M., Grover, P., Abbas, R., Andreini, D., Abumoghli, I., Barlette, Y., Bunker, D., Chandra Kruse, L., Constantiou, I., Davison, R. M., De’, R., Dubey, R., Fenby-Taylor, H., Gupta, B., He, W., Kodama, M., … Wade, M. (2022). Climate Change and COP26: Are Digital Technologies and Information Management Part of the Problem or the Solution? An Editorial Reflection and Call to Action. International Journal of Information Management, 63, 102456. doi.org/10.1016/j.ijinfomgt.2021.102456

• Embry, E., York, J. G., & Edgar, S. (2022). Entrepreneurs as Essential but Missing Actors in the Sustainable Development Goals. In G. George, M. R. Haas, H. Joshi, A. M. McGahan, & P. Tracey (Eds.), Handbook on the Business of Sustainability. Edward Elgar Publishing. doi.org/10.4337/9781839105340.00021

• Gartenberg, C. (2022). Purpose-Driven Companies and Sustainability. In G. George, M. R. Haas, H. Joshi, A. M. McGahan, & P. Tracey (Eds.), Handbook on the Business of Sustainability. Edward Elgar Publishing. doi.org/10.4337/9781839105340.00009

• Nambisan, S., Lyytinen, K. J., Majchrzak, A., & Song, M. (2017). Digital innovation management: Reinventing innovation management research in a digital world. MIS Q., 41, 223–238.

• Rieger, A., Roth, T., Sedlmeir, J., & Fridgen, G. (2022). We Need a Broader Debate on the Sustainability of Blockchain. Joule, 6(6), 1137–1141. doi.org/10.1016/j.joule.2022.04.013

• Round, C., & Visseren-Hamakers, I. (2022). Blocked chains of governance: Using blockchain technology for carbon offset markets? Frontiers in Blockchain, 5, 957316. doi.org/10.3389/fbloc.2022.957316

• Yoo, Y., Boland, R. J., Lyytinen, K., & Majchrzak, A. (2012). Organizing for Innovation in the Digitized World. Organization Science, 23(5), 1398–1408. doi.org/10.1287/orsc.1120.0771

• Zampou, E., Mourtos, I., Pramatari, K., & Seidel, S. (2022). A Design Theory for Energy and Carbon Management Systems in the Supply Chain. JAIS, 23(1), 329–371. doi.org/10.17705/1jais.00725

Dynamic capabilities refer to a firm's ability to integrate, build and reconfigure internal and external resources to address rapidly changing environments (Steininger et al., 2022; Teece et al., 1997). The concept emphasizes the importance of not just having resources (like financial capital, human skills, and technologies) but also the ability to adapt and innovate in response to market shifts and disruptions. Managing digital transformation thus involves understanding how organizations can adapt, integrate and reconfigure internal and external resources to proactively address digital disruption fueled by the increasing use of digital technologies across industries (Vial, 2019; Kraus et al., 2022). By successfully building, developing and leveraging sensing, seizing, and transforming capabilities, companies can not only survive in the long term but also successfully compete in an increasingly digital world.

As part of this seminar paper, this research topic will be explored empirically using a qualitative approach. To this end, interviews will be conducted with interview partners who have gained experience in navigating digital transformation and dealing with digital disruption in an organizational context. 

Literature

• Kraus, S., Durst, S., Ferreira, J. J., Veiga, P., Kailer, N., & Weinmann, A. (2022). Digital transformation in business and management research: An overview of the current status quo. International journal of information management, 63, 102466.

• Steininger, D. M., Mikalef, P., Pateli, A., & Ortiz-de-Guinea, A. (2022). Dynamic Capabilities in Information Systems Research: A Critical Review, Synthesis of Current Knowledge, and Recommendations for Future Research. Journal of the Association for Information Systems, 23(2), 447.

• Teece, D. J., Pisano, G., & Shuen, A. (1997). Dynamic capabilities and strategic management. Strategic Management Journal, 18(7), 509-533.

• Vial, G. (2019). Understanding digital transformation: A review and a research agenda. The Journal of Strategic Information Systems, 28(2), 118-144.

The Market-Based View (MBV) is a strategic management concept that emphasizes the importance of external market conditions in determining a firm's competitive advantage and performance, e.g., bargaining power of consumers or entry barriers (Porter, 2008). This perspective contrasts with the Resource-Based View (RBV), which focuses on the internal resources and capabilities of a firm as the primary drivers of its success. As digital transformation is characterized by disruptive changes across markets and industries, managing digital transformation involves understanding how organizations can successfully navigate and leverage changing market dynamics, external environments, and competitive landscapes to adapt and thrive in times of digital disruption.

As part of this seminar paper, challenges and best practices of responding to digital disruption will be analyzed, adopting a Market-Based View perspective. To this end, the topic will be explored empirically using a qualitative approach. Interviews will be conducted with interview partners who have gained experience in navigating digital transformation and dealing with digital disruption in an organizational context.

Literature

• Kraus, S., Durst, S., Ferreira, J. J., Veiga, P., Kailer, N., & Weinmann, A. (2022). Digital transformation in business and management research: An overview of the current status quo. International journal of information management, 63, 102466.
• Steininger, D. M., Mikalef, P., Pateli, A., & Ortiz-de-Guinea, A. (2022). Dynamic Capabilities in Information Systems Research: A Critical Review, Synthesis of Current Knowledge, and Recommendations for Future Research. Journal of the Association for Information Systems, 23(2), 447.
• Teece, D. J., Pisano, G., & Shuen, A. (1997). Dynamic capabilities and strategic management. Strategic Management Journal, 18(7), 509-533.
• Vial, G. (2019). Understanding digital transformation: A review and a research agenda. The Journal of Strategic Information Systems, 28(2), 118-144.

The Market-Based View (MBV) is a strategic management concept that emphasizes the importance of external market conditions in determining a firm's competitive advantage and performance, e.g., bargaining power of consumers or entry barriers (Porter, 2008). This perspective contrasts with the Resource-Based View (RBV), which focuses on the internal resources and capabilities of a firm as the primary drivers of its success. As digital transformation is characterized by disruptive changes across markets and industries, managing digital transformation involves understanding how organizations can successfully navigate and leverage changing market dynamics, external environments, and competitive landscapes to adapt and thrive in times of digital disruption.

As part of this seminar paper, challenges and best practices for responding to digital disruption will be analyzed and discussed, adopting a Market-Based View perspective. To this end, characteristics and building blocks of the Market-Based View will be identified, and the role of Market-based View approaches in the context of digital disruption will be analyzed by conducting a systematic analysis of the literature. Based on this, implications for management and further research will be discussed.

Literature

• Kraus, S., Durst, S., Ferreira, J. J., Veiga, P., Kailer, N., & Weinmann, A. (2022). Digital transformation in business and management research: An overview of the current status quo. International journal of information management, 63, 102466.

• Porter, M. E. (2008). The five competitive forces that shape strategy. Harvard business review, 86(1), 78.

• Vial, G. (2019). Understanding digital transformation: A review and a research agenda. The Journal of Strategic Information Systems, 28(2), 118-144.

AI is increasingly embedded in collaborative processes, challenging traditional notions of teamwork (Richter & Schwabe, 2025). While AI lacks consciousness and human-like intentionality, its ability to shape decision-making, structure interactions, and contribute to shared outcomes necessitates an assessment of how this technology influences team dynamics, roles, and teamwork. Current studies indicate a multi-layered effect of AI use on individual team members and the team as a whole: Some studies emphasize the positive effect of AI on team performance (Cui et al., 2024), while other studies present harmful effects in the context of working with AI, e.g., after a conversation with an AI, people judge others more harshly (Tey et al., 2024), losing group-wide creativity (Candelon et al., 2023), or present less satisfaction with their job (Toner-Rodgers, 2024).

As part of this seminar paper, qualitative interviews will be conducted with practitioners who integrated (gen)AI into their work processes and routines to explore how (gen)AI (positively and negatively) influences individuals and teams at the workplace.

Literature

• Candelon, F., Krayer, L., Rajendran, S., & Martinez, D. Z. (2023). How people Can create–and destroy–value with generative AI. BCG Global, 21.

• Cui, et al. (2024). The effects of generative ai on high skilled work: Evidence from three field experiments with software developers. Available at SSRN 4945566.

• Richter, A., & Schwabe, G. (2025). “There is No ‘AI’in ‘TEAM’! Or is there?”–Towards meaningful human-AI collaboration. Australasian Journal of Information Systems, 29.

• Toner-Rodgers, A. (2024). Artificial Intelligence, Scientific Discovery, and Product Innovation.

The increasing application and use of AI have a significant impact on socio-technical work systems. In particular, challenges and requirements for leaders and leadership itself can be identified, highlighting the critical role of leadership for successful implementation (Mayer et al., 2025) and adoption of AI in the organization (Pfeifer et al., 2022). Current studies indicate that the presence of AI in the work environment affects what expectations are placed on leadership e.g., managers must be able to listen and persuade more than decide and instruct (Watson et al., 2021), and, what responsibilities and tasks leaders have, e.g., leaders need to lead organizational AI initiatives to achieve the desired benefits while avoiding the negative consequences (Berente et al., 2021).

As part of this seminar paper, qualitative interviews will be conducted with leaders (different managerial levels) who integrated (gen)AI into their team´s work processes and routines to explore how (gen)AI (positively and negatively) influences leadership style and competencies to successfully steer AI equipped teams.  

Literature

• Berente, N., Gu, B., Recker, J., & Santhanam, R. (2021). Managing artificial intelligence. MIS quarterly, 45(3).

• Mayer, H., Yee, L., Chui, M. & Roberts, R. (2025), Superagency in the workplace: Empowering people to unlock AI’s full potential. McKinsey & Company 

• Peifer, Y., Jeske, T., & Hille, S. (2022). Artificial intelligence and its impact on leaders and leadership. Procedia computer science, 200, 1024-1030.

• Watson, G. J., Desouza, K. C., Ribiere, V. M., & Lindič, J. (2021). Will AI ever sit at the C-suite table? The future of senior leadership. Business Horizons, 64(4), 465-474. 

Considering the evidence on the impact of AI on a team level (as presented in the introduction and in 1-1 and 1-2), it can be argued that AI will have (positive/negative) impacts on the organizational level, in particular on organizational culture, group practices and processes. Chowdhurry et al. (2024) theorize that the organization-wide adoption of generative AI will come with a rethinking and restructuring of organizational processes, policies and culture to align with technological changes. They highlight that “This calls for a flexible and responsive organizational structure that can rapidly adapt to new technologies and integrate them effectively into business operations.” (p. 1686). Practitioners elaborate on the question “how does a suiting organizational culture look like that features (generative) AI?” (HBR IdeaCast, 2023).

As part of this seminar paper, qualitative interviews will be conducted with employees and/or leaders (different managerial levels) who integrated (gen)AI into their team´s work processes and routines to explore how (gen)AI (positively and negatively) influences organizational culture.

Literature

• Chowdhury, S., Budhwar, P., & Wood, G. (2024). Generative artificial intelligence in business: towards a strategic human resource management framework. British Journal of Management, 35(4), 1680-1691.

• HBR IdeaCast (May, 2023). How Generative AI Changes Organizational Culture. hbr.org/podcast/2023/05/how-generative-ai-changes-organizational-culture (accessed on March 20th, 2025)

IT Governance bezieht sich auf die Prozesse, Strukturen und Mechanismen, die sicherstellen, dass die Informationstechnologie (IT) einer Organisation mit den strategischen Zielen übereinstimmt, Risiken minimiert und die Effizienz maximiert. Die Definition und das Verständnis von IT Governance variieren je nach Quelle und Perspektive, was zu einer Vielzahl von Konzepten und Modellen führt.

Vor diesem Hintergrund, zielt die Seminararbeit darauf ab, eine systematische Analyse der existierenden Definitionen von IT Governance durchzuführen. Dabei wird eine Literaturrecherche durchgeführt, um die unterschiedlichen Ansätze und Interpretationen des Begriffs zu identifizieren und zu vergleichen. Ziel ist es, die zentralen Merkmale von IT Governance herauszuarbeiten und ein tieferes Verständnis für die Vielschichtigkeit dieses Konzepts zu entwickeln. Die Arbeit beleuchtet auch, wie sich die Definitionen im Laufe der Zeit entwickelt haben und welche Auswirkungen diese unterschiedlichen Auffassungen auf die Praxis haben.

Literature

• Borghoff, Vincent; Plattfaut, Ralf (2022): Steering the Robots: An Investigation of IT Governance Models for Lightweight IT and Robotic Process Automation. In: Andrea Marrella, Raimundas Matulevičius, Renata Gabryelczyk, Bernhard Axmann, Vesna Bosilj Vukšić, Walid Gaaloul et al. (Hg.): Business Process Management: Blockchain, Robotic Process Automation, and Central and Eastern Europe Forum, Bd. 459. Cham: Springer International Publishing (Lecture Notes in Business Information Processing), S. 170–184.
• Huang, R., Zmud, R.W., Price, R.L. (2009): IT Governance Practices in Small and Medium-Sized Enterprises: Recommendations from an Empirical Study. In: Dhillon, G., Stahl, B.C., Baskerville, R. (eds) Information Systems – Creativity and Innovation in Small and Medium-Sized Enterprises. IFIP Advances in Information and Communication Technology, vol 301. Springer, Berlin, Heidelberg.
• Pereira, Ruben; Mira da Silva, Miguel (2012): A Literature Review: Guidelines and Contingency Factors for IT Governance. European, Mediterranean & Middle Eastern Conference on Information Systems 2012, Munich, June 7-8, Germany.

IT Governance umfasst die Strukturen, Prozesse und Mechanismen, die sicherstellen, dass die IT einer Organisation ihre strategischen Ziele unterstützt. Der Erfolg von IT Governance-Modellen hängt jedoch nicht nur von den internen Strukturen ab, sondern auch von einer Vielzahl externer und interner Kontextfaktoren, die die Gestaltung und Umsetzung beeinflussen.

Die Seminararbeit führt eine systematische Analyse der relevanten Kontextfaktoren für IT Governance durch, basierend auf einer umfassenden Literaturrecherche. Ziel ist es, die verschiedenen internen und externen Faktoren zu identifizieren, die IT Governance-Modelle prägen. Dabei wird untersucht, wie Faktoren wie beispielsweise Unternehmenskultur, gesetzliche Anforderungen, technologische Entwicklungen oder Marktbedingungen die IT Governance beeinflussen. Die Arbeit soll ein tieferes Verständnis darüber vermitteln, welche Kontextfaktoren für die Ausgestaltung und den Erfolg von IT Governance von Bedeutung sind und wie diese in der Praxis berücksichtigt werden können.

Literature

• Borghoff, Vincent; Plattfaut, Ralf (2022): Steering the Robots: An Investigation of IT Governance Models for Lightweight IT and Robotic Process Automation. In: Andrea Marrella, Raimundas Matulevičius, Renata Gabryelczyk, Bernhard Axmann, Vesna Bosilj Vukšić, Walid Gaaloul et al. (Hg.): Business Process Management: Blockchain, Robotic Process Automation, and Central and Eastern Europe Forum, Bd. 459. Cham: Springer International Publishing (Lecture Notes in Business Information Processing), S. 170–184. 

• Pereira, Ruben; Mira da Silva, Miguel (2012): A Literature Review: Guidelines and Contingency Factors for IT Governance. European, Mediterranean & Middle Eastern Conference on Information Systems 2012, Munich, June 7-8, Germany.

• Sambamurthy, V.; Zmud, R.W. (1999): Arrangements for Information Technology Governance: A Theory of Multiple Contingencies. MIS Quarterly, 23 (2), S. 261-290.

Compliance-Anforderungen spielen eine entscheidende Rolle in der IT Governance, insbesondere bei der Entwicklung und Implementierung von leichtgewichtigen IT-Lösungen wie Robotic Process Automation (RPA) oder No-Code-Anwendungen. Diese Technologien ermöglichen es auch Nutzern ohne tiefgehende technische Kenntnisse, IT-Lösungen zu erstellen, was neue Herausforderungen für die Einhaltung gesetzlicher und regulatorischer Vorgaben mit sich bringt.

Die Seminararbeit untersucht, wie gesetzliche und regulatorische Anforderungen die Governance-Modelle von leichtgewichtigen IT-Lösungen wie RPA und No-Code-Anwendungen beeinflussen. Dabei wird eine Ableitung relevanter Compliance-Faktoren vorgenommen, die für die effektive Governance dieser Technologien notwendig sind. Ziel ist es, zu analysieren, inwieweit solche Anforderungen in den Entwicklungs- und Betriebsprozess integriert werden müssen, um rechtliche Risiken zu minimieren und die Integrität der Systeme zu gewährleisten.

Literature

• Asatiani, Aleksandre; Hakkarainen, Tuuli; Paaso, Kimmo; Penttinen, Esko (2023): Security by envelopment – a novel approach to data-security-oriented configuration of lightweight-automation systems. In: Eur J Inf Syst 33 (5), S. 631-653.
• Bai, X.; Nunez, M.; Kalagnanam, J. R. (2012): Managing data quality risk in accounting information systems. In: Information Systems Research 23 (2), S. 453–473.
• Bygstad, Bendik (2015): The Coming of Lightweight IT. In: Jörg Becker, Jan Vom Brocke und Marco de Marco (Hg.): Proceedings of the 23rd European Conference on Information Systems. 23rd European Conference on Information Systems. Münster, Germany, 2015.
• Herm, L.-V.; Janiesch, C.; Reijers, H. A.; Seubert, F. (2021): From symbolic rpa to intelligent rpa: Challenges for developing and operating intelligent software robots, Springer, Cham, S. 289–305.
• Kartseva, V.; Hulstijn, J.; Gordijn, J.; Tan, Y.-H. (2010): Control patterns in a health-care network. In: European Journal of Information Systems 19 (3), S. 320–343.
• Plattfaut, Ralf; Borghoff, Vincent (2022): Robotic Process Automation – A Literature-Based Research Agenda. In: Journal of Information Systems 36 (2), S. 173-191.
• Sadiq, S.; Governatori, G. (2014): Managing Regulatory Compliance in Business Processes, Springer Berlin Heidelberg, S. 265–288. 

Agile Arbeitsmethoden wie Scrum oder Kanban haben die Arbeitsweise in IT-Organisationen revolutioniert und beeinflussen zunehmend auch die Art und Weise, wie IT Governance betrieben wird. Die Balance zwischen flexibler, iterativer Arbeitsweise und der Notwendigkeit, klare Kontrollmechanismen und Compliance-Vorgaben zu integrieren, stellt eine zentrale Herausforderung dar.

Die Seminararbeit analysiert bestehende Theorien und Modelle zur Anwendung von Agilität in der IT Governance. Ziel ist es, verschiedene Governance-Ansätze zu identifizieren und zu vergleichen, die speziell in agilen IT-Umgebungen eingesetzt werden. Im Mittelpunkt steht dabei die Balance zwischen den Anforderungen agiler Methoden und den notwendigen Kontrollmechanismen für eine effektive Governance. Die Arbeit wird einen systematischen Literaturüberblick durchführen, um aufzuzeigen, wie Governance in agilen Kontexten gestaltet wird, welche Prinzipien und Herausforderungen dabei eine Rolle spielen und wie unterschiedliche Modelle in der Praxis umgesetzt werden.

Literature

• Horlach, B.; Böhmann, T.; Schirmer, I.; Drews, P. (2018): IT Governance in Scaling Agile Frameworks. In: P. Drews, B. Funk, P. Niemeyer, & L. Xie (Hg.), Tagungsband Multikonferenz Wirtschaftsinformatik 2018: Data driven X - Turning Data into Value (Vol. 5, pp. 1789-1800). (MKWI 2018 - Multikonferenz Wirtschaftsinformatik; Vol. 2018-March). Leuphana Universität Lüneburg.
• Vejseli, S.; Rossmann, A. (2018): Towards Agility in IT Governance Frameworks. In: Business Information Systems, 21st International Conference, BIS 2018, Berlin, Germany, July 18-20, S.71-85.
• Vejseli, S.; Rossmann, A.; Connolly T. (2019): IT Governance and Its Agile Dimensions. In: Proceedings of the 52nd Hawaii International Conference on System Sciences 2019.

Bureaucracy is a fundamental aspect of both public administration and business processes, ensuring compliance, accountability, and procedural consistency (Krause & Meier, 2005). However, excessive bureaucracy can result in inefficiencies, administrative burdens, and delays in service delivery (Stanica et al., 2022). While business process optimization and automation have been widely explored in corporate settings, process improvement remains underdeveloped in public administration, where rigid procedural frameworks and regulatory constraints often hinder efficiency (Fettke et al., 2015). Given the increasing push for digital transformation in both public and private sectors, there is a need to identify patterns of bureaucratic inefficiencies and develop systematic approaches for their mitigation. Despite the relevance of this issue, existing literature on detecting and addressing bureaucratic burdens remains fragmented. A structured review of research in this area is essential to consolidate knowledge, establish key patterns of bureaucratic inefficiencies, and inform the design of strategies for de-bureaucratization.

Current research on bureaucracy often lacks a structured and systematic approach to identifying and mitigating inefficiencies, particularly in public administration. Traditional business process management (BPM) frameworks focus on optimization and automation but do not explicitly address bureaucratic burdens as a distinct challenge, especially in regulatory and government environments. Given that process optimization in public administration has not been as widely adopted as in the corporate world (Abdul-Azeez et al., 2024), understanding how bureaucracy manifests in different contexts is crucial for developing targeted improvement strategies. 

In this seminar paper, you will conduct a structured literature review to examine how bureaucracy in public administration and business processes is discussed and addressed in academic research. Your study will systematically analyze existing theories, frameworks, and methodologies related to identifying and mitigating bureaucratic inefficiencies.

Literature

• Abdul-Azeez, O., Ihechere, A. O., & Idemudia, C. (2024). Achieving digital transformation in public sector organizations: The impact and solutions of SAP implementations. Computer Science & IT Research Journal, 5(7), 1521-1538.
• Zwicker, J., Fettke, P., & Loos, P. (2010). Business process maturity in public administrations. Handbook on business process management 2: Strategic alignment, governance, people and culture, 369-396.
• Krause, G. A., & Meier, K. J. (Eds.). (2009). Politics, policy, and organizations: Frontiers in the scientific study of bureaucracy. University of Michigan Press.
• Stanica, C. M., Balica, D., Henderson, A. C., & Ţiclău, T. C. (2022). The weight of service delivery: administrative and rules burdens in street-level bureaucracy. International Review of Administrative Sciences, 88(1), 240-257.

Max Weber’s theory of bureaucracy is one of the most influential frameworks for understanding organizational structures, particularly in public administration and large enterprises (Sager & Rosser, 2021). Bureaucracy, as conceptualized by Weber, is characterized by hierarchical authority, formalized rules, and a rational approach to governance (Sager & Rosser, 2021). While these principles have contributed to organizational efficiency and predictability, excessive bureaucracy can lead to inefficiencies, rigidity, and administrative burdens that hinder responsiveness and innovation (Thompson, 1965). In light of ongoing digitalization and evolving management paradigms, there is a need to critically assess how Weberian bureaucracy aligns with contemporary organizational challenges. 

In modern administrative and corporate settings, excessive bureaucracy can result in procedural bottlenecks, unnecessary complexity, and diminished flexibility. This is particularly evident in processes, where overburdening bureaucracy can impede operational efficiency in both public and private organizations. While studies on bureaucratic inefficiencies exist, they often do not explicitly engage with Weber’s theoretical foundations. This gap in the literature raises important questions about how Weber’s concept of bureaucracy has evolved in contemporary public and private organizations, what characteristics and causes contribute to excessive bureaucracy within this framework, and how methodologies have been used to identify and measure bureaucratic inefficiencies in modern organizations. Furthermore, emerging organizational trends, such as digital transformation and agile management, present new challenges to Weberian bureaucracy, necessitating an updated analysis of its relevance and limitations in today’s institutional environments. The intersection of overburdening bureaucracy and business process performance remains underexplored, highlighting a need for further research.

In this seminar paper, you will conduct a structured literature review to analyze how excessive bureaucracy is discussed in relation to Max Weber’s organization theory. The analysis will examine Weber’s original bureaucratic model and its core principles, investigate contemporary adaptations and critiques of Weberian bureaucracy, and identify recurring patterns of excessive bureaucracy in administrative and corporate contexts. Additionally, the review will explore methodologies and tools used to measure bureaucratic inefficiencies and assess potential strategies for balancing bureaucratic structures with organizational flexibility. 

Literature

• Sager, F., & Rosser, C. (2021). Weberian bureaucracy. Oxford research encyclopedia of politics.
• Thompson, V. A. (1965). Bureaucracy and innovation. Administrative Science Quarterly, 1-20.