While many XAI methods have become established, their impact on the user is rarely examined. As such, it is not clear whether an XAI-based model is perceived as more explainable than existing alternative machine learning (ML) models, nor is it known whether the explanations offered increase comprehensibility for the user.

In the context of this seminar paper, a literature review is therefore conducted to explore the state-of-the-art on empirical user-related studies in (X)AI research on the relationship between explainability and comprehensibility and to investigate to what extent XAI-based models can compete with existing ML models in terms of user comprehensibility in real-world scenarios.

Literatur

• Herm, L.-V., Wanner, J., Seubert, F., & Janiesch, C. (2021). I Don’t Get It, But It Seems Valid! The Connection Between Explainability And Comprehensibility In (X)AI Research. ECIS Research Papers, 82.

The majority of explanations that have emerged from XAI research are static and have been based on the assumption that there is a single message to be conveyed by the explanation. Thus, empowering humans to explore explanations for algorithmic decisions interactively seems promising and there are already studies in this regard. For example, research is investigating how data scientists work or tools are being offered to help data scientists use and understand ML algorithms. However, we still need to adjust these interfaces to diverse target groups and capitalize on interactivity, especially for non-expert users.

Thus, as part of this seminar paper, a literature review will be conducted to explore the state-of-the-art on empirical user-based studies in XAI research about interactive explanations and interfaces for diverse target groups.

Literatur

• Koesten, L.M., Kacprzak, E., Tennison, J.F., & Simperl, E. (2017). The Trials and Tribulations of Working with Structured Data:-a Study on Information Seeking Behaviour. Proceedings of the 2017 CHI Conference on Human Factors in Computing Systems (pp. 1277-1289).
• Krause, J., Perer, A., & Ng, K. (2016). Interacting with predictions: Visual inspection of black-box machine learning models. Proceedings of the 2016 CHI Conference on Human Factors in Computing Systems (pp. 5686-5697).

In einer immer stärker digitalisierten Welt gewinnen Chatbots, insbesondere Conversational Agents wie ChatGPT, an Bedeutung, besonders ihre Fähigkeit zur Interaktion untereinander. Während die Mensch-Maschine-Interaktion gut erforscht ist, steht die Maschine-zu-Maschine-Interaktion noch in den Anfängen und bietet großes Potenzial für innovative Forschung.

Die effiziente Kommunikation zwischen Chatbots kann Geschäftsprozesse optimieren, Kosten senken und das Kundenerlebnis verbessern. Beispielsweise können Chatbots im Kundenservice nahtlos miteinander kommunizieren, um schnelle und präzise Antworten zu liefern, was die Zufriedenheit der Kunden erhöht. Darüber hinaus können sie in der E-Commerce-Branche eingesetzt werden, um Bestellungen zu koordinieren und Lagerbestände effizient zu verwalten.

Neben den Kommunikationsmechanismen gibt es weitere interessante Aspekte. Dazu gehört die Untersuchung, wie die Kommunikation zwischen Chatbots sicher gestaltet werden kann, um Datenlecks und Missbrauch zu verhindern. Ebenso wichtig ist die Analyse der Herausforderungen und Lösungen für die Zusammenarbeit verschiedener Chatbot-Plattformen und -Technologien. Ein weiterer Aspekt ist die Erforschung, wie Chatbots durch ihre Interaktionen voneinander lernen und sich an neue Situationen anpassen können. Schließlich ist die Betrachtung spezifischer Anwendungen in verschiedenen Branchen wie Finanzen, Gesundheitswesen und Logistik entscheidend, um die praktischen Vorteile zu demonstrieren.

Vor diesem Hintergrund zielt die Seminararbeit darauf ab, die Merkmale der Chatbot-zu-Chatbot-Interaktion zu untersuchen. Diese Untersuchung basiert auf einer systematischen Literaturanalyse, bei der die Studierenden verschiedene Aspekte dieser Interaktionsform erforschen und vertiefen.

Literatur

• Io, H. N., & Lee, C. B. (2017). Chatbots and conversational agents: A bibliometric analysis. 2017 IEEE International Conference on Industrial Engineering and Engineering Management (IEEM). https://doi.org/10.1109/ieem.2017.8289883
• Jiang, H., Cheng, Y., Yang, J., & Gao, S. (2022). AI-powered chatbot communication with customers: Dialogic interactions, satisfaction, engagement, and customer behavior. Computers in Human Behavior, 134, 107329. https://doi.org/10.1016/j.chb.2022.107329
• Hasal, M., Nowaková, J., Saghair, K. A., Abdulla, H., Snášel, V., & Ogiela, L. (2021). Chatbots: Security, privacy, data protection, and social aspects. Concurrency and Computation Practice and Experience, 33(19). https://doi.org/10.1002/cpe.6426
• Adamopoulou, E., & Moussiades, L. (2020). Chatbots: History, technology, and applications. Machine Learning with Applications, 2, 100006. https://doi.org/10.1016/j.mlwa.2020.100006

Dieses Thema untersucht, wie Persönlichkeitsmerkmale die Art und Weise beeinflussen, wie Individuen Generative AI nutzen und entwickeln. Die Big Five Persönlichkeitsmerkmale (Extraversion, Verträglichkeit, Gewissenhaftigkeit, Neurotizismus und Offenheit für Erfahrungen) sowie die Dark Triad Merkmale (Narzissmus, Machiavellismus und Psychopathie) spielen eine zentrale Rolle in der psychologischen Forschung und können tiefgreifende Auswirkungen auf technologische Innovationen und deren Anwendung haben.

Im Geschäftsumfeld kann die Akzeptanz und Anpassung an neue Technologien durch Persönlichkeitsmerkmale stark variieren. Mitarbeiter mit hoher Offenheit für Erfahrungen sind möglicherweise eher bereit, neue AI-Technologien zu nutzen und zu fördern. Im Gegensatz dazu könnten Narzissten oder Machiavellisten AI-Entwicklungen eher zu ihrem eigenen Vorteil und möglicherweise auf unethische Weise einsetzen. Diese Dynamiken sind besonders relevant in der Produktentwicklung, dem Innovationsmanagement und der Implementierung neuer Technologien in Unternehmen.

Neben der allgemeinen Untersuchung der Persönlichkeitsmerkmale gibt es weitere interessante Aspekte. Dazu gehört die Motivationsanalyse, wie Persönlichkeitsmerkmale die Motivation zur Nutzung und Entwicklung von Generativer AI beeinflussen. Ebenso wichtig ist die Analyse der ethischen Implikationen und Verantwortung bei der Entwicklung von AI durch Personen mit unterschiedlichen Persönlichkeitsmerkmalen. Ein weiterer Aspekt ist die Erforschung, wie unterschiedliche Persönlichkeitsmerkmale die Teamdynamik und Zusammenarbeit bei AI-Projekten beeinflussen. Schließlich ist die Betrachtung spezifischer Anwendungen in verschiedenen Branchen wie Gesundheitswesen, Finanzen und Bildung entscheidend, um die praktischen Vorteile und Herausforderungen zu demonstrieren.

In dieser Seminararbeit wird untersucht, wie Persönlichkeitsmerkmale die Nutzung und Entwicklung von generativer KI beeinflussen. Die Studierenden sollen eine umfassende Analyse basierend auf einer systematischen Literaturrecherche durchführen.

Literatur

• McCrae, Robert & Costa, Paul. (1996). The five factor model of personality: Theoretical Perspective.
• Paulhus, D. L., & Williams, K. M. (2002). The Dark Triad of personality: Narcissism, Machiavellianism, and psychopathy. Journal of Research in Personality, 36(6), 556–563. https://doi.org/10.1016/s0092-6566(02)00505-6
• Svendsen, G. B., Johnsen, J. K., Almås-Sørensen, L., & Vittersø, J. (2013). Personality and technology acceptance: the influence of personality factors on the core constructs of the Technology Acceptance Model. Behaviour and Information Technology, 32(4), 323–334. https://doi.org/10.1080/0144929x.2011.553740
• Hagendorff, T. (2020). The Ethics of AI Ethics: An Evaluation of Guidelines. Minds and Machines, 30(1), 99–120. https://doi.org/10.1007/s11023-020-09517-8
• Deci, E. L., & Ryan, R. M. (2000). The “What” and “Why” of goal pursuits: human needs and the Self-Determination of behavior. Psychological Inquiry, 11(4), 227–268. https://doi.org/10.1207/s15327965pli1104_01
• Deci, E. L., & Ryan, R. M. (2008). Self-determination theory: A macrotheory of human motivation, development, and health. Canadian Psychology/Psychologie Canadienne, 49(3), 182–185. https://doi.org/10.1037/a0012801

Der Verlust von Wissen durch das Ausscheiden langjähriger Mitarbeiter stellt eine erhebliche Herausforderung für Unternehmen dar. Dieses Thema beleuchtet, wie Generative AI zur Wissensbewahrung und -wiederverwendung beitragen kann. Durch die Analyse von Dokumentationen, E-Mails, Berichten und anderen internen Kommunikationsmitteln ermöglicht Generative AI die effiziente Erfassung, Speicherung und den Abruf von Wissen. So können relevante Informationen schnell und präzise identifiziert und neuen oder verbleibenden Mitarbeitern zugänglich gemacht werden, was den Wissensverlust minimiert und die Kontinuität der Geschäftsprozesse sichert.

Ein zentrales Anliegen ist die Implementierung von Generative AI zur Erstellung von Wissensdatenbanken, die spezifische Unternehmensanforderungen berücksichtigen und sich nahtlos in bestehende Informationssysteme integrieren lassen. Zudem sind ethische Überlegungen und Datenschutzbestimmungen von großer Bedeutung, um sicherzustellen, dass sensible Informationen geschützt bleiben.

Die Seminararbeit untersucht, wie Generative AI zur Wissenswiederverwendung in Unternehmen beitragen kann und basiert auf einer umfassenden systematischen Literaturrecherche. Die Studierenden sollen dabei die praktischen Vorteile sowie die Herausforderungen beleuchten und fundierte Handlungsempfehlungen für den Einsatz von Generative AI in Unternehmen entwickeln.

Literatur

• Nonaka, I., & Takeuchi, H. (1995). The Knowledge-Creating company. https://doi.org/10.1093/oso/9780195092691.001.0001
• Feuerriegel, S., Hartmann, J., Janiesch, C., & Zschech, P. (2023). Generative AI. Business & Information Systems Engineering, 66(1), 111–126. https://doi.org/10.1007/s12599-023-00834-7
• Golda, A., Mekonen, K., Pandey, A., Singh, A., Hassija, V., Chamola, V., & Sikdar, B. (2024). Privacy and security Concerns in Generative AI: A Comprehensive survey. IEEE Access, 1. https://doi.org/10.1109/access.2024.3381611
• Reim, W., Åström, J., & Eriksson, O. (2020). Implementation of Artificial Intelligence (AI): A Roadmap for Business model innovation. AI, 1(2), 180–191. doi.org/10.3390/ai1020011

In einer sich schnell entwickelnden digitalen Welt kann Generative AI die Business Intelligence (BI) revolutionieren, indem sie Unternehmen befähigt, komplexe Datenmuster zu erkennen und strategische Entscheidungen zu treffen. Durch die Analyse großer Datenmengen können generative Modelle Vorhersagen treffen, Szenarien simulieren und Entscheidungsprozesse optimieren. Generative AI ermöglicht die Erstellung umfassender Berichte und Dashboards, die auf historischen Daten basieren. Diese Berichte bieten tiefere Einblicke und unterstützen Führungskräfte dabei, fundierte Entscheidungen zu treffen. Darüber hinaus kann Generative AI Anomalien identifizieren und Trends prognostizieren, was zu einer proaktiveren und datengesteuerten Unternehmensstrategie führt.

Die Integration von Generative AI in bestehende BI-Systeme stellt sicher, dass die gewonnenen Erkenntnisse nahtlos in die täglichen Geschäftsabläufe einfließen. Schulungen für Mitarbeiter im Umgang mit diesen neuen Technologien sind ebenfalls entscheidend, um das volle Potenzial auszuschöpfen. Ethische und datenschutzrechtliche Fragen müssen ebenfalls berücksichtigt werden, um die Datenintegrität zu wahren und sensible Informationen zu schützen.

Vor diesem Hintergrund zielt diese Seminararbeit darauf ab, die Nutzung von Generative AI im Zusammenhang mit Business Intelligence zu untersuchen. Die Studierenden sollen eine umfassende Analyse auf Basis einer systematischen Literaturrecherche durchführen, um die verschiedenen Aspekte und Anwendungen von Generative AI in BI zu erforschen und zu vertiefen.

Literatur

• Chen, N., Chiang, N., & Storey, N. (2012). Business Intelligence and Analytics: From big data to Big impact. MIS Quarterly, 36(4), 1165. https://doi.org/10.2307/41703503
• Chaudhuri, S., Dayal, U., & Narasayya, V. (2011). An overview of business intelligence technology. Communications of the ACM, 54(8), 88–98. https://doi.org/10.1145/1978542.1978562
• Feuerriegel, S., Hartmann, J., Janiesch, C., & Zschech, P. (2023). Generative AI. Business & Information Systems Engineering, 66(1), 111–126. https://doi.org/10.1007/s12599-023-00834-7
• Golda, A., Mekonen, K., Pandey, A., Singh, A., Hassija, V., Chamola, V., & Sikdar, B. (2024). Privacy and security Concerns in Generative AI: A Comprehensive survey. IEEE Access, 1. doi.org/10.1109/access.2024.3381611
• Bharadiya, Jasmin. (2023). Machine Learning and AI in Business Intelligence: Trends and Opportunities. International Journal of Computer (IJC). 123-134.

Die Einbeziehung von ChatGPT in den Unterricht bietet Lehrkräften zahlreiche Möglichkeiten, die Unterrichtsgestaltung zu optimieren. Diese Technologie kann von Lehrenden auf vielfältige Weise genutzt werden, um die Erstellung von Unterrichtsmaterialien zu unterstützen, Bewertungs- und Beurteilungsprozesse zu automatisieren und bei der Bewältigung verwaltungsmäßiger Aufgaben zu helfen. Zudem ermöglicht ChatGPT die Automatisierung bestimmter Aspekte der Unterrichtsunterstützung, wodurch die Lehrkräfte in der Arbeit erheblich entlastet und unterstützt werden können. Obwohl die potenziellen Vorteile offensichtlich sind, gibt es bisher nur wenige empirische Studien darüber, wie ChatGPT tatsächlich in der Praxis eingesetzt wird und welche Herausforderungen dabei entstehen.  Insbesondere bleibt unklar, wie sich die Nutzung von ChatGPT auf die pädagogische Qualität des Unterrichts auswirkt und wie Lehrkräfte das Gleichgewicht zwischen technologischer Unterstützung und der traditionellen Rolle als Pädagogen aufrechterhalten können. Das Ziel dieser Seminararbeit ist es daher, durch eine systematische Literaturrecherche (SLR) den aktuellen Forschungsstand zur Nutzung von ChatGPT aus der Perspektive der Lehrenden zu analysieren. Dabei sollen sowohl die Potenziale als auch die Herausforderungen untersucht werden, die mit der Anwendung dieser Technologie im Unterrichtsalltag verbunden sind.

Literatur

• Adiguzel, T., Kaya, M. H., & Cansu, F. K. (2023). Revolutionizing education with AI: Exploring the transformative potential of ChatGPT. Contemporary Educational Technology, 15(3). doi.org/10.30935/cedtech/13152
• Labadze, L., Grigolia, M., & Machaidze, L. (2023). Role of AI chatbots in education: Systematic literature review. International Journal of Educational Technology in Higher Education, 20(1), 56. doi.org/10.1186/s41239-023-00426-1
• Zhang, C., Zhang, C., Li, C., Qiao, Y., Zheng, S., Dam, S. K., Zhang, M., Kim, J. U., Kim, S. T., Choi, J., Park, G.-M., Bae, S.-H., Lee, L.-H., Hui, P., & Hong, C. S. (2023). One Small Step for Generative AI, One Giant Leap for AGI: A Complete Survey on ChatGPT in AIGC Era. doi.org/10.48550/arXiv.2304.06488

ChatGPT ermöglicht Lernenden, das Lernen selbstständig zu gestalten und sich in eigenem Tempo eingehend mit dem vorgegebenen Lernstoff auseinanderzusetzen. Durch die Fähigkeit, auf individuelle Fragen einzugehen und komplexe Sachverhalte verständlich zu erklären, kann ChatGPT als unterstützendes Werkzeug dienen. Die Lernende erhalten somit Zugang zu einem stets verfügbaren virtuellen Tutor, der sie bei der Vertiefung und Erweiterung von Lerninhalten effektiv unterstützt. Während ChatGPT für viele Lernende ein wertvolles Hilfsmittel sein kann, gibt es auch Risiken, wie die potenzielle Abhängigkeit von der Technologie und die Gefahr, dass Lernende kritische Denkfähigkeiten weniger entwickeln. Bisher gibt es jedoch nur wenige Studien, die den tatsächlichen Nutzen und die potenziellen Risiken der Nutzung von ChatGPT systematisch untersuchen. Diese Forschungslücke muss durch eine detaillierte Analyse geschlossen werden. Diese Seminararbeit zielt darauf ab, durch eine systematische Literaturrecherche (SLR) den aktuellen Forschungsstand zur Nutzung von ChatGPT als unterstützendes Werkzeug aus der Perspektive der Lernenden zu analysieren. Dabei sollen sowohl die Vorteile als auch die potenziellen Risiken untersucht werden.

Literatur

• Baidoo-Anu, D., & Ansah, L. O. (2023). Education in the Era of Generative Artificial Intelligence (AI): Understanding the Potential Benefits of ChatGPT in Promoting Teaching and Learning. Journal of AI, 7(1), 52–62. doi.org/10.61969/jai.1337500
• Mosaiyebzadeh, F., Pouriyeh, S., Parizi, R., Dehbozorgi, N., Dorodchi, M., & Macêdo Batista, D. (2023). Exploring the Role of ChatGPT in Education: Applications and Challenges. Proceedings of the 24th Annual Conference on Information Technology Education, 84–89. doi.org/10.1145/3585059.3611445
• Rajabi, P., Taghipour, P., Cukierman, D., & Doleck, T. (2023). Exploring ChatGPT’s impact on post-secondary education: A qualitative study. In Proceedings of the 25th Western Canadian Conference on Computing Education, 1–6. https://doi.org/10.1145/3593342.3593360

Der Frontalunterricht ist eine weitverbreitete Lehrmethode und zeichnet sich durch eine hierarchische Beziehung zwischen Lehrenden und Lernenden aus, bei der die Lehrenden im Zentrum des Bildungsprozesses stehen und den Lehrstoff vermitteln. Die Lehrenden fungieren als Hauptquelle des Wissens und übernehmen die Rolle des Wissensvermittlers, während die Lernenden die Rolle des Wissensempfängers einnehmen. Diese Art von Unterricht erfordert eine klare Struktur, Disziplin und Ordnung im Klassenzimmer und stellt sicher, dass alle notwendigen Inhalte abgedeckt und festgelegte Abläufe eingehalten werden. ChatGPT unterstützt die Erstellung von Unterrichtsinhalten, indem diese auf Basis der individuellen Vorlieben der Lernenden angepasst und kontinuierlich optimiert werden. Weiterhin ermöglicht ChatGPT es, Prüfungen auf der Grundlage dieser Informationen effizient zu erstellen. Ansonsten kann ChatGPT zur Erhebung von Daten über den Gemütszustand der Lernenden genutzt werden, um dynamische Anpassungen an den entsprechenden Stellen des Unterrichts vorzunehmen. Diese Funktionen können dazu beitragen, den Frontalunterricht lebendiger und zugänglicher zu gestalten und somit die Qualität des Frontalunterrichts zu steigern. Obwohl die Einbindung von ChatGPT in den Frontalunterricht vielversprechend klingt, ist noch wenig darüber bekannt, wie diese Technologie tatsächlich die Dynamik und Interaktivität des Unterrichts beeinflusst. Es fehlen empirische Untersuchungen, welche Auswirkungen diese Unterstützung des Frontalunterrichts auf Lehrende und Lernende haben kann. Das Ziel dieser Seminararbeit ist, durch eine systematische Literaturrecherche (SLR) den aktuellen Forschungsstand zum Einfluss von ChatGPT auf den Frontalunterricht zu analysieren. Dabei liegt der Fokus auf der Untersuchung, wie diese Technologie den Frontalunterricht unterstützen kann.

Literatur

• Hoch, C. C., Wollenberg, B., Lüers, J.-C., Knoedler, S., Knoedler, L., Frank, K., Cotofana, S., & Alfertshofer, M. (2023). ChatGPT’s quiz skills in different otolaryngology subspecialties: An analysis of 2576 single-choice and multiple-choice board certification preparation questions. European Archives of Oto-Rhino-Laryngology, 280(9), 4271–4278. doi.org/10.1007/s00405-023-08051-4
• Kasneci, E., Sessler, K., Küchemann, S., Bannert, M., Dementieva, D., Fischer, F., Gasser, U., Groh, G., Günnemann, S., Hüllermeier, E., Krusche, S., Kutyniok, G., Michaeli, T., Nerdel, C., Pfeffer, J., Poquet, O., Sailer, M., Schmidt, A., Seidel, T., … Kasneci, G. (2023). ChatGPT for good? On opportunities and challenges of large language models for education. Learning and Individual Differences, 103. doi.org/10.1016/j.lindif.2023.102274
• Qiao, K., Li, G., Zeng, X., & Li, W. (2023). Utilizing Large Language Models for the Generation of Aspect-Based Sentiment Analysis Datasets. 4th International Conference on Big Data, Artificial Intelligence and Internet of Things Engineering (ICBAIE), 121–124. doi.org/10.1109/ICBAIE59714.2023.10281255

In Anbetracht der dynamischen Entwicklungen und der kontinuierlichen technologischen Fortschritte im Anwendungsspektrum der KI ist ein Verständnis der zentralen Treiber von in Unternehmen eingesetzten modernen Informationstechnologien wettbewerbs- und erfolgskritisch.  Ein Verständnis der zentralen Treiber und potenziellen Anwendungsbereiche des Einsatzes von Technologien der Künstlichen Intelligenz (KI) im Einzelhandel ermöglicht es Entscheidungsträgern, die strategischen und operative Möglichkeiten von KI-Anwendungen besser verstehen und diese dementsprechend wertschöpfend einsetzen zu können. Das Ziel der Arbeit ist es, mittels einer Literatursuche die zentralen Treiber des Einsatzes von KI-Technologien im Einzelhandel zu identifizieren und strukturiert zu sortieren. Im Zuge der Analyse der zentralen Treiber sollen darüber hinaus aus der Literatursuche hervorgehende potenzielle Anwendungsbereiche von KI-Technologien im Einzelhandel identifiziert und zusammenhängend mit den zentralen Treibern diskutiert werden.

Literatur

• Anica-Popa, I., Anica-Popa, L., Rădulescu, C., & Vrîncianu, M. (2021). The Integration of Artificial Intelligence in Retail: Benefits, Challenges and a Dedicated Conceptual Framework. Amfiteatru Econ., 23(56), 122–136. https://doi.org/10.24818/EA/2021/56/120
• Hiremath, S., Prashantha, C., Panda, A., & Hiremath, G. (2023). Digitisation and Artificial Intelligence in Retailing Sector – Key Drivers. In P. Tyagi, S. Grima, K. Sood, B. Balamurugan, E. Özen, & T. Eleftherios (Eds.), Smart Analytics, Artificial Intelligence and Sustainable Performance Management in a Global Digitalised Economy Contemporary Studies in Economic and Financial Analysis (Vol. 110B, pp. 215–232). Emerald Publishing Limited. https://doi.org/10.1108/s1569-37592023000110b014
• Kreutzer, R. T. (2023). Künstliche Intelligenz verstehen (2nd ed.). Springer Gabler. doi.org/10.1007/978-3-658-42598-2
• Schrempf, F., & Schwaiger, M. (2019). Survival of the Quickest – Agilität als organisationale Ressource in der digitalen Transformation. In R. Obermaier (Ed.), Handbuch Industrie 4.0 und Digitale Transformation (pp. 623–648). Springer Gabler. https://doi.org/10.1007/978-3-658-36874-6_39-1
• Weber, F. D., & Schütte, R. (2019). State-of-the-art and adoption of artificial intelligence in retailing. Digit. Policy, Regul. Gov., 21(3), 264–279. doi.org/10.1108/DPRG-09-2018-0050

Einzelhändler setzen verstärkt auf den Einsatz von KI-Technologien, um ihre betrieblichen Abläufe und Ergebnisse zu optimieren und ihre Wettbewerbsfähigkeit zu sichern. Der gezielte Einsatz von KI-Technologien verspricht beispielsweise ein besseres Verständnis des Nachfrager bzw. Verbraucherverhaltens als Entscheidungsgrundlage für diverse Geschäftsbereiche des Einzelhandels (Einkauf, Marketing, etc.). Diese Seminararbeit zielt darauf ab, die jüngsten Entwicklungen und den aktuellen Stand zum Einsatz von KI-Technologien im Einzelhandel zu untersuchen. Als Grundlage soll die Studie von Weber und Schütte (2019) herangezogen werden. Mittels einer umfassenden Literatursuche aus aktueller Perspektive soll aufgezeigt werden, inwiefern KI-Anwendungen gegenwärtig und zukünftig in den wertschöpfenden Kernaktivitäten der Einzelhandels-Branche integriert und verbreitet sind. Die Ergebnisse dieser Untersuchung sollen mit den Ergebnissen der vorgeschlagenen Referenzstudie von Weber und Schütte (2019) in einen Zusammenhang gesetzt und verglichen werden, um potenzielle Weiterentwicklungen im historischen Vergleich zwischen beiden Untersuchungen zu identifizieren und zu diskutieren.

Literatur

• Banh, L., Strobel, G. Generative artificial intelligence. Electron Markets 33, 63 (2023). https://doi.org/10.1007/s12525-023-00680-1
• Cao, L. (2021). Artificial intelligence in retail : applications and value creation logics. International Journal of Retail & Distribution Management, 49(7), 958–976. https://doi.org/10.1108/IJRDM-09-2020-0350
• Heins, C. (2023). Artificial intelligence in retail – a systematic literature review. Foresight, 25(2), 264–286. https://doi.org/10.1108/FS-10-2021-0210
• Weber, F. D., & Schütte, R. (2019). State-of-the-art and adoption of artificial intelligence in retailing. Digit. Policy, Regul. Gov., 21(3), 264–279. https://doi.org/10.1108/DPRG-09-2018-0050

Die dynamische Preisgestaltung gewinnt für Einzelhandelsunternehmen zunehmend an Bedeutung, da es eine flexiblere Reaktion auf z. B. Marktentwicklungen und das Kund:innenverhalten ermöglicht. Dabei werden Preise in (nahezu) Echtzeit basierend auf den Marktbedingungen, der Nachfrage und weiteren Faktoren angepasst. Neben den potenziellen wirtschaftlichen Vorteile, wie einer Steigerung des Umsatzes und der Wettbewerbsfähigkeit, wirft die Anwendung der dynamischen Preisgestaltung Fragen hinsichtlich der Auswirkungen auf das Verhalten von Kunden und Kundinnen auf. Im Rahmen dieser Seminararbeit soll eine strukturierte Literaturrecherche durchgeführt werden, um die Reaktionen der Kund:innen auf eine dynamische Preisgestaltung kritisch zu betrachten und damit verbundene Implikationen für den Einzelhandel zu identifizieren.

Literatur

• Aviv, Y., Levin, Y., & Nediak, M. (2009). Counteracting strategic consumer behavior in dynamic pricing systems. In International series in management science/operations research/International series in operations research & management science, pp. 323–352. https://doi.org/10.1007/978-0-387-98026-3_12
• Garbarino, E., & Lee, O. F. (2003). Dynamic pricing in internet retail: Effects on consumer trust. Psychology and Marketing, 20(6), pp. 495–513. https://doi.org/10.1002/mar.10084
• Kopalle, P. K., Pauwels, K., Akella, L. Y., & Gangwar, M. (2023). Dynamic pricing: Definition, implications for managers, and future research directions. Journal of Retailing, 99(4), pp. 580–593. https://doi.org/10.1016/j.jretai.2023.11.003

Prädiktive Analytik wird zunehmend für die Prognostizierung von Nachfrageveränderungen im Einzelhandel eingesetzt. Dabei werden aus historischen Datenbeständen Muster und Trends identifiziert, um fundierte Vorhersagen über zukünftige Entwicklungen zu treffen. Dies unterstützt u. a. die Preisgestaltung, da durch die präziseren Nachfrageprognosen die Preise hinsichtlich des Umsatzes und der Rentabilität effizienter angepasst werden können. Die Präzision der Prognosen, resultierend aus Methoden der prädiktiven Analytik, kann durch die Betrachtung weiterer externer Variablen, wie beispielsweise des Wettbewerbs oder demografischer Kund:innendaten, weiter verbessert werden. Folglich kann die prädiktive Analytik Einzelhandelsunternehmen dazu befähigen, datengetriebene sowie vorausschauende Entscheidungen zu treffen und damit einen Wettbewerbsvorteil zu schaffen. Vor diesem Hintergrund soll diese Seminararbeit in der wissenschaftlichen Literatur die verschiedenen Methoden zur Nachfrageprognose in dem Kontext des Einzelhandels strukturiert betrachten, sowie die Potenziale und Limitierungen der betrachteten Methoden kritisch herausarbeiten.

Literatur

• Cohen, M. C., Gras, P., Pentecoste, A., & Zhang, R. (2022). Demand prediction in retail. In Springer series in supply chain management. https://doi.org/10.1007/978-3-030-85855-1
• J. Wang, G. Q. Liu and L. Liu (2019). A Selection of Advanced Technologies for Demand Forecasting in the Retail Industry. IEEE 4th International Conference on Big Data Analytics (ICBDA), Suzhou, China, 2019, pp. 317-320. https./doi.org/ 10.1109/ICBDA.2019.8713196
• Wef Punia, S., & Shankar, S. (2022). Predictive analytics for demand forecasting: A deep learning-based decision support system. Knowledge-Based Systems. https://doi.org/10.1016/j.knosys.2022.109956

Eine Möglichkeit des Einsatzes von künstlicher Intelligenz im Einzelhandel ist die dynamische Preissetzung. Dabei soll prinzipiell in Echtzeit auf die Veränderung bestimmter einflussnehmender Variablen reagiert werden und dabei die Preise für Artikel dynamisch angepasst werden. Die Ausprägung der auf die Preissetzung einflussnehmenden Variablen ist dabei unterschiedlich und erstreckt sich von der reinen Änderung der Nachfrage bis hin zur Änderung der Temperatur. Bisherige Ansätze haben zwar versucht eine Vielzahl von Variablen zu identifizieren, allerdings ist deren Wirkmächtigkeit bis dato nicht geklärt.

In dieser Seminararbeit soll eine strukturierte Literaturrecherche durchgeführt werden und dabei in zwei Schritten diese Forschungslücke geschlossen werden. Zunächst sollen die einflussnehmenden Faktoren auf die dynamische Preissetzung identifiziert werden. Anschließend sollen diese Faktoren auf eine geeignete Weise priorisiert und deren Wirkmächtigkeit somit eingeordnet werden.

Literatur

• Deksnyte, I., & Lydeka, Z. (2012). Dynamic pricing and its forming factors. International Journal of Business and Social Science, 3(23).
• Den Boer, A. V. (2015). Dynamic pricing and learning: historical origins, current research, and new directions. Surveys in operations research and management science, 20(1), 1-18.
• Victor, V., Joy Thoppan, J., Jeyakumar Nathan, R., & Farkas Maria, F. (2018). Factors influencing consumer behavior and prospective purchase decisions in a dynamic pricing environment—an exploratory factor analysis approach. Social Sciences, 7(9), 153.

In vielen Branchen erfahren Unternehmen einen steigenden Wettbewerbsdruck. Um diesen Marktdruck zu reduzieren, sehen viele Unternehmen einen Weg im Bereich der Prozessoptimierung, um marktfähig zu bleiben und einen Wettbewerbsvorteil zu gewinnen. Durch die die steigende Digitalisierung und der immer größere Einfluss von KI auf das Wettbewerbsumfeld, besteht für Unternehmen ein immer größerer Handlungsbedarf. Neben neuen Geschäftsfeldern ergeben sich vor allem Potenziale zur Optimierung von Prozessen. Dabei entsteht der Eindruck, dass die Automatisierung von Tätigkeiten und Prozessen im Vordergrund steht und nicht immer eine tatsächliche Optimierung der Situation damit einhergeht. In dieser Seminararbeit sollen Prozessoptimierungs- und Automatisierungsmöglichkeiten identifiziert und kategorisiert werden. Dazu soll eine strukturierte Literaturrecherche durchgeführt werden. Zunächst sollen dabei die Optimierungsmöglichkeiten identifiziert werden, anschließen sollen diese Möglichkeiten auf eine geeignete Weise in Zusammenhanggebracht und dargestellt werden.

Literatur

• van der Aalst, Wil M. P. (2013), Business Process Management: A Comprehensive Survey, International Scholarly Research Notices.https://doi.org/10.1155/2013/507984
• Weske, M. (2007). Business process management architectures. Springer Berlin Heidelberg. https://doi.org/10.1007/978-3-540-73522-9_7
• Becker, J. and Kugeler, M. and Rosemann, M. (2012), Prozessmanagement: Ein Leitfaden zur prozessorientierten Organisationsgestaltung. Springer Berlin Heidelberg. https://doi.org/10.1007/978-3-642-33844-1
• Davenport, T. H., & Short, J. E. (1990). The new industrial engineering: information technology and business process redesign.

Durch die steigende Digitalisierung und der immer größere Einfluss von KI auf das Wettbewerbsumfeld, besteht für Unternehmen ein immer größerer Bedarf an Prozessoptimierung. Dabei entsteht der Eindruck, dass die Automatisierung von Tätigkeiten und Prozessen im Vordergrund steht und nicht immer eine tatsächliche Optimierung der Situation damit einhergeht. In dieser Seminararbeit sollen Prozessoptimierungs- und Automatisierungsmöglichkeiten identifiziert und zu vorhandenen Optimierungsstrategien kategorisiert werden. Dazu soll eine strukturierte Literaturrecherche durchgeführt werden. Zunächst sollen dabei die Optimierungs- und Automatisierungsmöglichkeiten identifiziert werden. Anschließen sollen diese Möglichkeiten auf eine geeignete Weise in Zusammenhanggebracht und dargestellt werden.

Literatur

• van der Aalst, Wil M. P. (2013), Business Process Management: A Comprehensive Survey, International Scholarly Research Notices.https://doi.org/10.1155/2013/507984
• Weske, M. (2007). Business process management architectures. Springer Berlin Heidelberg. https://doi.org/10.1007/978-3-540-73522-9_7
• Becker, J. and Kugeler, M. and Rosemann, M. (2012), Prozessmanagement: Ein Leitfaden zur prozessorientierten Organisationsgestaltung. Springer Berlin Heidelberg. https://doi.org/10.1007/978-3-642-33844-1
• Davenport, T. H., & Short, J. E. (1990). The new industrial engineering: information technology and business process redesign.

Enterprise Resource Planning (ERP) Systeme haben seit den 1990er Jahren als zentrale Informationssysteme Unternehmen dabei unterstützt, sämtliche Geschäftsprozesse wie Buchhaltung, Produktion, Vertrieb und Personalwesen zu steuern. Dabei dienen sie als zentrale Quelle für Echtzeit-Daten und sorgen für einen kontinuierlichen Informationsfluss innerhalb der Organisation. In den letzten Jahren hat sich jedoch eine neue Generation von ERP-Systemen herausgebildet, die den traditionellen monolithischen Ansatz durch flexible, modulare Architekturen ersetzt und zusätzlich Technologien wie künstliche Intelligenz (KI) integriert. Diese 'intelligenten ERP-Systeme' (Masri & Medrouk, 2022) ermöglichen es Unternehmen, Daten effizient zu nutzen, um Prozesse zu automatisieren und intelligentere Entscheidungen zu treffen (Gašpar et al., 2023). Im digitalen Zeitalter wird Fähigkeit, flexibel auf sich ändernde interne/externe Umweltanforderungen reagieren zu können zur Grundlage erfolgreicher Unternehmen. Um diese Flexibilität zu ermöglichen, müssen auch die zugrundeliegenden Technologien, insbesondere Enterprise Resource Planning (ERP) Systeme, 'composable' gestaltet sein (Scheer, 2024). Im Rahmen der Seminararbeit soll der neue Ansatz des "Composable ERP" (Gartner, 2020) untersucht werden. Der "Composable ERP Ansatz" (Gartner, 2020) repräsentiert einen Paradigmenwechsel in der Standardunternehmenssoftware, bei dem traditionelle monolithische ERP-Systeme (z. B. SAP R/2) bzw. client-server Systeme (z. B. SAP R/3) durch Service-orientierte, modulare und flexible Architekturen ersetzt werden. Diese bestehen aus verschiedenen, spezialisierten Anwendungen wie SAP für ERP, Salesforce für CRM, Workday für HR und Magento für E-Commerce (Schütte, 2024). Diese Anwendungen werden über moderne IT-Architekturen, wie Microservices und API-basierte Schnittstellen, miteinander verbunden. Der Ansatz ermöglicht Unternehmen, schnell auf Veränderungen zu reagieren, indem sie ihre IT-Landschaft dynamisch anpassen und neue Funktionen flexibel integrieren können. Die Arbeit zielt darauf ab, die Chancen und Herausforderungen (z. B. für die IT-Governance) dieses Ansatzes im Vergleich zu traditionellen ERP-Architekturen aufzuzeigen. Besonderes Augenmerk wird auf die Flexibilität, die durch die Modularisierung entsteht, sowie auf die technischen und organisatorischen Herausforderungen gelegt.

Literatur

• Gartner (2020). The Future of ERP Is Composable. Tech. rep. Gartner. url: www. gartner.com/en/documents/3991664 (abgerufen am 20.09.2024)
• Gašpar, D., Ćorić, I., Mabić, M. (2023). Composable ERP – New Generation of Intelligent ERP. In: Ademović, N., Kevrić, J., Akšamija, Z. (eds) Advanced Technologies, Systems, and Applications VIII. IAT 2023. Lecture Notes in Networks and Systems, vol 644. Springer, Cham. https://doi.org/10.1007/978-3-031-43056-5_26
• Masri S, Medrouk S (2022) Intelligent Enterprise: Past, Present, and Future
• Scheer, AW. (2024). The Composable Enterprise as a New Paradigm. In: The Composable Enterprise: Agile, Flexible, Innovative. Springer Vieweg, Wiesbaden. doi.org/10.1007/978-3-658-43089-4_1
• Schütte, R. (2024) The Next Generation of ERP Systems: Problems of Traditional ERP-Systems and the Next Wave of Really Standardized ERP Systems, in: Stefan Strecker & Jürgen Jung (eds.): Informing Possible Future Worlds – Essays in Honour of Ulrich Frank, S. 427-452.

Das Humankapital bildet den Kern eines jeden Unternehmens. Der Begriff des Human Resource Management (HRM) hat sich als international geläufiger Begriff im Zusammenhang mit Personalmanagement herausgestellt (Michl, 2024). Human Capital Management (HCM) fokussiert auf die Leistungspotenziale von Mitarbeitern (d.h. die intangiblen Ressourcen). Im Kontext von HRM nehmen Enterprise Systems und darunter zu fassende Human Resource (HR)-spezifische Subsysteme, insbesondere Human Resource Information Systems (HRIS), eine Schlüsselrolle ein, um personalbezogene Aufgaben und Prozesse zu bewältigen. Ein HRIS ist ein integriertes Informationssystem (IS), welches dazu dient, relevante Informationen über die Personalressourcen eines Unternehmens zu erfassen, zu speichern, zu verarbeiten, zu analysieren, abzurufen und zu verteilen (Kavanagh et al., 1990; Arpoh-Baah et al., 2020). Die allgemeinen Ziele des Einsatzes von HRIS liegen in der Vereinfachung und Beschleunigung von Abläufen und Prozessen, einer höheren Qualität von Informationen, leichterem Informationszugriff, Automatisierung von Prozessen und einer höheren Daten- und Prozessintegration (Michl, 2024). Verstärkt wird die strategische Relevanz von HRIS durch den zunehmend wettbewerbsrelevanten "Kampf um Talente" (Chambers et al. 1998, S. 44). Im Zuge erster Feldversuche einiger großer HRIS-Provider zeichnen sich Implikationen für die perspektivische Gestaltung von Personalprozessen ab. Einerseits sind Veränderungen bei einzelnen Prozessen erkennbar, wie bei der teilautomatisierten Ausschreibung von Stellenangeboten durch den Einsatz generativer künstlicher Intelligenz (KI). Andererseits sind HRIS-Veränderungen bei einem anderen Verständnis von Ressourcen als Kompetenzen unterworfen. Es gilt mit Unterstützung von KI-Technologien, die Capabilities von Individuen und Unternehmen zu heben und Weiterentwicklungsmöglichkeiten zu identifizieren. Obgleich der skizzierten Relevanz findet in der Forschung eine geringe Betrachtung des KI-Einsatzes in HRIS und eine geringe Betrachtung der Entwicklungen und Zukunftstrends "intelligenter HRIS" im Speziellen statt (Johnson et al. 2016).

Im Kontext der Seminararbeit soll die Rolle der KI in HRIS analysiert und deren strategische Potenziale aufgezeigt werden. In diesem Zusammenhang soll durch eine multiple Fallstudie führender (cloud-basierter) HRIS-Anbieter (wie SAP, Oracle, Workday und Personio (vgl. Gartner, 2023) untersucht werden, wie und für welche Zwecke diese KI-basierte Technologien in verschiedenen Funktionsbereichen eingesetzt werden. Dabei soll kritisch diskutiert werden, inwieweit Unternehmen durch den Einsatz solcher Technologien nicht nur administrative Prozesse automatisieren, sondern auch ihre strategischen Ziele (z. B. im Bereich Talent-Management und Kompetenzentwicklung) 'besser' erreichen können.

Literatur

• Arpoh-Baah B, Odoom D, Boakye AO, et al (2020) Making a case for the use of human resource information system in Ghanaian organizations: Views of employees of Anglogold Ashanti Iduapriem Mine Limited. Hum Resour Manag Res 10:13–21. https://doi.org/10.5923/j.hrmr.20201001.02
• Chambers EG, Foulon M, Handfield-Jones H, et al (1998) The war for talent. McKinsey Q 3:44–57
• Gartner (2023) Magic quadrant for cloud HCM suites for 1,000+ employee enterprises. www.gartner.com/doc/reprints. Zuletzt abgerufen am 24.09.2024.
• Johnson RD, Lukaszewski KM, Stone DL (2016) The evolution of the field of human resource information systems: co-evolution of technology and HR processes. Commun Assoc Inf Syst 38:533–553. doi.org/10.17705/1CAIS.03828
• Kavanagh MJ, Gueutal HG, Tannenbaum SI (1990) Human resource information systems: development and application. PWS-KENT Publishing, Boston, MA
• Michl J (2024) Personalinformationssysteme in der Personalentwicklung und im Talent-Management: Eine empirische Untersuchung zum strategischen Einsatz und zur Rolle von Stakeholder*innen. Springer Gabler, Wiesbaden

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.

Literatur

• 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.

Die zunehmende Integration von Informationstechnologie (IT) in Arbeitsprozesse bringt neben signifikanten Effizienzgewinnen auch negative Effekte wie Technostress und Technostrain mit sich. Technostress beschreibt die Belastungen, die durch den Umgang mit IT entstehen, während Technostrain die daraus resultierenden psychischen, physischen und behavioralen Folgen umfasst. Sowohl auf individueller als auch auf organisatorischer Ebene ist die Bewältigung dieser Stressfaktoren von zentraler Bedeutung, um die negativen Auswirkungen auf das Wohlbefinden der Mitarbeiter und die Produktivität des Unternehmens zu minimieren. Ziel dieser Seminararbeit ist es, intraindividuelle (individuelle Bewältigungsmechanismen) und organisationale Coping-Strategien (unternehmensseitige Maßnahmen; vgl. Pothuganti, 2024) zur Bewältigung von Technostress und Technostrain systematisch zu untersuchen und synthetisieren. Nach Tarafdar et al. (2019, S. 13) sind "coping responses […] under-studied, and the related insights have not been incorporated into the understanding of psychological stress. This presents a substantive opportunity to develop the technostress literature in a way that furthers mutual and itnerdisciplinary theoretical enrichment between the literature in IS and psychological stress". Entsprechend soll im Rahmen der Seminararbeit diese Forschungslücke zumindest im Ansatz geschlossen werden. Anhand einer systematischen Literaturrecherche soll die bestehende Forschung zu diesem Themenbereich gesichtet, synthetisiert und analysiert werden, um Coping-Strategien zur Stressbewältigung im IT-Umfeld herauszuarbeiten (vgl. Harunavamwe & Kanengoni, 2023). Die systematische Literaturrecherche zielt darauf ab, sowohl theoretische als auch empirische Studien zu identifizieren, die sich mit Coping-Mechanismen im Zusammenhang mit Technostress und Technostrain befassen. Die Arbeit soll einerseits bestehende Strategien kritisch analysieren und bewerten, andererseits aber auch Forschungslücken aufzeigen, die zukünftige Studien adressieren sollten.

Literatur

• Harunavamwe, M., & Kanengoni, H. (2023). Technology self-efficacy and mindfulness as coping strategies for technostress in hybrid work settings. In Conflict Management-Organizational Happiness, Mindfulness, and Coping Strategies. IntechOpen.
• Hauk, N., Göritz, A. S., & Krumm, S. (2019). The mediating role of coping behavior on the age-technostress relationship: A longitudinal multilevel mediation model. PloS one, 14(3), e0213349.
• Pothuganti, S. (2024). Technostress: A comprehensive literature review on dimensions, impacts, and management strategies. Computers in Human Behavior Reports, 100475.
• Tarafdar, M., Cooper, C. L., & Stich, J. F. (2019). The technostress trifecta‐techno eustress, techno distress and design: Theoretical directions and an agenda for research. Information Systems Journal, 29(1), 6-42.

Technostress hat sich in den letzten Jahren als zentrales Forschungsthema im Bereich der Informationssysteme (IS) etabliert und beschreibt die psychischen und physischen Belastungen, die durch die zunehmende Nutzung von IT-Systemen im Arbeitsumfeld entstehen. Trotz zahlreicher Studien zu den Ursachen (Antezedenzien) und Folgen von Technostress sowie den mediierenden und moderierenden Variablen, die diesen Prozess beeinflussen (vgl. angehängte Literaturliste), fehlt bislang eine umfassende und strukturierte Zusammenführung der Forschungsergebnisse in einem integrierten Modell (im Englischen: 'conceptual research model'). Die Zielsetzung dieser Seminararbeit besteht darin, den aktuellen Stand der Forschung zu Technostress systematisch zu erfassen, die relevanten Antezedenzien, Konsequenzen und mediierenden/moderierenden Variablen zu identifizieren und diese in einem konzeptionellen Forschungsmodell zu synthetisieren. Dies erfolgt durch eine systematische Literaturrecherche, die theoretische Ansätze, empirische Studien und praxisrelevante Erkenntnisse integriert. Das Ergebnis der Arbeit soll ein konzeptionelles Forschungsmodell sein, das alle relevanten Einflussgrößen und deren Wechselwirkungen strukturiert darstellt. Dieses Modell soll als Grundlage für zukünftige empirische Untersuchungen dienen und dazu beitragen, ein besseres Verständnis der Dynamik von Technostress in modernen Arbeitsumfeldern zu entwickeln.

Literatur

• Maier, C., Laumer, S., Thatcher, J. B., Wirth, J., & Weitzel, T. (2022). Trial-period technostress: A conceptual definition and mixed-methods investigation. Information Systems Research, 33(2), 489-514.
• Nisafani, A. S., Kiely, G., & Mahony, C. (2020). Workers’ technostress: A review of its causes, strains, inhibitors, and impacts. Journal of Decision Systems, 29(sup1), 243-258.
• Ragu-Nathan, T. S., Tarafdar, M., Ragu-Nathan, B. S., & Tu, Q. (2008). The consequences of technostress for end users in organizations: Conceptual development and empirical validation. Information systems research, 19(4), 417-433.
• Tarafdar, M., Tu, Q., Ragu-Nathan, B. S., & Ragu-Nathan, T. S. (2007). The impact of technostress on role stress and productivity. Journal of management information systems, 24(1), 301-328.
• Tarafdar, M., Cooper, C. L., & Stich, J. F. (2019). The technostress trifecta‐techno eustress, techno distress and design: Theoretical directions and an agenda for research. Information Systems Journal, 29(1), 6-42.
• Yan, Z., Guo, X., Lee, M. K., & Vogel, D. R. (2013). A conceptual model of technology features and technostress in telemedicine communication. Information Technology & People, 26(3), 283-297.

Das adaptive Lernen ist im Kontext des E-Learnings eine Spezialform, welche die Erkenntnisse unterschiedlicher Domänen zusammenbringt und auf dieser Basis, das Lernerlebnis für den Lernenden möglichst zu personalisieren.

Daraus entstehen einige Potenziale, die es aus der Literatur herauszuarbeiten gilt.

Im Rahmen dieser Seminararbeit sollen die Begrifflichkeiten E-Learning und adaptives Lernen definiert und anschließend in einen Kontext gesetzt werden. Ferner sollen auf dieser Basis die Potenziale, sowie Merkmale des adaptiven Lernens herausgearbeitet werden.

Dafür kann auch auf Case Studys zurückgegriffen werden.

Literatur

• Hammad, J., Hariadi, M., Jabari, N. A. M., Hariadi, M., Hery Purnomo, M., Jabari, N., & Kurniawan, F. (2018). E-learning and Adaptive E-learning Review. In IJCSNS International Journal of Computer Science and Network Security (Vol. 18, Issue 2). https://www.researchgate.net/publication/323933971
• Sun, G., Cui, T. R., Beydoun, G., Chen, S. P., Dong, F., Xu, D. M., & Shen, J. (2017). Towards Massive Data and Sparse Data in Adaptive Micro Open Educational Resource Recommendation: A Study on Semantic Knowledge Base Construction and Cold Start Problem. SUSTAINABILITY, 9(6). https://doi.org/10.3390/su9060898
• Hsu, P. S. (2012). Learner characteristic based learning effort curve mode: The core mechanism on developing personalized adaptive elearning platform. Turkish Online Journal of Educational Technology, 11(4), 210–220.
• Haag, F., Günther, S. A., Hopf, K., Handschuh, P., & Klose, M. (2023). Addressing Learners’ Heterogeneity in Higher Education: An Explainable AI-based Feedback Artifact for Digital Learning Environments. Wirtschaftsinformatik 2023 Proceedings.

Micro Learning wird häufig als Buzz-Word im Kontext des E-Learnings genannt.

Es gibt zahlreiche Einsatzgebiete, in denen Micro Learning Formate Einsatz finden.

Eins dieser Einsatzgebiete ist die betriebliche Weiterbildung.

Im Rahmen dieser Seminararbeit sollen die Begrifflichkeiten E-Learning und Micro Learning definiert und anschließend in einen gemeinsamen Kontext gesetzt werden. Die Prinzipien des Micro Learnings sind herauszuarbeiten. Ferner sollen auf dieser Basis die Potenziale, sowie Merkmale des Micro Learnings herausgearbeitet werden.

In diesem Rahmen sollen aktuelle Beispiele für den Einsatz von Micro Learning im innerbetrieblichen Kontext herausgearbeitet und vorgestellt werden.

Literatur

• Kossen, C., & Ooi, C. Y. (2021). Trialling micro-learning design to increase engagement in online courses. Asian Association of Open Universities Journal, 16(3), 299–310. https://doi.org/10.1108/AAOUJ-09-2021-0107
• Hug, T., Möller, H., & Mark, T. (2007). Microlearning: an Emerging Field in Science. Microlearning Conference, 2006, June, 1–324. https://www.uibk.ac.at/iup/buch_pdfs/microlearning2006-druck.pdf
• Sankaranarayanan, R., Leung, J., Abramenka-Lachheb, V., Seo, G., & Lachheb, A. (2023). Microlearning in Diverse Contexts: A Bibliometric Analysis. TechTrends: Linking Research & Practice to Improve Learning, 67(2), 260–276. http://10.0.3.239/s11528-022-00794-x
• Zuckerman, S. (2018). Optimize Safety Training by Properly Leveraging E-LEARNING. EHS Today, 11(6), 19–22. https://search.ebscohost.com/login.aspx?direct=true&AuthType=ip,shib,uid&db=buh&AN=132828235&site=ehost-live&scope=site
• Aguilera-Hermida, A. P., Quiroga-Garza, A., Gómez-Mendoza, S., del Río Villanueva, C. A., Avolio Alecchi, B., Avci, D., Alias, N. F., Razak, R. A., BERSIN, J., Beste, T., Cascio, W. F., Collins, S. L., Smith, T. C., Hack, G., Moorhouse, M. D., Cretu, I., Grigore, M., Scripcariu, I. S., de Troyer, O., … Garshasbi, S. (2023). A study of employees’ utilization of microlearning platforms in organizations. TechTrends: Linking Research & Practice to Improve Learning, 11(2), 37–50. https://doi.org/10.1007/s11187-021-00502-8

Künstliche Intelligenz (KI) findet zunehmend Einzug in verschiedene Bereiche der Gesellschaft, einschließlich der Hochschullehre. Besonders der Einsatz von ChatGPT, einem leistungsfähigen Sprachmodell, eröffnet neue Möglichkeiten zur Unterstützung von Lehr- und Lernprozessen. Die Seminararbeit zielt darauf ab, die Potenziale und Risiken dieser Technologie in der universitären Lehre zu analysieren. Dabei sollen sowohl positive Anwendungsszenarien wie die Verbesserung der individuellen Betreuung und die Automatisierung von Routineaufgaben, als auch Herausforderungen, etwa ethische Bedenken und die Auswirkungen auf das Lernverhalten der Studierenden, beleuchtet werden.

Literatur

• Harr, M. D., Wienand, M., & Schütte, R. (2024). Towards Enhanced E-Learning Within MOOCs: Exploring the Capabilities of Generative Artificial Intelligence Capabilities. https://aisel.aisnet.org/pacis2024/track14_educ/track14_educ/11
• Dwivedi, Y. K., Kshetri, N., Hughes, L., Slade, E. L., Jeyaraj, A., Kar, A. K., Baabdullah, A. M., Koohang, A., Raghavan, V., Ahuja, M., Albanna, H., Albashrawi, M. A., Al-Busaidi, A. S., Balakrishnan, J., Barlette, Y., Basu, S., Bose, I., Brooks, L., Buhalis, D., … Wright, R. (2023). Opinion Paper: “So what if ChatGPT wrote it?” Multidisciplinary perspectives on opportunities, challenges and implications of generative conversational AI for research, practice and policy. International Journal of Information Management, 71, 102642. https://doi.org/10.1016/j.ijinfomgt.2023.102642
• Wang, Z., Valdez, J., Basu Mallick, D., & Baraniuk, R. G. (2022). Towards Human-Like Educational Question Generation with Large Language Models. In Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics): Vol. 13355 LNCS. Springer International Publishing. https://doi.org/10.1007/978-3-031-11644-5_13
• Lund, B. D., Wang, T., & Ting, W. (2023). Chatting about ChatGPT: how may AI and GPT impact academia and libraries? Library Hi Tech News, 40(3), 26–29. https://doi.org/10.1108/LHTN-01-2023-0009

This seminar thesis focuses on the historical and scientific foundations of innovation, providing a comprehensive analysis of its evolution. Innovation, defined as the process of creating and implementing new ideas, products, services, or processes that add value or improve existing systems, has been a driving force in shaping economies and societies - from the early technological advancements during the Industrial Revolution to modern frameworks like disruptive innovation. Students are invited to investigate the origins of innovations, their historical contexts, and the scientific principles that facilitated their development. A central focus of the thesis will be an assessment of general economic, technological and other developments that have influenced innovation management. Ultimately, this seminar thesis will provide students with a deeper understanding of the historical and scientific roots of innovation, equipping them to contribute meaningfully to discussions on its future trajectory and influence on society.

Literatur

• Christensen, C. M. (2015). The innovator’s dilemma: When new technologies cause great firms to fail. Harvard Business Review Press.
• Christensen, C. M., McDonald, R., Altman, E. J., & Palmer, J. E. (2018). Disruptive Innovation: An Intellectual History and Directions for Future Research. Journal of Management Studies, 55(7), 1043–1078. https://doi.org/10.1111/joms.12349
• Lopes, A. P. V. B. V., Kissimoto, K. O., Salerno, M. S., Carvalho, M. M. de, & Laurindo, F. J. B. (2016). INNOVATION MANAGEMENT: A SYSTEMATIC LITERATURE ANALYSIS OF THE INNOVATION MANAGEMENT EVOLUTION. Brazilian Journal of Operations & Production Management, 13(1), Article 1. https://doi.org/10.14488/BJOPM.2016.v13.n1.a2
• Sawyer, R. K., & Henriksen, D. (2023). Explaining Creativity: The Science of Human Innovation (3rd ed.). Oxford University PressNew York. https://doi.org/10.1093/oso/9780197747537.001.0001

The concept of innovation is fundamental to understanding the dynamics of progress in various fields, particularly in the realm of Information Systems and Information Technology (IS/IT). Innovation refers to the process of creating and implementing new ideas, products, or methods that bring about significant changes or improvements. It is crucial for students to provide a precise definition of innovation as well as what is considered as a good innovation, since it provides a framework for distinguishing between mere novelties and truly transformative developments. Students should also explore frameworks and taxonomies that help explain and conceptualize innovation, providing a deeper understanding of its theoretical and conceptual foundations. This exploration will provide a deeper understanding of how innovation is perceived and applied across different contexts.

Furthermore, students are expected to examine the different classifications of innovations, identifying the various types and their respective impacts. Particular attention should be given to IS/IT innovations, which are pivotal in today’s digital age. These innovations often involve advancements in technology that reshape industries, improve efficiencies, and create new opportunities. By addressing these aspects, students will gain a comprehensive understanding of what innovation entails, its theoretical underpinnings, and its practical implications, particularly in the context of IS/IT.

Literatur

• Fagerberg, J., Fosaas, M., & Sapprasert, K. (2012). Innovation: Exploring the knowledge base. Research Policy, 41(7), 1132–1153. doi.org/10.1016/j.respol.2012.03.008
• Kahn, K. B. (2018). Understanding innovation. Business Horizons, 61(3), 453–460. doi.org/10.1016/j.bushor.2018.01.011
• Kochetkov, D. M. (2023). Innovation: A state-of-the-art review and typology. International Journal of Innovation Studies, 7(4), 263–272. doi.org/10.1016/j.ijis.2023.05.004
• Kogabayev, T., & Maziliauskas, A. (2017). The definition and classification of innovation. HOLISTICA – Journal of Business and Public Administration, 8(1), 59–72. doi.org/10.1515/hjbpa-2017-0005
• Raghavendra, G. S., & Krishna, P. R. (2015). Innovation in IT sector and future advances in cloud computing. 2015 International Conference on Signal Processing and Communication Engineering Systems, 389–390. doi.org/10.1109/SPACES.2015.7058291
• Ravichandran, T. (2018). Exploring the relationships between IT competence, innovation capacity and organizational agility. The Journal of Strategic Information Systems, 27(1), 22–42. doi.org/10.1016/j.jsis.2017.07.002
• Taylor, S. P. (2017). What Is Innovation? A Study of the Definitions, Academic Models and Applicability of Innovation to an Example of Social Housing in England. Open Journal of Social Sciences, 05(11), 128–146. doi.org/10.4236/jss.2017.511010
• Wisdom, J. P., Chor, K. H. B., Hoagwood, K. E., & Horwitz, S. M. (2014). Innovation Adoption: A Review of Theories and Constructs. Administration and Policy in Mental Health and Mental Health Services Research, 41(4), 480–502. doi.org/10.1007/s10488-013-0486-4

This seminar thesis focuses on the concept of innovation management. Innovation, defined as the process of creating and implementing new ideas, products, services, or processes that add value or improve existing systems, has been a driving force in shaping economies and societies. The management of innovation is a crucial role for companies to be successful. In order to gain an overview of the concept of innovation management, the student will clarify what innovation management actually is. To achieve this, it will be necessary to identify the origin of the term and explain the sub-functions of innovation management. The student will also develop a definition of “innovation management”. Furthermore, as part of the seminar thesis a differentiation from other terms (e.g., R&D, product management, etc.) is developed.

Literatur

• Adams, R., Bessant, J., & Phelps, R. (2006). Innovation management measurement: A review. International journal of management reviews, 8(1), 21-47.
• Lopes, A. P. V. B. V., Kissimoto, K. O., Salerno, M. S., Carvalho, M. M. de, & Laurindo, F. J. B. (2016). INNOVATION MANAGEMENT: A SYSTEMATIC LITERATURE ANALYSIS OF THE INNOVATION MANAGEMENT EVOLUTION. Brazilian Journal of Operations & Production Management, 13(1), Article 1. https://doi.org/10.14488/BJOPM.2016.v13.n1.a2
• Nambisan, S., Lyytinen, K., Majchrzak, A., & Song, M. (2017). Digital innovation management. MIS quarterly, 41(1), 223-238.
• Tidd, J. (2001). Innovation management in context: environment, organization and performance. International journal of management reviews, 3(3), 169-183.

This seminar thesis explores the various processes involved in innovation, emphasizing the methodologies and strategies organizations use to transform ideas into valuable products or services. Innovation processes encompass the entire lifecycle of innovation, from ideation and concept development to implementation and market introduction. This seminar will delve into different models of innovation processes, including linear models, stage-gate processes, and agile methodologies. Students are encouraged to analyze how these processes are managed and optimized in different organizational contexts, considering factors such as speed, efficiency, risk management, and market adaptability. Key aspects to be explored include the definition of innovation processes, the phases involved—such as tasks, goals, methods, and outcomes—as well as established approaches and standards. Students will critically assess the advantages and disadvantages of different approaches, their suitability for various contexts, and review real-world case studies to understand practical applications. The thesis will provide students with a thorough understanding of the critical elements that contribute to successful innovation processes, equipping them with the knowledge to enhance innovation efficiency in various industries.

Literatur

• Tidd, J., & Bessant, J. R. (2020). Managing innovation: integrating technological, market and organizational change. John Wiley & Sons.
• Cooper, R. G. (2011). Winning at new products: Creating value through innovation. Basic books.
• Trott, P. (2017). Innovation Management and New Product Development (6th ed.). Pearson.
• Van de Ven, A. H., Polley, D. E., Garud, R., & Venkataraman, S. (2008). The Innovation Journey. Oxford University Press

This seminar thesis examines the organizational structures and practices that foster innovation within companies and institutions. The focus will be on how organizations can be designed to encourage creativity, facilitate collaboration, and drive continuous innovation. Topics will include the role of leadership in innovation, organizational culture and climate, the impact of formal and informal networks, and the importance of cross-functional teams. Students will explore how innovation management (IM) is organized within companies, comparing different organizational alternatives and evaluating their respective advantages and disadvantages. For example, IM can be organized through either centralized or decentralized units. A centralized innovation unit consolidates all innovation activities in a dedicated team, ensuring control and alignment with top leadership, though it can reduce flexibility. On the other hand, a decentralized approach spreads innovation across departments, allowing quicker responses to market needs but risking inconsistent efforts and coordination challenges. The analysis will be supported by case studies of successful innovation organizations, providing practical insights into the challenges and opportunities of organizing for innovation in different sectors. The thesis will provide a comprehensive understanding of how organizational design and management practices can influence the innovation capacity of an organization.

Literatur

• Dyer, J. H., Gregersen, H. B., & Christensen, C. M. (2011). The Innovator's DNA: Mastering the Five Skills of Disruptive Innovators. Harvard Business Review Press.
• O’Reilly, C. A., & Tushman, M. L. (2016). Lead and Disrupt: How to Solve the Innovator’s Dilemma. Stanford University Press.
• Birkinshaw, J., & Gibson, C. (2014). Building Ambidexterity into an Organization. MIT Sloan Management Review, 45(4), 47-55.
• Chesbrough, H. (2003). Open Innovation: The New Imperative for Creating and Profiting from Technology. Harvard Business School Press.

This seminar thesis aims to explore the concept of innovation culture, analyzing its foundations, key elements, and practical implications within organizations. Culture, broadly defined as the shared values, beliefs, and norms that shape the behavior of individuals within a group, plays a critical role in how innovation is fostered in an organization. A culture of innovation refers to an organizational environment that consistently encourages and supports creativity, experimentation, and the implementation of new ideas across all levels. This thesis will break down the essential elements of an innovation culture, such as leadership support, risk tolerance, open communication, and the alignment of incentives with innovation goals. To illustrate these concepts, the study will include case studies from companies renowned for their innovation culture, highlighting the practical application of these elements and the outcomes achieved. Ultimately, this research will offer insights into how organizations can cultivate a sustainable culture of innovation, enhancing their competitive edge and adaptability in a rapidly changing world.

Literatur

• Arsawan, I. W. E., Koval, V., Rajiani, I., Rustiarini, N. W., Supartha, W. G., & Suryantini, N. P. S. (2022). Leveraging knowledge sharing and innovation culture into SMEs sustainable competitive advantage. International Journal of Productivity and Performance Management, 71(2), 405–428. https://doi.org/10.1108/IJPPM-04-2020-0192
• Dobni, C. B. (2008). Measuring innovation culture in organizations: The development of a generalized innovation culture construct using exploratory factor analysis. European Journal of Innovation Management, 11(4), 539–559. https://doi.org/10.1108/14601060810911156
• Leavy, B. (2005). A leader’s guide to creating an innovation culture. Strategy & Leadership, 33(4), 38–45. https://doi.org/10.1108/10878570510608031
• Schein, E. H. (1990). Organizational culture. (Vol. 45, Issue 2). American Psychological Association.

Creativity serves as the foundation for innovation, acting as the driving force behind the generation of new ideas and solutions. Understanding what creativity entails is essential for grasping its role in innovation. Students need to define creativity and should explore the relationship between creativity and innovation, examining how creative thinking fuels the innovation process.

In this context, various creativity techniques come into play, each with its own advantages and disadvantages. Students are expected to delve into these techniques, analyzing their effectiveness and applicability in different scenarios. Additionally, they should provide recommendations on when and how to use these techniques effectively. Explaining the integration of creativity techniques into the broader innovation process is also expected, as it highlights how structured creativity can lead to systematic innovation.

Moreover, the role of tool support in facilitating creativity should be discussed. Tools can enhance creative processes by providing structured methods for idea generation and development. By addressing these points, students will gain a comprehensive understanding of the importance of creativity in innovation, the techniques available to harness it, and how these techniques can be effectively integrated into the innovation process.

Literatur

• Gabriel, A., Monticolo, D., Camargo, M., & Bourgault, M. (2016). Creativity support systems: A systematic mapping study. Thinking Skills and Creativity, 21, 109–122. doi.org/10.1016/j.tsc.2016.05.009
• Hughes, D. J., Lee, A., Tian, A. W., Newman, A., & Legood, A. (2018). Leadership, creativity, and innovation: A critical review and practical recommendations. The Leadership Quarterly, 29(5), 549–569. doi.org/10.1016/j.leaqua.2018.03.001
• Kampylis, P. G., & Valtanen, J. (2010). Redefining Creativity—Analyzing Definitions, Collocations, and Consequences. The Journal of Creative Behavior, 44(3), 191–214. doi.org/10.1002/j.2162-6057.2010.tb01333.x
• Leopoldino, K. D. M., González, M. O. A., Ferreira, P. D. O., Pereira, J. R., & Souto, M. E. C. (2016). Creativity techniques: A systematic literature review. Product Management & Development, 14(2), 95–100. doi.org/10.4322/pmd.2016.015
• Meinel, M., & Voigt, K.-I. (2016). The Application and Impact of Creativity Techniques in Innovation Management. The XXVII ISPIM Innovation Conference – Blending Tomorrow’s Innovation Vintage, Porto, Portugal.
• Walia, C. (2019). A Dynamic Definition of Creativity. Creativity Research Journal, 31(3), 237–247. doi.org/10.1080/10400419.2019.1641787
• Yusuf, S. (2009). From creativity to innovation. Technology in Society, 31(1), 1–8. doi.org/10.1016/j.techsoc.2008.10.007

The concept of innovation is often closely linked to disruption, yet these two phenomena have distinct characteristics and implications, particularly from an economic and conceptual perspective. Innovation typically refers to the introduction of new ideas, products, or processes that enhance existing systems or create entirely new markets. Disruption, on the other hand, involves a more radical change, often upending established markets and displacing existing products or services.

Students should begin by clearly defining both innovation and disruption, highlighting the key economic and conceptual differences between them. Understanding the preconditions for disruption is essential, as it helps explain why and how certain innovations lead to such significant market shifts. This includes exploring theoretical models and explanations that outline the dynamics of disruption.

In addition to theoretical exploration, students are encouraged to examine real-world case studies that illustrate instances of innovation and disruption. These examples will provide practical insights into how disruptive innovations emerge, gain traction, and ultimately transform industries. By addressing these aspects, students will gain a deeper understanding of the nuances between innovation and disruption, the conditions that give rise to disruptive changes, and the real-world impact of such phenomena.

Literatur

• Christensen, C. M., Raynor, M., & McDonald, R. (2013). What Is Disruptive Innovation?
• Millar, C., Lockett, M., & Ladd, T. (2018). Disruption: Technology, innovation and society. Technological Forecasting and Social Change, 129, 254–260. doi.org/10.1016/j.techfore.2017.10.020
• Nagy, D., Schuessler, J., & Dubinsky, A. (2016). Defining and identifying disruptive innovations. Industrial Marketing Management, 57, 119–126. doi.org/10.1016/j.indmarman.2015.11.017
• Raynor, M. E. (2011). Disruption theory as a predictor of innovation success/failure. Strategy & Leadership, 39(4), 27–30. https://doi.org/10.1108/10878571111147378
• Terry, O. (2020). Disruption Innovation and Theory. Journal of Service Science and Management, 13(03), 449–458. https://doi.org/10.4236/jssm.2020.133030

This seminar thesis explores the concept of accelerated innovation, examining whether innovation cycles are indeed shortening, the reasons for this trend, and the challenges it presents. Accelerated innovation refers to the increasing speed of developing and launching new ideas, products, and technologies. This trend is driven by technological advancements, intense competition, and rapidly changing consumer demands.

The shortening of innovation cycles poses significant challenges for organizations, including the need for continuous adaptation, increased risk management, and sustaining long-term growth. The thesis will analyze the implications for management, emphasizing the importance of agility, strategic foresight, and a supportive culture to thrive in this fast-paced environment.

Practical recommendations will be offered for managing accelerated innovation, such as fostering cross-functional collaboration, investing in continuous learning, and utilizing digital tools for rapid prototyping. Case studies of companies successfully navigating accelerated innovation cycles will illustrate how organizations can maintain a competitive edge in an increasingly dynamic market.

Literatur

• Cooper, R. G. (2021). Accelerating innovation: Some lessons from the pandemic. Journal of Product Innovation Management, 38(2), 221-232.
• Frey, F. J., & Luks, M. (2016, July). The innovation-driven hackathon: one means for accelerating innovation. In Proceedings of the 21st European Conference on Pattern Languages of Programs (pp. 1-11).
• Rivas, R., & Gobeli, D. H. (2005). Accelerating innovation at Hewlett-Packard. Research-Technology Management, 48(1), 32-39.
• Williamson, P. J., & Yin, E. (2014). Accelerated innovation: The new challenge from China. MIT Sloan Management Review.

This seminar thesis focuses on IT- and information system-based innovation in research. nnovation, defined as the process of developing and implementing new ideas, products, services or processes that create added value or improve existing systems, is a key driver in shaping the economy and society. Due to the rapid pace of change in the digital world, successful innovation management is crucial for the success of organisations. In addition, information systems, IT and data processing are playing an increasingly important role. As part of the theoretical study, students will analyse the current state of research on IT and IS innovations. They will also examine how innovation management in organisations is designed with the help of different data sources. Finally, they will develop recommendations for promoting IT-based innovations by optimising structures, processes and methods in the information management of organisations.

Literatur

• Adams, R., Bessant, J., & Phelps, R. (2006). Innovation management measurement: A review. International journal of management reviews, 8(1), 21-47.
• Eveleens, C. (2010). Innovation management; a literature review of innovation process models and their implications. Science, 800(2010), 900.
• Naeini, A. B., Zamani, M., Daim, T. U., Sharma, M., & Yalcin, H. (2022). Conceptual structure and perspectives on “innovation management”: A bibliometric review. Technological Forecasting and Social Change, 185, 122052.
• Nambisan, S., Lyytinen, K., Majchrzak, A., & Song, M. (2017). Digital innovation management. MIS quarterly, 41(1), 223-238.

This seminar thesis focuses on the role of software tools and platforms in supporting innovation management within organizations. As innovation becomes increasingly complex, software solutions are essential for managing the various aspects of innovation, from idea generation and project management to collaboration and knowledge sharing. Students will explore different categories of innovation management software, such as idea management systems, project management tools, and collaboration platforms, examining the types of IT/IS tools available to support innovation management. The thesis will analyze the advantages and disadvantages of these tools, their potential applications, and provide recommendations for their use. Students will also investigate how these tools can be integrated into existing workflows to enhance innovation outcomes, considering the challenges of adopting and implementing software solutions in different organizational contexts. Case studies will be used to illustrate practical examples, with a clear emphasis that the thesis does not aim to compare specific products but rather to understand their strategic role in innovation management.

Literatur

• Goffin, K., & Mitchell, R. (2016). Innovation Management: Effective Strategy and Implementation (3rd ed.). Palgrave Macmillan.
• Tidd, J., & Bessant, J. (2020). Managing Innovation: Integrating Technological, Market, and Organizational Change (7th ed.). Wiley.
• Cooper, R. G., & Edgett, S. J. (2009). Product Innovation and Technology Strategy. Stage-Gate International.
• Paroutis, S., Heracleous, L., & Angwin, D. (2016). Practicing Strategy: Text and Cases (2nd ed.). SAGE Publications.

This seminar thesis will investigate how leadership styles influence innovation within organizations. It will explore how different approaches to leadership can either foster or hinder innovation by shaping organizational culture, employee behavior, and decision-making processes. Leadership plays a critical role in setting the tone for creativity and innovation by encouraging exploration, risk-taking, and collaboration. By examining various leadership styles, this thesis will provide insights into how effective leadership can drive innovation and support sustainable growth. Ultimately, this thesis will assess the existing literature, provide a deeper understanding of how leadership can shape innovation outcomes, and provide recommendations for action for successful leadership approaches in innovation management.

Literatur

• Eagly, A. H., & Johnson, B. T. (1990). Gender and leadership style: A meta-analysis. Psychological Bulletin, 108(2), 233–256. https://doi.org/10.1037/0033-2909.108.2.233
• Figueiredo, J. A. L., Chimenti, P., Cavazotte, F., & Abelha, D. (2022). A Decade of Research on Leadership and its Effects on Creativity-Innovation: A Systematic and Narrative Literature Review. Revista Brasileira de Gestao de Negocios, 24(1), 66–91. https://doi.org/10.7819/rbgn.v24i1.4151
• Hughes, D. J., Lee, A., Tian, A. W., Newman, A., & Legood, A. (2018). Leadership, creativity, and innovation: A critical review and practical recommendations. Leadership Quarterly, 29(5), 549–569. https://doi.org/10.1016/j.leaqua.2018.03.001
• Kremer, H., Villamor, I., & Aguinis, H. (2019). Innovation leadership: Best-practice recommendations for promoting employee creativity, voice, and knowledge sharing. Business Horizons, 62(1), 65–74. https://doi.org/10.1016/j.bushor.2018.08.010

This seminar thesis explores success factors for innovation activities in organizations. Innovation is a key driver of business success, enabling organizations to differentiate themselves, respond to market changes, and achieve sustainable growth. Innovation is a key driver of business success, enabling companies to differentiate themselves, respond to market changes, and achieve sustainable growth. The first objective of this seminar thesis is to identify success factors for innovation activities. In addition, the thesis will analyze the relevance of these factors. To achieve this, various studies in the field of innovation ecosystems will be analyzed. Additionally, real-world use cases can be considered into the analysis. The seminar paper can thus provide participants in innovation ecosystems with an overview of relevant success factors.

Literatur

• Groenewegen, G., & de Langen, F. (2012). Critical success factors of the survival of start-ups with a radical innovation. Journal of applied economics and business research, 2(3), 155-171.
• Rese, A., & Baier, D. (2011). Success factors for innovation management in networks of small and medium enterprises. R&d Management, 41(2), 138-155.
• Subtil de Oliveira, L., Echeveste, M. E., & Cortimiglia, M. N. (2018). Critical success factors for open innovation implementation. Journal of Organizational Change Management, 31(6), 1283-1294.
• Volberda, H. W., Van Den Bosch, F. A., & Heij, C. V. (2013). Management innovation: Management as fertile ground for innovation. European Management Review, 10(1), 1-15.

This seminar thesis explores the relationship between innovation and business success, investigating how innovation activities contribute to organizational performance. Innovation is a key driver of business success, enabling companies to differentiate themselves, respond to market changes, and achieve sustainable growth. The link between innovation and success can be measured through metrics such as revenue growth, market share, and the number of new products or services introduced.

Research indicates a strong correlation between a company’s innovation efforts and its overall success. Studies have shown that organizations with a robust innovation strategy tend to outperform their peers in financial performance and market positioning.

Therefore, the seminar thesis will provide management recommendations for enhancing innovation to drive business success, including fostering a culture that encourages creativity, investing in R&D, and implementing effective innovation management processes. Additionally, it will discuss the importance of regularly assessing innovation outcomes and aligning them with business goals. Through this exploration, the study aims to offer valuable insights for managers seeking to leverage innovation as a key factor in achieving and sustaining business success.

Literatur

• Anzola-Román, P., Bayona-Sáez, C., & García-Marco, T. (2019). Profiting from collaborative innovation practices: Identifying organizational success factors along the process. Journal of Management & Organization, 25(2), 239-262.
• Haizar, N. F. B. M., Kee, D. M. H., Chong, L. M., & Chong, J. H. (2020). The impact of innovation strategy on organizational success: A study of Samsung. Asia Pacific Journal of Management and Education (APJME), 3(2), 93-104.
• Ngo, L. V., & O'cass, A. (2013). Innovation and business success: The mediating role of customer participation. Journal of Business research, 66(8), 1134-1142.
• Santos, G., Afonseca, J., Lopes, N., Félix, M. J., & Murmura, F. (2018). Critical success factors in the management of ideas as an essential component of innovation and business excellence. International Journal of Quality and Service Sciences, 10(3), 214-232.

This seminar thesis examines the concept of Innovation Portfolio Management (IPM), a strategic approach to managing a diverse set of innovation projects within an organization. IPM involves selecting, prioritizing, and balancing innovation initiatives to align with business goals and optimize resource allocation. The concept aims to ensure that organizations maintain a mix of high-risk, high-reward projects alongside more incremental innovations, thereby maximizing overall value and minimizing risks.

The seminar thesis will explore various methods and approaches used in IPM, such as scoring models, strategic alignment frameworks, and stage-gate processes. These tools help organizations evaluate and manage their innovation portfolios effectively, ensuring a balanced investment across different types of innovation—ranging from breakthrough innovations to incremental improvements.

Practical recommendations for implementing IPM will include establishing clear criteria for project selection, fostering cross-functional collaboration, and continuously reviewing the portfolio to adapt to changing market conditions. Case studies of companies that have successfully implemented IPM will illustrate how this approach can drive sustained innovation and long-term business success by ensuring that resources are strategically allocated to the most promising and strategically aligned initiatives.

Literatur

• Eckert, T., & Hüsig, S. (2022). Innovation portfolio management: A systematic review and research agenda in regards to digital service innovations. Management Review Quarterly, 72(1), 187-230.
• Ernst, H., & Lichtenthaler, U. (2009). Innovation portfolio management: an understudied driver of innovation success?. International Journal of Technology Intelligence and Planning, 5(2), 111-117.
• Meifort, A. (2016). Innovation portfolio management: A synthesis and research agenda. Creativity and innovation management, 25(2), 251-269.
• Sicotte, H., Drouin, N., & Delerue, H. (2014). Innovation portfolio management as a subset of dynamic capabilities: Measurement and impact on innovative performance. Project Management Journal, 45(6), 58-72.

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-KI-Kollaboration untersucht, die bisher übersehen wurden. Die Zielsetzung verfolgt eine systematische  Literaturrecherchefür Human-AI Collaboration auf Basis in führenden WI-Fachzeitschriften und Konferenzen.

Literatur

• 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
• 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 Verwendung aktueller KI-Systeme erfolgt in den meisten Fällen in Anlehnung an die Handhabung eines Werkzeugs. Dabei liegt der Fokus vielfach auf der Kooperation, d. h. dem Einsatz spezifischer Fähigkeiten zur individuellen Zielerreichung. Um das Potenzial von KI voll auszuschöpfen, ist jedoch eine Verschiebung in Richtung Zusammenarbeit zwischen Menschen und Delegation von Aufgaben an Maschinen erforderlich. Das Seminarthema adressiert genau diesen Bereich, indem es Forschungsfragen behandelt, die die Hauptthemen und -genres der IS-Forschung im Bereich der agentenbasierten IS-Artefakte sowie die Aspekte der Mensch-KI-Kollaboration mit agentenbasierten IS untersuchen. Das Ziel dieses Themas ist die Analyse des wissenschaftlichen Standes der Forschung mittels systematischer Literaturrecherche im Bereich der Mensch-KI-Agenten.

Literatur

• 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.
• Benbya, H.; Pachidi, S.; and Jarvenpaa, S. (2021). Special Issue Editorial: Artificial Intelligence in Organizations: Implications for Information Systems Research. Journal of the Association for Information Systems, 22(2). DOI: 10.17705/1jais.00662
• 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.
• 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

Das Ökosystem im generative AI-Umfeld hat in den vergangenen Monaten und Jahren eine rasante Entwicklung erlebt. Mit der Einführung von Tools wie ChatGPT und Midjourney sind neue Möglichkeiten für die Erstellung von Inhalten, die Automatisierung von Aufgaben und die Interaktion mit digitalen Systemen entstanden, welche ohne tiefergreifende Technologiekenntnisse von einer breiten Masse an Nutzenden verwendet werden können. Zudem etablieren sich weitere Plattformen wie HuggingFace im (generativen) KI-Umfeld und auch in der Open Source Community tragen viele Projekte (z.B. LangChain oder Llama-Factory) und Modelle (z.B. Mistral, Llama) zum Generative AI-Ökosystem bei. Diese Fortschritte bieten nicht nur technische, sondern auch ethische, soziale und wirtschaftliche Implikationen. Eine werteorientierte Analyse dieses Technologie-Ökosystems ist entscheidend, um ihre Auswirkungen auf die Gesellschaft zu verstehen und Leitlinien für eine verantwortungsvolle Nutzung und Weiterentwicklung zu entwickeln. Vor diesem Hintergrund beschäftigt sich diese Seminararbeit mit der Untersuchung des generative AI-Ökosystems im Hinblick auf zentrale Teilnehmer und Werten und der Erstellung einer Wertekarte mittels e3value Notation.

Literatur

• Banh, L. & Strobel, G. (2023). Generative artificial intelligence. Electronic Markets 33(63). doi:10.1007/s12525-023-00680-1 
• Cusumano, M. A. (2023). Generative AI as a New Innovation Platform. Commun. ACM 66(10), pp. 18–21. doi:10.1145/3615859
• Cusumano, M. (2024). NVIDIA at the Center of the Generative AI Ecosystem---For Now. Commun. ACM 67(1), pp. 33–35. doi:10.1145/3631537
• Gordijn, Jaap (2002): Value-based Requirements Engineering. Exploring Innovative e-Commerce Ideas. Dissertation. Vrije Universiteit Amsterdam, Amsterdam. Available online at research.e3value.com/docs/bibtex/pdf/GordijnVBRE2002.pdf.
• Strobel, G.; Banh, L.; Möller, F.; Schoormann, T. (2024). Exploring Generative Artificial Intelligence: A Taxonomy and Types. Proceedings of the 57th Hawaii International Conference on System Sciences (HICSS).
• Wessel, M.; Adam, M.; Benlian, A.; Majchrzak, A.; Thies, F.; (2023). Call for Papers to the Special Issue: Generative AI and its Transformative Value for Digital Platforms. Journal of Management Information Systems
• Woroch, R.; Strobel, G.; Wulfert, T. (2022): Four Shades of Customer: How Value Flows in Fintech Ecosystems. ICIS 2022 Proceedings.

Generative KI hat das Potenzial, die Fähigkeiten von Menschen erheblich zu erweitern und zu demokratisieren. Dieser transformative Prozess eröffnet neue Möglichkeiten für persönliche und berufliche Entwicklung, birgt aber auch Herausforderungen, die sorgfältig angegangen werden müssen. Im Bereich der Fähigkeitserweiterung fungiert generative KI als leistungsstarker Assistent, der Menschen bei einer Vielzahl von Aufgaben unterstützen kann. Die Technologie ermöglicht es Nutzern, ihre kognitiven Fähigkeiten zu erweitern und effizienter zu arbeiten. So können beispielsweise Patienten Arztbriefe entschlüsseln und verstehen oder Nutzer ohne Programmierkenntnisse Software entwickeln. Trotz der vielversprechenden Möglichkeiten gibt es auch Herausforderungen. Die Abhängigkeit von KI könnte zu einer Vernachlässigung kognitiver Fähigkeiten führen. Es besteht die Gefahr einer „Filterblase“ und der Verbreitung von Falschinformationen. Zudem sind die Auswirkungen auf den Arbeitsmarkt komplex, mit möglichen Verschiebungen in Berufsfeldern und erforderlichen Fähigkeiten.

Ziel dieser Seminararbeit die Durchführung und Analyse von Experteninterviews, um ein tieferes Verständnis über die tatsächliche Erweiterung und Demokratisierung von Fähigkeiten sowie bestehende Hürden aus der Perspektive von Nutzern zu erlangen.

Literatur

• Banh, L. & Strobel, G. (2023). Generative artificial intelligence. Electronic Markets 33(63). doi:10.1007/s12525-023-00680-1 
• Feuerriegel S, Hartmann J, Janiesch C, Zschech P (2024). Generative AI. Business & Information Systems Engineering 66(1):111–126. doi:10.1007/s12599-023-00834-7
• Holmström, J., & Carroll, N. (2024). How organizations can innovate with generative AI. Business Horizons.
• Strobel, G. & Banh, L. (2024). What Did the Doctor Say? Empowering Patient Comprehension with Generative AI. ECIS 2024 Proceedings. https://aisel.aisnet.org/ecis2024/track18_healthit/track18_healthit/15
• Teubner T, Flath CM, Weinhardt C, van der Aalst W, Hinz O (2023). Welcome to the Era of ChatGPT et al. Business & Information Systems Engineering 65(2):95–101. doi:10.1007/s12599-023-00795-x 
• Wu-Gehbauer, M and Rosenkranz, C, "Towards a Framework for Developing Artificial Intelligence Systems for Human-Artificial Intelligence Augmentation" (2024). ECIS 2024 Proceedings. 3. https://aisel.aisnet.org/ecis2024/track06_humanaicollab/track06_humanaicollab/3 

Vor der Entwicklung von generativen KI-Modellen sind die durch Kreativität geprägten Brachen weitestgehend unberührt von den Entwicklung der künstlichen Intelligenz geblieben. Mit der Einführung von Large Language Models (LLMs) oder Bildgeneratoren auf Basis von Generative Adversarial Networks (GANs) ist es erstmals möglich die Kreativität von Menschen zu imitieren. Die Möglichkeiten reichen von dem Schreiben spannender Geschichten oder Social Media Posts, über das Erstellen von Produkt- und Textildesigns bis zur Generierung von Ton- und Videomaterialen. Jedoch beeinflussen das komplexe Prompting, ungeklärte urheberrechtliche Fragen und Bedenken bezüglich möglicher Arbeitsplatzverluste die Akzeptanz und Verbreitung. Daher beschäftigt sich diese Seminararbeit mit den Einsatzmöglichkeiten sowie Einflussfaktoren für die Nutzung oder Vermeidung generativer KI-Modelle in kreativen Domänen.

Ziel dieser Arbeit ist die Durchführung und Auswertung von Experteninterviews zur Analyse der Nutzung, Akzeptanz und Wahrnehmung von generativer KI (GenAI) aus der Perspektive von Nutzern in kreativen Aufgabenbereichen.

Literatur

• Amankwah-Amoah, J., Abdalla, S., Mogaji, E., Elbanna, A., & Dwivedi, Y. K. (2024). The impending disruption of creative industries by generative AI: Opportunities, challenges, and research agenda. International Journal of Information Management, 102759.
• Banh, L. & Strobel, G. (2023). Generative artificial intelligence. Electronic Markets 33(63). doi:10.1007/s12525-023-00680-1 
• Benbya, H; Strich, F; and Tamm, T (2024) "Navigating Generative Artificial Intelligence Promises and Perils for Knowledge and Creative Work," Journal of the Association for Information Systems, 25(1), 23-36. doi: 10.17705/1jais.00861
• Eapen, T. T., Finkenstadt, D. J., Folk, J., & Venkataswamy, L. (2023). How Generative AI Can Augment Human Creativity: Use it to promote divergent thinking. Harvard Business Review, 101(4), 56-64. hbr.org/2023/07/how-generative-ai-can-augment-human-creativity
• Feuerriegel S, Hartmann J, Janiesch C, Zschech P (2024). Generative AI. Business & Information Systems Engineering 66(1):111–126. doi:10.1007/s12599-023-00834-7
• Rafner, J., Beaty, R.E., Kaufman, J.C. et al. Creativity in the age of generative AI. Nat Hum Behav 7, 1836–1838 (2023). doi:10.1038/s41562-023-01751-1
• Riemer, K., & Peter, S. (2024). Conceptualizing generative AI as style engines: Application archetypes and implications. International Journal of Information Management, 79, 102824.
• Zhou E, Lee D, Generative artificial intelligence, human creativity, and art. PNAS Nexus. 3(3). doi:10.1093/pnasnexus/pgae052

Die Entwicklung und Verbreitung moderner KI-Systeme wie ChatGPT haben die Art und Weise, wie wir textuelle Inhalte erstellen und mit Informationen umgehen, grundlegend verändert. Large Language Models (LLMs) bieten vielfältige Möglichkeiten in der Texterstellung und -bearbeitung. Sie können genutzt werden, um Textentwürfe für verschiedene Zwecke zu generieren, sei es für Blogbeiträge, Produktbeschreibungen oder E-Mails. Darüber hinaus unterstützen sie bei der Recherche und Ideenfindung sowie bei der Erstellung von Zusammenfassungen und Gliederungen. LLMs finden auch außerhalb der klassischen Textbearbeitung Anwendung, beispielsweise in der Softwareentwicklung als Codegeneratoren. Diese Fähigkeiten können zu erheblichen Effizienzsteigerungen führen, Fachwissen breiter zugänglich machen und Sprachbarrieren abbauen. Allerdings bergen sie auch inhärente Limitationen wie Halluzinationen oder Bias, die zur Verbreitung von Fehlinformationen oder Inhalten minderer Qualität führen können. Dies kann die Akzeptanz und Nutzung von LLMs negativ beeinflussen. Vor diesem Hintergrund befasst sich die Seminararbeit mit der Identifikation von Faktoren, die die Nutzung textbasierter KI-Tools beeinflussen, sowie mit den bestehenden Hindernissen aus der Perspektive der Nutzer.

Ziel dieser Arbeit ist dabei die Durchführung und Auswertung von entsprechenden Interviews zur Analyse der Wahrnehmung der Nutzer von textbasierten GenAI-Tools in verschiedenen Domänen.

Literatur

• Banh, L. & Strobel, G. (2023). Generative artificial intelligence. Electronic Markets 33(63). doi:10.1007/s12525-023-00680-1 
• Burton, J. W., Lopez-Lopez, E., Hechtlinger, S., Rahwan, Z., Aeschbach, S., Bakker, M. A., ... & Hertwig, R. (2024). How large language models can reshape collective intelligence. Nature Human Behaviour, 1-13.
• Feuerriegel S, Hartmann J, Janiesch C, Zschech P (2024). Generative AI. Business & Information Systems Engineering 66(1):111–126. doi:10.1007/s12599-023-00834-7
• Oesinghaus, A; Elshan, E; and Sandvik, HO, "The Future of Work Unleashed: Generative AI's Role in Shaping Knowledge Workers' Autonomous Motivation" (2024). ECIS 2024 Proceedings. 12.
  aisel.aisnet.org/ecis2024/track04_impactai/track04_impactai/12
• Teubner T, Flath CM, Weinhardt C, van der Aalst W, Hinz O (2023). Welcome to the Era of ChatGPT et al. Business & Information Systems Engineering 65(2):95–101. doi:10.1007/s12599-023-00795-x 

Die Einführung und Entwicklung von KI-gestützten Bildbearbeitungs- und Generierungstools hat in den letzten Jahren eine regelrechte Revolution in der visuellen Kreativbranche ausgelöst. Diese Technologien bringen enorme Potenziale mit sich und verändern die Art und Weise, wie wir Bilder erstellen, bearbeiten und nutzen. Die Potenziale dieser Technologien sind vielfältig und weitreichend. Sie ermöglichen eine Demokratisierung der Kreativität, indem sie auch Menschen ohne umfangreiche Designkenntnisse erlauben, hochwertige visuelle Inhalte zu erstellen. Dies eröffnet neue Möglichkeiten für Unternehmen, Bildungseinrichtungen sowie Einzelpersonen. Professionelle Designer und Künstler können von einer Effizienzsteigerung profitieren, indem sie repetitive Aufgaben automatisieren und sich auf kreative Aspekte konzentrieren. Zudem inspirieren KI-Tools zu neuen künstlerischen Ausdrucksformen und ermöglichen die Erstellung von Bildern, die zuvor unmöglich oder extrem zeitaufwendig gewesen wären. Trotz des enormen Potenzials gibt es auch Herausforderungen. Datenschutzbedenken, ethische Fragen bezüglich der Verwendung von KI-generierten Bildern und mögliche Auswirkungen auf den Arbeitsmarkt müssen adressiert werden. Vor diesem Hintergrund befasst sich die Seminararbeit mit der Identifikation von Faktoren, die die Nutzung bildbasierter KI-Tools beeinflussen, sowie mit den bestehenden Hindernissen aus der Perspektive der Nutzer.

Ziel dieser Arbeit ist die Durchführung und Auswertung von Experteninterviews zur Analyse der Wahrnehmung der Nutzer von bildbasierten GenAI-Tools.

Literatur

• Banh, L. & Strobel, G. (2023). Generative artificial intelligence. Electronic Markets 33(63). doi:10.1007/s12525-023-00680-1 
• Feuerriegel S, Hartmann J, Janiesch C, Zschech P (2024). Generative AI. Business & Information Systems Engineering 66(1):111–126. doi:10.1007/s12599-023-00834-7
• Jiang, H. H., Brown, L., Cheng, J., Khan, M., Gupta, A., Workman, D., ... & Gebru, T. (2023). AI Art and its Impact on Artists. In Proceedings of the 2023 AAAI/ACM Conference on AI, Ethics, and Society (pp. 363-374).
• Ko H-K, Park G, Jeon H, Jo J, Kim J, Seo J (2023). Large-scale Text-to-Image Generation Models for Visual Artists’ Creative Works. In: Proceedings of the 28th International Conference on Intelligent User Interfaces, New York, NY, USA, S 919–933. doi:10.1145/3581641.3584078 
• Riemer, K and Peter, S, "What the Lone Banana Problem reveals about the Nature of Generative AI" (2023). ACIS 2023 Proceedings. 86. aisel.aisnet.org/acis2023/86

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 eines morphologischen Kastens, der die möglichen Ausprägungen der Governance-Mechanismen widerspiegelt.

Literatur

• 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.

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 eines morphologischen Kastens, der die möglichen Ausprägungen der Governance-Mechanismen widerspiegelt.

Literatur

• 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.

Plattformbasierte Ökosysteme dominieren den E-Commerce und schaffen durch Teilnehmerwachstum und Netzwerkeffekte Wert. Der elektronische Handel ermöglicht Transaktionen mit physischen und digitalen Gütern ohne räumliche und zeitliche Einschränkungen. Erfolgreiche Unternehmen wie Amazon Marketplace, Walmart Marketplace und Tmall.com betreiben digitale Marktplätze, die auf den wirtschaftlichen Prinzipien zweiseitiger Märkte basieren. Um die komplexen Prozesse in digitalen Geschäftsökosystemen zu steuern, orchestrieren Plattformbetreiber weltweit unabhängige Teilnehmer. Als zentrale Akteure legen sie Governance-Regeln fest, die den Wertaustausch zwischen den Beteiligten regeln. Die Seminararbeit untersucht vor diesem Hintergrund Governance-Mechanismen, die für die Orchestrierung auf E-Commerce-Plattformen eingesetzt werden, anhand einer fallübergreifenden Studie.

Zur Durchführung der Studie stellt der Lehrstuhl eine initiale Liste von E-Commerce-Unternehmen sowie eine Übersicht möglicher Governance-Mechanismen bereit. Ziel der Seminararbeit ist die Erstellung eines morphologischen Kastens, der die möglichen Ausprägungen der Governance-Mechanismen widerspiegelt.

Literatur

• Wulfert, Tobias; Woroch, Robert; Strobel, Gero (2024): Follow the flow: An exploratory multi-case study of value creation in e-commerce ecosystems. In Information & Management 61 (8), p. 104035. DOI: 10.1016/j.im.2024.104035.
• 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.

This topic explores how GitHub Actions, a feature for automating workflows, is utilized by developers and its effects on reusability and collaboration. It investigates how developers implement these automated features into their projects, their experiences with the technology, and the measurable impacts on collaborative metrics such as pull request rejection rates,resolution time of issues and commit frequencies. The goal is to understand the benefits and challenges associated with GitHub Actions in real-world workflow environments, with a focus on how it influences collaborative practices through the lens of practice theory.

Research Questions:

• How do GitHub Actions influence collaborative practices among distributed teams, particularly in terms of improving task coordination and efficiency?
• What are the measurable effects of GitHub Actions on collaborative metrics, such as pull request rejection rates, issue resolution times, and commit frequencies, across different types of projects (open-source versus commercial projects)?

Literatur

• Khatoonabadi, S., Costa, D. E., Mujahid, S., & Shihab, E. (2023). Understanding the helpfulness of stale bot for pull-based development: An empirical study of 20 large open-source projects. ACM Transactions on Software Engineering and Methodology, 33(2), 1-43.
• Kinsman, T., Wessel, M., Gerosa, M. A., & Treude, C. (2021, May). How do software developers use github actions to automate their workflows?. In 2021 IEEE/ACM 18th International Conference on Mining Software Repositories (MSR) (pp. 420-431). IEEE.
• Saroar, S. G., & Nayebi, M. (2023, June). Developers’ perception of GitHub Actions: A survey analysis. In Proceedings of the 27th International Conference on Evaluation and Assessment in Software Engineering (pp. 121-130).
• Wessel, M., Mens, T., Decan, A., & Mazrae, P. R. (2023). The GitHub development workflow automation ecosystems. In Software Ecosystems: Tooling and Analytics (pp. 183-214). Cham: Springer International Publishing.
• Wessel, M., Vargovich, J., Gerosa, M. A., & Treude, C. (2023). Github actions: the impact on the pull request process. Empirical Software Engineering, 28(6), 131.

This topic explores the adaptation and adoption of open-source collaboration practices within various types of projects hosted on GitHub, including both commercial and non-commercial settings. Using practice theory as a framework, it examines how GitHub’s features and workflows—such as pull requests, issue tracking, and project boards—shape collaborative practices across different project types. Practice theory allows us to understand how these tools and routines become embedded into daily workflows, influencing both individual behaviors and collective practices within teams. The focus is on how these open-source practices impact team dynamics, code reuse, and knowledge sharing. By investigating these adaptations through the lens of practice theory, the goal is to gain insights into the benefits, challenges, and evolving practices of integrating open-source collaboration methods into diverse development environments.

Research Questions:

• How do GitHub’s collaboration features, such as pull requests and issue tracking, become embedded in the everyday workflows of teams, and how do they affect team dynamics and communication in commercial versus non-commercial projects?
• What specific GitHub features and workflows are most effectively utilized by various projects to support collaboration, and how do these practices differ between commercial and non-commercial environments?
• How does the use of GitHub’s project boards and workflows create and reinforce knowledge-sharing practices among distributed teams, and how do these practices evolve differently across various project settings?
• What are the challenges associated with implementing open-source collaboration practices in non-traditional settings, and what are the impacts of adopting open-source collaboration practices on team communication, code reuse, and knowledge sharing in Github projects?

Literatur

• Constantino, K., Zhou, S., Souza, M., Figueiredo, E., & Kästner, C. (2020, June). Understanding collaborative software development: An interview study. In Proceedings of the 15th international conference on global software engineering
• Dabbish, L., Stuart, C., Tsay, J., & Herbsleb, J. (2012, February). Social coding in GitHub: transparency and collaboration in an open software repository. In Proceedings of the ACM 2012 conference on computer supported cooperative work (pp. 1277-1286).
• Kalliamvakou, E., Damian, D., Blincoe, K., Singer, L., & German, D. M. (2015, May). Open source-style collaborative development practices in commercial projects using GitHub. In 2015 IEEE/ACM 37th IEEE international conference on software engineering
• Zhou, S., Vasilescu, B., & Kästner, C. (2019, August). What the fork: a study of inefficient and efficient forking practices in social coding. In Proceedings of the 2019 27th ACM joint meeting on european software engineering conference and symposium on the foundations of software engineering (pp. 350-361).

Neuro Symbolic AI systems must be designed for scalability and flexibility to handle dynamic business needs and growing data volumes. Enterprise modeling can assist by providing blueprints for scalable hybrid AI solutions, ensuring that systems can evolve alongside business requirements.

Research Questions:

• How does enterprise modeling contribute to the design of scalable hybrid AI systems capable of adapting to changing business environments?
• What are the key factors in ensuring the flexibility of hybrid AI systems across different enterprise architectures?

Literatur

• Smirnov, A., Shilov, N., & Ponomarev, A. (2023, July). Facilitating Enterprise Model Classification via Embedding Symbolic Knowledge into Neural Network Models. In International Conference on Deep Learning Theory and Applications (pp. 269-279). Cham: Springer Nature Switzerland.
• Capogrosso, L., Mascolini, A., Girella, F., Skenderi, G., Gaiardelli, S., Dall'Ora, N., ... & Cristani, M. (2023, September). Neuro-Symbolic Empowered Denoising Diffusion Probabilistic Models for Real-Time Anomaly Detection in Industry 4.0: Wild-and-Crazy-Idea Paper. In 2023 Forum on Specification & Design Languages (FDL) (pp. 1-4). IEEE.

As AI systems become more integral to decision-making processes across various industries, the need for explainability and transparency grows. Explainable AI (XAI) addresses these concerns, but many AI models, particularly those based on neural networks, lack clear interpretability. Neuro-Symbolic AI (NSAI) offers a promising solution for XAI by combining neural network capabilities with symbolic reasoning, providing both powerful pattern recognition and logical explainability. Enterprise Modeling (EM) complements this by structuring domain knowledge into process models, rules, and ontologies. This sub-topic explores how integrating NSAI with EM can enhance the development of explainable, transparent AI systems for complex decision-making environments.

Research Questions:

• In what ways can enterprise modeling frameworks be adapted to ensure explainability and transparency of Hybrid AI systems for decision-making?
• What are the key challenges in combining symbolic reasoning with neural networks for XAI, and how can Enterprise Modeling address these challenges?

Literatur

• Pisano, G., Ciatto, G., Calegari, R., & Omicini, A. (2020). Neuro-symbolic computation for XAI: Towards a unified model. In CEUR WORKSHOP PROCEEDINGS (Vol. 2706, pp. 101-117). Sun SITE Central Europe, RWTH Aachen University.
• Pechtor, V. (2024, June). Towards Explainable Public Sector AI: An Exploration of Neuro-Symbolic AI and Enterprise Modeling (Short Paper). In International Conference on Advanced Information Systems Engineering (pp. 109-114). Cham: Springer Nature Switzerland.
• Stirna, J., Persson, A.: Enterprise Modeling: Facilitating the Process and the People. Springer International Publishing, Cham (2018).
• Smirnov, A., Agafonov, A., & Shilov, N. Studying Trustworthiness of Neural-Symbolic Models for Enterprise Model Classification via Post-Hoc Explanation.

Evaluating the performance of hybrid AI systems is critical for ensuring that they meet business goals. Enterprise models can provide a structured way to assess system performance, offering clear metrics and evaluation frameworks that align with organizational objectives.

Research Questions:

• How can enterprise models be used to define and measure the performance of hybrid AI systems within business environments?
• What metrics can be derived from enterprise models to evaluate the effectiveness of hybrid AI systems?

Literatur

• Al-Okaily, A., Teoh, A. P., & Al-Okaily, M. (2023). Evaluation of data analytics-oriented business intelligence technology effectiveness: an enterprise-level analysis. Business Process Management Journal, 29(3), 777-800.
• J. Renkhoff, K. Feng, M. Meier-Doernberg, A. Velasquez and H. H. Song, "A Survey on Verification and Validation, Testing and Evaluations of Neurosymbolic Artificial Intelligence," in IEEE Transactions on Artificial Intelligence, vol. 5, no. 8, pp. 3765-3779, Aug. 2024, doi: 10.1109/TAI.2024.3351798.

With the advancements in digital technologies and innovations in healthcare, the ways in which medical services are delivered have transformed immensely. With such integration of new technologies like telemedicine, wearable devices, and artificial intelligence (AI), continued digitalization of the services within healthcare have become integral. For example, electronic health records (EHRs) have enabled healthcare providers to store, access, and share patient data more efficiently, improving the continuity of care (Bardhan & Thouin, 2013; Kohli & Tan, 2016). Additionally, blockchain technologies are enhancing the security and integrity of patient data, offering a decentralized and tamper-proof method for managing both non- and electronic health records (Singh et al., 2021; Attaran, 2022). With these and many other digital innovations that have taken root within healthcare, it showcases the broader shift towards a more patient-centered care, not only allowing patients to become more involved and make more proactive decisions in their health journeys, but modernizing the means to do so (Raghupathi & Raghupathi, 2014).

Research Question: What are the challenges healthcare organizations are facing with integrating digital technologies and what measures are taking place to ensure the security and privacy of patient data while adopting new digital technologies?

Literatur

• Attaran, M. (2022). Blockchain technology in healthcare: Challenges and opportunities. International Journal of Healthcare Management, 15(1), 70-83.
• Bardhan, I., & Thouin, M. F. (2013). Health information technology and its impact on the quality and cost of healthcare delivery. Decision Support Systems, 55(2), 438-449.
• Kohli, R., & Tan, S. S. L. (2016). Electronic health records. Mis Quarterly, 40(3), 553-574.
• Raghupathi, W., & Raghupathi, V. (2014). Big data analytics in healthcare: promise and potential. Health Information Science and Systems, 2(1), 3.
• Singh, S., Bhatt, P., Sharma, S. K., & Rabiu, S. (2021). Digital transformation in healthcare: Innovation and technologies. In Blockchain for Healthcare Systems (pp. 61-79). CRC Press.
• Martin, G., Kinross, J., Hankin, C., & Darzi, A. (2017). Cybersecurity and healthcare: How safe are we? BMJ Innovations, 3(3), 155-160.

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 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 are also playing a crucial role in the rise of platform ecosystems, where patients and providers can directly connect, share data, and collaborate across different healthcare services (Topol, 2019).

Research Question:What role do platform ecosystems play in reshaping the patient-provider relationship in healthcare? How has this relationship affected the business models for how health organizations provide their service(s)?

Literatur

• 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.
• 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—a integrative review and research agenda. IEEE Access, 11, 135811-135819.

With the ongoing digital transformation in numerous sectors and society, risks and unintended consequences and even ethical issues of the increasing use of digital technologies are becoming increasingly apparent (Pappas et al. 2023, Vial 2019) and the role of digital responsibility is increasingly being discussed (Lobschat et al. 2021; Trier et al. 2023). Digital responsibility at its core refers to the holistic approach of addressing the risks and unintended consequences associated with the use of digital technologies through principles such as participation, transparency, fairness, accountability and privacy throughout the lifecycle of digital technologies (Lobschat et al. 2021; Trier et al. 2023). In addition to this, digital responsibility can also be positively framed as a responsibility to proactively take advantage of the potentials that the use of digital technologies offers for individuals, organizations and society, for example for promoting sustainable and responsible digital transformation (Pappas et al. 2023).

Within this context, organizations are facing the ongoing challenge of how artificial intelligence can be developed, implemented and applied both successfully and responsibly as the implementation of artificial intelligence is associated with numerous risks and unintended consequences (Berente et al. 2021; Mikalef 2022).

A relevant question in this context is therefore how digital responsibility shapes the implementation of AI in organizations and, for example, promotes or hinders AI implementation.

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 with artificial intelligence in an organizational context.

Literatur

• Berente, N., Gu, B., Recker, J., & Santhanam, R. (2021). Managing artificial intelligence. MIS quarterly, 45(3).
• Lobschat, L., Mueller, B., Eggers, F., Brandimarte, L., Diefenbach, S., Kroschke, M., & Wirtz, J. (2021). Corporate digital responsibility. Journal of Business Research, 122, 875-888.  
• Mikalef, P., Conboy, K., Lundström, J. E., & Popovič, A. (2022). Thinking responsibly about responsible AI and ‘the dark side’of AI. European Journal of Information Systems, 31(3), 257-268.  
• Pappas, I. O., Mikalef, P., Dwivedi, Y. K., Jaccheri, L., & Krogstie, J. (2023). Responsible digital transformation for a sustainable society. Information Systems Frontiers, 25(3), 945-953.  
• Trier, M., Kundisch, D., Beverungen, D., Müller, O., Schryen, G., Mirbabaie, M., & Trang, S. (2023). Digital Responsibility: A Multilevel Framework for Responsible Digitalization. Business & Information Systems Engineering, 65(4), 463-474.  
• Vial, G. (2019). Understanding digital transformation: A review and a research agenda. Journal of Strategic Information Systems, 28, 118-144.

Despite the high adoption of artificial intelligence, many organizations still face challenges in introducing robust artificial intelligence systems, minimizing artificial intelligence risks and realizing significant performance improvements (Berente et al. 2021; Papagiannidids et al. 2023). 

Against the backdrop of national and international initiatives, regulatory frameworks and ongoing digital transformation, the role of responsible artificial intelligence has increased (Bughin 2024). At its core responsible artificial intelligence aims at exploiting the potentials of artificial intelligence while minimizing the associated risks for individuals and society (Dennehy et al. 2023; Vassilakopoulou et al. 2022).

A relevant question in this context is therefore which approaches, strategies and practices organizations choose towards responsible AI.

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 with artificial intelligence in an organizational context.

Literatur

• Berente, N., Gu, B., Recker, J., & Santhanam, R. (2021). Managing artificial intelligence. MIS quarterly, 45(3).
• Bughin, J. (2024). Doing versus saying: responsible AI among large firms. AI & SOCIETY, 1-13.
• Dennehy, D., Griva, A., Pouloudi, N., Dwivedi, Y. K.., Mäntymäki, M., Pappas, I. O. (2022). Artificial Intelligence (AI) and Information Systems: Perspectives to Responsible AI. Information Systems Frontiers,25(1), 1–7.
• Papagiannidis, E., Enholm, I. M., Dremel, C., Mikalef, P., Krogstie, J. (2023). Toward AI Governance: Identifying Best Practices and Potential Barriers and Outcomes. Information Systems Frontiers, 25, 123–14.
• Vassilakopoulou, P., Parmiggiani, E., Shollo, A., Grisot, M. (2022). Responsible AI: Concepts, critical perspectives and an Information Systems research agenda. Scandinavian Journal of Information Systems, 34(2), Article 3.

The relevance of artificial intelligence (AI) governance has been discussed in the literature from the perspective of different disciplines like information systems or ethics and law (Koniakou 2023, Papagiannidis et al. 2023, Schneider et al. 2023, Taeihagh 2021).

Due to the highly dynamic nature of technological developments, digital transformation in organizations and society and new regulatory frameworks and the rise of generative AI, the topic of AI governance is more relevant than ever.

Therefore, new findings on effective approaches to AI governance are still of high interest for research and practice (Schneider et al. 2023; Van Giffen & Ludwig 2023)

As part of this seminar, the current state of research on AI governance in organizations will be examined using a systematic literature analysis.

Literatur

• Koniakou, V. (2023). From the “rush to ethics” to the “race for governance” in Artificial Intelligence. Information Systems Frontiers, 25(1), 71-102.
• Van Giffen, B., Ludwig, H. (2023). How Boards of Directors Govern Artificial Intelligence. MIS Quarterly Executive, 22(4), Article 7.
• Taeihagh, A. (2021). Governance of artificial intelligence. Policy and society, 40(2), 137-157.
• Papagiannidis, E., Enholm, I. M., Dremel, C., Mikalef, P., Krogstie, J. (2023). Toward AI Governance: Identifying Best Practices and Potential Barriers and Outcomes. Information Systems Frontiers, 25, 123–14.
• Schneider, J., Abraham, R., Meske, C., & Vom Brocke, J. (2023). Artificial intelligence governance for businesses. Information Systems Management, 40(3), 229-249.

Sustainability, which includes environmental, social, and economic dimensions, has evolved from a corporate responsibility to a critical factor in strategic decision-making. Companies are no longer focused solely on profit maximization, but are increasingly required to contribute positively to both society and the environment.

At the same time, digital transformation opens up new possibilities for businesses to innovate and remain competitive (Christmann et al. 2024; Lingelbach and Feroz 2024). However, the interplay between these two trends raises important questions: How does the growing emphasis on sustainability shape digital transformation strategies? How do digital businesses integrate sustainability into their models?

In this seminar paper, you will analyze the relationship between sustainability and digital transformation, using either a systematic literature review or qualitative methods to explore this critical intersection.

Literatur

• Christmann, Anne-Sophie; Crome, Carlotta; Graf-Drasch, Valerie; Oberländer, Anna Maria; Schmidt, Leonie (2024): The Twin Transformation Butterfly. In Bus Inf Syst Eng 66 (4), pp. 489–505.
• Lingelbach, Kembley and Feroz, A. Karim, "Towards Sustainable Digital Transformation: A convergence of sustainability and Digital Transformation" (2024). AMCIS 2024 Proceedings. 11.

When Process mining is a technique that allows companies to visualize and optimize their processes by identifying inefficiencies, bottlenecks, and resource wastage ​(van der Aalst 2016)​. In the context of sustainability, reducing resource consumption and carbon emissions is a top priority. Businesses are under increasing pressure to transition to sustainable practices, requiring new methods to assess and reduce their environmental impact.

Process mining can significantly contribute to this goal by offering data-driven insights that lead to more sustainable business processes. While Green Business Process Management (BPM) has traditionally been more qualitative, process mining brings quantitative rigor, enabling businesses to track energy consumption, reduce waste, and lower emissions ​(Graves et al. 2023)​.

In this seminar paper, you will investigate how process mining can be applied to reduce a company's CO2 footprint. Your research may take the form of a systematic literature review or a qualitative analysis. For the latter, collaboration with industry partners to gather real-world data could provide valuable insights.

Literatur

• Graves, Nina; Koren, István; van der Aalst, Wil M.P. (2023): ReThink Your Processes! A Review of Process Mining for Sustainability. In : 2023 International Conference on ICT for Sustainability (ICT4S). 2023 International Conference on ICT for Sustainability (ICT4S). Rennes, France, 05.06.2023 - 09.06.2023: IEEE, pp. 164–175.
• van der Aalst, Wil (2016): Process Mining. Berlin, Heidelberg: Springer Berlin Heidelberg

The European Union has committed to ambitious Sustainability Development Goals (SDGs) aimed at securing a socially, environmentally, and economically sustainable future. Simultaneously, the digital transformation is advancing across all sectors, offering both opportunities and challenges for achieving these objectives.

While digital technologies can enhance efficiency, optimize resource use, and contribute innovative solutions to societal challenges, they also raise concerns about their environmental footprint and social consequences, such as the widening digital divide and ethical considerations ​ (Carmen et al. 2020)​. For the EU, the alignment of digital transformation with sustainability goals requires coordinated efforts among policymakers, businesses, and civil society. Legal frameworks and policies must ensure that innovation does not come at the expense of environmental sustainability ​(Del Río Castro et al. 2021)​.

This seminar paper invites you to assess how digital transformation impacts the EU's progress towards its SDGs, with a focus on the policies, technologies, and stakeholders involved. A systematic literature review will provide a foundation for understanding the complexities at the intersection of these two domains.

Literatur

• Carmen LEONG, Felix Tan, and Manju Ahuja (2020): IS for good - 10 years to SDG: Where we have been and where we need to go? In ICIS 2020 Proceedings Societal Impact.
• Del Río Castro, Gema; González Fernández, María Camino; Uruburu Colsa, Ángel (2021): Unleashing the convergence amid digitalization and sustainability towards pursuing the Sustainable Development Goals (SDGs): A holistic review. In Journal of Cleaner Production 280, p. 122204.

Following the highly pervasive and effective use of agile practices and methods at the team level, many traditional as well as software organizations explore to replicate this success at the organizational level, adopting large-scale agile methods (Carrol et al. 2023). The introduction of agile practices throughout the organization, i.e. beyond the team level and IT, is described as “agile transformation”. In this way, agile approaches are being used as a valid means of dealing with the all-embracing digitalization. Agility is therefore often regarded as the driver of an organization's DT (Mikalsen et al. 2018). Widespread digitalization, increasing complexity, and dynamic competitive conditions require companies to demonstrate flexibility and speed of response to drive DT toward a digital business.

As part of this seminar paper, qualitative interviews will be conducted with practitioners (alternative A: agile experts; alternative B: IS experts involved in DT and applying agile practices) to explore how agile methodology positively influences and even fosters digital transformation. 

Literatur

• Carroll, Noell, Conboy, Kieran, and Wang, Xiaofeng (2023). "From transformation to normalisation: An exploratory study of a large-scale agile transformation," Journal of Information Technology, 38(3), Article 3.
• Mikalsen, M., Moe, N. B., Stray, V. & Nyrud, H. (2018). Agile digital transformation: a case study of interdependencies. In Proceedings of the 39th International Conference on Information Systems (ICIS). Association for Information Systems (AIS).

The process of digital transformation entails changes in both the value chains and structures of organizations (Vial 2019). This flux of changes can influence to question the conventional ways of working in business processes by indicating the importance of agility and flexibility in the configuration of organizational processes during digital transformation (Bayiere et al. 2018). 

As part of this seminar paper, qualitative interviews will be conducted with practitioners (alternative A: agile experts; alternative B: IS experts involved in DT and applying agile practices) to explore how digital transformation activities influence and even foster organizational agility.   

Literatur

• Baiyere, A, Tapanainen, T, & Salmela, H. (2018). Digital Transformation: Role of Agility in Business Processes, AMCIS 2018 Proceedings. 129.
• Vial, G. (2019). Understanding digital transformation: A review and a research agenda. Journal of Strategic Information Systems, 28, 118-144.

Due to market, customer, and digitalization dynamism, practitioners find agile methodology to fit these challenges best for planning, delivery, and continual adaptation of their business models.  An organization’s capacity to respond, adapt quickly and thrive in the changing environment, has become a strategic imperative for many CEOs, as organizations struggle to keep up with, and adapt to, the rapidly shifting business context (Timmermans & Schulman, 2017). An agile organization is not only ‘flexible’ to cater for predictable changes but also is able to respond and adapt to unpredictable changes quickly and efficiently (Oosterhout et al., 2006).

With establishing new ways of working and adopting agile practices, changes in culture are required incl. changes in the thinking, deciding and behaving of organizational members to meet the fullest potential of agile methodology (Holbeche 2019). The quest for organizational agility significantly challenges accepted paradigms of what it means to be, and to run, an organization. It also challenges assumptions about in whose name value is created.

As part of this seminar paper a systematic literature review will be conducted to explore how agile values and practices influence organizational culture.

Literatur

• Holbeche, L. S. (2019). Shifts in Organizational Culture When Implementing Agility. Journal of Creating Value, 5(2), 124-138. 
• Oosterhout M. v., Waarts E., van Hillegersberg J. (2006). Change factors requiring agility and implications for It, European Journal of Information Systems, 15(2), 132–145.
• Timmermans K., Schulman D. (2017). Increasing Agility to Fuel Growth and Competitiveness, Accenture Strategy www.accenture.com/t20170331T025702Z__w__/us-en/_acnmedia/PDF-4/Accenture-Strategy-Increasing-Agility-to-Fuel-Growth-and-Competitiveness-Research-v2.pdf

Modeling plays an essential role in software development. 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 concern its behavior (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 offering 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 defined 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.

Literatur

• 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. Proceedings 11 (pp. 33-44). Springer International Publishing.

In den letzten Jahren hat die Vorstellung von digitalen Zwillingen eine beachtliche Aufmerksamkeit erfahren, so etwa in der industriellen Produktentwicklung und -produktion, in der Medizin wie auch zur Unternehmensplanung und -steuerung. Auf der Grundlage eines differenzierten Begriffs von digitalen Zwillingen – das schließt verschiedene Ausprägungsformen ein – sind Entwicklungsmethoden, Architekturen und Einsatzszenarien zu betrachten. Vor diesem Hintergrund sind abschließend die ökonomischen Potentiale digitaler Zwillinge zu beurteilen.

Literatur

• Atkinson, Colin; Kühne, Thomas (2022): Taming the Complexity of Digital Twins. In: IEEE Softw. 39 (2), S. 27–32. DOI: 10.1109/MS.2021.3129174.
• Das, Trisha; Wang, Zifeng; Sun, Jimeng (2023): TWIN: Personalized Clinical Trial Digital Twin Generation. In: Ambuj Singh (Hg.): Proceedings of the 29th ACM SIGKDD Conference on Knowledge Discovery and Data Mining. KDD '23: The 29th ACM SIGKDD Conference on Knowledge Discovery and Data Mining. Long Beach CA USA, 06 08 2023 10 08 2023. ACM Special Interest Group on Knowledge Discovery in Data; ACM Special Interest Group on Management of Data; ACM SIGs. New York,NY,United States: Association for Computing Machinery (ACM Digital Library), S. 402–413.
• van der Valk, Hendrik; Haße, Hendrik; Möller, Frederik; Otto, Boris (2022): Archetypes of Digital Twins. In: Bus Inf Syst Eng 64 (3), S. 375–391. DOI: 10.1007/s12599-021-00727-7.
• Zhang, Yan (2024): Digital Twin. Architectures, Networks, and Applications. 1st ed. 2024. Cham: Springer Nature Switzerland; Imprint Springer (Simula SpringerBriefs on Computing, 16).