Themenliste

Die folgende Liste zeigt die offenen Thesisthemen am Lehrstuhl für Wirtschhaftsinformatik und Systementwicklung.
Durch Klicken auf den Titel werden detailliertere Angaben zum Inhalt und Ansprechpartner angezeigt.

Beschreibung In der Thesis soll mit Hilfe einer Umfrage unter Hochschulen erfasst und analysiert werden, welche Anforderungen Hochschulen an eine zentrale Plattform zur Vermittlung von Weiterbildungskursen u.a. für Doktoranden stellen. Auf dieser Grundlage sollen die wesentlichen Features einer derartigen Plattform ähnlich einem ersten sog. "Lastenheft" formuliert werden.
Status Frei
Betreuer/-in Frédéric Thiesse (E-Mail)
Beschreibung Machine Learning (ML) Modelle ermöglichen die Automatisierung einer Vielzahl an Aufgaben und Prozessen. Häufig erfordern präzise Vorhersagen und Klassifikationsergebnisse allerdings eine große Datenmenge für das zielgerichtete Training der Modelle. Die Sammlung neuer Daten kann aber sehr zeit- und ressourcenaufwändig sein. In der Folge mangelt es in der Praxis oft an diesen wichtigen Daten. Hier können synthetische Daten Abhilfe leisten, indem mittels KI-basierter Verfahren neue und realistische Datenpunkte generiert werden. Ziel der Arbeit ist es, einen strukturierten Überblick über die breite Palette an Datensynthese-Tools mit deren spezifischen Vor- und Nachteilen herauszuarbeiten. Je nach Rahmen wird im Zuge der Arbeit eine Spezialisierung auf ein Datenformat vorgenommen (Tabellarisch, Bildbasiert, Textbasiert).
Status Vorgemerkt
Betreuer/-in Peter Kowalczyk (E-Mail)
Beschreibung Deepfakes stellen ein enormes Problem für die Gesellschaft dar. So ist deren möglichst rasche (automatisierte) Erkennung von großer Bedeutung zur Vermeidung weitreichender Konsequenzen. Angesichts der Vielzahl verschiedener Bestreben entsprechende Deepfake Detektoren zu entwerfen, stellt sich diesbezüglich die Frage nach dem aktuellen Entwicklungsstand. Konkret sind neben den Entwicklungen und deren Funktionsweise (Algorithmen, Feature Set) die betroffene Domäne sowie die zugrundeliegende Datenbasis von Forschungsinteresse, um ggf. entsprechende Lücken zu identifizieren. Zu diesem Zweck soll eine strukturierte Literaturrecherche nach Vom Brocke et al. (2009) durchgeführt werden um diese Informationen in einer Konzeptmatrix zusammenzutragen. Ggf. soll zusätzlich eine Taxonomie nach Nickerson et al. (2013) entworfen werden.
Status Vorgemerkt
Betreuer/-in Peter Kowalczyk (E-Mail)
Beschreibung Synthetic Media bezeichnet digitale Medieninhalte (Bilder, Video, Audio, Text etc.), die durch künstliche Intelligenz erzeugt, bearbeitet oder überhaupt erst möglich gemacht werden. Der Teilbereich "Synthetic Audio" umfasst die Generierung von Sprache (z.B. Imitation realer Sprecher), die Umwandlung von Text in Sprache, aber auch KI-generierte Musik und einzelne Klänge. Der Fokus der Thesis soll auf dem letztgenannten Bereich liegen und sowohl konzeptionell wie auch praktisch die Nutzung von KI zur Erzeugung von Klängen z.B. für Musikproduktion oder die Nutzung in Software betrachten.
Status Frei
Betreuer/-in Frédéric Thiesse (E-Mail)
Beschreibung Der Einsatz von Methoden aus dem Bereich Deep Learning zur Realisierung datengetriebener Anwendungen in Unternehmen nimmt stetig zu. Aktuelle Implementierungsversuche stehen jedoch oftmals vor den Problemen, dass (i) nicht genügen Daten für das Training der Modelle vorhanden sind oder (ii) die verfügbaren Daten aufgrund von Datenschutzverordnungen nicht für das Training genutzt werden dürfen. Um diese Probleme zu umgehen, stellt Federated Learning einen neuen und vielversprechenden Ansatz dar, der es ermöglicht, Deep Learning Modelle kollaborativ auf verteilten Clients unter der Koordination eines zentralen Servers zu trainieren. In diesem Zusammenhang stellt sich jedoch die Frage, wie eine Personalisierung der Federated Learning Modelle (bspw. für die einzelnen Clients und deren individuellen Anforderungen) durchgeführt werden kann. Vor diesem Hintergrund führen Sie in dieser Arbeit eine strukturierte Literaturrecherche nach Vom Brocke (2009) zum Thema „Personalization in Federated Learning“ durch. Anschließend evaluieren Sie die Performance unterschiedlicher Ansätze zur Personalisierung von Federated Learning Systemen in einem konkreten Anwendungsfall.
Status Vorgemerkt
Betreuer/-in Marco Röder (E-Mail)
Beschreibung Die Synthese stellt die aufwändigste Phase während einer strukturierten Literaturrecherche dar. Die Qualität der Synthese ist entscheidend für den Erkenntnisgewinn sowie um Forschungslücken aufzudecken. Es gibt eine Vielzahl an Tools zur (Teil-) Automatisierung des Prozesses. Allerdings gibt es keinen strukturierten Überblick über die Vielzahl der vorhandenen Tools. Ziel der Thesis ist es daher, eine strukturierte Analyse zu solchen Tools durchzuführen und konzeptionell aufzubereiten. Hierbei sind neben dem Verfahrenstyp (text-, zitationsbasiert oder hybrid), insbesondere das konkrete Verfahren und dessen Funktionsweise, der Aufwand seitens des Anwenders im Vorfeld und der Reifegrad des Tools interessant.
Status Vorgemerkt
Betreuer/-in Peter Kowalczyk (E-Mail)
Beschreibung Der Markt fordert zunehmend eine Verantwortungsübernahme der Unternehmen in Bezug auf Nachhaltigkeit und soziale Aspekte. Allerdings geht der damit verknüpfte Wandel des Marktes mit der neuartigen Herausforderung in Form des sog. Greenwashings einher. Hierbei suggerieren Unternehmen entsprechende Bemühungen um ein umweltbewusstes und verantwortungsbewusstes Wirtschaften, ohne dass es hierzu eine ausreichende Grundlage gibt. Der zuverlässigen Identifikation von Greenwashing wird somit vor dem Hintergrund dieses Trends eine zunehmende Bedeutung zuteil. Methoden des maschinellen Lernens könnten maßgeblich bei der automatischen Identifikation von Greenwashing Aktivitäten unterstützen. Ziel dieser Arbeit ist es daher, ein KI-basiertes System zu entwickeln, welches in der Lage ist Texte auf das Vorhandensein von Greenwashing automatisch zu untersuchen. Hierzu soll zunächst eine Recherche nach bestehenden Tools sowie deren Funktionsweisen durchgeführt werden. Im Anschluss soll der design-orientierte Forschungsansatz dargelegt werden, welcher die methodische Grundlage für die Entwicklung des Detection Systems darstellt. Im Anschluss soll das System entwickelt und anschließend anhand eines Beispieldatensatzes demonstriert (evaluiert) werden. Programmierkenntnisse in Python sind für diese Abschlussarbeit erforderlich!
Status Frei
Betreuer/-in Peter Kowalczyk (E-Mail)
Beschreibung Die Art und Weise, wie ein Arzt die Symptome eines Patienten interpretiert, ist entscheidend dafür, dass die Diagnose richtig gestellt wird. Bis zur Approbation haben Ärzte viel Übung im Verfassen von Patientennotizen, in denen die Anamnese der Patientenbeschwerden, die Befunde der körperlichen Untersuchung, mögliche Diagnosen und die Nachsorge dokumentiert werden. Um das Verfassen von Patientennotizen zu erlernen und zu bewerten, ist das Feedback von anderen Ärzten erforderlich. Die Bewertung von Patientennotizen durch Ärzte ist jedoch ein zeitaufwändiger Prozess, der durch maschinelles Lernen verbessert werden könnte. In dieser Arbeit werden Sie spezifische klinische Konzepte in Patientennotizen identifizieren. Zunächst wird eine strukturierte Literaturrecherche nach vom Brocke et al. (2009) durchgeführt, um geeignete Ansätze zur natürlichen Sprachverarbeitung zu identifizieren. Im Rahmen der Recherche sollen auch der Anwendungszweck, die verwendeten Daten und die entsprechenden Evaluationsmetriken und -ergebnisse herausgearbeitet werden. Anschließend sollen geeignete Methoden ausgewählt und auf einen klinischen Datensatz angewendet und diskutiert werden (vgl. Link). Daten: https://www.kaggle.com/c/nbme-score-clinical-patient-notes/overview
Status Frei
Betreuer/-in Janine Rottmann (E-Mail)
Beschreibung Der Schritt der Feature Extraction stellt in jedem Machine Learning Projekt einen zeitaufwendigen und erfolgskritischen Aspekt dar. So werden im Bereich der Betrugserkennung beispielsweise in einem ersten Schritt häufig Verfahren eingesetzt, um (i) linguistische und/oder (ii) inhaltsbasierte Feature aus Texten zu extrahieren. Anschließend wird auf Basis dieser Feature ein Klassifikationsmodell zu trainieren, um vorherzusagen, ob der Autor eines Textes betrügerische Absichten hegt. Ob das Modell letztendlich die richtigen Schlüsse zieht, hängt somit von den im ersten Schritt extrahierten Featuren ab. Eine alternative und vielversprechende Möglichkeit, diesen Prozess der Feature Exktration zu automatisieren, stellt der Einsatz von sogenannten Encoder-Decoder-Modellen dar. Das Encoder-Modell nimmt dabei die Input Feature entgegen und projiziert diese auf einen sogenannten "encoded state". Das Decoder Modell nutzt diesen "encoded state" anschließend, um bestmöglich bspw. den ursprünglichen Text zu reproduzieren. Hierbei stellt sich jedoch die Frage, ob nach dem Training eines Encoder-Decoder Modells der "encoded state" dazu geeignet ist, das klassische Feature Extraction zu automatisieren und die Performance von nachgeschalteten Klassifikationsmodellen verbessern kann. In dieser Arbeit beantworten Sie diese Frage. Hierzu führen Sie zunächst eine strukturierte Recherche zu dem Einsatz von Encoder-Decoder Modellen hinsichtlich der beschriebenen Fragestellung durch. Anschließend verfolgen Sie einen Design-orientierten Forschungsansatz für die Entwicklung eines Automated Feature Extraction Systems. Abschließend demonstrieren Sie die Eignung des entwickelten Systems an einen Beispieldatensatz. Programmierkenntnisse in Python sind für diese Abschlussarbeit erforderlich!
Status Vorgemerkt
Betreuer/-in Marco Röder (E-Mail)
Beschreibung Das Konzept Federated-Learning beschreibt einen dezentralen und datenschutzkonformen Ansatz für ein kollaboratives Training maschineller Lernmodelle. Hierbei initialisiert ein neutraler Serviceprovider den Trainingsprozess und verteilt ein initiales globales Modell an die teilnehmenden Clients. Anschließend trainieren die Clients das Modell auf ihren privaten Daten und senden die aktualisierten Modellparameter zurück an den Serviceprovider, der diese nutzt, um das globale Modell zu aktualisieren. Hierdurch wird es möglich, Machine-Learning-Modelle auch über Unternehmensgrenzen hinweg gemeinsam mit verschiedenen Partnern und unter Einhaltung des Datenschutzes zu trainieren. Hierbei stellt sich jedoch die Frage, wie die Eignung von Federated-Learning-Systemen sowohl betriebswirtschaftlich als auch technisch evaluiert werden kann. Vor diesem Hintergrund führen Sie in dieser Thesis zunächst eine strukturierte Literaturrecherche zu Federated-Learning-Anwendungen durch. Anschließend entwickeln Sie literaturbasiert eine Taxonomie über die Evaluationsmöglichkeiten von Federated-Learning-Systemen.
Status Vorgemerkt
Betreuer/-in Marco Röder (E-Mail)
Beschreibung Das Thema "Künstliche Intelligenz" gewinnt in einer digitalisierten Welt mit diversen datenbasierten Services und Applikationen zunehmend an Bedeutung. Das IS Forschungsfeld beleuchtet die Schnittstelle zwischen u.a. Technologien, Ökonomie und Psychologie und greift dabei auch Fragestellungen rund um das Thema KI auf. Die Wissenschaft leistet hierdurch einen maßgeblichen Beitrag zur Entwicklung sicherer Applikationen und klärt bspw. über der Bereitschaft der Nutzer zur Annahme neuer datengetriebener Technologien auf. Durch den Aufstieg von Systemen getrieben durch künstliche Intelligenz wurden im IS Bereich eine Reihe neuer Studien mit dem Fokus auf das Thema KI veröffentlicht. Die methodischen und theoretischen Beiträge der IS Forschung zum Thema KI sind allerdings sehr facettenreich. Ziel der Thesis ist es daher einen strukturierten Überblick zu dem Thema "The Artificial Intelligence Era" aus der IS Perspektive zu erarbeiten. Hierzu soll die Literatur im Senior Scholar's Basket of Eight (https://aisnet.org/page/SeniorScholarBasket) im Rahmen einer strukturierten Literaturrecherche analysiert werden. Die Studien sollen nach deren Art des Forschungsbeitrages strukturiert werden. Zudem sollen Details zu beleuchteten Technologien und das grundsätzliche Vorgehensmodell relevanter Studien aufgezeigt werden. Anhand des strukturierten Überblicks sollen mithilfe von unüberwachten Klusterverfahren prävalente Muster in der IS Literatur aufgedeckt und anschließend diskutiert werden. [Die Thesis kann nach Wunsch in deutscher oder englischer Sprache verfasst werden]
Status Vorgemerkt
Betreuer/-in Peter Kowalczyk (E-Mail)
Beschreibung KI benötigt Daten. Oft mangelt es an entsprechenden Daten. So ist möglicherweise die Datenqualität nicht hinreichend, zu wenig Daten sind verfügbar, bestimmte Daten werden benötigt oder es bestehen Einschränkungen hinsichtlich der Privatsphäre. Genau hier können synthetische Daten Abhilfe schaffen. Ziel dieser Thesis ist es daher anhand eines praktischen Beispiels die Effekte der Einbindung synthetischer Daten hinsichtlich der Performance der KI oder der Privatsphäre zu beleuchten. Im Vergleich sollen Szenarien mit und ohne synthetische Daten gegenübergestellt werden. Hierzu soll ein geeignetes Praxisbeispiel mit dem Ziel der Vorhersage gewählt werden. [Die Thesis kann nach Wunsch in deutscher oder englischer Sprache verfasst werden. Programmierkenntnisse werden vorausgesetzt.]
Status Frei
Betreuer/-in Peter Kowalczyk (E-Mail)
Beschreibung Federated Learning und Synthetic Data sind zwei verschiedene Konzepte im Zeitalter der künstlichen Intelligenz. Während bei der ersten Technologie dezentrale KI-Modelle trainiert werden deren Gewichte an zentraler Stelle aggregiert werden, zielen das Konzept der synthetischen Daten auf die Bereitstellung künstlich generierter Daten für KI. Neue Forschungsbestreben vereinen nun beide Technologien (z.B. https://arxiv.org/abs/2203.05931). Die Autoren beschreiben einen Ansatz, bei welchem dezentral KI-Modelle zur Generierung synthetischer Daten trainiert und deren Parameter im Sinne von Federated Learning an zentraler Stelle aggregiert werden. Hierdurch entsteht annahmegemäß ein Modell zur Generierung synthetischer Daten, welches ausgereifter ist als die lokalen Instanzen. Hier stellt sich jedoch die Frage inwiefern dieses Konzept praktikabel ist und ob es einen positiven Effekt auf die Qualität der generierten Daten hat. Ziel der Thesis ist es daher eine datenbasierte Analyse des Ansatzes von FedSyn im Kontext der Vorhersagemodellierung durchzuführen und der Frage nach den Effekten nachzugehen. [Die Thesis kann nach Wunsch in deutscher oder englischer Sprache verfasst werden. Programmierkenntnisse werden vorausgesetzt.]
Status Frei
Betreuer/-in Peter Kowalczyk (E-Mail)
Beschreibung Methoden und Verfahren aus dem Bereich der künstlichen Intelligenz besitzen das potenzial, die Wettbewerbsfähigkeit von Unternehmen deutlich positiv zu beeinflussen. Da für das Training solcher Verfahren oftmals große Datenmengen benötigt werden, sind kleine und mittelständische Unternehmen (KMUs) aufgrund einer ungenügenden Datenbasis oftmals im Nachteil gegenüber größeren Wettbewerbern. Eine Möglichkeit, dieses Problem zu umgehen, stellt der Zusammenschluss von KMUs in einem Federated-Learning-System dar. Hierin trainieren die Teilnehmer gemeinsam auf ihren privaten Daten ein Machine-Learning-Modell, ohne die tatsächlichen Daten preiszugeben. Hierbei stellt sich jedoch die Frage, welche Faktoren die Entscheidung von KMUs hinsichtlich der Teilnahme in einem Federated-Learning-System beeinflussen. Vor diesem Hintergrund führen Sie in dieser Arbeit zunächst eine strukturierte Literaturrecherche nach Vom Brocke et al. (2006) durch, um geeignete Modelle der IT-Adaption aufzufinden und die bekannten IT-Adaptionsfaktoren aus der Literatur strukturiert darzustellen. Anschließend folgen Sie einem erklärungsorientierten Forschungsansatz und entwickeln einen wissenschaftlich fundierten Interviewleitfade. Mit dem Ziel, die genannte Fragestellung zu beantworten, führen Sie anschließend selbstständig leitfadengestützte Experteninterviews durch und werten diese abschließend aus.
Status Vorgemerkt
Betreuer/-in Marco Röder (E-Mail)
Beschreibung KI und damit zahlreiche KI-getriebenen Informationssysteme benötigen Daten. Oft mangelt es an entsprechenden Daten. So ist möglicherweise die Datenqualität nicht hinreichend, zu wenig Daten sind verfügbar, bestimmte Daten werden benötigt oder es bestehen Einschränkungen hinsichtlich der Privatsphäre. Genau hier können synthetische Daten Abhilfe schaffen. Ziel dieser Thesis ist es zunächst einen strukturierten Überblick für die Potentiale, die mit der Nutzung von synthetischen Daten für Informationssysteme einhergehen zu erstellen. Darauffolgend sollen synthetische Daten aus Sicht der strategischen Planung in Organisationen untersucht werden. Hierbei soll Bezug auf grundlegende Werke und Ansätze genommen werden (z.B. John Ward & Joe Peppard (2002) "Strategic Planning for Information Systems"). Zuletzt sollen ausgewählte Use Cases zur Nutzung synthetischer Daten für Informationssysteme (high und low impact) retroperspektiv anhand der Literatur zur strategischen Planung analysiert werden. [Die Thesis kann nach Wunsch in deutscher oder englischer Sprache verfasst werden]
Status Vorgemerkt
Betreuer/-in Peter Kowalczyk (E-Mail)
Beschreibung Die low-code Softwarelösung "Copilot" von OpenAI ist seit kurzem für die breite Masse verfügbar und verspricht eine Reihe an Unterstützungen. So wird Anwendern versprochen mittels Copilot Programmiersprachen oder neue Frameworks einfach zu erlernen oder Fehler zu lösen. Aber können solche Tools wirklich helfen? Wie viel Programmierkenntnisse sind tatäschlich erforderlich im Hinblick auf die Nutzung derartiger Tools? Was sind geeignete Stellenprofile für die Entwickler der Zukunft? Das zentrale Ziel dieser Thesis ist es, einem mixed-methods Ansatz folgend sowohl anhand qualitativer Interviews Experten ("Coder" und "Non-Coder"/"Low-Coder") sowie quantitativ mittels einer Online-Umfrage eine Studie zu dem Einsatz solcher Softwarelösungen durchzuführen. Konkret sollen etwaige Schwierigkeiten aber auch Potentiale strukturiert erfasst werden, um so die zukünftigen Entwicklungen hinsichtlich der softwaregestützten Programmierung zu prognostizieren und Handlungsempfehlungen für Entwicklungsabteilungen hinsichtlich der Profilierung abgeleitet werden. [Die Thesis kann nach Wunsch in deutscher oder englischer Sprache verfasst werden]
Status Vorgemerkt
Betreuer/-in Peter Kowalczyk (E-Mail)
Beschreibung A person makes a doctor appointment, receives all the instructions and no-show. Who to blame? Due to the aging population, medical resources are becoming scarcer and thus more valuable. However, patients usually do not incur any costs if they do not keep their appointments. In response, clinics often overbook appointments, but this in turn leads to waiting times and overtime. Hence, an optimal overbooking strategy has to be found. A study by Li et al. (2019) shows that clinics can better weigh the costs and benefits of overbooking when they use more accurate no-show probabilities for overbooking. Using a dataset from a Brazilian clinic, quantify potential cost savings from better no-show prediction. Your tasks: 1. Your first task is to consult the literature on no-show behavior in appointment scheduling systems: identify suitable machine learning models for predicting no-show behavior and overbooking strategies accounting for now-show behavior 2. Next, you will develop a model that predicts the likelihood of a patient attending or not attending their appointment. 3. Subsequently, you will develop an optimization problem that assigns and overbooks appointments based on no-show probability. The following costs are to be considered in the optimization model: Cost of overtime, Costs for waiting time, Costs for idle time. 4. Now that you have built your model, you are to evaluate how appointment reminders affect clinic costs (for overtime, wait time, and idle time). To do this, you can refer to the two groups in the data set: One group receives appointment reminders, and the control group does not. Link to the dataset: https://www.kaggle.com/datasets/joniarroba/noshowappointments Li, Y., Tang, S. Y., Johnson, J., & Lubarsky, D. A. (2019). Individualized No‐show Predictions: Effect on Clinic Overbooking and Appointment Reminders. Production and operations management, 28(8), 2068-2086.
Status Vorgemerkt
Betreuer/-in Janine Rottmann (E-Mail)
Beschreibung Viele Unternehmen und Branchen sehen die Quelle Ihres Wettbewerbsvorteils nicht mehr in Einzelprodukten oder -dienstleistungen, sondern viel mehr in einem integrierten Werbeangebot, das auf einem Ökosystem von untereinander abhängen, Produkten und Dienstleistungen basiert. In einem solchen Ökosystem schließen sich somit verschiedene Akteure zusammen, um durch eine gemeinsame Wertschöpfung (Value Co Creation) ein geteiltes Werbeversprechen zu realisieren. Hierbei bleibt jedoch die Frage offen, inwiefern Ökosysteme nicht nur einen reinen betriebswirtschaftlichen Wert, sondern auch technologischen Wert für teilnehmende Unternehmen bieten. Vor diesem Hintergrund führen Sie in dieser Arbeit zunächst eine strukturierte Recherche zu dem Werbeversprechen von Ökosystemen durch und klassifizieren (mithilfe einer selbstentwickelten Taxonomie) die unterschiedlichen Arten von Wert auf Basis diverser Faktoren.
Status Vorgemerkt
Betreuer/-in Marco Röder (E-Mail)
Beschreibung Technologien aus dem Bereich der künstlichen Intelligenz (KI) werden seit Langem ein enormes ökonomisches Potenzial zugeschrieben. Jedoch nutzen viele Unternehmen solche Technologien noch nicht. Mögliche Gründe hierfür liegen in einem fehlenden Know-how, einem unklaren Nutzenversprechen ebenso wie in einer oftmals nicht ausreichenden Datenbasis. Hinsichtlich des letzten Punktes bietet das neue Konzept Federated Learning die Möglichkeit, das Problem zu beheben, indem Unternehmen kollaborativ und datenschutzkonform gemeinsam KI Modelle trainieren können. Hierbei stellt sich jedoch die Frage, ob die fehlende Datenbasis überhaupt das Hindernis in Bezug auf den Einsatz von KI Technologien in Unternehmen darstellt und ob Federated Learning ein für Unternehmen interessanten Konzept darstellt, den datenbezogenen Problemen entgegenzuwirken. Nachdem Sie die Literatur strukturiert nach den relevanten Konzepten durchsucht haben, entwickeln Sie ein literaturbasiertes theoretisches Modell und klären diese Frage, indem Sie eine quantitative Studie durchführen.
Status Vorgemerkt
Betreuer/-in Marco Röder (E-Mail)
Beschreibung Business model patterns are descriptive architectural components for business models. In essence, every business can be analysed via the lens of the general patterns described in the business model navigator provided by the BMI Lab AG. Although the catalogue is comprehensive the questions arise as to if and how artificial intelligence (AI) is embedded within existing patterns and thus if additional business model patterns are required to accommodate for the potential provided through AI. Thus, the thesis aims to capture the state of developments regarding AI in business models from the navigator as well as academic outlets. Linked to this summary, the author should put forward one or multiple new business model patterns induced by AI with the help of the literature. [The thesis can be written in English or German as preferred]
Status Vorgemerkt
Betreuer/-in Peter Kowalczyk (E-Mail)
Beschreibung tbd.
Status Vorgemerkt
Betreuer/-in Janine Rottmann (E-Mail)
Beschreibung Hospitals are complex and costly organizations. The OR department generates about 40-70% of revenues, accounts for 20-40% of hospital operating costs, and consumes significant hospital resources. Therefore, hospital management faces particularly significant challenges in OR planning. Previous literature has addressed this complex optimization problem with a variety of approaches in order to improve utilization, surgical care, quality, and minimize operating costs. Draw on recent publications on reinforcement learning to solve this problem. First, provide a comprehensive overview of reinforcement learning approaches in recent literature. Subsequently, develop a Mixed-Integer Linear Problem (MILP) for the AIMMS-MOPTA Optimization Modeling Competition as benchmark (Please refer to the problem description below). You may refer to the challenge winners' solution. Subsequently, you should develop Reinforcement Learning and evaluate your approach in the context of a discrete event simulation. Conclude your work with a summary, discuss any limitations and open research questions. Knowledge of Python and optimization modeling is a plus! Literatur: • Problem Description: https://coral.ise.lehigh.edu/iccopt2022/files/2021/12/AIMMS-MOPTA-2022-Competition.pdf • Competition winner solution: https://aimmsopt-my.sharepoint.com/personal/linlin_ma_aimms_com/_layouts/15/onedrive.aspx?id=%2Fpersonal%2Flinlin%5Fma%5Faimms%5Fcom%2FDocuments%2Fshared%2F14MOPTA%5FBernUnicorns%2Epdf&parent=%2Fpersonal%2Flinlin%5Fma%5Faimms%5Fcom%2FDocuments%2Fshared&ga=1
Status Frei
Betreuer/-in Janine Rottmann (E-Mail)
Beschreibung Data-driven optimization uses contextual information and machine learning algorithms to find solutions to decision problems with uncertain parameters. Considerable work has been devoted to the interpretation of machine learning models. However, optimization solvers often represent inexplicable black boxes whose solutions are not accessible to and cannot be interacted with by the user. This lack of interpretability may hinder the adoption of data-driven solutions, as practitioners may not understand or trust the recommended decisions. In this thesis you will study the intersection between explainability and data-driven optimization. For this purpose, you will first conduct a structured literature review according to vom Brocke (2009). In doing so, you will identify a variety of approaches, review them with respect to their potentials and limitations, and establish a state-of-the-art. In the second part of your thesis you will illustrate the results of your research in a practical example. Develop a prototype of an explainable data-driven optimization approach based on a self-selected example. Conclude your work with possible research opportunities and address the limitations of your study. Literature: - Forel, A., Parmentier, A., & Vidal, T. (2023). Explainable Data-Driven Optimization: From Context to Decision and Back Again. arXiv preprint arXiv:2301.10074. - Brocke, J. V., Simons, A., Niehaves, B., Niehaves, B., Reimer, K., Plattfaut, R., & Cleven, A. (2009). Reconstructing the giant: On the importance of rigour in documenting the literature search process.
Status Frei
Betreuer/-in Janine Rottmann (E-Mail)
Beschreibung Generative artificial intelligence reshapes business and society. Digital marketing in particular is also prone to change due to the technology. Kowalczyk et al. (2023) describe this intersection from the practitioners perspective and outline possible avenues for future research. This thesis is targeted to conduct two of the envisioned studies from the future work section (i.e., regarding techniques and the adoption). Kowalczyk, Peter; Röder, Marco; and Thiese, Frédéric, "Nudging Creativity in Digital Marketing with Generative Artificial Intelligence: Opportunities and Limitations" (2023). ECIS 2023 Research-in-Progress Papers. 22.
Status Vorgemerkt
Betreuer/-in Peter Kowalczyk (E-Mail)