5 Veröffentlichungen des Lehrstuhls auf der ECIS 2023

European Conference on Information Systems 2023, Kristiansand

27.04.2023 von

Besonders freuen wir uns diesen Monat über die Vielzahl an Artikeln, die bei der European Conference on Information Systems (ECIS) 2023 in einem Peer-Review-Prozess angenommen wurden. Die Konferenz gilt als eine der renommiertesten Zusammenkünfte von ForscherInnen und forschungsorientierten Praktikern der Wirtschaftsinformatik. Anbei ein kurzer Einblick in unsere Forschungsarbeiten:

Wir haben unter anderem mit dem Potenzial von Machine Learning (ML) Technologien für die Entwicklung neuer Geschäftsmodelle auseinandergesetzt. Während viele Organisationen an der erfolgreichen Umsetzung eines ML getriebenen Geschäftsmodells scheitern, konnte unser Team im Rahmen einer qualitativen Interviewstudie ML spezifische Komplikationen identifizieren und Mikrogrundlagen für eine erfolgreiche Entwicklung, Implementierung und Transformation von ML getriebenen Geschäftsmodellen entwickeln.

Im Rahmen einer Conjoint-Analyse mit 119 Teilnehmern in Deutschland untersuchten wir zudem die Zahlungsbereitschaft für ML basierte Tools, die beim Software-Testing unterstützen. Unsere Ergebnisse zeigen, dass für Benutzer ein hoher Genauigkeitsgrad, die Benutzerfreundlichkeit und die Integrationsmöglichkeiten in vorhandene Umgebungen besonders wichtig sind.

Während Menschen in Zukunft zunehmend partnerschaftlich mit ML Systemen in Organisationen zusammenarbeiten werden, werden sich Mensch und Technologie in ihren Lernprozessen gegenseitig beeinflussen. Mittels einer agentenbasierten Simulation, die die Zusammenarbeit zwischen Menschen und KI-Assistenten (wie z.B. ChatGPT) abbildet, konnten wir zeigen, dass die Zusammenarbeit am besten funktioniert, wenn beide Seiten gleichermaßen voneinander lernen. Unternehmen fokussieren sich heutzutage jedoch primär darauf, dass die KI viel von den Menschen lernt, während Menschen KI-generierte Ideen nur zögerlich akzeptieren.

Obwohl eine Vielzahl von Unternehmen heutzutage große Investitionen in die Entwicklung von ML Systemen tätigt, wird ein nachhaltiger Langzeitbetrieb der Systeme nur in Einzelfällen umgesetzt. Im Rahmen einer Design Science Research Studie konnte unser Team Experteninterviews im Industrie 4.0 Bereich durchführen und Herausforderungen beim nachhaltigen Betrieb von ML Systemen in dynamischen Umgebungen identifizieren. Zudem wurden Designanforderungen und -prinzipien für die Entwicklung und nachhaltige Implementierung von ML Systemen abgeleitet, um Herausforderungen wie Datenveränderungen, fehlende Metadaten oder Interfaces zu anderen IT-Systemen zu adressieren.

Wir freuen uns auf spannende Diskussionen und den internationalen Austausch mit anderen Wissenschaftlerinnen und Wissenschaftler auf der Konferenz in Kristiansand, Norwegen.