Bachelorarbeiten/Projektarbeiten

Allgemeines

Die Betreuung von Bachelorarbeiten/Projektarbeiten ist an unserem Lehrstuhl an einen sequenziell strukturierten Prozess gebunden, der sich halbjährlich wiederholt. Abweichungen von den damit einhergehenden Fristen sind nicht möglich. Die Bewerbungsfrist beginnt jeweils drei Wochen vor Beginn der Vorlesungszeit des jeweiligen Semesters und beträgt zwei Wochen. Innerhalb der ersten Vorlesungswoche finden die Auswahlgespräche statt, in deren Folge Sie entweder eine Zu- oder Absage erhalten.

Bewerbungsprozess

Sollten Sie Ihre Abschlussarbeit Wintersemester 2021/2022 an unserem Lehrstuhl anfertigen wollen, so beachten Sie bitte den Bewerbungszeitraum: 27.09.2021 – 11.10.2021

  • Bekanntgabe der Themen voraussichtlich ab 09.09.2021
  • Auswahlgespräche 18.10.2021 – 24.10.2021
  • Seminar zur Bachelorarbeit: siehe Seminar zur Bachelorarbeit

Bleiben Sie während des Verfassens der Bachelorarbeit unbedingt regelmäßig mit Ihrem Betreuer in Kontakt, um sich abzustimmen.

Seminar zur Bachelorarbeit

Unser Lehrstuhl bietet ein Seminar zur Bachelorarbeit an, welches sich speziell an Studierende der Wirtschaftsinformatik und Interessenten anderer Studiengänge, die am Schöller-Stiftungslehrstuhl für Wirtschaftsinformatik eine Bachelorarbeit schreiben oder schreiben möchten, richtet. Die Teilnahme an dem Seminar ist für alle unsere Bacheloranden verpflichtend.

Voraussetzungen

 

Studiengang Voraussetzung
International Business Studies Vertiefungsmodul am Lehrstuhl belegt oder Ausnahmeantrag
International Production Engineering and Management Modul am Lehrstuhl belegt
Sozialökonomik Vertiefungsmodul am Lehrstuhl belegt oder Ausnahmeantrag
Wirtschaftsinformatik keine
Wirtschaftsingenieurwesen Modul B24, B25 oder B26 am Lehrstuhl belegt
Wirtschaftswissenschaften mit Schwerpunkt Wirtschaftsinformatik keine
Wirtschaftswissenschaften mit anderen Schwerpunkten Vertiefungsmodul am Lehrstuhl belegt oder Ausnahmeantrag

Offene Themen

Bei Interesse bewerben Sie sich bitte mit Hilfe des Bewerbungsformulars und fügen der Bewerbung Ihren Lebenslauf, einen aktuellen Notenauszug sowie bereits vorhandene Abschlusszeugnisse bei. Im Falle von Initiativbewerbungen bitten wir Sie zusätzlich, Ihr Vorhaben im Text Ihrer E-Mail kurz aber aussagekräftig zu beschreiben.

Bitte verwenden für die Bewerbung ausschließlich Ihre FAU E-Mail Adresse!

Bitte senden Sie die kompletten Bewerbungsunterlagen an wiwi-wi-dwg@fau.de.

Thema Sprache Betreuer

Die maschinelle Verarbeitung von natursprache in Audio- und Textform gewinnt zunehmende Bedeutung in verschiedenen Bereichen der Wirtschaft und Gesellschaft. In dieser Arbeit soll die Anwendung von Natural Language Processing (NLP) im Bereich des Human Resources Management (HRM) betrachtet werden. Mögliche thematische Ausrichtungen können Potential- und Risikoanalysen sein, oder das Entwickeln von geeigneten Anwendungen.
DE + ENG Florian Meier

Um aus künstlicher Intelligenz (KI) und Verfahren des maschinellen Lernens (ML) einen Mehrwert zu schaffen, müssen Unternehmen ihre Anwendung strategisch angehen. Das erste und zentrale Element einer jeden KI-Strategie sind die KI-Vision und KI-Mission. Sie beschreiben, wie ein Unternehmen KI nutzen will. Im ersten Schritt soll analysiert werden, ob bestehende Unternehmen bereits eine KI-Vision und -Mission haben. Im zweiten Schritt, sollen in einer qualitativen oder quantitativen Umfrage industrielle Fertigungsunternehmen zu ihrer Strategie befragt werden. Die Fragen können zum Beispiel lauten:
– Gibt es eine KI/ML Strategie? Wenn nicht, warum nicht? Was sind die Faktoren, die die Strategie beeinflussen? Welche Faktoren machen eine erfolgreiche Strategie aus?
– Welche Geschäftsbereiche sind betroffen und warum?
– Wie hoch ist das KI-Budget?
– Gibt es ein eigenes KI/ML-Team?
– Gibt es Partnerschaften mit anderen Unternehmen oder erfolgt die Realisierung komplett eigenständig?
DE + ENG Daniel Schömer

Die Wellen der digitalen Transformation haben die Art und Weise, wie Geschäfte abgewickelt werden und wie Werte geschaffen und erfasst werden, erheblich beeinflusst. Die verarbeitende Industrie bildet hier keine Ausnahme, da sie die vorangegangenen Wellen der Digitalisierung in hohem Maße genutzt hat, um sowohl ihre physischen Fertigungsbereiche als auch andere Aktivitäten innerhalb der Wertschöpfungskette zu automatisieren.Dabei hat vor allem die anhaltend steile Entwicklung der künstlichen Intelligenz (KI) in jüngster Zeit in der Fertigungslandschaft die Hoffnung geweckt, dass mit KI und den damit verbundenen Technologien in naher Zukunft nicht nur physische, sondern auch kognitive Aufgaben automatisiert werden können, was zu einem völlig neuen Maß an Autonomie auf dem Shopfloor führen könnte. Daher wird prognostiziert, dass KI für mehr Effizienz und Flexibilität sorgen, das Wirtschaftswachstum fördern und die bestehende Arbeit dramatisch verändern wird, indem bestehende Prozesse und Systeme in autonome und intelligente Systeme umgewandelt werden.Dabei werfen industrielle autonome und intelligente Systeme einige wichtige Fragen auf: Was sind die Hauptmerkmale dieser autonomen Systeme? Welche Technologien (insb. KI und Machinelles Lernen) spielen eine Rolle? Wie unterscheiden sie sich von anderen Formen (z. B. der Automatisierung) oder wie kann der Grad der Autonomie unterschieden werden? Was sind die Auswirkungen auf Forschung und Praxis? Die Fragen sollen mithilfe einer Literaturrecherche beantwortet werden.
DE + ENG Daniel Schömer

Die zunehmende Entwicklung und Verbreitung im Bereich digitaler Gesundheitstechnologien verspricht älteren Menschen mehr Möglichkeiten und Autonomie beim Management ihres Alltags zu geben. Doch was denken ältere Personen überhaupt über solche Technologien? Sind sie sich deren Möglichkeiten bewusst? Nutzen Sie diese? Wie müssen oder müssten diese gestaltet werden, damit Sie von älteren Menschen genutzt werden? Diese und weitere Fragestellungen können im Rahmen dieser Bachelorarbeit empirisch beantwortet werden. Alternativ kann auch eine systematische Literaturanalyse durchgeführt werden, welche den aktuellen Forschungsstand zu digitalen Gesundheitstechnologien für ältere Menschen aufarbeitet.
DE + ENG David Horneber

Wie kann ich es schaffen, regelmäßig Sport zu treiben und mich gesund zu ernähren? Viele Menschen stellen sich diese Frage. Gesundheitstechnologien wie Wearables oder Fitness- und Ernährungsapps versprechen Ihren Nutzern, sie zu einem gesunden Alltagsverhalten zu treiben. Dabei nutzen die Technologien verschiedene Techniken (z. B. Reminder-Push Messages, sozialer Einfluss etc.), um eine Verhaltensänderung bei Ihren Nutzern zu bewegen. Im Rahmen dieser Arbeit können unterschiedliche Fragestellungen dazu beantwortet werden, wie man mithilfe von Digital Nudging oder Persuasive Technology Personen zu einem gesunden Alltagsverhalten treiben kann. Alternativ kann auch eine systematische Literaturanalyse durchgeführt werden, welche den aktuellen Forschungsstand zu Techniken digitaler Gesundheitsinterventionen aufarbeitet.
DE + ENG David Horneber

Die zunehmende Verbreitung digitaler Gesundheitstechnologien wie Wearables oder Apps wirft eine Reihe von ethischen und sozialen Fragestellungen auf. Sind die Technologien barrierefrei nutzbar? Welche Folgen entstehen für Patienten durch das Sammeln und Speichern Ihrer Gesundheitsdaten? Wer ist für positive und negative Folgen verantwortlich, welche durch die Nutzung von Gesundheitstechnologien entstehen? Im Rahmen dieser Bachelorarbeit können diese oder andere Fragestellungen empirisch untersucht werden. Alternativ kann anhand einer systematischen Literaturanalyse der aktuelle Forschungsstand zu ethischen Fragestellungen im Bereich digitaler Gesundheitstechnologien aufgearbeitet werden.
DE + ENG David Horneber

Die Forschung im Bereich der Gesundheitstechnologien hat in den letzten Jahren enorm zugenommen. Es hat sich gezeigt, dass verschiedene Theorien aus einer Vielzahl von unterschiedlichen wissenschaftlichen Bereichen einen sinnvollen Beitrag dazu leisten können, verschiedene Phänomene in Zusammenhang mit der Nutzung von Gesundheitstechnologien zu erklären. Ziel der Arbeit ist es, anhand einer systematischen Literaturanalyse einen Überblick über alle Theorien zu geben, welche in den letzten Jahren verwendet wurden, um Gesundheitstechnologien zu erforschen.
DE + ENG David Horneber

In dieser Arbeit sollen die negativen Auswirkungen des datengetriebenen Human Resources Management (HRM) in verschiedenen Bereichen analysiert werden. Studierende sollen hier insbesondere der Frage nachgehen, welche Risiken durch datengetriebene Technologien in verschiedenen Bereichen und Aufgabengebieten des HRM für die betroffenen Stakeholder entstehen können. Methodisches Vorgehen der Arbeit kann eine empirische Studie, eine Literaturanalyse oder ein Ansatz des unüberwachtem maschinellem Lernens sein.
DE + ENG Florian Meier

Immer mehr Unternehmen verwenden KI-basierte Data-Analytics-Verfahren, um ihr Produktportfolio, ihr Personalmanagement oder ihre Betriebsabläufe zu optimieren. Ziel dieser Arbeit ist es, ein solches Analsyseverfahren anhand beispielhafter Daten z.B. aus dem Bereich der Finanzwirtschaft zu implementieren und auszuwerten. Dazu soll ein passender Datensatz gefunden und mithilfe der Statistiksprache R analysiert werden, um kontextrelevantes unternehmerisches Wissen aus den Daten zu extrahieren und visuell aufzubereiten. Anschließend sollen die durchgeführten Schritte dokumentiert sowie Machbarkeit und Ergebnisqualität des durchgeführten Verfahrens evaluiert werden.
DE + ENG Kian Schmalenbach

Die Studierenden beschäftigen sich mit verschiedenen Fragen zum Thema „digitale Bücher und Publikationsprozesse“. Dazu können Nutzungsszenarien für unterschiedliche Kontexte untersucht, eine Literaturrecherche durchgeführt, konkrete Herausforderungen durch Prototypen gelöst oder Fragen der Akzeptanz analysiert werden.
DE + ENG Prof. Sven Laumer

Es sollte eine Literaturübersicht durchgeführt werden, die die veröffentlichte Literatur über den Einsatz von maschinellem Lernen (und ähnlichen Ansätzen) bei der Rekrutierung zusammenfasst. Die Idee besteht darin, den Status Quo zusammenzufassen, die Grundprinzipien zu erklären und eine Forschungsagenda für den Einsatz von maschinellem Lernen bei der Rekrutierung abzuleiten.
DE + ENG Prof. Sven Laumer

Die Studierenden konzentrieren sich auf verschiedene Fragen bezüglich Data Science. In diesem Zusammenhang können verschiedene Data Science und Datenmanagement-Ansätze überprüft, Prototypen für die Anwendung dieser Ansätze implementiert und Konzepte für die Verwendung dieser Ansätze in (Online-)Tutorien entwickelt werden. Die Idee ist es, R und entsprechende Frameworks zu verwenden, um sich auf eine der Phasen des Datenmanagement-Lebenszyklus zu konzentrieren.
DE + ENG Prof. Sven Laumer

Die (Weiter-)Entwicklung innovativer Technologien und das durch Social Media bedingte veränderte Kommunikationsverhalten können langfristig zu neuen Formen der Arbeit führen und damit auch nachhaltig die Rekrutierung von Talenten beeinflussen. Ziel der Arbeit ist es, anhand einer systematischen Literaturanalyse den Forschungsstand zu automatiserten Rekruitingansätzen aufzuarbeiten.
DE + ENG Jessica Ochmann

Automatisierte Rekrutierungsansätze und der Einsatz von Social Media führen zu Effizienzsteigerungen im Personalmanagement. Doch wie nehmen Kandidaten diese Entwicklungen wahr? Welche Innovationen werden von Kandidaten akzeptiert und welche Faktoren sind für die Akzeptanz fördernd oder hemmend?
Im Rahmen der Bachelorarbeit soll mit Hilfe von Interviews oder quantitativen Methoden diskutiert und analysiert werden, wie datengetriebene Ansätze sowie automatisierte Dialogsysteme in der Rekrutierung auch durch die Gesellschaft im Allgemeinen akzeptiert werden.
DE + ENG Jessica Ochmann

Algorithmusaversion (engl. algorithm aversion) beschreibt das Phänomen, dass Individuen dazu neigen Empfehlungen abzulehnen, die auf komplexen algorithmischen Modellen basieren. Obwohl bereits frühe Forschungsarbeiten aus den 1950er Jahren gezeigt haben, dass selbst grundlegende statistische Algorithmen (z. B. lineare Regression) menschliche Experten bei der Vorhersage geeigneter Alternativen übertreffen, zögern oder weigern Individuen sich häufig KI-basierte Empfehlungen in ihre Entscheidungs ndung einzubeziehen.
Ziel der Arbeit ist es, anhand einer systematischen Literaturanalyse den Forschungsstand zu diesem ablehnenden Verhalten aufzuarbeiten.
DE + ENG Jessica Ochmann

Die HR-Branche steht vor der herausfordernden Aufgabe, bei zunehmend komplexeren Kandidatenprofilen und stark umkämpften, knappen Talenten auf dem Arbeitsmarkt Vakanzen zu besetzen. Im Rahmen der Bachelorarbeit sollen anhand von explorativen Interviews die Anforderungen der Kandidaten sowie die individuelle Akzeptanz innovativer Technologien im Personalmanagement (z. B. Chatbots, datengetriebenen Rekrutierung) betrachtet werden.
DE + ENG Jessica Ochmann

Durch den zunehmenden Einsatz von KI in Organisationen ergeben sich zahlreiche ethische Fragestellungen. Wie genen wir damit um, wenn KI Entscheidungen im privaten und beruflichen Alltag übernehmen soll? Agiert eine KI tatäschlich faierer als der Mensch? Welche Auswirkungen hat die Einbeziehung von KI in Entscheidungsprozesse auf den Menschen? Ziel der Arbeit ist es, anhand einer systematischen Literaturanalyse den Forschungsstand zu ethischen Fragestellungen im Kontext von künstlicher Intelligenz aufzuarbeiten.
DE + ENG Jessica Ochmann

Der Schwerpunkt der Studierenden liegt auf der digitalen Studienberatung, die den Einsatz von künstlicher Intelligenz und Datenanalyse zur Unterstützung der Studierenden während des Studiums umfasst. Die Idee ist es, ein Frühwarnsystem zu entwickeln, das es den Studierenden und den Studienberatern ermöglicht, Herausforderungen während des Lebenszyklus der Studierenden frühzeitig zu erkennen. Zu diesem Zweck können Nutzungsszenarien für verschiedene aus dem eigenen Studium bekannte Kontexte (z.B. Bewerbung für einen Studiengang, Grundstudium, Aufbaustudium) untersucht, eine Literaturrecherche durchgeführt, konkrete Herausforderungen durch Prototypen gelöst oder Fragen der Akzeptanz analysiert werden.
DE + ENG Prof. Sven Laumer

Die Studierenden konzentrieren sich auf verschiedene Fragen zum „digitalen Lernen“. Dazu können aus der eigenen Studie bekannte Nutzungsszenarien für verschiedene Kontexte (z.B. Online-Tutorials, Online-Tests, Online-Prüfungen, Chatbots für Q&A) untersucht, eine Literaturrecherche durchgeführt, konkrete Herausforderungen durch Prototypen gelöst oder Fragen der Akzeptanz analysiert werden.
DE + ENG Prof. Sven Laumer

„Digital Nudging ist die Verwendung von User-Interface-Design-Elementen, um das Verhalten von Menschen in digitalen Auswahlumgebungen zu lenken“ (Weimann et al. 2016). Die Studierenden können sich auf verschiedene Fragestellungen zum Digital Nudging in unterschiedlichen Kontexten (Lernen, Beratung, Sport, Gesundheit, etc.) konzentrieren. Dazu kann eine Literaturrecherche durchgeführt werden, konkrete Herausforderungen können durch Prototypen gelöst oder Fragen der Akzeptanz analysiert werden.
DE + ENG Prof. Sven Laumer

Die Studierenden fokussieren in ihren Arbeiten die Frage, wie Apps zur Kommunikation in Forschungsprojekten und zu Studierenden eingesetzt werden können. Ziel ist es, eine Kommunikationsplattform zu entwickeln, welche App-basierte Kommunikationen zu bestimmten Zielgruppen unterstützt.
DE + ENG Prof. Sven Laumer

Ziel ist mit Hilfe von unterschiedlichen methodischen Ansätzen zu erforschen, wie digitale Technologien im Change Management zum Einsatz kommen können. Es steht somit nicht die digitale Transformation im Mittelpunkt, sondern die Frage wie diese Transformation digital gestaltet werden kann.
DE + ENG Prof. Sven Laumer

Die Studierenden fokussieren in ihren Arbeiten unterschiedliche Fragestellungen aus dem Bereich „People Analytics“. Hierzu könnten unterschiedliche methodischen Herangehensweisen gewählt werden.
DE + ENG Prof. Sven Laumer

Die Gesellschaft verlässt sich zunehmend auf datengesteuerte Modelle für automatisierte Entscheidungsprozesse. Die Algorithmen, hinter diesen Modellen, und die Daten, mit denen sie arbeiten, sind aufgrund der Natur historischer Daten und der Unschärfe in den Beobachtungen oft verzerrt. Daher suchen Praktiker und Forscher zunehmend nach Möglichkeiten, die Verzerrungen in Algorithmen und Daten abzuschwächen. In dieser Arbeit sollen zwei verschiedene Forschungsfragen im Mittelpunkt stehen: „Was ist Diskriminierung und wie kann sie identifiziert werden?; „Wie lässt sich Diskriminierung messen und abschwächen?“. Als Methodik ist die systematische Literaturanalyse zu wählen.
DE + ENG Florian Meier

Der Einsatz von künstlicher Intelligenz (KI) und Verfahren des maschinellen Lernens (ML) hat in verschiedenen Bereichen, insbesondere in der Fertigungsindustrie, stark an Bedeutung gewonnen. Ziel dieser Arbeit ist es, auf der Grundlage der vorhandenen Literatur ein oder mehrere der nachstehenden herauszuarbeiten:
– Anwendungsdomänen: Was sind die Anwendungsfälle/Probleme in der industriellen Fertigung. Welche KI/ML-Modelle werden zu deren Lösung eingesetzt. Wie werden die Modelle (ins. Algorithmen) unterschieden?
– Herausforderungen/Probleme/Hindernisse: Was sind Herausforderungen/Probleme/Hindernisse bei der Implementierung und dem Betrieb von KI/ML Modellen.
– Metriken/KPIs: Welche (vor allem nicht-technischen) Metriken werden verwendet, um den Erfolg von KI/ML zu messen.
DE + ENG Daniel Schömer

Trotz des enormen Potenzials von künstlicher Intelligenz (KI) zögern viele Unternehmen, diese produktiv einzusetzen. Ein grundlegendes Problem ist dabei das Verständnis und Vertrauen in KI-Technologie, welches vor allem durch immer komplexere Modelle des maschinellen Lernens erschwert und gehemmt wird. Ziel dieser Arbeit ist es, (1) Ursachen und Faktoren zu analysieren und darzustellen, die die Erklärbarkeit, Transparenz und das mangelnde Vertrauen in diese Technologien hemmen. Darüber hinaus sollen (2) Strategien/Methoden aus der Literatur identifiziert werden, die die Erklärbarkeit und Transparenz verbessern und das Vertrauen fördern können. Alternativ zu (2) kann der Markt zu bestehenden Produkten/Dienstleistungen analysiert werden.
DE + ENG Daniel Schömer

Künstliche Intelligenz (KI) ist derzeit in aller Munde und birgt ein enormes Potenzial für neue und verbesserte Produkte und Dienstleistungen. Ziel dieser Arbeit ist es, Geschäftsmodelle in der industriellen Fertigung mithilfe von KI und Verfahren des maschinellen Lernens auf der Grundlage der vorhandenen Literatur oder durch eine Marktanalyse zu analysieren.
DE + ENG Daniel Schömer

Während weite Teile des Webs durch große kommerzielle Konzerne dominiert werden, erfreuen sich jedoch auch einige Plattformen wie Wikipedia oder OpenStreetMap großer Beliebtheit, deren Inhalte ohne kommerzielle Interessen entstanden und frei zugänglich sind („Open Data“). Allerdings zeigen Fälle aus der jüngeren Vergangenheit (z.B. https://www.brianckeegan.com/2018/03/implications-of-the-bulgarian-national-anthem-for-information-security/), dass Probleme mit der Datenqualität von Open Data intransparente Auswirkungen auf das Verhalten von Endanwendungen haben können. Somit stellt sich die Frage, welche Faktoren für die Nutzung von Open-Data-Plattformen bedeutend sind und welche Maßnahmen unternommen werden, um die Qualität der Daten und damit das Vertrauen der AnwenderInnen in entsprechende Dienste sicherzustellen. Im Rahmen dieser Bachelorarbeit sollen Antworten zu eine dieser Fragestellungen anhand einer systematischen Literaturanalyse und/oder einer empirischen Untersuchung gefunden werden.
DE + ENG Kian Schmalenbach

Datengetriebene Anwendungen wie Empfehlungsdienste (Recommender Systems) oder Entscheidungsunterstützungssysteme (Decision Support Systems) erfreuen sich zunehmender Beliebtheit sowohl im betrieblichen als auch im privaten Anwendungsbereich. Dies kann jedoch problematisch sein, wenn die Algorithmen ihr Verhalten durch Auswertung von Trainingsdatensätzen erlernt haben, die diskriminierende oder anderweitig irreführende Verzerrungen beinhalten. Dieses Phänomen wird in der Literatur als „Algorithmic Bias“ bezeichnet und kann negative ethische oder wirtschaftliche Auswirkungen haben, wenn beispielsweise Personalentscheidungen auf Basis solcher Algorithmen getroffen werden. Ziel dieser Arbeit ist es daher, anhand einer strukturierten Literaturanalyse und/oder empirischen Datenauswertungen Fälle von Algorithmic Bias und deren Auswirkungen zu identifizieren oder Maßnahmen zur Lösung von Problemen im Zusammenhang mit Algorithmic Bias zu entwickeln und zu überprüfen.
DE + ENG Kian Schmalenbach

In einem Zeitalter, wo digitale Medien und Plattformen für einen Großteil der Informationsbeschaffung und -verarbeitung verantwortlich sind, gewinnt die Frage der Vertrauenswürdigkeit dieser Medien und Plattformen zunehmend an Bedeutung („Digital Trust“). So stellt sich beispielsweise die Frage, wie es sein kann, dass bei der Entwicklung von Technologien zur Pandemiebekämpfung häufig eine große Skepsis in Bezug auf Fragen des Datenschutzes und damit der Vertrauenswürdigkeit vorherrscht, während kommerzielle Social-Media-Applikationen oft eher unreflektiert im Alltag genutzt werden. Anhand solcher Beobachtungen wird deutlich, dass auch Unternehmen Wert auf die Vertrauenswürdigkeit ihrer digitalen Anwendungen legen müssen, wenn sie eine hohe Akzeptanz und damit Effektivität der Anwendungen gewährleisten wollen. Ziel dieser Arbeit ist daher, anhand einer strukturierten Literaturanalyse und/oder empirischer Erhebungen Faktoren zu identifizieren, die für die Herstellung von Digital Trust ursächlich oder hinderlich sind, und durch welche Maßnahmen diese begünstigt oder gehemmt werden können.
DE + ENG Kian Schmalenbach