Abschlussarbeiten

Die langfristige Nutzung eines Informationssystems hängt entscheidend von den Erwartungen der Nutzer ab. Werden diese Erwartungen erfüllt, resultiert dies in Zufriedenheit und einer fortgesetzten Nutzung des Systems. Werden die Erwartungen jedoch nicht erfüllt, führt dies zu Unzufriedenheit, wodurch Nutzer eher geneigt sind, auf Alternativen umzusteigen. Daher spielen die Erwartungen der Nutzer an ein Informationssystem eine zentrale Rolle für dessen langfristige Nutzung. Aktuell ist jedoch unklar, wie sich diese Erwartungen bilden. In diesem Themenbereich soll daher folgende Frage geklärt werden: Welche Faktoren beeinflussen die Erwartungen der Nutzer in Bezug auf ein Informationssystem?

Startzeitpunkt: ab sofort

Methode: Literatur Analysis/Interviews

Level: Bachelor/Master

Sprache: Englisch/Deutsch

Weiteres Vorgehen: Eine Forschungsfrage wird mit dem Betreuer erarbeitet.

Einstiegsliteratur:

Bhattacherjee, Anol. „Understanding Information Systems Continuance: An Expectation-Confirmation Model“. MIS Quarterly 25, Nr. 3 (1. Januar 2001): 351–70.

Pinquart, Martin, Adrian Rothers, Mario Gollwitzer, Zahra Khosrowtaj, Martin Pietzsch, und Christian Panitz. „Predictors of Coping With Expectation Violation: An Integrative Review“. Review of General Psychology 25, Nr. 3 (September 2021): 321–33. https://doi.org/10.1177/10892680211024123.

In den letzten Jahren haben Fortschritte in der Neurowissenschaft und Technologie zur Entwicklung von Human-Brain Interfaces (HBI) geführt, revolutionären Systemen, die eine direkte Kommunikation zwischen dem menschlichen Gehirn und externen Geräten ermöglichen. Diese Schnittstellen nutzen Techniken wie Gehirn-Computer-Schnittstellen (BCI) und Neuroprothesen, um Gehirnsignale zu interpretieren und in umsetzbare Befehle zu übersetzen, sodass Menschen auf bisher ungekannte Weise mit Technologie interagieren können. Die Auswirkungen von HBIs sind enorm und erstrecken sich über zahlreiche Bereiche, darunter Gesundheitswesen, Gaming, Bildung und Rehabilitation. In diesem Themenschwerpunkt können folgenden Fragen bearbeitet werden:

• Was sind Human-Brain-Interface und wie ist der aktuelle Stand der Literatur?
• Welche Anwendungsbereiche gibt es bereits für Human-Brain-Interfaces?

Startzeitpunkt: ab sofort

Methode: Literatur Analysis/Interviews

Level: Bachelor/Master

Sprache: Englisch/Deutsch

WeiteresVorgehen: Eine Forschungsfrage wird mit dem Betreuer erarbeitet.

Einstiegsliteratur:

Randolph, Adriane B., Stacie C. Petter, Veda C. Storey, und Melody M. Jackson. „Context‐aware User Profiles to Improve Media Synchronicity for Individuals with Severe Motor Disabilities“. Information Systems Journal 32, Nr. 1 (Januar 2022): 130–63. https://doi.org/10.1111/isj.12337.

Augmented Reality (AR) ist eine schnell aufkommende Technologie, die die Art und Weise, wie Benutzer mit ihrer Umgebung interagieren, verbessert, indem sie digitale Informationen auf die physische Welt projiziert. Durch die Nutzung von Geräten wie Smartphones, Tablets und AR-Brillen schaffen AR-Anwendungen eine Brücke zwischen Realität und virtuellem Inhalt und bieten eine immersivere Erfahrung in verschiedenen Sektoren. Die Anwendungen von AR erstrecken sich über zahlreiche Bereiche, darunter Spiele, Bildung, Gesundheitswesen und Trainingssimulationen. In diesem Themenschwerpunkt können folgenden Fragen bearbeitet werden:

• Was ist AR und wie ist der aktuelle Stand der Literatur?
• Was sind AR „Use Cases“ in der betrieblichen Praxis?

Startzeitpunkt: ab sofort

Methode: Literatur analysis/Interviews

Level: Bachelor

Sprache: Englisch/Deutsch

Weiteres Vorgehen: Eine Forschungsfrage wird mit dem Betreuer erarbeitet.

Einstiegsliteratur:

Steffen, Jacob H., James E. Gaskin, Thomas O. Meservy, Jeffrey L. Jenkins, und Iopa Wolman. „Framework of Affordances for Virtual Reality and Augmented Reality“. Journal of Management Information Systems 36, Nr. 3 (3. Juli 2019): 683–729. https://doi.org/10.1080/07421222.2019.1628877.

Soziale Medien haben sich zu einer zentralen Quelle für Informationen entwickelt, die das tägliche Leben von Millionen von Menschen beeinflusst. Dabei werden Nutzer häufig von kognitiven Verzerrungen geleitet, die ihre Wahrnehmung und Verarbeitung von Informationen beeinflussen. Kognitive Verzerrungen, wie der Bestätigungsfehler oder die Verfügbarkeitsheuristik, können dazu führen, dass Nutzer selektiv Informationen suchen, interpretieren und bewerten. Diese Verzerrungen wirken sich nicht nur auf individuelle Entscheidungsprozesse aus, sondern haben auch weitreichende Folgen für die öffentliche Meinung und die gesellschaftliche Diskussion. In diesem Zusammenhang können Empfehlungssysteme diese kognitiven Verzerrungen verstärken, indem sie personalisierte Inhalte bereitstellen, die den bestehenden Meinungen und Vorlieben der Nutzer entsprechen. Abschlussarbeiten in diesem Bereich sollen die Wechselwirkungen zwischen kognitiven Verzerrungen und dem Informationsabruf in sozialen Medien untersuchen.

Startzeitpunkt: ab sofort

Methode: verschiedene Methoden möglich

Level: Bachelor/Master

Sprache: Englisch/Deutsch

Weiteres Vorgehen: Eine spezifische Forschungsfrage wird mit dem Betreuer gemeinsam erarbeitet.

Einstiegsliteratur:

Nickerson, R. S. (1998). Confirmation bias: A ubiquitous phenomenon in many guises. Review of General Psychology, 2(2), 175-220. doi: 10.1037/1089-2680.2.2.175 

Kitchens, B., Johnson, S. L., and Gray, P. (2020). Understanding Echo Chambers and Filter Bubbles: The Impact of Social Media on Diversification and Partisan Shifts in News Consumption, MIS Quarterly, 44 (4), 1619-1649. doi: 10.25300/MISQ/2020/16371

Kunda, Z. (1990). The case for motivated reasoning. Psychological Bulletin, 108 (3), 480-498. doi: 10.1037/0033-2909.108.3.480 

Grundsätzlich entwickelt Künstliche Intelligenz (AI) Systeme, die Aufgaben ausführen können, die normalerweise menschliche Intelligenz erfordern, wie Problemlösung, Lernen und Entscheidungsfindung. AI-Systeme sind darauf ausgelegt, ihre Leistung zu optimieren, wobei der Schwerpunkt häufig auf Genauigkeit, Effizienz und Skalierbarkeit liegt. Dies bringt jedoch auch Nachteile mit sich, wie eine geringere Nachvollziehbarkeit und vermindertes Nutzervertrauen. Der Zweck eines XAI-Systems besteht hingegen darin, sein Verhalten für den Menschen verständlicher zu machen, indem es Erklärungen liefert. Das XAI-System sollte in der Lage sein, seine Fähigkeiten und sein Verständnis zu erklären; es sollte erklären, was es getan hat, was es jetzt tut und was als Nächstes passieren wird; und es sollte die wichtigsten Informationen, auf die es reagiert, offenlegen. Der Einfluss von XAI auf die Informationsverarbeitung von Nutzern ist nicht abschließend geklärt. Abschlussarbeiten in diesem Bereich sollen sich mit dem Literaturstand des Themas beschäftigen.

Startzeitpunkt: ab sofort

Methode: Literaturanalyse

Level: Master

Sprache: Englisch/Deutsch

Weiteres Vorgehen: Eine spezifische Forschungsfrage wird mit dem Betreuer gemeinsam erarbeitet.

Einstiegsliteratur:

Bauer, K., von Zahn, M., Hinz, O. (2023). Expl(AI)ned: The Impact of Explainable Artificial Intelligence on Users’ Information Processing, Information Systems Research, 34 (4), 1582-1602. doi: 10.1287/isre.2023.1199

Gunning D., Stefik M., Choi J., Miller T., Stumpf S., Yang G.Z. (2019). XAI—explainable artificial intelligence. Science Robotics, 4 (37), eaay7120. doi: 10.1126/scirobotics.aay7120

Was können und müssen Unternehmen tun, um eine zeitgemäße Kultur des Arbeitens, Kommunizierens und Miteinanderumgehens speziell für IT-nahe Berufe zu schaffen?

Seit vielen Jahren sind insbesondere Menschen mit IT- und Business-Kenntnissen – die typischen WI- und IISM-Absolventen – eine der nachgefragtesten Gruppen auf dem Arbeitsmarkt. Das hat dazu geführt, dass sich Unternehmen immer stärker bemühen, mögliche Kandidaten zielgruppengerecht anzusprechen und sich als attraktiver Arbeitgeber zu präsentieren. Ein Teil der Literatur aus der langen Forschungstradition zu Berufsbildern, Fähigkeiten, Eigenschaften und Bedarfen von IT-Fachkräften (IT workers, IT talent, IT professionals) hat dabei u.a. gezeigt, dass heute „weiche“ Anforderungen die Wunschliste an einen Idealarbeitgeber dominieren und eine gesunde Arbeits-, Firmen- und Kommunikationskultur wichtige Entscheidungskriterien für die knappen Bewerber sind. Der Schwerpunkt soll daher auf einem der folgenden Bereiche liegen:

• Was sind die konkreten Bausteine einer modernen Arbeitskultur?
• Welche Maßnahmen zur Entwicklung einer guten „Kultur“ im Unternehmen gibt es und welche davon wirken nachweislich?
• Was machen Firmen, um eine zielgruppengerechte „Kultur“ im Unternehmen speziell für bestimmte Zielgruppen (WI/IT oder auch andere) zu schaffen?
• Wie kann man „Kultur“ im Unternehmen messen?

Startzeitpunkt: ab sofort

Methode: verschiedene Methoden möglich (v.a. Literaturanalyse, Fallstudien, Repertory Grid (Nutzung und Toolentwicklung))

Level: Master

Sprache: Englisch/Deutsch

Weiteres Vorgehen: Details werden mit dem Betreuer besprochen.

Die Wirtschaftsinformatik- und Information-Systems-Forschung verwendet eine zunehmend diverse Menge an Methoden und Theorien. Der Scherpunkt dieses Themenbereiches liegt in der Analyse dieser Vielfalt. Konkret sollen die meistverwendeten Theorien bzw. Methoden in der Kernliteratur der WI/IS-Community sowie in benachbarten Wissenschaftsdisziplinen (zB. strategisches Management) identifiziert werden.

Startzeitpunkt: ab sofort

Methode: verschiedene Methoden möglich

Level: Master

Sprache: Englisch/Deutsch

Weiteres Vorgehen: Details werden mit dem Betreuer besprochen.

Einstiegsliteratur:

Wilde, T., Hess, T. (2007): „Forschungsmethoden in der Wirtschaftsinformatik“, WIRTSCHAFTSINFORMATIK 49 (4), S. 280–287

“Our success at Amazon is a function of how many experiments we do per year, per month, per week, per day.” Jeff Bezoss  

ExP, XP oder Octopus sind Experiment-Plattformen von Technology Companies wie Microsoft, Uber und Zalando. Diese Unternehmen nutzen digitale Experimente vermehrt als Standard für die Bewertung von Verbesserungen in Softwaresystemen. Die Systeme werden sukzessive optimiert. Nach jeder Verbesserung wird an echten Nutzern mittels eines digitalen Experiments getestet, ob eine Produktvariante besser ist als die andere. 

Ein Experiment testet also Ursache-Wirkungs-Zusammenhänge zwischen Faktoren. Bei einem Experiment wird mindestens ein Faktor aktiv manipuliert (z.B. Verbesserung eines Systems). Die Auswirkungen der Manipulation werden dann auf eine oder mehrere Outcome-Variable gemessen. In diesem Themenbereich soll ein Teaching Case entwickelt werden, der die Besonderheiten von digitalen Experimenten betrachtet und eine interaktives Lernen ermöglicht.  

Startzeitpunkt: ab sofort 

Methode: Teaching Case 

Level: Master 

Sprache: Englisch/Deutsch 

Weiteres Vorgehen: Eine spezifische Forschungsfrage liegt vor und wird mit dem Betreuer besprochen. 

Einstiegsliteratur: 

/isdl/studium/bachelor-studium/isdl-dexp-b-digital-experimentation 

https://www.emeraldgrouppublishing.com/how-to/authoring-editing-reviewing/write-a-teaching-case-study