• Wie DiGas und DiPas den Gesundheitsmarkt revolutionieren können: digitale Geschäftsmodelle im HealthCare Sektor (BA & MA; ab sofort; Kontakt: Birgit Stelzer)
• Ready for invest bei digitalen Gesundheitsanwendungen – Voraussetzungen und Best Practices (BA & MA; ab sofort; Kontakt: Birgit Stelzer)
• Potential der Digitalisierung für die Nachhaltigkeit im Life Science Sektor – Technologien, Trends, Best Practices (BA & MA; ab sofort; Kontakt: Birgit Stelzer)
• Aligning education for the life sciences domain to support digitalization and disruptive innovation (BA & MA; ab sofort; Kontakt: Birgit Stelzer)

Inhaltlich und methodisch werden die Themen individuell mit den Studierenden abgestimmt und konkretisiert. Die Anforderungen an die Themen variieren je nach Abschluss (Bachelor/Master). Alle Arbeiten auch auf Englisch möglich.

• Potentiale und Auswirkungen von B2B Sharing-Plattformen (BA; ab sofort; Kontakt: Stefan Napirata)
• Nachhaltigkeit von digitalen Plattformen (BA/MA; ab sofort; Kontakt: Stefan Napirata)

Inhaltlich und methodisch werden die Themen individuell mit den Studierenden abgestimmt und konkretisiert. Die Anforderungen an die Themen variieren je nach Abschluss (Bachelor/Master). 

• Design von Kundenrezensionssystemen - Welche Faktoren/Design Features beeinflussen das Schreiben von Kundenrezensionen? (BA/MA; ab sofort; Kontakt: Stefan Napirata)
• Design von Kundenrezensionssystemen - Wie sollen Review Templates idealerweise gestaltet sein? (MA; ab sofort; Kontakt: Stefan Napirata)
• (Datenbasierte) Marketing Attribution Modelle (BA&MA; ab sofort; Kontakt: Kilian Züllig)
• Produktprofile basierend auf Online Customer Reviews (BA&MA; ab sofort; Kontakt: Kilian Züllig)
• Kundenprofile basierend auf Online Customer Reviews (BA&MA; ab sofort; Kontakt: Kilian Züllig)
• Multi-Channel-Marketing – Methoden und Konzepte im digitalen Marketing (BA; ab sofort; Kontakt: Stefan Napirata)
• Multi-Channel-Marketing – Entwicklung und Evaluation eines Marketingattributionsmodells (MA; ab sofort; Kontakt: Stefan Napirata)

Inhaltlich und methodisch werden die Themen individuell mit den Studierenden abgestimmt und konkretisiert. Die Anforderungen an die Themen variieren je nach Abschluss (Bachelor/Master). 

Kurzbeschreibung:

Im Zuge der Digitalisierung stehen Organisationen heutzutage sehr umfangreiche und immer weiter wachsende Mengen an Daten zur Verfügung (Stichwort: „Big Data“). Allerdings zeigt die Empirie, dass die analysierten und genutzten Daten häufig durch eine geringe Datenqualität charakterisiert sind – selbst in unternehmensinternen Kundendatenbanken sind durchschnittlich ca. 30% der gespeicherten Datenwerte nicht korrekt. Auf diese Weise entstehen bspw. für ein durchschnittliches amerikanisches Unternehmen jährlich Mehrkosten in Höhe von 15 Millionen Dollar. Mangelnde Datenqualität stellt allerdings nicht nur in Unternehmen ein großes Problem dar – auch in Politik und Gesellschaft steigt in Zeiten von „Fake News“ der Bedarf an zuverlässigen Informationen. Deshalb werden quantitative Methoden zur Messung, Steuerung und Verbesserung der Datenqualität benötigt.

Mögliche Themen:

• What doesn’t get measured doesn’t get managed: Entwicklung von Metriken der Datenqualität (BA/MA; Kontakte: Andreas Obermeier)
• Datenqualität in IoT-Daten: Überblick & Metriken einzelner Datenqualitätsdimensionen (BA/MA; Kontakte: Andreas Obermeier)
• Datenqualität in Wikis & unstrukturierten Daten: Überblick & Metriken einzelner Datenqualitätsdimensionen (BA/MA; Kontakte: Andreas Obermeier)
• Nutzung von Text Mining zur Bestimmung von Datenqualitätsdefekten in Wikis (MA; Kontakt: Andreas Obermeier)
• Einfluss von Datenqualitätsdefekten auf die Performance von Künstlicher Intelligenz (BA/MA; Kontakte: Andreas Obermeier)
• Uncertain Machine Learning: Einbeziehung von Unsicherheit bei Methoden der Künstlichen Intelligenz (BA/MA; Kontakte: Andreas Obermeier)

Kurzbeschreibung:

Informationssysteme und insbesondere soziale Medien (z.B. Online Social Networks, Wikis, Bewertungs- und Rezensions-Communities oder Diskussionsforen) sind inzwischen ein fester Bestandteil unserer Gesellschaft. Sie erlauben es, Teile der Wertschöpfung wie bspw. die Produktentwicklung, den Vertrieb, die Markenbildung und den Service zusammen mit Marktteilnehmern verteilt und digitalisiert durchzuführen. Auch unternehmensintern können Social Media einen wertvollen Beitrag leisten – bspw. durch einen verbesserten Informations- und Wissensaustausch in Enterprise Social Networks. Dabei kommt insbesondere der Frage nach einer Quantifizierung der in Social Media auftretenden Netzwerkeffekte in Wissenschaft und Praxis eine sehr große Bedeutung zu. Zusätzlich stehen Unternehmen durch soziale Medien und das Internet enorme Datenmengen in strukturierter (bspw. Beziehungen zwischen Netzwerkakteuren) oder unstrukturierter Form (bspw. Textinhalt von Tweets) zur Verfügung. Die zielgerichtete und fundierte Analyse dieser Daten mittels automatisierter Verfahren aus den Bereichen Social Network Analysis und Text Mining ermöglicht Unternehmen eine verbesserte Entscheidungsunterstützung und birgt großes Potenzial, bspw. im Customer Relationship Management.

Mögliche Themen:

• Gesellschaftlicher Mehrwert gemeinnütziger digitaler Plattformen (BA/MA; Kontakt: Maximilian Förster)
• KI als Assistenz und Berater für Menschen (BA/MA; Kontakt: Maximilian Förster)

Kurzbeschreibung:

Unternehmen stehen heutzutage – bspw. über soziale Medien und das Internet (z. B. Online Social Networks, Wikis, Bewertungs- und Rezensions-Communities, Diskussionsforen), aber auch in traditionellen Datenbanken (z. B. Data-Warehouse, Kundendatenbanken) und im direkten Kundenkontakt (z. B. humanoide Roboter wie Pepper) – sehr umfangreiche und immer weiter wachsende Datenmengen zur Verfügung. Dabei wird der überwiegende Großteil der verfügbaren Daten in unstrukturierter Form (Bilder, Videos, Texte) gespeichert. Um diesen Datenschatz zu heben, werden Methoden für eine automatisierte Analyse benötigt. Im Themenfeld Big Data Analytics & KI werden konkrete Einsatzmöglichkeiten und der daraus resultierende Nutzen von Methoden der Künstlichen Intelligenz bei der Analyse (un)strukturierter Daten erforscht.

Mögliche Themen:

• ML im Sport – Ist es möglich Resultate von Sportevents mittels Machine Learning vorherzusagen (BA/MA; Kontakte: Chiara Schwenke)
• Telematik-Daten aus Fahrzeugen: Fahrer-/Fahrmanövererkennung (BA/MA; Kontakt: Andreas Obermeier)
• Aspect-based Sentiment Analysis – Erklärung des Ratings in Kundenrezensionen (MA; Kontakt: Andreas Obermeier)
• Verbesserte Klassifikation von Imbalanced Data (BA/MA; Kontakt: Andreas Obermeier)
• Informations-Extraktion aus Bilddaten (MA; Kontakt: Andreas Obermeier)
• Entwicklung einer datengesteuerten Entscheidungsfindung (MA; Kontakt: Andreas Obermeier)

Kurzbeschreibung:

Traditionelle Verkaufsprozesse stoßen hinsichtlich der Datenverfügbarkeit sowie der Analyse- und Verarbeitungsmöglichkeiten oft an ihre Grenzen. Im stationären Handel können die Mitarbeiter in der Regel nicht alle Produkt- und Kundendetails auswendig parat haben. Selbst wenn diese Informationen den Serviceexperten zur Verfügung stünden (z.B. über ein traditionelles IT-System), wäre die Verarbeitung aufgrund der großen Menge an relevanten Daten und ihrer Komplexität manuell kaum zu bewältigen oder durch subjektive persönliche Ansichten verzerrt. Recommender Systeme ermöglichen es objektiv auf Basis von großen Datenmengen Nutzern Produkte zu empfehlen. Roboter wie Pepper haben die Möglichkeit, den Kunden in der physischen Welt wahrzunehmen, mit ihm in Interaktion zu treten und besitzen zudem die Rechenleistung um die so gewonnen Daten objektiver, schneller und genauer zu verarbeiten als Menschen.

Mögliche Themen:

• Einsatz des humanoiden Roboters Pepper im Kundenservice (BA/MA; Kontakt: Andreas Obermeier)
• Einsatz des humanoiden Roboters Pepper im Klinikumfeld (BA/MA; Kontakt: Andreas Obermeier)
• Explainable & Conversational Recommender Systems – Überblick (BA; Kontakt: Andreas Obermeier)
• Kundenorientierte Evaluation von Explainable & Conversational Recommender Systems (BA/MA; Kontakt: Andreas Obermeier)
• Natural Language Generation – Systeme zur Automatisierung des Customer Service (BA/MA; Kontakt: Andreas Obermeier)

Kurzbeschreibung:

Die Arbeitswelt steht vor großen Veränderungen. Die rasante technologische Entwicklung und gesellschaftliche Umbrüche erfordern Antworten darauf, wie die zukünftige Arbeitswelt in Baden-Württemberg gestaltet werden kann. Digitalisierung, Automatisierung und künstliche Intelligenz gelten als Schlüsseltreiber für zukünftiges Wirtschaftswachstum und werden die Arbeitswelt maßgeblich prägen. Daneben bringt die Transformation der Gesellschaft hin zur Klimaneutralität weitreichende Veränderungen mit sich, unter anderem durch die deutliche Reduktion von Treibhausgasemissionen, den Wandel zur ressourceneffizienten Kreislaufwirtschaft und die Umsetzung der Energiewende. Bei der Bewältigung dieser Veränderungen ist vor allem eines wichtig: Menschen, die den wirtschaftlichen und gesellschaftlichen Fortschritt gestalten. Deshalb müssen jetzt die Fähigkeiten aufgebaut werden, die nötig sind, um die Zukunft für alle positiv zu gestalten, sogenannte Future Skills.

Mögliche Themen: 

• Extraktion von Skills aus Stellenanzeigen (BA/MA; Kontakt: Maximilian Förster)
• Erstellung von Future Skills Listen aus Stellenanzeigen mit Hilfe von Machine Learning Methoden (MA; Kontakt: Maximilian Förster)
• Automatisierte Erkennung emergenter Skills mit Hilfe von Machine Learning Methoden (BA/MA; Kontakt: Maximilian Förster)
• Zeitreihenanalysen von Future Skills (BA/MA; Kontakt: Maximilian Förster)

Kurzbeschreibung:

Die Möglichkeit, große Datenmengen aus verschiedenen Quellen (Big Data) zu verarbeiten, und der Einsatz Künstlicher Intelligenz können Unternehmen dabei helfen, ihre Methoden zur Gewinnung, Entwicklung und Bindung von Mitarbeiter:innen grundlegend zu verbessern. Trotz der Verfügbarkeit fortschrittlicher Analyseverfahren basieren die HR-Entscheidungen in vielen Unternehmen jedoch immer noch auf Gefühl und Intuition. Hier setzt People Analytics an: Als zentrales Element zukunftsfähiger Personalstrategien ermöglicht People Analytics einen evidenzbasierten Ansatz im Personalwesen, bei dem Technologien zur Analyse von Daten über bestehende, ehemalige und zukünftige Mitarbeiter:innen in allen HR-Bereichen eingesetzt werden, mit dem Ziel, das Personalwesen und die allgemeine Unternehmensleistung zu verbessern.

Mögliche Themen: 

• Innovative Anwendungen von People Analytics: Fallstudien und Best Practices (BA/MA; Kontakt: Sven Bottesch, Chiara Schwenke)
• Qualität der GenAI-Nutzung am Arbeitsplatz (BA/MA; Kontakt: Sven Bottesch, Chiara Schwenke)
• Empirische Untersuchung des Einflusses von People Analytics auf Geschäftsprobleme und organisatorische Leistung (BA/MA; Kontakt: Sven Bottesch)
• AI Ethics in People Analytics (BA/MA; Kontakt: Chiara Schwenke)
• Organisatorische Voraussetzungen für die erfolgreiche Implementierung von People Analytics (BA/MA; Kontakt: Sven Bottesch, Chiara Schwenke)

Forschungsfrage: Welche ESG-Instrumente gibt es, um KMU bei der Erstellung anforderungsgerechter ESG-Berichte zu unterstützen?

Hintergrund:

Unternehmen stehen vor der Herausforderung, sich ökologisch nachhaltig und sozial verantwortlich zu verhalten. Kapitalmarktorientierte, europäische KMU werden spätestens ab 2028 zur Berichterstattung über Nachhaltigkeitsziele verpflichtet und schon jetzt drängen Anforderungen von Stakeholdern (Kunden, Kreditgesellschaften etc.) zur Implementierung von ESG-Zielen. Neben der Umsetzung von ESG-Strategien (Environmental, Social, Governance) stehen KMU vor der Herausforderung, Berichte ihrer Strategien und Erreichung der ESG-Ziele zu erstatten. Die Vielzahl gesetzlicher Richtlinien und zusätzlicher optionaler Frameworks erschwert es KMU, ESG-Berichte zu veröffentlichen. Daher müssen ESG-Instrumente identifiziert und KMU-gerecht aufbereitet werden, um anforderungsgerechte ESG-Berichte zu erstellen.

Ziele der Arbeit:

1. Analyse von ESG-Instrumenten (Life Cycle Assessment, Global Value Toolkit, Social Footprint Method etc.) hinsichtlich Konformität mit den aktuellen Berichtsstandards der Europäischen Union mit Fokus auf KMU.
2. Konsolidierung und Vergleich der ESG-Instrumente hinsichtlich Bedienbarkeit, Aufwand, KMU-Gerechtigkeit und Kosten.
3. Validierung der Ergebnisse im Rahmen von Experteninterviews oder Workshopformaten.

Einstiegsliteratur:

• Schluep, Isabelle (2020): Systeme und Instrumente der Firmennachhaltigkeitsbewertung: Eine kritische Bestandsaufnahme mit Fokus auf KMU.
• Dettling, J., Y. Loerincik, M. Margni, and O. Jolliet. 2008. Environmental Sustainability Assessment of Companies: Applying Life Cycle Assessment at the Enterprise Level. Clean Technology 2008(1): 242-245.
• McElroy, M. (2015). The Social Footprint Method. A Chapter in The Sustainability Practitioner's Guide to Social Analysis and Assessment .

Forschungsfrage: Welche Anforderungen werden von ESG-Richtlinien definiert?

Hintergrund:

Unternehmen stehen vor der Herausforderung, sich ökologisch nachhaltig und sozial verantwortlich zu verhalten. Kapitalmarktorientierte, europäische KMU werden spätestens ab 2028 zur Berichterstattung über Nachhaltigkeitsziele verpflichtet und schon jetzt drängen Anforderungen von Stakeholdern (Kunden, Kreditgesellschaften etc.) zur Implementierung von ESG-Zielen. Neben der Umsetzung von ESG-Strategien (Environmental, Social, Governance) stehen KMU vor der Herausforderung, Berichte ihrer Strategien und Erreichung der ESG-Ziele zu erstatten.
Die Vielzahl gesetzlicher Richtlinien und zusätzlicher optionaler Frameworks erschwert es KMU, ESG-Berichte zu veröffentlichen. Daher müssen Anforderungen (bzw. -kategorien) von ESG-Richtlinien konsolidiert und für KMU bedarfsgerecht aufbereitet werden.

Ziele der Arbeit:

1. Analyse aktueller gesetzlicher ESG-Richtlinien und optionaler Frameworks hinsichtlich definierten Anforderungen an ESG-Berichte sowie Clustering zu Anforderungskategorien
2. Konsolidierung und Vergleich der Anforderungen verschiedener Richtlinien sowie Aufbereitung einer bedarfsgerechten Anforderungsliste an ESG-Berichte

Einstiegsliteratur:

• Europäische Kommission (2019): Europäischer Grüner Deal. Online verfügbar unter ec.europa.eu/info/strategy/priorities-2019-2024/european-green-deal_de
• Schluep, Isabelle (2020): Systeme und Instrumente der Firmennachhaltigkeitsbewertung: Eine kritische Bestandsaufnahme mit Fokus auf KMU.
•  UN (2015): The 2030 Agenda for Sustainable Development.

Forschungsfrage: Welche Auswirkungen hat die Corporate Sustainability Reporting Directive auf die Implementierung zusätzlicher Nachhaltigkeitsmaßnahmen in Unternehmen?

Hintergrund: Mit dem Inkrafttreten der Corporate Sustainability Reporting Directive (CSRD) und den damit verbundenen neuen Berichtspflichten müssen Unternehmen Systeme zur Erfassung berichtspflichtiger Kennzahlen entwickeln. Nun stellt sich die Frage, ob die Richtlinie als Katalysator für die Implementierung weiterer Nachhaltigkeitsmaßnahmen fungiert und somit zu umfassenderen Veränderungen in den Unternehmen beitragen kann.

Ziele der Arbeit:

1. Darstellung der wesentlichen Aspekte der CSRD: Analyse der wichtigsten Anforderungen und Inhalte der Corporate Sustainability Reporting Directive.
2. Durchführung von Expertenbefragungen: Erhebung und Auswertung von Expertenmeinungen hinsichtlich der Auswirkungen der CSRD auf die Nachhaltigkeitsmaßnahmen in Unternehmen.

Forschungsfrage: Wie können Unternehmen effektiv Umwelt-, Sozial- und Governance-(ESG)-Risiken in ihre Risikomanagementprozesse integrieren?

Hintergrund: Effektive Risikomanagementsysteme sind entscheidend für die langfristige Wettbewerbsfähigkeit von Unternehmen. Mit der wachsenden Bedeutung von Nachhaltigkeit müssen Unternehmen nicht nur klassische Risiken, sondern auch ESG-Risiken berücksichtigen. Es stellt sich damit die Frage, wie ESG-Risiken in bestehende Risikomanagementsysteme integriert werden können und welche Herausforderungen dabei auftreten.

Ziele der Arbeit:

1. Systematische Literaturrecherche: Identifikation von ESG-Risiken und Analyse ihrer Auswirkungen auf Unternehmen.
2. Entwicklung eines Frameworks: Erstellung eines Frameworks mit Strategien zur Integration von ESG-Aspekten in Risikomanagementsysteme.
3. Analyse von Best und Worst Practices: Untersuchung erfolgreicher und gescheiterter Implementierungen in Unternehmen.

Forschungsfrage: Wie werden nachhaltigkeitsbasierte Vergütungssysteme in kleinen und mittleren Unternehmen implementiert, und welche Herausforderungen bestehen hierbei?

Hintergrund:
Nachhaltigkeitsbasierte Vergütungssysteme gewinnen zunehmend an Bedeutung, da Unternehmen ihre Mitarbeitenden und insbesondere das Top-Management an Nachhaltigkeitskriterien ausrichten möchten. Obwohl die Literatur bereits viele Aspekte dieser Systeme behandelt, fehlt eine eingehende Analyse darüber, wie KMU solche Vergütungssysteme implementieren und welche Herausforderungen dabei auftreten.

Ziele der Arbeit:

1. Systematische Literaturrecherche: Analyse und Zusammenfassung des aktuellen Forschungsstands zu nachhaltigkeitsbasierten Vergütungssystemen.
2. Durchführung von Expertenbefragungen: Erhebung und Auswertung von Expertenmeinungen hinsichtlich des Einsatzes und der Herausforderungen von nachhaltigkeitsbasierten Vergütungssystemen in KMU.

Forschungsfrage: Wie werden die Konzepte von Moral Consistency und Moral Licensing im Nachhaltigkeitsbereich in der aktuellen Forschung dargestellt, und welche Forschungslücken bestehen?

Hintergrund: In der Psychologie beschreiben die Konzepte von Moral Consistency und Moral Licensing, ob eine „gute“ Handlung fortgeführt wird (Consistency) oder ob sie als Rechtfertigung für spätere moralisch fragwürdige Handlungen dient (Licensing). Im Nachhaltigkeitsbereich gibt es widersprüchliche Forschungsergebnisse zu diesen Phänomenen. Ein systematischer Überblick über bestehende Studien fehlt, um diese Unterschiede zu beleuchten und die Erkenntnisse zu vereinen.

Ziele der Arbeit:

1. Identifikation relevanter Publikationen: Auswahl der Studien im Bereich Moral Consistency und Moral Licensing im Nachhaltigkeitskontext, basierend auf den Kriterien nach Luft & Shields (2003, S. 172-173).
2. Grafische Darstellung und Modellierung: Entwicklung individueller grafischer Darstellungen jeder relevanten Studie, gefolgt von einer gruppierten Modellierung von Ursache-Wirkungs-Landkarten auf Grundlage der folgenden Leitfragen: Was wurde untersucht (Variablen)? Was ist das Kausalmodell? Was ist die Analyseebene?
3. Identifikation von Forschungslücken: Analyse der Ursache-Wirkungs-Landkarten zur Ermittlung offener Fragen und Forschungslücken im Bereich Moral Consistency und Moral Licensing im Nachhaltigkeitskontext.

Forschungsfrage: Wie können Nudges und Gamification als Management Control-Instrumente eingesetzt werden, um eine nachhaltige Unternehmenskultur zu entwickeln?

Hintergrund: Nudges und Gamification sind innovative Ansätze, die das Verhalten von Mitarbeitenden gezielt beeinflussen und zur Schaffung einer nachhaltigen Unternehmenskultur beitragen können. Während der Einsatz dieser Instrumente in der Wirtschaftsinformatik, insbesondere im E-Commerce zur Steuerung des Kundenverhaltens, gut untersucht ist, bleibt unklar, wie die gewonnenen Erkenntnisse im Management Accounting angewendet werden können. Es stellt sich nun die Frage, welche Relevanz Nudges und Gamification im Kontext einer nachhaltigen Unternehmenskultur einnehmen können.

Ziele der Arbeit:

1. Aufarbeitung des aktuellen Stands: Durchführung einer systematischen Analyse der bestehenden Literatur zu Nudges und Gamification im Bereich der Wirtschaftsinformatik, um deren Funktionsweise und Wirksamkeit zu verstehen.
2. Übertragung der Erkenntnisse: Darstellung der Möglichkeiten, wie Nudges und Gamification im Management Accounting implementiert werden können, um nachhaltige Verhaltensweisen und Praktiken innerhalb der Unternehmenskultur zu fördern.
3. Identifikation von Best Practices: Untersuchung von Fallstudien oder praktischen Beispielen, in denen Nudges und Gamification erfolgreich in Management Control-Systeme integriert wurden, um eine nachhaltige Unternehmenskultur zu unterstützen.

Forschungsfrage: Wie kann generative Künstliche Intelligenz im Controlling von kleinen und mittleren Unternehmen eingesetzt werden, und welche Potenziale sowie Herausforderungen ergeben sich daraus?

Hintergrund: Die generative Künstliche Intelligenz (KI) bietet vielfältige Anwendungsmöglichkeiten, die das Controlling in KMU transformieren können. Durch die Automatisierung und Optimierung von Prozessen sowie die Erstellung von datenbasierten Prognosen und Berichten könnten Effizienzsteigerungen erzielt werden. Es stellt sich deshalb die Frage, wie generative KI im Controlling von KMU eingesetzt werden kann und welche Herausforderungen dabei auftreten.

Ziele der Arbeit:

1. Analyse der Potenziale generativer KI im Controlling: Untersuchung der möglichen Anwendungen generativer KI durch eine systematische Literaturanalyse.
2. Erhebung der Herausforderungen für KMU: Analyse der technischen, organisatorischen und ethischen Herausforderungen bei der Implementierung generativer KI im Controlling von KMU, unter Verwendung von Expertenbefragungen.

Forschungsfrage: Welche Anwendungsfelder haben Open Data im Forecasting?

Hintergrund:

„The goal of forecasting is not to predict the future but to tell you what you need to know to take meaningful action in the present.“ - Paul Saffo, Universität Stanford

Forecasts ermöglichen Unternehmen Kalkulationen von Produktions- und Absatzmengen, um ihre Wettbewerbsposition nachhaltig zu stärken. Für genaue und verlässliche Forecasts stellt die Komplexität globaler Zuliefer- und Absatzmärkte, zunehmend globaler Wertschöpfungsketten Unternehmen sowie klima- und geopolitische Entwicklungen vor zahlreiche Herausforderungen. Öffentlich verfügbare Daten (Open Data) bieten die Möglichkeiten, Forecasts und damit die Resilienz von Lieferketten anzureichern, um diesen Herausforderungen zu begegnen.

Ziele der Arbeit:

1. Überblick über typische Forecasting-Prozesse, die durch Open Data profitieren
2. Identifikation und Klassifikation von zugänglichen Open Data Quellen für produzierende KMU sowie Kompendium interner Daten
3. Erprobung der Integration von Open Data in Forecasting-Methoden an ausgewählten Fällen

Einstiegsliteratur:

• EU (2023): Open Data in Europe 2023 | data.europa.eu. Online verfügbar unter https://data.europa.eu/en/publications/open-data-maturity/2023
• Gleich, Ronald; Kappes, Michael; Kirchmann, Markus (Hg.) (2022): Planung und Forecasting. 1. Auflage 2022. Freiburg im Breisgau: Haufe-Lexware; Haufe (Haufe Fachbuch)
• Petropoulos, Fotios; Apiletti, Daniele; Assimakopoulos, Vassilios; Babai, Mohamed Zied; Barrow, Devon K.; Ben Taieb, Souhaib et al. (2022): Forecasting: theory and practice. In: International Journal of Forecasting 38 (3), S. 705–871. DOI: 10.1016/j.ijforecast.2021.11.001.

Forschungsfrage: Wie kann die Wirtschaftlichkeit von Subscription Models im Maschinen- und Anlagenbau bewertet werden?

Hintergrund:

Im Rahmen von Subscription Models zahlen Kunden kontinuierlich für die Nutzung einer Leistung anhand verschiedener Zeit- oder Leistungsgrößen („Pay-per-X“), während das Eigentum beim Anbieter verbleibt. Anwendungsfälle sind zunehmend auch im Maschinen- und Anlagenbau zu finden. Hier lassen sich Kooperationen von Anbietern mit weiteren Akteuren des Wertschöpfungsnetzwerks beobachten (Lieferanten, Finanzierungspartner, Versicherer, IoT-Dienstleister), woraus sich besondere Herausforderungen für die betriebswirtschaftliche Steuerung ergeben.

Ziele der Arbeit:

1. Systematische Darstellung der Kosten- und Nutzenpotenziale für Anbieter und Kunden von Subscription Models im Maschinen- und Anlagenbau
2. Ergänzung der Perspektive weiterer Stakeholder im Wertschöpfungsnetzwerk (Lieferanten, Finanzierungspartner, Versicherer, IoT-Dienstleister)
3. Ableitung von Kennzahlen zur Bewertung der Wirtschaftlichkeit des Subscription Models aus der Perspektive verschiedener Stakeholder
    

Einstiegsliteratur:

• Stojkovski, I., Achleitner, A.-K., Lange, T. (2021): Equipment as a Service – The Transition Towards Usage-Based Business Models, SSRN, S. 1-44.
• Schuh, G., Wenger, L., Stich, V., Hicking, J., Gailus, J. (2020): Outcome Economy – Subscription Business Models in Machinery and Plant Engineering, in: Procedia CIRP 93(1), S. 599-604
• Seiter, M., Grünert, L., Kenner, K. (2021): Subscription Models – Merkmale, Praxisbeispiele und Auswirkungen auf die Unternehmensteuerung, in: Schmalenbach IMPULSE (1), S. 1-17.

Forschungsfrage: Welche Risiken ergeben sich aus dem EU Data Act für bestehe Digital Service-Angebote von Unternehmen?

Hintergrund:

Mit dem Data Act der Europäischen Union wird eine gesetzliche Grundlage für den fairen Umgang mit Daten geschaffen. Die umfassende Regulierung soll zu einem besseren Schutz persönlicher Daten beitragen und gleichzeitig die effiziente Nutzung dieser Daten fördern. In diesem Kontext stellt sich die Frage, welche potenziellen Risiken sich für bestehende Digital Service-Angebote von Unternehmen ergeben könnten. Hier bedarf es einer genaueren Analyse, um die Auswirkungen des Data Acts auf bestehende digitale Dienstleistungsangebote umfassend zu verstehen.

Ziele der Arbeit:

1. Identifikation von Risiken für Digital Service-Angebote von Unternehmen durch den Data Act der EU
2. Ableitung von Maßnahmen zur Überwindung der identifizierten Risiken

Einstiegsliteratur:

• Bundesministerium für Digitales und Verkehr (2024): EU Data Act.
• Trischler, M. F. G., & Li-Ying, J. (2023). Digital business model innovation: toward construct clarity and future research directions. Review of Managerial Science, 17(1), 3-32.
• Geiregat, S. (2022). The Data Act: Start of a New Era for Data Ownership?. Available at SSRN.

Forschungsfrage: Welche Potenziale ergeben sich aus dem EU Data Act für die Entwicklung innovativer, digitaler Geschäftsmodelle von Unternehmen?

Hintergrund:

Mit dem Data Act der Europäischen Union wird eine gesetzliche Grundlage für den fairen Umgang mit Daten geschaffen. Die umfassende Regulierung trägt damit nicht nur zu einem besseren Datenschutz bei, sondern dient auch der effizienten Nutzung dieser Daten und bietet Unternehmen dadurch zahlreiche Potenziale zur Entwicklung innovativer, digitaler Geschäftsmodelle.

Ziele der Arbeit:

1. Identifikation von Potenzialen zur Entwicklung innovativer, digitaler Geschäftsmodelle durch den Data Act der EU
2. Ableitung von Maßnahmen zur Umsetzung der identifizierten Potenziale

Einstiegsliteratur:

• Bundesministerium für Digitales und Verkehr (2024): EU Data Act.
• Trischler, M. F. G., & Li-Ying, J. (2023). Digital business model innovation: toward construct clarity and future research directions. Review of Managerial Science, 17(1), 3-32.
• Geiregat, S. (2022). The Data Act: Start of a New Era for Data Ownership?. Available at SSRN.

Forschungsfrage: Wie ist der Stand der empirischen Forschung auf dem Feld des Interorganisational Management Accounting und Control?

Hintergrund:

Unternehmen besitzen eine komplexe Organisationsstruktur. Die Steuerung von Unternehmens-netzwerken ist von großer Relevanz für den Erfolg solcher Netzwerke und hat daher einen hohen Stellenwert auf der internationalen Forschungsagenda. Zahlreiche Forschungsarbeiten untersuchen verschiedenste Netzwerktypen, Steuerungssysteme und -instrumente mit unterschiedlicher Methodik sowie theoretischem Bezugsrahmen. Bis dato fehlt es jedoch an einem Überblick über die in der Interorganisational Management Accounting und Control Literatur untersuchten Konstrukte sowie deren Ursache-Wirkungs-Zusammenhänge. Ziel der Arbeit ist deshalb die Analyse der empirischen Interorganisational Management Accounting und Control Forschung sowie deren grafische Darstellung in Form von Ursache-Wirkungs-Landkarten. Es soll ein kompakter, visueller Überblick über das vielfältige Forschungsgebiet erarbeitet und auf dessen Basis Forschungslücken identifiziert werden.

Ziele der Arbeit:

1. Identifikation relevanter Publikationen in den sechs führenden Management Accounting und Control Fachzeitschriften (AOS, CAR, JAE, JAR, JMAR, TAR) anhand der Kriterien nach Luft & Shields (2003, S. 172-173).
2. Individuelle grafische Darstellung jeder Publikation und anschließend gruppierte Modellierung der Ursache-Wirkungs-Landkarten anhand der Leitfragen: Was wurde untersucht (Variablen)? Was ist das Kausalmodell? Was ist die Analyseebene?
3. Identifikation von Forschungslücken anhand der Ursache-Wirkungs-Landkarten

Einstiegsliteratur:

• Caglio, A., & Ditillo, A. (2008): A review and discussion of management control in inter-firm relationships: Achievements and future directions. In: Accounting, Organizations and Society, 33(08), 865–898.
• Hakansson, H., & Lind, J. (2007). Accounting in an Interorganizational Setting. In: Handbook of Management Accounting Research, 2, 885–902.
• Luft, J., & Shields, M. D. (2003). Mapping management accounting: graphics and guidelines for theory-consistent empirical research. Accounting, Organizations and Society, 28, 169–249.