Die wachsende Verfügbarkeit und Vielfalt von Daten verändert nicht nur Unternehmen, sondern auch unsere Gesellschaft grundlegend. Immer leistungsfähigere Technologien ermöglichen es, riesige Datenmengen in Echtzeit zu sammeln, zu speichern und zu analysieren. Ob KI-gesteuerte Logistiksysteme, die Lieferketten optimieren, prädiktive Wartung in der Industrie 4.0 oder personalisierte Empfehlungen im E-Commerce – datenbasierte Anwendungen prägen zunehmend die betriebliche und gesellschaftliche Realität. Zugleich beeinflussen datengetriebene Systeme unser tägliches Leben, von digitalen Gesundheitsanwendungen bis hin zu Smart Cities, in denen urbane Lebensräume effizienter gestaltet werden. Unternehmen stehen dabei vor der besonderen Herausforderung, komplexe und dynamische betriebliche Prozesse datengetrieben zu analysieren und zu steuern. Unterschiedliche Datenquellen, oft mit heterogenen Formaten und Qualitäten, erschweren eine einheitliche Sicht auf Geschäftsprozesse. Hinzu kommen hohe Anforderungen an die Integration, Interpretation und Nutzung der Daten, um Mehrwerte zu schaffen.
Um dieses Potenzial zu nutzen und mittels Daten Mehrwerte zu schaffen, sind Methoden und Werkzeuge der modernen Datenanalyse und des Datenmanagements erforderlich, die häufig unter dem Sammelbegriff Data Science & Business Analytics (DS & BA) zusammengefasst werden. Dazu gehören vielfältige Ansätze aus unterschiedlichen Disziplinen wie Statistik, künstlicher Intelligenz, Natural Language Processing, Process Mining, Visual Analytics, Business Intelligence, Datenqualitätsmanagement, Data Governance und vielen mehr.
Vor diesem Hintergrund begrüßen wir in unserem Track die gesamte Vielfalt der wirtschaftsinformatik-bezogenen Forschungsbestrebungen in den Bereichen Data Science & Business Analytics (DS & BA). Diese reichen beispielhaft von der Generierung, Erhebung und Repräsentation von (Big) Data, über die Entwicklung innovativer Theorien, Methoden und Verfahren zur Lösung betriebswirtschaftlicher und gesellschaftlicher Problemstellungen, dem Design analytischer Artefakte bis hin zur Adoption und Integration dieser Ansätze in Unternehmen. Forschungsarbeiten zur Entwicklung neuer statistischer und maschineller Lernverfahren sind willkommen, insofern ein Bezug zur Lösung einer betriebswirtschaftlichen oder gesellschaftlichen Problemstellung aufgezeigt wird. Wir ermutigen Autorinnen und Autoren zur Einreichung von relevanten und originellen Beiträgen unter Ausschöpfung der methodischen Breite des Forschungsgebietes.
Mögliche Themen sind unter anderem:
- Innovationen und aufkommende Trends in DS & BA
- Geschäftswert und Monetarisierung von DS & BA
- Einführung, Etablierung, Reifegrad und Nutzung von DS & BA
- DS & BA für gesellschaftlichen Nutzen, individuelle und gesellschaftliche Ermächtigung sowie digitale Verantwortung
- Erklärbare künstliche Intelligenz und interpretierbares maschinelles Lernen
- Datenschutz, Datenqualität und Data Governance
- Chancen und Herausforderungen beim Teilen von Daten, sowie Open Data
- Digitale Fertigung und das Internet der Dinge
- Operative, Echtzeit- oder ereignisgesteuerte Business Analytics
- Process Mining und die Vorteile von Robotic Process Automation
- Visual Analytics und die Analyse unstrukturierter Daten (z. B. Text, Bild, Audio, Video) zur Bewältigung organisatorischer und/oder gesellschaftlicher Herausforderungen
- Präskriptive Analytik und Operations Research
- Datenarbeit und Berufe im Bereich Data Science
Track chairs
AEs
- Marie-Louise Arlt, Universität Bayreuth
- Henning Baars, Universität Stuttgart
- Ivo Blohm, Universität St. Gallen
- Simon Emde, Universität Jena
- Andreas Fink, Helmut Schmidt Universität Hamburg
- Maximilian Förster, Universität Ulm
- Burkhardt Funk, Leuphana Universität Lüneburg
- Karoline Glaser, Technische Universität Dresden
- Kai Heinrich, Otto-von-Guericke-Universität Magdeburg
- Charlotte Köhler, Europa Universität Viandria
- Niklas Kühl, Universität Bayreuth
- Alexander Mädche, Karlsruher Institut für Technologie
- Milad Mirbabaie, Otto-Friedrich-Universität Bamberg
- Frederik Möller, Universität Braunschweig
- Oliver Müller, Universität Paderborn
- Roland Müller, Hochschule für Wirtschaft und Recht Berlin
- Dimitri Petrik, Universität Stuttgart
- Nicolas Pröllochs, Justus-Liebig-Universität Gießen
- Christian Schieder, Ostbayerische Technische Hochschule (OTH) Amberg-Weiden
- Guido Schryen, Universität Paderborn
- Thomas Setzer, Katholische Universität Eichstätt-Ingolstadt
- Philip Stahmann, TU Dortmund
- Sven Weinzierl, Friedrich-Alexander-Universität Erlangen-Nürnberg
- Lin Xie, University of Twente
- Alona Zharova, Humboldt-Universität zu Berlin
- Sandra Zilker, Technische Hochschule Nürnberg Georg Simon Ohm