Wirtschaftsinformatik (WI)
Permanent URI for this communityhttps://dl.gi.de/handle/20.500.12116/32
Zu diesem Fachbereich gehört auch die Tagung Modellierung, organisiert vom Querschnitts-Fachausschuss Modellierung.
Authors with most Documents
Browse
38 results
Search Results
Journal Article Mit Low-Code vom digitalen Produktpass bis zur Automatisierung ganzer Wertschöpfungsketten(Springer, 2024) Hennig, Stefan; Schulze, Bruno; Wallisch, Franz; Anke, JürgenMittelständische Unternehmen stehen unter einem enormen Marktdruck. Sie bewegen sich im Spannungsfeld von steigenden Kundenanforderungen, eines zunehmenden Fachkräftemangels sowie komplexer gesetzlicher Rahmenbedingungen u. a. in Bezug auf Cybersecurity, Nachhaltigkeit sowie Sorgfaltspflichten bezüglich Menschenrechte und Klimaschutz. Digitalisierung und Automatisierung von Geschäftsprozessen verspricht, diesen Druck auf die Unternehmen zu reduzieren, den Anforderungen verschiedener Stakeholder in kürzerer Zeit nachzukommen und Freiheit für strategische Handlungsfähigkeit zu gewinnen. Anhand eines Herstellers von Maschinenkomponenten wird gezeigt, welche Rolle Low-Code-Ansätze für die digitale Transformation in mittelständischen Unternehmen spielen. Mit einer Low-Code Integrationsplattform wurden die bereits vorhandenen jedoch isolierten Daten und Informationen im Unternehmen aufgabenorientiert aus den verschiedenen IT-Systemen erschlossen und zusammengeführt. Mittels APIs und ansprechenden Frontends wurden diese Daten für die verschiedenen Stakeholder (Kunden, Servicepartner, interne Vertriebs- und Serviceabteilungen) spezifisch aufbereitet und als digitaler Produktpass bereitgestellt. Durch den Einsatz von Low-Code-Ansätzen betrug der Aufwand dafür insgesamt nur 20 Personentage. Der Beitrag liefert zunächst eine Begriffsbildung und gibt anschließend einen Einblick in die Konzeption und Umsetzung des digitalen Produktpasses, diskutiert anhand konkreter Szenarien Grenzen von Low-Code-Ansätzen und zeigt Lösungsansätze auf. Ein Ausblick auf den Zusammenhang von Low-Code und künstlicher Intelligenz rundet den Beitrag ab. Medium-sized companies are under enormous market pressure. They are caught between the conflicting priorities of increasing customer requirements, a growing shortage of skilled workers and complex legal framework conditions, including in relation to cybersecurity, sustainability and due diligence obligations regarding human rights and climate protection. Digitalization and automation of business processes promise to reduce this pressure on companies, meet the requirements of various stakeholders in less time and gain freedom for strategic action. A manufacturer of machine components is used to demonstrate the role that low-code approaches play in the digital transformation of medium-sized companies. Using a low-code integration platform, the existing but isolated data and information in the company was accessed and merged from the various IT systems in a task-oriented manner. Using APIs and appealing front ends, this data was specifically prepared for the various stakeholders (customers, service partners, internal sales and service departments) and made available as a digital product passport. Thanks to the use of low-code approaches, the total effort required was only 20 man-days. The article first provides a definition of the term and then gives an insight into the conception and implementation of the digital product passport, discusses the limits of low-code approaches using concrete scenarios and shows possible solutions. An outlook on the connection between low-code and artificial intelligence rounds off the article.Journal Article IT – Enabler der Energiewende(Springer, 2024) Hooß, Kerstin; Knoll, Matthias; Welter, JürgenDer Umbau des Energiesystems von einer weitgehend hierarchischen hin zu einer stark dezentralisierten und nachhaltigen Struktur erfordert umfassende Überlegungen zur Entwicklung geeigneter IT-Lösungen. Dabei beeinflussen einerseits der Stand technischer Entwicklungen, andererseits der Stand der Regulatorik und Standardisierung die Verfügbarkeit und die Akzeptanz „passender“ Anwendungssysteme. Es wird zudem deutlich, dass weniger das Fehlen innovativer Ansätze in der IT, als vielmehr geeignete Wege zur „richtigen“ Kombination bereits verfügbarer – und vielfach auch bereits in anderen Bereichen bewährter – Technologien und Komponenten den notwendigen niederschwelligen IT-Einsatz erschweren. Dieser Einführungsbeitrag stellt daher ausgehend von den Besonderheiten des im Umbau befindlichen Energiesystems zentrale Technologien, Konzepte und Elemente im IT-Kontext vor, die notwendig sind, um die Herausforderungen bewältigen zu können. Ein Ausblick rundet den Beitrag ab. The energy system transformation leading from largely hierarchical to highly decentralized structures require comprehensive consideration on how to develop suitable IT solutions. The availability and acceptance of “suitable” application systems are affected by the state of technical development on the one hand and the state of regulation and standardization on the other. However, not the lack of innovative approaches in IT, but rather the lack of suitable ways of combining technologies and components that are already available—and in many cases already proven in other areas— make the necessary low-threshold use of IT more difficult. This article therefore introduce important IT-based concepts and components necessary to overcome the energy system transformation challenges. The article concludes with an outlook on further topics.Journal Article Der Einfluss von KI auf die Rolle von Vertriebspersonen im B2B(Springer, 2024) Markic, Mihael; Knickrehm, Charlotte; Ahlfeld, ChristianDer technische Vertrieb im Business-to-Business (B2B) galt bislang als schwer zu automatisieren, da dieser durch komplexe und individuelle Produkte mit langen Lebenszyklen sowie durch einen hohen Beratungsbedarf und intensive Kundenbeziehungen gekennzeichnet ist. Die zunehmenden Fähigkeiten digitaler Technologien, insbesondere der künstlichen Intelligenz, werfen jedoch die Frage auf, welche Rolle der Mensch in einem immer stärker von künstlicher Intelligenz geprägten Geschäftsumfeld einnehmen wird. Auf Basis einer qualitativen Studie mit 13 Interviews wird der Einfluss von künstlicher Intelligenz auf die Rolle von Personen im technischen B2B-Vertrieb untersucht. Die Ergebnisse zeigen, dass die Rollenveränderung aus einer operativen (Veränderung der Aufgaben und der Verantwortungen), einer kognitiven (Veränderung der Fähigkeiten) und einer psychologischen Komponente (Veränderung der Selbstwahrnehmung) besteht. Es zeigt sich aber auch, dass sich die Rolle der Vertriebspersonen durch den Einsatz von künstlicher Intelligenz zwar verändert, sie im technischen B2B-Vertrieb aber weiterhin eine zentrale bleibt, da menschliche Fähigkeiten und Eigenschaften auch zukünftig die wesentlichen Differenzierungsmerkmale im Wettbewerb darstellen. The technical sales sector in business-to-business (B2B) has traditionally been considered difficult to automate due to complex and customized products with long life cycles, a high need for consulting and intensive customer relationships. However, the increasing capabilities of digital technologies, particularly artificial intelligence, raise the question of what role humans will play in a business environment increasingly characterized by artificial intelligence. Based on a qualitative study with 13 interviews, we examined the influence of artificial intelligence on the role of humans in technical B2B sales. The results indicate that the role change consists of an operational component (change in tasks and responsibilities), a cognitive component (change in skills) and a psychological component (change in self-perception). Although the role of the salesperson is changing due to the use of artificial intelligence, it remains a central role in technical B2B sales, as human skills and characteristics will continue to be the key differentiators in the future.Journal Article Künstliche Intelligenz in betrieblichen Prozessen: Ein Vorgehensmodell zur partizipativen Gestaltung von KI-Anwendungen(Springer, 2024) Ruess, Patrick; Staffa, Anna; Kreutz, Anna; Busch, Christine; Saba Gayoso, Christian Oswaldo; Pollmann, KathrinSchon heute gilt Künstliche Intelligenz (KI) als betrieblicher Wertschöpfungsfaktor, von dem sich Unternehmen neue Impulse für bestehende Prozesse und Geschäftsmodelle versprechen. Während der derzeitige Diskurs vor allem technische Möglichkeiten und Anwendungsfälle in den Blick nimmt, umfasst die erfolgreiche betriebliche Integration allerdings auch wesentliche soziale und organisatorische Aspekte. Im vorliegenden Artikel werden daher inner- und überbetriebliche Anforderungen identifiziert, die eine Mitarbeiter*innen-gerechte und partizipative Gestaltung von KI-Anwendungen im betrieblichen Umfeld ermöglichen. Die empirische Grundlage hierfür bildet eine Interviewstudie, in der der KI-Einsatz in unterschiedlichen Branchen und Unternehmensbereichen untersucht wurde. Darauf aufbauend wird ein Vorgehensmodell eingeführt, dass gemäß den identifizierten Kriterien eine partizipative Teilhabe bei der Gestaltung von betrieblichen KI-Anwendungen erlaubt. Das Modell bezieht sich auf die Qualifizierung und Akzeptanzbildung in der Belegschaft, aber auch auf die organisatorische Umsetzung und Verstetigung. Die Herangehensweise verknüpft infrastrukturelle, interaktive als auch konzeptionelle Bausteine miteinander und zielt darauf ab, die Beteiligung der Mitarbeiter*innen in allen Phasen der KI-Entwicklung zu fördern und in der betrieblichen Umsetzung zu berücksichtigen. Die Ergebnisse dieser Forschung bieten praktische Anknüpfungspunkte für Unternehmen, die sich mit Fragen der KI-Implementierung befassen. Gleichzeitig ergänzen sie den aktuellen wissenschaftlichen Diskurs um die Perspektive, die eine konsequente betriebliche Gestaltung und Teilhabe vorsieht. Die zu diesem Zweck identifizierten Anforderungen komplementieren die empirische Grundlage in der Forschung. Artificial intelligence (AI) is an operational factor that adds value for companies, providing new ideas for existing processes and business models. Although the current discourse emphasizes technical possibilities and use cases, successful operational integration requires essential social and organizational aspects to be considered. This article identifies the internal and external requirements for an employee-friendly and participatory design of AI applications in the business environment. An interview-based study was conducted to investigate the use of AI in various sectors and company divisions. The study’s findings allow for a process model to be introduced that facilitates participatory involvement in the design of corporate AI applications, guided by the identified criteria. The model pertains to the development of qualifications and acceptance in the workforce and the implementation and stabilization of organizations. The approach connects infrastructural, interactive, and conceptual building blocks and strives to encourage employee involvement throughout all phases of AI development for further consideration in operational implementation. The findings of this study provide tangible insights for companies navigating AI implementation concerns. At the same time, they supplement the current scientific discourse with a perspective that provides for consistent operational design and participation. The requirements identified for this purpose complement the empirical basis of the research.Journal Article Ethische Aspekte beim Einsatz künstlicher Intelligenzen im Kontext des industriellen Wandels(Springer, 2024) Fall, Daniel; Manouchehri, ShakibDer Beitrag untersucht die ethischen Implikationen des Einsatzes von künstlicher Intelligenz (KI) im industriellen Kontext vor dem Hintergrund eines sich ständig wandelnden Industrieumfelds. Methodisch beruht der Beitrag auf einer qualitativen Dokumentenanalyse. Es wurden 56 Zeitungsartikel zwischen 1960 und 2023 zum Thema analysiert und mithilfe eines induktiv gebildeten Kategoriensystems codiert. Dadurch konnten gesellschaftliche Haltungen, Erwartungen, Hoffnungen und Ängste im Zusammenhang mit KI bestimmt werden. Die Ergebnisse zeigen die wichtigsten Anwendungsbereiche von KI im industriellen Kontext auf und identifizieren auf Grundlage der narrativen Ethik spezifische ethische Problemstellungen. Als zentrale Problem- und Fragestellungen kristallisieren sich die Bedeutung und Möglichkeit einer Substitution menschlicher Arbeit durch KI, Fragen der moralischen Verantwortung, Regulierungsansätze und damit verbundene Problemstellungen sowie die Notwendigkeit der digitalen Kompetenzen in verschiedenen Ausprägungen heraus. This article examines the ethical implications of Artificial Intelligence (AI) deployment in the industrial context, considering a constantly evolving industrial environment. The article is methodologically based on qualitative document analysis. 56 newspaper articles published between 1960 and 2023 were analyzed and coded using an inductively derived categorization system. This approach enabled the identification of societal attitudes, expectations, hopes, and concerns associated with AI. The findings of the study highlight the key application areas of AI in the industrial context and identify specific ethical issues based on the narrative ethics approach. The central problem and research questions revolve around the significance and potential substitution of human labor by AI, questions of moral responsibility, regulatory approaches and associated challenges, as well as the need for digital skills in various forms.Journal Article Kompetenzfelder künftiger Beschäftigter im Bereich Künstlicher Intelligenz(Springer, 2024) Neuhaus, Uwe; Schulz, Michael; Schröder, Hinrich; Herrmann, FranziskaIn dem Beitrag wird basierend auf einer Literaturrecherche herausgearbeitet, welche Kompetenzfelder zu adressieren sind, um Mitarbeitende von Unternehmen zu befähigen, Systeme aus dem Bereich der Künstlichen Intelligenz (KI) einsetzen und/oder mit ihnen umgehen zu können. Im Fokus stehen dabei nicht nur die Kompetenzanforderungen an KI-Expert*innen, sondern an alle Mitarbeitenden, die aktuell oder zukünftig mit KI-Systemen interagieren. Die Untersuchung basiert auf einem Kompetenzschema, das bereits zur Einordnung der Kompetenzen im Bereich Business Analytics verwendet wurde. Als Ergebnis wird die Unterscheidung von fünf Kompetenzfeldern und drei Kompetenzstufen vorgeschlagen, auf deren Grundlage Unternehmen und deren aktuelle und potenzielle Beschäftigte gezielt künftig benötigte KI-Kompetenzen erwerben bzw. entwickeln können. Based on a literature review, this article identifies the competencies that need to be addressed to enable company employees to use and/or deal with artificial intelligence (AI) systems. The focus is not only on the competence requirements for AI experts, but also for all employees who interact with AI systems now or in the future. The study is based on a competency scheme that has already been used to classify competencies in the field of business analytics. As a result, a distinction between five competence fields and three competence levels is proposed, based on which companies and their current and potential employees can acquire or develop the AI skills they will need in the future.Journal Article Generative Künstliche Intelligenz – die neue Ära der kreativen Maschinen(Springer, 2024) D’Onofrio, SaraKünstliche Intelligenz (KI) hat in jüngster Zeit erhebliche Fortschritte gemacht, insbesondere im Bereich der generativen KI. Diese Technologie kann neue Inhalte wie Texte und Bilder schaffen, die kreativ und originell sind. Dieser Grundlagenartikel führt die zwei Begriffe „Künstliche Intelligenz“ und „Generative Künstliche Intelligenz“ ein, stellt drei generative Modelle näher vor und adressiert einige der Herausforderungen der generativen KI sowohl aus technischer Perspektive als auch aus Benutzersicht. Die Diskussion über kreative Maschinen verdeutlicht die Wichtigkeit einer verantwortungsvollen Nutzung von KI-Systemen und das Bewusstsein für und die Bewältigung potenzieller Gefahren. Artificial Intelligence (AI) has made significant progress recently, especially in the field of generative AI. This technology can create new content, such as texts and images, that is creative and original. This foundational article introduces the two terms “artificial intelligence” and “generative artificial intelligence”, presents three generative models, and addresses some of the challenges of generative AI from both technical and user perspectives. The discussion about creative machines underscores the importance of responsible usage of AI systems and awareness of as well as mitigation of potential risks.Journal Article Generative Lyrik(Springer, 2024) Meier, AndreasDer Beitrag beleuchtet das Potenzial Generativer Kunstformen und widmet sich anhand eines konkreten Maschinengedichts wichtigen Fragen Generativer Lyrik: Wie unterscheidet sich ein Gedicht von einem computergenerierten Poem? Sind Algorithmen der Künstlichen Intelligenz hilfreich oder ersetzen sie gar den Poeten? Wem gehört das Copyright, dem Programmierer oder der Maschine? Nach einer Fallstudie zu einem siebenzeiligen Gedicht werden rechnergestützte Poems zu Buchstaben, Primzahlen, Symbolen, Permutationen, künstlichen Sprachelementen sowie zu Klang- und Farbbildern exemplarisch diskutiert. Chancen und Grenzen Generativer Poesie runden den Beitrag ab. The article sheds light on the potential of generative art forms and uses a specific machine poem to address important questions of generative lyrics: How does a poem differ from a computer-generated poem? Are artificial intelligence algorithms helpful or do they even replace the poet? Who owns the copyright, the programmer or the machine? After a case study on a seven-line poem, computer-generated poems of letters, prime numbers, symbols, permutations, artificial language elements as well as sound and color images will be discussed as examples. Opportunities and limitations of generative poetry round off the article.Journal Article Auswirkungen der Medizinprodukteverordnung auf ML-Lösungen in Schweizer Spitälern(Springer, 2024) Russ, Christian; Stalder, Philipp H.; Rufinatscha, Stefanie; Pimentel, Tibor; Geissmann, LukasKünstliche Intelligenz (KI) ist schon länger in den Spitälern direkt und indirekt präsent. Oftmals ist KI für Arbeitsplatzfunktionen im Bürobereich wie z. B. in Spracherkennungssoftware verfügbar, teilweise auch in Personal- und Ressourcen-Optimierungssoftware. Das Spektrum reicht speziell im medizinischen Bereich von datengetriebenen Analysen und Informationsunterstützungssystemen bis hin zur Generierung von Diagnose- und Therapievorschlägen für das medizinische Personal. Jedoch sind vielen Akteuren in den Spitälern der Umfang und die Auswirkung von KI-Technologien gar nicht wirklich bewusst. Noch weniger bekannt sind dabei die regulatorischen Vorgaben in Kombination mit dem Einsatz von Maschinellem Lernen (ML). Basierend auf einer repräsentativen Befragung von allgemeinen Spitälern in der Schweiz wurde der aktuelle Stand der KI-Nutzung erhoben. Auf dieser Basis werden die Anforderungen an ML-Systeme in Bezug auf die Medizinprodukteverordnung und deren Auswirkung in Hinblick auf den konformen Einsatz von medizinischer Software analysiert. Wir präsentieren einen Vorschlag, wie ML-Systeme besser mit den Regulatorien in Einklang gebracht werden können. Im Ausblick wird auf die möglichen Grenzen und Notwendigkeiten für zukünftige Weiterentwicklungen eingegangen. Artificial intelligence (AI) has been present in hospitals directly and indirectly for some time. Often AI is available for workplace functions in the office area, such as speech recognition software, and in some cases also in personnel and resource optimization software. In the medical field, specifically, the spectrum ranges from data-driven analyses and information support systems to the generation of diagnostic and therapeutic suggestions for medical personnel. However, many players in hospitals are not aware of the scope and impact of AI technologies. What is not well known are the regulatory requirements in combination with the use of machine learning (ML). Based on a representative survey of general hospitals in Switzerland, the current state of AI usage was determined. On this basis, we analyze the requirements for ML systems with respect to the Medical Device Regulation and their impact with respect to the compliant use of medical software. We present a proposal on how ML systems can be brought more in line with regulations. In the concluding outlook, the possible limitations and necessities for future developments are discussed.Journal Article Erkennungsverfahren für KI-generierte Texte: Überblick und Architekturentwurf(Springer, 2024) Pröhl, Thorsten; Mohrhardt, Radoslaw; Förster, Niels; Putzier, Erik; Zarnekow, RüdigerDurch Transformer-basierte KI-Systeme wurden große Fortschritte, u. a. in den Bereichen Textverarbeitung und -verständnis, erreicht. Diese Deep-Learning-Modelle ermöglichen das Generieren von Texten und bilden die Grundlage moderner Sprachmodelle. Die rasante Entwicklung der letzten Jahre hat große Sprachmodelle, wie ChatGPT, Bard oder VICUNA-13B, hervorgebracht. Der Beitrag präsentiert die Entwicklung der Sprachmodelle hin zu den großen Sprachmodellen. Durch die fortschreitende Entwicklung der Sprachmodelle ergeben sich vielfältige Möglichkeiten und Probleme, weshalb eine Erkennung von LLM-generierten Texten wichtig ist. Dieser Artikel stellt unterschiedliche Ansätze bekannter Erkennungsverfahren dar. Neben statistischen Klassifizierungsverfahren werden auch Deep-Learning-basierte und Zero-Shot-Verfahren besprochen. Daneben werden ein kompressionsorientierter Ansatz vorgestellt sowie Kennzeichnungsverfahren präsentiert. Nach dem tabellarischen Vergleich der in der Literatur vorgestellten Verfahren werden implementierte Softwaredetektoren präsentiert. Im Anschluss werden Überlegungen zum Entwurf eines Trainingsdatensatzes aufgezeigt, wodurch die Grundlage für einen eigenen Ansatz zur Erkennung von KI-generierten Texten in deutscher Sprache geschaffen wird. Darüber hinaus werden die Architektur und das Design des eigenen Ansatzes, dem KI-Inhalte-Detektor, vorgestellt und beschrieben sowie die Limitationen aufgezeigt. Transformer-based AI systems have made great progress in areas such as text processing and comprehension. These deep learning models enable the generation of texts and form the basis of modern language models. The rapid development of recent years has produced large language models such as ChatGPT, Bard and VICUNA-13B. This article presents the development of language models towards large language models. The progressive development of language models has resulted in unimagined possibilities and, at the same time, a variety of problems, which is why it is important to recognize LLM-generated textual content. This article presents the different approaches of known recognition methods. In addition to statistical classification methods, deep learning-based and zero-shot methods are also discussed. In addition, a compression-oriented approach is presented as well as labeling methods. After a tabular comparison of the methods presented in the literature, implemented software detectors are presented. Subsequently, considerations for the design of a training dataset are presented, creating the basis for an own approach for the recognition of AI-generated texts in German. In addition, the architecture and design of our own approach, the AI content detector, is presented and described and the limitations are shown.