Herzlich willkommen auf den Webseiten des Lehrstuhls für Wirtschaftsinformatik, insb. Data Analytics! Wir forschen und lehren zu der Frage, wie menschliche Entscheidungsprozesse durch den verantwortungsvollen Einsatz von Daten und Algorithmen verbessert werden können.

FLEMING-Projekt offiziell gestartet

Kick-Off des Projekts FLEMING
Mit einer Kick-Off Veranstaltung am ABB Forschungszentrum Deutschland in Ladenburg ist das Forschungsprojekt „FLEMING – Flexible Monitoring- und Regelsysteme für die Energie- und Mobilitätswende im Verteilnetz durch Einsatz von Künstlicher Intelligenz“ gestartet. In einem ersten Schritt verschafften sich die Forschungs- und Wirtschaftspartner unter der Projektleitung von ABB einen umfassenden Überblick über die anstehenden Arbeiten und Ziele des Projekts. Neben dem ABB Forschungszentrum Deutschland beteiligen sich das Forschungsinstitut für Rationalisierung e.V. (FIR), die Heimann Sensor GmbH, das Karlsruher Institut für Technologie (KIT), der SICP – Software Innovation Campus Paderborn an der Universität Paderborn sowie die SÜC Energie und H2O GmbH aus Coburg am Projekt. Für FLEMING ist eine Laufzeit von drei Jahren vorgesehen. Die Gesamtkosten belaufen sich auf 5,1 Millionen Euro, das Fördervolumen liegt bei ca. 3,3 Millionen Euro.

Gleichbleibende Versorgungsqualität
„Das deutsche Verteilnetz ist derzeit mit verschiedenen Herausforderungen konfrontiert. Auf der Erzeugungsseite steigt der Anteil von dezentral in das Verteilnetz eingespeister Energie aus erneuerbaren Quellen mit volatiler Erzeugungscharakteristik, z.B. Solaranlagen und Windkraftanlagen. Auf der Verbrauchsseite führt die zunehmende Integration von Ladesäulen für die
Elektromobilität zu einer zeitlich und räumlich konzentrierten Energienachfrage.
Die daraus resultierenden möglichen Lastschwankungen führen zu einer stärkeren Belastung der elektrischen Betriebsmittel und Komponenten,“ erläutert Projektleiter Dr. Oliver Becker, Senior R&D Project Manager am ABB Forschungszentrum Deutschland. Um die Ziele der Energie- und Mobilitätswende bei gleichbleibender
Versorgungsqualität zu erreichen, benötigen die Netzbetreiber ein verbessertes Verständnis des aktuellen Netzzustandes und seiner Komponenten. Genau hier setzt das Forschungsprojekt an. Anlagenausfälle oder potentielle Schäden können somit frühzeitig erkannt bzw. vorhergesagt oder durch verbesserte Regelung vermieden werden. Dazu werden im Rahmen eines intelligenten
Lastmanagements zuverlässige und leicht nachrüstbare Sensoren zur Regelung benötigt, wodurch eine flexiblere Netznutzung ermöglicht werden soll.

Bei erneuerbaren Energien auf Künstliche Intelligenz setzen
Das beschriebene Szenario verlangt nach einem durchgängigen Einsatz von Sensorik, Informations- und Kommunikationssystemen zur Erfassung der nötigen Daten der einzelnen Netzbetriebsmittel und -komponenten. Daher untersuchen die Projektpartner im Projekt FLEMING, wie der heutige Sensoreinsatz in Verteilnetzen durch Verwendung von Methoden der
Künstlichen Intelligenz zusammen mit einer Erweiterung der Sensortechnik grundlegend verbessert werden kann. Ziel ist es, so wesentlich zum Erfolg der Energie- und Mobilitätswende in Deutschland beizutragen.

Forschung

Das Ziel unserer Forschung ist es, menschliche Entscheidungsprozesse durch den verantwortungsvollen Einsatz von Daten und Algorithmen zu verbessern. Dabei verfolgen wir einen sozio-technischen Ansatz, der sowohl neuesten Technologien (insb. Maschinelles Lernen, Künstliche Intelligenz) als auch soziale und gesellschaftliche Aspekte einbezieht.

Folgende Themenbereiche sind Schwerpunkte in unserer Forschung:

  • Entwicklung und Evaluation KI-basierter Methoden und Systeme zur Unterstützung und Automatisierung von Entscheidungen 
  • Akzeptanz und ökonomischer Nutzen von Künstlicher Intelligenz

Unsere Forschung ist anwendungsorientiert und findet in interdisziplinären Teams statt. Anwendungen finden sich zum Beispiel in den Bereichen Energie, Logistik/Transport, Finanzen, Kultur und Sport.

soda.lab - Social & Data-Intensive Computing Lab

Das soda.lab steht unseren Studierenden für Abschlussarbeiten sowie Module im Fachbereich Wirtschaftsinformatik zur Verfügung. Es umfasst leistungsstarke Server und Workstations mit GPUs, die Deep Learning, komplexe Simulationen und realistische Visualisierungen in Echtzeit ermöglichen.

Mitarbeitende tauschen sich auf Sofa aus.

Publikationen

Wir veröffentlichen unsere Forschungsergebnisse in den führenden Fachzeitschriften und auf internationalen Konferenzen.

Mitarbeiter schreibt etwas an eine Tafel.

Projekte

Unsere anwendungsorientierte Forschung findet häufig in interdisziplinären Projekten mit Mitgliedern aus Forschung und Praxis statt.

Lehre

Wir bieten Vorlesungen und Seminare auf Bachelor-, Master- und PhD-Level an.

Bachelor

Modulname Typ Semester ECTS Sprache
Grundlagen von Managementinformationssystemen Vorlesung SoSe 5 DEU
Methoden der Data Science (Film) Vorlesung WiSe 5 DEU
Predictive Analytics Studienarbeit SoSe/WiSe 5 DEU/ENG

 

Master

Modulname Typ Semester ECTS Sprache
Data Science for Business Vorlesung WiSe 5 ENG/DEU
Applied Machine Learning for Text Analysis Seminar WiSe 10 ENG/DEU
Real-World Machine Learning Projects Seminar SoSe 10 ENG/DEU

 

PhD

Modulname Typ Semester ECTS Sprache
Machine Learning for Research Seminar SoSe (unregelmäßig) 6 ENG

 

Bewerbung

Die Lehrstühle für Wirtschaftsinformatik nehmen am zentralen Vergabeverfahren der Fakultät für Wirtschaftswissenschaften nicht teil. Daher ist das Bewerbungsverfahren für jeden Lehrstuhl unterschiedlich.

Unsere Bewerbungsfristen sind:

  • im Wintersemester: 1. Januar - 28. (29.) Februar
  • im Sommersemester: 1. Juli - 31. August

Für Ihre Bewerbung bei uns sind:

  • Lebenslauf
  • aktueller Notenauszug 
  • Bewerbungsschreiben

erforderlich. Das Schreiben sollte Ihr Interesse an „Data Analytics“-Themen begründen und Themenvorschläge für die Abschlussarbeit enthalten. Bitte senden Sie Ihre vollständige Bewerbung  per Email an den Lehrstuhl.

Wir sind der Meinung, dass ein ausgeprägtes Interesse an einem Thema der erste Schlüssel zum Erfolg ist. Infolgedessen veröffentlichen wir keine vordefinierten Themen, sondern erwarten von den Studierenden, dass sie eigene Interessen in die Themenfindung einbringen und in Abstimmung mit einem Mitarbeiter des Lehrstuhls das Thema selber definieren.

Von Zeit zu Zeit bieten wir Abschlussarbeiten mit Praxispartnern an, bei denen die Themen in der Regel vorgegeben sind. Gegebenenfalls finden Sie diese nachfolgend unter der entsprechenden Rubrik.

Formatvorlage

Bitte orientieren Sie sich bei der Gestaltung Ihrer Abschlussarbeit an unserer LaTeX-Vorlage.

Masterarbeit mit optionalem Praktikum im Bereich "Patent Analytics" (Wilhelm Böllhoff GmbH & Co. KG, Bielefeld)

 

Patente bieten zwei wesentliche Funktionen, und zwar Imitationsschutz sowie Informationsbereitstellung.

Die Informationsfunktion von Patenten wird derzeit unternehmerisch wenig genutzt. Das Potential der Informationsnutzung ist allerdings sehr groß, da schätzungsweise 90 % des weltweit veröffentlichten technischen Wissens in der Patentliteratur zu finden ist. Das aktuell aufflammende Themengebiet "Patent Analytics", welches in der Literatur z.B. auch als "IP Intelligence" bezeichnet wird, befasst sich mit der Beschaffung, Analyse und Aufarbeitung der Informationen aus veröffentlichten Patenten und Patentregisterdaten.

Im Rahmen der IP Intelligence wird sich einerseits zu Nutzen gemacht, dass Patente strukturierte bibliografische Informationen wie beispielsweise Anmelderdaten, Erfinderdaten, Zeitdaten sowie technische Klassifikationen enthalten. Auch die veröffentlichten Informationen zu Vorwärts- und Rückwärtszitierungen bieten Möglichkeiten zur Erkenntnisgewinnung.

Andererseits bieten auch die Inhalte von Patentschriften, wie z.B. die technisch ausführlichen Beschreibungen der erfindungsgemäßen Ausführungsformen und der zu lösenden Probleme sowie die enthaltenen technischen Abbildungen ein großes informatives Potential. Dieses kann z.B. durch semantische, KI-basierte Analysen verwertet werden um beispielsweise aktuelle technische Probleme und Lösungen zu identifizieren.

Auch weitere im Rahmen von Patentanmeldungen veröffentlichte Informationen bieten ein derzeit noch wenig genutztes Potenzial (Daten zu Streitigkeiten, Prüfungsverfahren, etc.).

Diese Informationsfunktion können Unternehmen für bessere strategische Entscheidungsfindungen nutzen. Beispielsweise können Ideenfindungsprozesse für Produktinnovationen unterstützt werden. Zur Identifizierung neuer Märkte oder Kollaborationen bzw. M&A, der Bewertung von Anmeldern und der Analyse von Patentabhängigkeiten sind diese Informationen ebenfalls hilfreich.

Ziel der Arbeit soll die Entwicklung und  Bewertung von Methoden zur Analyse von Patentdaten sein. Anhand dieser Methoden soll dann exemplarisch der unternehmerische Nutzen an konkreten Fallbeispielen aufgezeigt werden.

Alle Details finden sich hier

Unser Team

Lernen Sie die brillanten Köpfe kennen, die die Forschung und Lehre in der Data Analytics Group vorantreiben. Unser Team ist eine interdisziplinäre Mischung aus Experten, die sich mit Leidenschaft für datengestützte Entscheidungsfindung in Bereichen von Energie über Finanzen bis hin zum Sport einsetzen.

zum Team

Kommen Sie in unser Team!

Werden Sie Teil unseres Teams, entweder studienbegleitend als studentische Hilfskraft oder wissenschaftliche Hilfskraft mit Bachelorabschluss oder nach ihrem Masterabschluss als wissenschaftliche*r Mitarbeiter*in.

Kontakt

Wirtschaftsinformatik, insb. Data Analytics

Universität Paderborn
Warburger Str. 100
33098 Paderborn
Wegbeschreibung