UPB Bildmarke
Wirtschaftsinformatik, insb. Digitale Märkte
  • Deutsch
  • English
  • Aktuelles
  • Kontakt
    • Seite "Lehre" öffnen
    • Abschlussarbeiten
    • Seite "Forschung" öffnen
    • Forschungsprofil
    • Seite "Team" öffnen
    • Stellenausschreibungen
Ba­che­lor­a­r­bei­ten
Ba­che­lor­a­r­bei­ten
Mas­ter­a­r­bei­ten
  1. Fakultät für Wirtschaftswissenschaften
  2. Department 3: Wirtschaftsinformatik
  3. Digitale Märkte | Prof. Dr. Dennis Kundisch
  4. Lehre
  5. Abschlussarbeiten

Ba­che­lor­a­r­bei­ten

Bachelorarbeiten werden meist im Rahmen von Forschungsprojekten bearbeitet. Dabei werden aktuelle Fragestellungen aus unterschiedlichen Themenbereichen der Wirtschaftsinformatik (insbesondere aus den Themenfeldern unserer Forschung, vgl. Forschungsprofil) - sowohl rein theoretischer Natur als auch solche mit hohem Praxisbezug - vertiefend und umfassend bearbeitet und Lösungen entwickelt. Gerade hier besteht die hervorragende Möglichkeit, Problemlösungsfähigkeiten weiterzuentwickeln und damit eine wichtige Schlüsselqualifikation an der Schnittstelle von Betriebswirtschaftslehre und Informations- und Kommunikationssystemen zu erwerben.

Hinweis: Sollten Sie planen, Mastermodule in das Semester vorzuziehen, in welchem Sie auch Ihre Bachelorarbeit anmelden möchten, dann beachten Sie bitte die Regelungen zum Vorziehen von Mastermodulen (siehe https://wiwi.uni-paderborn.de/studienorganisation/studienorganisation/studienphasen-und-prozesse/uebergang-bachelor-master).

Wintersemester 2025/2026 (abgeschlossen)

Die Bachelorarbeitsthemen für das Wintersemester 2025/2026 werden Mitte Juni veröffentlicht. Die Bewerbungsfrist für Bachelorarbeiten startet am 23.06.2025 und endet am 04.07.2025 (23:59 Uhr).

 

Sommersemester 2025 (abgeschlossen)

Die Bachelorarbeitsthemen für das Sommersemester 2025 werden am 10.01.2025 veröffentlicht. Die Bewerbungsfrist für Bachelorarbeiten startet am 20.01.2025. Die Bewerbungsfrist endet am 31.01.2025 (23:59 Uhr).

 

Darüber hinaus werden bei freien Kapazitäten und aktuellen Themen teilweise noch zusätzliche Themen während des Semesters ausgeschrieben und vergeben. Aktuell sind keine zusätzliche Themen zu vergeben (Stand: Ende Juli 2025).

Thema 1:Schritt für Schritt zum Wissensfortschritt: Kumulative Taxonomie-Weiterentwicklung in der IS-Forschung
Inhalt:

In der Forschung zu Informationssystemen (IS) sind Taxonomien ein wichtiges Mittel zur Strukturierung und Kategorisierung von Wissen. Sie bieten eine Grundlage für systematische Analysen und werden in der Wissenschaft häufig weiterentwickelt, um den Fortschritt in der Forschung abzubilden. Dabei stellt sich die Frage, inwieweit diese Taxonomien kontinuierlich kumulativ weiterentwickelt werden und wie sie zur Basis für nachfolgende Studien dienen. 

Das Ziel dieser Bachelorarbeit ist es, die meistzitierten Taxonomie-Publikationen im Bereich der IS-Forschung aus den Jahren 2015 bis 2019 systematisch zu analysieren. Dabei soll untersucht werden, ob und wie diese Taxonomien in nachfolgenden Studien entweder durch die ursprünglichen Autoren oder durch andere Forscher weiterentwickelt, ob beispielsweise Archetypen genutzt, empirische Zusammenhänge neuer Konstrukte geprüft oder andere Formen der Weiterentwicklung vorgenommen wurden. Es gilt zu analysieren, welche methodischen Ansätze und Strategien zur kumulativen Weiterentwicklung genutzt wurden und wie diese zum Wissensfortschritt in der IS-Forschung beitragen. Durch die Untersuchung dieser Publikationen sollen schließlich Muster in der kumulativen Weiterentwicklung von Taxonomien aufgezeigt und Erkenntnisse für die strukturierte Weiterentwicklung zukünftiger Taxonomien gewonnen werden.

Literatur:

Nickerson, R. C., Varshney, U., & Muntermann, J. (2013). A method for taxonomy development and its application in information systems. European Journal of Information Systems, 22(3), 336-359.

Kundisch, D., Muntermann, J., Oberländer, A. M., Rau, D., Röglinger, M., Schoormann, T., & Szopinski, D. (2021). An update for taxonomy designers: methodological guidance from information systems research. Business & Information Systems Engineering, 1-19.

Vorkenntnisse:Gute Englischkenntnisse
Thema 2:Ein Vergleich von Geschäftsmodell-Taxonomien und ihre Überschneidungen
Inhalt:

In der IS-Forschung existieren mittlerweile zahlreiche Geschäftsmodell-Taxonomien, die eine Strukturierung und Klassifizierung unterschiedlicher Geschäftsmodelle ermöglichen. Viele dieser Taxonomien wurden speziell für bestimmte Branchen oder Anwendungsbereiche entwickelt, was jedoch häufig zu Überschneidungen in den Dimensionen und Charakteristika führt.

Ziel dieser Bachelorarbeit ist es, eine umfassende Übersicht bestehender Geschäftsmodell-Taxonomien zu erstellen, diese auf Gemeinsamkeiten und Unterschiede hin zu analysieren und potenzielle Überschneidungen in den verwendeten Dimensionen und Charakteristika zu identifizieren. Auf diese Weise soll eine Grundlage geschaffen werden, die dabei hilft, eine bessere Vergleichbarkeit und Verständlichkeit der verschiedenen Taxonomien zu erreichen und ggf. Potenziale für eine Harmonisierung aufzuzeigen.

Literatur:

Sterk, F., Stocker, A., Heinz, D., & Weinhardt, C. (2024). Unlocking the value from car data: A taxonomy and archetypes of connected car business models. Electronic Markets, 34(1), 13.

Böttcher, T. P., Empelmann, S., Weking, J., Hein, A., & Krcmar, H. (2024). Digital sustainable business models: Using digital technology to integrate ecological sustainability into the core of business models. Information Systems Journal, 34(3), 736-761.

Schoormann, T., Schweihoff, J., Jussen, I., & Möller, F. (2023). Classification tools for business models: Status quo, comparison, and agenda. Electronic Markets, 33(1), 7.

Vorkenntnisse:Gute Englischkenntnisse, Besuch vom Modul „Methoden der Entwicklung digitaler Geschäftsmodelle“ von Vorteil
Thema 3:

Der AI Act der Europäischen Union und seine Anforderungen an Erklärbare Künstliche Intelligenz (XAI)

Inhalt:

Mit dem im letzten Jahr verabschiedeten AI Act der Europäischen Union (EU) wird weltweit erstmals ein umfassender Rechtsrahmen für den Einsatz von KI-Systemen geschaffen. Die KI-Verordnung verfolgt dabei einen risikobasierten Ansatz. Demnach müssen insbesondere hochriskante KI-Systeme strenge Anforderungen an Transparenz, Nachvollziehbarkeit und Erklärbarkeit erfüllen, um für den EU-Markt zugelassen zu werden. Für Anwendungen mit geringerem Risiko gelten geringere Transparenz- und Informationspflichten. Die Fähigkeit eines KI-Systems, Entscheidungen nachvollziehbar zu erklären, stellt mit diesem Regelwerk nicht mehr nur einen technischen oder ethischen Anspruch dar, sondern wird zu einer rechtlichen Anforderung. Entwickler und Anbieter von KI-Systemen müssen sich somit darauf einstellen, ihre Systeme nicht nur performant, sondern auch gesetzeskonform zu gestalten. 

Erklärbare Künstliche Intelligenz (XAI) gewinnt im Rahmen dieser Entwicklungen zunehmend an Bedeutung. XAI umfasst eine Reihe von Methoden und Techniken, die darauf abzielen, das Verhalten und die Entscheidungen von Modellen des maschinellen Lernens für den Menschen nachvollziehbar zu machen. Der Einsatz dieser Methoden und Techniken kann teilweise zur Einhaltung der rechtlichen Anforderungen im Sinne des AI Acts beitragen. Allerdings unterscheidet sich die Definition von Transparenz in der XAI-Forschung von der des AI Acts. Während die XAI-Forschung Transparenz als Verständlichkeit und Zugänglichkeit der Funktionsweise eines Algorithmus beschreibt, versteht der EU AI Act Transparenz als Mittel zum Erreichen weiter gefasster Ziele, wie beispielsweise einer Rechenschaftspflicht, wenn sich das Ergebnis einer KI als falsch herausstellt. Damit geht die gesetzliche Perspektive über die technische Interpretation hinaus und stellt neue Anforderungen an die Gestaltung erklärbarer KI-Systeme.

Die Bachelorarbeit soll daher untersuchen, welche Anforderungen der EU AI Act an XAI stellt und inwiefern aktuelle Forschungsarbeiten im Bereich XAI diesen Anforderungen gerecht werden. Ausgangspunkt ist eine konzeptionelle Analyse des EU AI Acts, ergänzt durch eine systematische Literaturrecherche zu bestehenden XAI-Ansätzen. Im ersten Schritt sollen dafür grundlegende Begrifflichkeiten und Konzepte des EU AI Acts sowie im Bereich XAI identifiziert, definiert und voneinander abgegrenzt werden. In einem zweiten Schritt soll dann das Vorgehen der systematischen Literaturrecherche sowie die daraus gewonnenen Ergebnisse dokumentiert und präsentiert werden. Dabei sollen die identifizierten Forschungsbeiträge durch eine geeignete Kategorisierung voneinander abgegrenzt werden. Basierend auf dieser Kategorisierung soll abgeleitet werden, in welchen Bereichen die bestehende XAI-Forschung den Vorgaben bereits entspricht und wo Entwicklungspotenzial hinsichtlich der Anforderungen des AI Acts besteht. Ziel dieser Bachelorarbeit ist es folglich, auf Basis des aktuellen Gesetzgebungsstands und der XAI-Forschung systematisch herauszuarbeiten, wie der EU AI Act Anforderungen an XAI stellt und in welchen Bereichen bestehende XAI-Ansätze diesen Anforderungen noch nicht vollständig entsprechen bzw. weiteres Entwicklungspotenzial besteht.

Literatur:

Brasse, J., Broder, H. R., Förster, M., Klier, M., & Sigler, I. (2023). Explainable artificial intelligence in information systems: A review of the status quo and future research directions. Electronic Markets, 33(1), p. 26.

Gyevnar, B., Ferguson, N., & Schafer, B. (2023). Bridging the Transparency Gap: What Can Explainable AI Learn from the AI Act? ECAI 2023, pp. 964-971. 

Panigutti, C., Hamon, R., Hupont, I., Fernandez Llorca, D., Fano Yela, D., Junklewitz, H., Scalzo, S., Mazzini, G., Sanchez, I., Garrido, J. S., & Gomez, E. (2023). The role of explainable AI in the context of the AI Act. Proceedings of the 2023 ACM Conference on Fairness, Accountability, and Transparency, pp. 1139-1150.

Vorkenntnisse:Gute Englischkenntnisse
Thema 4:

AI Literacy durch Erklärbarkeit – Vermittlung von AI Literacy mit Erklärbarer Künstlicher Intelligenz (XAI)

Inhalt:

Mit der zunehmenden Verbreitung von Künstlicher Intelligenz (KI) im Alltag und in der Arbeitswelt wächst auch die gesellschaftliche Notwendigkeit, grundlegende Kenntnisse und Kompetenzen im Umgang mit KI, die sogenannte AI Literacy, zu fördern. AI Literacy umfasst unter anderem die Fähigkeit mit KI-Systemen zu kommunizieren, effektiv zu interagieren und deren Entscheidungen kritisch zu hinterfragen. 

Besonders im Kontext erklärbarer künstlicher Intelligenz (XAI) eröffnen sich neue Potenziale zur Vermittlung dieser Kompetenzen, da XAI darauf abzielt, Entscheidungen von KI-Systemen sowie deren Funktionsweise für den Menschen nachvollziehbar zu gestalten. Durch geeignete Erklärungen in visueller, textueller oder interaktiver Form kann XAI helfen, komplexe Entscheidungsprozesse verständlicher und zugänglicher zu gestalten und somit auch das technische Verständnis von Nutzern zu fördern. Aus diesem Grund empfehlen bestehende Forschungsarbeiten den Einsatz von XAI bei der Gestaltung von lernfördernden Maßnahmen im Umgang mit KI-Systemen. Dabei sollte jedoch berücksichtigt werden, welche und wie viele Komponenten der KI erklärt werden sollen, da die Erklärung zu vieler Komponenten die Nutzer überfordern kann, während die Erklärung zu weniger Komponenten die Lernwirksamkeit beeinträchtigen kann. Der Einfluss der Erklärungen auf den Lernerfolg kann sich auch über Nutzergruppen mit verschiedenen demographischen Eigenschaften hinweg unterschiedlich auswirken. In der XAI-Forschung gibt es bereits einige Studien, die sich mit diesen Zusammenhängen beschäftigen. Da sich die Forschung zur AI Literacy in diesem Kontext allerdings noch im Anfangsstadium befindet, ist bislang wenig darüber bekannt, unter welchen Bedingungen XAI tatsächlich zum Kompetenzaufbau beiträgt. An dieser Schnittstelle ergibt sich die Fragestellung, welche Voraussetzungen erfüllt sein müssen, damit XAI effektiv zur Förderung von AI Literacy beitragen kann.

Die Bachelorarbeit soll daher systematisch untersuchen, inwiefern XAI als Mittel zur Verbesserung von AI Literacy dienen kann. Dazu soll ein fundierter Überblick über bestehende Forschung im Bereich XAI sowie AI Literacy erarbeitet werden. Im Fokus stehen insbesondere Arbeiten, die untersuchen, wie Erklärungen das Verständnis und die Kompetenz von Nutzern rund um den Umgang mit KI-Anwendungen beeinflussen. Zunächst sollen zentrale Begriffe und Konzepte zum Thema XAI sowie AI Literacy herausgearbeitet, definiert und voneinander abgegrenzt werden. Anschließend erfolgt eine systematische Literaturrecherche, deren methodisches Vorgehen sowie die erzielten Ergebnisse nachvollziehbar dokumentiert und dargestellt werden. Die identifizierten Forschungsbeiträge sollen dabei durch eine geeignete Kategorisierung im Rahmen einer Konzeptmatrix strukturiert werden. Basierend auf dieser Systematisierung soll herausgearbeitet werden, wie XAI zur Förderung von AI Literacy beitragen kann und welche Implikationen daraus für Forschung und Praxis im Bereich digitaler Bildung sowie XAI abgeleitet werden können. 

Literatur:

Long, D., & Magerko, B. (2020). What is AI literacy? Competencies and design considerations. Proceedings of the 2020 CHI conference on human factors in computing systems, pp. 1-16.

Miller, T. (2019). Explanation in artificial intelligence: Insights from the social sciences. Artificial intelligence, 267, pp. 1–38.

Ng, D. T. K., Leung, J. K. L., Chu, S. K. W., & Qiao, M. S. (2021). Conceptualizing AI literacy: An exploratory review. Computers and Education: Artificial Intelligence, 2.

Vorkenntnisse:Gute Englischkenntnisse

 

Bitte bewerben Sie sich für maximal 5 der ausgeschriebenen Themen. Gerne können Sie sich auch mit einem eigenen Thema bewerben. Bitte achten Sie dabei jedoch auf die Passung zu den am Lehrstuhl vertretenen Forschungsthemen sowie zu den von uns vermittelten Methoden in der Lehre. Ihre elektronische Bewerbung besteht aus dem ausgefüllten Bewerbungsformular, einem aktuellen Lebenslauf sowie einer aktuellen Bescheinigung der bestandenen Prüfungsleistungen (bzw. einen Selbstausdruck aus der PAUL-Leistungsübersicht). Im Falle dessen, dass Sie sich mit einem eigenen Thema bewerben möchten, fügen Sie bitte zusätzlich ein Exposé (ca. halbe bis ganze Seite) bei, in dem Sie Ihren Themenvorschlag kurz beschreiben. Schreiben Sie sich bitte in Panda im Kurs Z.EXT.00107 Abschlussarbeiten Digitale Märkte ein, um am Vergabeverfahren teilnehmen zu können. Anschließend können die Dokumente unter "Dokumentenabgabe - Bachelorarbeiten" hochgeladen werden. Beachten Sie bitte, dass ausschließlich PDFs hochgeladen werden können. Sollten Fragen aufkommen, senden Sie diese bitte an Maike Althaus.
 
Wenn es für ein Thema mehrere Bewerbungen gibt, erfolgt die Vergabe anhand der bisher im Studium erbrachten Leistungen sowie möglicher weiterer themenbezogener Vorkenntnisse. 
Die Angabe mehrerer Themen erhöht Ihre Chancen ein Thema zugeteilt zu bekommen.

 

Anmeldung Ihrer Bachelorarbeit

Nach erfolgreicher Zuteilung einer Bachelorarbeit im Vergabeverfahren und in Absprache mit der/dem Betreuer/in, müssen Sie sich offiziell zur Bachelorarbeit anmelden. Dies erfolgt im Zuge eines Web-basierten Antragsverfahrens in PAUL. Bitte informieren Sie sich hierzu über folgenden Link: Abschlussarbeiten - Fakultät für Wirtschaftswissenschaften | Universität Paderborn

Die folgenden Bücher empfehlen wir Ihnen zur Vorbereitung einer Abschlussarbeit an unserem Lehrstuhl:

  • Bergener, Katrin; Clever, Nico; Stein, Armin (2019): Wissenschaftliches Arbeiten im Wirtschaftsinformatik-Studium. Leitfaden für die erfolgreiche Abschlussarbeit. Springer Berlin Heidelberg.
  • Kornmeier, M. (2018): Wissenschaftlich schreiben leicht gemacht für Bachelor, Master und Dissertation. UTB.

Beide Bücher sind aus dem Netzwerk der Universität (VPN) über die Universitätsbibliothek digital verfügbar.

Weiterhin empfehlen wir Ihnen an einem vom Kompetenzzentrum Schreiben angebotenen Workshop zum Schreiben einer Abschlussarbeit teilzunehmen.

 

Bitte orientieren Sie sich bei der Gestaltung Ihrer Bachelorarbeit (Layout und Zitierweise) beispielsweise an der bereitgestellten Vorlage.

  • Vorlage
  • Hinweise zur Zitierweise (Autor-Jahr-Zitierweise)


Die Richtlinien des Prüfungssekretariats zur Abgabe Ihrer Bachelorarbeit finden Sie in den Informationen zur Abgabe von Abschlussarbeiten.

 

Plagiate

Hiermit wird ausdrücklich darauf hingewiesen, dass bei der Erstellung von Abschlussarbeiten unbedingt darauf zu achten ist, Angaben der Quellen in die Prüfungsarbeiten einfließen zu lassen, sofern Inhalte aus anderen Arbeiten entnommen werden. Werden Inhalte ohne Angabe der Quelle im nachhinein identifiziert, so werden diese als Plagiate betrachtet. Entdeckte Plagiate werden vom Prüfungsausschuss streng geahndet.

Mas­ter­a­r­bei­ten

Anwendung verbesserter Clusteranalyse-Methoden zur Replikation von Taxonomien in der IS-Forschung
Betreuerin:Maike Althaus
Inhalt:

In der aktuellen Forschung im Bereich der Informationssysteme (IS) wird kritisiert, dass bestehende Taxonomien häufig nicht die optimalen Clusteranalyse-Methoden verwenden. Heumann et al. (2024) hebt diese Problematik hervor und argumentiert, dass die Wahl ungeeigneter Methoden die Validität und Aussagekraft von Taxonomien beeinträchtigt. Um die Qualität und Genauigkeit von Klassifizierungen in der IS-Forschung zu erhöhen, ist es daher essentiell, die vorgeschlagenen verbesserten Methoden der Clusteranalyse anzuwenden und deren Auswirkungen zu untersuchen.

Das Ziel dieser Masterarbeit ist es, zwei bestehende Studien (1. Taxonomie zu Museumseintrittspreisen und 2. Taxonomie zu Geschäftsmodellen von Kultureventplattformen) zu replizieren. Dabei soll die Clusteranalyse jeweils mit der im kritischen Paper vorgeschlagenen Methodik neu durchgeführt werden. Durch die Replikation und den Vergleich mit den ursprünglichen Ergebnissen wird untersucht, inwiefern die verbesserte Clusteranalyse zu präziseren und aussagekräftigeren Taxonomien führt. Dies trägt dazu bei, methodische Lücken in der IS-Forschung zu schließen und liefert wertvolle Erkenntnisse für zukünftige Studien in diesem Bereich.

Benötigte Vorkenntnisse:

Gute Englischkenntnisse

Kenntnisse in statistische Analysetechniken und Python von Vorteil

Startliteratur:

Heumann, M., Kraschewski, T., Werth, O., & Breitner, M. H. (2024). Reassessing taxonomy-based data clustering: Unveiling insights and guidelines for application. Decision Support Systems, 114344.

Althaus, M., Mueller, S. J., & Kundisch, D. (2024). What price culture?–a taxonomy of the admission pricing policy at museums. International Journal of Cultural Policy, 30(3), 392-407.

Typ:Masterarbeit
Status:vergeben
Vernetzung von StartUps und etabliertem Mittelstand am Beispiel der Region OWL – Eine Anforderungsanalyse zur Gestaltung einer Matchingplattform

Betreuerin:

Dennis Kundisch

Inhalt:

Ostwestfalen-Lippe (OWL) gilt als Region mit ausgeprägtem Mittelstand, insbesondere auf Grund der Existenz von Unternehmen mit relevanten Zukunftskompetenzen in Maschinenbau, Automatisierungs- und Elektrotechnik sowie der Informatik. Gleichzeitig sind in den letzten Jahren durch unterschiedlichste Initiativen verschiedener Gründungszentren und Angebote für Gründer*innen StartUps ein sichtbarer Teil des wirtschaftlichen Ökosystems in OWL geworden.

Laut Deutschem StartUp Monitor 2021 kooperieren bereits zwei Drittel der StartUps mit etablierten Unternehmen und 42,5% der StartUps wünschen sich strategische Investments aus Unternehmen oder Family Offices. Auf der anderen Seite können etablierte Unternehmen durch den frühen Zugang zu Produkt- und Prozessinnovationen profitieren sowie Ideen für neue Geschäftsmodelle generieren. Der Vernetzung und dem Zusammenwirken von StartUps und etabliertem Mittelstand zum beiderseitigen Nutzen kommen daher eine besondere Bedeutung zu. Gleichzeitig legt anekdotische Evidenz nahe, dass – auch in OWL – noch ungenutztes Potenzial gehoben werden könnte. 

Diese Arbeit soll, auf Basis einer fundierten Literatursynthese, qualitativ empirisch analysieren, anhand welcher Kriterien StartUps und etalbierter Mittelstand eine potenzielle Kooperation in Betracht ziehen, welche Kooperationsmodelle Anwendung finden (oder finden könnten) und welche Kriterien potentiell über den Erfolg einer Kooperation entscheiden. Die mit Hilfe der Literaturrecherche und der Expert*inneninterviews erzielten Ergebnisse sollen dann als Grundlage für die Konzeption und prototypische Umsetzung einer Matching-Plattform für StartUps und den etablierten Mittelstand in OWL genutzt werden.

Die Arbeit wird in Kooperation mit dem heder:Lab in Salzkotten durchgeführt.

Benötigte Vorkenntnisse:

Grundkenntnisse qualitative Forschung
Programmierkenntnisse

Startliteratur:

Bundesverband Deutsche StartUps e.V.(Hrsg.). 2021. Deutscher StartUp Monitor 2021
Becker, W., et al., 2018, Kooperationen zwischen Mittelstand und Start-up-Unternehmen
Pahnke, A., Welter, F. The German Mittelstand: antithesis to Silicon Valley entrepreneurship?. Small Bus Econ 52, 345–358 (2019).

Typ:

Masterarbeit

Status:

vergeben

Deine Kultur, deine Plattform - Eine nutzerorientierte Gestaltung von digitalen Kulturplattformen auf der Grundlage von Marktforschungstechniken

Betreuerin:

Maike Althaus, Christian Vorbohle

Inhalt:

Die Kultur- und Veranstaltungsbranche ist in Deutschland die sechstgrößte Wirtschaftsbranche. Insgesamt werden 6,5 Milliarden Euro jährlich im Bereich Kulturveranstaltungen (ohne öffentliche Kulturträger) erwirtschaftet. Die Suche nach passenden Veranstaltungen aus einem vielfältigen Kulturangebot kann für Kulturinteressierte jedoch mitunter schwierig sein. Digitale Plattformen der Kultur- und Veranstaltungsbranche bieten Kulturinteressierten die Möglichkeit, sich über dem Kulturinteressierten bereits bekannte Veranstaltungen genauer zu informieren (z.B. Eintrittspreis, Veranstaltungsort, Veranstaltungsdauer), aber auch interessante, bisher unbekannte, Veranstaltungen zu entdecken. Auf der einen Seite können Kulturinteressierte also davon profitieren, dass sie über eine digitale Kulturplattform mit einer größeren Anzahl von Kulturschaffenden interagieren können. Auf der anderen Seite können Kulturschaffende davon profitieren, dass Sie ihre Veranstaltungen einer potenziell größeren Kundengruppe über eine solche digitale Kulturplattform präsentieren und zugänglich machen können.

Für Kulturinteressierte, die nach interessanten Veranstaltungen suchen, können Kulturplattformen durch mögliche zusätzliche Mehrwertdienste, wie z.B. datenbasierte Empfehlungen, Ticketsysteme oder die Einbindung von externen Diensten, einen zusätzlichen Nutzen schaffen.  Jedoch ist es für die Betreiber der Kulturplattformen nicht offensichtlich, welche Präferenzen und Zahlungsbereitschaften Kulturinteressierte für die zusätzlichen Mehrwertdienste aufweisen. Die aus der Marktforschung stammende Conjoint-Analyse ermöglicht ein besseres Verständnis der Nutzerpräferenzen durch einen gleichzeitigen Vergleich verschiedener Attribute. Dadurch können die Präferenzen von Nutzern hinsichtlich verschiedener Attribute von Kulturplattformen erforscht werden. Zudem eignet sich die Conjoint-Analyse auch zur Unterstützung bei der Entwicklung von Geschäftsmodellen, indem sie wirtschaftliche Attribute und Zahlungsbereitschaften einbindet, und dadurch das Kaufverhalten besser prognostizieren kann.

Das Ziel der Masterarbeit ist deshalb die Anfertigung einer Conjoint-Analyse zu Nutzerpräferenzen von Attributen auf digitalen Kulturplattformen. In einem ersten Schritt sollen die relevanten Begrifflichkeiten und (theoretischen) Grundlagen erarbeitet werden. In einem zweiten Schritt soll dann eine Conjoint-Analyse durchgeführt werden. Dafür müssen zum einen die Attribute und Attributsebenen definiert und daraus Attributsprofile abgeleitet werden. Zum anderen müssen die Attributsprofile von potenziellen Nutzern in einer Umfrage bewertet und diese anschließend ausgewertet werden. In einem dritten Schritt sollen dann die Ergebnisse der Conjoint-Analyse aufbereitet und übersichtlich präsentiert werden, um einen Überblick über die Nutzerpräferenzen auf digitalen Kulturplattformen zu geben. In einem vierten Schritt gilt es dann die Ergebnisse kritisch zu diskutieren sowie Handlungsempfehlungen für die Gestaltung von Kulturplattformen zu entwickeln.

Benötigte Vorkenntnisse:

Gute Englischkenntnisse

Kenntnisse in Marketingmethoden sind von Vorteil, aber nicht unbedingt erforderlich

Startliteratur:

Naous, D., & Legner, C. (2021). Leveraging market research techniques in IS: a review and framework of conjoint analysis studies in the IS discipline. Communications of the Association for Information Systems, 49(1), 10.

Giessmann, A., & Stanoevska, K. (2012). Platform as a Service–A conjoint study on consumers’ preferences. ICIS 2012 Proceedings.

Nikou, S., Bouwman, H., & de Reuver, M. (2014). A consumer perspective on mobile service platforms: A conjoint analysis approach. Communications of the Association for Information Systems, 34(1), 82.

Giessmann, A., Naous, D., & Legner, C. (2016, June). User-Oriented Cloud Service Design based on Market Research Techniques. ECIS 2016 Proceedings.

Rao, V. R. (2014). Applied conjoint analysis. Springer Science & Business Media.

Typ:

Masterarbeit

Status:

vergeben

Für Masterarbeiten können Sie sich grundsätzlich jederzeit um ein Thema bewerben. Sollten Sie sich für eines der oben genannten Themen interessieren oder selbst einen Themenvorschlag entwickelt haben, dann vereinbaren Sie bitte per E-Mail ein Termin mit der/dem entsprechenden bzw. potenziellen Betreuer/in. Bitte senden Sie der Betreuungsperson dazu per E-Mail einen aktuellen Lebenslauf, eine Übersicht über bislang erbrachte Studienleistungen sowie das von Ihnen präferierte Thema. Diese Informationen dienen dazu, Sie zielgerichtet im Hinblick auf Ihre Abschlussarbeit beraten zu können. Idealerweise haben Sie bereits Vorlesungen und ein Seminar an unserem Lehrstuhl und/oder weitere Veranstaltungen anderer Lehrstühle passend zu Ihrem Themenwunsch besucht. Bitte schreiben Sie nur genau eine Person am Lehrstuhl an und nicht parallel mehrere.

Wichtiger Hinweis: Mit Ihrer Bewerbung bestätigen Sie, dass sie sich ausführlich mit der Anfertigung einer wissenschaftlichen Arbeit auseinandergesetzt haben.

 

Die folgenden Bücher empfehlen wir Ihnen zur Vorbereitung einer Abschlussarbeit an unserem Lehrstuhl:

  • Bergener, Katrin; Clever, Nico; Stein, Armin (2019): Wissenschaftliches Arbeiten im Wirtschaftsinformatik-Studium. Leitfaden für die erfolgreiche Abschlussarbeit. Springer Berlin Heidelberg.
  • Kornmeier, M. (2018): Wissenschaftlich schreiben leicht gemacht für Bachelor, Master und Dissertation. UTB.

Beide Bücher sind aus dem Netzwerk der Universität (VPN), über die Universitätsbibliothek digital verfügbar.

Weiterhin empfehlen wir Ihnen an einem, vom Kompetenzzentrum Schreiben angebotenen Workshop zum Schreiben einer Abschlussarbeit teilzunehmen.


Nach einem ersten Gespräch mit der potentiellen Betreuungsperson der Arbeit fertigen Sie ein zwei bis dreiseitiges Dokument mit den folgenden Inhalten an:

  • Forschungsfrage und Motivation der Arbeit
  • Methodik, die Sie in Ihrer Arbeit anwenden wollen
  • Geplante Vorgehensweise inklusive Zeitplan
  • Relevante Literatur für Ihr Thema
  • ggfs. erwartete Ergebnisse

Zum einen soll Ihnen dieses Dokument dabei helfen zu erkennen, ob Sie sich mit dem von Ihnen favorisierten Thema über einen Zeitraum von vier bis sechs Monaten auseinandersetzen möchten. Zum anderen hilft es Ihnen dabei Ihr potentielles Thema zu strukturieren und einen realistischen Arbeitsplan anzufertigen. Gleichzeitig bildet dieses Dokument auch für uns eine Basis um über die endgültige Betreuung des Themas zu entscheiden.

 

Sie haben Kontakt zu einem Unternehmen, bei dem Sie eine Masterarbeit anfertigen wollen?

Grundsätzlich werden auch Themen betreut, die Sie in Zusammenarbeit mit bzw. für von Ihnen identifizierte Unternehmen erstellen wollen. Jedoch ist bei solchen Themen immer im Einzelfall zu prüfen, ob das Thema Ihres Praxispartners auch wissenschaftlichen Anforderungen genügt und ob ein sinnvoller Zusammenarbeitsmodus zwischen Studierendem, Unternehmen und Lehrstuhl gefunden werden kann. Falls Sie eine solche Arbeit planen, dann melden Sie sich bitte ebenfalls mit den entsprechenden Unterlagen bei einer - aus Ihrer Sicht passenden - potenziellen Betreuungsperson vom Lehrstuhl.

 

Hinweise zur Gestaltung von Masterarbeiten

Bitte orientieren Sie sich bei der Gestaltung Ihrer Masterarbeiten (Layout und Zitierweise) beispielsweise an der bereitgestellten Vorlage.

  • Vorlage
  • Hinweise zur Zitierweise (Autor-Jahr-Zitierweise)

Die Richtlinien des Prüfungssekretariats zur Abgabe Ihrer Masterarbeit finden Sie in den Informationen zur Abgabe von Abschlussarbeiten.

 

Plagiate

Hiermit wird ausdrücklich darauf hingewiesen, dass bei der Erstellung von Abschlussarbeiten unbedingt darauf zu achten ist, Angaben der Quellen in die Prüfungsarbeiten einfließen zu lassen, sofern Inhalte aus anderen Arbeiten entnommen werden. Werden Inhalte ohne Angabe der Quelle im nachhinein identifiziert, so werden diese als Plagiate betrachtet. Entdeckte Plagiate werden vom Prüfungsausschuss streng geahndet.

Wirtschaftsinformatik, insb. Digitale Märkte

Warburger Str. 100
Raum Q3.146
33098 Paderborn
Deutschland

Telefon:

+49 5251 60-5531

E-Mail:

Angelika.Bursig@wiwi.uni-paderborn.de
Schnellzugriffe
  • Department 1: Management
  • Department 2: Taxation, Accounting and Finance
  • Department 3: Wirtschaftsinformatik
  • Department 4: Economics
  • Department 5: Wirtschaftspädagogik
  • Department 6: Wirtschaftsrecht
Soziale Netzwerke
Universität Paderborn

Warburger Str. 100
33098 Paderborn
Deutschland

Telefon Universität

+49 5251 60-0
Rechtliches
  • Impressum
  • Datenschutz
  • Hinweisgebersystem
Soziale Netzwerke