Themenliste

Unternehmensarchitekturen (Enterprise Architectures) sind ein zentrales Instrument um IT und Business aufeinander abzustimmen (auch IT-Business-Alignment genannt) und werden sowohl in der Forschung, als auch in der Praxis untersucht und angewendet. Die Wichtigkeit des IT-Business-Alignment ergibt sich insbesondere daraus, dass IT Business ermöglicht, gleichzeitig Business aber auch auf IT abgestimmt werden muss ("align"). Die sog. Business Architecture bildet dabei die geschäftliche Tätigkeit eines Unternehmens ab und ist Bestandteil von Unternehmensarchitekturen.

Das Konzept der Business Architecture wird in der Literatur über Unternehmensarchitekturen auf unterschiedliche Weise berücksichtigt. Das Ziel dieser Bachelorarbeit ist daher, den aktuellen Stand der Literatur über Business Architecture als Bestandteil von Unternehmensarchitekturen aufzuarbeiten und gegenüber ähnlichen Konzepten abzugrenzen. In einem weiteren Schritt sollen dann Kriterien für den Vergleich unterschiedlicher Enterprise Architecture Frameworks (bspw. TOGAF) entwickelt werden. Anschließend sollen dann in Abstimmung mit dem Betreuer ausgewählte Frameworks hinsichtlich ihrer Business Architectures verglichen werden.

Simon, Daniel; Fischbach, Kai; Schoder, Detlef (2013): An Exploration of Enterprise Architecture Research. In: Communications of the Association for Information Systems 32 (1), S. 1–72.

Geschäftsmodelle beschreiben die grundlegenden Mechanismen, mit denen ein Unternehmen Werte für Kunden erzeugt und damit Gewinn erzielt. In der unternehmerischen Praxis gewinnen Markt- oder Plattformbetreiber und ihre Geschäftsmodelle zunehmend an Bedeutung. Geschäftsmodelle mit ähnlichen Charakteristika und Bestandteilen lassen sich durch sog. Geschäftsmodellmuster beschreiben. Geschäftsmodellmuster sind Vorlagen für ähnliche Typen von Geschäftsmodellen.

Das Ziel der Bachelorarbeit ist eine Literaturrecherche und anschließende Analyse von Geschäftsmodellen für Markt- oder Plattformbetreiber. In einem ersten Schritt sollen Geschäftsmodellmuster identifiziert werden, die sich für Markt- oder Plattformbetreiber eignen. In einem zweiten Schritt gilt es Beispiele von Markt- oder Plattformbetreibern aus der Praxis auszuwählen und deren Geschäftsmodelle zu erfassen und systematisch zu beschreiben. In einem dritten Schritt gilt es zu analysieren, ob die ausgewählten Beispiele durch die identifizierten Geschäftsmodellmuster beschrieben werden können. Abschließend sollen Grenzen und mögliche Erweiterungen der Geschäftsmodellmuster diskutiert werden.

Osterwalder, Alexander; Pigneur, Yves (2010): Business model generation. A handbook for visionaries, game changers, and challengers: Wiley.

Gassmann, Oliver; Frankenberger, Karolin; Csik, Michaela (2014): The business model navigator. 55 models that will revolutionise your business: Pearson.

DSz03: Analyse und Klassifikation bestehender Geschäftsmodelle und Einordnung in ein Geschäftsmodell-Framework 

Über den Erfolg eines Unternehmens entscheiden zunehmend nicht mehr nur die Art und Qualität der angebotenen Produkte/Dienstleistungen, sondern auch das vom Unternehmen zur Vermarktung dieser Produkte/Dienstleistungen gewählte Geschäftsmodell. Geschäftsmodelle beschreiben die grundlegenden Mechanismen, mit denen ein Unternehmen Werte für Kunden erzeugt und damit Gewinn erzielt. Die Digitalisierung verändert diese grundlegenden Mechanismen in zahlreichen Industrien, wordurch Geschäftsmodelle sowohl in der Forschung, als auch der unternehmerischen Praxis an Relevanz gewinnen. Die Digitalisierung von Unternehmen führt auch dazu, dass die Anforderungen an die Geschäftsmodelle solcher Unternehmen sich ändern. Sowohl traditionelle Unternehmen, als auch Start-Ups entwickeln daher zunehmend sog. digitale Geschäftsmodelle.

Das Ziel der Bachelorarbeit ist eine Literaturrecherche zu Frameworks von Geschäftsmodellen sowie anschließende Analyse ausgewählter Geschäftsmodelle aus der Praxis (z. B. YouTube, Hilti, Motel One, Nespresse, Vapiano). In einem ersten Schritt sollen verschiedene Frameworks identifiziert werden, die Geschäftsmodelle klassifizieren. Anschließend sollen die Frameworks vergleichen werden. In einem zweiten Schritt gilt es für ausgewählte Beispiele in Absprache mit dem Betreuer Geschäftsmodelle von Unternehmen zu erfassen und systematisch zu beschreiben. In einem dritten Schritt gilt es diese Geschäftsmodelle unter Verwendung des Frameworks zu analysieren.

Osterwalder, Alexander; Pigneur, Yves (2010): Business model generation. A handbook for visionaries, game changers, and challengers: Wiley.

Al-Debei, Mutaz M.; El-Haddadeh, Ramzi; Avison, David (2008): Defining the Business Model in the New World of Digital Business; Proceedings of the Fourteenth Americas Conference on Information Systems, Toronto, Canada.

Timmers, Paul (1998): Business Models for Electronic Markets, Electronic Markets, 8:2.

Crowdsourcing-Communities, insbesondere mit dem Fokus der Ideengenerierung für neue Produkte oder Dienstleistungen („Ideencommunities“) stellen einen neuen Weg für Unternehmen dar, Ideen von einer großen Gruppe („Crowd“) zu erhalten. Die Ideengenerierung innerhalb einer solchen Community kann schnell zu einer sehr großen Zahl von Ideen führen, die bewertet werden müssen. Ziel dieser Arbeit ist es in einem ersten Schritt die Literatur zu verschiedenen Bewertungsmechanismen von Ideen zu identifizieren und diese zu kategorisieren, Anschließend sollen Praxisbeispiele von Communities zur Ideenbewertung recherchiert werden um die Anwendung der verschiedenen Bewertungsmechanismen in der Praxis darzustellen. Hierbei soll herausgestellt werden, für welche Art von Ideen und den damit verbundenen Zielen der Ideenbewertung bestimmte Bewertungsmechanismen in der Praxis eingesetzt werden.

Bayus, B. L. (2013). Crowdsourcing New Product Ideas over Time: An Analysis of the Dell IdeasStorm Community. Management Science, Vol. 59, No.1, 226-244.

Dean et al. (2006). Identifying Quality, Novel, and Creative Ideas: Constructs and Scales for Idea Evaluation. Journal of the Association for Information Systems 7(10), 646-699.

Sakamoto, Y. and Bao, J. (2011). Testing Tournament Selection in Creative Problem Solving Using Crowds. International Conference on Information Systems.

Klein, M. and Garcia, A.C.B. (2015). High-speed idea filtering with the bag of lemons. Decision Support Systems 78, 39-50.

Gamification – die Nutzung spielerischer Elemente zur Motivationssteigerung in spielfremden Umgebungen – erfreut sich zunehmender Beliebtheit. Bekannte Beispiele sind Fitness-Apps wie Freeletics oder Runtastic, die Game Design-Elemente wie Abzeichen und Bestenlisten zur Motivation ihrer Nutzer einsetzen. Aber auch in anderen Anwendungen, beispielsweise im eLearning, wird Gamification zunehmend eingesetzt. Ziel dieser Arbeit ist es, die Nutzung von Gamification in eLearning-Software zu untersuchen, ein Klassifikationsschema zur Einordnung der Gamification-relevanten Funktionen von eLearning-Software zu entwickeln und aktuell verfügbare eLearning-Software mittels des Klassifikationsschemas zu untersuchen.

Seaborn, K.; Fels, D. (2015): Gamification in theory and action: A survey. International Journal of Human-Computer Studies, 14-31.

Gute Englischkenntnisse

TJ02: Geschäftsmodell-Muster als Basis für Geschäftsmodellinnovationen: Eine Inhaltsanalyse

Innovative Geschäftsmodelle zu entwickeln ist eine der zentralen Herausforderungen für Start-ups wie für bestehende Unternehmen. Kataloge von Geschäftsmodell-Mustern (sog. Business Model Pattern) unterstützen die Generierung von innovativen Geschäftsmodell-Ideen. Bisher können diese Muster jedoch lediglich manuell, d. h. ohne Software-Unterstützung angewandt werden. Das Ziel dieser Arbeit ist es daher, einen existierenden Katalog von textuell beschriebenen Geschäftsmodell-Mustern für die Software-basierte Nutzung vorzubereiten. Dafür sollen die Muster analysiert werden und Regeln abgeleitet werden, die es erlauben, diese Muster zu Geschäftsmodellen zusammenzusetzen.

Osterwalder, A. und Pigneur, Y. (2011): Business Model Generation: Ein Handbuch für Visionäre, Spielveränderer und Herausforderer, Campus Verlag.

-

DG01: Online-Bewertung und Preissetzung auf Airbnb

In der heutigen Geschäftswelt sind Online-Bewertungen von Produkten und Dienstleistungen ein wichtiges Instrument zum Abbau von Informationsasymmetrie zwischen Käufern und Anbietern. Während die Auswirkungen von Online-Bewertungen auf Erfolgsvariablen (bspw. Verkaufszahlen und Gewinn) im Umfeld von herkömmlichen kommerziellen Transaktionen wie Bücherkäufen oder Restaurantbesuchen bereits untersucht wurde, ist die Wirkungsweise von Online-Bewertungen auf Märkten der sogenannten Sharing Economy nur spärlich erforscht. Das Ziel der Bachelorarbeit ist es explorativ die Zusammenhänge von Preissetzung und Online-Bewertungen von Anbietern auf der bekannten Sharing Economy Plattform „Airbnb“ deskriptiv mit einem bereitgestellten Datensatz zu analysieren und mit der bestehenden Literatur zu Preissetzung und Online-Bewertungen zu vergleichen. Hierbei soll der Fokus darauf liegen, gezielt Literatur auszuwählen, auf dessen Basis eine deskriptive Datenanalyse fußen kann. Im ersten Teil der Arbeit soll eine Literaturrecherche zu Arbeiten geschehen, die sich mit dem Zusammenhang von Preissetzung und Online-Bewertungen befassen. Im zweiten Teil soll anschließend der bereitgestellte Datensatz deskriptiv untersucht werden und mit den Ergebnissen aus der Literatur verglichen werden.

Li, X., & Hitt, L. M. (2010). Price effects in online product reviews: an analytical model and empirical analysis. MIS quarterly, 809-831.

Bajari, P., & Hortacsu, A. (2004). Economic insights from internet auctions. Journal of Economic Literature, 42(2), 457-486.

Solide Grundkenntnisse in Statistik und Excel (oder besser noch STATA), gute Englischkenntnisse

Das Ziel der Bachelorarbeit ist es, einen Überblick über den aktuellen Stand der Forschung zum Thema Verzerrungen von Online-Produktbewertungen zu geben. Im ersten Teil der Arbeit sollen wichtige Grundbegriffe zu diesem Thema definiert und erklärt werden. Hier soll der Fokus speziell auf unbewusste Verzerrungen von Bewertungen wie beispielsweise der „Käuferbias“ oder „Herding“ liegen. Im zweiten Teil soll anschließend die relevante Literatur zu diesem Thema systematisch dargestellt werden, indem Verzerrungen im Hinblick auf u.a. verschiedene Produkt- und Dienstleistungsarten und Plattformen kategorisiert und die Recherchemethode nachvollziehbar dokumentiert wird.

Li, X., & Hitt, L. M. (2008). Self-selection and information role of online product reviews. Information Systems Research, 19(4), 456-474.

Muchnik, L., Aral, S., & Taylor, S. J. (2013). Social influence bias: A randomized experiment. Science, 341(6146), 647-651.

DK01: Immer J-Shape? Eine deskriptive Analyse von Online-Produktbewertungen am Beispiel Yelp

In der heutigen Geschäftswelt sind Online-Bewertungen von Produkten und Dienstleistungen ein wichtiges Instrument zum Abbau von Informationsasymmetrie zwischen Käufern und Anbietern. Studien legen nahe, dass die Verteilung dieser Online-Bewertungen einer sogenannten „J-Shape“ folgen. Das Ziel der Bachelorarbeit ist es, den vom Lehrstuhl zur Verfügung gestellten Datensatz der Bewertungsplattform Yelp (https://www.yelp.com/) deskriptiv dahingehend zu analysieren, ob in sämtlichen Teilmärkten, die J-Shape Prognose zutrifft oder ob auch andere Häufigkeitsverteilungen identifiziert werden können.

Hu, N., Pavlou, P. A., and Zhang, J. 2007. “Why do online reviews have a J-shaped distribution? Overcoming biases in online word-of-mouth communications,” Working Paper. Available online: ssrn.com/abstract=2380298.

Hu, N., Zhang, J., and Pavlou, P. A. 2009. “Overcoming the J-shaped distribution of product reviews,” Communications of the ACM (52:10), pp. 144-147.

Gute Englischkenntnisse

DK02: Immer J-Shape? Eine deskriptive Analyse von Online-Produktbewertungen am Beispiel Amazon

In der heutigen Geschäftswelt sind Online-Bewertungen von Produkten und Dienstleistungen ein wichtiges Instrument zum Abbau von Informationsasymmetrie zwischen Käufern und Anbietern. Studien legen nahe, dass die Verteilung dieser Online-Bewertungen einer sogenannten „J-Shape“ folgen. Das Ziel der Bachelorarbeit ist es, den vom Lehrstuhl zur Verfügung gestellten Datensatz des Online-Händlers Amazon deskriptiv dahingehend zu analysieren, ob in sämtlichen Teilmärkten/Produktkategorien, die J-Shape Prognose zutrifft oder ob auch andere Häufigkeitsverteilungen identifiziert werden können.

Hu, N., Pavlou, P. A., and Zhang, J. 2007. “Why do online reviews have a J-shaped distribution? Overcoming biases in online word-of-mouth communications,” Working Paper. Available online: ssrn.com/abstract=2380298.

Gute Englischkenntnisse