Seminar Artificial Intelligence (AI) im Unternehmen

Termine

Hinweis

• Die Vorbesprechung findet online via Zoom statt. Nähere Hinweise hierzu sowie die Zugangsdaten erhalten Sie nach der Zusage zum Seminar. Es ist ein Rechner mit Kamera und Mikrofon bzw. ein Headset erforderlich.
• Die Präsenzveranstaltung wird ebenfalls online via Zoom stattfinden. Die Zugangsdaten entsprechen den Daten der Vorbesprechung.

Seminar-Moodle

Für das Seminar wird eine separate Moodle-Lernumgebung eingerichtet. Der Zugriff ist den Teilnehmenden des Seminars vorbehalten.

Abstract

Artificial Intelligence (AI) bzw. im Deutschen Künstliche Intelligenz (KI) erscheint als die aktuelle Speerspitze des Megatrends Digitalisierung. Auch im Unternehmen sind die ersten Anwendungen bereits im Alltag angekommen. ChatGPT erstellt Internet-Content, DeepL erleichtert die internationale Korrespondenz, Bilder werden mit DALL-E oder Firefly erstellt, Programmcode erstellt Codex und den Kundenkontakt übernimmt in erster Instanz ein KI-basierter Chat-Bot. Doch welche weiteren, vielleicht tiefergehenden Möglichkeiten bietet AI für das Unternehmen aktuell oder in Zukunft? Z. B. bei der Auswertung von Kundendaten bspw. im Rahmen von BigData, im Personalbereich bei der Selektion, Ansprache und Einstellung potenzieller Mitarbeiter*innen, bei grundlegenden Planungen bspw. im Rahmen der Budgeterstellung oder sogar bei der Entscheidung, bspw. über neue Investitionen?

Hier stellen sich aus Unternehmenssicht die Fragen, welche Chancen aber auch evtl. welche potenziellen Risiken AI für ein Unternehmen darstellt und wie sich ein Unternehmen konkret mit dieser Technologie auseinandersetzen sollte.

In diesem Umfeld bewegt sich dieses Seminar. Ziel ist es, aus wissenschaftlicher Perspektive den Einsatz von AI in unterschiedlichen unternehmerischen Szenarien zu analysieren, zu diskutieren und kritisch zu reflektieren. Dabei stehen ausgewählte grundlegende Analysen über den Einsatz von AI in bestimmten unternehmerischen Situationen im Mittelpunkt des Seminars.

Einstiegsliteratur

Alt, D. et al. (2023): Stage Model for Economic Evaluation Support for Investment Decisions in Innovative Manufacturing Technologies, in: ZWF Zeitschrift fuer Wirtschaftlichen Fabrikbetrieb, Jg. 118 (2023-05-01), Heft 5, S. 330 – 334.

Andrijauskiene, M. et al. (2022): Towards AI-based R&I investment efficiency evaluation: Case of EU, in: Proceedings of ISPIM Conferences, p1-8.

Basu, S. et al. (2023): Artificial Intelligence–HRM Interactions and Outcomes: A Systematic Review and Causal Configurational Explanation, in: Human Resource Management Review, Vol. 33, Issue 1.

Bitz, M. et al. (2023): Investitionsentscheidungen bei unsicheren Erwartungen, in: Investitionsrechnung klipp & klar, S. 233 – 271.

Budwar, P. et al. (2022): Artificial intelligence – challenges and opportunities for international HRM: a review and research agenda, in: International Journal of Human Resource Management, Vol. 33, Issue 6, p1065-1097.

Chandra, S. et al. (2022): Personalization in personalized marketing: Trends and ways forward, in: Psychology & Marketing, Vol. 39, Issue 8, p1529-1562.

Chung I.H./Williams D.W./Do M.R. (2022): For Better or Worse? Revenue Forecasting with Machine Learning Approaches, in: Public Performance & Management Review, Vol. 45, Issue 5, p1133-1154.

Gleich, R./Kappes, M./Leyk, J. (2019): Planung, Budgetierung und Forecasting: Innovative und digitale Instrumente für die Unternehmenssteuerung, Haufe Verlag.

Graham, Jade Taryn (2022): How Is AI Disrupting Human Resources Management? in: HR Strategy & Planning Excellence, Vol. 10, Issue 2, p28-31.

Kumar, S. et al. (2023): Potential Impact of Data-Centric AI on Society, in: IEEE Technology & Society Magazine. Sep2023, Vol. 42, Issue 3, p98-107.

Moughal, I. (2023): The Role of Artificial Intelligence in the Future of Estate Planning: Possibilities and challenges, in: Trusts & Estates, Vol. 162, Issue 6, p30-33.

Pol, S. et al. (2022): Predicting Credit Ratings using Deep Learning Models - An Analysis of the Indian IT Industry, in: Australasian Accounting Business & Finance Journal, Vol. 16, Issue 5, p38-51.

Sabil, S. et al. (2023): Identification of HRM Improvement Strategy Using Artificial Intelligence in Modern Economic Development, in: International Journal of Professional Business Review (JPBReview). 2023, Vol. 8, Issue 6, p1-14.

Sanderson, P. (2023): Data Collection - AI is Here! in: Quality. Jul2023, Vol. 62, Issue 7, p15.

Schön, D. (2022): Planung und Reporting im BI-gestützten Controlling - Grundlagen, Business Intelligence, Mobile BI, Big-Data-Analytics und KI, Springer-Gabler Verlag.

Upashi, R./Kadakol, A. M. (2023): Impact of Behavioral Biases on Investment Decision Making: Evidence from the Review of Literature, in: Abhigyan. Apr-Jun2023, Vol. 41, Issue 1, p35-49.

Wang, F. (2022): AI‐enabled IT capability and organizational performance, in: Systems Research & Behavioral Science, Vol. 39, Issue 3, p609–617.

Weber, F. (2020): Künstliche Intelligenz für Business Analytics – Algorithmen, Plattformen und Anwendungsszenarien, Springer Vieweg.

Weißenberger, B. (2021): Künstliche Intelligenz als Zukunftstechnologie im Controlling, in: Controlling & Management Review, Jg. 65, S. 8–17.

Yamaguchi, Y. (2022): 4 Practical Ways To Drive Business Value With AI Forecasting, in: Journal of Business Forecasting, Vol. 41, Issue 2, p34–37.

Zulaikha, S. et al. (2020): customer predictive analytics using artificial intelligence, in: Singapore Economic Review, Aug2020, p1-12.

Hinweis: Die Einstiegsliteratur kann, muss jedoch nicht für das eigene Thema relevant sein. Bitte prüfen Sie kritisch im allgemeinen Literaturbewertungsprozess, ob die jeweilige Einstiegsliteratur für Ihr Thema von Relevanz ist.