Profil

Informationen zur Lehre

In der Lehre widmet sich die Professur vielfältigen Fragestellungen rund um Business Analytics, Data Science, Machine Learning und Artificial Intelligence (AI). In Einführungsmodulen vermitteln wir im Rahmen von Vorlesungen und (rechnergestützten) Übungen unter anderem die Grundlagen der Programmierung, Datenanalyse und algorithmischen Lösungsentwicklung. Aufbauend darauf bieten wir in weiterführenden Vertiefungskursen die Möglichkeit, erlernte methodische und konzeptionelle Kenntnisse in praxisnahen Projektseminaren anzuwenden. Hier arbeiten Studierende beispielsweise in Kleingruppen an realen Problemstellungen aus der Praxis oder anwendungsorientierten Forschungsprojekten. Die Themen für diese Projekte stammen sowohl aus aktuellen Forschungsinitiativen der Professur und Kooperationen mit Praxispartnern als auch aus eigenen Forschungs- und Praxisvorhaben der teilnehmenden Studierenden.

Forschungsschwerpunkte

• Design of Intelligent Systems: Sozio-technische Gestaltung intelligenter Informationssysteme auf Basis moderner Data-Science-Technologien (z.B. Deep Learning, Generative AI, Process Mining, Natural Language Processing, Computer Vision)
• Explainable Artificial Intelligence: Entwicklung algorithmischer Innovationen im Bereich intrinsisch interpretierbarer AI- und Machine-Learning-Modelle (z.B. Generalized Additive Models, Optimal Decision Trees) sowie post-hoc-analytischer Erklärungsmethoden für Black-Box-Modelle (z.B. auf Basis von SHAP oder LIME)
• Applied Machine Learning: Anwendung und Benchmarking von modernen Machine-Learning-Algorithmen in verschiedensten Anwendungsdomänen (z.B. Gesundheitswesen, Produktion, Finanzwesen)
• Human-AI Interaction: Empirische Untersuchung der menschlichen Wahrnehmung und Nutzung von AI-Systemen durch nutzerzentrierte Experimentalstudien (z.B. zur Untersuchung von Algorithm Aversion vs. Algorithm Appreciation)