Universität Bamberg
Suche öffnen
Sie befinden sich hier:

Fakultät Wirtschaftsinformatik und Angewandte Informatik

Lst. für Wirtschaftsinformatik, insb. Energieeffiziente Systeme

  1.  Otto-Friedrich-Universität Bamberg
  2. Fakultäten
  3. Wirtschaftsinformatik und Angewandte Informatik
  4. Professuren und Lehrstühle
  5. Wirtschaftsinformatik
  6. Lst. für Wirtschaftsinformatik, insb. Energieeffiziente Systeme
  7. Team
  8. Felix Haag, M.Sc.

Felix Haag

Raum: WE5/02.053

Telefon: +49 951 863 1996

E-Mail: felix.haag(at)uni-bamberg.de

Sprechstunde: nach Vereinbarung

Werdegang

  • Seit 2021: Doktorand am Lehrstuhl Wirtschaftsinformatik, insb. Energieeffiziente Systeme an der Universität Bamberg
  • Seit 2020: Wissenschaftlicher Mitarbeiter am Lehrstuhl Wirtschaftsinformatik, insb. Energieeffiziente Systeme an der Universität Bamberg
  • 2018 - 2021: Masterstudium Wirtschaftsinformatik an der Universität Bamberg – Abschluss mit Auszeichnung
  • 2017: Auslandspraktikum bei Mercedes-Benz Malaysia in Kuala Lumpur
  • 2015 - 2018: Bachelorstudium Wirtschaftsinformatik an der Dualen Hochschule Baden-Württemberg in Kooperation mit der Mercedes-Benz Tech Innovation

Forschungsinteressen

  • Explainable AI
  • Learning Analytics
  • Informationssysteme und Anwendungen der Energieinformatik

Auszeichnungen

  • Best Paper Award (Internationale Tagung Wirtschaftsinformatik 2023)
  • Förderpreis der Stiftung Energieinformatik in der Kategorie „Beste Masterarbeit“

Veröffentlichungen

Haag, F., Stingl, C., Zerfass, K., Hopf, K., Staake, T. (2023): Overcoming Anchoring Bias: The Potential of AI and XAI-based Decision Support. International Conference on Information Systems 2023, Hyderabad, India [link]

Haag, F., Günther, S. A., Hopf, K., Handschuh, P., Klose, M., Staake, T. (2023): Addressing Learners' Heterogeneity in Higher Education: An Explainable AI-based Feedback Artifact for Digital Learning Environments. Wirtschaftsinformatik 2023, Paderborn, Germany [link]

Giacomazzi, E., Haag, F., Hopf, K. (2023): Short-term Electricity Load Forecasting using the Temporal Fusion Transformer: Effect of Grid Hierarchies and Data Sources. International Conference on Future Energy Systems (ACM e-Energy) 2023, Orlando, Florida, USA [link]

Günther, S. A., Haag, F., Hopf, K., Handschuh, P., Klose, M., Staake, T. (2023): A feedback component that leverages counterfactual explanations for smart learning support. Digitale Kulturen der Lehre entwickeln – Rahmenbedingungen, Konzepte und Werkzeuge (Springer VS Reihe: Perspektiven der Hochschuldidaktik) (forthcoming)

Haag, F., Hopf, K., Menelau Vasconcelos, P., Staake, T. (2022): Augmented Cross-Selling Through Explainable AI – A Case From Energy Retailing. European Conference on Information Systems 2022, Timișoara, Romania [link]

Wastensteiner, J., Weiss, T., Haag, F., Hopf, K. (2021): Explainable AI for Tailored Electricity Consumption Feedback – An Experimental Evaluation of Visualizations. European Conference on Information Systems 2021, Marrakech, Morocco [link]

Vorträge und Workshops

Haag, F. (2022): Explainable Machine Learning to Augment Human Decision-Making. Doctoral Consortium during the 30th European Conference on Information Systems (ECIS), Timișoara, Romania, 19.06.2022

Hopf, K., Haag, F. (2020): Explainable AI for Enhanced Human-AI Interaction. Pre-ICIS Practice Development Workshop “AI Beyond the Hype”, Online, 13.12.2020