Dr. Konstantin Hopf

• 2019 - heute: Wissenschaftlicher Assistent am Lehrstuhl Wirtschaftsinformatik, insb. Energieeffiziente Systeme an der Universität Bamberg
• April 2019: Abschluss der Promotion zum Dr. rer. pol. (Note: summa cum laude), Thema der Dissertation: "Predictive Analytics for Energy Efficiency and Energy Retailing"
• 2018 (Feb - Apr): Lehr- und Forschungsaufenthalt an der Copenhagen Business School, Department of Digitalization
• 2015 - 2019: Doktorand am Lehrstuhl Wirtschaftsinformatik, insb. Energieeffiziente Systeme an der Universität Bamberg und Senior analyst im Bits-to-Energy Lab, einer Forschungskooperation der ETH Zurich, der Otto-Friedrich Universität Bamberg und der Universität St. Gallen (www.bits-to-energy.ch)
• 2014 - 2015: Masterstudium der Wirtschaftsinformatik an der Otto-Friedrich-Universität Bamberg
• 2012 - 2013: Auslandssemester an der University of Skövde, Schweden
• 2010 - 2014: Bachelorstudium der Wirtschaftsinformatik an der Otto-Friedrich-Universität Bamberg
  (Auszeichnung der Bachelorarbeit mit dem ersten Platz im IT Cluster Oberfranken Absolventenpreis 2015)

• Entwicklung und Verantwortung der Master-Lehrveranstaltungen "Business Intelligence & Analytics" (EESYS-BIA-M, V/Ü, 6 ECTS, Wintersemester), "Data-driven Decision Support" (EESYS-DDS-M, V/Ü, 6 ECTS, Sommersemester), Master-Seminar "Platforms of Human-AI Collaboration" (WS 2020/21, 3 ECTS)
• Betreuung von Bachelor-, Master- und Projektarbeiten in Studiengängen der Wirtschaftsinformatik an der Universität Bamberg
• Vertreter der wissenschaftlichen Mitarbeiterinnen und Mitarbeiter der Fakultät WIAI im Fakultätsrat und dem Mittelbau-Konvent (2017-2019 und 2019-2021)
• Lehrauftrag für den Kurs "Business Intelligence" für Masterprogramme Strategic Management and Consulting an der CBS International Business School in Mainz (seit SS 2021)

• Individuelle Anwendungen des (erklärbaren) maschinellen Lernens zur Entscheidungsunterstützung, z.B. Energievertrieb, Energieeffizienz, Hochschullehre

• Organisationale Wertschöpfung durch Anwendungen des (erklärbaren) maschinellen Lernens

• Datenarbeit in Unternehmen

• KI und fortgeschrittene Datenanalysen für ein Zusammenspiel von Strom, Wärme und Mobilität ("DigiSWM"), Bayerisches Verbundforschungsprogramm (IUK Bayern): Jul 2021 – Sept 2024 (Rolle: Principal Investigator und Verbundkoordinator)
• Kombinierte Verhaltens- und Analyse-Innovation zur Steigerung der Energieeffizienz mittels Smart Meter in Privathaushalten ("BENEFIZZO"), EU Eurostars Initiative: Dez 2020 – Mai 2022 (Rolle: Principal Investigator)
• Data-driven insights in energy retailing ("BEN Drive"), Auftragsforschungsprojekt, Mai 2018 – Dez 2022 (Rolle: Principal Investigator)
• Smart Meter Data Analytics for Enhanced Energy Efficiency in the Residential Sector ("SmartLoad"), European Research Area Network (ERA-Net) - Smart Grids Plus, Projektlaufzeit: Juni 2017 – März 2020 (Rolle: Projektleiter)
• Energy Data Analytics: Steigerung der Servicequalität und der Energieeffizienz im Privatkundenbereich ("BENgineII"), EU Eurostars Initiative: Nov 2015 – Okt 2018 (Rolle: Forscher)
• Smart Meter Data Analytics für Massenmarkttaugliche Energiedienstleistungen, Kommission für Technologie und Innovation Schweiz, Projektlaufzeit: Jun 2014 – Mai 2016 (Rolle: Forscher)
• Smart-Meter-Datenanalyse für automatisierte Energieberatungen, Bundesamt für Energie Schweiz, Projektlaufzeit: Apr 2014 – Jan 2016 (Rolle: Forscher)

Zeitschriftenbeiträge (peer-reviewed)

Hopf, K., Müller, O., Thiess, T., Shollo, A. (2023). Organizational implementation of AI: Craft and mechanical work. California Management Review 66(1).

Shollo, A., Hopf, K., Thiess, T., Müller, O. (2022). Shifting ML Value Creation Mechanisms: A process model of ML value creation. The Journal of Strategic Information Systems, 31(3), 101734. https://doi.org/10.1016/j.jsis.2022.101734; ausgezeichnet mit dem JSIS 2022 Best paper award im März 2023

Weigert, A., Hopf, K., Günther, S. A., & Staake, T. (2022). Heat pump inspections result in large energy savings when a pre-selection of households is performed: A promising use case of smart meter data. Energy Policy, 169, 113156. https://doi.org/10.1016/j.enpol.2022.113156

Hopf, K., Weigert, A., Staake, T. (2022). Value creation from analytics with limited data: a case study on the retailing of durable consumer goods. Journal of Decision Systems, Online veröffentlicht am 07. April 2022, DOI: 10.1080/12460125.2022.2059172

Hopf, K., Sodenkamp, M., Staake, T. (2018). Smart Meter Data Analytics for Enhanced Energy Efficiency in the Residential Sector. Electronic Markets, 28(4) DOI: 10.1007/s12525-018-0290-9; ausgezeichnet mit dem AIS SIGGREEN 2018 Best Journal Paper on Green ISaward im Dezember 2018

Hopf, K. (2018). Mining Volunteered Geographic Information for Predictive Energy Data Analytics. Energy Informatics, 1:4, DOI: 10.1186/s42162-018-0009-3

Monographien

Hopf, K. (2019). Predictive Analytics for Energy Efficiency and Energy Retailing. Dissertation, Schriften aus der Fakultät Wirtschaftsinformatik und Angewandte Informatik der Otto-Friedrich-Universität Bamberg Band (36), University of Bamberg Press, Bamberg, DOI: 10.20378/irbo-54833

Beiträge in Konferenzbänden (peer-reviewed)

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. Akzeptiert für die 18. International Conference on Wirtschaftsinformatik 18. - 21. September, Paderborn; Nominiert für den Best Paper Award.

Hopf, K., Hartstang, H., Staake, T. (2023). Meta-Regression Analysis of Errors in Short-Term Electricity Load Forecasting. Vorgestellt auf dem 4. International Workshop on Energy Data and Analytics im Rahmen der 14. ACM e-Energy Konferenz, 20. Juni, Orlando:Florida (USA). DOI: 10.1145/3575813.3597345 [Preprint]

Giacomazzi, E., Haag, F., Hopf, K. (2023). Short-term Electricity Load Forecasting Using the Temporal Fusion Transformer: Effect of Grid Hierarchies and Data Sources. Vorgestellt auf der 14. ACM e-Energy Konferenz, 20. Juni, Orlando:Florida (USA). DOI: 10.1145/3599733.3600248 [Preprint]

Günther, S. A., Haag, F., Hopf, K., Klose, M., Handschuh, P., Staake, T. (2022). A feedback component that leverages counterfactual explanations for smart learning support: First insights into its empirical evaluation. Tagungsband DiKuLe Symposium 2022 (in Erscheinung)

Haag, F., Hopf, K., Menelau Vasconcelos, P., Staake, T. (2022). Augmented Cross-Selling Through Explainable AI – A Case From Energy Retailing. 30. European Conference on Information Systems (ECIS'22), Timișoara: Romania [Full-text] [Preprint]

Wastensteiner, J., Weiss, T. M., Haag, F., Hopf, K. (2021).  Explainable AI for Tailored Electricity Consumption Feedback – An Experimental Evaluation of Visualizations, 29. European Conference on Information Systems (ECIS'21), Marrakesh: Morocco / Virtual, 14. – 12. Juni, [Full-text] [Preprint]

Fteimi, N., Hopf, K. (2021). Knowledge Management in the Era of Artificial Intelligence - Developing an Integrative Framework, 29. European Conference on Information Systems (ECIS'21), Marrakesh: Morocco / Virtual, 14. – 12. Juni [Full-text]

Weigert, A., Hopf, K., Weinig, N., Staake, T. (2020) Detection of heat pumps from smart meter and open data, 9. DACH+ Conference on Energy Informatics, Sierre, Schweiz,  29. – 30. Oktober, In: Energy Informatics, 3(Suppl 1):21, DOI: 10.1186/s42162-020-00124-6

Stingl, C., Hopf, K., Staake, T. (2018). Explaining and predicting annual electricity demand of enterprises – A case study from Switzerland, 7. DACH+ Conference on Energy Informatics, Oldenburg,  11. – 12. Oktober, In: Energy Informatics, 1:50, DOI: 10.1186/s42162-018-0028-0

Hopf, K., Riechel, S., Sodenkamp, M., Staake, T. (2017). Predictive Customer Data Analytics – The Value of Public Statistical Data and the Geographic Model Transferability.38. International Conference on Information Systems (ICIS'17), Seoul: Südkorea, 10. – 13. Dezember

Hopf, K., Kormann, M., Sodenkamp, M., Staake, T. (2017). A Decision Support System for Photovoltaic Potential Estimation. ACM International Conference on Internet of Things and Machine Learning 2017, Liverpool: UK, 17. - 18. Oktober, DOI: 10.1145/3109761.3109764

Sodenkamp, M., Kozlovskiy, I., Hopf, K., Staake, T. (2017). Smart Meter Data Analytics for Enhanced Energy Efficiency in the Residential Sector. 13. Internationale Konferenz Wirtschaftsinformatik 2017, St. Gallen, 12. - 15. Februar

Hopf, K., Sodenkamp, M., Kozlovskiy, I. (2016). Energy Data Analytics for Improved Residential Service Quality and Energy Efficiency. 24. European Conference on Information Systems (ECIS'16), Istanbul: Türkei, 12. - 15. Juni

Kozlovskiy, I., Sodenkamp, M., Hopf, K., Staake, T. (2016). Energy Informatics for Environmental, Economic and Societal Sustainability: A Case of the Large-Scale Detection of Households with Old Heating Systems. 24. European Conference on Information Systems (ECIS'16), Istanbul: Türkei, 12. - 15. Juni

Hopf, K., Sodenkamp, M., Kozlovskiy, I., Staake, T. (2015) Household Classification Using Annual Electricity Consumption Data, presented as poster at 4. D-A-CH+ Energieinformatik Konferenz, Karlsruhe, 12. – 13. November

Hopf, K., Dageförde, F., Wolter, D. (2015). Identifying the Geographical Scope of Prohibition Signs, 12. International Conference on Spatial Information Theory (COSIT) , 2015 Santa Fe: NM, USA, 12. – 16. Oktober. Proceedings in Lecture Notes in Computer Science, DOI: 10.1007/978-3-319-23374-1_12

Hopf, K., Sodenkamp, M., Kozlovskiy, I., Staake, T. (2014). Feature extraction and filtering for household classification based on smart electricity meter data, 3. D-A-CH+ Energieinformatik Konferenz 2014, 13. -14. November. In: Computer Science - Research and Development 31 (3), pp. 141-148, DOI: 10.1007/s00450-014-0294-4

Konferenzvorträge

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

Hopf, K., Constantiou, I., Staake, T. (2020), Directing relationship marketing to the era of AI – How machine learning increases customer data richness. Work in the Age of Intelligent Machines Research Coordination Network Workshop, Online, 01.12.2020

Weigert, A., Hopf, K. (2020). Design of cognitive computing systems to support the sales process for durable goods on the example of renewable energy systems, ECIS Workshop on Energy Informatics, Online, 15.06.2020

Hopf, K., Fteimi, N., Staake, T., Lehner, F. (2019). The Role of Human Cognition and Mental Capabilities in Setting Up Artificial Intelligence, Pre-ICIS Workshop zum JAIS-MISQE Special Issue on Artificial Intelligence in Organizations, München, 14.12.2019

Müller, O., Shollo, A., Hopf, K., Thiess, T. (2019). The Pursuit of Data Driven Value Creation in Organizations: A Typology of Data Science Projects and Facilitators in the Value Creation Process, Pre-ICIS Workshop zum JAIS-MISQE Special Issue on Artificial Intelligence in Organizations, München, 14.12.2019

Weigert, A., Hopf, K., Staake, T. (2019). A Cognitive Computing Solution to Foster Retailing of Renewable Energy Systems, SIGGreen Pre-ICIS Workshop, München, 15.12.2019

Software-Bibliotheken

Hopf, K., Weigert, A., Kozlovskiy, I., Staake, T. (2020). SmartMeterAnalytics: Methods for Smart Meter Data Analysis, Bibliothek für die Statistikumgebung GNU R, https://cran.r-project.org/package=SmartMeterAnalytics

Hopf, K., Weigert, A., Weinig, N., Staake, T., (2020). ResidentialEnergyConsumption: Residential Energy Consumption Data, Bibliothek für die Statistikumgebung GNU R, https://cran.r-project.org/package=ResidentialEnergyConsumption

Buchkapitel und Projektberichte

Weigert, A., Hopf, K., Staake, T., Rast, A., Marckhoff, J. (2020). SmartLoad – Smart Meter Data Analytics for Enhanced Energy Efficiency in the Residential Sector, Schlussbericht. Bundesamt für Energie, Schweiz (Online)

Hopf, K., Staake, T. (2019). Methoden der Energiedatenanalyse, Schlussbericht zum Eurostars Projekt „Energy Data Analytics: Steigerung der Servicequalität und der Energieeffizienz im Privatkundenbereich“, DOI: 10.2314/KXP:1687331642

Sodenkamp, M., Hopf, K., Kozlovskiy, I., Staake, T. (2016). Smart-Meter-Datenanalyse für automatisierte Energieberatungen ("Smart Grid Data Analytics"), Schlussbericht. Bundesamt für Energie, Schweiz (Online)

Sodenkamp, M., Hopf, K., Staake, T. (2015). Using supervised machine learning to explore energy consumption data in private sector housing. In: Tavana, M. & Puranam, K. (Hg.): Handbook of Research on Organizational Transformations through Big Data Analytics. Hershey, USA: IGI Global, DOI: 10.4018/978-1-4666-7272-7.ch019

• 09/2023: Best Paper Nominee (18. Internationale Tagung Wirtschaftsinformatik)
• 06/2023: Best Associate Editor, 31. European Conference on Information Systems (ECIS), Kristiansand, 11.-16. Juni 2023
• 03/2023: Journal of Strategic Information Systems 2022 Best paper award für den Beitrag "Shifting ML Value Creation Mechanisms: A process model of ML value creation"
• 10/2020: Best Paper Nominee (9th DACH+ Energy Informatics 2020)
• 12/2019: AIS 2018 SIGGREEN Best Journal Paper on Green IS für Beitrag "Enhancing Energy Efficiency in the Residential Sector with Smart Meter Data Analytics" in Electronic Markets 28(4)
• 11/2015: Absolventenpreis des IT Clusters Oberfranken (1. Platz) für Bachelorarbeit "Entwicklung und Evaluation von Merkmalen zur Haushaltsklassifikation aus Daten intelligenter Stromzähler"
• 03/2010: Deutscher Klimapreis der Allianz Umweltstiftung 2010 für das initiierte Projekt "H.o.f.E.r – Schüler für den Klimaschutz"
• 07/2008: Sonderpreis in der Kategorie "Umwelt und Leben" im Schülerwettbewerb "Schule macht Zukunft" des Magazin FOCUS und der Deutschen Bundesstiftung Umwelt für das initiierte Projekt "H.o.f.E.r – Schüler für den Klimaschutz"

• Support retailing of renewable energy systems with (interpretable) machine learning, Gastvorlesung an der Universität Passau, 09.07.2021
• Predictive Analytics for Energy Efficiency and Energy Retailing, Brown-Bag Seminar der Wirtschaftsinformatik-Fachgruppe, Universität Passau, 18.06.2019
• Datenanalyse mit R, Führungskräfte-Workshop für ein Energieversorgungsunternehmen, Universität Bamberg, April 2018
• Mining Volunteered Geographic Information for Predictive Energy Data Analytics, PhD Workshop 'Energy Informatics' im Rahmen der 6. D-A-CH+ Energieinformatik Konferenz in Lugano, Schweiz am 04.10.2017
• Predictive Analytics in Energy Retail, Doctoral Consortium während der 25. European Conference on Information Systems (ECIS) in Guimarães, Portugal am 05.06.2017
• Lifting the value of customer data for marketing – Predictive analytics in energy retail, 9. BarCamp Nürnberg am 13.05.2017
• Das Internet der Dinge – Experimente mit intelligenten Stromzählern, Workshop beim Mädchen und Technik Tag der Universität Bamberg am 28.10.2014
• Heimat ohne fossile Energieträger realisieren (H.o.f.E.r.) - Raus aus dem Energiestrudel, Neumarkter Nachhaltigkeitskonferenz 2010 am 25.06.2010
• Raus aus dem Energiestrudel, 17. Symposium der Deutschen Bundesstiftung Umwelt (DBU) und der Freunde und Förderer des Zentrums für Umwelt und Kultur Benediktbeuern am 29.09.2009