Chatbots, virtuelle Assistenten und Recommender-Systeme: Chancen, Techniken, Herausforderungen und Konsequenzen für E-Services
Automatisierte Dialogsysteme können helfen, die Kunde-Händler-Interaktion im E-Commerce besser und schneller zu gestalten oder innerhalb von Unternehmen als Routineaufgaben zu übernehmen. Es gibt erste Erfahrungen bei Unternehmen, die deutlich aufzeigen, dass solche Frage-Antwort-Systeme nicht nur schneller und billiger sein sondern präzisere und aktuellere Antworten auf Fragen geben können als herkömmliche Systeme. Auch auf Kundenseite haben erste bewusste Erfahrungen mit Systemen wie OK Google, Siri, Cortana oder Alexa dazu beigetragen, viele ursprüngliche Berührungsängste zu überwinden und die Tür zu einer möglicherweise für alle besseren Welt mit „Kollege Roboter“ aufzustoßen. Während einzelne Erfahrungen vom Service-Roboter im Hotel, der neben besserem Service zu mehr Buchungen führt, über E-Health-Systeme, die besser als viele Hausärzte diagnostizieren, bis zu Job-Matching-Systemen, die geeignete offene Stellen oder Bewerber vorschlagen, sehr hoffnungsvoll einige konkrete Chancen aufzeigen, fehlt es an systematischem Wissen zu betriebswirtschaftlichen und technischen Voraussetzungen, Erfolgsfaktoren, Implementierungsvarianten und weiteren Implikationen für Märkte und Unternehmen.
Wir bieten daher mehrere Masterarbeiten an, die in ausgewählten Anwendungsgebieten (z.B. E-Commerce, bestimmte Geschäftsprozesse, Branchen) den Stand der Literatur zu KI-basierten Dialogsystemen („Chatbots“, Recommender-Systeme) oder konkrete Anwendungsfälle in Unternehmen analysieren. Eine Masterarbeit kann dabei entweder eine technische (z.B. Plattformen, deep learning and recommendation algorithms, alternative AI-Ansätze), eine betriebswirtschaftliche (Kosten, Nutzen, Strategie) oder eine umfassend wirtschaftsinformatische Perspektive einnehmen (Nutzer- und Nutzungsargumente wie Vertrauen in Technik und Betreiber, Interfaces, Treiber und Konsequenzen des Einsatzes automatisierter mesasaging apps, Technostress, Bedeutung von natural language understanding/speech recognition/recommendation and predictive modeling quality/Daten/Legacy-Systemen/Prozess-Design für tatsächliche Nutzung).
Kontakt: Prof. Dr. Tim Weitzel
Beginn: ab sofort
