Wir freuen uns, wenn Sie an einer wissenschaftlichen Arbeit an der Professur Anwendungssysteme interessiert sind. Die Themen orientieren sich an den unten aufgeführten Schwerpunkten, die jeweils innovative Aspekte überbetrieblicher Anwendungssysteme bzw. Plattformen betreffen. Die Schwerpunkte können von Literaturarbeiten über Befragungen hin zu Realisierung von Prototypen reichen.

Hinweise

Das Verfassen einer wissenschaftlichen Abschlussarbeit ist eine zentrale Leistung in einem Universitätsstudium. Mit der Bachlorarbeit sammeln Sie mit der systematischen Bearbeitung eines Themengebietes auf ca. 30 Seiten erste eigene vertiefte Erfahrungen beim wissenschaftlichen Arbeiten. Die Masterarbeit setzt dies fort und erlaubt Ihnen eine weitergehende Analyse und Aufbereitung auf ca. 60 Seiten.

Bitte beachten Sie beim Verfassen Ihrer wissenschaftlichen Arbeit die Hinweise zum wissenschaftlichen Arbeiten (s. auch Kasten rechts) und die einschlägige Literatur zum wissenschaftlichen Arbeiten sowie zu einzelnen Forschungsmethoden. Drei Literaturhinweise seien an dieser Stelle herausgegriffen:

  • Wissenschaftliches Arbeiten: Bergener et al. (2019), Wissenschaftliches Arbeiten im Wirtschaftsinformatik-Studium - Leitfaden für die erfolgreiche Abschlussarbeit, Springer, https://link.springer.com/book/10.1007/978-3-662-57949-7
  • Übersicht zu Forschungsmethoden der Wirtschaftsinformatik: Wilde/Hess (2006), Methodenspektrum der Wirtschaftsinformatik: Überblick und Potenziale, Arbeitsbericht Nr. 2/2006, LMU München, https://epub.ub.uni-muenchen.de/14146/1/hess_14146.pdf 
  • Forschungsmethode Literaturanalyse: vom Brocke et al. (2015), Standing on the Shoulders of Giants: Challenges and Recommendations of Literature Search in Information Systems Research, in: Communications of the Association for Information Systems, Vol. 37, pp. 205-224, http://aisel.aisnet.org/cais/vol37/iss1/9
  • Forschungsmethode Literaturanalyse: Templier/Paré (2015), A Framework for Guiding and Evaluating Literature Reviews, in: Communications of the Association for Information Systems, Vol. 37, pp. 112-137, https://doi.org/10.17705/1CAIS.03706

Zusätzlich finden Sie einige Informationen in folgendem Moodle-Kurs und bei Interesse schreiben Sie bitte eine E-Mail an: anwendungssysteme(at)wifa.uni-leipzig.de. Eine Liste bisheriger Abschlussarbeiten der Professur finden Sie hier.

Ausgeschriebene Themen für studentische Arbeiten

Es besteht die Möglichkeit, eigene Themen für die Abschlussarbeiten (Bachelor, Master) vorzuschlagen. Diese sollten an die Forschungsgebiete der Professur für Anwendungssysteme angelehnt sein (z. B. überbetriebliche Prozesse, digitale Plattformen, Distributed-Ledger-Technologien, Fintech, Methoden des Geschäftsprozess- und/oder Servicemanagements). Gerne können Sie Ihre Vorschläge mit einem kleinen Exposé und einer ersten Grobgliederung an einen wissenschaftlichen Mitarbeiter der Professur oder an das Sekretariat zu senden.

Thema 1: Decentralized Platform Economy

Neben klassischen zentralen digitalen Plattformen, wie Amazon und Ebay, entstehen dezentrale Plattformen wie etwa zum Handel von Token (s. https://defiprime.com/exchanges, https://coinmarketcap.com/rankings/exchanges/dex/). Abhängig von den persönlichen Interessen sind verschiedene Schwerpunktsetzungen für ein Thema im Kontext der decentralized platform economy möglich. Beispiele sind ein Überblick über den aktuellen Stand dezentraler Architekturmodelle, eine Gegenüberstellung zentraler und dezentraler Modelle oder Fallstudien einer beispielhaft gewählten Branche.

  • Literatur: Perscheid et al. (2020). Towards a taxonomy of decentralized platform-based business models, Proceedings 28. European Conference on Information Systems (ECIS), 2. Lage et al. (2022). Decentralized platform economy: Emerging blockchain-based decentralized platform business models, Electronic Markets, 32(3).
  • Kontakt: Prof. Alt (Bitte Kontakt über das Sekretariat aufnehmen)

Thema 2: Decentralized Commerce

Die Arbeit untersucht den Stand von dezentralen E-Commerce-Lösungen, in der Regel auf Basis der Distributed-Ledger-Technologien (DLT). Ziel ist die Analyse des funktionalen Leistungsspektrums dezentraler E-Commerce-Lösungen, deren technologischer Grundlagen sowie die Identifikation neuer Entwicklungen (z. B. Integrations- und Auswertungsmöglichkeiten, Bezahl-/Logistik-/Identifikationsfunktionalitäten, Produktvisualisierungen). Eigene Themenvorschläge in diesem Bereich sind willkommen. Methodisch kann die Arbeit auf der Durchführung einer Literaturanalyse, einer Webrecherche o. A. beruhen.

Thema 3: ERP-Systeme auf Basis der Distributed-Ledger-Technology (DLT)

Die Arbeit soll die Frage untersuchen, inwieweit klassische ERP-Systeme künftig auf der Technologie der Distributed Ledgers (DLT) aufbauen können. Gegenstand soll neben einer strukturierten Literaturanalyse auch eine Webrecherche sein, um dadurch aktuelle Entwicklungen zu erfassen.

Thema 1: Analyse von Fintech-Plattformen

Ziel der Arbeit ist eine Analyse bestehender digitaler Plattformen im Fintech-Bereich. Aus technologischer Sicht haben sich diese aus den bestehenden Anwendungssystemen im Bankenbereich (sog. Kernbankensystemen wie Finastra) herausgebildet und andererseits seitens der Geschäftsmodelle über elektronische Marktplätze, Data Spaces oder App Stores (z. B. EU Digital Finance Platform). Die Arbeit kann sich sowohl auf die technologische als auch auf die geschäftliche Sicht beziehen und sich auf einer Literatur- und/oder einer Marktrecherche abstützen.

Thema 2: Analyse eines "Super-App"-Ecosystems

Ziel der Arbeit ist eine Analyse des Ecosystems einer "Super-App", wie etwa WeChat. Im Mittelpunkt steht die Untersuchung, der Servicenangebote sowie der integrierten Plattformen aus Sicht eines Multi-Plattform-Systems. Zum Einsatz können hier Webscraping-Techniken, um eine empirische Analyse des Ecosystems vornehmen zu können.

Thema 3: Analyse des Beratungsprozesses von Robo-Advisors

Large Language Models (LLMs) ermöglichen eine natürlichsprachliche Nutzerinteraktion, daher haben sie Potential den Beratungsprozess von Robo-Advisors nachhaltig zu verändern. Das Ziel der Arbeit besteht in der Analyse des Beratungsprozesses bestehender Robo-Advisor Lösungen hinsichtlich des Einsatzes von LLMs. Es sollen LLM basierte und nicht LLM basierte Lösungen gegenübergestellt werden. 

  • Literatur: Fieberg, Christian and Hornuf, Lars and Streich, David, Using large language models for financial advice (August 06, 2024). Available at SSRN: ssrn.com/abstract=4850039
  • Kontakt: Robin Wagler

Thema 4: Einsatz Reinforcement Learning basierter Robo-Advisor

Die Arbeit soll untersuchen inwieweit Reinforcement Learning (RL) im Rahmen von Robo-Advisors genutzt wird. Die Ausrichtung der Arbeit ist flexibel: Es kann bspw. untersucht werden, welche Algorithmen eingesetzt werden und welche Daten in die Erstellung der Trainingsumgebung einfließen. Es ist auch möglich zu untersuchen, ob bestehende Robo Advisor bereits RL einsetzen und wenn ja, wie es umgesetzt ist. 

  • Literatur: Rao, Ashwin, and Tikhon Jelvis, Foundations of Reinforcement Learning with Applications in Finance, CRC Press, Boca Raton, Florida ;, 2023. (https://stanford.edu/~ashlearn/RLForFinanceBook/book.pdf)
  • Kontakt: Robin Wagler

Thema 1: Einsatzmöglichkeiten von fortschrittlichen Technologien bei der kooperativen Umsetzung eines Tax CMS bei KMU

Die steigenden Anforderungen der Gesetzgeber stellen Unternehmen zunehmend vor Herausforderungen in der Einhaltung steuerlicher Vorschriften. Ein Tax Compliance Management System (Tax CMS) bietet hier eine mögliche Lösung, indem es Unternehmen dabei unterstützt, steuerliche Risiken zu identifizieren und systematisch zu steuern. Bislang sind jedoch Tax CMS vorwiegend in Großunternehmen implementiert, während kleine und mittlere Unternehmen (KMU) noch nicht in gleichem Maße von diesen Systemen profitieren. Im Rahmen des Projekts DigiTax, das in Zusammenarbeit mit der Universität Leipzig und den Praxispartnern Finatix und we-do.ai durchgeführt wird, sollen innovative Ansätze entwickelt werden, um Tax CMS auch für KMU zugänglich und nutzbar zu machen. Ziel ist es, maßgeschneiderte Lösungen zu finden, die den spezifischen Anforderungen und Ressourcen von KMU gerecht werden.

Die fortschreitende Technologie (KI, ML, …) bietet zahlreiche Möglichkeiten, ein Tax CMS bei KMU zu implementieren. Laut Eßer et al. (PwC-2020) tragen insbesondere drei Technologien wesentlich dazu bei: Machine Learning (ML), Künstliche Intelligenz (KI) und Robotic Process Automation (RPA). Diese Bachelor-/Masterarbeiten bieten viele Möglichkeiten zur Implementierung, von der Erstellung von Diagrammen (BPMN) oder Workflows (durch RPA) bis hin zur vollständigen Bearbeitung durch KI-gestützte Systeme. Die enge Zusammenarbeit mit Praxispartnern wie Finatix und we-do.ai ist dabei ein wesentlicher Bestandteil.

Thema 2: Konzeption von Risiko-Kontroll-Matrix für den Einsatz von Tax CMS bei KMU

Auch im Rahmen des Projekts DigiTax bietet sich ein weiteres spannendes Forschungsthema an: Die Risiko-Kontroll-Matrix. Diese ist ein bekanntes Konzept und wurde im IDW PS 980 als Gegenüberstellung von Risiken (mit Eintrittswahrscheinlichkeit und Folgen) und den dazu entwickelten Maßnahmen von Unternehmen definiert. Die Risiko-Kontroll-Matrix umfasst zwei Grundelemente des Tax CMS nach IDW PS 980: TC-Risiken und TC-Programm. Ziel dieses Themas ist es, das Konzept der Risiko-Kontroll-Matrix speziell für den Einsatz von Tax Compliance Management Systemen (TCMS) in kleinen und mittleren Unternehmen (KMU) zu gestalten und sicherzustellen, dass diese Matrix auch die Anforderungen der IDW PS 980 erfüllt und sich nahtlos in die IT-Systeme der Unternehmen einbetten lässt.

  • Literatur: Schmeer (2023). Quo vadis Tax Compliance?. In Tax Compliance im Kontext der Betriebswirtschaftlichen Steuerlehre (pp. 313-333). Erich Schmidt Verlag GmbH & Co. KG; IDW PS 980: Institut der Wirtschaftsprüfer in Deutschland e.V. (IDW). PS 980: Grundsätze zur ordnungsmäßigen Führung und Aufbewahrung von Büchern, Aufzeichnungen und Unterlagen in elektronischer Form sowie zum Datenzugriff (GoBD). www.idw.de/idw/standards/ps-980/; Praxishinweis 1/2016: Bundesministerium für Wirtschaft und Energie. Praxishinweis 1/2016: Grundelemente für ein Tax Compliance Management System (Tax CMS). www.bmwi.de/Redaktion/DE/Downloads/P-T/praxishinweis-tax-compliance-management-system.html.
  • Kontakt: Viet-Anh Do

Thema 3: Werkzeuge und Methoden der Ecosystem-Modellierung

Mit der Entstehung digitaler Plattformen sind umfangreiche digitale Ökosysteme entstanden, wobei insbesondere jene der Big-Tech-Unternehmen bekannt sind. Die Arbeit soll Ansätze der Ökosystem-Modellierung und/oder Ökosystem-Visualisierung untersuchen. Ziel ist die Strukturierung der bestehenden Arbeitemn und das Herausarbeiten des Stands der Forschung.

Thema 1: Generative KI in der Tourismus-Industrie

Die Arbeit soll bestehende und zukünftig denkbare Szenarien und Anwendungsfälle generativer KI im Tourismus analysieren. Die Analyse könnte bspw. entlang des KI-Periodensystems (Dietzmann & Alt, 2020) stattfinden und ebenso unter Verwendung von Personas stattfinden. Relevante Fragestellungen zu den jeweiligen Cases könnten sein, inwiefern generative KI den Touristen und/oder den Anbietern einen Mehrwert stiftet und inwiefern sich dadurch letztlich die Customer Journey und die Wertschöpfung in der Tourismus-Industrie verändern.

Thema 2: Clinical Decision Support System für Patientengenerierte Gesundheitsdaten

Patientengenerierte Gesundheitsdaten (PGHD) sind durch Wearables wie Fitbit, Garmin, Oura oder Whoop allgegenwärtig. Um PGHD klinisch zu nutzen, bietet sich ein Clinical Decision Support System (CDSS) an, das dem Arzt auf Basis der Daten Empfehlungen für die Behandlung gibt. Da sich PGHD jedoch quantitativ, qualitativ und schematisch von herkömmlichen klinischen Daten unterscheiden, ist das Ziel dieser Abschlussarbeit ein CDSS für PGHD zu designen.

  • Literatur: Demiris, G., Iribarren, S. J., Sward, K., Lee, S., & Yang, R. (2019). Patient generated health data use in clinical practice: A systematic review. In Nursing Outlook (Bd. 67, Issue 4, S. 311–330). Elsevier BV. https://doi.org/10.1016/j.outlook.2019.04.005;

    Sittig, D. F., Boxwala, A., Wright, A., Zott, C., Gauthreaux, N. A., Swiger, J., Lomotan, E. A., & Dullabh, P. (2024). Patient-centered clinical decision support challenges and opportunities identified from workflow execution models. In Journal of the American Medical Informatics Association (Bd. 31, Issue 8, S. 1682–1692). Oxford University Press (OUP). https://doi.org/10.1093/jamia/ocae138;

    Jayathissa, P., Sareban, M., Niebauer, J., & Hussein, R. (2023). Patient-Generated Health Data Interoperability Through Master Patient Index: The DH-Convener Approach. In Studies in Health Technology and Informatics. IOS Press. doi.org/10.3233/shti230413

  • Kontakt: Torben Ukena

Thema 3: Einsatz von Large Language Models für halbautomatisches Mapping

Large Language Models (LLMs) sind sehr gut für die Generierung von Code geeignet. Im Gesundheitswesen gibt es Fast Healthcare Interoperability Resources (FHIR) als Standard, um Daten interoperabel darzustellen und auszutauschen. Jedoch existieren auch zahlreiche gesundheitsrelevante Daten, die in proprietären Formaten vorliegen. Daher ist Ziel der Arbeit zu untersuchen, inwieweit LLMs genutzt werden können, um ausführbaren Pythoncode zu generieren, der das Inputformat in FHIR überführt. Beispielhafte Input- und Outputdaten wurden im Rahmen eines Forschungsprojektes gesammelt und können für das LLM im Rahmen dieser Abschlussarbeit verwendet werden.

Thema 4: Einsatz von Large Language Models für personalisierte Schlafempfehlungen

Ziel der Arbeit ist es zu untersuchen, wie Schlafdaten bspw. von Wearables oder aus Fragebögen für Large Language Models (LLMs) nutzbar gemacht werden können und wie ein LLM nachfolgend eingesetzt werden kann, um nutzerspezifische Schlafempfehlungen zu geben. Die Arbeit kann sowohl auf Literaturebene als auch auf technischer Ebene (inkl. Umsetzung eines Prototyps) durchgeführt werden.

  • Literatur: Cosentino, J., Belyaeva, A., Liu, X., Furlotte, N. A., Yang, Z., Lee, C., Schenck, E., Patel, Y., Cui, J., Schneider, L. D., Bryant, R., Gomes, R. G., Jiang, A., Lee, R., Liu, Y., Perez, J., Rogers, J. K., Speed, C., Tailor, S., . . . McLean, C. Y. (2024). Towards a Personal Health Large Language Model. ArXiv. arxiv.org/abs/2406.06474
  • Kontakt: Robin Wagler

Thema 5: Abbildung und Vorhersage von Marktzuständen mittels Geometric Deep Learning

Die Arbeit soll untersuchen inwieweit Geometric Deep Learning (GDL) insb. Graph Neuronal Networks (GNN) eingesetzt werden können, um Markt oder Netzwerkzuständen zu repräsentieren und nachfolgend auch vorherzusagen. Die Arbeit kann sowohl auf Literaturebene als auch auf technischer Ebene (inkl. Umsetzung eines Prototyps) durchgeführt werden. 

  • Literatur: Bronstein, M. M., Bruna, J., Cohen, T., & Veličković, P. (2021). Geometric Deep Learning: Grids, Groups, Graphs, Geodesics, and Gauges. ArXiv. /abs/2104.13478
  • Kontakt: Robin Wagler

Integrierte Anwendungssysteme im Gastronomiebereich

Im Mittelpunkt der Arbeit steht die Untersuchung integrierter Lösungen im Gastronomiebereich, insbesondere für klein- und mittelständisch geprägte Gastronomie-Unternehmen. Dies betrifft Kassensysteme (bzw. Point-of-Sale-Systeme), (Mobile-)Ordering-Systeme, Systeme für den Einkauf bei Lieferanten, die Steuerung von Abläufen/Geräten in der Küche etc. Sie führen dazu eine Literatur- und Webrecherche durch.

  • Literatur: Alt, R. (2021). Digital Transformation in the Restaurant Industry: Current Developments and Implications. Journal of Smart Tourism, 1(1), S. 69-74. doi.org10.52255/smarttourism.2021.1.1.9, Jadhav, A. S., & Sonar, R. M. (2009). Evaluating and selecting software packages: A review. Information and Software Technology, 51(3), S. 555–563. https://doi.org/10.1016/j.infsof.2008.09.003, Tsai, W.-H., Lee, P.-L., Shen, Y.-S., & Yang, C.-C. (2009). The relationship between ERP software selection criteria and ERP success. Proceedings International Conference on Industrial Engineering and Engineering Management (IEEM), S. 2222–2226. https://doi.org/10.1109/IEEM.2009.5373085
  • Kontakt: Katharina Blöcher

KI zur Unterstützung der Energiewende

Die VNG AG prüft im Zuge der grünen Transformation seines Geschäftsmodells die Einsatzmöglichkeiten von Künstlicher Intelligenz. Hierfür sind KI-Anwendungsfälle zu identifizieren, welche sowohl auf die finanziellen Geschäftsziele als auch die Transformationsziele abdecken. Die Arbeit widmet sich daher der strukturierten Analyse von KI-Anwendungsfällen sowie deren Beitrag zur Unternehmensstrategie. Die Betreuung der Abschlussarbeit wird durch einen Betreuer bei der VNG AG abgedeckt und kann mit einer studentischen Tätigkeit unter flexiblen Bedingungen verbunden werden. 

Kontakt: Dr. Christian Dietzmann 

Entwicklung eines Polarisierungsindex

Das Hauptziel der Arbeit besteht darin, einen methodologisch fundierten Polarisierungsindex zu entwickeln, der verschiedene Aspekte der Polarisierung in der Weltwirtschaft und Gesellschaft erfasst und misst. Dieser Index soll nicht nur eine Momentaufnahme liefern, sondern auch Veränderungen im Laufe der Zeit verfolgen können. Darüber hinaus sollen potenzielle Auswirkungen der Polarisierung auf Unternehmen, Politik und Gesellschaft untersucht werden. Aufgrund der besonderen Rolle des virtuellen Raums hinsichtlich des Förderung von Polarisierung bspw. durch Desinformation oder soziale Medien, aber auch durch die Verfügbarkeit großer Echtzeitdatenmengen soll der Polarisierungsindex insbesondere auf dieser Datenquelle basieren. Diese Datenbasis ermöglicht bspw. Echtzeit-Feedback, Vielfalt der Meinungen oder globale Reichweite. Hierbei können moderne Methoden und Instrumente wie Social Media-Analyse, Sentimentanalyse, Netzwerkanalyse, Trendanalysen oder Plattformanalysen angewendet werden. Durch die Analyse derartiger Big Data sollen Muster und Trends in politischer und wirtschaftlicher Polarisierung identifiziert werden.

Die Studierenden werden im Rahmen dieser Masterarbeit eng von der VNG-Stiftung sowie Praxispartnern betreut. Die VNG-Stiftung bietet nicht nur fachliche Expertise, sondern auch Zugang zu umfangreichen Ressourcen und Netzwerken. Durch die Zusammenarbeit mit Praxispartnern aus verschiedenen Branchen erhalten die Studierenden Einblicke in aktuelle Herausforderungen und Fragestellungen der Praxis.

Kontakt: Dr. Stephan Sachse

Das könnte Sie auch interessieren