Institut für Wirtschaftsinformatik
Organisation: Institut
- Juniorprofessur für Wirtschaftsinformatik, insbesondere Data Analytics
- Professur für Technische Informatik
- Professur für Wirtschaftsinformatik, insbesondere Data Science
- Professur für Wirtschaftsinformatik, insbesondere Digitale Transformation und Informationsmanagement
- Professur für Wirtschaftsinformatik, insbesondere E-Business und Wissensmanagement
- Professur für Wirtschaftsinformatik, insbesondere Künstliche Intelligenz und Erklärbarkeit
- Professur für Wirtschaftsinformatik, insbesondere Machine Learning
- Professur für Wirtschaftsinformatik, insbesondere Network Science
Organisationsprofil
Am Institut für Wirtschaftsinformatik (IIS) der Leuphana Universität Lüneburg arbeiten wir an innovativen Themen in der Wirtschaftsinformatik und im Data Science. Inhaltliche Schwerpunkte sind die digitale Transformation, E-Health, E-Commerce, Business Analytics, Sport und E-Learning. Methodisch konzentrieren wir uns auf die Entwicklung und Nutzung von Verfahren des maschinellen Lernens und der künstlichen Intelligenz für die Modellierung und Lösung von datengetriebenen Entscheidungsproblemen. Weitere quantitative (z.B. Graphen, Optimierung) und qualitative (z.B. Interviews, Referenzmodellierung) Methoden ergänzen das Methodenspektrum. Die Kooperation mit anderen Universitäten, Unternehmen und Institutionen der Zivilgesellschaft spielen eine wichtige Rolle in der Arbeit unseres Instituts.
Forschungsschwerpunkte
Am Institut für Wirtschaftsinformatik sind derzeit 6 Professoren sowie zahlreiche wissenschaftliche Mitarbeiter*innen und eine Stipendiatin aktiv. Zu den inhaltlichen Schwerpunkten zählen digitale Transformation, E-Health, E-Commerce, Business Analytics, Sport und E-Learning. Details finden Sie auf den Webseiten der Arbeitsbereiche und in der zentralen Forschungsdatenbank der Leuphana. Das Institut für Wirtschaftsinformatik war für die Ausrichtung einer Reihe von Veranstaltungen und Konferenzen an der Leuphana verantwortlich (z.B. ITEE 2013, Endrunde Bundeswettbewerb Informatik 2014, MKWI2018 ).
- Erschienen
Machine Learning for the Quantified Self: On the Art of Learning from Sensory Data
Hoogendoorn, M. & Funk, B., 2018, 1 Aufl. Cham: Springer International Publishing AG. 231 S. (Cognitive Systems Monograph; Band 35)Publikation: Bücher und Anthologien › Monografien › Forschung › begutachtet
- Erschienen
Predicting Therapy Success For Treatment as Usual and Blended Treatment in the Domain of Depression
van Breda, W. R. J., Bremer, V., Becker, D., Funk, B., Ruwaard, J. & Riper, H., 01.06.2018, in: Internet Interventions. 12, S. 100-104 5 S.Publikation: Beiträge in Zeitschriften › Zeitschriftenaufsätze › Forschung › begutachtet
- Erschienen
Bimodal Enterprise Architecture Management: The emergence of a new EAM function for a BizDevOps-based fast IT
Drews, P., Schirmer, I., Horlach, B. & Tekaat, C., 02.11.2017, Proceedings - 2017 IEEE 21st International Enterprise Distributed Object Computing Conference Workshops, EDOCW 2017: 10–13 October 2017 Quebec City, Quebec, Canada, Proceedings. Lapalme, J., Halle, S. & Dijkman, R. (Hrsg.). IEEE - Institute of Electrical and Electronics Engineers Inc., S. 57-64 8 S. (Proceedings - IEEE International Enterprise Distributed Object Computing Workshop, EDOCW; Band 2017-October).Publikation: Beiträge in Sammelwerken › Aufsätze in Konferenzbänden › Forschung › begutachtet
- Erschienen
Guest editorial: Special issue on sports analytics
Brefeld, U. & Zimmermann, A., 01.11.2017, in: Data Mining and Knowledge Discovery. 31, 6, S. 1577-1579 3 S.Publikation: Beiträge in Zeitschriften › Andere (Vorworte. Editoral u.ä.) › Forschung
- Erschienen
Frame-based Data Factorizations
Mair, S., Boubekki, A. & Brefeld, U., 25.07.2017, 34th International Conference on Machine Learning, ICML 2017. Precup, D. & Teh, Y. W. (Hrsg.). Red Hook: Curran Associates, S. 2305-2313 9 S. (Proceedings of Machine Learning Research; Band 70).Publikation: Beiträge in Sammelwerken › Aufsätze in Konferenzbänden › Forschung › begutachtet
- Erschienen
Distributed robust Gaussian Process regression
Mair, S. & Brefeld, U., 01.05.2018, in: Knowledge and Information Systems. 55, 2, S. 415-435 21 S.Publikation: Beiträge in Zeitschriften › Zeitschriftenaufsätze › Forschung › begutachtet
- Erschienen
A Unified Contextual Bandit Framework for Long- and Short-Term Recommendations
Tavakol, M. & Brefeld, U., 30.12.2017, Machine Learning and Knowledge Discovery in Databases: European Conference, ECML PKDD 2017 Skopje, Macedonia, September 18 – 22, 2017; Proceedings, Part II. Ceci, M., Hollmen, J., Todorovski, L., Vens, C. & Dzeroski, S. (Hrsg.). Springer, Band 2. S. 269-284 16 S. (Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics); Band 10535 LNAI).Publikation: Beiträge in Sammelwerken › Aufsätze in Konferenzbänden › Forschung › begutachtet
- Erschienen
Metaheuristics approach for solving personalized crew rostering problem in public bus transit
Xie, L., Merschformann, M., Kliewer, N. & Suhl, L., 10.2017, in: Journal of Heuristics. 23, 5, S. 321-347 27 S.Publikation: Beiträge in Zeitschriften › Zeitschriftenaufsätze › Forschung › begutachtet
- Erschienen
Digitalization: Opportunity and Challenge for the Business and Information Systems Engineering Community
Legner, C., Eymann, T., Hess, T., Matt, C., Böhmann, T., Drews, P., Mädche, A., Urbach, N. & Ahlemann, F., 01.08.2017, in: Business and Information Systems Engineering. 59, 4, S. 301-308 8 S.Publikation: Beiträge in Zeitschriften › Zeitschriftenaufsätze › Forschung › begutachtet
- Erschienen
Simulated annealing approach to nurse rostering benchmark and real-world instances
Knust, F. & Xie, L., 01.01.2019, in: Annals of Operations Research. 272, 1-2, S. 187-216 30 S.Publikation: Beiträge in Zeitschriften › Zeitschriftenaufsätze › Forschung › begutachtet