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 ).
- 2018
- 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
Multi-Agent Path Finding with Kinematic Constraints for Robotic Mobile Fulfillment Systems
Merschformann, M., Xie, L. & Erdman, D., 2018, arXiv, 38 S. (ArXiv.org).Publikation: Arbeits- oder Diskussionspapiere und Berichte › Arbeits- oder Diskussionspapiere
- Erschienen
Supporting Diffusion of IoT Solutions Exemplified by the ChainPORT Initiative
Tesse, J., Schirmer, I., Drews, P., Saxe, S. & Baldauf, U., 2018, Proceedings of the 24th Americas Conference on Information Systems AMCIS 2018: Digital Disruption, AMCIS 2018. Association for Information Systems, 10 S. (Proceedings of the Americas Conference on Information Systems (AMCIS); Band 2018).Publikation: Beiträge in Sammelwerken › Aufsätze in Konferenzbänden › Forschung › begutachtet
- Erschienen
The impact of partially missing communities on the reliability of centrality measures
Martin, C., 2018, Complex Networks & Their Applications VI: Proceedings of Complex Networks 2017 (The 6th International Conference on Complex Networks and Their Applications). Springer, Band 1. S. 41-52 12 S. (Studies in Computational Intelligence; Band 689).Publikation: Beiträge in Sammelwerken › Aufsätze in Konferenzbänden › Forschung › begutachtet
- 2017
- 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
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
Deep Learning auf sequenziellen Daten als Grundlage unternehmerischer Entscheidungen: Schwerpunkt Analyse sequenzieller Daten
Funk, B., Dr. Rettenmeier, M. & Lang, T., 10.2017, in: Wirtschaftsinformatik & Management. 9, 5, S. 16-25 10 S.Publikation: Beiträge in Zeitschriften › Zeitschriftenaufsätze › 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
What’s Hot: Machine Learning for the Quantified Self: On the Art of Learning from Sensory Data
Hoogendoorn, M. & Funk, B., 28.09.2017Publikation: Andere wissenschaftliche Beiträge › Beiträge in wissenschaftlichen Foren oder Weblogs › Forschung › begutachtet