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
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 Verlag, 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
- Erschienen
Digital Business Transformation and the Changing Role of the IT Function: Special Issue Editorial
Urbach, N., Drews, P. & Ross, J., 2017, in: MIS Quarterly Executive. 16, 2, S. ii-iv 3 S.Publikation: Beiträge in Zeitschriften › Andere (Vorworte. Editoral u.ä.) › Forschung
- Erschienen
Data-driven analyses of electronic text books
Boubekki, A., Kröhne, U., Goldhammer, F., Schreiber, W. & Brefeld, U., 2016, Solving large scale learning tasks: Challenges and algorithms : essays dedicated to Katharina Morik on the occasion of her 60th birthday. Michaelis, S., Piatkowski, N. & Stolpe, M. (Hrsg.). Cham: Springer International Publishing, S. 362-376 15 S. (Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics); Band 9580).Publikation: Beiträge in Sammelwerken › Aufsätze in Sammelwerken › Forschung
- Erschienen
Feature Extraction and Aggregation for Predicting the Euro 2016
Tavakol, M., Zafartavanaelmi, H. & Brefeld, U., 09.2016, in: CEUR Workshop Proceedings. 1842, 1842, 7 S.Publikation: Beiträge in Zeitschriften › Konferenzaufsätze in Fachzeitschriften › Forschung › begutachtet
- Erschienen
Predicting the Individual Mood Level based on Diary Data
Bremer, V., Becker, D., Funk, B. & Lehr, D., 06.2017, Proceedings of the 25th European Conference on Information Systems, ECIS 2017. AIS eLibrary, S. 1161-1177 17 S. (Proceedings of the 25th European Conference on Information Systems, ECIS 2017).Publikation: Beiträge in Sammelwerken › Aufsätze in Konferenzbänden › Forschung › begutachtet