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 Applications
Arndt, N., Molitor, P. & Usbeck, R., 27.08.2023, in: IT - Information Technology. 65, 4-5, S. 139-141 3 S.Publikation: Beiträge in Zeitschriften › Andere (Vorworte. Editoral u.ä.) › Forschung
- 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. 231 S. (Cognitive Systems Monograph; Band 35)Publikation: Bücher und Anthologien › Monografien › Forschung › begutachtet
- Erschienen
Making the most out of timeseries symptom data: A machine learning study on symptom predictions of internet-based CBT
Hentati Isacsson, N., Zantvoort, K., Forsell, E., Boman, M. & Kaldo, V., 12.2024, in: Internet Interventions. 38, 8 S., 100773.Publikation: Beiträge in Zeitschriften › Zeitschriftenaufsätze › Forschung › begutachtet
- Erschienen
Management-Informationssysteme als Werkzeug des Controllings in öffentlichen Verwaltungen
Piechota, S., 1995, Management-Informationssysteme: Praktische Anwendungen. Hichert, R. & Moritz, M. (Hrsg.). 2. völlig überarbeitete Auflage Aufl. Berlin: Springer Verlag, S. 71-83 13 S.Publikation: Beiträge in Sammelwerken › Kapitel
- Erschienen
Managing Business Process in Distributed Systems: Requirements, Models, and Implementation
Colomina, E., Funk, B., Niemeyer, P., Scheruhn, H.-J. & Weidner, S., 2010, in: IBIMA Business Review. S. 1-9 9 S.Publikation: Beiträge in Zeitschriften › Zeitschriftenaufsätze › Lehre › begutachtet
- Erschienen
Managing information in the case of opinion spamming
Ge, L. & Voß, S., 08.2020, Design, User Experience, and Usability. Interaction Design - 9th International Conference, DUXU 2020, Held as Part of the 22nd HCI International Conference, HCII 2020, Proceedings. Marcus, A. & Rosenzweig, E. (Hrsg.). Cham: Springer Verlag, S. 370-384 15 S. (Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics); Band 12200 LNCS).Publikation: Beiträge in Sammelwerken › Aufsätze in Konferenzbänden › Forschung › begutachtet
- Erschienen
Masked autoencoder for multiagent trajectories
Rudolph, Y. & Brefeld, U., 02.2025, in: Machine Learning. 114, 2, 18 S., 44.Publikation: Beiträge in Zeitschriften › Zeitschriftenaufsätze › Forschung › begutachtet
- Erschienen
Masked Autoencoder Pretraining for Event Classification in Elite Soccer
Rudolph, Y. & Brefeld, U., 26.02.2024, Machine Learning and Data Mining for Sports Analytics: 10th International Workshop, MLSA 2023, Revised Selected Papers. Brefeld, U., Davis, J., Van Haaren, J. & Zimmermann, A. (Hrsg.). Cham: Springer Nature Switzerland AG, S. 24-35 12 S. (Communications in Computer and Information Science; Band 2035).Publikation: Beiträge in Sammelwerken › Aufsätze in Konferenzbänden › Forschung › begutachtet
- Erschienen
Master of Disaster: A Disaster-Related Event Monitoring System From News Streams
Huang, J. & Usbeck, R., 2024Publikation: Andere wissenschaftliche Beiträge › Andere › Forschung
- Erschienen
Mathematik 1
Hoffmann, U., 2003, Lüneburg: Universität Lüneburg, 165 S. (Forum Informatics at Leuphana - Final; Band 13, Nr. 3).Publikation: Arbeits- oder Diskussionspapiere und Berichte › Arbeits- oder Diskussionspapiere