Juniorprofessur Data-Driven Decision Support

Die Juniorprofessur hat es sich zum Ziel gesetzt den Aufbau, die Herausforderungen sowie Potenziale von AI-basierten Decision-Support-Systemen (AI-DSS) zu erforschen und in der Lehre zu vermitteln. Dabei stehen zwei grundsätzliche Fragestellungen im Raum: (i) Wie werden solche Systeme gestaltet? (z.B.: Welche Algorithmen werden verwendet? Anhand welcher Daten lernt das intelligente System?) und (ii) wie agieren Menschen mit diesen Systemen? (z.B.: Warum gibt es Aversion gegen die Nutzung solcher Systeme? Wie kann die Akzeptanz erhöht werden?). Diese beiden Fragestellungen ergänzen sich gegenseitig, da Konstruktionsmerkmale solcher Systeme Auswirkungen auf die Einstellung des Benutzers haben. So untersucht die Juniorprofessur z.B. Auswirkungen von Transparenz, indem Erklärungsmethoden (XAI) implementiert werden, welche die Entscheidung eines AI-DSS erklären und anschließen werden Vertrauen und andere Merkmale des Nutzers in Bezug auf das System gemessen.

In der Lehre bieten wir zunächst den Vorlesungen AI-based Decision Support I und II an, in dem die Grundlagen zum Verständnis des Machine Learning (ML) und später Deep Learning (DL) und Explainable Artificial Intelligence (XAI) gelegt werden, sodass Studenten in der Lage sind komplexe analytische Probleme mit ML-Methoden und DL-Methoden zu lösen. Dabei steht der gesamte Analyseprozess stets im Fokus und nicht nur die eigentlichen Algorithmen: Datenexploration, Vorverarbeitung, Evaluation und Deployment sind zentrale Aspekte der Vorlesungsreihe.

In erweiterten Praxis-Seminaren (Scientific Projects) werden die Studenten mit praxisrelevanten Daten konfrontiert und müssen Lösungen entwerfen. In Theorie-Seminaren und erweiterten Vorlesungen werden unter anderem auch ethische und rechtliche Aspekte von AI-DSS untersucht. Damit richtet sich die Lehre sowohl an die eher gestaltungorientierten ORBA- und Finance-Studiengänge als auch an die eher behavioristisch orientierten BWL-Studiengänge.