Juniorprofessur Data-Driven Decision Support

Allgemeines (SoSe 2024)

Für das kommende Semester organisieren die Lehrstühle für Data-Driven Decision Support, Management Science, Operations Management und der Lehrstuhl für Produktion & Logistik gemeinsam den Zugang zu Masterarbeitsthemen. Um sich für ein Masterarbeitsthema zu bewerben, ist es daher zwingend erforderlich, das folgende Formular einzureichen bei : Application for Master Thesis.

Bitte reichen Sie das Bewerbungsformular zusammen mit einem aktuellen Zeugnis und einem kurzen Motivationsschreiben (in der Sprache, in der Sie Ihre Abschlussarbeit schreiben wollen) ein.

Bewerbungsfrist für eine Abschlussarbeit im Sommersemester /24: 01.03.2024

Beachten Sie, dass wir erwarten, dass Sie ein wissenschaftliches Seminar oder ein wissenschaftliches Projekt an einem unserer Lehrstühle belegt haben. Nachdem Ihre Bewerbung angenommen wurde, verhandeln wir mit Ihnen ein Thema. Themen können aus zwei Quellen stammen:

• Wir schlagen vor der Bewerbungsfrist Themen vor (Bitte geben Sie in Ihrer Bewerbung an, ob Sie an einem dieser Themen interessiert sind).
• Sie schlagen ein Thema im Rahmen eines Exposés von 1 bis 2 Seiten vor, das einen Bezug zu unserer Forschung und den von unseren Lehrstühlen angebotenen Meisterkursen hat. Bitte haben Sie Verständnis dafür, dass wir uns das Recht vorbehalten, Themen abzulehnen. Sollten Sie weitere Fragen zu den vorgeschlagenen Themen haben, zögern Sie bitte nicht, uns zu kontaktieren.

Themen zur datengesteuerten Entscheidungsunterstützung

Wenn Sie ein Thema im Kopf haben, können Sie sich gerne an mich (Kai Heinrich) wenden. Bitte prüfen Sie, ob Sie die notwendigen Voraussetzungen mitbringen, bevor Sie mich kontaktieren.

• AI adoption in Organizations
• Explainable AI
• Reinforcement Learning (optimization with deep learning)
• Adversarial Learning
• Evaluation studies for novel (!) machine learning algorithms in a certain field (e.g., finance, manufacturing, medicine)
• Algorithm Aversion
• Algorithmic Management
• Active Learning
• Fairness in Machine Learning
• Ethical Guidelines for Artificial Intelligence
• Process Prediction
• ...