Seminar- und Abschlussarbeiten

Motivation und Zielsetzung
Nudging ist eine Methode, bei der durch kleine Veränderung der Entscheidungs-architektur (z.B. Produktauswahl auf Webseiten) das Verhalten der betroffenen Person in eine bestimmte Richtung gelenkt werden soll, ohne dass deren Autonomie oder Entscheidungsfreiheit eingeschränkt wird. Dabei werden Kenntnisse über Entscheidungsheuristiken und Voreingenommenheiten genutzt, um das erwünschte Verhalten zu erzielen. Obwohl Nudging ursprünglich in verschiedenen Szenarien wie bei der Essenauswahl in Mensen, bei der Bereitschaft zur Organspende oder der Einrichtung von Supermärkten betrachtet wurde, hat sich der Begriff des Digital Nudging für die Onlinewelt etabliert.

Hypernudging bezieht sich auf eine neue Form von Digital Nudging, bei der mithilfe einer Vielzahl an Daten und Machine Learning das Prinzip des Nudging personalisiert wird. Hierbei wird nicht eine statische Nudgingmethode in das Webdesign eingebaut wird, sondern mithilfe von AI die Art und Darstellung des Nudgings dynamisch an die einzelnen Kunden adaptiert. Somit ist es hierbei möglich, nicht nur eine Nudgingmethode auszuwählen, welche für möglichst viele Kunden den gewünschten Effekt erreicht, sondern pro Kunde die effektive Methode herauszuarbeiten und an persönliche Charakteristiken, Einstellungen sowie externe Einflussfaktoren anzupassen.

Thaler und Sunstein (2008) haben Nudging ursprünglich als Form von liberalem Paternalismus definiert, wobei Nudges das Verhalten in eine für die Person oder Gesellschaft positive Richtung lenken sollen, transparent sein müssen und die Entscheidungsfreiheit nicht einschränken dürfen. Bereits bei der Implementierung von herkömmlichen Nudges gab es moralische Bedenken bezüglich der Entscheidungsfreiheit und der Nutzung von Nudges zur Generierung von Profiten. Hypernudging erzeugt zusätzlich weitere Bedenken, da es möglich ist, je nach Person und Situation passende Nudges einzusetzen und so einen stärkeren Einfluss auf das Verhalten der Entscheider auszuüben.

Ziel dieser Abschlussarbeit ist es Hypernudging (oder auch highly personalized nudging bzw. dynamic nudging) als Form der Persuasive Technology zu definieren und die ethischen Bedenken zu Hypernudging aufzuzeigen. Dabei sollen Betrachtungen in Bezug auf sowohl die Sammlung und Nutzung von persönlichen Daten wie auch die Einschränkung der Entscheidungsfreiheit oder das informationelle Selbstbestimmungs-recht bezogen werden.

Methodischer Schwerpunkt
Literaturrecherche

Voraussetzungen
Erfahrung mit empirischen Forschungsmethoden

Typ
Bachelorarbeit

Betreuer:in
Elisabeth Stern

Ausgeschrieben am 
29.07.2024

Beginn
jederzeit

Status
verfügbar

Einstiegsliteratur

• Faraoni, S. (2023). Persuasive Technology and computational manipulation: hypernudging out of mental self-determination. Frontiers in Artificial Intelligence, 6, 1216340.
• Thaler, R.H. & Sunstein, C.R. (2008) Nudge: Improving decisions about health, wealth, and happiness. Yale University Press.

Motivation und Zielsetzung
KI (künstliche Intelligenz) ist eine der wichtigsten Technologien der Digitalisierung, welche großes Potenzial in Form von digitalen Assistenten, autonomen Prozessen und der Auswertung einer Vielzahl von komplexen Daten mit sich bringt. Eines der potenziellen Problemfelder, welches mit KI betrachtet werden kann ist Nachhaltigkeit. Dabei handelt es sich um ein Konzept, welches die Bewahrung der Umwelt durch langfristige Sicherung von Ressourcen betrachtet. Nachhaltigkeit kann in verschiedenen Bereichen erzielt werden, etwa bei Energienutzung, Abfallerzeugung bzw. -management oder im nachhaltigen Konsum. 

KI kann nicht nur digitale und wirtschaftliche Prozesse effizienter und damit gewinnbringender machen, sondern auch die Nachhaltigkeit dieser Prozesse steigern. Die verschiedenen Einsatzbereiche reichen von der Optimierung von Ressourcennutzung oder Recyclingverfahren, der Umsetzung einer klimaschonenderen Steuerung von Güterverkehr zu der Analyse von ökologischen Daten zum Umweltschutz. Ziel dieser Arbeit ist es, die verschiedenen potenziellen Nutzungsoptionen von künstlicher Intelligenz im Bereich Nachhaltigkeit zu betrachten und zu bewerten.

Der Einsatz von KI ist allerdings an einen hohen Strom- und Ressourcenverbrauch gebunden. Im Rahmen der Arbeit soll deshalb weiterhin betrachtet werden, welche Risiken oder negativen Effekte durch die Nutzung von KI für Nachhaltigkeit entstehen. Eine Abwägung der Nutzen und Risiken ist vorzunehmen. Die Betrachtung kann sich dabei auf die im Paper „Sustainable AI: AI for sustainability and the sustainability of AI“ dargelegte Definition einer nachhaltigen KI beziehen: Nachhaltige KI als Bewegung, welche den gesamten Lebenszyklus von Generierung zu Implementation und Steuerung der KI darauf ausrichtet, nachhaltig mit den vorhandenen Ressourcen umzugehen.

Methodischer Schwerpunkt
Literaturrecherche

Voraussetzungen
Erfahrung mit empirischen Forschungsmethoden

Typ
Bachelorarbeit

Betreuerin
Elisabeth Stern

Ausgeschrieben am
06.08.2024

Beginn
Jederzeit

Status
verfügbar

Einstiegsliteratur

• Van Wynsberghe, A., 2021. Sustainable AI: AI for sustainability and the sustainability of AI.

Motivation und Zielsetzung
Der E-Commerce Bereich hat sich in den letzten Jahrzehnten zu einem boomenden Bereich entwickelt. Besonders in der COVID-19 Pandemie haben sich viele Unternehmen zu einem teilweisen oder vollständigen Onlineshop weiterentwickelt. Bei der Gestaltung der Webseite ist es dabei sehr wichtig, auf die Kundenbedürfnisse einzugehen. Dank der Entwicklung von KI ist dies in einem immer persönlicheren Umfang möglich.

Website Morphing beschreibt den Prozess der automatischen Anpassung einer Webseite an den Nutzer basierend auf seinen Bedürfnissen sowie dem Nutzerverhalten. Dabei wird nicht nur der Inhalt, sondern auch das Design und die Darstellungsart für die einzelnen Nutzer individualisiert. Die Anpassung funktioniert beispielhaft auf dem Hintergrund von dem kognitiven Stil des Nutzers, also der Art und Weise wie Informationen erfasst und verarbeitet werden.

Diese Abschlussarbeit hat das Ziel Website Morphing, so wie es in dem Paper von Hauser et al. 2009 für Ratgeberwebseiten durchgeführt wurde, auf ein E-Commerce Setting anzuwenden. Dabei muss die Forschung zu den verschiedenen Arten von kognitiven Stilen betrachtet werden, welche einen Einfluss auf die Wahrnehmung der Webseite haben können. Dann sollen beispielhaft verschiedene Designs für ein ausgewählten E-Commerce Bereich erstellt werden und die Nutzerfreundlichkeit sowie die Umsatzpotenziale für das Unternehmen anhand eines Experimentes getestet werden. Hierbei wird die Erhebung des kognitiven Stils der Teilnehmer und mithilfe einer Clusteranalyse ausgewertet.

Das tiefergehende Verständnis, welches Design für welchen Nutzer basierend auf kognitiven Stilen am einfachsten zu bedienen ist, kann Unternehmen dabei helfen, ihre Plattform bestmöglich zu gestalten und sich von der Konkurrenz abzuheben.

Methodischer Schwerpunkt
Experiment

Voraussetzungen
Programmierkenntnisse in Python/R/SPSS, Erfahrung mit empirischen Forschungsmethoden

Typ
Masterarbeit (evtl. als Bachelorarbeit machbar)

Betreuerin
Elisabeth Stern

Ausgeschrieben am
06.08.2024

Beginn
Jederzeit

Status
verfügbar

Einstiegsliteratur

• Hauser, J.R., Urban, G.L., Liberali, G. and Braun, M., 2009. Website morphing. Marketing Science, 28(2), pp.202-223.

Motivation und Zielsetzung
Bei dem Unternehmen SkatedeluxeExterner Link sind mehrere Abschlussarbeiten ausgeschrieben. Die Betreuung erfolgt durch einen Mitarbeiter/eine Mitarbeiterin des Lehrstuhls und einen Mitarbeiter/eine Mitarbeiterin von Skatedeluxe.

1. Interner Wiki-Chatbot
   Implementierung eines LLM, welches den Mitarbeitern im Dialog Antworten auf Basis des internen Wikis liefert.
2. Kundenservice: Chatbot für FAQs
   Implementierung eines LLM, welches den Kunden Antworten auf Basis unserer FAQ-Seite liefert und bei ungelösten Problemen den Kontakt zu einem Mitarbeiter herstellt. Kann auf den Bereich Umtausch/Retouren beschränkt werden.
3. Auswertung von Kundenbewertungen
   Implementierung eines LLM zur Auswertung und Kategorisierung von verifizierten Kundenbewertungen. Ziel ist es, auf der Artikeldetailseite Zusatzinformationen wie z.B. "380 Kunden fanden die Stoffqualität besonders gut" oder "200 Kunden fanden die Größe eher klein" anzuzeigen. Mehr Transparenz und Vertrauen für ein besseres Einkaufserlebnis.

Methodischer Schwerpunkt
Konzeption, Implementierung, Testen

Voraussetzungen

• Programmierkenntnisse

Typ
Masterarbeit

Betreuer
Michael Wessel

Ausgeschrieben am
13.09.2024

Beginn
Jederzeit

Status
verfügbar

Motivation und Zielsetzung
Kaufentscheidungen im E-Commerce werden heute stark von Online-Bewertungen beeinflusst. Insbesondere in Kontexten, in denen die Qualität von Produkten oder Dienstleistungen nur schwer objektiv zu beurteilen ist, bieten Bewertungen eine wichtige Orientierungshilfe. Dabei spielt die erste Bewertung, die ein Produkt oder ein Dienstleister erhält, oftmals eine entscheidende Rolle, da sie nicht nur die Wahrnehmung des Produktes oder der Dienstleistung beeinflusst, sondern auch das Bewertungsverhalten nachfolgender Nutzer nachhaltig prägen kann.

Ziel dieser Abschlussarbeit ist es, den Einfluss der ersten Online-Bewertung, die ein Produkt oder ein Dienstleister erhält, auf nachfolgende Bewertungen zu untersuchen. Im Mittelpunkt steht dabei die Frage, wie stark die erste Bewertung das weitere Bewertungsverhalten beeinflusst und welche Mechanismen zu diesem Einfluss führen. Darüber hinaus wird untersucht, ob eine negative Erstbewertung einen nachhaltigeren Einfluss auf die durchschnittliche Bewertung eines Produktes oder einer Dienstleistung hat als eine positive und ob dieser Effekt auf verschiedenen Plattformen unterschiedlich stark ausgeprägt ist.

Die Arbeit kombiniert eine strukturierte Literaturrecherche mit empirischen Analysen (es liegt bereits ein großer Datensatz vor, der im Rahmen der Abschlussarbeit zur Analyse herangezogen werden kann). Ein besonderer Fokus liegt dabei auf der Untersuchung von Strategien, mit denen die Verzerrung durch eine negative Erstbewertung überwunden werden kann, wie z.B. das Kommentieren oder Löschen der Bewertung. Diese Analyse soll nicht nur einen theoretischen Beitrag leisten, sondern auch praktische Implikationen für die Gestaltung von Bewertungsplattformen liefern.

Methodischer Schwerpunkt
Literaturrecherche, Datenanalyse, ggf. Experiment

Voraussetzungen

• Programmierkenntnisse in Python
• Erfahrung mit empirischen Forschungsmethoden
• Bereitschaft die Abschlussarbeit in englischer Sprache zu verfassen

Typ
Masterarbeit

Betreuer
Michael Wessel

Ausgeschrieben am
12.08.2024

Beginn
Jederzeit

Status
vergeben

Einstiegsliteratur

• Park, S., Shin, W., & Xie, J. (2021). The fateful first consumer review. Marketing Science, 40(3), 481-507.

Motivation und Zielsetzung
This thesis examines how anthropomorphism - the attribution of human-like characteristics to non-human entities - affects user acceptance and effectiveness of Generative AI technologies. Generative AI, which includes tools such as text generators and image generators, is increasingly being integrated into various industries, making it important to understand how users perceive and interact with these technologies.

The research will involve designing and conducting an experiment to assess the impact of different levels of anthropomorphism in Generative AI interfaces. Participants will interact with AI systems that vary in their degree of human-like qualities, such as conversational style, appearance, or personality traits. The study will measure user engagement, trust, perceived effectiveness, and overall satisfaction to determine how anthropomorphic elements influence these factors.

This research is critical because it addresses both the opportunities and potential risks associated with making AI systems more human-like. On the one hand, anthropomorphism could improve the user experience by making interactions with AI more intuitive and relatable. On the other hand, it could lead to unrealistic expectations or discomfort, especially in contexts where transparency and trust are paramount.

The results of this study will provide valuable insights into the design of future generative AI systems, helping developers to create interfaces that are not only effective, but also aligned with user expectations and ethical considerations. This work will contribute to the broader field of Human-Computer Interaction (HCI) and provide practical implications for the responsible design of AI technologies.

Methodischer Schwerpunkt
Literaturrecherche, Experiment

Voraussetzungen

• Programmierkenntnisse in Python
• Erfahrung mit empirischen Forschungsmethoden
• Bereitschaft die Abschlussarbeit in englischer Sprache zu verfassen

Typ
Masterarbeit

Betreuer
Michael Wessel

Ausgeschrieben am
13.08.2024

Beginn
Jederzeit

Status
verfügbar

Einstiegsliteratur

• Pfeuffer, N., Benlian, A., Gimpel, H., & Hinz, O. (2019). Anthropomorphic information systems. Business & Information Systems Engineering, 61, 523-533.
• Epley, N., Waytz, A., & Cacioppo, J. T. (2007). On seeing human: a three-factor theory of anthropomorphism. Psychological Review, 114(4), 864.

Motivation und Zielsetzung
This thesis examines the phenomenon of shadow banning by digital platforms, with a particular focus on YouTube. Shadow banning, the practice of covertly reducing the visibility of content without notifying the creator, has become a controversial topic in discussions about digital platform governance, user rights, and freedom of expression. As one of the largest video-sharing platforms, YouTube employs various content moderation strategies, including shadow banning, to enforce its community guidelines and comply with regulatory frameworks such as the Digital Services Act (DSA) in the European Union.

The research will include an in-depth analysis of YouTube's content moderation practices, exploring how shadow banning is implemented and its impact on content creators and viewers. The research might also examine the legal and ethical implications of shadow banning in the context of digital platform regulation, considering the balance between preventing harmful content and preserving freedom of expression.

This research is important because it addresses growing concerns that shadow banning could undermine trust in digital platforms and contribute to the erosion of free expression online. While platforms like YouTube need to regulate content to ensure user safety and comply with legal requirements, the lack of transparency in shadow banning practices raises significant ethical and legal questions. Users may be unaware that their content is being suppressed, which can lead to frustration, a lack of trust in the platform, and potential harm to content creators' livelihoods.

The results of this study will provide valuable insights into the complex dynamics of content moderation, the transparency of algorithmic decisions, and the implications for digital rights. By shedding light on the practice of shadow banning, this thesis will contribute to the broader field of digital media studies and inform the development of more transparent and fair content moderation practices.

Methodischer Schwerpunkt
Literaturrecherche, Datenanalyse, ggf. Experiment

Voraussetzungen

• Programmierkenntnisse in Python
• Erfahrung mit empirischen Forschungsmethoden
• Bereitschaft die Abschlussarbeit in englischer Sprache zu verfassen

Typ
Masterarbeit

Betreuer
Michael Wessel

Ausgeschrieben am
13.08.2024

Beginn
Jederzeit

Status
verfügbar

Einstiegsliteratur

• Chen, Y. S., & Zaman, T. (2024). Shaping opinions in social networks with shadow banning. Plos one, 19(3), e0299977.
• Savolainen, L. (2022). The shadow banning controversy: perceived governance and algorithmic folklore. Media, Culture & Society, 44(6), 1091-1109.

Motivation und Zielsetzung
Spillover-Effekte zwischen verschiedenen digitalen Plattformen sind ein spannendes und hochaktuelles Thema in der Wirtschaftsinformatik. Spillover-Effekte treten auf, wenn Aktivitäten auf einer Plattform Auswirkungen auf andere Plattformen haben. Ein besonders interessanter Aspekt dieses Phänomens ist die Rolle von Content Creatorn/Influencern, die durch ihre Reichweite und ihren Einfluss signifikante Wechselwirkungen zwischen Plattformen erzeugen können.

TikTok, eine der führenden Social Media Plattformen der letzten Jahre, und Cameo, eine Plattform für personalisierte Videobotschaften, bieten ein anschauliches Beispiel für diese Art von Spillover-Effekten. TikTok hat durch innovative Videoformate und virale Trends eine große Nutzerbasis aufgebaut. Cameo hingegen bietet den Nutzern die Möglichkeit, personalisierte Nachrichten von Prominenten und Influencern zu kaufen und stellt damit einen spezialisierten E-Commerce-Dienst dar.

Die Untersuchung der Spillover-Effekte zwischen Plattformen wie TikTok und Cameo kann wertvolle Einblicke in die Wechselwirkungen zwischen Social Media und spezialisierten Dienstleistungsplattformen liefern. Ziel dieser Arbeit ist es, die Mechanismen und Auswirkungen solcher Spillover-Effekte zu analysieren und systematisch darzustellen. Dabei soll untersucht werden, wie die Aktivität und Popularität auf einer Plattform das Nutzungsverhalten und die Geschäftsentwicklung auf einer anderen Plattform beeinflusst.

Methodischer Schwerpunkt
Literaturrecherche, Datenanalyse, ggf. Experiment

Voraussetzungen

• Programmierkenntnisse in Python
• Erfahrung mit empirischen Forschungsmethoden
• Bereitschaft die Abschlussarbeit in englischer Sprache zu verfassen

Typ
Masterarbeit

Betreuer
Michael Wessel

Ausgeschrieben am
13.08.2024

Beginn
Jederzeit

Status
verfügbar

Einstiegsliteratur

• Krijestorac, H., Garg, R., & Mahajan, V. (2020). Cross-platform spillover effects in consumption of viral content: A quasi-experimental analysis using synthetic controls. Information Systems Research, 31(2), 449-472.

Motivation und Zielsetzung

This thesis investigates the impact of AI bot integration on user behavior within a Q&A platform, focusing specifically on how human participants respond to the presence of AI-generated answers. The introduction of AI bots on such platforms has raised important questions about user engagement and the evolving dynamics between human and artificial intelligence. As Q&A platforms increasingly adopt AI to automate responses, understanding how users react—whether they withdraw from contributing answers or improve the quality of their answers—becomes crucial.

The research will involve data collection from an existing Q&A platform that has introduced an AI bot to provide answers to some user-generated questions. The core objective is to explore whether users feel discouraged from participating, fearing that AI will outperform them, or if they are motivated to refine their responses in the face of AI competition. Additionally, the thesis will analyze whether these behavioral changes vary across different question categories, such as technology, personal advice, or niche topics.

This research is significant as it addresses the potential impacts AI bots may have on user contributions and content quality on crowdsourcing platforms. While AI may help streamline responses and enhance efficiency, it also risks diminishing the role of human users and reducing engagement if users feel their input is less valued. Understanding the nuances of user behavior in response to AI can inform better integration strategies for platforms, ensuring that human users remain motivated and actively engaged. By examining the balance between human and AI contributions, this thesis aims to provide insights into fostering a healthy coexistence between AI systems and human participants in online communities.

Methodischer Schwerpunkt
Literaturrecherche, Datenanalyse, ggf. Experiment

Voraussetzungen

• Programmierkenntnisse in Python
• Erfahrung mit empirischen Forschungsmethoden
• Bereitschaft die Abschlussarbeit in englischer Sprache zu verfassen

Typ
Masterarbeit

Betreuer
Michael Wessel

Ausgeschrieben am
05.09.2024

Beginn
Jederzeit

Status
verfügbar

Einstiegsliteratur

• Lysyakov, M., & Viswanathan, S. (2023). Threatened by AI: Analyzing Users’ Responses to the Introduction of AI in a Crowd-sourcing Platform. Information Systems Research, 34(3), 1191-1210.