M.Sc. Digital Business Management­

Diese Abschlussarbeit entwickelt ein maschinelles Lernmodell zur Vorhersage der Gewinnwahrscheinlichkeit von B2B-Verkaufschancen. Durch Daten aus CRM-Systemen, Marktanalysen und optimierte Algorithmen (CatBoost, XGBoost) erreicht das Modell eine Genauigkeit von 84 %. Es bietet verbesserte Priorisierung, Transparenz durch SHAP-Werte und ist als Webservice einsatzfähig. Zukünftige Schritte fokussieren auf Datenintegration und Modellinterpretation.

Ressourcenknappheit, wachsende Dynamik und Veränderungsgeschwindigkeit stellen die Multiprojektorganisation in der IT-Branche vor Herausforderungen. Diese Arbeit entwickelt daher ein Konzept für eine KI-gestützte Projektportfoliomanagement-Plattform, die Projektauswahl und Ressourcennutzung in der IT-Branche optimiert. Experteninterviews bilden die Basis für ein Modell mit Automatisierung, Detektion und dynamischer Bewertung. Limitierungen wie Datenqualität und Objektivität werden adressiert, während im Ausblick die technische Umsetzung des Konzeptionsmodells und die Interoperabilität der Plattform angesprochen werden.

KI spielt auch bei der Optimierung hochspezialisierter Produktionsprozesse eine zunehmende Rolle. Produktionsentscheidungen stützen sich bislang größtenteils auf Erfahrungswerte und sind nicht datenbasiert. Diese Abschlussarbeit entwickelt daher ein datenbasiertes Modell, das optimale Betriebsbedingungen unter Berücksichtigung von Faktoren wie Temperatur und Luftfeuchtigkeit identifiziert. Iterative Entwicklungen und Workshops validierten das Modell, während Herausforderungen wie Datenqualität und Erklärbarkeit bleiben. Die Arbeit liefert damit einen wichtigen Forschungsbeitrag zu datengetriebenen Entscheidungen in Produktionsprozessen.

In dieser Forschungsarbeit wird die Adaption von Circular-Economy-Konzepten bei IT-Hardware-Herstellern analysiert. Hierbei werden Refurbished-Produkte und Recyclingprozesse anhand rechtlicher, ökologischer und ökonomischer Aspekte bewertet. Methoden wie BPMN und System Dynamics zeigen, dass nachhaltige Geschäftsmodelle CO₂-Emissionen deutlich reduzieren können. Kritische Elemente sind die Datengrundlage sowie die durch Zulieferer entstehende Grenze des Modells. Handlungsempfehlungen fokussieren die Prüfung weiterer CE-Initiativen sowie die stärkere Betonung der Qualität von Refurbished Hardware.

Diese Forschungsarbeit analysiert die Akzeptanz einer IoT-Anwendung im Produktionsumfeld und identifiziert Schwächen wie schlechte Nutzeroberflächen und technische Limitierungen. Ein nutzerzentrierter Ansatz mit qualitativen Interviews und Design Thinking führte zu Empfehlungen für eine intuitive MyMachines 2.0-Plattform. Verbesserte Benachrichtigungen und Dashboards fördern Effizienz und Akzeptanz. Einschränkungen umfassen begrenzte Tests und subjektive Dateninterpretation. Für zukünftige Forschung werden iterative Methoden und Skalierbarkeit betont.

Die Arbeit entwickelt ein gamifiziertes Tool zur Förderung von Kundenengagement im B2B-Vertrieb, basierend auf iterativen Designprozessen. Szenariokarten sollen Interaktionen und eigenständige Informationsbeschaffung der Kunden verbessern. Herausforderungen wie einfache Nutzung und gezielter Einsatz werden adressiert. Die Ergebnisse zeigen Potenziale für digitale Vertriebstools, besonders in der Lösungserarbeitung, und betonen den Bedarf an Engagement-fokussierten Ansätzen im B2B-Kontext.