Forschungsleutturm
Institute for Applied Artificial Intelligence (IAAI)
Kurzbeschreibung
Das IAAI ist ein interdisziplinäres Zentrum für Forschung und Wissenstransfer an der Hochschule der Medien. Es bündelt Kompetenzen in Künstlicher Intelligenz und Machine Learning, um die Lücke zwischen akademischer Spitzenforschung und der Anwendung in der Unternehmenspraxis zu schließen.
URL
Titel des Forschungsthemas
Die Revolution der Datenlücke: Anforderungen an das „Digital Market Twin Exploratorium“ - Forschungsstand und Bedarf für synthetische Daten und digitale Zwillinge in datengetriebenen Marketing-Entscheidungen
Beschreibung
Die Arbeit liefert eine wissenschaftliche und praxisorientierte Grundlage für die Konzeption des Digital Market Twin Exploratoriums. Dies geschieht durch die Beantwortung zentraler Forschungsfragen:
Mittels systematischer Literaturanalyse wird der Forschungsstand zur Validität und dem Mehrwert von synthetischen Daten sowie des Digital-Twin-Konzepts im Data driven Marketing bewertet, um weitere Forschungslücken zu identifizieren (Frage 1).
Parallel dazu erfolgt eine empirische Bedarfsermittlung in Unternehmen (z.B. durch Experteninterviews), um Datenlücken und den Nutzungsbedarf für simulationsbasierte digitale Markt-Zwillinge zu identifizieren (Frage 2).
Die Synthese dieser Ergebnisse bildet eine wissenschaftliche und praxisorientierte Basis für grundlegende Anforderungen an das Exploratorium (Frage 3).
Name und Kontaktdaten
Erstbetreuerin: Prof. Dr. Susanne Stingel, stingel@hdm-stuttgart.de, +49 711 8923 3287, Raum i208
Zweitbetreuer: Prof. Dr.-Ing. Peter Thies
Studiengang des Betreuers: Wirtschaftsinformatik und digitale Medien
Fachrichtung, Studiengänge
Marketing/BWL, Wirtschaftsinformatik und verwandte Studiengänge
Notwendiges Vorwissen
Fachwissen: Kenntnisse im Data-driven Marketing und erstes Verständnis für die Herausforderungen von KI/Simulationsmodellen.
Methodenkompetenz: Interesse an empirischer Forschung (Interviews/Umfragen) und systematischer Literaturrecherche.
Weitere interessante Informationen / Links
Bickley, S. J., Chan, H. F., Dao, B., Torgler, B., Tran, S., & Zimbatu, A. (2025). Comparing human and synthetic data in service research: Using augmented language models to study service failures and recoveries. Journal of Services Marketing, 39(1), 36–52. https://doi.org/10.1108/JSM-11-2023-0441
Dankar, F. K. & Ibrahim, M. (2021). Fake It Till You Make It: Guidelines for Effective Synthetic Data Generation. Applied Sciences, 11(5), 2158. DOI: 10.3390/app11052158
Davenport, T. H., Guha, A., Grewal, D. & Bressgott, M. (2020). How artificial intelligence will change the future of marketing. Journal of the Academy of Marketing Science, 48(1), pp. 24–42. DOI: 10.1007/s11747-019-00696-0
Jevtić, A., & Pezoldt, K. (2023). Digital twins: Definition, application options in the product life cycle and marketing. Engineering for a Changing World: Proceedings : 60th ISC, Ilmenau Scientific Colloquium, 2023. https://doi.org/10.22032/DBT.58851
Travassos Rosário, A., & Dias, J.C. (2023). How has data-driven marketing evolved: Challenges and opportunities with emerging technologies. International Journal of Information Management Data Insights, 3(2), https://doi.org/10.1016/j.jjimei.2023.100203.
Tranfield, D., Denyer, D. & Smart, P. (2003). Towards a methodology for developing evidence-based management knowledge through systematic review. British Journal of Management, 14(3), pp. 207–222. DOI: 10.1111/1467-8551.00375
ForschungsPROJEKT
TwinLab – Digital Market Twin Laboratory for Market Simulation and Data-driven Marketing
Beschreibung
Ziel
Aufbau eines "Digital Market Twin Exploratoriums" – einer simulationsbasierten Plattform zur Erzeugung und Analyse synthetischer Marktdaten (Digitale Marktzwillinge). Ziel ist es, reale Marktdynamiken in einer kontrollierten Umgebung nachzubilden, um datengetriebene Marketingmethoden ohne Datenschutzrisiken zu trainieren und zu validieren.
Vorgehen
Entwicklung einer agentenbasierten Simulationsumgebung auf marketingwissenschaftlicher Grundlage, der das Verhalten von Konsumenten und Unternehmen abbildet. Integration von Machine-Learning-Komponenten zur Kalibrierung der Agenten. Das Projekt folgt einem inkrementellen Entwicklungsprozess in enger Abstimmung mit Industriepartnern.
Erwartete Ergebnisse
Ein lauffähiger, skalierbarer Simulationsprototyp, validierte synthetische Datensätze für Data-Science-Anwendungen sowie methodische Blueprints für den Einsatz digitaler Zwillinge im Data-driven Marketing in Wirtschaft sowie Lehre und Forschung.
Laufzeit
48 Monate. Geplanter Beginn abhängig von Förderentscheid in 2026.
Fördergeber, Fördervolumen
Bundeministerium für Forschung, Technologie und Raumfahrt (BMFTR); Förderprogramm: HAW-ForschungsPraxis; Gesamtvolumen ca. 1,3 Mio. Vorhaben befindet sich in der Antragsphase
Projektpartner
Bosch Thermotechnik GmbH, netzwerk P GmbH, DataIntelligence GmbH
Anzahl der Mitarbeiter auf HdM-Seite
2 wissenschaftliche Mitarbeitende (Doktoranden) zzgl. 6 wissenschaftliche Hilfskräfte.
Weitere Infos
Das Projekt operiert an der Schnittstelle von Marketing, Simulation, Distributed Systems und KI.