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
Validität durch Wissen: Design eines Digital Market Twin - Evidenzbasierte Anforderungsanalyse für Digitale Zwillinge im Marketing: Ableitung einer Spezifikation für das „Digital Market Twin Exploratorium“ auf Basis marketingwissenschaftlicher Erkenntnisse
Beschreibung
Das Ziel der Arbeit ist die Schaffung der evidenzbasierten Spezifikation für die Konzeption eines spezifischen Digital Market Twin. Das Szenario wird im Vorfeld gemeinsam festgelegt und könnten beispielsweise im Kontext dynamischer Preisgestaltung, Kundenabwanderung (Churn), Response auf Kommunikations-Targeting, Adoptionsprozesse neuer Produkte oder Kaufentscheidungsforschung angesiedelt sein.
Die Arbeit selbst gliedert sich in zwei Hauptteile:
- Systematische Evidenzsynthese: Für einen festgelegten Anwendungsfall wird der marketingwissenschaftliche Forschungsstand systematisch erfasst, um die notwendige Struktur, die kausalen Beziehungen und die Verteilungsfunktionen der Marktdaten wissenschaftlich zu fundieren.
- Anforderungsableitung und Spezifikation: Basierend auf dieser wissenschaftlichen Evidenz wird ein detaillierter Anforderungskatalog (Pflichtenheft) abgeleitet, welches die Basis für weitere Arbeiten darstellt.
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
Interdisziplinäre Gestaltungskompetenz: Ideal für Studierende, die an der Schnittstelle von Marketing und Datenanalyse/Modellierung arbeiten möchten – beispielsweise Absolventen der Wirtschaftsinformatik, Betriebswirtschaftslehre oder verwandten Studiengängen
Notwendiges Vorwissen
Fachkompetenz
Der Wunsch, die wissenschaftliche Praxisrelevanz der eigenen Arbeit zu zeigen und Marketingtheorie zu operationalisieren.
- Marketing-Wissen: Ein solides Verständnis des Konsumentenverhaltens und der Wirkungsweisen des Marketing-Mix (z.B. Preis, Kommunikation) sind hilfreich.
- Data & Modellierung: Interesse an der konzeptionellen Modellierung von Datenstrukturen
Methodenkompetenz |
Freude an der Systematisierung komplexer Inhalte und der Übersetzung von Theorie in Spezifikation.
- Recherche & Evidenzsynthese: Fähigkeit zur zielgerichteten wissenschaftlichen Recherche und zur strukturierten Zusammenfassung von Literatur.
- Anforderungsspezifikation: Interesse an der Erstellung von Anforderungskatalogen und Spezifikationsdokumenten.
Weitere interessante Informationen / Links
Marketing-& verhaltenswissenschaftliche Grundlagen:
Paz, M., & Rodríguez-Vargas, J. (2023). Main theoretical consumer behavioural models. A review from 1935 to 2021. Heliyon, 9. https://doi.org/10.1016/j.heliyon.2023.e13895
Meffert, H., Burmann, C., Kirchgeorg, M. & Eisenbeiß, M. (2024). Marketing (14. Aufl.). Springer Gabler. https://doi.org/10.1007/978-3-658-41755-0
Wedel, M. & Kannan, P. K. (2016). Marketing Analytics for Data-Rich Environments. Journal of Marketing, 80(6), pp. 97–121. DOI: 10.1509/jm.15.0413
Design Science Research & Methodik:
Wieringa, R. J. (2014). Design Science Methodology for Information Systems and Software Engineering. Springer, Berlin, Heidelberg. DOI: 10.1007/978-3-662-52013-9
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
Rupp, C., & SOPHIST-Gesellschaft für Innovatives Software-Engineering. (2021). Requirements-Engineering und -Management: Das Handbuch für Anforderungen in jeder Situation (7., aktualisierte und erweiterte Auflage). München: Hanser.
IEEE Std. 830-1998. (1998). IEEE Recommended Practice for Software Requirements Specifications. IEEE Standards Association.
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.