Logo des Repositoriums

Auflistung nach Autor:in "Gravemeier, Laura Sophie"

1 - 4 von 4
  • Konferenzbeitrag
    Conceptualizing a holistic smart dairy farming system
    (43. GIL-Jahrestagung, Resiliente Agri-Food-Systeme, 2023) Gravemeier, Laura Sophie; Dittmer, Anke; Jakob, Martina; Kümper, Daniel; Thomas, Oliver
    With the increasing use of sensor technology and the resulting diverse data streams in dairy farming, the potential for the use of AI rises. Beyond the AI-based solution of individual problems, a holistic approach to smart dairy farming is necessary. In this contribution, we identify and analyse a set of diverse use cases for smart dairy farming: lying behaviour analysis, heat stress monitoring, work diary, barn and herd monitoring, and animal health tracking. These focus both on animal health and welfare as well as assistance for farmers. Based on the requirements of these use cases, we design a holistic smart dairy farming system in an iterative development process.
  • Zeitschriftenartikel
    Data-based Customer-Retention-as-a-Service: Induktive Entwicklung eines datenbasierten Geschäftsmodells auf Basis einer Fallstudie der Automobilbranche
    (HMD Praxis der Wirtschaftsinformatik: Vol. 58, No. 3, 2021) Kortum, Henrik; Rebstadt, Jonas; Gravemeier, Laura Sophie; Thomas, Oliver
    Viele Unternehmen setzen Künstliche Intelligenz zur Verarbeitung großer Datenmengen bereits heute erfolgreich für die Kundenbindung ein. So schaffen große Unternehmen individuelle Kundenerlebnisse basierend auf der Auswertung großer kundenbezogener Datenmengen zur kurz- aber auch langfristigen Kundenbindung, z. B. durch intelligente Empfehlungen von Inhalten auf Videoplattformen. Bei Unternehmen mit traditioneller Wertschöpfung wird dieses Potenzial jedoch noch nicht ausreichend genutzt. Vor diesem Hintergrund wird im Rahmen einer Fallstudie exemplarisch ein datengetriebenes Kundenbindungsszenario in Kooperation mit einer Autowerkstatt umgesetzt. Im konkreten Fall wurde eine zeitlich optimierte Kundenansprache auf Basis von KI-basierten Prognosen der täglichen Fahrleistung von Kunden angestrebt. Grundlage dafür war die Analyse eines Kundendatensatzes einer Autowerkstatt und die anschließende Entwicklung einer Künstlichen Intelligenz. Aufbauend auf der Fallstudie wird ein datenbasiertes Geschäftsmodell konzipiert, dessen Werteangebot vor allem Unternehmen mit traditioneller Wertschöpfung und wenig Wissen im Bereich Künstlicher Intelligenz dazu befähigt, datenbasierte Technologien in der Kundenbindung einzusetzen. Das dem Geschäftsmodell zugrundeliegende Plattformkonzept wird dabei als Open-Innovation-Modell entwickelt und soll neben der Entwicklung eigener Services auch die Interaktion von Datenkonsumenten, Datenlieferanten und anderen Datenbefähigern, mit dem Ziel sich als Datenökosystem für Kundenbindung zu etablieren, unterstützen. Many companies are already successfully using artificial intelligence (AI) to process large volumes of data for the purpose of customer retention. Large companies create individualized customer experiences and analyze massive amounts of data to achieve customer loyalty through intelligent recommendations, for example. However, companies with traditional value creation, as of yet often fail to sufficiently address this topic. Therefore, this contribution tackles the implementation of an exemplary use case for data-driven customer retention in a car repair shop. In particular, the aim was to optimize the timing of customer communication based on forecasts of the customers’ daily driving behavior. The basis for this analysis was a data set provided by a car repair shop and the subsequent development of a machine learning model. Based on this case study, a business model is developed that enables companies with traditional value creation and little AI-know-how to use data-driven technologies in customer retention. The underlying platform concept is conceptualized as an open innovation model and supports the interaction of data consumers, data providers and data enablers. In this way, the target is not only to develop own services, but also to establish a data ecosystem for customer loyalty.
  • Zeitschriftenartikel
    Non-Discrimination-by-Design: Handlungsempfehlungen für die Entwicklung von vertrauenswürdigen KI-Services
    (HMD Praxis der Wirtschaftsinformatik: Vol. 59, No. 2, 2022) Rebstadt, Jonas; Kortum, Henrik; Gravemeier, Laura Sophie; Eberhardt, Birgid; Thomas, Oliver
    Neben der menschen-induzierten Diskriminierung von Gruppen oder Einzelpersonen haben in der jüngeren Vergangenheit auch immer mehr KI-Systeme diskriminierendes Verhalten gezeigt. Beispiele hierfür sind KI-Systeme im Recruiting, die Kandidatinnen benachteiligen, Chatbots mit rassistischen Tendenzen, oder die in autonomen Fahrzeugen eingesetzte Objekterkennung, welche schwarze Menschen schlechter als weiße Menschen erkennt. Das Verhalten der KI-Systeme entsteht hierbei durch die absichtliche oder unabsichtliche Reproduktion von Vorurteilen in den genutzten Daten oder den Entwicklerteams. Da sich KI-Systeme zunehmend als integraler Bestandteil sowohl privater als auch wirtschaftlicher Lebensbereiche etablieren, müssen sich Wissenschaft und Praxis mit den ethischen Rahmenbedingungen für deren Einsatz auseinandersetzen. Daher soll im Kontext dieser Arbeit ein wirtschaftlich und wissenschaftlich relevanter Beitrag zu diesem Diskurs geleistet werden, wobei am Beispiel des Ökosystems Smart Living auf einen sehr privaten Bezug zu einer diversen Bevölkerung bezuggenommen wird. Im Rahmen der Arbeit wurden sowohl in der Literatur als auch durch Expertenbefragungen Anforderungen an KI-Systeme im Smart-Living-Ökosystem in Bezug auf Diskriminierungsfreiheit erhoben, um Handlungsempfehlungen für die Entwicklung von KI-Services abzuleiten. Die Handlungsempfehlungen sollen vor allem Praktiker dabei unterstützen, ihr Vorgehen zur Entwicklung von KI-Systemen um ethische Faktoren zu ergänzen und so die Entwicklung nicht-diskriminierender KI-Services voranzutreiben. In addition to human-induced discrimination of groups or individuals, more and more AI systems have also shown discriminatory behavior in the recent past. Examples include AI systems in recruiting that discriminate against female candidates, chatbots with racist tendencies, or the object recognition used in autonomous vehicles that shows a worse performance in recognizing black than white people. The behavior of AI systems here arises from the intentional or unintentional reproduction of pre-existing biases in the training data, but also the development teams. As AI systems increasingly establish themselves as an integral part of both private and economic spheres of life, science and practice must address the ethical framework for their use. Therefore, in the context of this work, an economically and scientifically relevant contribution to this discourse will be made, using the example of the Smart Living ecosystem to argue with a very private reference to a diverse population. In this paper, requirements for AI systems in the Smart Living ecosystem with respect to non-discrimination were collected both in the literature and through expert interviews in order to derive recommendations for action for the development of AI services. The recommendations for action are primarily intended to support practitioners in adding ethical factors to their procedural models for the development of AI systems, thus advancing the development of non-discriminatory AI services.
  • Zeitschriftenartikel
    Values of the Metaverse: Hybride Arbeit in virtuellen Begegnungsräumen
    (HMD Praxis der Wirtschaftsinformatik: Vol. 59, No. 4, 2022) Kammler, Paula; Gravemeier, Laura Sophie; Göritz, Lorena; Kammler, Friedemann; Gembarski, Paul Christoph
    Spätestens seit Beginn der Corona-Pandemie ist eine Vielzahl von Unternehmen aufgrund von Social-Distancing-Maßnahmen und neuen Mitarbeiteranforderungen mit hybrider Arbeit als neuem Status Quo konfrontiert. Während hierin absehbar das Potenzial zur generellen Flexibilisierung von Arbeit liegt, müssen Arbeitgeber veränderte Formen der Zusammenarbeit auch ermöglichen und räumliche Distanzen überbrücken. Hinzu kommt, dass der unerwartete Eintritt der pandemischen Lage oftmals zur ad-hoc-Einführung von Werkzeugen geführt hat, die als „Erste Hilfe“-Lösung grundsätzliche Kommunikation und Kollaboration ermöglichen sollten. Knapp drei Jahre nach Beginn der Pandemie vergleichen wir gemeinsam mit Initiatoren und Nutzern zwei derartige Anwendungsfälle, die die Metaverse-Lösung Gather eingeführt haben. In einer multiperspektivischen Untersuchung fragen wir nach den geplanten und realisierten Mehrwerten und stellen Verbindungen zu den Features der Software her. Aus den Erkenntnissen leiten wir zwei Arten von Handlungsempfehlungen ab. Einerseits, inwiefern Gather ad-hoc als „Erste Hilfe“-Lösung geeignet ist und andererseits, welche Potenziale in der zukünftigen Überarbeitung gehoben werden können, um ein robustes hybrides Arbeitsmodell aufzubauen. Ever since the Corona pandemic began, a large number of companies have been confronted with hybrid work as the new status quo due to social distancing measures and changing employee requirements. Although this offers foreseeable potential for making work more flexible in general, employers must also facilitate new forms of collaboration that bridge spatial distances. In addition, the unexpected onset of the pandemic situation has often led to the ad-hoc introduction of tools that were intended to enable basic communication and collaboration as a “first aid” solution. Nearly three years after the onset of the pandemic, we work with initiators and users to compare two such use cases that have adopted the Gather metaverse solution. In a multi-perspective investigation, we ask about the planned and realized added values and draw connections to the software’s features. From the findings, we derive two types of recommendations for action. On the one hand, to what extent Gather is suitable as an ad-hoc “first aid” solution and, on the other hand, which potentials can be raised for permanent use in order to build a robust hybrid working model.