Lernziele

• Die Studierenden kennen klassische und neuere Theorien zum Thema Change Management. Zudem erlangen Sie Kenntnisse über Instrumente und Anwendungsfelder eines (modernen) Change Management. Sie sind geübt, entsprechende Fallstudien zu bearbeiten und den Bezug zur betrieblichen Praxis zu ziehen (z. B. bei der Einführung neuer Softwaresysteme). Ggf. können durch die Reflexion Neubewertungen der eigenen betrieblichen Change-Management-Erfahrungen durchgeführt werden.
• Die Studierenden verfügen über ein breites und kritisches Verständnis zum Thema Change Management sowie dessen Verankerung im organisationalen (u. a. IT) und gesellschaftlichen Kontext. Das Thema Digitalisierung nehmen sie als (zu beeinflussende) Kontextbedingung wahr.
• Die Studierenden sind in der Lage, die aktuellen Problemstellungen und Herausforderungen des Change Management und der angrenzenden Themenfelder/Treiber, zu verstehen, zu beschreiben und zu diskutieren. Sie können unterschiedliche Lösungsansätze aus verschiedenen Perspektiven entwerfen und diskutieren.
• Sie diskutieren im Rahmen eigens gewählter Themen eigene Überlegungen ein und reflektieren aktuelle und mögliche Vorgehens- und Verhaltensweisen.
• Sie verstehen die organisationale Verantwortung von Change Management – und seiner Grenzen.

Lehrinhalte

• Erfolgsfaktoren sowie Gründe für das Scheitern von Change-Management-Projekten
• Macht und Widerstand im Change Management
• Die Rolle von Moden- und Trends im Change Management
• IT und Digitalisierung als Treiber des gesellschaftlichen Wandels

Lehrkonzept

Die Lehrveranstaltung gibt den Studierenden einen Überblick über das Change Management mit Fokus auf dem Kontext von IT-Projekten. Die Studierenden lernen die Grundlagen der wichtigsten Themen kennen, um Fragestellungen im Bereich des Change Management und IT-Projektmanagement besser einordnen zu können und einen breiten Überblick über diese Themen zu erhalten.

In der Einführungs-Vorlesung werden die grundlegenden Konzepte vorgestellt und diskutiert. In der Projektarbeit lernen die Studierenden, ein aktuelles Thema im Bereich des Change Management zu strukturieren und zu bewerten. Dabei sollen die verwendeten Konzepte auf den Kontext von IT-Projekten übertragen werden können.

Die Projektarbeit wird in der Regel in Zweiergruppen durchgeführt. Die Studenten können aus einem Pool von Themen wählen und eine Seminararbeit zu diesem Thema anfertigen. Jede Gruppe präsentiert ihre Projektergebnisse in einer der vier Gruppenpräsentationssitzungen gegen Ende des Semesters im Kurs. Die Studierenden sind angehalten, sich aktiv an den Diskussionen zu beteiligen.

Literaturempfehlungen

• Chies, S. (2015). Change Management bei der Einführung neuer IT-Technologien: Mitarbeiter ins Boot holen–mit angewandter Psychologie. Springer-Verlag.
• Lauer, T. (2010). Change management. Springer Berlin Heidelberg.
• Hughe, D. L. (2016). Success and Failure of IS/IT Projects: A State of the Art Analysis and Future Directions. Springer-Verlag Berlin Heidelberg.

Lernziele

• Fachkompetenzen: Studierende lernen, Geschäftsprozesse zu analysieren und gestalten. Sie erhalten die Fähigkeit, Modellierungsmethoden im Kontext von Software- und Requirements Engineering zu evaluieren. Sie erkennen die Bedeutung von Geschäftsprozessen für die organisatorische Gestaltung.
• Instrumentelle Kompetenzen: Studierende lernen exemplarisch an ausgewählten Darstellungsmethoden für Geschäftsprozesse die Grundprinzipien der Modellierung und sind in der Lage, auch mit anderen Darstellungsmethoden zu arbeiten, solche Modelle zu verstehen und bedarfsweise zu erweitern.
• Systemische Kompetenzen: Sie lernen, die Modellierung und Analyse von Prozessen als Teil eines übergreifenden Systems zu begreifen, ihre Bedeutung für dieses System einzuschätzen und sie den Anforderungen der Einzelfälle anzupassen.

Lehrinhalte

In einer digitalen Wirtschaft, die durch Volatilität, Unsicherheit, Komplexität und Ambiguität gekennzeichnet ist, sind kundenorientierte, wirtschaftliche und durch digitale Technologien gestützte Ende-zu-Ende-Prozesse ein zentraler Erfolgsfaktor. Das Prozessmanagement zählt daher zu den Kernaufgaben der Organisationsgestaltung. Es umfasst Aufgaben wie die Identifikation, Definition und Modellierung von Prozessen, deren Umsetzung und Ausführung, Überwachung und Steuerung sowie eine kontinuierliche Verbesserung und Innovation. Erfolgreiches Prozessmanagement erfordert auf Unternehmensebene das Zusammenspiel von Governance, Methoden, Informationstechnologie, Kultur, Mitarbeitern sowie eine Ausrichtung an Unternehmenszielen. 

Die Veranstaltung führt in die Grundlagen des Prozessmanagements ein und bietet einen Einblick in sämtliche Aufgaben des Prozessmanagementlebenszyklus. Ein besonderer Fokus liegt dabei auf der Modellierung von Geschäftsprozessen. Zudem vermittelt die Veranstaltung vertiefendes Wissen in den Bereichen Prozessidentifikation, -industrialisierung und -digitalisierung. Die Grundidee der Prozessidentifikation mittels Process Mining besteht darin, reale Prozesse durch Extrahieren von Wissen aus Ereignislogs zu erkennen, zu überwachen und zu verbessern. Prozessindustrialisierung umfasst die systematische Umsetzung von Automatisierungs-, Standardisierungs-, Flexibilisierungs- und Sourcing-Potenzialen von Prozessen. Prozessdigitalisierung untersucht, wie digitale Technologien (z.B. Smart Devices) sinnvoll in Prozessen einzusetzen sind und welche neuartigen Gestaltungsmöglichkeiten sich für Prozesse auf Basis digitaler Technologien ergeben.

Lehrkonzept

Die Veranstaltung richtet sich an Studierende, die bislang noch keine bzw. kaum Berührungspunkte mit den Themen Geschäftsprozessmanagement bzw. -modellierung hatten. Die Veranstaltung zielt darauf ab, Studierenden einen Einstieg in das Geschäftsprozessmanagement zu verschaffen und Vertiefungswissen in den Bereichen Prozessmodellierung, -identifikation, -industrialisierung und
-digitalisierung zu vermitteln.

Die Inhalte der Veranstaltung werden in Vorlesungen und Übungen vermittelt. Vorlesungseinheiten dienen dazu, Inhalte mit dem Dozenten zu erarbeiten und konzeptionell einzuführen. Übungseinheiten helfen, ausgewählte Inhalte zu vertiefen und praktisch einzuüben. Dabei werden ausgewählte Soft-ware-Werkzeuge vorgestellt und eingesetzt.

Die Veranstaltung schließt mit einer Fragestunde, um Unklarheiten aufzulösen und eine zielgerichtete Klausurvorbereitung zu gewährleisten. Vorlesungen und Übungen behandeln bewusst unterschiedliche Anwendungsdomänen, um die Übertragbarkeit der vorgestellten Inhalte zu veranschaulichen.

Die Inhalte der Veranstaltung werden mittels einer 90-minütigen Klausur geprüft. Für das erfolgreiche Bestehen der Klausur sollte nicht nur die Vorlesung besucht werden. Vielmehr wird empfohlen, die Übungen vor- bzw. nachzubereiten, sich aktiv an den Diskussionen zu beteiligen und sich intensiv mit dem Begleitmaterial auseinanderzusetzen.

Literaturempfehlungen

• Dumas, M., La Rosa, M., Mendling, J. and Reijers, H. (2018) Fundamentals of Business Process Management, Springer, Berlin.
• Freund, J. and Rücker, B. (2014) Praxishandbuch BPMN 2.0. 4. Aufl., Hanser, München.
• vom Brocke, J. and Rosemann, M. (2015) Handbook on Business Process Management 1: Introduction, Methods, and Information Systems, 2. Aufl., Springer, Berlin

Lernziele

• Die Studierenden sollen die technischen Grundlagen der KI verstehen, einschließlich der verschiedenen KI-Lernmethoden wie Supervised Learning, Unsupervised Learning und Reinforcement Learning. Sie sollen zudem grundlegende mathematische Algorithmen kennenlernen erste Erfahrungen mit der technischen Implementierung von KI sammeln.
• Die Studierenden sollen in der Lage sein, potenzielle Anwendungsfälle für KI in verschiedenen Branchen und Unternehmenskontexten zu identifizieren. Zudem sollen sie mithilfe von Methoden wie dem KI-Service Canvas und der Value Flow-Methode in der Lage sein, diese Anwendungsfälle zu beschreiben und zu bewerten.
• Die Studierenden sollen die organisatorischen Grundlagen für die Einführung und das Management von KI in Unternehmen verstehen. Dies umfasst den Aufbau organisatorischer Fähigkeiten und Ressourcen, die Gestaltung geeigneter Organisationsstrukturen sowie die Implementierung von effektivem Monitoring und Governance.
• Die Studierenden sollen ein grundlegendes Verständnis für die ethischen, rechtlichen und sozialen Herausforderungen und Möglichkeiten im Zusammenhang mit KI-Anwendungen entwickeln. Dies umfasst die Kenntnis von Ethikstandards und rechtlichen Rahmenbedingungen wie dem EU AI Act.

Lehrinhalte

Der Einsatz Künstlicher Intelligenz (KI) in der Wirtschaft erfordert spezifische Kompetenzen. Neben technischer Expertise benötigt die Wirtschaft insbesondere Kenntnisse, technische Systeme zu bewerten, in betriebliche Prozesse, Arbeitsumgebungen, Produkte und Dienstleistungen einzubetten sowie dauerhaft zu steuern. Diese brückenbauende Rolle fällt primär Wirtschaftsinformatiker:innen als zentrale betriebliche Entscheider:innen zu. Daher ist es von zentraler Bedeutung organisatorische Voraussetzungen für eine erfolgreiche KI-Transformation zu schaffen und effektives KI-Management zu betreiben. Die Lehrveranstaltung zielt darauf ab, Studierenden die erforderlichen Kenntnisse und Fähigkeiten zu vermitteln, um KI in Unternehmen erfolgreich einzuführen und zu verwalten. Sie umfasst verschiedene Schlüsselbereiche:

• KI-Innovation: In diesem Bereich lernen die Studierenden, wie sie KI-Technologien nutzen können, um Innovationen in Produkten, Dienstleistungen und Geschäftsprozessen voranzutreiben. Dies umfasst die Identifizierung von KI-Anwendungsfällen, die die Innovationskraft eines Unternehmens steigern.
• KI-Management: Hier wird behandelt, wie Unternehmen den Betrieb von KI-Anwendung effektive steuern können. Dies umfasst das Projektmanagement in KI-Entwicklungsprojekten, techno-ökonomische Entscheidungen im ML-Lebenszyklus sowie Monitoring und Governance.
• KI-Transformation: Dieser Bereich umfasst organisatorische Veränderung, um KI in verschiedene Geschäftsbereiche zu integrieren und Geschäftsprozesse zu transformieren. Dazu gehört die Schaffung organisatorischer Voraussetzungen (KI-Readiness) sowie die Gestaltung geeigneter Organisationsstrukturen.
• Ethik, Soziales und Recht (ESLI): In diesem Bereich werden die ethischen, rechtlichen und sozialen Implikationen von KI-Anwendungen behandelt. Die Studierenden entwickeln ein Verständnis für die ethischen Herausforderungen und die rechtlichen Rahmenbedingungen und lernen, wie sie KI-Anwendungen verantwortungsvoll gestalten können.

In der zugehörigen Übung werden die theoretischen Konzepte und Kenntnisse aus der Vorlesung praktisch angewendet und vertieft. Die Studierenden haben die Möglichkeit, Einblicke in technische Umsetzung von neuronalen Netzen zu erhalten, KI Use-Cases zu identifizieren, Managemententscheidung zu treffen und ethische und rechtliche Aspekte in Szenarien aus der Geschäftswelt zu berücksichtigen.

Lehrkonzept

Die Lehrveranstaltung bietet den Studierenden einen Überblick über ausgewählte Themenbereiche des KI-Managements. Die Studierenden lernen dadurch die Grundlagen zentraler Themenfelder kennen, um Fragestellungen in diesen Bereichen besser einordnen und fundierte Entscheidungen treffen zu können.

Die Inhalte der Veranstaltung werden in Vorlesungen und Übungen vermittelt. Vorlesungseinheiten dienen dazu, Inhalte mit dem Dozenten zu erarbeiten und konzeptionell einzuführen. Übungseinheiten helfen, ausgewählte Inhalte zu vertiefen und praktisch einzuüben.

Die Inhalte der Veranstaltung werden mittels einer 90-minütigen Klausur geprüft. Für das erfolgreiche Bestehen der Klausur sollte nicht nur die Vorlesung besucht werden. Vielmehr wird empfohlen, die Übungen vor-bzw. nachzubereiten, sich aktiv an den Diskussionen zu beteiligen und sich intensiv mit dem Begleitmaterial auseinanderzusetzen.

Literaturempfehlungen

• Russell, Stuart & Norvig, Peter. (2021). Artificial Intelligence: A Modern Approach,Global Edition, Pearson
• Berente, Nicholas; Gu, Bin; Recker, Jan & Santhanam, Radhika. (2021). Managing Artificial Intelligence. MIS Quarterly. 45. 1433-1450
• Ertel, Wolfgang. (2013). Grundkurs Künstliche Intelligenz: Eine praxisorientierte Einführung, Springer
• Buxmann, Peter. (2018). Künstliche Intelligenz mit Algorithmen zum Wirtschaftlichen Erfolg, Springer

Lerning objectives

• Students will receive an overview of major information systems and their functionalities as well as communication technologies and standards used in the logistics domain
• Students will learn business process management fundamentals with BPMN and methods for process optimization
• Students will learn the fundamentals of software engineering and IT project management as well as understand the concept of agility in this context
• Students will understand how to store, process, and analyze data in the realm of big data solutions, learn how a database is structured, what SQL is as well as the foundations of business intelligence
• Students will learn the fundamentals of artificial intelligence (AI), the Internet of Things (IoT), and blockchain as recent emergent technologies that drive the current change in logistics
• Students will learn to structure and evaluate an emerging topic at the interface between information systems and logistics, to develop a project report as well as to give an insightful presentation

Teaching content

The past several years in the logistics industry have featured enormous transformational change and the full effects of this are just becoming visible. The maturation of globalization, the exponential rise of e-commerce, the constant threat of technology disruption, and, most recently, the coronavirus pandemic have fundamentally shifted business in the 21st century. Big data analytics, artificial intelligence, and the Internet of Things force a rapid change of the sector. Logistics professionals have to make sense of wave after wave of disruptive technology, driving higher levels of digital maturity. This requires a confrontation with these technologies as well as a basic understanding of the changed business mechanisms. Since customer-oriented, economical and digital technology-supported end-to-end processes are regarded as a key success factor in the digital economy, process management is also one of the core tasks of modern organizational design.

Against this background, this course considers the role of new technologies in logistics. In the lecture, the basics of software applications, standards and basic technologies are presented and discussed. Furthermore, the foundations of business process management, software engineering and IT project management are introduced. Subsequently, the fundamental importance of data and the basics of data organization are considered, followed by a discussion of the implications of big data. In the further course of the lecture, blockchain as well as artificial intelligence and IoT as recent emergent technologies will be presented and discussed. In group work, the content covered by the lecture will be further deepened and applied to the logistics context. The results of the project work will be documented by the students in a (scientific) project report. The lecture series ends with the participants' group presentations.

Teaching concept

The course provides students with an overview on selected topics in information systems in the context of logistics. Students will learn the basics of key topics to better classify questions in the area of information systems and new technologies and to get a broad overview of these subjects.

The basic concepts will be introduced and discussed in the lectures. The lecture series will be complemented by a guest lecture that provides insights into the practice of information systems in logistics. In the project work, students will learn how to structure and evaluate an emerging topic at the interface between information systems and logistics. In doing so, the concepts introduced in the lecture have to be transferred to the logistics context.

The project work is carried out in groups of three. Students can choose from a pool of topics and prepare a seminar paper on a that topic. Each group will present their project results in class in one of the four group presentation session towards the end of the semester. Students are required to actively participate in the discussions and to deal intensively with the accompanying material.

Literature recommendations

• Deutsche Post DHL Group, The Logistics Trend Radar 5^th Edition, https://www.dhl.com/global-en/home/insights-and-innovation/insights/logistics-trend-radar.html
• Hausladen, I. 2014. IT-gestützte Logistik: Systeme – Prozesse – Anwendungen, Wiesbaden: Springer Gabler
• Kersten, W., Blecker, T., & Ringle, C. M. 2019. Artificial Intelligence and Digital Transformation in Supply Chain Management: Innovative Approaches for Supply Chains. Berlin: epubli GmbH.
• Pagano, A. M., & Liotine, M. 2019. Technology in Supply Chain Management and Logistics: Current Practice and Future Applications. Elsevier.

Lernziele

• Die Studierenden kennen die Bedeutung von Datenbanken, Datenschutz und Datensicherheit. Damit sind sie in der Lage, wichtige und sicherheitsrelevante Aspekte auch im Hinblick auf Kommunikationssysteme realistisch einzuschätzen und die Implementierung von entsprechenden Maßnahmen aus Managementsicht zu begleiten.
• Weiterführend und vertiefend kennen und verstehen die Studierenden die Grundlagen des Digital Business und können die Bedeutung der Geschäftsprozessmodellierung betriebsbezogen einschätzen sowie in den entsprechenden Arbeitsgruppen produktiv mitarbeiten.
• Neben den klassischen Technologien lernen die Studierenden ausgewählte emergente Technologien (u.a. Künstliche Intelligenz und Blockchain) und deren Einsatzmöglichkeiten in Unternehmen kennen. Dies ermöglicht den Studierenden, in der Praxis Innovationen in den entsprechenden Unternehmen voranzutreiben.
• Die Studierenden lernen Grundkenntnisse in den aktuell üblichen Anwendungsprogrammen (u.a. Excel, Access) kennen, um diese Kenntnisse der IT-Unterstützung im Unternehmenskontext anwenden zu können.

Lehrinhalte

In einer digitalen Wirtschaft, die durch Volatilität, Unsicherheit, Komplexität und Ambiguität gekennzeichnet ist, ist es für Unternehmen unverzichtbar, einen laufenden Überblick über die aktuellen technischen Entwicklungen und ihre Anwendungspotenziale zu haben. Der Einsatz emergenter Technologien wie Big Data Analytics, Distributed Ledger Technology, Künstliche Intelligenz und Internet der Dinge helfen den Unternehmen, neue Potenziale für Ihre Geschäft in Form von digitalen Angeboten zu heben. Hierzu ist ein Auseinandersetzen mit diesen Technologien ebenso erforderlich wie ein grundlegendes Verständnis der veränderten Geschäftsmechanismen der Digital Economy. Da kundenorientierte, wirtschaftliche und durch digitale Technologien gestützte Ende-zu-Ende-Prozesse als zentraler Erfolgsfaktor der digitalen Wirtschaft gelten, gehört auch das Prozessmanagement zu den Kernaufgaben einer modernen Organisationsgestaltung. Ebenso bedarf es einer kritischen Auseinandersetzung mit sich kontinuierlich wandelnden Anforderungen hinsichtlich des Datenschutzes und der IT-Sicherheit, um entsprechende Risiken frühzeitig erkennen und mittigeren zu können.

Vor diesem Hintergrund betrachtet die Lehrveranstaltung die Aufgaben der Wirtschaftsinformatik aus verschiedenen Perspektiven. In der Vorlesung werden zunächst die Grundlagen der Digital Economy mit ihren betriebswirtschaftlichen Besonderheiten betrachtet. Anschließend werden in einem ersten Schwerpunktblock die grundlegende Bedeutung von Daten, die Grundlagen der Datenorganisation sowie die Entity-Relationship-Modellierung behandelt. Daran anschließend werden die resultierenden Fragestellungen im Bereich Daten- und IT-Sicherheit sowie dem Datenschutz und der DSGVO thematisiert. Im weiteren Verlauf der Vorlesung werden dann Blockchain und Distributed-Ledger-Technologien sowie Künstliche Intelligenz als ausgewählte emergente Technologien vorgestellt und diskutiert. Die Vorlesungsreihe endet inhaltlich mit einer Einführung in das Geschäftsprozessmanagement sowie dem Themenfeld der digitalen Transformation.

In der zugehörigen Übung wird vor allem die Nutzung von gängigen Anwendungsprogrammen behandelt. Hierbei stehen die Einführung in die Tabellenkalkulation mit Microsoft Excel sowie die Datenbankerstellung mit Microsoft Access im Vordergrund. Darüber hinaus soll der Umgang mit der Programmiersprache Python sowie das Modellieren von Geschäftsprozessen mit BPMN praktisch erlernt werden.

Lehrkonzept

Die Lehrveranstaltung bietet den Studierenden einen Überblick über ausgewählte Themenbereiche der Wirtschaftsinformatik. Die Studierenden lernen dadurch die Grundlagen zentraler Themenfelder kennen, um Fragestellungen in diesen Bereichen besser einordnen und diese in sich anschließenden Lehrveranstaltungen weiter vertiefen zu können.

Die Inhalte der Veranstaltung werden in Vorlesungen und Übungen vermittelt. Vorlesungseinheiten dienen dazu, Inhalte mit dem Dozenten zu erarbeiten und konzeptionell einzuführen. Übungseinheiten helfen, ausgewählte Inhalte zu vertiefen und praktisch einzuüben. Dabei werden ausgewählte Software-Werkzeuge vorgestellt und eingesetzt.

Die Veranstaltung schließt mit einer Fragestunde, um Unklarheiten aufzulösen und eine zielgerichtete Klausurvorbereitung zu gewährleisten. Vorlesungen und Übungen behandeln bewusst unterschiedliche Anwendungsdomänen, um die Übertragbarkeit der vorgestellten Inhalte zu veranschaulichen.

Die Inhalte der Veranstaltung werden mittels einer 90-minütigen Klausur geprüft. Für das erfolgreiche Bestehen der Klausur sollte nicht nur die Vorlesung besucht werden. Vielmehr wird empfohlen, die Übungen vor-bzw. nachzubereiten, sich aktiv an den Diskussionen zu beteiligen und sich intensiv mit dem Begleitmaterial auseinanderzusetzen.

Literaturempfehlungen

• Hansen, H. R., Mendling, J., & Neumann, G. (2019) Wirtschaftsinformatik, Walter de Gruyter, Oldenbourg.
• Laudon, K. C., Laudon, J. P., & Schoder, D. (2016) Wirtschaftsinformatik: Eine Einführung, Pearson, München.
• Mertens, P., Bodendorf, F., König, W., Schumann, M., Hess, T., & Buxmann, P. (2005) Grundzüge der Wirtschaftsinformatik, Springer, Heidelberg.