Wirtschaft (MSB)
Refine
Year
Publication Type
- Article (290)
- Book (230)
- Part of a Book (212)
- Lecture (159)
- Contribution to a Periodical (52)
- Conference Proceeding (20)
- Report (13)
- Course Material (1)
- Review (1)
Language
- German (978) (remove)
Keywords
- Unternehmensberichterstattung (6)
- Datenschutzrecht (4)
- KMU (4)
- Unternehmensbewertung (4)
- Inflation (3)
- Klimaneutralität (3)
- Lagebericht (3)
- Logistik (3)
- Modebranche (3)
- Big Data (2)
Die Ernsting’s family Fashion-Retail-Studie analysiert das Kaufverhalten von Verbraucher*innen in Deutschland in der Modebranche. Neben der Darstellung des Status quo werden über mehrere Erhebungszeitpunkte Veränderungen in den Kauf- und Konsumgewohnheiten erfasst. Zusätzlich wird ein aktuelles Thema in einer Deep-Dive-Studie vertieft.
Angesichts der gegenwärtigen ökologischen Herausforderungen und der technologischen Innovationen in der Modeindustrie konzentriert sich die dritte Ausgabe auf die Analyse des nachhaltigen Kauf- und Konsumverhaltens von Verbraucher*innen in Deutschland. Daran anknüpfend befasst sich die Deep-Dive-Studie mit der Frage, wie sich unterschiedlich hohe Rücksendegebühren auf das Bestellverhalten von Online-Käufer*innen im Modehandel auswirken und welche Rolle das Umweltbewusstsein der Verbraucher*innen dabei spielt.
Background
Artificial intelligence (AI) has the capability to analyze vast amounts of data and has been applied in various healthcare sectors. However, its effectiveness in aiding pharmacotherapy decision-making remains uncertain due to the intricate, patient-specific, and dynamic nature of this field.
Objective
This study sought to investigate the potential of AI in guiding pharmacotherapy decisions using clinical data such as diagnoses, laboratory results, and vital signs obtained from routine patient care.
Methods
Data of a previous study on medication therapy optimization was updated and adapted for the purpose of this study. Analysis was conducted using R software along with the tidymodels extension packages. The dataset was split into 74% for training and 26% for testing. Decision trees were selected as the primary model due to their simplicity, transparency, and interpretability. To prevent overfitting, bootstrapping techniques were employed, and hyperparameters were fine-tuned. Performance metrics such as areas under the curve and accuracies were computed.
Results
The study cohort comprised 101 elderly patients with multiple diagnoses and complex medication regimens. The AI model demonstrated prediction accuracies ranging from 38% to 100% for various cardiovascular drug classes. Laboratory data and vital signs could not be interpreted, as the effect and dependence were unclear for the model. The study revealed that the issue of AI lag time in responding to sudden changes could be addressed by manually adjusting decision trees, a task not feasible with neural networks.
Conclusion
In conclusion, the AI model exhibited promise in recommending appropriate medications for individual patients. While the study identified several obstacles during model development, most were successfully resolved. Future AI studies need to include the drug effect, not only the drug, if laboratory data is part of the decision. This could assist with interpreting their potential relationship. Human oversight and intervention remain essential for an AI-driven pharmacotherapy decision support system to ensure safe and effective patient care.
Zeitenwende für Sparer? Was die Rückkehr der Zinsen für die private Vermögensbildung bedeutet
(2024)
Während das Ertragswertverfahren nach IDW S1 mit Hilfe des Capital Asset Pricing Models (CAPM) die Kapitalkosten aus den Verhältnissen am Kapitalmarkt zum Bewertungsstichtag ableitet, arbeitet das vereinfachte Ertragswertverfahren nach §§ 199 ff. BewG für Stichtage seit dem Jahr 2016 mit einem festen Multiplikator. Veränderliche Kapitalmarktzinsen auf der einen und ein feststehender Multiplikator auf der anderen Seite führen stichtagsabhängig zu Unterschieden im Bewertungsergebnis. Angesichts der aktuellen Rechtsprechung des BFH, der gestiegenen Kapitalmarktzinsen und veränderlicher Risikofaktoren sollen für die Jahre ab 2016 für den Marktdurchschnitt und für ausgewählte Branchen die so ermittelten Kapitalkosten mit dem Multiplikator nach § 203 BewG verglichen werden. Der Beitrag schließt mit einem kurzen Fazit zur Verfahrenswahl.
In diesem Open Access-Buch wird auf Grundlage der Anforderungen potenzieller Stakeholder, der bestehenden regulatorischen Vorgaben und des Status quo der externen Unternehmensberichterstattung über digitale Transformation ein innovatives Berichtskonzept entwickelt, welches Berichterstellern eine Hilfestellung bietet, die Entscheidungsnützlichkeit ihrer externen Unternehmensberichterstattung zu erhöhen. Digitale Transformation ist eines der Megathemen unserer heutigen Zeit und kann entscheidend für den Erfolg und Fortbestand von Unternehmen sein. Dementsprechend ist i. S. d. Stakeholder- und der Agency-Theorie davon auszugehen, dass sowohl die externen Stakeholder als auch das Management eines Unternehmens ein Interesse an der Veröffentlichung diesbezüglicher Informationen haben, um die Erreichung ihrer persönlichen Ziele beurteilen zu können und schließlich den Fortbestand des Unternehmens zu sichern. Explizite Vorgaben oder Empfehlungen zur externen Unternehmensberichterstattung über digitale Transformation gab es bisher nicht. Die bis dato unerforschten Anforderungen von Stakeholdern an eine solche Berichterstattung sowie die nur unzureichend erforschte Berichterstattungspraxis stellten Unternehmen darüber hinaus vor die Herausforderung, diesbezüglich entscheidungsnützliche Informationen zu berichten.
Die Integration von Künstlicher Intelligenz (KI) im Gesundheitswesen ist zu einem Schwerpunktthema geworden und dominiert aktuell Diskussionen in Kliniken allgemein als auch Pathologien spezifisch. Trotz des Enthusiasmus klafft nach wie vor eine Lücke zwischen den Erwartungen der Anwender und den tatsächlichen Vorteilen nach der Implementierung. Dies spiegelt sich in den Herausforderungen der KI-Integration wider.
In der folgenden wissenschaftlichen Studie widmen wir uns den Erwartungen von Akteuren im Gesundheitswesen – spezifisch in Kliniken und Pathologien – an KI-Lösungen und ihren Einsatz. Dabei wird ein besonderer Fokus auf die dahinterliegenden Faktoren gelegt, die die aktuellen Erwartungen und die daraufhin ergriffenen Maßnahmen beeinflussen. Unsere Ergebnisse stützen sich sowohl auf den wissenschaftlichen Diskurs als auch auf die weite, öffentliche Diskussion zur praktischen Umsetzung – wie in Expertenberichten, Interviews, Konferenzbeiträgen und Artikeln aus Politik, Kliniken und weiteren Institutionen.
Dadurch trägt die Studie zu einem besseren Verständnis der aktuellen KI-Erwartungen und ihrer beeinflussenden Faktoren bei und befähigt Akteure in dem Markt, die Zukunft von KI im Gesundheitswesen mitzugestalten.
Der Abschlussbericht fasst die im Wintersemester 2023/2024 erzielten Ergebnisse des Forschungs- und Entwicklungsprojektes im Studiengang Master of Science Wirtschaftsinformatik an der FH Münster zusammen.
Das Forschungsprojekt befasste sich mit der Fragestellung, wie sich hochperformanter Code in systemfernen Programmiersprachen wie Java oder JavaScript integrieren lässt, um die vorhandene Hardwareleistung moderner CPUs und GPUs besser ausnutzen zu können. Derzeitig wird hierzu sowohl im Umfeld der Java-Plattform als auch in einer Working Group des World Wide Web Consortiums an Vorschlägen zur verbesserten SIMD-Integration gearbeitet. Im Forschungprojekt wurden diese Vorschläge aufgegriffen und hinichtlich des resultierenden Programmieraufwandes und der erzielbaren Leistungssteigerung qualitativ und quantitativ bewertet. Für JavaScript-basierte Browseranwendungen standen die Schnittstellen WebGPU und WebGL im Mittelpunkt, im Java-Umfeld wurden die drei Schnittstellen Foreign Functions & Memory API, Java Vector API und Java Native Interface (JNI) miteinander verglichen und bewertet.
Working Capital in der Kreditanalyse: Cashflow-Effekte erkennen und Risikosignale identifizieren.
(2024)
Mit der 7. Novelle der MaRisk ist die Notwendigkeit der Berücksichtigung von ESG-Risiken für deutsche Kreditinstitute auch im Kreditprozess angekommen. Um einen Marktüberblick zum aktuellen Umsetzungsstand sowie den geplanten Maßnahmen zur Berücksichtigung von ESG-Risiken im Kreditprozess für Firmenkunden zu erhalten, haben die Autoren zwei umfassende empirische Untersuchungen bei Banken durchgeführt. Als größte Herausforderung bei ESG-Risiken im Kreditprozess haben demnach nahezu alle Institute die Datenerhebung identifiziert. Auswirkungen auf Kreditentscheidungen werden nur von einer Minderheit der Institute (und dann fast immer lediglich in Ausnahmefällen) gesehen. Die Relation von Nutzen und Aufwand wird von den Teilnehmern zudem kontrovers bewertet.