Wirtschaft (MSB)
Refine
Year
Publication Type
- Report (11)
- Article (10)
- Book (6)
- Conference Proceeding (4)
- Bachelor Thesis (1)
- Part of a Book (1)
- Course Material (1)
Has Fulltext
- yes (34) (remove)
Keywords
- Blockchain (4)
- European (3)
- Modebranche (3)
- business (3)
- university (3)
- university-business cooperation (3)
- Ethereum (2)
- Fashion (2)
- Fashion Retailing (2)
- Konsumverhalten (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.
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.
This study investigates the role of individual differences in channel choice and switching behavior in a multichannel environment using latent class analysis on data from 1512 customers. Psychographic variables from five domains (risk attitudes, cognitive ability, motivation, personality, and decision-making style) serve as covariates for multichannel customer behavior. We identify six segments that differ significantly on six psychographic variables (readiness to take risks, need for cognition, autotelic and instrumental need for touch, and rational and intuitive decision-making styles). The results advance the theory-building of multichannel customer behavior and present insights for proactively managing customer journeys of distinct segments.
Toward a notation for modeling value driver trees: Classification development and research agenda
(2024)
The urge for personalisation and the rise of technological advancements
in the 21st century is pushing for more innovative marketing strategies. As such, this dissertation examines the impact of personality-tailored
campaigns (PTC) and how it affects purchasing decisions among
Generation Z, focusing on theoretical and practical implications.
A conceptual framework for the process of personality-tailored marketing has been developed to provide tangible value for businesses of
various industries in particular the fragrance, smartphone, and food
industry.
Purpose
The purpose of this paper is to investigate the relationships between technology orientations and export performance of small and medium-sized enterprises (SMEs).
Design/methodology/approach
A quantitative research design was adopted for this study. The paper formulates hypotheses from the literature review. These hypotheses are tested using structural equation modeling with data collected from 231 SMEs in Uganda. Data were analyzed using SPSS version 23 and AMOS.
Findings
The findings of this study showed technology orientation has a positive and significant relationship with the performance of Ugandan SMEs and that supply chain agility moderates technology orientation and export performance.
Research limitations/implications
The study discusses the findings, advances limitations and managerial implications. It also suggests future research avenues. It proposes some recommendations to help Ugandan SMEs to form flexible supply chains, use the latest technology and create strong relationship ties with their partners in the supply chain.
Practical implications
The study suggests that managers of Ugandan SMEs should use the latest technology in production, marketing, logistics and supply chain management which will enable them to respond quickly to customer tastes and preferences leading to higher levels of export performance.
Originality/value
This study contributes to the literature on strategic management showing the reliability of scales used and the confirmatory of the factor structure. This study shows that in strategic management technology, orientation is critical in increasing export performance. This study has extended the resource-based view (RBV) and dynamic capabilities theories.
In einer Ära technologischer Fortschritte, sich wandelnder Werte und neuer Arbeitsplatzdynamiken hat sich das Konzept „New Work“ als Zukunftsperspektive etabliert. Es geht dabei um mehr als Technologie – vielmehr um tiefgreifende Arbeitsstrukturveränderungen, die Autonomie und Eigenverantwortung betonen.
Das Thema "New Work" hat sowohl in der Forschung als auch in der Praxis in den letzten Jahren an großer Bedeutung gewonnen. Aus dem gemeinsamen Bewusstsein für die Relevanz dieses Themas ist diese kollaborative Studie zwischen dem Science-to-Business Marketing Research Centre der FH Münster und der noventum consulting GmbH mit Beteiligung von 100 Mitarbeitenden in Münsterländer Unternehmen entstanden. Sie erfasst den aktuellen Stand von New Work im Münsterland und findet Antworten zu drängenden New Work Fragen. Die Ergebnisse sind sowohl aufschlussreich als auch nachdenklich stimmend. Trotz der Begeisterung an neuen Arbeitsparadigmen herrscht im Münsterland eine gewisse Unklarheit über „New Work“. Ein einheitliches Verständnis fehlt, was das volle Potenzial hemmt. Die Studie zeigt die Komplexität und fördert Verständnis jenseits der Terminologie. Sie verdeutlicht Chancen und Herausforderungen für Unternehmen im Münsterland im Kontext von New Work. Die Region könnte Vorreiter sein, doch Erfolg erfordert gemeinsame Anstrengung und Offenheit für neue Arbeitsstrukturen.
Abschlussbericht FEP 2022
(2022)
Der Abschlussbericht fasst die im Sommersemester 2022 erzielten Ergebnisse des Forschungs- und Entwicklungsprojektes im Studiengang Master of Science Wirtschaftsinformatik an der FH Münster zusammen.
Das Forschungsprojekt gliederte sich in drei thematische Blöcke. Der erste Block betrachtete den aktuell aufkommenden Ansatz, WebAssembly-Anwendungen in serverseitigen Umgebungen auszuführen. Die vielfältigen Leistungsfaktoren, z. B. mögliche Quellsprachen, Werkzeuge und Plattformen, wurde in systematischen Messungen hinsichtlich ihres Einflusses und der Leistungsfähigkeit miteinander verglichen. Im zweiten Themenblock standen jeweils zwei Programmiersprachen im Mittelpunkt. So wurden die Programmiersprachen Rust und Go hinsichtlich der Unterstützung von Nebenläufigkeit anhand des Beispiels eines prototypischen Webservers analysiert und gegenübergestellt. Weitere Leistungsdaten wurden für die Sprachen Rust und Python hinsichtlich der Verarbeitung von Graphalgorithmen erhoben und verglichen. Der dritte Themenblock befasste sich mit Kommunikationsaspekten in Service-Mesh-Architekturen. Hier wurden verschiedene Circuit-Breaker-Implementierungen sowie unterschiedliche Proxy-Ansätze zur Steuerung des Nachrichtenverkehrs gegenübergestellt und bewertet.
Die Ernsting’s family Fashion-Retail-Studie analysiert das Kaufverhalten deutscher Verbraucher*innen 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.
Vor dem Hintergrund geopolitischer Krisen und steigender Inflation betrachtet die zweite Ausgabe Veränderungen im Kauf- und Konsumverhalten, im Umgang mit Nachhaltigkeit und in den Reaktionen auf den zunehmenden Einfluss neuer Technologien unter deutschen Verbraucher*innen in der Modebranche. Zudem untersucht die Deep-Dive-Studie, ob psychografische Merkmale von Konsument*innen ihr individuelles Shoppingverhalten über die Customer Journey hinweg beeinflussen.