Diese Masterarbeit untersucht methodische Ansätze zur Einführung von Machine-Learning-Modellen in Klein- und Mittelbetrieben, mit dem Ziel, deren Geschäftsprozesse effizient zu optimieren und gleichzeitig die Anforderungen der Datenschutz-Grundverordnung (DSGVO) zu erfüllen. Angesichts der fortschreitenden Digitalisierung und der wachsenden Bedeutung datenbasierter Technologien stehen Klein- und Mittelbetriebe vor der Herausforderung, das Potential von Machine-Learning-Modellen zu nutzen, ohne dabei rechtliche, organisatorische und technische Hürden außer Acht zu lassen. Die Arbeit gliedert sich in einen theoretischen und einen empirischen Teil. Der theoretische Teil umfasst eine umfangreiche Literaturrecherche, die den aktuellen Stand der Forschung sowie die Anwendungsmöglichkeiten von Machine-Learning in unterschiedlichen Unternehmensbereichen analysiert. Dabei werden relevante Einsatzgebiete wie Marketing, Kundenkommunikation und Prozessautomatisierung identifiziert. Der empirische Teil basiert auf einem Design-Science-Research-Ansatz, der durch leitfadenbasierte Expert:inneninterviews ergänzt wird. Ziel ist es, praxisnahe Erkenntnisse zu den Herausforderungen, Vorteilen und Erfolgsfaktoren bei der Implementierung von Machine-Learning in Klein- und Mittelbetrieben zu gewinnen. Das zentrale Ergebnis der Arbeit ist die Entwicklung eines Leitfadens, der Klein- und Mittelbe-triebe dabei unterstützt, Machine-Learning ressourcenschonend und datenschutzkonform einzusetzen. Der Leitfaden beinhaltet Handlungsempfehlungen zur Datenaufbereitung, zur Auswahl geeigneter Machine-Learning-Modelle und zur Berücksichtigung regulatorischer Anforderungen. Die durchgeführten Interviews zeigen, dass Machine-Learning insbesondere in Bereichen wie der Automatisierung von Geschäftsprozessen und der datenbasierten Entscheidungsfindung zu signifikanten Effizienzsteigerungen beitragen kann. Gleichzeitig wird auf Herausforderungen wie die Sicherstellung der Datenqualität und die Einhaltung der DSG-VO eingegangen.

Angesichts der fortschreitenden Digitalisierung und der stetige Anstieg von Informationstechnologien, gewinnt der Einsatz von Künstlicher Intelligenz im Human Resource Bereich zunehmend an Bedeutung. Unternehmen suchen ständig nach Möglichkeiten, ihre HR-Prozesse zu optimieren und den Herausforderungen des Arbeitsmarktes gerecht zu werden. Durch die Integration von KI-Anwendungen sollen zahlreiche HR-Aufgaben effizienter und genauer gestaltet werden, was Zeit und Ressourceneinspart. Das Ziel dieser Masterarbeit ist es, einen umfassenden Überblick über den derzeitigen Stand der Technologie im Bereich Künstlicher Intelligenz im Human Resources Bereich zu geben. Dabei soll aufgezeigt werden, welche KI-unterstutzten Technologien zurzeit am Markt verfügbar sind und welche weitreichenden Auswirkungen diese auf verschiedenste Teilbereiche eines Unternehmens haben können, von der Personalbeschaffung über die Mitarbeiterentwicklung bis hin zur Leistungsbeurteilung und Automatisierung administrativer Aufgaben. Um dieses Ziel zu erreichen, wurde eine systematische Literaturrecherche durchgeführt, um fundierte Übersichten und detaillierte Informationen zu diesem Thema zu sammeln. Die Literaturrecherche umfasste drei verschiedene Literaturdatenbanken, um eine möglichst breite und repräsentative Basis zu schaffen. Durch diese Literaturrecherche wurden relevante Informationen und Daten gesammelt, die es ermöglichten, fundierte Hypothesen zu formulieren. Diese Hypothesen wurden im Rahmen dieser Literaturanalyse eingehend untersucht, um verlässliche Rückschlüsse auf den Einsatz und die Wirksamkeit von KI in Personalabteilungen zu ziehen.

Ein User-Interface ist das zentrale Element eines jeden Systems und entscheidet über dessen Effektivität und wahrgenommene Qualität. Umso wichtiger ist daher die frühe Einbindung der Nutzer*innen bei der Entwicklung von Bedienoberflächen (Mohammed & Karagozlu, 2021; Sridevi, 2014). Die im ISO-Standard ISO 9241-210:2019 beschriebenen Prinzipien und Aktivitäten des sogenannten User-Centered-Design (UCD) Ansatzes bieten hierfür den Grundstein (ISO, 2023). Ziel dieser Arbeit ist es nun, das Potential von künstlicher Intelligenz im User-Centered-Design und im Speziellen für die Prototypenerstellung zu ermitteln. Dabei liegt der Fokus auf den sogenannten interaktiven Prototypen, welche eine Interaktion mit den Benutzern*Benutzerinnen ermöglichen (Arnowitz, 2010). Dazu wurde zu Beginn eine Literaturrecherche zu den Themen künstliche Intelligenz und User-Interface-Design vorgenommen, um eine Wissensgrundlage zu schaffen. Darauf aufbauend wurden dann die einzelnen Schritte des User-Centered-Design Prozesses und die dazugehörigen Einsatzmöglichkeiten von künstlicher Intelligenz untersucht. Im darauffolgenden praktischen Teil der Arbeit wurde eine Technologieakzeptanzstudie nach dem Modell der Unified Theory of Acceptance and Use of Technology (UTAUT) nach Venkatesh et al. (2003) in Form einer Onlineumfrage durchgeführt. Die Erkenntnisse aus der Onlineumfrage zeigen, dass sowohl die Leistungserwartung, die Aufwandserwartung, die sozialen Einflüsse als auch die erleichternden Bedingungen der Teilnehmer*innen miteinander korrelieren, aber einzig und allein die sozialen Einflüsse einen signifikant positiven Einfluss auf die Verhaltensabsicht und infolgedessen auch auf das Nutzungsverhalten von Personen haben. Im Zuge der Umfrage gab die Mehrheit der Teilnehmer*innen an, dass sie positive Erwartungen an die Leistung und den Aufwand der Nutzung von künstlicher Intelligenz zur Erstellung von interaktiven Prototypen hat. Die sozialen Einflüsse und erleichternden Umstände wurden genauso wie die Verhaltensabsicht eher neutral, aber mit positiven Tendenzen bewertet. Eine weiterführende Forschung im Bereich der Wirtschaftsinformatik könnte daher in Form einer qualitative Forschung durchgeführt werden, beispielsweise durch User-Tests unter überwachten Bedingungen. Dabei könnte das Verhalten der Benutzer*innen während der Interaktion mit der künstlichen Intelligenz beobachtet werden, um tiefere Einblicke zu gewinnen und die Ergebnisse vergleichbar zu machen.

In diesem Beitrag wird die Rolle von Künstlicher Intelligenz (kurz KI) bei der Erlangung von IT-Sicherheitszertifizierungen untersucht. In einer zunehmend digitalisierten Welt sind Unternehmen verschiedenster Branchen auf die Implementierung effektiver Sicherheitsmaßnahmen angewiesen, um ihre Daten und Systeme vor Bedrohungen (wie zum Beispiel Hacker) zu schützen. Diese Arbeit beleuchtet, wie KI-Technologien in verschiedenen Phasen des Zertifizierungsprozesses eingesetzt werden können. Dazu gehören die Identifizierung von Sicherheitsrisiken durch die Analyse der Beschreibung von Unternehmen, die Entwicklung und Umsetzung von Sicherheitsrichtlinien sowie die Definition neuer Prozesse und Verfahren, um die Sicherheit von Unternehmen zu gewährleisten. Diese Arbeit gibt einen Überblick über die Potenziale und Herausforderungen, die mit dem Einsatz von KI im Rahmen der IT-Sicherheitszertifizierung verbunden sind, und zeigt auf, wie Organisationen ihre Sicherheitspraktiken durch intelligente Technologien optimieren können. Zu diesem Thema wurden Experten interviewt, die mit künstlicher Intelligenz bereits Erfahrung sammeln konnten und mit den Antworten der KI gegenübergestellt. Durch die Integration von KI in den Zertifizierungsprozess können Unternehmen nicht nur die Effizienz ihrer Sicherheitsbemühungen in Form von Analyse von Sicherheitslücken steigern, sondern auch dazu beitragen, die Einhaltung von Sicherheitsstandards und -richtlinien zu gewährleisten. Die KI hat aber zum jetzigen Zeitpunkt noch einige Mängel, die es gilt in Zukunft anzupassen respektive mit Trainingsdaten zu IT-Security Standards zu versehen, um so eine Künstliche Intelligenz zu schaffen, die wie ein Experte auf diesem Gebiet handeln kann. Ein Nebenprodukt dieser Arbeit ist eine - anhand der Experteninterviews - erstellte Prozesskarte zur Zertifizierung und Rezertifizierung von Sicherheitszertifikaten und -standards.

Customer – Releationship Management Systeme haben in den letzten Jahren eine immer größere Bedeutung für Unternehmen bekommen. Das System wird ins Unternehmen sowie deren Prozesse integriert. Dies kann unter der richtigen Verwundung den Umsatz der Unternehmen steigern und Prozesse optimiert werden. Aktuelle CRM System wie Salesforce bieten die Möglichkeit der Integration einer Artificial Intelligence welche auf Basis der vorhandenen Daten Vorhersagen über Kosten eines Angebots und wie hoch die Wahrscheinlichkeit ist, dass es zu einem Auftrag kommen wird. Diese Informationen sollen dem Sales Mitarbeiter bzw. der Sales Mitarbeiterin bei der Angebotslegung sowie Kalkulation unterstützen. Für den Einsatz von Artificial Intelligence ist das Sammeln von Informationen ein wichtiger Punkt weshalb auch das Thema Big Data aufgearbeitet wird. Im Rahmen dieser Arbeit sollen die Auswirkungen des Einsatzes überprüft werden, im Speziellen wird die Artificial Intelligence mit dem Namen „Einstein“ des Salesforce CRM Systems untersucht. Um dies zu überprüfen wird ein Versuch durchgeführt, welcher zwei CRM Systeme miteinander vergleicht, zu diesem Zweck werden in unterschiedlichen Gruppen Aufgabenstellungen gestellt und die durchgeführt werden sollen. Die Teilnehmer / Teilnehmerinnen werden im Rahmen eines Interviews erfragt inwiefern sich die Systeme unterschieden haben, ob und welche Effekte auf das Vorgehen bei der Durchführung hatte. Auf Basis der Ergebnisse werden Schlussfolgerungen erstellt, ob es Auswirkungen gab und welche diese waren in Bezug auf die Angebotserstellung und dem allgemeinen Vorgehen. Aus der Arbeit wird hervorgehen, dass eine gute Informationsqualität eine Voraussetzung für den Einsatz von Artificial Intelligence ist, welche sich wiederum auf die Vorhersagen bzw. Unterstützung auswirkt. Das erarbeitete Wissen, welches aus dieser Arbeit hervorgeht, bietet eine Grundlage für die Verwendung und Integration einer Artificial Intelligence.