Regalbediengeräte haben einen sehr volatilen Energiebedarf, welcher in weiterer Folge zu hohen Lastspitzen führt. Neben dem reinen Stromverbrauch einer Anlage haben auch diese Energiebedarfsspitzen Auswirkungen auf die Kosten für die Energieversorgung und die dafür notwendige Infrastruktur. Zur Reduktion des Spitzenbedarfs einer Anlage mit mehreren Regalbediengeräten ist eine entsprechende Koordination der Geräte in Form eines Lastmanagements notwendig. Ziel dieses Lastmanagements ist es, die Überlagerung von Lastspitzen der einzelnen Regalbediengeräte zu verhindern. Im Rahmen dieser Masterarbeit wurden verschiedene Konzepte für ein entsprechendes Lastmanagement erarbeitet. Diese Konzepte wurden als zusätzliches Softwaremodul in die bestehende Standardsoftware für Regalbediengeräte von Jungheinrich Systemlösungen integriert. Die Wirksamkeit und Effizienz des Lastmanagements wurde im realen Anwendungsumfeld geprüft und verifiziert. Dabei wurden sowohl die mögliche Reduktion der Energiebedarfsspitzen als auch die Auswirkung auf die Systemleistung betrachtet. Als Ergebnis entstanden verschiedene Lösungen, die den Energiebedarf bzw. die Systemleistung unterschiedlich stark beeinflussen. Dadurch ist es möglich, abhängig von den Anforderungen der KundInnen, das jeweils passende Lösungskonzept anzubieten.

Understanding user behaviors and preferences is crucial in today’s digital landscape, driving the need for automated persona generation. This thesis explores the potential of topic modeling and sentiment analysis to enhance data-driven persona creation. Analyzing a corpus of 676,000 tweets from 6,760 Twitter users (now x.com1), the study applies BERTopic for topic modeling and VADER for sentiment analysis to identify distinct themes and emotional tendencies in usergenerated content. A key finding is the significant impact of pre-processing, which improves topic coherence andinterpretability, contradicting claims that BERTopic performs equally well on raw data. The results indicate that bots predominantly generate neutral, task-oriented content, while humanusers – particularly female users – express more varied and emotionally rich sentiment.Integrating topic modeling and sentiment analysis enables multidimensional persona creationby combining thematic interests with emotional characteristics, emphasizing the value of author profiling in data-driven persona generation.This thesis highlights the potential of text mining techniques in persona creation while acknowledging challenges such as sentiment misclassification and the differentiation between bots and humans. Moreover, the findings highlight the need for structured datasets to enhance large language model-based persona descriptions, ensuring greater accuracy and coherence.Future research should explore alternative machine learning models, refine clustering methods, and assess cross-platform applicability. The combination of topic modeling and sentiment analysis offers promising opportunities for automating persona generation, enhancing e.g.,targeted marketing, and improving social media analysis.

Die vorliegende Masterarbeit mit dem Titel Evaluierung der Einsatzmöglichkeiten von E-Learning-Systemen im B2B Vertrieb“ untersucht die Identifizierung und Gewichtung von Kriterien zur Bewertung von E-Learning-Systemen im Business-to-Business (B2B)-Vertriebsumfeld. Angesichts der wachsenden Bedeutung digitalen Lernens im Corporate Learning trägt diese Studie dazu bei, eine bestehende Forschungslücke in der Bewertung von E-Learning-Systemen für das Vertriebsumfeld und Performance-Steigerungen in der Branche zu adressieren. Die Untersuchung basiert auf einem qualitativen Forschungsansatz, welcher eine KI-gestützte Literaturrecherche sowie Befragungen von Personen mit Fachexpertise nach dem Kano-Modell umfasst. Branchenspezifische Bewertungskriterien wurden aus der Fachliteratur abgeleitet und anhand der Einschätzungen erfahrener B2B-Vertriebsexpertinnen und -experten gewichtet. Der Funktionsumfang von zehn E-Learning-Systemen wurde mit einer dreistufigen Skala bewertet, um Objektivität und Vergleichbarkeit sicherzustellen. Die Ergebnisse zeigen, dass Absorb LMS den umfangreichsten ungewichteten Funktionsumfang bietet. Nach der fachspezifischen Gewichtung deutet die Analyse darauf hin, dass führende E-Learning-Systeme Funktionen priorisieren, die von Experten und Expertinnen aus dem B2B-Vertrieb geschätzt werden. Diese Arbeit identifi-ziert19 fundierte, branchenspezifisch gewichtete Kriterien zur Bewertung von E-Learning-Systemen imB2B-Vertrieb. Die Ergebnisse legen nahe, dass aktuelle Plattformen grundsätzlich für den Einsatz in diesem Bereich geeignet sind. Gleichzeitig wird weitere empirische Forschung empfohlen, um die praktische Anwendbarkeit der Kriterien zu validieren und bestehende Auswahlprozesse weiter zu optimieren.

Die zunehmende Verbreitung von Large Language Models (LLMs) in Unternehmenskontexten eröffnet neue Möglichkeiten zur Automatisierung von Wissensabruf, Inhaltserstellung und Entscheidungsunterstützung. Gleichzeitig stellt ihre Implementierung hohe technische Anforderungen an die bestehende IT-Infrastruktur und Datenarchitektur von Unternehmen. Diese Arbeit entwickelt ein strukturiertes Framework, das Unternehmen bei der technischen Vorbereitung auf die Integration von LLMs unterstützt. Im Fokus der Untersuchung stehen die zentralen technischen Anforderungen, die Unternehmen erfüllen müssen, um LLMs gezielt in spezifische Aufgaben innerhalb ihrer Geschäftsprozesse zu integrieren. Ein besonderer Schwerpunkt liegt auf der Analyse unternehmensinterner Datenformate und -strukturen sowie den notwendigen Vorverarbeitungsschritten zur Sicherstellung der Kompatibilität mit LLMs. Darüber hinaus werden Best Practices für die Archivierung und Bereitstellung von Daten identifiziert. Ergänzend erfolgt eine vergleichende Analyse von On-Premises- und Cloud-basierten Hosting-Lösungen sowie von selbst-gehosteten und extern-gehosteten LLMs, wobei Skalierbarkeit und Sicherheit als zentrale Bewertungskriterien herangezogen werden. Ein weiterer Fokus der Arbeit liegt auf Retrieval-Augmented Generation (RAG) als Methode zur Optimierung der LLM-Leistung durch die Nutzung unternehmensspezifischer Wissensbestände. Die Arbeit folgt der Design Science Research Methodologie und kombiniert eine umfassende Literaturanalyse mit leitfadengestützten Experteninterviews, die primär zur Evaluation und Feinjustierung des entwickelten Frameworks dienen. Die Evaluation überprüft dessen Anwendbarkeit in verschiedenen Branchen und dessen Potenzial, IT-Abteilungen und Entscheidungsträger bei der strategischen Einführung von LLMs zu unterstützen. Die Ergebnisse dieser Arbeit sollen praktische Empfehlungen für die technische Implementierung von LLMs in Unternehmen bieten. Sie berücksichtigen sowohl infrastrukturelle als auch datenspezifische Anforderungen und sollen eine Entscheidungsgrundlage für die Einführung und Nutzung von LLMs liefern.