Forschung
Die Professur Wirtschaftsinformatik, insb. Buisness Analytics forscht in den Themengebieten der Anwendung maschineller Lernverfahren (ML) und Methoden der künstlichen Intelligenz (KI) in Unternehmen. Unsere Forschung zielt auf die Lösung praktisch relevanter Probleme und auf die Weiterentwicklung der dazu erforderlichen Theorien und Methoden ab. Neben Erkenntnissen zur Gestaltung von ML-basierten Informationssystemen ist es das explizite Ziel, prototypische Lösungen ins Feld zu bringen und damit einen Mehrwert in der betrieblichen Praxis der Industriepartner zu schaffen. Ein weiterer Schwerpunkt der Forschung ist die Wertschöpfung durch KI in Unternehmen.
News
Am Dienstag, 20. Mai 2026, um 15:30 Uhr findet im Raum C33.U12 ein Gastvortrag von Simon Merz (School of Economics and Business, Martin-Luther-Universität Halle-Wittenberg) statt.
Der Vortrag stellt eine experimentelle Studie vor, die untersucht, ob und wie Menschen KI-Systeme und menschliche Entscheidende unterschiedlich bestrafen – in Abhängigkeit von Absicht und Ergebnis. Grundlage ist das sogenannte „Trembling Hand"-Spiel: Eine entscheidende Person wählt zwischen zwei Würfeln, die unterschiedliche Gewinnverteilungen wahrscheinlich machen, und signalisiert damit gute oder schlechte Absichten. Da beide Würfel faire wie unfaire Ergebnisse produzieren können, erlaubt das Design, Absichten von Ergebnissen zu trennen.
Die vorläufigen Befunde zeigen: Bestrafung wird vor allem durch das Ergebnis bestimmt. Bei menschlichen Entscheidenden führen schlechte Absichten zu spürbar härteren Strafen – bei KI hingegen kaum. Dies deutet auf einen möglichen Vorteil der Delegation von Entscheidungen an KI-Systeme hin, insbesondere in Situationen, in denen eigentlich schlechte Absichten vorliegen.
Alle Interessierten sind herzlich eingeladen.
Nach einem Semester Vertretung wurde Prof. Dr. Konstantin Hopf seit 15. Februar 2026 als Inhaber des Lehrstuhls für Wirtschaftsinformatik, insb. Business Analytics, ernannt. Er setzt damit seine Forschung und Lehre im Bereich des Einsatzes von erklärbaren maschinellen Lernverfahren und der datenbasierten Entscheidungsunterstützung an der TU Chemnitz fort. Lesen Sie die vollständige Pressemitteilung.
Der Artikel „Validating Explainer Methods: A Functionally Grounded Approach for Numerical Forecasting“, welcher in Zusammenarbeit mit der Otto-Friedrich-Universität Bamberg entstanden ist, erscheint in Kürze in der Fachzeitschrift Journal of Forecasting (Impact Factor 3.2, VHB „B“). Der Artikel befasst sich mit der Validierung von Erklärmethoden für numerische Prognosemodelle und zeigt, wie sich die Aussagekraft und Zuverlässigkeit von Explainable-AI-Ansätzen für Zeitreihenprognosen systematisch überprüfen lassen. Die Veröffentlichung ist Open Access, also frei zugänglich.
In der Februar-Ausgabe der Fachzeitschrift Energy Policy (Impact Factor 9, VHB „B“) erscheint der Forschungsartikel „Do dynamic electricity tariffs change the gains of residential PV-battery systems? A simulation-based evaluation using data from 448 households“, welcher in Zusammenarbeit mit der Otto-Friedrich-Universität Bamberg und der Julius-Maximilians-Universität Würzburg entstanden ist. Die Veröffentlichung ist Open Access, also frei zugänglich.
Die Studie zeigt, wie flexible Stromtarife die Wirtschaftlichkeit von Heimspeichern verbessern können und eröffnet neue Perspektiven für Haushalte und Energiepolitik. Der Beitrag hat bereits mediale Aufmerksamkeit erhalten, unter anderem durch einen Bericht im pv magazine am 24.11.2025.