CfP for Business Intelligence and Analytics (WSBIA 2024)

Über ein Jahr nach dem ChatGPT-Moment beginnt sich der erste Staub zu legen und es zeichnen sich erste Erkenntnisse zu den Potentialen und Grenzen generativer Artificial Intelligence (GenAI) ab. Eine der ersten Lehren ist die alte Erkenntnis, dass der erfolgreiche betriebliche Einsatz dieser Technologie eine verlässliche Datenbasis erfordert. Auch die beste AI kann unklare, widersprüchliche, veraltete und fehlerhafte Daten nicht „gesundzaubern“. Saubere Metadaten, ausgearbeitete Datenmodelle, definierte Semantiken und Transformationsstrecken sowie eine klare Data und Analytics Governance sind nicht mehr nur für menschliche Akteure entscheidend, sondern auch für neue AI-basierte Anwendungen und Agenten. Grundsätzlich können diese Erkenntnisse auf alle Arten von analytischen Lösungen übertragen werden. Durch die neuen Lösungen erhöht sich der Druck, im betrieblichen Datenmanagement auch solche Domänen zu erschließen, die sich bislang aufgrund ihrer hohen fachlichen Spezifität, ihrer komplexen oder fehlenden Struktur oder ihrer geringen Zugänglichkeit einem analytischen Zugang entzogen haben. Kombiniert man diese Entwicklungen mit dem Erstarken von Self-Service Analytics-Lösungen, föderierten Ansätzen sowohl zur Datenhaltung (Data Mesh, Data Fabric, Data Spaces) als auch zur Datenanalyse (Federated Machine Learning), so werden die erheblichen Herausforderungen – aber auch Potentiale sichtbar, die ein gelungenes Datenmanagement für AI und Analytics besitzt.

Umgekehrt werden AI- und Analytics-Technologien immer häufiger zum Enabler für den Umgang mit und die Analyse von Daten. Sei es bei der Interpretation von Reports und Analysen sowie der dahinterstehenden Abfragen und Auswertungen, der automatisierten Entwicklung von Analyselösungen, im Umgang mit dem Datenqualitätsmanagement oder bei der automatischen Generierung und Interpretation von Metadaten, AI verspricht erhebliche Effizienz- und Effektivitätsgewinne. Und öffnet gleichzeitig ein bislang noch nicht erschlossenes Feld gänzlich neuer analytischer Anwendungen, deren Entwicklung und Evaluation allerdings auch neue Konzepte erfordern.

Der Workshop widmet sich diesen sowie benachbarten Themenkomplexen.

Ziel des Workshops ist es, innovative Forschungsansätze und Forschungsergebnisse aus dem Bereich Business Intelligence und Analytics/AI (BIA) zu präsentieren, zu diskutieren und in Bezug zu setzen (Full Paper). Vorgestellt werden sollen neben originären Forschungsergebnissen bewusst auch Zwischenergebnisse aus Forschungsprojekten, konkrete Forschungsideen sowie neue methodische Herangehensweisen (Research in Progress). Ebenfalls eingereicht werden können bereits veröffentlichte Beiträge und Zwischenergebnisse (Re-Submissions), die zur Fortentwicklung und zum Finden von Partnern für Anschlussarbeiten vorgestellt werden. Unabhängig davon sind Poster-Einreichungen zu Prototypen, Design-Artefakte und Praxisbeiträgen willkommen.

Auch in diesem Jahr ist der Workshop auf die Unterstützung bei der Initiierung neuer Forschungsvorhaben, die aktive Vorbereitung hochwertiger Publikationen, sowie Initiierung möglicher Kooperationen ausgerichtet. Zielgruppe sind insbesondere auch Doktoranden. Ein Austausch mit den parallel stattfindenden Veranstaltungen wird explizit gewünscht und gefördert.

• Das Zusammenspiel zwischen GenAI und Datenmanagement/BIA

• Konzepte zur Integration von AI und Datenmanagement – inhaltlich, technisch und organisatorisch

• AI-gestützte BIA – neue Ansätze für Datenhaltung und Datenanalyse

• BIA und AI als Grundlage digitaler Geschäftsmodelle / BIA in der digitalen Transformation / BIA im Innovationsprozess

• Betriebswirtschaftliche Anwendungsfelder von Künstlicher Intelligenz und Deep Learning:
  mono- und multimodale Large Language Models (Transformer Networks, JAMBA-Modelle, KANs etc.), Convolutional Neural Networks, Deep Recurrent Neural Networks und LSTMs, Deep Reinforcement Learning, Deep Autoencoder, Generative Adversial Networks, Capsule Networks, etc.

• Innovative Anwendungen von Natural Language Processing/Large Language Models/Text Mining, Process Mining, Social Network Analysis, Geo-Analyse & Co.

• Design, Management und Governance agentenbasierter AI-Lösungen

• Integration und Auswertung von Kundendaten; DSGVO-konforme BIA, Konzepte für Anonymisierung und Pseudonomisierung im BIA- & AI-Kontext

• Verflechtung von Analytics und AI in Geschäftsprozesse sowie integrierte Ansätze für das Management entsprechender Lösungen

• Innovative BIA-Anwendungsdomänen (z.B. BIA in der Logistik, BIA und Smart Farming, BIA im Energiesektor / im Internet der Energie, in der Wasserwirtschaft, BIA und Health Care, BIA in der Öffentlichen Verwaltung)

• BIA im Kontext der Themen „Internet der Dinge“ und „Industrie 4.0“

• Organisation von BIA und AI, Data-Science-Teams, BIA & AI Competence Center

• Agilität für BIA und AI und Agilität durch BIA und AI

• BIA- und AI-Governance, Entwicklungs- und Betriebskonzepte sowie deren Werkzeugunterstützung

• Self-Service-Analytics/Self-Service ML und Sourcing-Konzepte

• Operationalisierung und Betrieb von ML-Modellen; Modelllebenszyklus-Management

• Cloud-basierte BIA: BIA mit Microservices, Containern, Function as a Service / Serverless Computing, Model-asaS

• DataOps, MLOps und AIOps

• AutoML und Augmented Analytics

• Explainable AI, Ethical AI und Compliance-konforme AI

• BIA und Big-Data / NoSQL

• Metadatenmanagement, Datenqualitäts- und Stammdatenmanagement im BIA-Umfeld

• BIA über Unternehmensgrenzen, Data Sharing & Data Broker, Datengenossenschaften

Weitere Ergänzungen sind willkommen.

The submission deadline has been extended to July 14, 2024!

• Submission deadline: July 01, 2024 extended to July 14, 2024
• Notification of acceptance: August 07, 2024
• Camera-ready copy: August 20, 2024
• Workshop FG-BIA@LWDA: September 23 – 25, 2024 (Universität Würzburg)

• Sämtliche Einreichungen sind auf Basis der CEUR-WS-Formatrichtlinien zu erstellen: http://ceur-ws.org/Vol-XXX/CEURART.zip.

• Sowohl deutschsprachige als auch englischsprachige Beiträge sind willkommen.

• Full Paper umfassen 10-12 Seiten (ohne Literaturverzeichnis) und beinhalten in sich (großteils) abgeschlossene Forschungsaktivitäten.

• Research in Progress Paper (Short Paper) umfassen als 4-9 Seiten (ohne Literaturverzeichnis), in denen Forschungsideen und neue Design-Projekte vorgestellt werden. Dargelegt werden sollten dabei Vorgehen, Methode und Datengrundlage. Erste Ergebnisse sollten erkennbar sein.

• Bei Poster Papern zu Prototypen und Design-Artefakten und für Praxisbeiträgen sollte der Erstellungsprozess abgeschlossen sein und die Annahmen transparent dargelegt werden.

• Re-Submissions werden auf insgesamt 1-2 Seiten zusammengefasst, in denen auf die existierende(n) Publikation(en) verwiesen wird.

• Jede Einreichung wird doppelt begutachtet.

• Die Einreichung erfolgt via EasyChair easychair.org/account2/signin

• Wird ein Beitrag zur Präsentation und Veröffentlichung (optional) angenommen, muss sich mindestens ein Autor zur Konferenz LDWA 2024 anmelden und die Arbeit persönlich vorstellen.

Full- und Short-Paper mit einer Länge von mindestens 5 Seiten können im Tagungsband der LWDA publiziert werden (ausgenommen Re-Submissions): CEUR-Workshop-Proceedings: http://ceur-ws.org

• Dr. Henning Baars, Universität Stuttgart

• Prof. Dr. Carsten Felden, TU Bergakademie Freiberg

• Dr. Ralf Finger, Information Works

• PD Dr. Sebastian Olbrich, Deloitte

Dr. Henning Baars
Lehrstuhl für ABWL und Wirtschaftsinformatik I – Universität Stuttgart
Keplerstr. 17 – 70174 Stuttgart , Tel.: 0711 – 685 83037
E-Mail: henning.baars@bwi.uni-stuttgart.de