Das Institut für empirische Wirtschafts- und Sozialforschung (IWS) besteht aus einem interdisziplinären Team ausgewiesener Experten.
Projekt- und Forschungsarbeit am Institut kann in die Schwerpunkte Data Science, Business & Competitive Intelligence und Marktforschung unterteilt werden. Dabei sind die Schwerpunkte nicht hart abgegrenzt, sondern überschneiden sich in vielen Bereichen.
Zusammengefasst beschäftigt sich das Institut mit der Modellierung und Prognose von komplexen und hochdimensionalen Massendaten aus den unterschiedlichsten Quellen (Big Data). Dabei stehen betriebswirtschaftliche Rahmenbedingungen, wie Kostenfunktionen, Kundenzentrierung, Prozess- und Digitalisierungsaspekte aber auch die Entwicklung von neuen Geschäftsmodellen und Value Added Services im Focus. Konkret bedeutet dies, dass wir aus ökonomischer Sicht u.a. den folgenden Fragen nachgehen:

• Welche Daten sind im Zeitalter von Big Data aus betriebswirtschaftlicher Sicht für das einzelne Unternehmen bzw. für eine Branche     relevant, wie können diese Daten am sinnvollsten gespeichert und ausgewertet werden.
• Mit welchen Algorithmen und Daten können ökonomisch relevante Ereignisse am besten prognostiziert werden?
• Wie können betriebswirtschaftliche Kostenfunktionen in Machine Learning Algorithmen und der Künstlichen Intelligenz integriert werden?
• Wie können neue Business Opportunitäten aus der umfangreichen Datenlandschaft, der Digitalisierung und den aus dem Data Science generierten Erkenntnissen entwickelt werden?

Von der Problemstellung und Zieldefinition über die Machine Learning Pipeline bis zu Prescriptive Analytics ermöglicht der Data Science Cycle eine businessorientierte und eine konsequent am Nutzen des Endkunden ausgerichtete Umsetzung von Data Science Fragestellungen in Unternehmen.

Die Arbeitsgruppe Business & Competitive Intelligence beschäftigt sich mit allen Fragestellungen hinsichtlich der Zusammenführung, Integration und Auswertung von internen und externen Daten zur Beantwortung ökonomischer Probleme.
Fragestellungen der Arbeitsgruppe sind z.B. die Entwicklung und Implementierung eines ganzheitlichen Customer Prozess und Equity Managements.  
Mit dem BCI Analyzer, Segmenter und Forecaster hat die Arbeitsgruppe drei Module für die Analyse, Segmentierung und Prognose von betriebswirtschaftlichen Daten entwickelt. Die Arbeitsgruppe verwendet für die Bearbeitung ihrer Fragestellungen und zur Weiterentwicklung der Module Elemente aus dem Data Science Cycle. Bei Bedarf entwickelt die Gruppe den Data Science Cycle entsprechend weiter.

Die Zielsetzung des vom BMBF geförderten Projekts „ZELIA - Zuhause eigenständig leben im Alter“ ist die Entwicklung eines Frühwarn- und Alarmierungssystems für ältere Menschen auf Basis der Analyse von Strom- und Wasserverbrauchsdaten. Selbstlernende Algorithmen analysieren in Echtzeit die Verbrauchsdaten der Haushalte und identifizieren vom normalen Tagesrhythmus abweichendes Verhalten. Mit Hilfe der Alarmierungs- und Frühwarnfunktion können dann Hausnotrufdienstleister oder auch Angehörige und Nachbarn verständigt werden.

zurück zur Übersicht "Institute der WH"