[Zurück]
 
Please choose
Jahr
Details
Sprache
Sortierung
Ausgabe
neu: RTF !
 Research Report for 2014

Abteilung für Wirtschaftsinformatik

Wirtschaftswissenschaftliches Insitut

Schwerpunkt für Public & Non-Profit Management und ökonomische Nachhaltigkeitsforschung

Platz der Alten Synagoge
79085 Freiburg i. Br.
Tel: 0761-203-2395 Fax: 0761-203-2416
Email wirtschaftsinformatik@vwl.uni-freiburg.de
http://www.is.uni-freiburg.de


Scientific Employees

  • Prof. Dr. Dirk Neumann, Lehrstuhl für Wirtschaftsinformatik
  • Prof. Dr. Franz Schober, Emeritus (ab 01.10.2006)
  • Dr. Johannes Bendler, Wissenschaftlicher Mitarbeiter (m/w)
  • M.Sc. in Economics & Finance Simon Alfano, Externer Doktorand (m/w)
  • Dr. Tobias Brandt, Assistent / Gruppenleiter (m/w)
  • Dr. Stefan Feuerriegel, Assistent / Gruppenleiter (m/w)
  • M.Sc. in Business Engineering Gunther Gust, Doktorand (m/w)
  • Dipl.-Inform., MBA Florian Hillebrand, Externer Doktorand (m/w)
  • Dr. Xiaoqiu Qiu, Wissenschaftlicher Mitarbeiter (m/w)
  • M.A. in Internet Economics Ye Tian, Externer Doktorand (m/w)
  • Dr. Sebastian Wagner, Doktorand (m/w)
  • Dr. Philipp Bodenbenner, Externer Doktorand (m/w)
  • Dr. Markus Götzinger, Externer Doktorand (m/w)
Entries in "Who is Who"

Main Research

  • Unter dem Begriff Big Data wird die massiv zunehmende Menge an Informationen in sämtlichen Bereichen der Gesellschaft, Wirtschaft und Wissenschaft verstanden. Diese digital gespeicherten Daten, die weltweit bereits die Zettabytegrenze überschritten haben und täglich wachsen, werden üblicherweise mit den 4 Vs charakterisiert: Danach bezeichnet Big Data massive, täglich wachsende Datensammlungen (Volume) im Tera- bzw. Petabyte Bereich, die in unterschiedlichen Formaten (z.B. Text, Video, strukturierte Daten) vorliegen (Variety) und innerhalb von Millisekunden abge-ändert werden (Velocity) müssen. Typischerweise ist der Wahrheitsgehalt dieser Daten nicht gesi-chert, was die Nutzung erschwert (Veracity). In vielen Anwendungen wie etwa Social Media (Twitter), Sensordaten (wie etwa RFID bzw. Smart Metering) fallen Datensätze an, die unter die Definition Big Data fallen. Die Analyse dieser riesigen Datenmengen bietet offenkundig in allen Bereichen des Lebens große Chancen. Auch aus metho-discher Sicht kann Big Data als neues Forschungsparadigma angesehen werden, da Entscheidungen rein datengetrieben ohne zugrunde liegende Theorie getroffen werden können. Allerdings stellt die Analyse eine enorme Herausforderung für die Wirtschaftsinformatik dar, da einerseits Algo-rithmen benötigt werden, die die riesigen, heterogenen Datenmengen bewältigen können. Ande-rerseits muss gewährleistet sein, dass die Zusammenhänge in den Daten nicht zufällig, sondern kausal begründet sind. Das Forschungsdach des Lehrstuhls für Wirtschaftsinformatik bildet folglich „Big Data Analytics“, mit dessen Hilfe datengetriebene Branchenlösungen generiert werden. Als Anwendungsfokus stehen die drei Bereiche eEnergy, eFinance und eCommerce. Wie die Diskussion um die Spionage-programme PRISM und TEMPORA demonstriert, werden vermehrt Mechanismen benötigt, die die Privatsphäre schützen. Daher werden schon bei der Entwicklung von Big Data Analytics Verfahren Schutzmechanismen zur Wahrung der Privatsphäre integriert (Privacy-by-Design).
  • 1) Anwendungsfeld: Energie: Angesichts explodierender Bevölkerungszahlen, Klimawandel und Atomausstieg steht die Menschheit vor massiven Problemen in der Energieversorgung, einer der zentralen Säulen der Zivilisation. Da die fossilen Energieträger des Planeten begrenzt sind, müssen diese möglichst ef-fektiv, effizient und vor allem nachhaltig eingesetzt werden. Eine derartige, effiziente Nutzung ist allerdings in der heutigen Zeit ohne intelligente ITLösungen nicht realisierbar. Mittlerweile liegen massive Datensätze im Bereich der Energieerzeugung und der Energienutzung (z.B. Smart- Mete-ring- Daten, Mobilitätsdaten) vor, so dass IT- Lösungen sich dieser Datens(ch)ätze bedienen kön-nen. Das Anwendungsfeld kann logisch in die folgenden Teilfelder unterteilt werden: Energieeffi-zienter Transport, Energieeffiziente Systeme, Energiemodellierung und Benchmarking sowie Ener-giepolitikempfehlungen. Der Transport verbraucht große Mengen an Treibstoff und verursacht immense Mengen an CO2 Emissionen. Eine Reduktion des Energieverbrauchs nimmt daher eine zentrale Rolle in der Energieversorgung der Zukunft ein. Ferner werden energieeffiziente Systeme benötigt, die ggf. dezentral die Stromnachfrage und Stromproduktion ohne Versorgungsengpässe jederzeit bei moderater Netznutzung in Einklang bringen. Der Aufbau energieeffizienter Systeme erfordert zwingend, die Stromnachfrage besser zu verstehen. Im Teilbereich Energiemodellierung und Benchmarking werden daher Modelle entwickelt, die die reale Strom- bzw. Energienachfrage adäquat reflektieren. Ferner ist ein Benchmarking alternativer Energiesysteme unter den Zielen der Effizienz, Versorgungssicherheit und Kosten durchzuführen. Aus den Analysen werden im Teil-bereich Politikempfehlungen deduziert, wie die nationale Energieversorgung organisiert werden sollte.
  • a) Energieeffizienter Transport: Der Teilbereich des effizienten Transports spaltet sich einerseits in Green Logistics und an-dererseits in Electric Vehicles auf. Green Logistics fokussiert dabei, inwiefern durch ge-schickte Planungsverfahren Energiekosten und damit CO2 Emissionen verbunden mit dem physischen Transport verringert werden können. Das zweite Feld der Electric Vehicles un-tersucht, inwiefern Elektrofahrzeuge genutzt werden können, um den Energieverbrauch zu senken. Elektrofahrzeuge können als Stromspeichermedium verwendet werden; daher eigenen sie sich zur besseren zeitlichen Koordination von Stromangebot und –nachfrage.
  • b) Energieeffiziente Systeme: Die Entwicklung energieffizienter Systeme gliedert sich in dezentrale Energiesysteme und in der Integration erneuerbarer Energien in die Energieversorgung. Unter dezentralen Energiesystemen (wie etwa Microgrids) werden für gewöhnlich sehr kleine Systeme (1 KW – 60 MW) verstanden, die für gewöhnlich auf Kundenseite installiert sind. Strategisch ge-schickt implementierte dezentrale Energiesysteme können dazu beitragen, auf der Kun-denseite die Energienachfrage zu reduzieren bzw. zu verschieben, um die Spitzenlasten aus dem Netz zu eliminieren. Andererseits dienen dezentrale Energiesysteme auch dazu, dass die Netzbelastung verringert wird, da die lokale Stromnachfrage mit lokaler Stromer-zeugung bedient wird. Die Notwendigkeit eines extensiven Stromtransports entfällt damit weitgehend. Instrumente dezentraler Energiesysteme umfassen dabei die verteilte Strom-generierung (distributed generation), die Nachfragesteuerung (demand-side manage-ment, die Speicherung (energy storage) und rückeinspeisefähige Elektrofahrzeuge (Vehic-le-to-Grid). Als Spezialproblem wird das energieeffiziente Management moderner IT Infra-strukturen (Green Computing) untersucht. Heutzutage verursachen IT-Infrastrukturen ebenso viel schädliche CO2 Emissionen, wie die gesamte Luftfahrbranche. Die Verringerung des Energieverbrauchs ist dabei schwierig, da state-of-the-art IT-Systeme wie etwa Multi-Tier Enterprise Systeme sehr komplex sind, was eine ressourcenschonende Steuerung die-ser Systeme erschwert. Es werden daher Konzepte und Algorithmen entwickelt, welche den Energieverbrauch um bis zu 50% senken. Mit dem Beschluss der Energiewende ent-steht die Notwendigkeit verstärkt regenerative Energien in das Netz einzuspeisen. Anders als Atomkraft sind regenerative Energien sehr volatil und schwer planbar. Daher ist es not-wendig verschiedene regenerative Energieträger mit unterschiedlichen Schwankungsmus-tern in das System so zu integrieren, dass die Varianz des Gesamtsystems verringert wird. Das dritte Teilgebiet widmet sich daher dezidiert der Integration regenerativer Ener-gien in das Gesamtsystem.
  • c) Nachfragemodellierung und Tarifdesign: Das Thema der Nachfragemodellierung für Strom, Gas und Öl ist insbesondere in den 70er und frühen 80er Jahren in vielen theoretischen und empirischen Arbeiten untersucht – ver-lor dann aber an Bedeutung. Mit Hilfe moderner Data-Mining und Ökonometrieverfahren können allerdings neue Phänomene in der Energienachfrage erhoben werden. Die meisten der bekannten Arbeiten untersuchen dabei die kurz- und die langfristige Prei-selastizitäten der Nachfrage bzw. die Einkommenselastizität. Weniger bekannt ist, wie sich die Nachfrage von anderen wichtigen Einflussfaktoren (wie z.B. das Wetter) verändert. Auf Basis dieser Erkenntnisse können anreizkompatible Stromtarife angeboten werden, die das Verhalten der Nachfrager dahingehend lenken, Energie dann nachzufragen, wenn sie aus-reichend vorhanden ist( Off-Peak Perioden). Des Weiteren wird untersucht, inwiefern die Einführung energieeffizienter Technologien die Stromnachfrage tatsächlich senkt und nicht erhöht, wenn nämlich der Einkommenseffekt hervorgerufen durch die Technologieände-rung den Substitutionseffekt dominiert (Jevons Paradox)
  • d) Politikhandlungsempfehlungen und Benchmarking: Auf Basis eines rigorosen Benchmarkings können die entwickelten Lösungen genutzt wer-den, um Handlungsempfehlungen für praktische Umsetzung treffen zu können. Besonde-res Augenmerk liegt dabei darauf, wie die Nutzung neuer Technologien (z.B. Elektroautos oder Micromärkte als lokale Verteilnetze) flächendeckend implementiert werden können.
  • Smart Cities & Industries Group Forschungsfokus: Smart Cities Unsere gegenwärtige Forschung in diesem Bereich konzentriert sich auf nachhaltige Energie- und Mobilitätslösungen. Einerseits analysieren wir, wie Geoanalysen und Optimierungsverfahren eingesetzt werden können, um die Verstärkung und Erweiterung des Stromnetzes intelligent zu planen. Andererseits nutzen wir Analytics-Verfahren, um die Koordination und den Betrieb von Mobilitätsdienstleistungen, wie Carsharing und den öffentlichen Nahverkehr, zu verbessern. Eine Zusammenfassung unserer laufenden und abgeschlossenen Forschungsprojekte gibt es hier. Forschungsfokus: Smart Industries Wir kooperieren mit Industriepartnern um neue Analytics-Verfahren zu entwickeln und zu validieren, die unternehmerische Betriebs- und Managementprozesse verbessern. Eine Zusammenfassung unserer aktuellen Forschungsprojekte gibt es hier. Spin-off: Geospin - Geospatial Intelligence Geospin ist ein Ausgründungsprojekt des Lehrstuhls, das derzeit durch ein EXIST-Gründerstipendium des Bundesministeriums für Wirtschaft und Energie und der Europäischen Union gefördert wird. Es wird geografische Big-Data-Analyseverfahren an den Markt bringen, welche in der SCI Group am Lehrstuhl für Wirtschaftsinformatik entwickelt wurden. Mehr Informationen gibt es auf der Webseite von Geospin. Berkeley-Kooperation Seit 2014 gibt es eine Kooperation auf dem Gebiet der Energieforschung mit dem Lawrence Berkeley National Laboratory in Berkeley, Kalifornien. In diesem Zeitraum konnten inzwischen zwei Doktoranden und zwei Studierende aus den Masterstudiengängen in Berkeley an Forschungsprojekten arbeiten. Mehr Informationen zu ihren Projekten und Erfahrungen gibt es hier.
  • 2) Anwendungsfeld: Finance: Nach der effizienten Markthypothese nach Fama spiegeln Marktpreise sämtliche Informationen wider. Informationen werden im Wesentlichen über Nachrichten (z.B. Agenturmeldungen, Zei-tungsartikel, Twitter Feeds) übermittelt. In finanzwirtschaftlichen Untersuchungen ist dieser Zu-sammenhang in vielen Arbeiten bestätigt, doch sind diese durch methodische Unzulänglichkeiten geprägt, da die Nachrichten nur in Ereignisstudien berücksichtigt werden; der Nachrichtentext wird i.d.R. nicht betrachtet. In dem Anwendungsfeld Finance werden moderne Textmining Verfahren verwendet, um zu analysieren, wie Nachrichten sich auf Preise widerspiegeln. Das Anwendungs-feld ist in die drei folgenden großen Blöcke unterteilt: Informationsverarbeitung in Finanzmärkten, Informationsverarbeitung in Commodity- Märkten (z.B. REITS, Öl, Kohle) und Subjektivität in der Informationsverarbeitung.
  • a) Informationsverarbeitung in Finanzmärkten: Finanzmärkte fallen unter die Kategorie Asset- Märkte, bei denen Bestandsgrößen gehan-delt werden. Asset- Märkte sind dadurch gekennzeichnet, dass Angebot und Nachfrage stets ausgeglichen sind. Damit reagieren Finanzmärkte deutlich schneller auf Nachrichten als Märkte, in denen Stromgrößen gehandelt werden. Im Fokus der Untersuchung stehen dabei, wie Unternehmensnachrichten (z.B. Ad-hoc Nachrichten, 10k filings) sich auf ver-schiedene Indikatoren (z.B. Börsenkurse, Earnings-per-Share, VIX) auswirken. Dazu wer-den geeignete Sentiment-Verfahren entwickelt, die den Nachrichtengehalt möglichst prä-zise reflektieren sollen. Darüber hinaus werden die Neuartigkeit der Nachricht und die vor-gehenden Nachrichten mitberücksichtigt. Des Weiteren werden Topic-Modelle entwickelt, die den Inhalt einer Nachricht automatisiert zusammenfassen. Jedes Topic kann mit einem Sentimentwert präzisiert werden. Jedes Topic kann mit einem Gewicht versehen werden. Derartige Modelle sind in der Lage, den Informationsgehalt und das Sentiment längerer Nachrichten widerzuspiegeln.
  • b) Informationsverarbeitung in Commodity-Märkten: Während im vorgehenden Teilprojekt jede Einzelnachricht mit einem einzigen Effekt kor-respondiert, sind in Commodity-Märkten eine Vielzahl von Nachrichten für einen einzigen Effekt verantwortlich. Dies macht eine Aggregation von Nachrichten in kumulierte Senti-mentmasse erforderlich. Im Rahmen der Forschung wird analysiert, welche Nachrichten tatsächlich neuen Informationsgehalt mit sich tragen und welche Nachrichten für den Öl-markt relevant sind. Ferner wird untersucht, inwiefern eine Kausalität des Zusammenhangs Nachrichten Commodity-Preis konstatiert werden kann. Schließlich werden unterschiedli-che Nachrichtenquellen untersucht, inwiefern Interdependenzen in der Informationsver-arbeitung existieren und über welche Transmissionskanäle diese erfolgen.
  • c) Subjektivität in der Informationsverarbeitung: Dieses Teilprojekt löst sich von der Annahme, dass jeder Marktteilnehmer die Nachricht gleich auffasst. Vielmehr hängt die Bewertung einer Nachricht davon ab, welchen Stand-punkt der jeweilige Leser vertritt. Unterschiedliche Interessensgruppen haben demnach einen unterschiedlichen Blickwinkel auf die entsprechende Nachricht. Es werden daher Verfahren aus dem maschinellen Lernen entwickelt, die die Subjektivität der Nachrichten-perzeption widerspiegeln können. Ein einfaches Verfahren stellen sogenannte Apriori-Algorithmen dar, die den Nachrichtengehalt anhand einer bekannten (Apriori) Verteilung bewerten. Je nach Teilnehmergruppe können alternative Zielgrößen (z.B. Börsenkurse, CDS Spreads) definiert werden, auf Basis dessen die Apriori-Häufigkeiten bestimmt werden können.
  • 3) Anwendungsfeld: eCommerce: Die zunehmende Vergreisung der Gesellschaft und der damit einhergehenden abnehmenden Mo-bilität der Bürger wird in den nächsten Jahrzehnten eine Vervielfachung des Online- Handels mit sich bringen. Allerdings ist bisher wenig erforscht, wie tragfähige Internetgeschäftsmodelle der Zukunft – konfrontiert mit der Vergreisung der Gesellschaft – aussehen werden. Das Anwendungs-feld eCommerce fokussiert datenorientiert, inwiefern bestehende Geschäftsmodelle Potenzial besitzen, den Handel nachhaltig zu beeinflussen. Bei der Berücksichtigung der Daten werden nicht nur strukturierte Daten und Textnachrichten, sondern auch Bilddaten bzw. deren Metadaten (EXIF Dateien) mitberücksichtigt. Im Anwendungsfeld eCommerce werden drei zentrale Aspekte disku-tiert: (i) datengetriebene Geschäftsmodelle, (ii) elektronische Märkte als Spezialfall von Ge-schäftsmodellen und (iii) Reputationsmechanismen zur Sicherung des Vertrauens im Handel mit Unbekannten.
  • a) Datengetriebene Geschäftsmodelle: Dieses Teilprojekt untersucht digitale Geschäftsmodelle hinsichtlich ihrer Profitabilität und Nachhaltigkeit. Bspw. wird untersucht, inwiefern ein Parkhausbetreiber parkende Elektro-autos zur Stromgenerierung bzw. –konsumption nutzen kann, um am Regelenergiemarkt teilnehmen zu können. Darüber hinaus werden die technischen Herausforderungen an ein solches Geschäftsmodell untersucht, die gelöst werden müssen, so dass das Geschäftsmo-dell die Gewinnzone erreicht. Geschäftsmodelle werden nicht nur hinsichtlich Profitabilität und Nachhaltigkeit des Betreibers betrachtet, sondern wie diese Geschäftsmodelle gene-rell funktionieren. Bspw. soll erklärt mit Hilfe des Immobilienanbieters Craigslist erklärt werden, wie sich die Mietpreise zusammensetzen.
  • b) Elektronische Märkte: Nach der Elektronischen Markthypothese führt der zunehmende IuK-Durchdringungsgrad zu einer vermehrten Bildung von elektronischen Märkten. Während des Platzens der Dot-com -Blase wurden jedoch die meisten neuen elektronischen Märkte in die Insolvenz ge-trieben. Ein Jahrzehnt später scheint ein neuer Anlauf für elektronische Marktplätze ge-kommen zu sein. Allerdings sind elektronische Märkte auf gutes Design angewiesen, damit der Markt eine Win-Win Situation für alle Stakeholder bringt. Im Rahmen dieses Teilpro-jekts werden elektronische Märkte für den Handel innovativer Produkte untersucht. Bspw. kann ein Microgrid durch einen Marktplatz koordiniert werden. Allerdings sind die (techni-schen und ökonomischen) Anforderungen bzgl. Marktmodell und korrespondierenden Qualitätsanforderungen (Verfügbarkeit) speziell an die jeweilige Domäne im Sinne eines Market Engineering anzupassen.
  • c) Reputationsmechanismen: Der vermehrte Handel mit unbekannten Personen macht wirksame und kostengünstige Dursetzungsmethoden erforderlich. Da der Rechtsweg bei Nicht- bzw. Schlechtleistung oftmals zu teuer und zu langsam ist, hat es sich etabliert, Reputationsmechanismen zu ver-wenden, bei denen die historischen Transaktionen offengelegt werden. Allerdings gibt es keinen optimalen Reputationsmechanismus, so dass alle Mechanismen den Verhältnissen entsprechend angepasst werden müssen.
  • 4) Schutz der Privatsphäre: Der Schutz personenbezogener Daten wird im digitalen Zeitalter – wie die aktuelle Diskussion über die Programme PRISM und TEMPORA belegt – immer wichtiger. Gerade im Big Data, wo riesige Datenmengen deutlich mehr Informationen über eine Person enthalten, als dies zuvor der Fall ge-wesen ist. Darüber hinaus wird eine Person mehr und mehr zu einem Cursor im Informationsraum, dessen Informationen lückenlos aufgezeichnet werden können. Daher ist eine Anonymisierung von Daten im Big Data-Zeitalter notwendig. Klassische Verfahren zur Anonymisierung von Datens-ätzen k-Anonymity, l-Diversity und t-Closeness, gehen i.d.R. von begrenzten Datenmengen und einem klar definierten relationalen Datenbankschema aus. Big Data zeichnet sich gerade dadurch aus, dass zahllose heterogene, scheinbar harmlose Einzeldaten Muster gewonnen werden können. Folglich greifen die klassischen Ansätze zu kurz, da diese einmalig fest definierte Attribute und Identifikatoren sowie eine statische Datenlage annehmen. Daher werden neue Konzepte benötigt, die Anonymität im dynamischen Big Data Umfeld sicherstellt.
  • Finance Research Group Unsere Forschung Maschinelles Lernen und Text Mining werden häufig zur Prognose von Börsenkursen basierend auf Nachrichtenmeldungen verwendet. Allerdings liefern bisherige Ansätze keine zuverlässigen Ergebnisse. Ziel der Finance Research Group ist es, die Informationsverarbeitung von Nachrichtenmeldungen zu verstehen, um damit zentrale Fragestellungen zur Informationsverarbeitung in Finanzmärkten beantworten zu können: Wie treiben Erwartungen und Novität von Finanznachrichten die Entwicklung von Börsenkursen? Wie können Nachrichten genutzt werden, um verlässlichere Vorhersagen auf Basis ökonomischer Fundamentaldaten treffen zu können? Wie können Spekulationsblasen anhand von Finanznachrichten erkannt und quantifiziert werden? Spin-Off: TonalityTech GmbH Das Spin-Off TonalityTech GmbH erforscht, wie die Kapitalmarktkommunikation von Aktiengesellschaften durch Big-Data-Analysen verbessert werden kann. Unsere Forschung zeigt, dass eine verbesserte Tonalität der Kapitalmarktkommunikation den Unternehmenswert um bis zu 2.7 % steigern kann. Um Unternehmen Zugang zu diesem State-of-the-Art-Wissen zu ermöglichen, entwickelt TonalityTech GmbH ein Add-In für Microsoft Word, mit dem die Wortwahl und Lesbarkeit von Texten im Rahmen der Kapitalmarktkommunikation überprüft und verbessert werden kann. Kontaktieren Sie uns bei Interesse per E-Mail ( tonality@is.uni-freiburg.de) oder besuchen Sie unsere Website. Podcast und Artikel im IR Magazine Unsere Forschung wurde in der führenden Praxis-Zeitschrift für Investor Relations, dem IR Magazine, in einem Podcast der Reihe IR Magazine asks präsentiert. Der Text ist auch als Transkript verfügbar. Organization of FinanceCom 2016 Workshop The Chair for Information Systems Research will host the 2016 FinanceCom workshop in Frankfurt. After very successful FinanceCom workshops in Sydney, Regensburg, Montreal, Paris, Frankfurt and Barcelona, FinanceCom 2016 will be returning to Frankfurt on 8th December 2016. Advancements in Information and Communication Technologies have paved the way to new business models, markets, networks, services, and players in the financial services industry. FinanceCom 2016 invites papers that help to understand, drive and exploit the associated systems, technologies and opportunities. http://www.financecom2016.is.uni-freiburg.de

Scientific and Research Projects


  • Data-driven Business Models
    • Project Manager: Neumann D
    • Start/End of project: 2010 until 2014
    • Project Details

Scientific publications

Journal Articles:
  • Bendler J, Wagner S, Brandt T, Neumann D: Taming Uncertainty in Big Data - Evidence from Social Media in Urban Areas Business & Information Systems Engineering, 2014; 6 (5): 279-288. : http://dx.doi.org/10.1007/s12599-014-0342-4
  • Bendler J, Wagner S, Brandt T, Neumann D: Informationsunschärfe in Big Data: Erkenntnisse aus sozialen Medien in Stadtgebieten WIRTSCHAFTSINFORMATIK, 2014; 56 (5): 303-313. : http://dx.doi.org/10.1007/s11576-014-0431-5
  • Feuerriegel S, Neumann D: Measuring the financial impact of demand response for electricity retailers Energy Policy, 2014; 65: 359-368. : http://dx.doi.org/10.1016/j.enpol.2013.10.012
  • Goebel C, Jacobsen H-A, Del Razo V, Doblander C, Rivera J, Ilg J, Flath C, Schmeck H, Weinhardt, Pathmaperuma D, Appelrath H-J, Sonnenschein M, Lehnhoff S, Kramer O, Staake T, Fleisch E, Neumann D, Strüker J, Erek K, Zarnekow R, Ziekow H, Lässig J: Energy Informatics Bus Inform Syst Eng+, 2014; 6 (1): 25-31. : http://link.springer.com/article/10.1007/s12599-013-0304-2
  • Goebel C, Jacobsen H-A, Del Razo V, Doblander C, Rivera J, Ilg J, Flath C, Schmeck H, Weinhardt, Pathmaperuma D, Appelrath H-J, Sonnenschein M, Lehnhoff S, Kramer O, Staake T, Fleisch E, Neumann D, Strüker J, Erek K, Zarnekow R, Ziekow H, Lässig J: Energieinformatik WIRTSCHAFTSINFORMATIK, 2014; 56 (1): 31-39. : http://link.springer.com/article/10.1007/s11576-013-0396-9
  • Schryen G, Wex F: Risk Reduction in Natural Disaster Management Through Information Systems: A Literature review and an IS design science research agenda International Journal of Information Systems for Crisis Response and Management (IJISCRAM), 2014. (in Druck)
  • Wex F, Schryen G, Feuerriegel S, Neumann D: Emergency Response in Natural Disaster Management: Allocation and Scheduling of Rescue Units European Journal of Operational Research, 2014; 235 (3): 697-708. : http://dx.doi.org/10.1016/j.ejor.2013.10.029 (download: http://epub.uni-regensburg.de/28921/1/EJOR%202014%20-%20Emergency%20response%20-%20Manuscript.pdf)
  • Wex F, Schryen G, Neumann D: Decision Modeling for Assignments of Collaborative Rescue Units during Emergency Response International Journal of Information Systems for Crisis Response and Management (IJISCRAM), 2014. (in Druck)
Oral Presentations:
  • Brandt T: Shaping a Sustainable Society: How Information Systems Utilize Hidden Synergies between Green Technologies 2014 (AIS Success Strategies Webinar). : http://aisel.aisnet.org/success_strategies/12/
  • Drummer D: Creativity and a structured approach to problem solving from a professional perspective 2014 (London School of Economics).
  • Feuerriegel S: Are Qualitative Information Processed in Electronic Markets? Evidence from Initial Public Offerings 2014 (Freiburg-Nagoya Joint Seminar, University of Freiburg, Freiburg, 16.10.2014).
  • Feuerriegel S: How Sentiment in Initial Public Offering Filings Influences Stock Market Returns 2014 (Doctoral Colloquium, Chair for Information Systems Research, University of Freiburg, Freiburg, 08.05.2014).
  • Feuerriegel S: Forecasting Electricity Prices using Exogenous Predictors 2014 (Workshop "Mobility meets Energy", Sustainable Mobility Research Group, University of Goettingen, Goettingen, 25.02.2014).
  • Wagner S: Optimal Location of Charging Stations in Smart Cities 2014 (Workshop "Mobility meets Energy", Sustainable Mobility Research Group, University of Goettingen, Goettingen, 25.02.2014).
Conference Papers:
  • Beckhaus A, Neumann D, Karg L: The Emergence of Intra-Organizational Communities of Operations: Evidence from the Software Industry 2014 (35th International Conference on Information Systems (ICIS 2014), Auckland, New Zealand, 14-17 December 2014).
  • Bendler J, Brandt T, Wagner S, Neumann D: Investigating Crime-to-Twitter Relationships in Urban Environments – Facilitating a Virtual Neighborhood Watch 22nd European Conference on Information Systems (ECIS 2014), 2014 (Tel Aviv, Israel, June 9-11, 2014). : http://aisel.aisnet.org/ecis2014/proceedings/track11/10/ (download: http://ecis2014.eu/E-poster/files/0681-file1.pdf)
  • Bendler J, Ratku A, Neumann D: Crime Mapping through Geo-Spatial Social Media Activity 2014 (35th International Conference on Information Systems (ICIS 2014), Auckland, New Zealand, 14-17 December 2014).
  • Bodenbenner P, Feuerriegel S: Costs of Integrating Demand Response Systems in Electricity Markets 2014 (22nd European Conference on Information Systems (ECIS 2014), Tel Aviv, Israel, June 9-11, 2014, Complete Research Paper). : http://aisel.aisnet.org/ecis2014/proceedings/track22/1/ (download: http://ecis2014.eu/E-poster/files/0128-file1.pdf)
  • Brandt T, DeForest N, Stadler M, Neumann D: Power Systems 2.0: Designing an Energy Information System for Microgrid Operation 2014 (35th International Conference on Information Systems (ICIS 2014), Auckland, New Zealand, 14-17 December 2014). (download: http://dr.lbl.gov/sites/all/files/lbnl_6911e.pdf)
  • Brandt T, Neumann D: When Common Knowledge Becomes Common Doubt -€“ Modeling IT-Induced Ambiguities about the Strategic Situation as Reasons for Flash Crashes 2014 (Hawaii International Conference on System Sciences (HICSS), Waikoloa, Big Island, January 6-9, 2014, IEEE Computer Society). : http://dx.doi.org/10.1109/HICSS.2014.155
  • DeForest N, Stadler M, Cardoso G, Brandt T, Narayanan S: Enabling broad adoption of distributed PV-storage systems via supervisory planning and control 2014 (ACEEE Summer Study on Energy Efficiency in Buildings, August 17-22, Pacific Grove, CA. 2014). (download: http://gig.lbl.gov/sites/all/files/lbnl_6715e_0.pdf)
  • Feuerriegel S, Lampe M W, Neumann D: News Processing during Speculative Bubbles: Evidence from the Oil Market 2014 (pp. 4103-4112, 47th Hawaii International Conference on System Sciences (HICSS), Waikoloa, Big Island, Hawaii, January 6-9, 2014, IEEE Computer Society). : http://dx.doi.org/10.1109/HICSS.2014.506
  • Feuerriegel S, Riedlinger S, Neumann D: Predictive Analytics for Electricity Prices using Feed-Ins from Renewables 2014 (22nd European Conference on Information Systems (ECIS 2014), Tel Aviv, Israel, June 9-11, 2014, Complete Research Paper). : http://aisel.aisnet.org/ecis2014/proceedings/track04/4/ (download: http://ecis2014.eu/E-poster/files/0350-file1.pdf)
  • Feuerriegel S, Schmitz J T, Neumann D: Are Qualitative Information Processed in Electronic Markets? Evidence from Initial Public Offerings 2014 (AIS-Journals Joint Author Workshop (AIS-JJAW), 22nd European Conference on Information Systems (ECIS 2014), Tel Aviv, Israel, June 9-11, 2014). (download: http://ecis2014.eu/wp-content/uploads/2014/05/3-4.pdf)
  • Jandl J, Feuerriegel S, Neumann D: Long- and Short-Term Impact of News Messages on House Prices: A Comparative Study of Spain and the United States 2014 (35th International Conference on Information Systems (ICIS 2014), Auckland, New Zealand, 14-17 December 2014, Completed Research Paper). : http://aisel.aisnet.org/icis2014/proceedings/DecisionAnalytics/17/
  • Qiu X, Feuerriegel S: A Multi-Vehicle Profitable Pickup and Delivery Selection Problem with Time Windows 2014 (22nd European Conference on Information Systems (ECIS 2014), Tel Aviv, Israel, June 9-11, 2014, Research in Progress Paper). : http://aisel.aisnet.org/ecis2014/proceedings/track08/5/ (download: http://ecis2014.eu/E-poster/files/0657-file1.pdf)
  • Qiu X, Neumann D: Accelerating Combinatorial Clock Auctions using Bid Ranges 2014 (Hawaii International Conference on System Sciences (HICSS), Waikoloa, Big Island, January 6-9, 2014, IEEE Computer Society).
  • von Besser F, Brandt T: Social Media Marketing im Personalmanagement - eine Vergleichsstudie zur Nutzung durch Unternehmen und Studenten 2014: 2109 (Multikonferenz Wirtschaftsinformatik (MKWI), Paderborn, February 26-28, 2014).
  • Wagner S, Brandt T, Kleinknecht M, Neumann D: In Free-Float: How Decision Analytics Paves the Way for the Carsharing Revolution 2014 (35th International Conference on Information Systems (ICIS 2014), Auckland, New Zealand, 14-17 December 2014). : http://dx.doi.org/10.13140/RG.2.1.2420.4645
  • Wagner S, Brandt T, Neumann D: Smart City Planning – Developing an Urban Charging Infrastructure for Electric Vehicles 2014 (ECIS 2014, 22nd European Conference on Information Systems, Tel Aviv, Israel, June 9-11, 2014). (download: http://ecis2014.eu/E-poster/files/0736-file1.pdf)
  • Wagner S, Brandt T, Neumann D: Business Intelligence in Infrastructure Planning – Maximizing the Utilization of Charging Stations in Urban Setting 2014 (Winter Conference on Business Intelligence (WCBI 2014), Snowbird, Utah, 27 February – 1 March 2014).
Other publications (type Sonstiges):
  • Feuerriegel S, Ratku A, Neumann D: Finding Evidence of Irrational Exuberance in the Oil Market (Working Paper), University of Freiburg 2014. : http://dx.doi.org/10.2139/ssrn.2499550
  • Feuerriegel S, Schmitz J T, Neumann D: What Matters Most? How Tone in Initial Public Offering Filings and Pre-IPO News Influences Stock Market Returns (Working Paper), University of Freiburg 2014. : http://dx.doi.org/10.2139/ssrn.2499573
  • Gust G: Analyse von Niederspannungsnetzen und Entwicklung von Referenznetzen (Masterarbeit), Institut für Informationswirtschaft und Marketing (IISM), Karlsruher Institut für Technologie (KIT) 2014. (download: http://nbn-resolving.org/urn:nbn:de:swb:90-451509)
  • Liebmann M, Orlov A G, Neumann D: The Tone of Financial News and the Perceptions of Stock and CDS Traders (Working Paper), available at SSRN 2014. : http://dx.doi.org/10.2139/ssrn.2422516

Special Scientific Activities

Preise / Ehrungen:
  • Dipl.-Vw. Tobias Brandt: Nominiert für den Best Paper Award der 47th Hawaiian International Conference on System Sciences (HICSS), 2014.
Ehrung:
  • Prof. Dr. Dirk Neumann: Prof. Neumann auf Platz 40 im Handelsblatt BWL-Ranking - Beste Forschungsleistung, 2014.
Invited Speech:
  • M. Sc. Antal Ratku: Lindau Nobel Laureate Meeting 2014 (invited speech), 2014.

Scientific Dissertations

Dissertations
  • Götzinger, Markus: Facility Location Planning for Distribution Networks and Infrastructure Locations , 2014.