Persons

Pierre Maier

Academic Staff

Pierre Maier, M. Sc.

Room:
R09 R04 H38
Phone:
+49 201 18-34150
Email:

Bio:

If language shapes our reality and we have the capacity to change our language, it is possible to ameliorate our world through a purpose-driven change of our language. Information systems occupy a dual role in this regard. First, they must depict domain concepts, which thereupon influence their use within the domain – a reciprocal effect. Second, they can provide technical support for the generation and evaluation of alternative concepts. The application of appropriate software languages (modeling languages, programming languages) is essential for this purpose.

Multi-level software languages promise a higher degree of semantic expressiveness compared to traditional, two-level languages. Although they have been an active source of research for over twenty years, the adoption and dissemination of multi-level software languages is faced with severe challenges: (1) No standard multi-level language nor tool has yet been developed, (2) organizations often lack the required amount of expertise to use and develop multi-level languages, and, often times, (3) organizations already possess a huge number of two-level artifacts, which makes the transition to multi-level languages cumbersome and expensive. The realization of potential benefits of multi-level software languages calls for automated support in their creation and management. My research is centered around the investigation of automation techniques to support the automatic construction of multi-level domain models.

I recommend that bachelor and master students, who want to find a thesis topic in this field, consult literature of the following areas:

  • Software-Language Engineering
  • Language-Action Perspective
  • Linguistic Relativity Principle
  • Multi-Level Modeling
  • Conceptual Engineering & Conceptual Ethics
  • Generative Language Models
  • Contingency and Possible Worlds

For literature advice or further questions conerning the formuluation of your thesis within the Information Systems discipline, I am happy to help. Furthermore, I offer to advise theses that can be broadly allocated in one of the following areas: artificial intelligence, machine learning, deep learning, data management, multi-level/enterprise modeling, business process management, organizational problem-solving, and philosophy of information.

I lecture in the following areas: Object-oriented modeling, (multi-perspective) enterprise modeling, data modeling, worfklow management systems, robotic process automation, integration with XML, integration with web services

Curriculum Vitae:

Education

10/2015 - 04/2019: Business Information Systems, B. Sc., University of Duisburg-Essen

  • Bachelor Project: "Design and Implementation of a Smart Contract-based Solution"
  • Bachelor Thesis: "Design Thinking: Theoretical Background, Key Concepts, and Application Potentials in the Context of Software Development"

04/2019 - 05/2021: Business Information Systems, M. Sc., University of Duisburg-Essen

  • Master Project: "Prototypical Development of an Accomodation App for Smart Urban Districts"
  • Master Thesis: "Contingency Adaption Through Deep Learning: A Critical Reflection on the Applicability of Deep Learning for Organizational Problem-Solving"

Professional Positions

since 08/2021: Research Assistant (Wissenschaftlicher Mitarbeiter) at the Research Group for Information Systems and Enterprise Modelling, University of Duisburg-Essen

10/2019 - 07/2021: Student Assistant (Wissenschaftliche Hilfskraft) at the Research Group for Information Systems and Enterprise Modelling, University of Duisburg-Essen

03/2018 - 01/2020: Working Student in the area of Metadata Managament, Data Governance, and Data License Management at E.ON Digital Technology GmbH, Essen

07/2017 - 12/2017: Working Student in the area of Database Testing at Finanz-Informatik GmbH & Ko. KG, Münster

Publications:

Filter:
  • Frank, Ulrich; Maier, Pierre; Töpel, Daniel: Modeling Facets of a Warehouse with the FMMLx: - A Contribution to the MULTI Warehouse Challenge. In: ACM/IEEE International Conference on Model Driven Engineering Languages and Systems Companion (MODELS-C). 2023, p. 659-668. doi:10.1109/MODELS-C59198.2023.00107PDFCitationDetails
  • Frank, Ulrich; Maier, Pierre; Bock, Alexander: Low Code Platforms: Promises, Concepts and Prospects: A Comparative Study of Ten Systems - ICB Research Report, 70. Essen 2021. doi:10.17185/duepublico/75244) PDFFull textCitationDetails
    Low Code Platforms: Promises, Concepts and Prospects: A Comparative Study of Ten Systems

    In recent years, the catchword “low‐code” has evolved into what can be seen as a major trend
    in software development platforms. A growing number of vendors respond to this trend by
    offering software development platforms that promise limited need for coding only and a tremendous
    boost in productivity. Both aspects have been the subject of intensive research over
    many years in areas such as domain‐specific modeling languages, model‐driven software development,
    or generative programming. Therefore, the obvious question is how ʺlow codeʺ
    platforms differ from such approaches and what specific performance features they offer.
    Since there is no unified definition of “low‐code”, the only way to develop an elaborate understanding
    of what it is – and might be – is to analyze the actual use of the term. For obvious
    reasons, it is not promising in this respect to rely on marketing announcements made by vendors.
    Instead, it seems more appropriate to examine “low‐code” platforms. This research report
    presents a study of 10 relevant platforms, capturing and assessing common characteristics
    as well as specific features of individual tools. The study is guided by a method that consists
    of a conceptual framework, which provides a uniform structure to describe and compare “lowcode”
    platforms, and a process model that describes the sequence of steps.

Tutored Theses:

Filter:
  • Large Language Models as a Tool for Organizational Problem-Solving? (Bachelor Thesis Business Information Systems, in progress) Details

    So-genannte Large Language Models (LLMs; deutsch: “große Sprachmodelle”) haben in letzter Zeit vermehrt an Resonanz gewonnen. OpenAIs ChatGPT und GPT-3 oder Googles BERT und LAMBDA sind nur einige damit in Verbindung stehende Beispiele. Häufig scheinen die ersichtlichen “Fähigkeiten” dieser LLMs für große Aufruhr zu sorgen. So werden sie unter anderem sogar als Ko-Autoren in wissenschaftlichen Publikationen angegeben (Stoel-Walker 2023).

    Sprachmodelle erlernen eine statistische Repräsentationen von verschiedenen Sprachkomponenten wie Wörtern (vgl. Luitse und Denkena 2021, S. 1). LLMs, neben technischen Besonderheiten, stellen eine bereits erlernte Repräsentation von einer oder mehrerer Sprachen bereit. Der Clue dabei: Sprache ist kein Selbstzweck, sondern soll Informationen und Wissen verkörpern (vgl. Manning 2022, Petroni et al. 2019). Die Einsatzpotenziale von LLMs sind kaum genau erforscht – vor allem was mögliche Grenzen für die organisationale Praxis angeht. Diese Thesis soll LLMs kritisch mit Hinblick auf ihre Unterstützungsmöglichkeit für organisationales Problemlösen untersuchen. Falls gewünscht kann die Thesis auf konkrete Bereiche der Problemlösung (bspw. nur Problemformulierung oder nur bestimmte Problemkategorien) fokussiert werden. Solche interessenbasierte Anpassungen können wir dann in Betreuungsgesprächen klären.

    Für BA-Thesis: Eine Bachelorarbeit zu diesem Thema sollte die Frage erörtern für welche Bereiche des organisationalen Problemlösens, LLMs anwendbar sind bzw. angewendet werden sollten.

    Für MA-Thesis: Eine Masterarbeit sollte auf den Anforderungen einer BA-Thesis aufbauen und bspw. eine Methode entwerfen, welche den Einsatz von LLMs in Organisationen unterstützt. Das betrifft spätestens hier auch die Reflektionen über entsprechende Prompts.

    Literatur:

    • Getzels JW (1982) The Problem of the Problem. In: Hogarth RM (ed) Question Framing and Response Consistency. Jossey-Bass: San Francisco, Washington, London, pp 37–50
    • Landry M (1995) A Note on the Concept of “Problem”. Organization Studies 16(2): 315-343
    • Luitse D, Denkena W (2021) The Great Transformer: Examining the Role of Large Language Models in the Political Economy of AI. Big Data & Society 8(2):1-14
    • Manning CD (2022) Human Language Understanding & Reasoning. Daedalus 151(2):127–138
    • Newell A, Simon HA (1972) Human Problem Solving. Prentice-Hall: Englewood Cliffs, NJ
    • Preston AM (1991) The “Problem” in and of Management Information Systems. Accounting, Management & Information Technology 1(1):43-69
    • Petroni F, Rocktäschel T, Lewis P, Bakhtin A, Wu Y, Miller AH, Riedel S (2019) Language Models as Knowledge Bases? Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing and the 9th International Joint Conference on Natural Language Processing, pp 2463–2473
    • Stoel-Walker C (2023) ChatGPT Listed as Author on Research Papers: Many Scientists Disapprove. Nature 613:620–621
  • Unterstützungsmöglichkeiten von Sprachmodellen für die Konstruktion von konzeptuellen Modellen (Bachelor Thesis Business Information Systems, in progress) Details

    Konzeptuelle Modellierung befasst sich im Kern mit Sprache: Modelle sollen sprachlich repräsentierte Konzepte erfassen und werden dafür mithilfe einer Modellierungssprache erstellt. Die Erstellung von konzeptuellen Modellen kann sich dabei verschiedenen Herausforderungen und Schwierigkeiten entgegensehen. Auf welcher Modellierungsebene soll ein Sprachkonzept abgebildet werden? Ist mein Modell hinreichend adaptiv für mögliche zukünftliche Veränderungen? Häufig ist dabei eine Diskrepanz festzustellen: Domänenexperten fehlt die erforderliche Modellierungskenntnis und Modellierungsexperten das erforderliche Domänenwissen.

    Es ist daher wenig überraschend, dass das wachsende Interesse an sog. Sprachmodellen wie GPT-3 auch in Hinblick auf potenzielle Unterstützung für die konzeptuelle Modellierung hin untersucht wird. Sprachmodelle stellen eine bereits erlente Repräsentation von Komponenten der natürlichen Sprache bereit. Beispielsweise könnte hierdurch die Beziehung zwischen verschiedenen Domänenkonzepten erörtert werden.

    Im Kern dieser Thesis soll sich mit der Frage beschäftigt werden, inwieweit Sprachmodelle Unterstützung bei der Erstellung von konzeptuellen Modellen anbieten können. Dabei können verschiedene Facetten der konzeptuellen Modellierung in den Fokus gestellt werden, wie zum Beispiel domänen-spezifische Modellierungssprachen (DMSLs), Mehrebenenmodellierung (MLM) oder es kann auch eine konkrete Modellierungssprache wie die UML in den Fokus gestellt werden. Die genaue Themenausrichtung sollte in den ersten Betreuungsgepsrächen genauer erarbeitet werden.

    Literatur

    • Biswas R, Sofronova R, Alam M, Heist N, Paulheim H, Sack H (2021) Do Judge an Entity by Its Name! Entity Typing Using Language Models. The Semantic Web: ESWC 2021 Satellite Events. Virtual Event, June 6–10, 2021, Revised Selected Papers, pp 65–70
    • Butlin P (2021) Sharing Our Concepts with Machines. Erkenntnis
    • Cámara J, Troya J, Burgueño L, Vallecillo A (2023) On the Assessment of Generative AI in Modeling Tasks: An Experience Report with ChatGPT and UML. Software and Systems Modeling 22(3):781–793
    • Combemale B, Gray J, Rumpe B (2023) ChatGPT in Software Modeling. Software and Systems Modeling 22(3):777–779
    • Fill H-G, Fettke P, Köpke J (2023) Conceptual Modeling and Large Language Models: Impressions From First Experiments With ChatGPT. Enterprise Modelling and Information Systems Architectures 18(3):1–15
    • Rosenfeld R (2000) Two Decades of Statistical Language Modeling: Wehere Do We Go from Here? Proceedings of the IEEE 88(8):1270–1278
    • Sobieszek A, Price T (2022) Playing Games with AIs: The Limits of GPT-3 and Similar Large Language Models. Minds and Machines 32:341–364
    • Weyssow M, Sahraoui H, Syriani E (2022) Recommending Metamodel Concepts During Modeling Activities with Pre-Trained Language Models. Software and Systems Modeling 21:1071–1089
  • Machine Learning-assisted Domain Modeling: Survey, Classification, and Evaluation of Existing Approaches (Bachelor Thesis Business Information Systems, in progress) Details

    Conceptual modeling, although crucial to any enterprise, can be a troublesome and error-prone activity. The creation and maintenance of conceptual models can be time-consuming and low-quality models can negatively affect organziational decision-making. One root problem is that domain experts often lack respective modeling expertise and, vice versa, modeling experts often lack the the required domain expertice. Therefore, it is desirable to support conceptual modeling activities by computational means. The rise of machine learning has led to broad range of suggestions how this might be achieved. The suggestions thereby vary in scope and domain-specificty and, among others, conern the repairment or completion of conceptual models. I summarize these different ML-based approaches to support conceptual modeling under the name machine learning-assisted domain modeling, or MAD modeling for short.

    This thesis should present a survey and classification of existing MAD modeling approaches. The core of thesis, or its main difficulty, is in the specification of an appropriate utility measure that supports an assessment of the diverse MAD modeling approaches.

    Literature

    • Almonte L, Guerra E, Cantador I, de Lara J (2022) Recommender Systems in Model-Driven Engineering: A Systematic Mapping Review. Software and Systems Modeling 21:249–280
    • Barriga A, Rutle A, Heldal R (2022) AI-Powered Model Repair: An Experience Report — Lessons Learned, Challenges, and Opportunities. Software and Systems Modeling 21:1135–1157
    • Hartmann T, Moawad A, Fouquet F, Le Traon Y (2019) The Next Evolution of MDE: A Seamless Intregration of Machine Learning into Domain Modeling. Software and Systems Modeling 18:1285–1304
    • Saini R, Mussbacher G, Guo JLC, Kienzle J (2021) DoMoBOT: An AI-Empowered Bot for Automated and Interactive Domain Modelling. 2021 ACM/IEEE International Conference on Model Driven Engineering Languages and Systems Companion (MODELS-C), pp 595–599
    • Yasdi R, Ziarko W (1988) An Expert System for Conceptual Schema Design: A Machine Learning Approach. International Journal of Man-Machine Studies 29(4):351–376
  • Data Provenance (Data Lineage): Rekonstruktion zentraler Konzepte und Bestimmung von Potenzialen und Herausforderung für die Unternehmensmodellierung (Bachelor Thesis Business Information Systems, 2024) Details

    Verfahren des Data Provenance (auch Data Lineage) dienen der Nachverfolgung von Daten in DWH und BI Systemen. In der Literatur werden verschiedene Ansätze vorgeschlagen und diskutiert. Mit dieser Arbeit gehen Sie der Frage nach, welche Konzepte und Ideen mit dem Begriff Data Provenance verbunden sind. Sie untersuchen bestehende Ansätze der Unternehmensmodellierung und bewerten, ob und wie weit diese bereits Data Provenance unterstützen. Mit ersten Szenarien und Anforderungen beschreiben Sie wie die Ideen des Data Provenance die Unternehmensmodellierung bereichern können und welche Herausforderungen bestehen bleiben, um die Ideen des Data Provenance in der Unternehmensmodellierung umzusetzen.

    Literatur:

    • De Kinderen, S., Kaczmarek-Heß, M., Ma, Q., & Razo-Zapata, I. S. (2017, November). Towards Meta Model Provenance: A Goal-Driven Approach to Document the Provenance of Meta Models. In IFIP Working Conference on The Practice of Enterprise Modeling (pp. 49-64). Springer, Cham. (siehe Anlage)
    • Simmhan, Y. L., Plale, B., & Gannon, D. (2005). A survey of data provenance in e-science. ACM Sigmod Record, 34(3), 31-36
    • Trujillo, J., & Luján-Mora, S. (2003, October). A UML based approach for modeling ETL processes in data warehouses. In International Conference on Conceptual Modeling (pp. 307-320). Springer, Berlin, Heidelberg.
  • Project Leadership Enablement in Agile Project Management: Creation of a Process Model and Evaluation on a medium-size IT company (Master Thesis Business Information Systems, 2023)
  • Metadata-enhanced Data Warehousing: Conceptions and Contributions to Data Integration (Bachelor Thesis Business Information Systems, 2023)
  • Business Process Automation through Robotic Process Automation? Critical Analysis and Synthesis of existing Criteria Catalogs for the Identification and Selection of eligible Business Processes (Bachelor Thesis Business Information Systems, 2022)
  • Data Governance: Reconstruction of key concepts and analysis of implementation using existing enterprise modeling approaches (Bachelor Thesis Business Information Systems, 2022)
  • Convolutional Neural Networks: Technical Foundations and Critical Evaluation of their Use in Organisations (Bachelor Thesis Business Information Systems, 2022)
  • XAI Approaches from the Perspective of Legal Requirements: Design and Use of an Evaluation Frame (Bachelor Thesis Business Information Systems, 2022)
  • Action-theoretic Perspective: A Beneficial Extension for Enterprise Modeling? (Bachelor Thesis Business Information Systems, 2022) Details

    Motivation:

    Viele Faktoren beeinflussen, welche Handlungen von Individuen in

    Unternehmen ausführt werden und zu welchem Zeitpunkt die Ausführung der

    Handlung ausgelöst wird. Dabei spielen insbesondere vorgegebene

    Entscheidungskriterien, die vorliegende Umweltsituation und die

    persönlichen Wahrnehmungen bzw. Einschätzungen der Individuen eine

    zentrale Rolle.

    Im Rahmen dieser Arbeit ist zunächst zu untersuchen, wie das genaue

    Zusammenspiel der genannten Faktoren abläuft und welche weiteren

    Faktoren dabei beteiligt sind. Innerhalb der BWL und der

    Organisationstheorie existieren dazu verschiedene Handlungstheorien, die

    vom Autor zu erläutern und gegenüberzustellen sind.

    Nach der begründeten Auswahl einer der Handlungstheorien ist zu

    analysieren, inwiefern die für Handlungsauswahl und -auslösung

    relevanten Faktoren in Unternehmensmodellen berücksichtigt werden

    können. Existierende Sprachen zur Unternehmensmodellierung fokussieren

    typischerweise auf die Abbildung von Organisationsstrukturen und

    Geschäftsprozessen. Es ist daher herauszuarbeiten, für welche der

    ermittelten Faktoren in einer ausgewählten Modellierungssprache bereits

    Konzepte vorhanden sind und welche Konzepte noch ergänzt werden müssten.

    Ein Ausblick auf verschiedene Gestaltungsmöglichkeiten bei der

    Einführung der zusätzlichen Konzepte soll den Abschluss der Arbeit

    bilden.

  • In-Memory Databases: Technical and Conceptual Foundations and Comparison of Selected Systems (Bachelor Thesis Business Information Systems, 2022) Details

    In den letzten Jahren haben sog. "In-Memory"-Datenbanken (IMD) an Bedeutung gewonnen. Sie versprechen einerseits eine gemeinsame Repräsentation von Daten für OLTP und OLAP, wodurch der in DWS erforderliche Transformationsaufwand entfällt und die Datenaktualität deutlich gesteigert wird. Gleichzeitig ermöglichen sie eine höhere Performanz von Analyseverfahren. Diesen möglichen Vorteilen steht eine Reihe von Herausforderungen gegenüber. In dieser Bachelorarbeit sollen zunächst die wesentlichen Architekturkonzepte von IMD untersucht werden. Anschließend ist zu analysieren, wie die Integration mit Anwendungssystemen erfolgt. Vor diesem Hintergrund sind Anforderungen an IMD zu analysieren. Abschließend sind auf dieser Grundlage ausgewählte IMD (bspw. Open Source Systeme) zu vergleichen.

  • Use of Machine Learning in the Manufacturing Industry: Design of a Method for the Identification and Selection of Application Possibilities (Master Thesis Business Information Systems, 2022)
  • Customer Churn Prediction in Literature and Practice - Design of a Process Model for the Selection of a Churn Prediction Model in Contractual Settings (Bachelor Thesis Business Information Systems, 2022)
  • Problem structuring methods in requirements engineering – Development of a suitability framework for use in requirements elicitation (Bachelor Thesis Business Administration, 2022)
  • Deep Learning in Organizations: Development and Application of an Evaluation Framework for the Comparison of Explainable Artificial Intelligence Methods (Bachelor Thesis Business Information Systems, 2022)