Zur Person:

Wenn Sprache Wirklichkeit formt und wir unsere Sprache ändern können, besteht die Möglichkeit durch eine zielgerichtete Veränderung unserer Sprache, die Welt zu verbessern. Dabei nehmen Informationssysteme eine duale Rolle ein: Erstens müssen sie Begriffe einer Domäne abbilden, wodurch wiederrum die Sprachverwendung innerhalb der Domäne beeinflusst wird – ein reziproker Effekt. Zweitens können Informationssysteme technische Unterstützung bei der Generation und Evaluation alternativer Begriffe anbieten. Wesentlich dafür ist die Bereitstellung von Softwaresprachen (Modellierungssprachen, Programmiersprachen) und die Möglichkeit von organisationalen Aktueren diese mitzugestalten.

Zur Anwendung und Gestaltung von Softwaresprachen wird seit einigen Jahren an Mehrebenen-Softwaresprachen geforscht, welche mehr semantische Ausdruckskraft im Vergleich zu traditionellen Softwaresprachen versprechen. Die Nutzung, Adoption und Verbreitung von Mehrebenen-Sprachen sieht sich allerdings mehreren Herausforderungen entgegen: (1) So existiert kein akzeptierter Standard für Mehrebenen-Sprachen und unterstützende Tools, (2) Organisationen fehlt die notwendige Expertise zur Erstellung solcher Sprachen und (3) gleichzeitig ist häufig bereits eine große Menge an Sprachen und Sprachanwendungen (in Form von Programmcode oder Diagrammen) vorhanden, sodass der Übergang zu Mehrebenen-Sprachen einen erheblichen, unwirtschaftlichen Aufwand erfordern würde. Damit die potenziellen Vorteile von Mehrebenen-Sprachen also realisiert werden können, bedarf es automatisierter Unterstützung bei der Anwendung von Mehrebenen-Sprachen. Im Kern meiner Forschungsaktivitäten steht die Untersuchung verschiedener Automatisierungstechniken, um die automatisierte Konstruktion von Mehrebenen-Domänenmodellen zu unterstützen.

Für Bachelor- und Masterstudierende, die sich selbstständig in diesem Feld ein Thema für eine Abschlussarbeit erarbeiten wollen, kann es hilfreich sein, folgende Bereiche zu sichten:

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

Bei Fragen, Literaturempfehlungen oder sonstigen Hinweisen für die Formulierung und Fokussierung einer Abschlussarbeit im Bereich der Wirtschaftsinformatik stehe ich gerne zur Verfügung. Ich biete meine Betreuung für Bachelor- und Masterarbeiten auch für die folgenden Themenbereiche an: Künstliche Intelligenz, Machine Learning, Deep Learning, Datenmanagement, Mehrebenen-Modellierung, Geschäftsprozessmanagement, organisationales Problemlösen und Informationsphilosophie.

In der Lehre decke ich folgende Bereiche ab: Objektmodellierung, (multi-perspektivische) Unternehmensmodellierung, Datenmodellierung, Workflowmanagement-Systeme, Robotic Process Automation, Systemintegration mit Web Services, Systemintegration mit XML

Lebenslauf:

Studium

10/2015 - 04/2019: Studium der Wirtschaftsinformatik, B. Sc. an der Universität Duisburg-Essen

• Bachelorprojekt: "Design and Implementation of a Smart Contract-based Solution"
• Bachelorarbeit: "Design Thinking: Theoretischer Hintergrund, grundlegende Konzepte und Anwendungspotenziale im Kontext der Softwareentwicklung"

04/2019 - 05/2021: Studium der Wirtschaftsinformatik, M. Sc. an der Universität Duisburg-Essen

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

Berufliche Positionen

seit 08/2021: Wissenschaftlicher Mitarbeiter am Lehrstuhl für Wirtschaftsinformatik und Unternehmensmodellierung, Universität Duisburg-Essen

10/2019 - 07/2021: Wissenschaftliche Hilfskraft am Lehrstuhl für Wirtschaftsinformatik und Unternehmensmodellierung, Universität Duisburg-Essen

03/2018 - 01/2020: Tätigkeit im Bereich Metadaten-Management, Data Governance und Datenlizenz-Management bei der E.ON Digital Technology GmbH, Essen

07/2017 - 12/2017: Tätigkeit im Bereich Datenbank-Testing bei der Finanz-Informatik GmbH & Ko. KG, Münster

Publikationen:

• 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, S. 659-668. doi:10.1109/MODELS-C59198.2023.00107PDFBIB DownloadDetails
• 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) PDFVolltextBIB DownloadKurzfassungDetails

  

  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.

Begleitete Abschlussarbeiten:

• Machine Learning-assisted Domain Modeling: Survey, Classification, and Evaluation of Existing Approaches (Bachelorarbeit Wirtschaftsinformatik, in Bearbeitung) KurzfassungDetails

  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
• Unterstützungsmöglichkeiten von Sprachmodellen für die Konstruktion von konzeptuellen Modellen (Bachelorarbeit Wirtschaftsinformatik, 2024) KurzfassungDetails

  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
• Large Language Models als Werkzeug zur Lösung organisationaler Probleme? (Bachelorarbeit Wirtschaftsinformatik, 2024) KurzfassungDetails

  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
• Data Provenance (Data Lineage): Rekonstruktion zentraler Konzepte und Bestimmung von Potenzialen und Herausforderung für die Unternehmensmodellierung (Bachelorarbeit Wirtschaftsinformatik, 2024) KurzfassungDetails

  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.
• Befähigung zur Projektleitung im agilen Projektmanagement: Erstellung eines Vorgehensmodelles und Evaluation am Beispiel eines mittelständigen IT-Unternehmens (Masterarbeit Wirtschaftsinformatik, 2023)
• Metadata-enhanced Data Warehousing: Conceptions and Contributions to Data Integration (Bachelorarbeit Wirtschaftsinformatik, 2023)
• Geschäftsprozessautomatisierung durch Robotic Process Automation? Kritische Analyse und Synthese bestehender Kriterienkataloge für die Identifikation und Selektion geeigneter Geschäftsprozesse (Bachelorarbeit Wirtschaftsinformatik, 2022)
• Data Governance: Rekonstruktion zentraler Konzepte und Analyse der Umsetzbarkeit mithilfe bestehender Ansätze der Unternehmensmodellierung (Bachelorarbeit Wirtschaftsinformatik, 2022)
• Convolutional Neural Networks: Technische Grundlagen und kritische Bewertung des Einsatzes in Organisationen (Bachelorarbeit Wirtschaftsinformatik, 2022)
• Ansätze des XAI vor dem Hintergrund juristischer Anforderungen: Entwurf und Anwendung eines Bewertungsrahmens (Bachelorarbeit Wirtschaftsinformatik, 2022)
• Handlungstheoretische Perspektive: Eine gewinnbringende Ergänzung der Unternehmensmodellierung? (Bachelorarbeit Wirtschaftsinformatik, 2022) KurzfassungDetails

  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 Datenbanken: Technische und konzeptuelle Grundlagen und Vergleich ausgewählter Systeme (Bachelorarbeit Wirtschaftsinformatik, 2022) KurzfassungDetails

  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.

• Einsatz von Machine Learning in der Fertigungsindustrie: Entwurf einer Methode zur Identifikation und Selektion von Anwendungsmöglichkeiten (Masterarbeit Wirtschaftsinformatik, 2022)
• Customer Churn Prediction in der Literatur und Praxis - Entwurf eines Vorgehensmodells zur Auswahl eines Churn Prediction-Modells bei Vertragsbindung (Bachelorarbeit Wirtschaftsinformatik, 2022)
• Problemstrukturierungsmethoden im Requirements Engineering – Entwicklung eines Eignungsrahmens für den Einsatz in der Anforderungserhebung (Bachelorarbeit Betriebswirtschaftslehre, 2022)
• Deep Learning in Organisationen: Entwurf und Anwendung eines Bewertungsrahmen zum Vergleich von Explainable Artificial Intelligence-Methoden (Bachelorarbeit Wirtschaftsinformatik, 2022)