Akzentbereich Data Driven Economy
Akzentbereich Data Driven Economy
Aktuelles und Termine aus dem Akzentbereich DDE
Brownbagseminare, aktuelle Publikationen und Termine
Über uns
Neue digitale Technologien eröffnen neue Anwendungsfelder und führen zu einer Fülle an Daten. Daraus ergeben sich neue Herausforderungen für die Analyse des ökonomischen und gesamtgesellschaftlichen Nutzen der Daten - nicht nur auf Firmenebene sondern auch bezogen auf die institutionellen, ökonomischen, gesellschaftlichen und ethischen Rahmenbedingungen. Wir, der Akzentbereich Data Driven Economy (DDE), sind ein Zusammenschluss verschiedener Professuren über verschiedene Fachbereiche der JLU hinweg, die sich zum Ziel gesetzt haben, diese Herausforderungen anzunehmen und die damit verbundenen Fragestellungen zu erforschen.
Forschung
Seinen Forschungsfokus legt der Akzentbereich DDE in drei Themenbereiche. Hier finden Sie weitere Informationen dazu sowie zu aktuellen Projekten, Publikationen sowie Transferaktivitäten.
Lehre
Im Rahmen des Akzentbereichs DDE gibt es eine Reihe an Modulen, die sich durch eine Auseinandersetzung mit datengetriebenen Entwicklungen auf verschiedenen Ebenen auszeichnen. Diese verschiedenen Ebenen und somit unterschiedlichen Tiefen der Auseinandersetzung mit datengetriebenen Inhalten kennzeichnen wir mit der Nutzung verschiedener Badges.
EnDiKaU
Podcasts
EnDiKaU.KMU ist der Podcast rund um den intelligenten Einsatz von Kommunikationsdaten in kleinen und mittleren Unternehmen. Gemeinsam mit Expert:innen aus Wissenschaft und Praxis sprechen wir über die Bedeutung von Daten aus Kommunikationszusammenhängen, KI, Methoden des Natural Language Processing (NLP) und datenbasierte Entscheidungen. Verständlich, praxisnah und mit Blick auf die Herausforderungen hessischer KMU. Der Podcast zeigt, wie Unternehmen Kommunikationsdaten sinnvoll nutzen können, um Prozesse zu verbessern, Kunden besser zu verstehen und neue Potenziale zu erschließen. Der Podcast entsteht im Rahmen des Projekts "Einsatz neuer Daten in Kommunikationszusammenhängen auf Unternehmensebene" (EnDiKaU) und wird durch das Förderprogramm Distr@l des Landes Hessen unterstützt sowie von der Europäischen Union kofinanziert.
Folge 1 🎙️
In der Auftaktfolge sprechen wir mit Prof. Dr. Monika Schumacher (JLU Gießen) darüber, was hinter dem Projekt EnDiKaU steckt und warum Kommunikationsdaten für KMU immer wichtiger werden. Ein verständlicher Einstieg in automatisierte Textanalyse – und ein Ausblick auf die kommenden Folgen.
Folge 2 🎙️
Mit Prof. Dr. Nicolas Pröllochs sprechen wir über Sentimentanalyse: wie Unternehmen mit Data Science, NLP und Machine Learning – von lexikonbasierten Ansätzen bis BERT und ChatGPT – automatisch Stimmungen in Kundenbewertungen, E-Mails oder Social-Media-Beiträgen erkennen können.
Folge 3 🎙️
Erneut mit Prof. Dr. Nicolas Pröllochs geht es um Topic Modeling: wie Unternehmen mit Verfahren wie LDA oder BERTopic automatisch Themen in Kundenfeedback, Support-Anfragen und Social Media erkennen und frühzeitig Trends oder Probleme entdecken können.
Folge 4 🎙️
Janis Milde (IHK Gießen-Friedberg) erklärt, wie Kommunikationsdaten im Unternehmensalltag ankommen, warum viele KMU sie noch kaum nutzen und wie niedrigschwellige Angebote wie der EnDiKaU-Selbsttest einen guten Einstieg bieten.
MOOCs
Die MOOCs befinden sich aktuell noch in Vorbereitung und werden hier in Kürze veröffentlicht.
MOOC – Titel folgt
Lorem ipsum dolor sit amet, consectetur adipiscing elit, sed do eiusmod tempor incididunt ut labore et dolore magna aliqua.
media
Schematisch Aspekte des Themengebietes Daten getriebene Ökonomie, die im Akzentbereich bearbeitet werden
Detail from Figure 3 in Krüger, M., J. Kinne, D. Lenz and Bernd Resch (2020), The Digital Layer: How Innovative Firms Relate on the Web, ZEW Discussion Paper No. 20-003, Mannheim, p. 7 (http://ftp.zew.de/pub/zew-docs/dp/dp20003.pdf).
Detail from Fig. 3 in Krüger, M., J. Kinne, D. Lenz and B. Resch (2020), The Digital Layer: How Innovative Firms Relate on the Web, ZEW Discussion Paper No. 20-003, Mannheim, S.7 (http://ftp.zew.de/pub/zew-docs/dp/dp20003.pdf)
