Refine
Year of publication
- 2022 (22) (remove)
Document Type
- Bachelor Thesis (15)
- Master's Thesis (7)
Has Fulltext
- yes (22)
Is part of the Bibliography
- no (22)
Institute
- Fachbereich 2 - Wirtschaftsinstitut (22) (remove)
Artificial intelligence (AI) is one of the most auspicious yet controversial technologies with virtually unlimited potential to solve almost all of the existential problems humanity is facing today.1 Huge resources are poured into the development, testing and application of AI that is supposed to be utilized in almost all areas of everyday life.2 It may be used to combat genetically inherited diseases, to revolutionize the economy, to bring prosperity and equality to everyone and to counter the effects of climate change.3 With AI as the enabling technology humanity may experience a better future. Today, AI capabilities can already drastically improve analytic processing tasks and algorithmic systems and have beaten humans in games such as chess.4 Yet, AI and all of its applications bring about a myriad of ethical challenges. Revolutionary weapon systems that achieve autonomy via AI and genome-editing powered by AI are just some specific examples.5 An omnipotent AI will be either the greatest or the vilest thing that has happened to humanity in its brief existence.6 However, even today more and more computational devices are connected to each other, spurring a huge increase in global data streams that can be used to further train and enhance AI systems.
The prowess of AI for executing analytic tasks paves the way for the use of AI in more and more applications. One of these applications, that shows great promise, is the use of AI in surveillance applications.7 AI surveillance applications are proliferating at a fast rate, with a number of appli-cations already being in use today.8 These applications are aimed at accomplishing a number of policy objectives, some are in accordance with basic human laws, some are definitely not and some
1 Cf. Hawking (2018). P. 183ff
2 Cf. Hawking (2018). P. 183ff.
3 Cf. Hawking (2018). P. 183ff.
4 Cf. Burton (2015). P. 1ff.
5 Cf. Hawking (2018). P. 183ff.
6 Cf. Hawking (2018). P. 183ff.
7 Cf. Feldstein (2019). P. 1.
8 Cf. Feldstein (2019). P. 1.
2
belong in the nebulous area in between lawful and unlawful.9 But what are lawful and unlawful uses of AI surveillance systems and what are their ethical implications?
This thesis will examine the ethical implications of AI based mass surveillance systems and try to answer the first central question, if it is possible to use AI based mass surveillance applica-tions in an ethical way. Furthermore, the thesis will attempt to answer the second central ques-tion and find out how the ethical use of AI based mass surveillance systems, if this ethical use is possible, materialize. Governmental agencies will be in the focus of this discussion, as their use of the technology may have bigger ethical challenges. Yet private companies will play a part as well. In an attempt to accomplish these two aims, the thesis will inspect the basics of ethics and possible ethical theories that can be utilized to answer the questions. Normative ethics will be stud-ied first with a focus on consequentialism and utilitarianism. To gain a deeper understanding of utilitarianism, act and rule utilitarianism will be compared. Afterwards, deontological theories will be the focus of the discussion with a concentration on deontological pluralism. Next, the mentioned theories will be evaluated, discussing advantages and weak spots of the theories, to assess which theory may serve as the ethical framework of this thesis and the subsequent answer to the two main questions.
The next step will be the establishment of the AI framework. This contains the definition of AI and a distinction of terms that are commonly used in the its environment such as automation and au-tonomy. The importance of data for AI will be discussed. Afterwards, the technological basis of AI will be outlined, discussing key concepts such as machine learning and deep learning. Addi-tionally, it will be examined how an AI learns. The possible uses of AI in general will be outlined in a brief fashion, blazing the trail to discussing the moral challenges of AI. Afterwards, the current pace of AI development will be studied.
In the chapter that follows, the use of AI in surveillance technology is going to be highlighted. The possible ways of how AI can be used for surveillance purposes are reviewed here, discussing facial
9 Cf. Feldstein (2019). P. 1.
3
and behavioral recognition systems, smart cities, smart policing, communications/data driven sur-veillance and their enabling technologies. Then, the global proliferation of AI surveillance systems is going to be outlined.
Subsequently, the accordance of AI surveillance with basic human laws and rights, such as the right to privacy, will be checked to find out if the law and the international framework of human rights allow for AI surveillance or at least have restrictions that would greenlight the use of AI surveillance technology. All the aspects of the thesis, especially including the selected ethical framework, will be combined in this last section in order to enable the adaptation of a framework that allows to find out, if AI surveillance systems can be ethically permissible while also creating insights how this ethical AI surveillance system must be engineered. To finish, the thesis will end with a conclusion.
Aufgrund intelligenter Softwares für die Prozessautomatisierung ist es möglich die regelbasierten
Geschäftsprozesse zwischen den geschäftlichen Anwendungen mit Robotern zu automatisieren.
Ob Amazon Alexa oder Apple Siri – Sprachassistenten in privaten Haushalten in
Deutschland sind keine Seltenheit mehr. Einer Bitkom-Studie zufolge sind derzeit Sprachassistenten
bei Privathaushalten in Deutschland sehr beliebt (vgl. Klöss 2021, S. 23). Aus diesem
Grund ist das Thema der Spracherkennung und -verarbeitung mithilfe von künstlicher Intelligenz
(KI) auch bei den Unternehmen im Bereich des Kundendienstes angekommen. Dazu
zählt der allseits bekannte textbasierte Chatbot, der auf jeglichen Internetseiten eines Unternehmens
implementiert ist. Um diverse Kundenservices erreichen zu können, greift man im
Alltag oft auf die klassischen Chatbots zurück. Aufgrund der ähnlichen Konstruktion stellt dies
im Hinblick auf die Voicebots ein hochrelevantes und zukunftsorientiertes Thema dar. Aktuell
werden im telefonischen Kundenservice häufig „Interactive-voice-response (IVR)“-Systeme
eingesetzt (s. Anhang B). Jedoch erfüllt ein IVR-System nicht die gleichen menschlichen Bedürfnisse
wie der direkte, synchrone und persönliche Kontakt zum Unternehmen, der bei einem
Voicebot der Fall ist. Ein weiterer positiver Aspekt des Voicebot-Systems ist die Fähigkeit,
dass der Kunde1 das Gespräch führen kann und er somit eine kleine Machtposition hat. Durch
den auffallenden Kostenvorteil einer Automatisierung der telefonischen Kundenbetreuung ist
das Thema für eine Investition äußerst interessant und von hoher Bedeutung. Doch wie ist das
alles in der heutigen Zeit möglich? Durch die „Big-Data-Welle“, den Aufschwung des Internets
auf Smartphones und die steigende Rechenleistung, die vor einigen Jahrzehnten noch unrealisierbar
waren, bewirkte die KI einen wiederholten Durchbruch (vgl. Culotta/Hartmann/Ten-
Cate 2020, S. 5). Auf dieser Grundlage folgte auch die Entfaltung der künstlichen neuronalen
Netze (KNN). Anhand derer waren Systeme in der Lage, ohne mathematische Rechnungen
und vordefinierte Regeln selbstständig zu lernen. Dies ermöglichte den Einsatz der automatisierenden
Spracherkennung (vgl. dsb.). Daher untersucht diese Arbeit die Fragestellung, inwiefern
sich der Einsatz eines Voicebots in der Kundenbetreuung aus wirtschaftlicher Perspektive
lohnt. Das Ziel ist herauszuarbeiten, ob sich der Einsatz von Voicebots für Unternehmen
eher lohnt, als dass traditionell ein realer Mitarbeiter im Kundenservice eingesetzt wird.
Ein weiteres Ziel dieser Arbeit ist, falls sich der Einsatz lohnt einen Voicebot zu implementieren,
zu bestimmen inwiefern sich der Einsatz lohnt. Zudem ist die Zielsetzung hier zu ermitteln,
1 Aus Gründen der besseren Lesbarkeit wird in der vorliegenden Arbeit auf die gleichzeitige Verwendung
der Sprachformen männlich, weiblich und divers (m/w/d) verzichtet. Sämtliche Personenbezeichnungen
gelten gleichermaßen für alle Geschlechter.
2
für welche Unternehmen der Voicebot eine rentable Investition wäre. Dabei wird die Unternehmensgröße
nach dem Kundenvolumen bestimmt. Das erwartete Ergebnis der Analyse ist,
dass eine Einführung eines Voicebot umso eher stattfindet, je größer das Unternehmen ist.
Die Kundenservicestrukturen sind in ihrer Komplexität recht einfach. Somit lässt sich begründen,
dass auf Grundlage von eigenen plausiblen Annahmen eine Investitionsrechnung mithilfe
von fünf „Key-performance-indicator“ (KPI) zu ermitteln ist. Durchgeführt wird eine quantitative
Forschung. Dabei erfolgte zum einen eine Simulationsanalyse und zum anderen eine empirische
Arbeit. Überdies war die Vorgehensweise induktiv, wodurch neue Erkenntnisse in diesem
Forschungsgebiet gewonnen werden konnten. Die erforderlichen Daten für die Simulationsanalyse
wurden anhand von standardisierten Fragebögen erhoben. Dabei wurden drei Voicebot-
Anbieter auf dem deutschen Markt angefragt, die unabhängig voneinander dieselben Fragen
beantwortet haben. Jedem Unternehmen lag der gleiche Fragebogen vor und der Zeitraum
der Umfrage betrug ungefähr einen Monat. Die Daten wurden erhoben, um diese zu einem
späteren Zeitpunkt für die KPI weiterverarbeiten zu können. Abschließend wurde die These im
fünften Kapitel mithilfe einer statistischen Methode überprüft und anschließend mithilfe des
Kontingenzkoeffizienten die Stärke des Zusammenhangs zwischen den zwei nominalen Merkmalen
– Kommunikationskanal und Unternehmensgröße nach Kundenzahl – ermittelt. Die eigene
empirische Analyse wurde mittels telefonischer Anfrage an 99 Unternehmen durchgeführt
und in Form von drei Tabellen in Microsoft Excel erfasst. Die Tabellen veranschaulichen,
welche Unternehmen welchen Kommunikationskanal im Kundenservice derzeit eingesetzt haben.
Dabei wurden die 99 Unternehmen nach Kundenzahl in drei Kategorien – wenige Kunden,
mittelviele Kunden und viele Kunden – unterteilt. Die vorliegende Arbeit ist folgendermaßen
aufgebaut. Sie beginnt mit der Einleitung, in der das Forschungsgebiet und die Fragestellung
eingegrenzt werden, die Motivation der Forschung und die Zielsetzung und die Vorgehensweise
aufgeführt werden. Das zweite Kapitel beginnt mit den Kommunikationskanälen,
die in deutschen Unternehmen speziell im Kundenservicebereich verwendet werden. Im
Hauptteil des zweiten Kapitels ist die Analyse der grundlegenden Literatur zum Thema KI.
Außerdem geht es im letzten Teil des zweiten Kapitels darum wie ein Voicebot aufgebaut ist.
Zudem wird im letzten Teil ein Überblick über den Markt im Hinblick auf den Voicebot verschafft.
Anschließend folgt das dritte Kapitel, das den theoretischen Rahmen beinhaltet und
der Vorgehensweise zur Beantwortung der Forschungsfrage dient. Anschließend wird im vierten
Kapitel die Analyse anhand der fünf KPI durchgeführt. Zuletzt wird ein Indikator, der die
Stärke des Zusammenhangs zwischen den Kommunikationskanälen und der Kundenzahl aufzeigt,
dargelegt. Dabei wird das vierte Kapitel und das fünfte Kapitel mit einer Datengrundlage
eingeleitet, da die erhobenen Daten für die Durchführung der Analyse essenziell sind. Am
Ende des vierten Kapitels wurden die zentralen Ergebnisse der Analyse zusammengefasst. In
3
Kapitel 5 geht es um die aufgestellte These, die anhand von einer eigenen empirischen Analyse
untermauert und überprüft wird. Dabei wird diese entweder verifiziert oder falsifiziert. Anschließend
wird der statistische Zusammenhang der beiden nominalen Variablen bestimmt.
Im Schlussteil dieser Arbeit wird die Forschungsfrage ein wiederholtes Mal aufgestellt, um alle
nennenswerten Informationen auf einem Blick darzustellen. Anschließend werden die wichtigsten
Ergebnisse aus der Arbeit vorgestellt und mittels dieser Ergebnisse wird die Forschungsfrage
beantwortet. Im abschließenden Teil der gesamten Arbeit wird eine kritische
Reflexion der Arbeit und der weitere Forschungsbedarf bestimmt
Die Energiewende schreitet in Deutschland weiter voran und die im Jahr 2021 neu gewählte Bundesregierung setzt dafür deutliche Zeichen in ihrem Koalitionsvertrag. Bis 2030 sollen 80 Prozent des antizipierten Strombedarfs von 680-750 Terawattstunden (TWh) aus erneuerbaren Energien (EE) stammen.1 Insbesondere Windkraft und Solarenergie sollen in Deutschland ihre bereits sehr relevante Rolle weiterentwickeln und einen Großteil dieses Strombedarfs erzeugen. So gibt die Bundesregierung ein neues Ausbauziel von 200 Gigawatt (GW) installierter Leistung für Photovoltaik (PV) vor und möchte zwei Prozent der Landesfläche für Windenergie ausweisen. Außerdem sollen bürokratische Hürden und langwierige Genehmigungsprozess vereinfacht und reduziert werden.2
Der Ausbau der EE führt aufgrund der zunehmenden volatilen Einspeisung zu einer höheren Netzbelastung. Dadurch wiederum wird das Potenzial der regenerativen Energiequellen nicht optimal genutzt, wenn beispielsweise Windkraftanlagen (WKA) abgeregelt werden müssen.3
Ein weiterer Baustein der Energiewende und vor allem auch der Mobilitätswende stellt die Elektromobilität dar. Deutschland erlebt seit wenigen Jahren einen Markthochlauf, der sich in rasant steigenden Zulassungszahlen von Elektrofahrzeugen (eletric vehicle: EV) und dem Ausbau der deutschlandweiten Ladeinfrastruktur darstellt.4 Abbildung 1 (siehe S. 8) zeigt ein nahezu exponentielles Wachstum für neuzugelassene vollelektrische Fahrzeuge (battery electric vehicle: BEV) sowie für Plug-In-Hybride (PHEV).
Aspekte der Datensammlung beim Einsatz von Convolutional Neural Network für das autonome Fahren
(2022)
Die vorliegende Bachelorarbeit thematisiert, ob ein Convolutional Neural Network für das autonome Fahren geeignet ist und wie der gesamte Datenprozess für das Convolutional Neural Network Modell aussehen könnte. Dazu wurden mehrere Forschungsfragen gestellt.
Um die Forschungsfragen zu beantworten, wurde eine quantitative Literaturarbeit mit aktuellen wissenschaftlichen Kenntnissen durchgeführt. Die Bachelorarbeit ist in der deutschen Sprache geschrieben, aus diesem Grund orientiert sich die Bachelorarbeit an die deutschsprachige Bevölkerung.
Die quantitative Literaturarbeit zeigte, dass die größten Herausforderungen für das Convolutional Neural Network Training in der Datenspeicherung und der Datenverarbeitung liegen. Ebenfalls zeigte die quantitative Literaturarbeit, dass das Convolutional Neural Network durch die qualifizierte Wahl von Methoden und Daten eine bessere Erfolgsquote als das menschliche Verhalten für das autonome Fahren nachweist.
Dies zeigt, dass der Einsatz von Convolutional Neural Network Modellen mit einem optimalen Datenprozess und der Dateninfrastruktur für das autonome Fahren empfehlens-wert sein kann.
Die vorliegende Masterarbeit befasst sich mit dem Thema Influencer-Marketing in der politischen
Kommunikation auf TikTok. Die Arbeit gibt einen Überblick über die theoretischen Hintergründe
von sozialen Netzwerken, Influencer-Marketing, TikTok und politischer Kommunikation.
Zuerst wurde überprüft, inwieweit sich Influencer-Marketing für die politische Kommunikation
auf TikTok eignet und welche Potentiale damit für politische Akteur:innen verbunden
sind. Im empirischen Teil sind Experteninterviews durchgeführt worden, mit dem Ziel,
Erkenntnisse zur Beantwortung der folgenden Forschungsfragen zu erhalten:
Wird TikTok als Marketing- und Kommunikationskanal für die politische Kommunikation
mit Erst- und Jungwähler:innen im Landtagswahlkampf in NRW und generell in der politischen
Kommunikation genutzt?
und:
In wie weit spielen Influencer:innen in der politischen Kommunikation von Parteien und
politischen Organisationen eine Rolle?
Um das Kommunikationsverhalten der Parteien auch von außen zu bewerten und im Anschluss
Handlungsempfehlungen geben zu können, wurden auch Interviews mit Experten für politische
Kommunikation durchgeführt.
Zusammenfassend konnte festgestellt werden, dass TikTok sich sowohl für die politische Kommunikation
als auch das Influencer-Marketing eignet. Allerdings haben in der politischen
(Wahlkampf-)Kommunikation weder TikTok noch Influencer:innen eine Relevanz. Die Parteivertreter:
innen hatten sich zwar alle mit TikTok als „neuem“ Social-Media-Kanal auseinandergesetzt,
jedoch haben die meisten die TikTok-Nutzung aus unterschiedlichen Gründen abgelehnt.
Auch die Möglichkeit, durch Kooperationen mit Influencer:innen auf TikTok vertreten
zu sein, wurde von den Parteivertreter:innen abgelehnt oder gar nicht in Betracht gezogen.
Da sich das Kommunikationsverhalten der Öffentlichkeit und vor allem zukünftiger, wahlentscheidender
Generationen maßgeblich geändert hat und ändern wird, wiesen die befragten Experten
ausdrücklich darauf hin, dass Politiker:innen auf TikTok präsent sein sollten, um junge
Menschen zu erreichen. Durch die beschriebenen Erkenntnisse erscheint es sinnvoll, den Themenkomplex
„Influencer-Marketing in der politischen Kommunikation auf TikTok“ weiterhin
zu beobachten und zu sehen, wie das Thema sich weiter entwickeln wird.
Gegenstand der hier vorgestellten Arbeit ist die Analyse des Status Quo von Pinkwashing und der Ableitung von Handlungsempfehlungen für die Marketing-Kommunikation. Dabei wird die Positionierung von Marken in der LGBTQ-Community aus einer ethischen Perspektive betrachtet. Im Rahmen dieser Masterarbeit werden teilstandardisierte Interviews mit Expert*innen aus Agenturen, dem Marketing- und
Brandmanagement und schließlich aus Diversitäts- und Inklusionsbereichen von Unternehmen geführt. Durch diese Interviews konnten Kriterien zur Identifikation von Pinkwashing sowie Handlungsempfehlungen für die authentische Positionierung in der
Kommunikation mit der LGBTQ-Community aufgestellt werden.
Schlagwörter: Pinkwashing, Marketingethik, LGBTQ-Community, Positionierung, Marke
Der Konsum von Secondhand-Kleidung in Deutschland gewinnt stetig an Beliebtheit. Dabei verlagert sich der Trend mit dem Handel von gebrauchter Bekleidung immer weiter ins Internet, weshalb immer mehr Unternehmen in den florierenden Online-Markt eintreten und so den Konkurrenzdruck unter den Reseller-Plattformen erhöhen. Daher ist es notwendig zu verstehen, wie sich Unternehmen dieser Branche eine langfristige Wettbewerbsfähigkeit in einem stark umkämpften Markt aufbauen können.
Das Ziel der Forschung dieser Arbeit richtet sich dazu auf die Analyse der entscheidenden Faktoren aus, welche Kunden beim Kaufvorgang von gebrauchter Bekleidung beeinflussen. Aus den anschließenden Ergebnissen werden Handlungsempfehlungen für die Praxis abgeleitet. Dazu wird folgende Forschungsfrage gestellt: Welche Faktoren beein-flussen deutsche Kunden, Secondhand-Bekleidung auf Onlineplattformen einzukaufen?
Um die Forschungsfrage zu beatworten, wird ein Hypothesenmodell aufgestellt, welches mittels quantitativer Forschung überprüft wird. Mit Hilfe eines Fragebogens durch eine Onlineumfrage, werden konkrete Fragen über das Kaufverhalten, die Intentionen und Einflüsse beim Onlineshopping von Secondhand-Kleidung von ca. 300 Probanden erhoben und danach ausgewertet. Die Ergebnisse zeigen auf, dass die Hauptzielgruppe zwischen 20 und 31 Jahre alt ist und in einem Abstand von drei bis zwölf Monaten regelmäßig online gebrauchte Kleidung kauft. Dabei ergibt die Studie zum Teil sehr überraschende Ergebnisse der Einflussfaktoren. So haben die wahrgenommene Nützlichkeit, die hedonistische Motivation und die äußeren sozialen Einflüsse von Kunden einen starken bis mittleren Effekt auf die Kaufabsicht, während die Faktoren Nachhaltigkeit (ökologische Motivation), die wahrgenommene Einfachheit der Nutzung von Onlineplattformen und die ökonomische Motivation, keinen Einfluss auf die Kaufabsicht ausüben. In der Praxis sollten Unternehmen daher darauf achten die Vorteile des Onlineshoppings wie z.B. den Kauf unabhängig von Öffnungszeiten und eine vielfältige Produktauswahl gezielt auszuspielen. Um sich die Vorteile der sozialen Beeinflussung von Käufern zu Nutzen zu machen, werden Influencer Kooperationen oder Aktionen, bei denen Kunden ihre Freunde werben, empfohlen. Eine weiterführende Forschung in dem Bereich, kann durch die Erweiterung des Modells mit weiteren Einflussfaktoren wie z.B. dem Vertrauen erfolgen. Des Weiteren kann eine differenzierte Prüfung von Einflussfaktoren verschiedener Re-Commerce Konzepte erfolgen, um Gemeinsamkeiten und Unterschiede zu erarbeiten und somit noch spezifischere Hand-lungsempfehlungen für Stakeholder zu erarbeiten.