FokusThemen
Künstliche Intelligenz
Künstliche Intelligenz (KI) ist ein zentrales Forschungsthema des FIM Forschungsinstituts für Informationsmanagement und des Fraunhofer FIT (Institutsteil Wirtschaftsinformatik). Im Fokus stehen die Gestaltung, Implementierung und der verantwortungsvolle Einsatz von KI-Systemen in Organisationen und Gesellschaft.
Die Forschung deckt dabei den gesamten Lebenszyklus von KI ab – von der strategischen Verankerung über Design, Entwicklung und Betrieb bis hin zur skalierenden Anwendung. Ein besonderer Schwerpunkt liegt auf human-zentrierter, verantwortungsvoller und vertrauenswürdiger KI, die technologische Exzellenz mit rechtlichen, ethischen und organisatorischen Anforderungen verbindet.
Thematisch bündelt das Fokusthema unter anderem:
- AI Strategy & Management
- Responsible & Trustworthy AI
- Human-Centered & Agentic AI
- AI Engineering & Operations
- Applied & Domain-Specific AI
Die Arbeiten sind sowohl theoretisch fundiert als auch anwendungsnah und werden in enger Zusammenarbeit mit Industrie, öffentlicher Hand und Forschungspartnern umgesetzt.
Kooperationsmöglichkeiten zum Thema Künstliche Intelligenz
- Gemeinsame Forschungs- und Drittmittelprojekte z. B. zu KI-Transformation, Generative AI, Process Intelligence, Computer Vision, Distributed Machine Learning oder regulatorischen Fragestellungen (EU AI Act).
- Industrieprojekte & Transfer Unterstützung bei KI-Ideation, Use-Case-Identifikation, KI-Strategieentwicklung, Aufbau von AI Competence Centern (AI CoE), MLOps sowie Entwicklung und Betrieb produktiver KI-Systeme.
- Workshops und Weiterbildung zu Praxisorientierte Formate zu KI-Management, KI-Governance, Generative AI, Prompting, Responsible AI und Mensch-KI-Interaktion.
- Netzwerke & Austauschformate zu Einbindung in nationale und internationale Forschungsnetzwerke sowie Austauschplattformen für Wissenschaft und Praxis.
Einschlägige Publikationen zum Thema Künstliche Intelligenz
- Hofmann, Peter, et al. „Identifying artificial intelligence use cases: toward a method that facilitates garbage can innovation processes.“ Information & Management (2025): 104261.
- Kühl, Niklas, et al. „Artificial intelligence and machine learning.“ Electronic Markets 32.4 (2022): 2235-2244.
- Kreuzberger, Dominik, Niklas Kühl, and Sebastian Hirschl. „Machine learning operations (mlops): Overview, definition, and architecture.“ IEEE access 11 (2023): 31866-31879.
- Kühl, Niklas. „Human-centric artificial intelligence: the road ahead.“ Transfer: Zeitschrift für Kommunikation & Markenmanagement 70(4) (2024).
- Lämmermann, Luis, Peter Hofmann, and Nils Urbach. „Managing artificial intelligence applications in healthcare: Promoting information processing among stakeholders.“ International Journal of Information Management 75 (2024): 102728.
- Protschky, Dominik, et al. „What gets measured gets improved: Monitoring machine learning applications in their production environments.“ IEEE Access (2025).
- Kratsch, Wolfgang, et al. „Machine Learning in Business Process Monitoring: A Comparison of Deep Learning and Classical Approaches Used for Outcome Prediction.“ Business & Information Systems Engineering 63.3 (2021): 261-276.
- Fechner, Pascal, et al. „Near-infrared spectroscopy for bladder monitoring: a machine learning approach.“ ACM Transactions on Management Information Systems 14.2 (2023): 1-23.
- Wördehoff, Niklas, et al. „Beyond assumptions: A reference architecture to enable unsupervised process discovery from video data.“ Decision Support Systems (2025): 114544.
