TY - RPRT A1 - Kahraman, Hamide ED - Rakow, Thomas C. T1 - Machine Learning im Retourenmanagement N2 - Machine Learning – eine Disziplin der IT, die in letzter Zeit immens an Traktion gewonnen hat. Durch die verzeichneten Entwicklungen, wie z.B. autonomes Fahren, ChatGPT und noch vielen mehr, haben sich in zahlreichen Sparten neue Perspektiven eröffnet. Die vorliegende Arbeit untersucht die Einsatzmöglichkeiten von Machine Learning in der Retourenmanagement Domäne, welche bislang noch wenig erforscht wurden. Gerade der boomende Online-Handel und die daraus resultierende Masse an Retouren verdeutlichen die Notwendigkeit einer Intervention mit dem Ziel, Retouren, die sowohl den Unternehmen als auch der Umwelt schaden, zu minimieren. Ob klassische Ansätze wie logistische Regression und lineare Diskriminanzanalyse oder state-of-the-art Methoden wie neuronale Netzwerke, Entscheidungsbäume, Ensemble Machine Learning, Graphen, etc. – Machine Learning bietet der Wirtschaft viele Werkzeuge, die für die Lösung des Retourenproblems eingesetzt werden können. Die Auswahl der Methoden hängt von dem Ziel und den verfügbaren Daten ab, aber die schiere Anzahl der Möglichkeiten verdeutlicht, dass mehrere Wege für die Reduzierung von Retouren eingeschlagen werden können. Abhängig von Know-How und technischen Voraussetzungen können auch einfachere Methoden, die keine allzu hohe Rechenleistung bzw. wenig Expertise benötigen, den Unternehmen äußerst nützliche Resultate liefern. Die vorliegende Arbeit versucht den aktuellen wissenschaftlichen Status-Quo darzustellen, um dadurch die den Online-Händlern verfügbaren Möglichkeiten aufzuzeigen. KW - Hg_TCR KW - Machine Learning KW - Retourenminimierung KW - Retourenmanagement Y1 - 2023 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:hbz:due62-opus-41260 VL - Arbeitspapier des Lehrgebiets Datenbanken und E-Business, Nr. 2/2023 CY - Düsseldorf ER - TY - RPRT A1 - Kahraman, Hamide ED - Rakow, Thomas C. T1 - KMU-Informationsportale – Entwicklung eines Informationsportals für Mitarbeiter eines mittelständischen Unternehmens N2 - Wissen ist in den letzten Jahren in den Fokus ökonomischer Aktivitäten gerückt und hat sich somit zu einer wichtigen Ressource für Unternehmen entwickelt. Es ist daher nicht verwunderlich, dass das Thema Wissensmanagement sich seit den 80er Jahren einem starken Interesse erfreut. Große Konzerne, wie z.B. Siemens, Bosch und die Otto Group haben die Bedeutsamkeit von Wissensmanagement für den Unternehmenserfolg bereits früh erfasst und Strategien implementiert. Doch wie sieht die Lage in kleinen und mittleren Unternehmen (KMU) aus? Diese Unternehmen machen gerade in Deutschland einen Großteil der Wirtschaft aus und sind daher eine nicht zu vernachlässigende Kraft. Das von den akademischen Untersuchungen ermittelte Bild porträtiert fehlende Strukturen und voneinander losgelöste Maßnahmen in europäischen KMU. Doch wie kann Wissensmanagement, inmitten von demographischem Wandel, der Etablierung neuer Arbeitsformen sowie dem Durchbruch von künstlicher Intelligenz und Machine Learning implementiert werden? Denn genau diese Änderungen führen unausweichlich zur Infragestellung der bisherigen Wissensmanagement-Strategien. Ziel der vorliegenden Ausarbeitung ist es, Antworten auf diese Fragen zu finden. Dabei soll die Analyse eines mittelständischen deutschen Unternehmens hinzugezogen werden. In Kollaboration mit diesem wird im weiteren Verlauf der Arbeit ein Informationsportal für die Mitarbeitenden zur Festigung der Wissensmanagement-Bemühungen konzipiert und umgesetzt. N2 - In recent years, knowledge has become the focus of attention of economic activities and thus evolved into a crucial business asset. Hence, it is not surprising that knowledge management as a subject matter has enjoyed a considerable interest since the 1980s. Large corporations, such as Siemens, Bosch, and the Otto Group, have recognised the importance of knowledge management for corporate success and have implemented strategies early on. But what about small and medium-sized enterprises (SMEs)? These companies constitute a large part of the economy, particularly in Germany, and are therefore a force that should not be overlooked. The picture painted by academic studies portrays a lack of structure and incoherent measures in European SMEs. But how can knowledge management be implemented amid demographic change, the establishment of new forms of work, and the breakthrough of artificial intelligence and machine learning? Because it is precisely these changes that inevitably lead to the questioning of previous knowledge management strategies. This paper strives to find answers to these questions. A close examination of a medium-sized German company will be called upon. In the course of this work, a knowledge hub will be designed and implemented in collaboration with this company to reinforce their knowledge management endeavours. T2 - SME information portals - Development of an information portal for employees of a medium-sized company KW - Informationsportal KW - Kleine und mittlere Unternehmen (KMU) KW - knowledge management KW - knowledge hub for SMU KW - Wissensmanagement Y1 - 2024 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:hbz:due62-opus-44143 VL - Arbeitspapier des Lehrgebiets Datenbanken und E-Business, Nr. 2/2024 CY - Düsseldorf ER -