Niklas Kühl (* 1987) ist ein deutscher Wirtschaftsinformatiker und Universitätsprofessor an der Universität Bayreuth.

Werdegang

Kühl besuchte die Alexander-von-Humboldt-Schule Wittmund, wo er 2007 sein Abitur ablegte. Er studiere Wirtschaftsingenieurwesen am Karlsruher Institut für Technologie (KIT) im Bachelor und im Master. Danach promovierte er, ebenfalls am KIT, im Bereich Wirtschaftsinformatik zum Thema Needmining: Automated Analytical Support For Customer Need Elicitation. Nach seiner Promotion gründete er das Applied AI in Services Lab am KSRI, welches er bis Februar 2023 leitete. 2020 begann er bei IBM als Managing Consultant im Bereich Data Science. Seit März 2023 ist er Professor an der Universität Bayreuth und führt den Lehrstuhl für Wirtschaftsinformatik und humanzentrische Künstliche Intelligenz. Er ist weiterhin in leitender Funktion am Fraunhofer-Institut für Angewandte Informationstechnik tätig sowie Direktor am Kernkompetenzzentrum Finanz- und Informationsmanagement (FIM).

Forschung

In seinen Forschungsarbeiten beschäftigt sich Kühl mit der Schnittstelle von technischen Themen aus der Künstlichen Intelligenz (KI) und dem maschinellen Lernen mit relevanten Problemen aus Industrie und Gesellschaft. In seiner Promotion entwickelte er das Verfahren Needmining, eine Methode zur automatisierten Erkennung von Bedürfnissen in Social Media Daten. Dabei untersuchte er unter anderem den Unterschied zwischen der Verwendung von Twitterdaten im Vergleich zu traditionellen Forschungsmethoden bei der Erhebung von Kundenbedürfnissen. Nach seiner Promotion arbeitete er vor allem an gestalterischem Wissen für KI-Artefakte in verschiedenen Domänen wie Cloud Services, Internet-of Things, Nachhaltigkeit sowie der rigorosen Dokumentation von maschinellen Lernprozessen in der Wirtschaftsinformatik. Weiterhin beschäftigt er sich mit der Kollaboration von Menschen und KI, insbesondere mit Fairnessaspekten von KI-unterstützten Entscheidungsprozessen.

Einzelnachweise

  1. ↑ Prof. Dr. Kühl. Abgerufen am 21. März 2023.
  2. ↑ Niklas Kuehl, Jan Scheurenbrand, Gerhard Satzger: NEEDMINING: IDENTIFYING MICRO BLOG DATA CONTAINING CUSTOMER NEEDS. In: Research Papers. 15. Juni 2016 (aisnet.org [abgerufen am 21. März 2023]).
  3. ↑ Niklas Kühl, Marius Mühlthaler, Marc Goutier: Supporting customer-oriented marketing with artificial intelligence: automatically quantifying customer needs from social media. In: Electronic Markets. Band 30, Nr. 2, 1. Juni 2020, ISSN 1422-8890, S. 351–367, doi:10.1007/s12525-019-00351-0.
  4. ↑ Niklas Kühl, Marc Goutier, Axel Ensslen, Patrick Jochem: Literature vs. Twitter: Empirical insights on customer needs in e-mobility. In: Journal of Cleaner Production. Band 213, 10. März 2019, ISSN 0959-6526, S. 508–520, doi:10.1016/j.jclepro.2018.12.003 (sciencedirect.com [abgerufen am 21. März 2023]).
  5. ↑ Dominik Kreuzberger, Niklas Kühl, Sebastian Hirschl: Machine Learning Operations (MLOps): Overview, Definition, and Architecture. In: IEEE Access. Band 11, 2023, ISSN 2169-3536, S. 31866–31879, doi:10.1109/ACCESS.2023.3262138 (ieee.org [abgerufen am 26. April 2023]).
  6. ↑ Lucia Schuler, Somaya Jamil, Niklas Kühl: AI-based Resource Allocation: Reinforcement Learning for Adaptive Auto-scaling in Serverless Environments. In: 2021 IEEE/ACM 21st International Symposium on Cluster, Cloud and Internet Computing (CCGrid). Mai 2021, S. 804–811, doi:10.1109/CCGrid51090.2021.00098 (ieee.org [abgerufen am 21. März 2023]).
  7. ↑ Dominik Martin, Niklas Kühl, Gerhard Satzger: Virtual Sensors. In: Business & Information Systems Engineering. Band 63, Nr. 3, 1. Juni 2021, ISSN 1867-0202, S. 315–323, doi:10.1007/s12599-021-00689-w.
  8. ↑ Jannis Walk, Niklas Kühl, Michael Saidani, Jürgen Schatte: Artificial intelligence for sustainability: Facilitating sustainable smart product-service systems with computer vision. In: Journal of Cleaner Production. 10. März 2023, ISSN 0959-6526, S. 136748, doi:10.1016/j.jclepro.2023.136748 (sciencedirect.com [abgerufen am 21. März 2023]).
  9. ↑ Niklas Kühl, Robin Hirt, Lucas Baier, Björn Schmitz, Gerhard Satzger: How to Conduct Rigorous Supervised Machine Learning in Information Systems Research: The Supervised Machine Learning Report Card. In: Communications of the Association for Information Systems. Band 48, Nr. 1, 7. Juni 2021, ISSN 1529-3181, doi:10.17705/1CAIS.04845 (aisnet.org [abgerufen am 21. März 2023]).
  10. ↑ Niklas Kühl, Marc Goutier, Lucas Baier, Clemens Wolff, Dominik Martin: Human vs. supervised machine learning: Who learns patterns faster? In: Cognitive Systems Research. Band 76, 1. Dezember 2022, ISSN 1389-0417, S. 78–92, doi:10.1016/j.cogsys.2022.09.002 (sciencedirect.com [abgerufen am 21. März 2023]).
  11. ↑ Patrick Hemmer, Max Schemmer, Michael Vössing, Niklas Kühl: Human-AI Complementarity in Hybrid Intelligence Systems: A Structured Literature Review. In: PACIS 2021 Proceedings. 12. Juli 2021 (aisnet.org [abgerufen am 21. März 2023]).
  12. ↑ Michael Vössing, Niklas Kühl, Matteo Lind, Gerhard Satzger: Designing Transparency for Effective Human-AI Collaboration. In: Information Systems Frontiers. Band 24, Nr. 3, 1. Juni 2022, ISSN 1572-9419, S. 877–895, doi:10.1007/s10796-022-10284-3.
  13. ↑ Moritz von Zahn, Stefan Feuerriegel, Niklas Kuehl: The Cost of Fairness in AI: Evidence from E-Commerce. In: Business & Information Systems Engineering. Band 64, Nr. 3, 1. Juni 2022, ISSN 1867-0202, S. 335–348, doi:10.1007/s12599-021-00716-w.
  14. ↑ Jakob Schoeffer, Niklas Kuehl, Yvette Machowski: “There Is Not Enough Information”: On the Effects of Explanations on Perceptions of Informational Fairness and Trustworthiness in Automated Decision-Making. In: 2022 ACM Conference on Fairness, Accountability, and Transparency (= FAccT '22). Association for Computing Machinery, New York 2022, ISBN 978-1-4503-9352-2, S. 1616–1628, doi:10.1145/3531146.3533218.
This article is issued from Wikipedia. The text is licensed under Creative Commons - Attribution - Sharealike. Additional terms may apply for the media files.