Lehrstuhl für Enterprise Computing auf der DESRIST 2026 vertreten

Der Lehrstuhl für Enterprise Computing freut sich, in diesem Jahr vom 08.06. bis zum 10.06. auf der DESRIST 2026 – The 21st International Conference on Design Science Research in Information Systems and Technology vertreten gewesen zu sein. Mit der Vorstellung von vier wissenschaftlichen Beiträgen konnten wir unsere aktuellen Forschungsarbeiten im Bereich Design Science Research einem internationalen Fachpublikum präsentieren.

Die DESRIST zählt zu den zentralen internationalen Konferenzen für Design Science Research in der Wirtschaftsinformatik und bietet eine wichtige Plattform für den Austausch innovativer Forschungsergebnisse, methodischer Ansätze und praxisrelevanter Erkenntnisse. Sie bringt Wissenschaftlerinnen und Wissenschaftler sowie Praktikerinnen und Praktiker aus aller Welt zusammen und fördert die Weiterentwicklung der Disziplin.

Besonders freuen wir uns darüber, dass Alexander van der Staay im Rahmen der Konferenz eine Session als Session Chair moderieren durfte und damit aktiv zur Gestaltung des wissenschaftlichen Programms beigetragen hat.

Für weitere Informationen zur Konferenz klicken Sie bitte hier.

Hier sind unsere vorgestellten Paper:

• Speckmann, P., van der Staay, A., Markic, M., Kelch, Y., Nebel, M., Poeppelbuss, J., Janiesch, C. (2026). „"Do AI Yourself": Designing a Toolbox to Empower Small- and Medium-Sized Enterprises to Embrace AI-as-a-Service“.
  In diesem Paper entwickeln und evaluieren wir im Rahmen eines Design-Science-Ansatzes eine interaktive Toolbox, die kleine und mittlere Unternehmen dabei unterstützt, AI-as-a-Service-Anwendungen eigenständig zu identifizieren, zu bewerten und umzusetzen. Die Toolbox kombiniert Bausteine wie AI-Literacy, strategische Bewertung, archetypische Use Cases, Geschäftsmodellentwicklung und regulatorische Einordnung, um Unternehmen bei einer reflektierten und wertschöpfenden AI-Adoption zu unterstützen.
• Dasmann, L., van der Staay, A., Janiesch, C. (2026). „Design Knowledge for Ethical Use of AI in Emergency Medical Dispatch Systems“.
  Das Paper untersucht den Einsatz von Künstlicher Intelligenz im Emergency Medical Dispatch Systemen (Notfallmedizin-Systemen) und analysiert die damit verbundenen ethischen Herausforderungen in einem sicherheitskritischen Kontext. Im Fokus steht die Entwicklung praxisnaher und wissenschaftlich fundierter Leitlinien für den verantwortungsvollen Einsatz von KI, insbesondere im Hinblick auf Transparenz, Fairness und Verantwortlichkeit. Ziel ist es, eine vertrauenswürdige Integration von KI in die Entscheidungsprozesse der Notfallleitstellen zu ermöglichen.
• Demircan, F., Nebel, M., Janiesch, C. (2026). „Design Principles for Ethical Automated Mental Workload Monitoring in the Industrial Internet of Things“.
  Automatisierte Systeme zur Überwachung mentaler Arbeitsbelastung im Industrial Internet of Things werfen zahlreiche ethische Fragestellungen auf. Im Rahmen eines Design-Science-Ansatzes entwickelten wir Designprinzipien, die zentrale Anforderungen wie Datenschutz, Transparenz und menschliche Autonomie in konkrete Gestaltungsmechanismen für solche Systeme übersetzen. Die Ergebnisse zeigen, wie Organisationen Technologien zur Unterstützung von Entscheidungsprozessen einsetzen können, ohne Privatsphäre, Selbstbestimmung und das langfristige Wohlbefinden von Beschäftigten zu gefährden.
• Schulte, N., Jeyakumar, I.H.J., Kubach, M., Janiesch, C. (2026). „Beyond the Golden Record: Toward a Design Theory for Trustworthy Master Data Management with Self-Sovereign Identity“.
  Das Paper adressiert die anhaltende Herausforderung unzuverlässiger Stammdaten in Unternehmen, die bis heute häufig durch strategisch riskante Abhängigkeiten von kommerziellen Datenbrokern kompensiert wird. Dazu haben eine Designtheorie für vertrauenswürdiges Stammdatenmanagement auf Basis von Self-Sovereign Identity entwickelt, fundiert durch ein hermeneutisches Literaturreview und Experteninterviews. Die Theorie wird in einer Referenzarchitektur für Datenräume instanziiert und bietet einen Rahmen für zuverlässiges, souveränes und nachvollziehbares Stammdatenmanagement.