Bibtex
Cite as text
@Inbook{Szafarski+Beckmann,
Cite-key = "szafarski2022",
Year= "2022",
Volume= "AKWI-Tagungsband zur 35. AKWI-Jahrestagung",
Pages= "273–286",
Journal = "Monographs",
Title= "Einsatz von Machine Learning im Innovationsmanagement: Eine Literaturanalyse",
Author= "Daniel Szafarski und Helmut Beckmann",
Doi= "https://doi.org/10.30844/AKWI_2022_18",
Abstract= "In volatilen Zeiten, in denen die verfügbare Datenmenge stetig steigt, nehmen Unternehmen das IM in den Fokus, um ihre Wettbewerbsfähigkeit zu sichern. Aus diesem Grund ist eine stetig steigende Anzahl an Publikationen zu verzeichnen, welche sich aktuell insbesondere mit der frühphasigen Ideengenerierung mithilfe natürlich sprachlicher Texte beschäftigen. Zur Analyse werden sowohl unüberwachte als auch überwachte Lernverfahren angewendet, wobei insbesondere Clustering- Algorithmen sowie Klassifikations- und Regressionsanalysen genutzt werden. Die präskriptive Analyse sowie die geschäftsbezogenen Innovationen sind in diesem Zusammenhang noch kaum untersucht, weswegen sich hieraus weitergehender Forschungsbedarf ableiten lässt.",
Keywords= "Innovationsmanagement, Machine Learning, Künstliche Intelligenz, Digitalisierung, Literaturanalyse",
}
Daniel Szafarski und Helmut Beckmann(2022): Einsatz von Machine Learning im Innovationsmanagement: Eine Literaturanalyse. AKWI-Tagungsband zur 35. AKWI-Jahrestagung(2022), S. 273–286. Online: https://doi.org/10.30844/AKWI_2022_18 (Abgerufen 22.12.24)
Open Access
In volatilen Zeiten, in denen die verfügbare Datenmenge stetig steigt, nehmen Unternehmen das IM in den Fokus, um ihre Wettbewerbsfähigkeit zu sichern. Aus diesem Grund ist eine stetig steigende Anzahl an Publikationen zu verzeichnen, welche sich aktuell insbesondere mit der frühphasigen Ideengenerierung mithilfe natürlich sprachlicher Texte beschäftigen. Zur Analyse werden sowohl unüberwachte als auch überwachte Lernverfahren angewendet, wobei insbesondere Clustering- Algorithmen sowie Klassifikations- und Regressionsanalysen genutzt werden. Die präskriptive Analyse sowie die geschäftsbezogenen Innovationen sind in diesem Zusammenhang noch kaum untersucht, weswegen sich hieraus weitergehender Forschungsbedarf ableiten lässt.
Innovationsmanagement, Machine Learning, Künstliche Intelligenz, Digitalisierung, Literaturanalyse