Der E-Commerce Markt zeichnet sich durch eine hohe Dynamik und Volatilität aus. Eine Chance, diesen Entwicklungen entgegenzuwirken, ist der gezielte Einsatz von künstlicher Intelligenz zur Prozessverbesserung und Prozessautomatisierung. Auch der Onlineversandhandel ist in Deutschland geprägt von mittelständischen Anbietern, die sich dem Vorurteil nach besonders schwertun mit dem KI-Einsatz. Anbieter von No-Code KI-Werkzeugen möchten Hürden einreißen und KI-Projekte für alle ermöglichen. In einer Einzelfallstudie wurde die Umsetzung von vier Anwendungsfällen für den Einsatz von künstlicher Intelligenz mit Hilfe einer No-Code Lösung untersucht. Die Ergebnisse legen nahe, dass auch Fachmitarbeiter mit geringen Vorkenntnissen zum Thema KI relevante Potenziale zur Prozessverbesserung realisieren können.

Microsoft Power BI wurde wiederholt von Gartner als führender Anbieter für Analytics und Business Intelligence Platforms ausgezeichnet. Diese Anwendung gehört zur Microsoft Power Platform; eine sogenannte Low-Code Development Platform (LCDP). Heutzutage gibt es eine Vielzahl von LCDPs, die Business und IT dabei unterstützen, Applikationen und Workflows mit wenig bis gar keinem Programmiercode zu entwickeln. Dabei spielt die Analyse von Daten eine große Rolle. Die neueste Publikation dieses Forschungsprojekts identifiziert die Herausforderungen bei der Implementierung und Anwendung von LCDPs in Wissenschaft und Praxis. Die Ergebnisse zeigen, dass insbesondere Praktiker die Einführung einer umfassenden LCDP-Governance (inkl. u.a. Entscheidungsprozessen, Daten und Access-Control Governance mit entsprechenden Rollen und Verantwortlichkeiten, und organisationsübergreifenden relationalen Mechanismen) als wesentliche Herausforderung ansehen. Die aktuellen Forschungsergebnisse und das weitere Forschungsvorhaben (hinsichtlich der Entwicklung einer LCDP-Governance) bilden zusammen den Inhalt des Vortrags. 

Die visuelle Exploration von Daten durch BIA Applikationen stehen limitierenden Faktoren aus der Skalierbarkeit von visuellen Techniken, gestiegenen Anforderungen der menschlichen Wahrnehmung, breiten Verständnis für Datenmodellierung und einen hohem Technologie- und Ressourcenbedarf gegenüber. Einerseits greifen Data Analysten, Data Scientists, Information Designer und Data Journalisten auf ein stetig steigendes Datenaufkommen im Zuge von BI und Data Lake Architekturen zu und andererseits ist eine neue Herangehensweise an die Erkenntnisgewinnung durch Visual Analytics Tools erforderlich, um den Herausforderungen der Skalierung gerecht zu werden. Diese Herausforderungen im Erkenntnisprozess werden anhand von Fallbeispielen mit den entscheidenden Facetten in der visuellen Mustererkennung aufgezeigt.