Fachgruppe
Business Intelligence & Analytics
Programm Fachgruppe
Business Intelligence & Analytics
Day 1
13:00 – 13:30 Uhr
Opening
Prof. Dr. Stefan Wrobel (Institute Director Fraunhofer IAIS)
13:30 – 15:00 Uhr
Keynote
Prof. Dr. Geoff Webb (Monash University)
Time series classification at scale
Time series classification is a fundamental data science problem, providing understanding of dynamic processes as they evolve over time. The recent introduction of ensemble techniques has revolutionised this field, greatly increasing accuracy, but at a cost of increasing already burdensome computational overheads. I present new time series classification technologies that achieve the same accuracy as recent state-of-the-art developments, but with many orders of magnitude greater efficiency and scalability. These make time series classification feasible at hitherto unattainable scale.
15:00 – 15:30 Uhr
Break
15:30 – 16:30 Uhr
Joint Research Track
Solving Abstract Reasoning Tasks with Grammatical Evolution
(Raphael Fischer, Matthias Jakobs, Sascha Mücke and Katharina Morik)
Construction of a Corpus for the Evaluation of Textual Case-based Reasoning Architectures
(Andreas Korger and Joachim Baumeister)
Modeling Interdependent Preferences over Incomplete Knowledge Graph Query Answers
(Till Affeldt, Stephan Mennicke and Wolf-Tilo Balke)
16:30 – 18:00 Uhr
Poster Session
Day 2
13:00 – 14:30 Uhr
Keynote
Prof. Dr. Kristian Kersting (TU Darmstadt)
On Hybrid and Systems AI
Our minds make inferences that appear to go far beyond standard machine learning. Whereas people can learn richer representations and use them for a wider range of learning tasks, machine learning algorithms have been mainly employed in a stand-alone context, constructing a single function from a table of training examples. In this talk, I shall touch upon a view on AI and machine learning, called Systems AI, that can help capturing these human learning aspects by combining different AI and ML models using high-level programming. Since inference remains intractable, existing approaches leverage deep learning for inference. Instead of “just going down the neural road,” I shall argue to also use probabilistic circuits, a deep but tractable architecture for probability distributions. This hybrid approach can speed up inference as I shall illustrate for unsupervised science understanding, database queries and automating density estimation.
14:30 – 15:30 Uhr
Parallel Research Track
DB, KDML, WM
15:30 – 16:00 Uhr
Break
Day 3
13:00 – 14:00 Uhr
- Ein agiles Vorgehensmodell zur Einführung von Predictive Analytics in Unternehmen
(Jule Aßmann, Joachim Sauer and Michael Schulz) - Comparing Brand Perception Through Exploratory Sentiment Analysis in Social Media
(Mario Cichonczyk, Carsten Gips) - Substitution der Akteur-Beteiligung durch KI und BI am Beispiel eines Logistik-Projekts in den Neuss-Düsseldorfer Häfen
(Claus Brell, Ralf Kuron, Wilhelm Mülder)
14:00 – 15:00 Uhr
Parallel Research Track
KDML, WM
15:00 – 15:30 Uhr
Break
15:30 – 16:30 Uhr
Keynote
Prof. Dr. Thomas Gärtner (TU Wien)
Interactive Machine Learning with Structured Data
In this talk I’ll give an overview of our contributions to what I call interactive machine learning. Often, interaction in Computer Science is interpreted as the interaction of humans with the computer but I intend a broader meaning of the interaction of machine learning algorithms with the real world, including but not restricted to humans. Interactions with humans span a broad range where they can be intentional and guided by the human or they can be guided by the computer such that the human is oblivious of the fact that he is being guided. Another example of an interaction with the real world is the use of machine learning algorithms in cyclic discovery processes such as drug design. Important properties of interactive machine learning algorithms include efficiency, effectiveness, responsiveness, and robustness. In the talk I will show how these can be achieved in a variety of interactive contexts.
16:30 – 17:00 Uhr
Closing
Beschreibung der Inhalte
Advanced und Predictive Analytics ist in den Unternehmen angekommen. Nach einer Phase des starken Wachstums der Zahl an Analytics-Initiativen kann jetzt ein Übergang in deren Konsolidierung und Professionalisierung beobachtet werden. Hierbei findet auch ein organisches Zusammenwachsen der Big-Data- und Analytics-Landschaft mit den etablierten Business-Intelligence- und Data-Warhehousing-Strukturen statt. Das betrifft inhaltliche, technische und organisatorische Aspekte und geht einher mit
- Einer stärkeren Implementierung in die betrieblichen Prozesskontexte (inkl. der Gestaltung der Daten-Pipelines/DataOps, der Kommunikation und Erklärung von Analytics-Ergebnissen/ExAI und der Modelloperationalisierung),
- einer gestiegenen Automatisierung der IT-basierten Entscheidungsunterstützung (AI/ML-basierte Datenaufbereitung, Automated Feature Engineering, Automated Data Preparation and Model Selection, AutoML & Augmented Analytics),
- ausdifferenzierten Governance- und Rollenkonzepten (BIA Governance, Data und Model Governance, Data Engineer/Data Steward/Data Analyst/Data Scientist),
- einer stärkeren, organisationsübergreifenden Arbeitsteilung, insbes. durch neue Cloud-Konzepte (FaaS/MaaS/VaaS für Analytics, hybride Cloud-Analytics-Plattformen etc.,
- des stärkeren – aber kontrollierten Einbezugs der Anwender (Self-Service-AI, Cognitive Computing) und
- einem intensiveren Data Sharing in Unternehmen und über Unternehmensgrenzen
Der Workshop widmet sich diesen und benachbarten Themen.
Ziel des Workshops und Einreichungsformate
Ziel des Workshops ist es innovative Forschungsansätze und Forschungsergebnisse aus dem Bereich Business Intelligence und Analytics (BIA) zu präsentieren, zu diskutieren und in Bezug zu setzen (Full Paper). Vorgestellt werden sollen neben originären Forschungsergebnissen bewusst auch Zwischenergebnisse aus Forschungsprojekten, konkrete Forschungsideen sowie neue methodische Herangehensweisen (Research in Progress). Ebenfalls eingereicht werden können bereits veröffentlichte Beiträge und Zwischenergebnisse (Re-Submissions), die zur Fortentwicklung und zum Finden von Partnern für Anschlussarbeiten vorgestellt werden. Unabhängig davon sind Poster-Einreichungen zu Prototypen, Design-Artefakte und Praxisbeiträgen willkommen.
Ausrichtung und Zielgruppe
Auch in diesem Jahr ist der Workshop auf die Unterstützung bei der Initiierung neuer Forschungsvorhaben, dieaktive Vorbereitung hochwertiger Publikationen, sowie Initiierung möglicher Kooperationen ausgerichtet. Zielgruppe sind insbesondere auch Doktoranden. Ein Austausch mit den parallel stattfindenden Veranstaltungen wird explizit gewünscht und gefördert.
Beispiele zu Themenfeldern zu denen eingereicht werden kann
- Datengetriebene Systeme: BIA als Grundlage digitaler Geschäftsmodelle / BIA in der digitalen Transformation / BIA im Innovationsprozess
- Innovative BIA-Anwendungsdomänen (z.B. BIA in der Logistik, BIA und Smart Farming, BIA im Energiesektor / im Internet der Energie, BIA und Health Care, BIA in der Öffentlichen Verwaltung)
- BIA im Kontext der Themen „Internet der Dinge“ und „Industrie 4.0“
- Integration und Auswertung von Kundendaten (bspw. aus Mobile BIA und Wearable BIA, BIA und Augmented /Virtual Reality) zu Customer Journeys
- Advanced, Predictive und Visual Analytics
- Einsätze von Natural Language Processing/Text Mining, Process Mining, Social Network Analysis & Co.
- Betriebswirtschaftliche Anwendungsfelder von Künstlicher Intelligenz und Deep Learning:
Convolutional Neural Networks, Deep Recurrent Neural Networks, Deep Reinforcement Learning, Deep Autoencoder, Generative Adversial Networks, Capsule Networks & Co. - BIA und Big-Data / NoSQL / In-Memory-BIA, Analytische Datenbanken
- Agile BIA, Self-Service-BIA und Sourcing-Konzepte (BIA aaS)
- BIA-Governance, Entwicklungs- und Betriebskonzepte sowie deren Werkzeugunterstützung
- Data-Science-Plattformen,
- AutoML und Augmented Analytics,
- Metadatenmanagement, Datenqualitäts- und Stammdatenmanagement im BIA-Umfeld
- Data Science Plattformen, Modelldistribution und -operationalisierung, Modellmanagement
- BIA über Unternehmensgrenzen
- Prozessorientierte BI, Operational BI, Process-centric BIA, Business Process Intelligence etc.
- Cloud-basierte BIA: BIA mit Microservices, Containern, Function as a Service / Serverless Computing
Weitere Ergänzungen sind willkommen.
Zeitplan
- Einreichungen bis:
29.06.202017.07.2020 - Benachrichtigung über Annahme / Gutachten: 24.07.2020
- Camera-Ready-Versionen der angenommenen Paper: 17.08.2020
- Workshop und Präsentation auf der LWDA-Konferenz: 09.09.-11.09.2020
Einreichungen
- Sämtliche Einreichungen sind in der Springer LNCS Vorlage zu erstellen: http://www.springer.com/computer/lncs?SGWID=0-164-6-793341-0.
- Sowohl deutschsprachige als auch englischsprachige Beiträge sind willkommen.
- Full Paper umfassen 10-12 Seiten (ohne Literaturverzeichnis) und beinhalten in sich (großteils) abgeschlossene Forschungsaktivitäten. Bei Design-Papern und Prototypen sollte der Erstellungsprozess abgeschlossen sein und die Annahmen transparent dargelegt werden.
- Research in Progress Paper umfassen 4-5 Seiten (ohne Literaturverzeichnis), in denen Forschungsideen und neue Design-Projekte vorgestellt werden. Dargelegt werden sollten dabei Vorgehen, Methode und Datengrundlage. Erste Ergebnisse sollten erkennbar sein.
- Re-Submissions werden auf insgesamt 1-2 Seiten zusammengefasst, in denen auf die existierende(n) Publikation(en) verwiesen wird.
- Jede akzeptierte Einreichung wird doppelt begutachtet.
- Die Einreichung erfolgt via EasyChair: https://easychair.org/conferences/?conf=lwda2020
- Wird ein Beitrag zur Präsentation und Veröffentlichung (optional) angenommen, muss sich mindestens ein Autor zur Konferenz LDWA 2020 anmelden und die Arbeit persönlich vorstellen.
Veröffentlichung
Full- und Short-Paper mit einer Länge von mindestens 5 Seiten können im Tagungsband der LWDA publiziert werden (ausgenommen Re-Submissions): CEUR-Workshop-Proceedings: http://ceur-ws.org
Programmkommitee
- Dr. Henning Baars, Universität Stuttgart
- Prof. Dr. Carsten Felden, TU Bergakademie Freiberg
- Dr. Ralf Finger, Information Works
- PD Dr. Sebastian Olbrich, EBS Universität
Track Chair
Dr. Henning Baars
Lehrstuhl für ABWL und Wirtschaftsinformatik I
Universität Stuttgart
Keplerstr. 17 – 70174 Stuttgart , Tel.: 0711 – 685 83037
E-Mail: henning.baars@bwi.uni-stuttgart.de
Chair
Dr. Daniel Trabold
Fraunhofer-Institut für Intelligente Analyse- und Informationssysteme IAIS
Schloss Birlinghoven
53757 Sankt Augustin, Germany
Phone +49 2241 14-2751
Bonn Image: ©travelview – stock.adobe.com