Was macht Google, Facebook & Co so erfolgreich? Sie verstehen es, Lücken in der Leistungserbringung existierender Geschäftsmodelle zu identifizieren und sie durch neue digitale Innovationen zu schliessen. In diesem Kontext spielen Service Innovation und Design eine immer grössere Rolle, da durch die fortschreitende Digitalisierung Kunden oft nicht allein ein Produkt, sondern auch die damit verbundenen ‑ zunehmend auch auf Daten basierenden ‑ Services erwerben. Die Verlagerung des Angebotsportfolios hin zu einer Kombination aus Produkten und Services, die sogenannte «Servitization», bietet Unternehmen die Möglichkeit neue Märkte und Kundengruppen zu erschliessen, den Kunden näher an sich zu binden und sich durch individuelle Angebote von der Konkurrenz abzuheben. In dieser Veranstaltung werden wir unter anderem den Stand der Forschung hinsichtlich der digitalen Transformation hin zu mehr Services kennenlernen, uns mit verschiedenen Herangehensweisen für die Entwicklung und das Management von digitalen Services vertraut machen sowie anhand von Beispielen aus der Praxis die erfolgreiche Einführung von IT‑basierten Serviceinnovationen untersuchen. Zusätzlich werden wir in Kooperation mit namhaften Praxispartnern in Teams einen digitalen Service entwickeln und designen.

Daten sind das neue Öl! Daten sind eine neue Asset-Klasse! Solche und ähnliche Aussagen sind heute allgegenwärtig und sollen das grosse wirtschaftliche Potenzial von Data Science und künstlicher Intelligenz veranschaulichen. "Smarte" Produkte und Dienstleistungen sind bereits heute allgegenwärtig und werden in Zukunft eine immer grössere Rolle in unserem Privat- und Arbeitsleben spielen. So galten beispielsweise selbstfahrende Autos vor 10 Jahren noch als technische Utopie; heute wartet man auf die flächendeckende Markteinführung. Übergeordnetes Ziel des Kurses ist es, Studierende in die Lage zu versetzen, mittels Big Data, Data Science, Machine Learning & Co betriebswirtschaftliche Probleme lösen zu können. Dafür verfolgt der Kurs ein Fallstudien-orientiertes Kursdesign. In jeder Fallstudie wird auf Basis einer konkreten betriebswirtschaftlichen Problemstellung eine prototypische Anwendung entwickelt, um z.B. die finanzielle Performance, operative Effizienz oder die Effektivität von betriebswirtschaftlichen Massnahmen zu verbessern. Im Rahmen der Fallstudien werden eine Vielzahl von unterschiedlichen Algorithmen und Analyse-Ansätzen besprochen und eingeübt. Die Fallstudien stammen dabei in der Regel aus dem Kontext von führenden Internet- und Technologie-Unternehmen, wie z.B. Facebook, Linkedin, Netflix, Orange oder Zalando. Diese Fallbeispiele umfassen dabei u.a. die Vorhersage von Weinqualität, Vorhersage von zukünftigen Kundenverhalten, das Erstellen von Kaufempfehlungen oder die automatisierte Identifikation von Fake News. Studierende lernen dabei den Umgang mit grossen unstrukturierten Datenmengen.

The digitalization of society is changing the way we consume, work, live, and communicate with each other. Digitization is generating a new start-up era, which focuses on digital users and their changing needs, which opens up access to whole new markets. Digitization is also forcing established companies to build a digital core and therefore adapt to the changing needs of the digital society. The transformation from the information society to the digital society represents one of the key challenges for companies. This leads to that existing business models are becoming partially ineffective, value chains are changing to networks and systems, high costs are being incurred for the management of digitization, and new organizational forms and task profiles are emerging. Based on the orientation to digital users and their needs, organizational strategies, processes, and systems as well as management tasks, products and services must be designed accordingly to build the digital core. Using model-based design theory, helps to develop innovative business solutions, to support companies in their digital transformation. Therefore, the aim of the course "Engineering the Companies Digital Core" is to enable students to acquire skills to design the companies' digital core and help them in this transformation process, by actively take into account the digitalization of the economy and society.

In this course, students will be introduced to the fundamental principles of digital value creation and will learn how these principles can be translated into digital products and services. Following an action learning approach, the students will apply a user-centered innovation approach (i.e. "St. Gallen Digital Business Innovation Approach)" as well as different scientific methods, in order to come up with new digital solutions.  Within the course, the students will work on real‑life company cases. The cases are solved in teams of five students each with the support of company ambassadors and method coaches.

Erfolgreiche Unternehmen verstehen es, kundenorientiert immer wieder komplett neue Dienstleistungen und Geschäftsmodelle zu gestalten. Dabei entwickeln sie häufig digitale Service‑Innovationen. In diesem Kontext spielen die systematische Gestaltung und das Management von Dienstleistungen und Dienstleistungssystemen eine zentrale Rolle. In dieser Veranstaltung behandeln wir die Grundlagen zu Dienstleistungen sowie deren systematische Gestaltung und Management. Darüber hinaus widmen wir uns den Inhalten und Perspektiven, die Ihre bisherigen Kompetenzen im Sinne soziotechnischer Systemgestaltung optimal komplementieren. Gleichzeitig erweitern Sie Ihre Sprech‑ und Handlungsfähigkeit bzgl. der systematischen Gestaltung von innovativen Dienstleistungen. Eine Vielzahl aktueller und innovativer Beispiele aus dem Bereich der IT‑ bzw. datenbasierten Serviceinnovation unterstützen Sie in diesem Prozess. Zusätzlich werden wir Sie in Teams und in Kooperation mit Praxispartnern einen digitalen Service entwickeln und designen, um die kennengelernt Theorien, Werkzeuge und Ansätze direkt in die Praxis zu überführen. Dabei werden wir mit agilen Elementen von Scrum arbeiten, um flexibel auf die Kundenbedürfnisse einzugehen und den Prototypen leichtgewichtig und zielgerichtet umzusetzen. Die Veranstaltung baut dabei inhaltlich auf die Pflichtveranstaltung «7,002: Business Innovation II: Unternehmen gestalten und digital transformieren» auf.

Projekt‑ und Change‑Management sind wichtige Aufgaben in der Unternehmensführung. Durch sie werden die Umsetzung der Unternehmensstrategie und eine Anpassung der Prozesse, Informations‑ und Kommunikationstechnologie sowie auch der Unternehmenskultur und Steuerungssysteme an veränderte Umfeldbedingungen erst möglich. Versagen Projekt‑ und/oder Change‑Management, ist eine erfolgreiche Umsetzung der Strategie nahezu unmöglich. Gleichzeitig ist ein systematisches Projekt‑ und Change‑Management eine grundlegende Voraussetzung für eine effektive und effiziente Implementierung der Veränderung auf allen Ebenen des Unternehmens. Deshalb haben beide Aufgaben im Rahmen des Business Engineering eine erfolgskritische Rolle.   Während sich das Projekt‑Management in den letzten Jahren mit verschiedenen Methoden in den Unternehmen etabliert hat, ist das Change Management heute zwar ein systematischer Bestandteil der Unternehmensführung, bringt aber häufig noch nicht den gewünschten Erfolg.   Ein wichtiger Faktor in den vielfältigen Bemühungen, ein effektives und effizientes Projekt‑ und Change‑Management umzusetzen, wird dabei oftmals mit nur geringer Priorität behandelt: der Mensch. Seine Bedeutung für den Erfolg der Veränderung ist zwar bekannt, aber als so genannter ʺweicherʺ und damit nur schwierig zu greifender Einflussfaktor, wird er gerne ʺausgeblendetʺ.   Die Zielsetzung der Veranstaltung ist es, diese so genannten harten und weichen Faktoren des Projekt‑ und Change‑ Managements mit einander in Verbindung zu bringen. Die gelernten Inhalte werden anhand von Fallstudien verankert. 

Daten sind das neue Öl! Künstliche Intelligenz ist der Produktionsfaktor der Zukunft! Diese und ähnliche Aussagen sind heute allgegenwärtig und sollen das grosse wirtschaftliche Potenzial von Big Data, Business Analytics, Data Science und künstlicher Intelligenz veranschaulichen. Als Konsequenz investieren mehr und mehr Unternehmen in die systematische Entwicklung von Datenprodukten - Lösungen und Tools, die es Unternehmen erlauben, ihre Geschäftsprozesse zu automatisieren, ihre Entscheidungen zu verbessern oder neue Geschäftsmodelle zu entwickeln. Für viele Unternehmen ist es jedoch eine grosse Herausforderung, tragfähige Datenprodukte zu entwickeln und zu validieren. Gleichzeitig werden Fachkräfte gesucht, die hierfür die notwendigen Kompetenzen mitbringen. In dem Forschungs‑Praxis‑Venture sollen Studierende in Zusammenarbeit mit Praxispartnern auf Basis einer realen Problemstellung einen Use Case für ein Datenprodukt entwickeln sowie diesen prototypisch umsetzen und validieren. Dabei erlernen Sie einen systematischen Ansatz, der Verfahren aus dem Technologie‑ und Innovationsmanagement (z.B. aus Lead User‑Forschung), aus der Geschäftsmodell‑Entwicklung (z.B. Lean Start‑Up‑Ansatz) sowie aus dem User‑Centered‑Design (z.B. Entwicklung von Use Cases und Personas) kombiniert. Der Schwerpunk der im FS 2022 zu bearbeitenden Themen wird sich voraussichtlich um Voice- and Chatbots drehen.

Im Zeitalter schnelldrehender Technologiezyklen und kontinuierlich steigender Markttransparenz kommt der Nutzerzentrierung bei der Gestaltung neuer digitaler Produkte eine zentrale Rolle zu. Der Kurs soll den Studierenden helfen solche nutzerzentrierte Gestaltungs‑Skills zu entwickeln, damit sie Technologien gestalten können, die dem User Freude anstatt Frustration bringen. Studierende werden dabei selbst ein HCI‑Projekt durchführen.   Der Kurs ist wie folgt aufgebaut:   Einführung: Dieser Teil gibt einen Überblick über die verschiedenen Kursbestandteile, in welchem die Studierenden auch erstmals ihre Projekte kennenlernen werden.   Visuelle und informative Gestaltungsprinizipien: In diesem Teil werden wir uns konkrete Fragen der Interaktionsgestaltung ansehen, um den Studierenden zu helfen, interaktive Prototypen zu konkretisieren. Dieser Teil präsentiert Theorien und Prinzipien für eine gute Interaktionsgestaltung. Ausserdem konzentriert er sich auf die einzelnen Bestandteile von Benutzeroberflächen: Maßstab, Kontrast, Muster, Form, Farbe, Typografie und Layout. Dies soll den Studierenden neue Erkenntnisse bringen wie subtile Veränderungen in diesen visuellen Variablen die Erfahrung der Menschen stark beeinflussen können.   Needfinding: Dieser Teil deckt ein wirklich wichtiges Thema ab: Woher bekommt man gute Gestaltungsideen? Ideen, die helfen, aussagekräftige Designs zu erstellen, die einen echten Einfluss auf das Leben echter Menschen haben. Natürlich kommen gute Ideen von vielen Orten. Es gibt ein paar Strategien, welche in diesem Teil behandelt werden. Angesichts des Fokus auf «reale» Menschen konzentrieren wir uns darauf, mit diesen Menschen zu sprechen und sie zu beobachten. Die Kombination von Beobachtung und Befragung bietet eine leistungsstarke Grundlage für die Bedarfsfindung und das Brainstorming ‑ was also passiert, nachdem Sie viele Dinge beobachtet haben ‑ wie verbinden Sie die hohen Anforderungen mit konkreten Gestaltungsideen? Das und vieles mehr wird in diesem Teil behandelt.   Rapid Prototyping: Dieser Teil behandelt das Storyboarding und verschiedene Strategien und Medien für Rapid Prototyping, darunter Papier und Wizard‑of‑Oz Prototyping. Ein wichtiger Teil der Kreativität eines Designers ist es, darüber nachzudenken, wie man schnell einen Prototyp erstellen und Feedback zu den Ideen erhalten kann. Denn es ist fast nie der Fall, dass die erste Idee, die man hat, die beste sein wird. Als Gestalter kann man am meisten lernen, wenn man mehrere Prototypen erstellt und daraus lernt.  Prototyping ist auch ein guter Weg, um eine gemeinsame Basis zwischen dem Designteam und anderen Beteiligten zu schaffen. Wir schauen uns Storyboards, Paper Prototyping und Mockups an. Die Studenten fragen oft nach dem Zusammenhang zwischen Bedarfsermittlung und Prototyping: Wie eng fließt das eine in das andere? Letztendlich ist die Qualität des endgültigen Designs das eigentliche Maß und es gibt viele Möglichkeiten, dorthin zu gelangen.   Evaluation: Nachdem die Studierenden ihren eigenen Prototypen erstellt haben, müssen sie natürlich herausfinden, ob es qualitativ gut ist. Die beste Art der Evaluation ist den Prototypen vor echten Nutzern zu präsentieren, um zu sehen, wie gut es tatsächlich funktioniert. Damit man das tun kann, geht es im letzten Teil um die Gestaltung, Durchführung und Analyse von Evaluationen. Die Ideen mit Menschen zu testen und dann zu verbessern macht oft den Unterschied zwischen einem Flop und einem Hit. Durch wiederholte Iterationen und Tests erhalten Sie ein wunderbar ausgefeiltes Interaktionsdesign. 

In jeder Minute eines Tages werden im Internet mehr als 400'000 Stunden Netflix-Content gestreamt, 4,5 Millionen Suchanfragen bei Google gestellt und mehr als 200 Millionen Emails versendet. Parallel erlauben die zunehmende Digitalisierung und die damit einhergehende Verbreitung von immer kostengünstigeren Sensoren und immer leistungsfähigerer Hardware, das Entstehen von neuen Datenquellen, die systematisch in unterschiedlichste, betriebliche Wertschöpfungsprozesse eingebunden werden können. Vor diesem Hintergrund erlauben Big Data und Data Science die systematische Nutzung dieser Daten, um bessere Entscheidungen zu treffen und "smarte" Produkte und Dienstleistungen zu entwickeln. Diese sind bereits heute allgegenwertig und werden in Zukunft eine immer grössere Rolle in unseren Privat- und Arbeitsleben spielen. So galten beispielsweise selbstfahrende Autos vor 10 Jahren noch als technische Utopie; heute wartet man auf die flächendeckende Markteinführung. Big Data, Data Science und künstliche Intelligenz gelten als Produktionsfaktor der Zukunft, während es gleichzeitig an Fachleuten fehlt, die Unternehmen helfen können diese Potenziale nutzbar zu machen. Übergeordnetes Ziel des Kurses ist es, Studierende mit den Grundlagen von Big Data und Data Science vertraut zu machen und Sie in die Lage zu versetzen, diese Ansätze auf betriebswirtschaftliche Probleme anzuwenden. Studierende verstehen die Potenziale und Herausforderungen von Big Data und Data Science und angrenzenden Feldern wie Machine Learning und künstlicher Intelligenz. Im Kurs wird ein Überblick über die wesentlichen Konzepte, Technologien und Werkzeuge vermittelt und ausgewählte Analyseverfahren und ‑werkzeuge im Detail vorgestellt. Diese werden von Studierenden auf reale Fallbeispiele von führenden Online‑Unternehmen, wie z.B. Facebook, Linkedin, Netflix, Orange, Zalando oder AirBnb angewendet, so dass diese im Anschluss selbstständig eingesetzt werden können. Diese Fallbeispiele umfassen dabei u.a. die Vorhersage von Weinqualität, die Vorhersage von zukünftigen Kundenverhalten, das Erstellen von Kaufempfehlungen oder die automatisierte Identifikation von Fake News. Im Rahmen des Kurses werden die technischen Grundlagen vermittelt sowie der Umgang mit zentralen "Analytics‑Tools" eingeübt (z.B. R bzw. Python und Tableau). Studierende lernen dabei den Umgang mit grossen unstrukturierten Datenmengen. Wertversprechen des Kurses Nach Besuch des Kurses sind Studierende in der Lage betriebswirtschaftliche Problemstellungen mittels datenanalytischen Methoden und Prinzipien zu lösen. Dafür fusst der Kurs auf drei zentralen Säulen: Einführung in zentrale Konzepte und Methoden aus den Feldern Big Data, Data Science, Machine Learning und Künstliche Intelligenz; Das Lösen echter betriebswirtschaftlicher Probleme mit realen Datensätzen; Implementierung lauffähiger Prototypen mittels State‑of‑the‑Art‑Tools.

Was macht Google, Facebook und Co. so erfolgreich? Diese Firmen, die mittlerweile zu den grössten der Welt gehören, schaffen es durch ihre extreme Kundenorientierung und dem Angebot hochindividualisierter Lösungen Kunden zu bedienen bzw. völlig neue Märkte zu kreieren. Dieser Erfolg ist keineswegs nur den Geistesblitzen einiger weniger Visionäre zu verdanken. Vielmehr verstehen es die genannten Unternehmen Ansätze aus ihrer erfolgreichen Startup Phase mit in den regulären Geschäftsbetrieb zu übernehmen. Auf diese Weise gelingt es ihnen auf Veränderungen, die durch eine mit digitalen Technologien durchdrungene Welt entstehen, schnell und flexibel zu reagieren und für sich nutzbar zu machen. Diese digitalen Innovatoren verstehen es, Lücken in der Leistungserbringung existierender Geschäftsmodelle zu identifizieren und sie durch ein eigenes digitales Leistungsangebot zu vervollständigen. Dabei bedienen sich die Firmen in zunehmendem Masse unternehmerischen Methoden, die es ihnen ermöglichen Innovationsprojekte in kleinen, schlagkräftigen Teams schnell und leichtgewichtig zu testen. Unter dem Stichwort ʺInternal Venturingʺ werden Innovationsideen generiert, getestet, angepasst und umgesetzt ohne dabei unflexiblen, hierarchischen Strukturen folgen zu müssen. Um diesem Ansatz folgen zu können bedarf es jedoch auch Mitarbeiter, die die Arbeitsweisen erfolgreicher Startups verstehen und einsetzen können ‑ der ʺInterne Entrepreneurʺ wird zum nachgefragten Kompetenzprofil. Ziel dieser Veranstaltung ist es daher, genau solche Kompetenzprofile zu vermitteln. Im Rahmen der Veranstaltung werden reale Problemstellungen namhafter Praxispartner im Rahmen eines ʺForschungs‑ und Praxis‑Venturesʺ ausgearbeitet. Die Studierenden folgen dabei dem St. Gallen Lean Startup Prozess und entwickeln hochgradig kundenzentrierte Lösungen für ein vorgegebenes Problem. In den einzelnen Prozessschritten nutzen die Studierenden unterschiedliche wissenschaftliche Methoden und vertiefen dabei ihr Wissen über die konkrete Anwendung theoretischer und praktischer Methoden, die sie bereits aus anderen Lehrveranstaltungen kennengelernt haben. Darüber hinaus vermitteln die Projekte Vertiefungswissen zur Entwicklung digitaler Geschäftslösungen. Die Ausarbeitung der Lösung erfolgt unter Begleitung eines persönlichen Coaches in Gruppen von 4‑5 Studierenden. Ziel ist es dabei eigenständig digitale Geschäftslösungen aus den Bereichen Crowdfunding, Crowdsourcing, FinTech, Open Innovation, Service Innovation und Service Engineering zu entwickeln. Die Themen haben engen Bezug zu aktuellen Forschungs‑ und Praxisprojekten des Instituts für Wirtschaftsinformatik. Bisherige Themen waren z.B.: Entwicklung einer Handelsplattform für virtuelle Güter in der Gaming‑Industrie Einsatz von Crowdfunding im B2B‑Geschäft einer Bank Entwicklung von location‑based Push Services für den B2B und B2C Bereich Entwicklung einer Crowdtesting‑Dienstleistung Entwicklung einer web‑basierten Lösung zur Vermittlung von Freiwilligenarbeit Entwicklung einer Gesundheitsplattform für Krankenversicherer Massnahmen zur Community‑Building einer Crowdsourcing Plattform

Vor dem Hintergrund der Entwicklungen im Bereich der Künstlichen Intelligenz (KI), stellt Cognitive Automation eine neuartige KI-basierte Form der Geschäftsprozessautomatisierung dar, welche auf den Prinzipien des Maschinellen Lernens (ML) basiert. Hierbei können Organisationen nun durch den Einsatz neuartiger Softwareroboter Aufgaben und Prozesse automatisieren, die vor 10 Jahren unvorstellbar waren, automatisiert zu werden. Für Geschäftsprozessautomatisierung (d.h. Front- und Backoffices) sind diese Entwicklungen vergleichbar mit der Einführung physischer Maschinen in Produktionshallen. Cognitive Automation findet in vielen Zusammenhängen statt, z.B. bei der automatisierten Bearbeitung von Kundenvorfällen mit Chat oder Voice Bots oder durch automatisiertes Emailrouting, der automatisierten Übersetzung von Dokumenten mit neuronalen Netzen, der Medikamentenentwicklung, der automatisierten Kritikalitätsbewertung von Verträgen mit Natural Language Processing. Aufgrund der mannigfaltigen Chancen, welche sich hieraus für Unternehmen ergeben, gaben 75 Prozent ausgewählter Führungskräfte in einer repräsentativen Umfrage unter 550 Teilnehmern an, dass sie von Cognitive Automation "bedeutende Auswirkungen auf ihre Unternehmensleistung" erwarten (Butner und Ho 2019, S.25). Gleichzeitig gaben jedoch nur 26 Prozent an, bestimmte Systeme im Einsatz zu haben, was auf den immer noch vergleichsweise hohen Preis von Cogntive Automation-Tools, die erforderlichen Datenmengen und die Unsicherheit der Organisationen aufgrund der Unvorhersehbarkeit der Ergebnisse zurückzuführen ist (Lacity and Willcocks 2018). Dieser Umstand zeigt, dass zwischen dem Verständnis und der Nutzung des Potenzials, das Cognitive Automation für Organisationen bietet, eine Kluft besteht. In diesem Kurs bekommen die Studierenden eine wissenschaftlich fundierte sowie in externen Beratungs- und internen Changeprojekten erprobte Methode vermittelt, welches sie in die Lage versetzt neue Cognitive Automation-Anwendungsfälle systematisch zu analysieren. Hierbei werden Studierende in die Lage versetzt mögliche Barrieren für die Anwendung von Cognitive Automation aufzuzeigen und hieraus erste Handlungsempfehlungen für die erfolgreiche Durchführung möglicher Cognitive Automation-Projekte und Initiativen in Organisationen abzuleiten und an das Top-Management zu kommunizieren. Um die genannten Lernziele zu erreichen, setzt sich die im Kurs vermittelte Methode aus 5 Komponenten zusammen, die in realen Praxisprojekten mit Unternehmenspartnerinnen und -partnern angewandt werden: 1) Erfassung und Definition des «Business Needs»: Der Auslöser von Cognitive Automation ist immer eine geschäftliche Notwendigkeit, da Automatisierungstechnologien nie um ihrer selbst willen implementiert werden, sondern um ein Problem zu lösen oder weitere Geschäftsmöglichkeiten zu schaffen, wie z.B. die Steigerung der Effektivität oder Effizienz interner Prozesse, die Entwicklung neuer Produkte oder Dienstleistungen oder die Innovation von Kundenkanälen. Der Kurs vermittelt das Handwerkszeug, zusammen mit den relevanten Stakeholdern, deren Business Needs zu evaluieren und kritisch zu diskutieren, um für spätere Projektphasen Fehlerkosten zu minimieren. Hierbei erfolgt eine Vorselektion potentiell geeigneter Automationskandidaten (d.h. Prozesse und Aufgaben), welche in Phase 2 einem tieferen Assessment unterzogen werden. 2) Assessment des Anwendungsfalls: Der Kern des Kurses liegt in dieser Phase, da hierbei eine neue Methode zusammen mit Praktikern entwickelt wurde, um gezielt Cognitive Automation Anwendungsfälle (d.h. die vorselektierten Kandidaten) in Bezug auf deren Anforderungen an potentielle Implementierungs- und Change-Projekte zu bewerten. Hierbei lernen die Studierenden, wie sie nutzerzentriert mit Interviews, Observationen und Dokumentenanalysen erste Automationskandidaten für Cognitive Automation bewerten. 3) Spezifikation des Anwendungsfalls: In der dritten Phase wird der selektierte Anwendungsfall zusammen mit dem Unternehmenspartner spezifiziert und in Hinblick auf den potentiellen Wert für das Unternehmen bewertet und somit kommunizierbar für das Management gemacht. 4) Einbettung des Anwendungsfalls in der Organisation: Darüber hinaus entwickeln die Studierenden in Phase vier ein holistisches Konzept, wie ein Einführungsprojekt für den Anwendungsfall von Cognitive Automation strukturiert werden müsste, um Risiken zu minimieren und die Erfolgswahrscheinlichkeit des Projektes zu steigern. Hierbei spielt vor allem die organisationale Einbettung als soziotechnisches System eine entscheidende Rolle, um hierbei Akzeptanz bei den relevanten Anspruchsgruppen zu schaffen. 5) Verstetigung des Anwendungsfalls: Da es sich bei Cognitive Automation Systemen, um lernende KI-basierte Systeme handelt, entwickeln die Studierenden darüber hinaus ein Konzept, wie diese Systeme auch nach der Einführung verstetigt genutzt werden können und somit über den Zeitverlauf weiter genutzt werden.

What is a formula for success for companies such as Facebook, Google, Amazon, Uber and others? These companies, which are amongst the biggest and most valuable corporations worldwide, have an extremely customer-centric focus and are able to offer highly desirable products and services. Thus, they are able to effectively create whole new markets. Although leaders like Steve Jobs and Mark Zuckerberg are visionaries, the success of such firms is not solely based on the genius of their leaders. In fact, these companies understand how to translate approaches from their start-up phase into their regular operations. Doing so, these companies are able to respond quickly and flexibly to a fast-changing, technology-driven world to their advantage. These "digital innovators" understand how to identify gaps in the value creation process of existing business models and complement it with their digital service offerings. This way of thinking is not only a concern for pure internet players. Banks are challenged by fintech companies such as N26, traditional car manufactures such as BMW or Audi are facing new market entrants such as Tesla or are challenged by new mobility concepts such as Lyft or Uber. These companies have to adapt their value proposition and operations and transform it into digital business to secure their market position and generate future revenue. Thereby, companies increasingly use entrepreneurial approaches and methods that allow them to execute innovation projects in small, effective teams with a fast pace. This so-called "internal venturing" allows companies to generate and test new ideas and innovations without being limited to hierarchical and bureaucratic restrictions of a large corporation. In order to follow this approach, employees who understand and are able to apply agile innovation approaches of successful start-ups are much needed - the "intrapreneur" becomes a popular and demanded skills profile. Hence, the goal of this course is to teach and convey the competencies to develop digital business models. Within this course, the students work on real-life cases from well-known companies by applying the St.Gallen Digital Business Innovation Approach and develop customer-centric solutions. During the process, students will apply different scientific methods, thus, deepening and applying their knowledge from other courses. In addition, participants will gain deeper knowledge about the development of digital services, business models, and transformation approaches. Cases are solved in teams of four to five students each with the support of company ambassadors and method coaches.

Es wird empfohlen, Business Innovation I und II im ersten Herbstsemester des Master in Business Innovation zu belegen. In der ersten Semesterhälfte im Kurs Business Innovation I (Prof. Dr. Oliver Gassmann) erlernen die Studierenden anhand realer Herausforderungen, wie ein neues Geschäftsmodell entwickelt wird. Im Zentrum steht die Beantwortung der vier Eckpunkte eines Geschäftsmodells: Wer ist der Kunde? Was ist das Nutzenversprechen? Wie wird dieses umgesetzt? Wie wird Wert erzeugt? In der zweiten Semesterhälfte im Kurs Business Innovation II (Prof. Dr. Jan Marco Leimeister) erlangen die Studierenden Handlungskompetenzen zur Gestaltung und digitalen Transformation von Unternehmen und Geschäftsmodellen in einer digitale Zukunft. Grundlage hierfür ist das St.Galler House of Digital Business. Die Digitalisierung der Gesellschaft verändert die Art und Weise, wie wir konsumieren, arbeiten, leben und miteinander kommunizieren. Durch die Digitalisierung entsteht eine neue Gründerzeit, welche den digitalen Nutzer und seine veränderten Bedürfnisse in den Mittelpunkt stellt und neue Märkte entstehen lässt. Dadurch ergibt sich eine Vielzahl an Möglichkeiten für Start-ups und neue Unternehmen. Auch zwingt die Digitalisierung etablierte Unternehmen, sich den verändernden Bedürfnissen der digitalen Gesellschaft anzupassen. Die Transformation von der Informationsgesellschaft in die digitale Gesellschaft stellt eine der wesentlichen Herausforderungen für Unternehmen dar - bestehende Geschäftsmodelle werden zum Teil unwirksam, Wertschöpfungsketten verändern sich zu Netzwerken und Systemen, es entstehen hohe Kosten für das Management der Digitalisierung und neue Organisationsformen und Aufgabenprofile entstehen. Ausgehend von der Orientierung am digitalen Nutzer und seinen Bedürfnissen müssen organisatorische Strategien, Prozesse und Systeme sowie Führungsaufgaben, Produkte und Dienstleistungen so gestaltet werden, dass sie diese Bedürfnisse bestmöglich erfüllen. Business Engineering hat als ganzheitliche, methoden- und modellbasierte Konstruktionslehre zum Ziel, innovative Geschäftslösungen zu entwickeln und Unternehmen bei der digitalen Transformation zu unterstützen. Ziel der Veranstaltung "Unternehmen gestalten und digital transformieren" ist es daher, Handlungskompetenzen zur Gestaltung und digitalen Transformation von Unternehmen zu erlangen, welche die Digitalisierung von Wirtschaft und Gesellschaft aktiv berücksichtigen.

Der Doktorandenkurs vertieft ausgewählte, aktuelle Schwerpunkte der Wirtschaftsinformatik-Forschung bzw. des eigenen Dissertationsvorhabens. Ziel der Veranstaltung ist es, dass die Doktorierenden ein Dokument erarbeiten und diskutieren, welches direkten Bezug zur Dissertation hat und dem Lebenszyklus ihres Doktorats entspricht. Eine entsprechende Übersicht über zu wählende Formate gibt es in einem Kick-off-Termin (siehe Veranstaltungs-Zusatzinformationen). Eine Einteilung in die einzelnen Formate erfolgt im Anschluss. 

This course introduces the methodology of Design Science Research on Ph.D. level. It is designed for Doctoral Students in Business Innovation. While design science research (DSR) is widely applied in information systems (IS) research and a large amount of DSR methodology has been developed in the IS field, the paradigm as such is applied also in other Business Innovation disciplines - implicitly or explicitly. Enabled by independent literature studies and supported by lecturer input and feedback, students will prepare, present and discuss a (group) design research project of their own choice. The project should be chosen in the context of the dissertation projects of the participating students. Thereby, attending this course should provide direct benefits for dissertation projects. Lecturers encourage students to develop their literature studies and design project group projects into publications and/or prototypes. A number of design projects from past courses has directly led to peer-reviewed publications and prototype presentations. 

Der Doktorandenkurs vertieft ausgewählte, aktuelle Schwerpunkte der Wirtschaftsinformatik-Forschung bzw. des eigenen Dissertationsvorhabens. Ziel der Veranstaltung ist es, dass die Doktorierenden ein Dokument erarbeiten und diskutieren, welches direkten Bezug zur Dissertation hat und dem Lebenszyklus ihres Doktorats entspricht. Eine entsprechende Übersicht über zu wählende Formate gibt es in einem Kick-off-Termin (siehe Veranstaltungs-Zusatzinformationen). Eine Einteilung in die einzelnen Formate erfolgt im Anschluss. 

Innovations are predominantly developed in and commercialized by organizations. A better understanding of organizations and of how organizational arrangements affect innovation is therefore a primary concern for all kind of studies in business innovation. This is particularly true in times of accelerating digitalization that changes organizations, their arrangements and value creation and appropriation processes at a unprecedented pace.  Research in business innovation seeks a deep understanding of these evolving and constantly changing phenomena. Theory may act as a guide in these endeavors and thus support the understanding and design of business innovations. Theory plays a crucial role for the publication of research results.  In this course, we address what theory is and how we can use it for research. Exemplary theories that may be featured in the course include (please note that this selection may be be subject to change): - Attention-Based View - Behavioral Theory of the Firm - Effectuation - Evolutionary Economics - Paradox Theory - Property Rights - Resource-Based View - Stakeholder Theory - Theories of Task and Job Design - Transaction Cost Economics - Affordance Theory - Cognitive Load Theory - Complex Adaptive Systems Theory - Constructivism - Information Systems Success Model - IS/IT Governance/Control Theory - Platform economics - Scaffolding Theory - Service Dominant Logic - Socio-Technical-Systems Theory - (Swift) Trust - Technochange Theory - Technology Adoption Model & Unified Technology Adoption and Usage Theory - Yield-Shift Theory of Satisfaction