Generic filters
Exact matches only
Filter by content type



Unser Lehrprogramm umfasst Veranstaltungen aus dem Gebiet Wirtschaftsinformatik im Bachelor- und Masterstudium sowie Angebote für Doktoranden. Unser Ziel ist es, die Studierenden zu flexiblen und teamfähigen Persönlichkeiten auszubilden, die sowohl in der Lage sind, ihr Fachwissen auf reale Problemstellungen anzuwenden als auch praktische Problemstellungen mit einer wissenschaftlichen Herangehensweise zu lösen. Durch die Integration von aktuellen Forschungsergebnissen in die Lehre wollen wir eine enge Verzahnung von Lehre und Forschung erreichen. Darüber hinaus haben Studenten die Möglichkeit, in Bachelor- oder Masterarbeiten an aktuellen Forschungsfragen und -projekten mitzuarbeiten.


An unserem Lehrstuhl betreuen wir Bachelor- und Masterarbeiten mit Bezug zu unseren Forschungsschwerpunkten. Es gelten die offiziellen Bestimmungen der Universität St.Gallen für Bachelor- und Masterarbeiten. Weitere Informationen zum offiziellen Anmeldeverfahren, zu den formalen Kriterien, zu Plagiaten und sowie zu den Benotungsrichtlinien finden Sie im Intranet der HSG.

Fabian Karst

Analysing processes and digitalisation in the private equity industry.


After an unprecedented period of growth in the last decade, today private equity funds hold more than 6.3 trillion dollars in assets under management and have become a staple in portfolios of institutional investors ([1] McKinsey, Global Private Markets Review, 2022). As this rise was fuelled by astonishing profitability (it consistently outperformed all other asset classes in the last decade ([1])), research in the last years has mainly focused on explaining the reasons for this outperformance ([2] Kaplan and Schoar, 2003; [3] Harris et Al, 2012; [4] Demaria, 2015). However, few studies look at the processes necessary to achieve this performance. The question becomes a multi-dimensional one when realizing that the processes of a fund are probably not only dependent on its type but also on its investment strategies and degree of technological maturity.


We at the IWI aim to combine sophisticated academia and practical insights. While building on profound research, your thesis should generate actionable insights with practical applicability. This can be done with a multitude of scientific methods such as desk research, reviewing scientific literature, and conducting hands-on case interviews.
However, to write an exceptional thesis it is necessary for you to find a topic, which excites you and fits your skills and interests. Therefore, the following topics are for inspiration only and I am looking forward to your ideas:

  • Analysis of the impact of a private equity fund’s investment strategy on its internal processes and use of technology.
  • Use and potential of new technologies in different stages of the private equity investment process.
  • Examination of how target companies, general partners and limited partners interact with each other and which structures and technologies they are using for it.

While the questions mentioned above are more suited for qualitative research, I am happy to discuss more quantitatively focused theses as well, if they should better fit your skill profile.

What we expect

  • You have an organized, conscientious and result-oriented working attitude
  • You want to write a best-in-class master thesis which contributes to state-of-the-art research
  • The thesis can start immediately but should be completed within the next ±6 months

What we offer

  • Close supervision and support with regular review meetings, feedback sessions and discussions
  • Access to experts in the field
  • Possibility of making a real impact through publishing in a scientific journal

If you are interested just book a slot with me ( and I am looking forward to your thesis ideas.

Edona Elshan


The metaverse has become an interesting phenomenon in the last year and has attracted lots of attention.

However, it is unclear whether our behavior will differ the metaverse from our real-life behavior. In particular, it is interesting to investigate, if we disclose information differently.

Your bachelor’s/master’s thesis will contribute to the understanding of how a metaverse should be designed in the future to ensure data privacy.

What is the metaverse?

Metaverse and its “combination of technological, social, and economic drivers […] is leading to explosive interest.” (Moy and Gadgil 2022, p. 5) While some see Metaverse as the next evolutionary stage of the Internet, others still doubt its value proposition (Stokel-Walker 2021).

Currently, companies are racing to be among the first to provide a metaverse: While Meta, formerly known as Facebook, plans to invest about $10 billion annually for the next 8 years, Microsoft just spend $68 billion in an acquisition to realize their version of a metaverse. While a platform’s success depends on the quantity and quality of members (also known as complementors) (Parker et al. 2016), clearly, these companies must expect to attract more and better complementors to their metaverse as their opponents. For a complementor, the platform’s facilitation-capabilities in its value creation are of utmost importance in the decision to join a platform. (Gawer 2021; Hein et al. 2020) Therefore, to understand metaverse success, it is imperative to investigate value facilitation mechanisms and how metaverse providers are planning to implement those.


– We plan to conduct an experiment on a metaversion in collaboration with the University of Rotterdam to analyze how people disclose information.

You should…

  • have a basic understanding of metaverses and their underlying technologies
  • have a basic understanding of theories and theorizing
  • have a basic understanding of quantitative research methods and an interest in experimental design
  • have scientific writing skills in English

Key Factors:

  • Collaboration will take place in close supervision, with regular review meetings (biweekly), feedback sessions, etc.
  • International team in cooperation with the University of Rotterdam.
  • Work can be started immediately, while the experiment is planned for the autum semester
  • Possibility of making a real impact through publishing in a scientific journal

If you are interested, please send a mail to Edona Elshan and Dr. Roman Rietsche. We look forward hearing from you!

Fabian Tingelhoff


… there are currently no published master thesis on ‘metaverse’ available. However, should you be interested and passionate about ‘metaverse’ and are keen to write your thesis with us, I still want to encourage you to reach out! If you and your topic-idea convince us, there is no reason why a thesis with us shouldn’t be possible! However, please already include a concrete research idea and methodology in your initial request.


Technologic development is changing the World-Wide-Web as we know it. The current version of the “Internet of Information”, used primarily to seemingly exchange information, increasingly evolves to an “Internet of Value”, also called web3, which empowers people to transact items of value with one another. (Tapscott and Tapscott 2017) Indeed, there are key technologies to permit value creation and value exchange in an online setting like cryptocurrencies, NFTs, native coins, and self-sovereign interoperable identities. However, there needs to be a platform so that people can experience web3 and interact with one another. A platform that makes web3 ‘tangible’ is metaverse.

Metaverse and its “combination of technological, social and economic drivers […] is resulting in explosive interest.” (Moy and Gadgil 2022, p. 5) While some consider metaverses to constitute the next evolutional step of the internet, others are still doubting their value proposition (Stokel-Walker 2021). However, there is no dispute that the idea of metaverses is gaining traction among academics and practitioners: With annual purchasing of virtual goods surpassing $54 billion, spending in metaverses almost doubled the amount for buying music in 2021 (Moy and Gadgil 2022). While Gartner forecasts over 30% of organizations to offer values in the metaverse by 2026 (Gartner 2022), JP Morgan estimates metaverses to account for over $1 trillion in yearly revenues by 2027, emphasizing that “metaverses will likely infiltrate every sector in some way in the coming years.” (Moy and Gadgil 2022, p.2)

Despite the prominence that metaverses gain in our society and economy, there is yet no consent of what constitutes a metaverse, in neither academia nor practice. Building on that, many questions about metaverses still need to be asked and answered. Example questions include (but are not limited to):

  • The influence of metaverse’s physical limitations on users and use-cases (e.g., business vs. leisure)
  • The role of VR and AR technology for the value propositions of metaverses
  • The role of distributed data storage for metaverse use-cases
  • The difference of metaverse and real-world interaction on user behaviour and user networking
  • The difference of content creation in metaverse to other online platforms
  • The difference of value creation on metaverses to other platforms
  • The power differences of metaverse providers, celebrities, and common users in a decentralised metaverse
  • The difference between metaverses and massive multiplayer online (MMO) games

You should…

  • have a basic understanding of metaverse and the underlying technologies
  • have a basic understanding of theories and theorizing
  • have a basic understanding of qualitative research methods
  • be a communicative and open person
  • work in an independent and accurate way
  • have scientific writing skills in English

We offer you a close supervision and the opportunity to develop practical, as well as theoretical skills in the area of information systems. If you are interested, send your CV, transcript of records, a brief description of your motivation, and a research idea (including short descriptions for a research methodology) to Fabian Tingelhoff (). We are looking forward to hearing from you!

Haben Sie einen eigenen Themenvorschlag?

Natürlich können Sie auch mit einem eigenen Themenvorschlag für eine Bachelor- oder Masterarbeit auf uns zukommen. Das Thema sollte einen Bezug auf einen der von uns behandelten Bereiche haben.

    Ihre Bewerbung für eine Abschlussarbeit

    Danke für Ihr Interesse, Ihre Abschlussarbeit am Lehrstuhl von Prof. Dr. Jan Marco Leimeister zu schreiben. Wir betreuen gerne Studierende, die sich für unsere Forschungsthemen begeistern und die bisher gute akademische Leistungen erbracht haben. Weil wir eine grosse Anzahl an Bewerbungen bekommen, können wir nur jene berücksichtigen, die gut zu unseren Forschungsgebieten passen. Mehr zu unseren Forschungsgebieten erfahren Sie auf dieser Webseite. Um sich zu bewerben, können Sie eines der Themen in Betracht ziehen, an denen wir arbeiten oder Sie können ein eigenes Thema vorschlagen.

    Bewerbung für:*

    Research Proposal:*




    Vorgesehener Beginn der Arbeit:*

    Vorgesehene Abgabe der Arbeit:*
    Wir rechnen mit mindestens 4 Monaten Bearbeitungszeit von Beginn bis zur Abgabe der Arbeit

    Kurse FS23 & HS22


    Designing Digital Business and Transformation

    Jan Marco Leimeister , Philipp Alexander Ebel

    What is the success formula of 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.


    Business Analytics, Data Engineering und Data Management

    Sofia Schöbel

    Die Veranstaltung behandelt Grundlagen des Managements von Daten sowie deren Verarbeitung, Interpretation und Aufbereitung. Die Veranstaltung beginnt mit einer Übersicht über die Bedeutung und Relevanz von Daten im Unternehmen. Dabei wir die Entwicklung von kleinen Datenmengen sowie des Einsatzes von Big Data besprochen. Die Handhabung von strukturierten und kleinen Datenmengen umfasst den Einsatz von Datenbanken und der Anwendung von SQL. Die Handhabung von großen Datenmengen (auch bekannt als Big Data) erfordert wiederum den Einsatz von anderen Methodiken. Hier werden die Grundlagen des maschinellen Lernens vertieft. Ein Schwerpunkt liegt dabei auf verschiedenen Methoden des maschinellen Lernens (u.a. neuronale Netze etc.). Schlussendlich wird die Anwendung von R vertieft und es werden Ausblicke in die Darstellung, Interpretation und Visualisierung von Daten gegeben.


    FPV: Digital Business Engineering - Entwicklung digitaler Geschäftsmodelle

    Jan Marco Leimeister

    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.


    RPV: Low Code AI Chatbot Design

    Roman Rietsche

    Chatbots are everywhere. We hear them in the news, talk to them on social media, and rely on their assistance while shopping. Used correctly, they allow companies to leverage new technologies like AI to reduce their operational cost and increase the scalability of their processes, while simultaneously easing customer pain points, like long waiting times and lack of support. So, it is hardly surprising, that more and more companies hope to leverage this new channel. However, implementing chatbots is not straight forward, and many hidden pitfalls are overlooked. Therefore, this course will equip students with the tools to design and implement their own first chatbot by following the SPADE process for human-centered design invented at our institute. At each step of the SPADE process, students will learn a variety of scientific methods, such as how to conduct effective user testing. Overall, in this ʺResearch and Practice Ventureʺ, we will address real-world problems from known industry partners in the DACH region. The prototype will be developed under the guidance of a personal coach in groups of 3-4 students. The goal is to independently develop a chatbot using low-code platforms. Since we build on the latest developments in this area, students with no prior experience as well as students with experience in programming (e.g. Python) can participate in this course.


    Business Innovation II: Unternehmen gestalten und digital transformieren

    Jan Marco Leimeister , Roman Rietsche

    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.

    So funktioniert Research

    Das Fachgebiet von Prof. Dr. Jan Marco Leimeister forscht zu hoch relevanten Themen, von der Grundlagenforschung bis zur anwendungsbezogenen Forschung. Die Wirtschaftsinformatik ist eine wichtige Schnittstellendisziplin zwischen Betriebswirtschaft, Informatik, Ingenieurwissenschaften; deshalb ist die Disziplin in der Forschung entsprechend methodisch divers aufgestellt.  Die Wirtschaftsinformatik liefert als Kern-Output ihrer Forschung anwendungsnahe, gestaltungsorientierte Theorien, Modelle und Methode, die ökonomische, technische und soziale Aspekte berücksichtigen.


    Die Arbeiten des Fachgebiets sind durch einen Pluralismus gekennzeichnet, sowohl theoretisch (verhaltenswissenschaftliche, entscheidungs- und gestaltungstheoretische sowie analytisch-konzeptionelle Grundlagen) als auch methodisch (empirisch qualitative, empirisch quantitative, analytisch-konzeptionelle, gestaltungsorientierte [Design Science Research] Grundlagen). Grundannahme st, dass die Auswahl der geeigneten Forschungsmethoden der jeweiligen Forschungsfrage folgen muss. Empirische Arbeiten werden im Kontext der genannten Themenbereiche sowohl explorativ als auch konfirmatorisch durchgeführt.

    Ziel dieser Vorgehensweisen ist es, Zusammenhänge zu erkennen, zu beschreiben und zu erklären, aber auch eine Grundlage für die Entwicklung von Lösungen zu schaffen. Forschungsziele können sowohl die Gegenüberstellung und Reflexion theoretischer Zusammenhänge mit den in der Praxis beobachteten Verhaltensweisen sein als auch die Entwicklung von Lösungen in Form von konzeptionellen, methodischen sowie werkzeugbasierten Artefakten. Die so geschaffenen Artefakte werden in industriellen und/oder experimentellen Szenarien systematisch evaluiert, um sie anschliessend der betrieblichen Praxis zuzuführen. Untenstehend finden Sie eine Auswahl wichtiger Methoden der Wirtschaftsinformatik, deren Beschreibung sowie grundlegende Literatur.


    Design Science Research (DSR) ist ein gestaltungsorientiertes Forschungsparadigma, welches auf das Schaffen von Artefaktnutzen ausgerichtet ist (Hevner et al. 2004). Hierbei unterscheidet sich DSR von reinen Verhaltens-, Sozial- und Naturwissenschaften, welche ausschliesslich nach Wahrheit und weniger nach Nutzen streben (Hevner et al. 2004). In der Wirtschaftsinformatik stellt DSR diverse gestaltungsorientierte Forschungsleitlinien- und -methoden zur Konstruktion soziotechnischer Artefakte zur Verfügung (Gregor und Hevner 2013).

    Einen Überblick von Design Science Research als Forschungsparadigma, dessen methodologische Ausprägungen und Derivate gibt die folgende Publikationsliste:

    Reading List:

    Gregor,  S.,  and  Hevner,  A.  R.  2013.  “Positioning  and  Presenting  Design  Science  Research  for  Maximum Impact,” MIS Quarterly (37:2), pp. 337–355.

    Venable,  J.,  Pries -Heje,  J.,  and  Baskerville,  R.  2016.  “FEDS:  A  Framework  for  Evaluation  in  Design Science Research,” European Journal of Information Systems (25:1), pp. 77–89.

    Peffers,  K.,  Tuunanen,  T.,  Rothenberger,  M.  A.,  and  Chatterjee,  S.  2007.  “A  Design  Science  Research Methodology  for  Information  Systems  Research,” Journal  of  Management  Information  Systems (24:3), pp. 45–77.

    Nunamaker, J., Chen, M., and Purdin, T. 1991. “Systems Development in Information Systems Research,” Journal of Management Information Systems (7:3), pp. 89–106.

    Nunamaker, J. F., Briggs, R. O., Derrick, D. C., and Schwabe, G. 2015. “The Last Research Mile: Achieving Both Rigor and Relevance in Information Systems Research,” Journal of Management Information Systems (32:3), pp. 10–47.

    March, S. T., and Smith, G. F. 1995. “Design and Natural Science Research on Information Technology,” Decision Support Systems (15:4), pp. 251–266.

    Kuechler, B., and Vaishnavi, V. 2008. “On Theory Development in Design Science Research: Anatomy of a Research Project.,”

    European Jou rnal of Information Systems (17:5), pp. 489 –504.

    Hevner,  A.,  March,  S.  T.,  and  Park,  J.  2004.  “Design  Science  in  Information  Systems  Research,” MIS Quarterly (28:1), pp. 75–105.

    Baskerville,  R.,  Baiyere,  A.,  Gregor,  S.,  Hevner,  A.,  and  Rossi,  M.  2018.  “Design  Science  Research Contributions:  Finding  a  Balance  between  Artifact and  Theory,” 

    Journal  of  the  Association  for  Information Systems (19:5), pp. 358–376.

    C. Engel, N. Leicht, and P. Ebel, “The Imprint of Design Science in Information Systems Research: An Empirical Analysis of the AIS Senior Scholars’ Basket,” in International  Conference on Information Systems, Munich, Germany, 2019, pp. 1–10.

    Sein,  M.,  Henfridsson,  O.,  Purao,  S.,  Rossi,  M.,  and  Lindgren,  R.  2011.  “Action  Design  Research,” MIS Quarterly (35:1), pp. 37–56.


    Quantitative Methoden werden genutzt, um Effekte aus der Realität anhand empirischer Daten möglichst präzise zu beschreiben und zu untersuchen. Empirische Daten werden dazu anhand von Beobachtungen im Feld oder im Labor erhoben und mit statistischen Analysen ausgewertet. Im Vordergrund steht das Ziel, die zu erhebenden Merkmale und Ausprägungen möglichst genau zu quantifizieren. Oft genutzte Techniken sind die statistische Signifikanz und Effekt-Analysen, um z.B. Unterschiede in den Merkmalen zwischen zwei verschiedenen Stichproben zu untersuchen.

    Mehr dazu in:

    Bhattacherjee, Anol, “Social Science Research: Principles, Methods, and Practices” (2012). Textbooks Collection. 3.

    Experimental Design

    Mit Experimenten untersuchen Forscher Ursache-Wirkungs-Beziehungen zwischen vordefinierten Variablen. Dabei werden eine oder mehrere unabhängige Variablen vom Forscher manipuliert (sogenannte “Treatments”). Die Versuchspersonen werden nach dem Zufallsprinzip verschiedenen Treatments zugewiesen und die Ergebnisse der Treatments auf die abhängigen Variablen beobachtet. Die Stärke experimenteller Forschung liegt in ihrer internen Validität (Kausalität), da Ursache und Wirkung durch Treatments miteinander in Verbindung gesetzt werden und gleichzeitig der Störeffekt von Fremdvariablen kontrolliert werden können.

    Experimente eignen sich am besten für erklärende Forschung (in Abgrenzung zur deskriptiven oder explorativen Forschung), bei der das Ziel der Studie darin besteht, Ursache-Wirkungs-Beziehungen zu untersuchen (z.B. der Einfluss von Technologie-Charakteristika auf das Nutzerverhalten). Experimentelle Forschung kann im Labor oder im Feld durchgeführt werden. Laborexperimente, die in einer (künstlichen) Laborumgebung durchgeführt werden (z.B. im Behavioral Lab der Universität St. Gallen) , weisen in der Regel eine hohe interne Validität auf, was jedoch auf Kosten einer geringen externen Validität (Verallgemeinerbarkeit) geht, da die künstliche (Labor-) Umgebung, in der die Studie durchgeführt wird, möglicherweise nicht die reale Welt widerspiegelt. Feldexperimente, die in einem Feld-Setting wie in einer realen Organisation durchgeführt werden, weisen in der Regel sowohl eine hohe interne als auch externe Validität auf. Solche Experimente sind jedoch oft schwierig zu realisieren, da die Treatments in das Leben der Probanden eingreifen können und es schwierig ist, das Feldsetting zu kontrollieren.


    • Edelman, B., Valentin, D., & Abdi, H. (2009), Experimental Design and Analysis for Psychology, Oxford University Press. 
    • Harris, P. (2008), Designing and Reporting Experiments in Psychology, 3rd ed., Open University Press.
    • Kirk, R. E. (2012), Experimental Design: Procedures for the Behavioral Sciences, 4th ed., Sage.
    • Montgomery, D. C. (2012), Design and Analysis of Experiments, 8th ed., Wiley.
    • Oehlert, G. W. (2010), A First Course in Design and Analysis of Experiments,
    • Seltman, H. J. (2013), Experimental Design and Analysis,
    • Webster, M., & Sell, J. (2007), Laboratory Experiments in the Social Sciences, Academic Press.
    • Bhattacherjee, Anol, “Social Science Research: Principles, Methods, and Practices” (2012). Textbooks Collection. 3.


    • Komiak, and Benbasat. 2006. “The Effects of Personalization and Familiarity on Trust and Adoption of Recommendation Agents,” MIS Quarterly: Management Information Systems (30:4), pp. 941–960.
    • Komiak, S. Y. X., and Benbasat, I. 2012. “The Effects of Personalization Trust and Adoption of Recommendation Agents,” Management Information Systems (30:4), pp. 941–960.
    • Lankton, N., McKnight, D. H., and Tripp, J. 2015. “Technology, Humanness, and Trust: Rethinking Trust in Technology,” Journal of the Association for Information Systems (16:10), pp. 880–918.
    • Qiu, L., and Benbasat, I. 2009. “Evaluating Anthropomorphic Product Recommendation Agents: A Social Relationship Perspective to Designing Information Systems,” Journal of Management Information Systems (25:4), pp. 145–182.
    • Söllner, M., Hoffmann, A., and Leimeister, J. M. 2016. “Why Different Trust Relationships Matter for Information Systems Users,” European Journal of Information Systems (25:3), Palgrave Macmillan Ltd., pp. 274–287.
    • Wang, W., and Benbasat, I. 2005. “Trust in and Adoption of Online Recommendation,” Journal of the Association for Information Systems (6:3), pp. 72–101.

    Case Studies

    Eine Case-Study ist eine detaillierte Untersuchung eines bestimmten Themas, z.B. von Individuen, einer Gruppe, eines Ereignisses, eines oder mehrerer Unternehmen, Industrien oder eines Phänomens.

    Ein Case Study-Forschungsdesign umfasst normalerweise qualitative Methoden (Interviews, Textdaten, etc.); manchmal werden aber auch quantitative Methoden verwendet. Case Studies eignen sich gut zum Beschreiben, Vergleichen, Bewerten und Verstehen verschiedener Aspekte eines Forschungsproblems.

    Eine sehr gute Einführung mit strukturiertem Vorgehen bietet das Buch von Robert Yin (2018), Case Study Research and Applications Design and Methods (

    Weitere gute Literatur:


    Aus einer instrumentellen Perspektive betrachtet ist ein Forschungsinterview ein Meinungsaustausch zwischen zwei Personen, von denen eine die Rolle des Forschenden hat und in dem beide über ein Thema von gemeinsamem Interesse sprechen (Kvale, 2007). Das Thema von Interesse ist typischerweise die Erfahrung der befragten Person mit ihrer Lebenswelt (Polkinghorne, 2005). Da das Erfahrungsleben der Menschen von anderen nicht beobachtet werden kann und für Einzelpersonen nicht leicht zugänglich ist, wird bei der Befragung versucht, die Probanden direkt in ein Gespräch mit dem Forscher zu verwickeln, um eine Darstellung der sozialen Wirklichkeit des Teilnehmers in der ersten Person zu erhalten. Ziel des Forschenden ist es, informative, neuartige Informationen über ein bestimmtes Interessensphänomen zu erhalten.

    In der Wirtschaftsinformatik werden prinizipell drei Interview-Arten unterschieden: Das wertschätzende Interview, das Laddering- Interview und das Fototagebuch-Interview.

    Das wertschätzende Interview lädt die Teilnehmenden ein, Wege zu visionären Welten zu schaffen, die sie gerne bewohnen würden. Im Gegensatz dazu verwendet das Laddering- Interview Vergleiche und Kontraste als eine Möglichkeit, sinnvolle Muster in den Lebenserfahrungen der Menschen zu erkennen. Das Fototagebuch-Interview stützt sich auf die Reflexionen der Teilnehmenden über ihr Verhalten, ihre Gedanken und Emotionen zu einem bestimmten Zeitpunkt, die oftmals mit Hilfe eines Fotos festgehalten werden. Eine sehr gute Einführung bietet der Artikel «Designing interviews to generate rich data for information systems research» von Schultze und Avital:

    Weiterführende Literatur bieten:

    Zu Canvas (Studynet)

    So zitiere ich richtig