IS 7030: Master Seminar
The seminar examines frontier research on how artificial intelligence and digital technologies change firms, consumer behavior, and markets. It focuses on highly relevant business questions such as how AI affects employee productivity, decision-making, and innovation; how digital platforms and social media shape competition and consumer behavior; and how new technologies create broader economic and societal effects.
This seminar is aimed at business students.
Students engage with state-of-the-art research on topics such as whether AI helps employees work faster and better, how platforms such as Amazon, Uber, or app stores influence market competition, how recommendation algorithms and social media platform features affect attention and demand, and how digital technologies can generate externalities such as misinformation, algorithmic bias, and sustainability challenges. The goal of the seminar is to understand the consequences of artificial intelligence and digital technologies for business strategy and markets.
Each participant will be assigned a frontier research paper in a topic area of their choice and will analyze it in depth throughout the seminar. Students learn how to identify the paper’s central research question, theoretical foundations, empirical strategy, and main contribution. They also gain experience on how to identify complementary, relevant academic literature. They also learn how to critically assess the paper’s assumptions, research design, methodology, and limitations, and derive a promising research proposal for future research by themselves.
To support this process, the seminar opens with a kick-off session on how to search for, read, interpret, and evaluate academic research papers.
Informationen
Alle Informationen zum Master Seminar an unserem Lehrstuhl finden Sie auf ILIAS.
Beispiele
Beispiele für Papers, mit denen Studierende in vergangenen Semestern gearbeitet haben:
Li, H., & Aral, S. (2025). Human Trust in AI Search: A Large-Scale Experiment. arXiv preprint arXiv:2504.06435
Li und Aral (2025) zeigen in einem großen Experiment, dass Interface-Elemente wie Quellenangaben oder Unsicherheitshinweise das Vertrauen in KI-Suchergebnisse beeinflussen, obwohl der Inhalt gleich bleibt. Die Seminararbeit beleuchtete Stärken und Schwächen der Studie, vor allem ihr einmaliges Messdesign, und schlägt eine Langzeitstudie vor. Auf Basis von UTAUT-ECT sollen Teilnehmende mehrere Tage lang wiederholt Suchaufgaben lösen, um zu sehen, wie sich Vertrauen über die Zeit durch Erwartungsabweichungen verändert.
Brynjolfsson, Erik; Li, Danielle; Raymond, Lindsey (2025): Generative AI at Work. Quarterly Journal of Economics.
Brynjolfsson, Li und Raymond (2025) zeigen, dass ein KI-Chat-Assistent im Kundenservice die Produktivität steigert, vor allem bei unerfahrenen Mitarbeitenden, was auf einen Ausgleichseffekt hindeutet. In der Seminararbeit wurden die Grenzen der Studie diskutiert, insbesondere der kurze Beobachtungszeitraum, und eine Erweiterung über zwölf Monate vorgeschlagen. KI-freie Testphasen sollen zeigen, ob Mitarbeitende wirklich dazulernen oder nur vom Tool abhängig werden. Neue Kennzahlen für Kompetenz und Abhängigkeit sowie ein Blick auf KI-gestütztes Coaching für Führungskräfte runden den Vorschlag ab.
Lambrecht, Anja; Tucker, Catherine (2019): Algorithmic Bias? An Empirical Study of Apparent Gender-Based Discrimination in the Display of STEM Career Ads. Management Science 65(7):2966-2981.
Lambrecht und Tucker (2019) zeigen, dass geschlechtsneutrale STEM-Stellenanzeigen auf Facebook mehr Männer erreichen, weil der Algorithmus günstigere Zielgruppen bevorzugt. Dieses Paper wurde in der Seminararbeit analysiert und ein ein Fairness-bewusstes Ad-Allocation-Modell wird entwickelt: Können Fairness-Schwellenwerte die Geschlechterlücke schließen, ohne die Effizienz stark zu senken? Ein quasi-experimentelles Design mit Baseline-, lockerer und strikter Fairness-Bedingung soll diesen Trade-off messen.
Kontakt
Katharina Viethen, M.Sc. (sie/ihr)
E-Mail: katharina.viethenuni-mannheim.de
Tel: +49 621 181-2153
Adresse:
Universität Mannheim
L5, 1–6 – Raum 717
68131 Mannheim
Sprechstunde:
Nach Vereinbarung