Type:

• Master Thesis Business Information Systems

Status:

offered

Tutor:

• Mario Nolte

Abstract

Motivation

Mit der zunehmenden gesellschaftlichen Verbreitung algorithmischer Bewertungsverfahren (bspw. bei Produktvergleichen oder -empfehlungen) werden sowohl in der Wissenschaft als auch in der Öffentlichkeit Forderungen nach mehr Transparenz solcher Verfahren vertreten. Neben einzelnen Absichtserklärungen und Initiativen (u.a. IEEE P7001), hat nun auch die EU-Kommission Leitlinien vorgelegt, welche Online-Plattformen zu mehr Transparenz der Bewertungsverfahren für betroffene Organisationen und Nutzer fordert (Europäische Kommission 2019 und 2020). Während diese Forderungen intuitiv durchaus nachvollziehbar erscheinen, ergibt ein Blick auf die Umsetzungsmöglichkeiten ein ambivalentes Bild: Neben der Diskussionen zum Gegenstand des Algorithmus und dem Wesen der Transparenz (Seaver 2019), weisen tiefergehende Reflektionen auf die Berücksichtigung organisatorischer Aspekte (wie den an der Entwicklung beteiligten Gruppen und deren Interessen) hin, die im Sinne eines erweiterten Transparenzverständnisses notwendig scheint (Seaver 2019, Hagendorff 2019). Gerade dieser Hinweis auf eine gemeinsame Betrachtung organisatorischer und informationstechnischer Aspekte lässt die Unternehmensmodellierung als attraktives Werkzeug erscheinen, wird sie doch schon seit langem zur Betrachtung und Analyse des Einsatzes von IT in Organisationen in der Literatur diskutiert und auch genutzt.

Mit dieser Abschlussarbeit werden Sie gebeten ein Transparenzverständnis zu entwickeln und zu konzeptualisieren, welches über technische und einseitige Perspektiven (bspw. Offenlegung von Quellcode, Darstellung mathematischer Algorithmen) hinausgeht und organisatorische Aspekte umfasst. Im Anschluss leiten Sie aus diesem Transparenzverständnis Anforderungen an konzeptuelle und / oder Unternehmensmodelle ab. Darauf aufbauend untersuchen Sie bestehende Ansätze der konzeptuellen und Unternehmensmodellierung um zu einer differenzierten Aussage hinsichtlich der Eignung der Unternehmensmodellierung zur Förderung von Transparenz zu gelangen. Es steht Ihnen dabei frei die Arbeit auf bestimmte Arten von Algorithmen (bspw. induktive Verfahren, Graphen) zu fokussieren oder das Transparenzverständnis an bestimmte organisatorische Aspekte zu binden (bspw. Einsatz der Algorithmen in Unternehmen mit Personal- oder Materialbeschaffung vs. Einsatz in der öffentlichen Verwaltung für die Bearbeitung öffentlicher Aufgaben oder Rollen wie Benutzer oder Betroffene).

Einstiegsliteratur

Ananny, M., & Crawford, K. (2018). Seeing without knowing: Limitations of the transparency ideal and its application to algorithmic accountability. new media & society, 20(3), 973-989.

Cardon, D. (2017). Den Algorithmus dekonstruieren. Vier Typen digitaler Informationsberechnung.

Cormen, T. H., Leiserson, C. E., Rivest, R., & Stein, C. (2017). Algorithmen-Eine Einführung. Walter de Gruyter GmbH & Co KG.

Europäische Kommission (2019): REGULATION (EU) 2019/1150 OF THE EUROPEAN PARLIAMENT AND OF THE COUNCIL of 20 June 2019 on promoting fairness and transparency for business users of online intermediation services

Europäische Kommission (2020): Guidelines on ranking transparency pursuant to Regulation (EU) 2019/1150 - Shaping Europe’s digital future - European Commission. Available online at ec.europa.eu/digital-single-market/en/news/guidelines-ranking-transparency-pursuant-regulation-eu-20191150, checked on 12/18/2020.

Seaver, N. (2019). Knowing algorithms. Digital STS, 412-422.

Hagendorff, T. (2019). Maschinelles Lernen und Diskriminierung: Probleme und Lösungsansätze. Österreichische Zeitschrift für Soziologie, 44(1), 53-66.

Hosseini, M., Shahri, A., Phalp, K., & Ali, R. (2018). Engineering transparency requirements: A modelling and analysis framework. Information Systems, 74, 3-22.

Kolleck, A., & Orwat, C. (2020). Mögliche Diskriminierung durch algorithmische Entscheidungssysteme und maschinelles Lernen–ein Überblick.