Track 12

WI2023 – Track: Digital Infrastructure, Internet of Things & CPS

Track description

Der Track “Digital Infrastructure, Internet of Things & CPS” umfasst Themen mit Bezug zu verschiedensten digitalen Infrastrukturtechnologien mit einem besonderen Fokus auf das (Industrial) Internet of Things sowie dessen Einsatz im Rahmen Cyber-physischer Systeme. Die vielfältigen Möglichkeiten des Einsatzes besagter Technologien erfordern Zuständigkeiten, Verantwortlichkeiten und Verantwortungsbewusstsein. Dieser Track soll daher technische, betriebswirtschaftliche, organisatorische sowie gesellschaftliche Fragestellungen vornehmlich industrieller Anwendungen im besagten Themenfeld bündeln. 

In diesem Zusammenhang beschreiben Digital Infrastructures grundlegende, strategische Services, die Individuen, Firmen, aber auch Regierungen dazu befähigen, Daten zu bearbeiten und auszutauschen, Prozesse auszuführen sowie Anwendungssysteme und Informationstechnik zu betreiben. Sie erstrecken sich vom Internet-Backbone über mobile und Festnetzbreitbandanschlüsse bis hin zu Data Centers, Cloud Services und Edge Devices. Die digitale Infrastruktur des IoT ist ein substantieller Pfeiler der vierten Industriellen Revolution. CPS (“Robots”) werden in diesem Zusammenhang als selbstoptimierende und rekonfigurative Systeme beschrieben, deren Fähigkeit über die autonome Sammlung lokaler Daten hinausgeht. Durch die Einbindung von Sensoren und Aktuatoren in ein digitales Gesamtsystem stellen CPS neuartige Systemfunktionen für die Informations-, Daten-, und Funktionsintegration zur Verfügung und ermöglichen so die Entwicklung vernetzter, digitaler Wertschöpfungsnetzwerke wie zum Beispiel Smart Factory und Smart Mobility.

Unter dem übergreifenden Konferenzthema Digital Responsibility lädt dieser Track auch zur Einreichung von Beiträgen ein, welche sich mit Fragestellungen zur Nachhaltigkeit dieser Systeme auseinandersetzen. Dies beinhaltet zum Beispiel die Gestaltung und Nutzung von Green Information Systems, Infrastrukturen zur Verarbeitung von IoT-Daten sowie Systemen zum Environmental Monitoring.

In diesem Spannungsfeld ergeben sich Fragen zu innovativen Geschäftsmodellen, Wirtschaftlichkeit, Nachhaltigkeit, IT-Akzeptanz und -Adoption, welche sich in Bezug auf Big Data Analytics inkl. maschinellem Lernen, IT-Architekturmanagement, Prozessintegration oder der Informationssystemgestaltung betrachten lassen. Beiträge in diesem Track können sowohl gestaltungsorientierte als auch verhaltensorientierte Methoden der Wirtschaftsinformatik und angrenzender Disziplinen anwenden.

Track Topics

  • Theorien, IT-Artefakte und Designprinzipien für DI, IoT und CPS
  • Fallstudien und Implementierungsbeispiele für DI, IoT und CPS
  • Empirische Untersuchungen zu DI, IoT und CPS
  • Methoden für das Monitoring und Controlling von DI, IoT und CPS
  • Methoden zur Bewertung und Wirtschaftlichkeitsrechnung von DI, IoT und CPS
  • Data Governance und Privacy in DI, IoT und CPS
  • Business Process Management and Process Mining für DI, IoT und CPS
  • Interaktion mit autonomen, intelligenten Systemen in DI, IoT und CPS
  • IT-Infrastrukturen für DI, IoT und CPS
  • Betrachtung von Nachhaltigkeitsaspekten in DI, IoT und CPS

Track Chairs

Christian Janiesch

Technische Universität Dortmund

Christian Janiesch ist Professor für Enterprise Computing am Institut für Informatik der Technischen Universität Dortmund. Gegenwärtig interessiert er sich für Anwendungen des maschinellen Lernens im Geschäftsprozessmanagement sowie für die Wirksamkeit und Notwendigkeit von erklärbarer künstlicher Intelligenz, u.a. in der Maschinenwartung und Produktion. Er ist im BPM Department Editorial Board der Zeitschrift Business & Information Systems Engineering sowie Editor für das Journal of Business Analytics und das International Journal of Management Reviews und richtet regelmäßig Tracks auf der European Conference on Information Systems aus. Er ist der Autor von über 150 wissenschaftlichen Publikationen erschienen unter anderem in Journal of the Association for Information Systems, Communications of the Association for Information Systems, Information & Management, Business & Information Systems Engineering, Information Systems, Decision Support Systems, Future Generation Computer Systems sowie wesentlichen Konferenzen seines Fachs wie der ICIS, ECIS und BPM. Auf der WI 2020 gewann er den Best Paper Award.

Stefanie Rinderle-Ma

Technische Universität München

Stefanie Rinderle-Ma ist ordentliche Professorin an der Fakultät für Informatik der Technischen Universität München, wo sie den Lehrstuhl für Wirtschaftsinformatik und Geschäftsprozessmanagement innehat. Stefanies Forschungsinteressen liegen in den Bereichen flexible und verteilte Prozesstechnologie, digitalisiertes Compliance-Management sowie Prozess- und Produktionsintelligenz. Ziel ist es, die Digitalisierung und interaktive Automatisierung durch Prozesse zu ermöglichen und zu beschleunigen. Anwendungsbereiche umfassen Industrie 4.0, Internet of Processes and Things, Logistik und Medizin. Stefanie hat mehr als 250 Publikationen und einen h-index von 48.

Dennis Riehle

Universität Koblenz-Landau

Dennis Riehle ist Juniorprofessor und Leiter der Forschungsgruppe Wirtschaftsinformatik und Smart Data am Institut für Wirtschafts- und Verwaltungsinformatik der Universität Koblenz-Landau. Darüber hinaus leitet er das Enterprise-of-Things-Lab, welches sich mit neuartigen Technologien, Informationsinfrastrukturen sowie dem Entwurf, der Gestaltung und der Implementierung von intelligenten Informationssystemen unter dem Fokus der wertschöpfungsorientierten Nutzung in Organisationen beschäftigt. Dennis Riehle ist (Co-) Autor von über 30 wissenschaftlichen Veröffentlichungen. Seine derzeitigen Forschungsinteressen liegen im Bereich von Smart Data, insbesondere dem Datenmanagement und der Datenanalyse, sowie im Bereich Internet-of-Things (IoT), insbesondere der Datenerfassung durch Sensoren und der Verarbeitung in geeigneten IT-Infrastrukturen.


Associate Editors

  • Stephan Aier, Universität St. Gallen
  • Konrad Diwold, Technische Universität Graz
  • Thomas Frühwirth, Technische Universität Wien
  • Joschka Hüllmann, University of Twente
  • Marcus Grum, Universität Potsdam
  • Peter Loos, Universität des Saarlandes
  • Thomas Ludwig, Universität Siegen
  • Boris Otto, Technische Universität Dortmund / Fraunhofer ISST
  • Daniel Ritter, SAP SE
  • Ronny Seiger, Universität St. Gallen
  • Florian Schwade, Universität Koblenz · Landau
  • Stefan Tai, Technische Universität Berlin
  • Christof Thim, Universität Potsdam
  • Manuel Wimmer, Johannes Kepler Universität Linz

References

Boyes H et al. (2018). The industrial internet of things (IIoT): An analysis framework. Computer in Industry 101: 1-12.

Brendel AB et al (2022). Review of Design-Oriented Green Information Systems Research. Sustainability 14 (8): 4650.

Gubbi J et al. (2013). Internet of Things (IoT): a vision, architectural elements, and future directions. Future Generation Computer Systems 29 (7): 1645-1660.

Janiesch C et al. (2019). Specifying Autonomy in the Internet of Things: The Autonomy Model and Notation. Information Systems and e-Business Management 17 (1): 159-194.

Janiesch C et al. (2021). The Internet of Things Meets Business Process Management: A Manifesto. IEEE Systems, Man, and Cybernetics Magazine 6 (4): 34-44.

Henfridsson O, Bygstad B (2013). The Generative Mechanisms of Digital Infrastructure Evolution. MIS Quarterly 67 (3): 907-931.

Liu C et al. (2020). Data Quality and the Internet of Things. Computing 102 (2): 573-599.

Mangat AS et al. (2021). Interactive Process Automation based on Lightweight Object Detection in Manufacturing Processes. Computers in Industry 130: 103482.

Nitschke, P & Williams SP (2021). Conceptualizing the Internet of Things Data Supply. Proceedings of CENTERIS 2021: 642-649.

Stertz F et al. (2020). Analyzing Process Concept Drifts Based on Sensor Event Streams During Runtime. Proceedings of BPM 2020: 202-219.

Sunyeav A (2020). Internet Computing: Principles of Distributed Systems and Emerging Internet-Based Technologies. Springer.

Wanner J et al. (2020). Machine Learning and Complex Event Processing: A Review of Real-time Data Analytics for the Industrial Internet of Things. Enterprise Modeling and Information Systems Architectures 15 (1): 1-27.

Williams SP et al. (2019). Configuring the Internet of Things (IoT): A Review and Implications for Big Data Analytics. Proceedings of HICSS 2019: 5848-5857.