Timo Sturm, Jin Gerlach, Luisa Pumplun, Neda Mesbah, Felix Peters, Christoph Tauchert, Ning Nan, Peter Buxmann​​​​​​​ :
Coordinating Human and Machine Learning for Effective Organizational Learning
Erschienen in: MIS Quarterly, 45 (2021)

Kurzzusammenfassung 
Algorithmen des maschinellen Lernens verändern Wirtschaft und Gesellschaft. Aus betriebswirtschaftlicher Perspektive wird in der Literatur bislang insbesondere untersucht, wie der Einsatz dieser Algorithmen zu Effizienzvorteilen führen kann oder von welchen Faktoren die Adoption dieser Systeme abhängt. In unserer Studie untersuchen wir demgegenüber ein bislang kaum beachtetes Thema: die Auswirkungen der Nutzung von maschinellem Lernen auf das Lernen und den Wissenszuwachs in Organisationen. Daraus ergibt sich die Fragestellung, wie Organisationen die Zusammenarbeit zwischen Menschen und Algorithmen koordinieren sollten, um kooperatives Lernen zu ermöglichen. Auf der Basis agentenbasierter Simulationen geben wir konkrete Handlungsempfehlungen, wie diese Kooperationen zu etablieren und auszugestalten sind, um das Lernen sowie den Wissensstand als Grundlage betrieblicher Entscheidung in Organisationen zu verbessern.