Jörg Schließer

Mr. Jörg Schließer

orcid

Research Focus & Metrics

Academic Career Length

3Years (2024-Present)

(Calculated once Scilit publication data is synced: current year − year of first publication + 1)

Representative Publications

View All Publications

1 August 2024
Verified
Book Chapter
Closed access
PDF file
SLSteven Lehmann
Steven Lehmann
JSJörg Schließer
Jörg Schließer
SSSandra Schumann
Sandra Schumann
HWHeiner Winkler
Heiner Winkler
IJIren Jabs
Iren Jabs

23 July 2026
Verified
Book Chapter
Closed access
PDF file
SLSteven Lehmann
Steven Lehmann
JSJörg Schließer
Jörg Schließer

29 October 2026
Verified
Book Chapter
Open access
PDF file
JSJörg Schließer
Jörg Schließer
SLSteven Lehmann
Steven Lehmann
Zusammenfassung Daten- und KI gestützte Entscheidungssysteme besitzen großes Potenzial für industrielle Anwendungen. KMU haben jedoch oftmals Schwierigkeiten, dieses Potenzial aufgrund ihrer Datenlage auszuschöpfen. In diesem Kontext beschreibt das Kapitel die Entwicklung eines Entscheidungssystems zur Zuordnung von Teams zu Projekten und fokussiert dabei datenbezogene Herausforderungen. Es vermittelt eine theoretische und praktische Einführung in die Konzeption eines Link-Prediction-Systems auf Basis von Wissensgraphen und Ontologien sowie die Schritte zur systematischen Entwicklung und Evaluation. Darüber hinaus werden Ansätze zur Verbesserung des Systems untersucht. Zum einen wird diskutiert, inwiefern Datenaugmentierung zu besseren Ergebnissen im Link-Prediction-Prozess führt. Zum anderen wird ein Experiment zu Verminderung von Bias in den Vorhersageergebnissen betrachtet. Die Ergebnisse zeigen neue Möglichkeiten zur Optimierung vergleichbarer Anwendungsfälle auf.

14 October 2026 in HMD Praxis der Wirtschaftsinformatik
Verified
Journal Article
Open access
PDF file
JSJörg Schließer
Jörg Schließer
CSChristian Schlecht
Christian Schlecht
NHNadja Hemming
Nadja Hemming
ABAnja Brückner
Anja Brückner
AKAmit Kirschenbaum
Amit Kirschenbaum
PHPhilipp Hein
Philipp Hein
Zusammenfassung: Die Digitalisierung kleiner und mittlerer Unternehmen wird durch die zunehmende Verfügbarkeit leistungsfähiger KI-Anwendungen beschleunigt, wodurch neue Potenziale sowie Herausforderungen entstehen. Ein entscheidender Faktor für die erfolgreiche Einführung von KI-Anwendungen ist die Verfügbarkeit ausreichender Datenmengen, die oft aus einer langfristigen Datenaggregation resultieren. Kleine und mittlere Unternehmen leiden in der Regel unter Datenmangel, wodurch ihr Bedarf an hoher Qualität steigt. Hierbei stellt der Aufbau von Datenpipelines für sie eine Herausforderung dar. Bislang unzureichend betrachtet wird dabei die Abhängigkeit von Mitarbeitenden als Teil der Pipeline, insbesondere wenn diese Aufgaben zur Datenerfassung in ihre Arbeitsroutine integrieren müssen. Dieser Beitrag beleuchtet reale Szenarien in Unternehmen mit der Herausforderung, Daten angemessen zu erfassen, ohne die Entwicklungsprozesse datengetriebener nachgelagerter Aufgaben und Prozesse zu beeinträchtigen. Daraus werden Potenziale und Risiken von Menschen als Teil von Datenpipelines sowie praxisnahe Empfehlungen zur Vermeidung von Fallstricken abgeleitet. Dadurch können sowohl Datenqualität als auch Mitarbeitendenzufriedenheit langfristig verbessert werden.

12 June 2024 in Preprints.org
Verified
Preprint
Open access
PDF file
JSJörg Schließer
Jörg Schließer
AKAmit Kirschenbaum
Amit Kirschenbaum
CZChristian Zinke-Wehlmann
Christian Zinke-Wehlmann
Climate change poses new challenges for agricultural production as an increase in temper ature also brings an increase in frequency and intensity of droughts. We study the occurrences of droughts in recent years as well as their effect on agricultural yields in combination with other factors such as winter frost. Furthermore we run experiments that aim to predict future drought events in order to provide insights whether current agricultural products will remain viable long-term and to indicate short-term drought risks. Our study area consists of the South-Moravian region in the Czech Republic and Saxony in Germany with the timeframe ranging from 1990 − 2022. For the effect on agricultural yields we use statistical methods such as regression and correlation. We train a Long-Short Term Memory (LSTM) neural net on data for the Standardised Precipitation-Evapotranspiration Index (SPEI) in order to predict future events. Our results indicate that the increased severity of droughts in recent years didn’t yet cause yield losses in our researched area. Our predictions with the LSTM look promising, but will need more data for future use-cases in order to increase accuracy and robustness.