Dr. Konstantin Hopf

• 2019 - heute: Leiter der Forschungsgruppe Machine Learning & Data Work in Organizations und Akademischer Rat a.Z. am Lehrstuhl Wirtschaftsinformatik, insb. Energieeffiziente Systeme an der Universit?t Bamberg
• 2021 - heute: Lehrauftr?ge an der Friedrich-Alexander-Universit?t (Nürnberg-Erlangen) sowie der CBS Intl. Business School (Mainz)
• April 2019: Abschluss der Promotion zum Dr. rer. pol. (Note: summa cum laude), Thema der Dissertation: "Predictive Analytics for Energy Efficiency and Energy Retailing"
• 2018 (Feb - Apr): Lehr- und Forschungsaufenthalt an der Copenhagen Business School, Department of Digitalization
• 2015 - 2019: Doktorand am Lehrstuhl Wirtschaftsinformatik, insb. Energieeffiziente Systeme an der Universit?t Bamberg und Senior analyst im Bits-to-Energy Lab, einer Forschungskooperation der ETH Zurich, der Otto-Friedrich Universit?t Bamberg und der Universit?t St. Gallen (www.bits-to-energy.ch)
• 2014 - 2015: Masterstudium der Wirtschaftsinformatik an der Otto-Friedrich-Universit?t Bamberg
• 2012 - 2013: Auslandssemester an der University of Sk?vde, Schweden
• 2010 - 2014: Bachelorstudium der Wirtschaftsinformatik an der Otto-Friedrich-Universit?t Bamberg
  (Auszeichnung der Bachelorarbeit mit dem ersten Platz im IT Cluster Oberfranken Absolventenpreis 2015)

• Entwicklung und Verantwortung der Master-Lehrveranstaltungen "Business Intelligence & Analytics" (EESYS-BIA-M, V/?, 6 ECTS, Wintersemester), "Data-driven Decision Support" (EESYS-DDS-M, V/?, 6 ECTS, Sommersemester), Master-Seminar "Platforms of Human-AI Collaboration" (WS 2020/21, 3 ECTS)
• Betreuung von über 90 Bachelor-, Master- und Projektarbeiten in Studieng?ngen der Wirtschaftsinformatik an der Universit?t Bamberg
• Vertreter der wissenschaftlichen Mitarbeiterinnen und Mitarbeiter der Fakult?t WIAI im Fakult?tsrat und dem Mittelbau-Konvent (2017-2019 und 2019-2021)
• Lehrauftrag für den Kurs "Business Analytics: Technologien, Methoden, Konzepte" für Bachelor Wirtschaftsinformatikan der FAU Nürnberg-Erlangen (SS 2024) und für den Kurs "Business Intelligence" für Masterprogramme Strategic Management and Consulting an der CBS International Business School in Mainz (seit SS 2021)

• Individuelle Anwendungen des (erkl?rbaren) maschinellen Lernens zur Entscheidungsunterstützung, z.B. Energievertrieb, Energieeffizienz, Hochschullehre

• Organisationale Wertsch?pfung durch Anwendungen des (erkl?rbaren) maschinellen Lernens

• Datenarbeit in Unternehmen

• 10/2024: Urwick Prizeder Worshipful Company of Management Consultantsfür den Artikel "Organizational Implementation of AI: Craft and Mechanical Work" zusammen mit A. Shollo, T. Thiess und O. Müller
• 10/2024: CMCE Research Award in der Kategorie "Technology and consulting" für den Artikel "Organizational Implementation of AI: Craft and Mechanical Work" zusammen mit A. Shollo, T. Thiess und O. Müller
• 09/2024: Best Paper Award der 19. Internationalen Tagung Wirtschaftsinformatik für den Beitrag "Bridging Fields of Practice: How Boundary Objects Enable Collaboration in Data Science Initiatives" zusammen mit N. Rahlmeier
• 12/2023: AIS Senior Scholars' Best Information Systems Publications Award für den Beitrag "Shifting ML Value Creation Mechanisms: A process model of ML value creation" zusammen mit A. Shollo, T. Thiess und O. Müller
• 09/2023: Best Paper Award der 18. Internationalen Tagung Wirtschaftsinformatik für den Beitrag "Addressing Learners’ Heterogeneity in Higher Education: An Explainable AI-based Feedback Artifact for Digital Learning Environments" zusammen mit F. Haag, M. Klose, P. Handschuh, S. Günther und T. Staake
• 06/2023: Best Associate Editor, 31. European Conference on Information Systems (ECIS), Kristiansand, 11.-16. Juni 2023
• 03/2023: Journal of Strategic Information Systems 2022 Best Paper Award für den Beitrag "Shifting ML Value Creation Mechanisms: A process model of ML value creation" zusammen mit A. Shollo, T. Thiess und O. Müller
• 10/2020: Best Paper Nominee (9. DACH+ Energy Informatics 2020) für den Beitrag "Detection of heat pumps from smart meter and open data" zusammen mit A. Weigert, N. Weinig und T. Staake
• 12/2019: AIS 2018 SIGGREEN Best Journal Paper on Green IS für Beitrag "Enhancing Energy Efficiency in the Residential Sector with Smart Meter Data Analytics" in Electronic Markets 28(4) zusamen mit T. Staake und M. Sodenkamp
• 11/2015: Absolventenpreis des IT Clusters Oberfranken (1. Platz) für Bachelorarbeit "Entwicklung und Evaluation von Merkmalen zur Haushaltsklassifikation aus Daten intelligenter Stromz?hler"
• 03/2010: Deutscher Klimapreis der Allianz Umweltstiftung 2010 für das initiierte Projekt "H.o.f.E.r. - Heimat ohne fossile Energietr?ger realisieren"
• 07/2008: Sonderpreis in der Kategorie "Umwelt und Leben" im Schülerwettbewerb "Schule macht Zukunft" des Magazin FOCUS und der Deutschen Bundesstiftung Umwelt für das initiierte Projekt "H.o.f.E.r. - Heimat ohne fossile Energietr?ger realisieren"

• KI und fortgeschrittene Datenanalysen für ein Zusammenspiel von Strom, W?rme und Mobilit?t ("DigiSWM"), Bayerisches Verbundforschungsprogramm (IUK Bayern): Jul 2021 – April 2025 (Rolle: Principal Investigator und Verbundkoordinator)
• Kombinierte Verhaltens- und Analyse-Innovation zur Steigerung der Energieeffizienz mittels Smart Meter in Privathaushalten ("BENEFIZZO"), EU Eurostars Initiative: Dez 2020 – Mai 2022 (Rolle: Principal Investigator)
• Data-driven insights in energy retailing ("BEN Drive"), Auftragsforschungsprojekt, Mai 2018 – Dez 2022 (Rolle: Principal Investigator)
• Smart Meter Data Analytics for Enhanced Energy Efficiency in the Residential Sector ("SmartLoad"), European Research Area Network (ERA-Net) - Smart Grids Plus, Projektlaufzeit: Juni 2017 – M?rz 2020 (Rolle: Projektleiter)

Weitere Publikationen finden Sie auf der vollst?ndigen Publikationsliste von Konstantin Hopf.

Zeitschriftenbeitr?ge (peer-reviewed)

Hopf, K., Nahr, N., Staake, T., Lehner, F. The group mind of hybrid teams with humans and intelligent agents in knowledge-intense work. Journal of Information Technology, Online first, DOI 10.1177/02683962241296883.

Hopf, K., Müller, O., Thiess, T., Shollo, A. (2023). Organizational implementation of AI: Craft and mechanical work. California Management Review 66(1), DOI: 10.1177/00081256231197445, ausgezeichnet mit dem CMCE Research Award und dem Urwick Prize im Oktober 2024

Shollo, A., Hopf, K., Thiess, T., Müller, O. (2022). Shifting ML Value Creation Mechanisms: A process model of ML value creation. The Journal of Strategic Information Systems, 31(3), 101734. DOI: 10.1016/j.jsis.2022.101734; ausgezeichnet mit dem JSIS 2022 Best paper award im M?rz 2023 und AIS Senior's Scholars Best Journal on IS im Dezember 2024.

Weigert, A., Hopf, K., Günther, S. A., & Staake, T. (2022). Heat pump inspections result in large energy savings when a pre-selection of households is performed: A promising use case of smart meter data. Energy Policy, 169, 113156. DOI: 10.1016/j.enpol.2022.113156

Hopf, K., Weigert, A., Staake, T. (2022). Value creation from analytics with limited data: a case study on the retailing of durable consumer goods. Journal of Decision Systems, Online ver?ffentlicht am 07. April 2022, DOI: 10.1080/12460125.2022.2059172

Hopf, K., Sodenkamp, M., Staake, T. (2018). Smart Meter Data Analytics for Enhanced Energy Efficiency in the Residential Sector. Electronic Markets, 28(4) DOI: 10.1007/s12525-018-0290-9; ausgezeichnet mit dem AIS SIGGREEN 2018 Best Journal Paper on Green ISaward im Dezember 2018

Hopf, K. (2018). Mining Volunteered Geographic Information for Predictive Energy Data Analytics. Energy Informatics, 1:4, DOI: 10.1186/s42162-018-0009-3

Beitr?ge in Konferenzb?nden (peer-reviewed)

Rahlmeier, N., Hopf, K. (2024). Bridging Fields of Practice: How Boundary Objects Enable Collaboration in Data Science Initiatives.19. Internationale Tagung Wirtschaftsinformatik, September 17 - 19, Würzburg. WI'24 Best Paper Award.

Hopf, K., Joshi, M., Stelmaszak, M., & Shollo, A. (2024). Crafting Ever-Changing Data Products: Towards a Human-Centered Process Model of Data Work. ECIS 2024 Proceedings. 32. European Conference on Information Systems, Paphos: Zypern.

Haag, F., Stingl, C., Zerfass, K., Hopf, K., Staake, T. (2023). Overcoming Anchoring Bias: The Potential of AI and XAI-based Decision Support, 44. International Conference on Information Systems 10. - 13. Dezember, Hyderabad: Indien

Haag, F., Günther, S. A., Hopf, K., Handschuh, P. Klose, M., Staake, T. (2023). Addressing Learners' Heterogeneity in Higher Education: An Explainable AI-based Feedback Artifact for Digital Learning Environments. 18. Internationale Tagung Wirtschaftsinformatik 18. - 21. September, Paderborn; WI'23 Best Paper Award.

Hopf, K., Hartstang, H., Staake, T. (2023). Meta-Regression Analysis of Errors in Short-Term Electricity Load Forecasting. Vorgestellt auf dem 4. International Workshop on Energy Data and Analytics im Rahmen der 14. ACM e-Energy Konferenz, 20. Juni, Orlando:Florida (USA). DOI: 10.1145/3575813.3597345 [Preprint]

Giacomazzi, E., Haag, F., Hopf, K. (2023). Short-term Electricity Load Forecasting Using the Temporal Fusion Transformer: Effect of Grid Hierarchies and Data Sources. Vorgestellt auf der 14. ACM e-Energy Konferenz, 20. Juni, Orlando:Florida (USA). DOI: 10.1145/3599733.3600248 [Preprint]

Günther, S. A., Haag, F., Hopf, K., Klose, M., Handschuh, P., Staake, T. (2022). A feedback component that leverages counterfactual explanations for smart learning support: First insights into its empirical evaluation. Tagungsband DiKuLe Symposium 2022 (in Erscheinung)

Haag, F., Hopf, K., Menelau Vasconcelos, P., Staake, T. (2022). Augmented Cross-Selling Through Explainable AI – A Case From Energy Retailing. 30. European Conference on Information Systems (ECIS'22), Timi?oara: Romania [Full-text] [Preprint]

Wastensteiner, J., Weiss, T. M., Haag, F., Hopf, K. (2021).  Explainable AI for Tailored Electricity Consumption Feedback – An Experimental Evaluation of Visualizations, 29. European Conference on Information Systems (ECIS'21), Marrakesh: Morocco / Virtual, 14. – 12. Juni, [Full-text] [Preprint]

Weigert, A., Hopf, K., Weinig, N., Staake, T. (2020) Detection of heat pumps from smart meter and open data, 9. DACH+ Conference on Energy Informatics, Sierre, Schweiz,  29. – 30. Oktober, In: Energy Informatics, 3(Suppl 1):21, DOI: 10.1186/s42162-020-00124-6

Hopf, K., Riechel, S., Sodenkamp, M., Staake, T. (2017). Predictive Customer Data Analytics – The Value of Public Statistical Data and the Geographic Model Transferability.38. International Conference on Information Systems (ICIS'17), Seoul: Südkorea, 10. – 13. Dezember

Hopf, K., Dagef?rde, F., Wolter, D. (2015). Identifying the Geographical Scope of Prohibition Signs, 12. International Conference on Spatial Information Theory (COSIT) , 2015 Santa Fe: NM, USA, 12. – 16. Oktober. Proceedings in Lecture Notes in Computer Science, DOI: 10.1007/978-3-319-23374-1_12

Hopf, K., Sodenkamp, M., Kozlovskiy, I., Staake, T. (2014). Feature extraction and filtering for household classification based on smart electricity meter data, 3. D-A-CH+ Energieinformatik Konferenz 2014, 13. -14. November. In: Computer Science - Research and Development 31 (3), pp. 141-148, DOI: 10.1007/s00450-014-0294-4

Software-Bibliotheken

Hopf, K., Weigert, A., Kozlovskiy, I., Staake, T. (2020). SmartMeterAnalytics: Methods for Smart Meter Data Analysis, Bibliothek für die Statistikumgebung GNU R, https://cran.r-project.org/package=SmartMeterAnalytics

Hopf, K., Weigert, A., Weinig, N., Staake, T., (2020). ResidentialEnergyConsumption: Residential Energy Consumption Data, Bibliothek für die Statistikumgebung GNU R, https://cran.r-project.org/package=ResidentialEnergyConsumption

Buchkapitel und Projektberichte

Weigert, A., Hopf, K., Staake, T., Rast, A., Marckhoff, J. (2020). SmartLoad – Smart Meter Data Analytics for Enhanced Energy Efficiency in the Residential Sector, Schlussbericht. Bundesamt für Energie, Schweiz (Online)

Hopf, K., Staake, T. (2019). Methoden der Energiedatenanalyse, Schlussbericht zum Eurostars Projekt ?Energy Data Analytics: Steigerung der Servicequalit?t und der Energieeffizienz im Privatkundenbereich“, DOI: 10.2314/KXP:1687331642

Sodenkamp, M., Hopf, K., Kozlovskiy, I., Staake, T. (2016). Smart-Meter-Datenanalyse für automatisierte Energieberatungen ("Smart Grid Data Analytics"), Schlussbericht. Bundesamt für Energie, Schweiz (Online)

Sodenkamp, M., Hopf, K., Staake, T. (2015). Using supervised machine learning to explore energy consumption data in private sector housing. In: Tavana, M. & Puranam, K. (Hg.): Handbook of Research on Organizational Transformations through Big Data Analytics. Hershey, USA: IGI Global, DOI: 10.4018/978-1-4666-7272-7.ch019

• KI-Evolution statt Revolution – Ein Prozessmodell für die betriebliche Wertsch?pfung durch Machine-Learning-Anwendungen, Vortrag bei der Deutschen Telekom AG, Online am 08. und 15.05.2024
• Value Creation with Machine Learning, Vortrag bei der QualityMinds GmbH, Online am 10.04.2024
• Artificial intelligence (AI) strategy in practice: A process model for machine learning value creation in organizations, SAP Inspiration Sessions, Online am 15.11.2023
• Electricity load forecasting using the Temporal Fusion Transformer, Forschungsvortrag im Rahmen der AI Keynote des Session des Lehrstuhls Artificial Intelligence in Management der LMU München (Prof. Dr. Stefan Feueriegel), Online am 27.01.2023
• Shifting ML value creation mechanisms: A process model of ML value creation, Forschungsvortrag am Lehrstuhl Artificial Intelligence in Management der LMU München (Prof. Dr. Stefan Feueriegel) in München, 27.01.2023
• Shifting ML value creation mechanisms: A process model of ML value creation, Praxisvortrag im Rahmen des Nürnberg Data Science & AI Meetup in Nürnberg, 17.01.2023
• Data Science and Craft Work, Forschungsvortrag im Rahmen des AIS SIG DITE Research Seminar der University of Hamburg (Prof. Dr. Jan Recker), Online am 08.12.2022
• Smart Meter Analytics: Machine Learning mit Stromverbrauchsdaten für eine bessere Energienutzung im Privatsektor, Smart City Talk Stadt Osnabrück, Online am 01.12.2022
• Support retailing of renewable energy systems with (interpretable) machine learning, Gastvorlesung an der Universit?t Passau, 09.07.2021
• Predictive Analytics for Energy Efficiency and Energy Retailing, Brown-Bag Seminar der Wirtschaftsinformatik-Fachgruppe, Universit?t Passau, 18.06.2019
• Datenanalyse mit R, Führungskr?fte-Workshop für ein Energieversorgungsunternehmen, Universit?t Bamberg, April 2018
• Mining Volunteered Geographic Information for Predictive Energy Data Analytics, PhD Workshop 'Energy Informatics' im Rahmen der 6. D-A-CH+ Energieinformatik Konferenz in Lugano, Schweiz am 04.10.2017
• Predictive Analytics in Energy Retail, Doctoral Consortium w?hrend der 25. European Conference on Information Systems (ECIS) in Guimar?es, Portugal am 05.06.2017
• Lifting the value of customer data for marketing – Predictive analytics in energy retail, 9. BarCamp Nürnberg am 13.05.2017
• Das Internet der Dinge – Experimente mit intelligenten Stromz?hlern, Workshop beim M?dchen und Technik Tag der Universit?t Bamberg am 28.10.2014
• Heimat ohne fossile Energietr?ger realisieren (H.o.f.E.r.) - Raus aus dem Energiestrudel, Neumarkter Nachhaltigkeitskonferenz 2010 am 25.06.2010
• Raus aus dem Energiestrudel, 17. Symposium der Deutschen Bundesstiftung Umwelt (DBU) und der Freunde und F?rderer des Zentrums für Umwelt und Kultur Benediktbeuern am 29.09.2009