Ehemalige

Prof. Dr. Dr. h. c. Dieter B. Preßmar ist der Gründungsvater und frühere geschäftsführende Direktor des Instituts für Wirtschaftsinformatik und mittlerweile Emeritus.

Google Scholar Profil

Forschungsinteressen:

Ich interessiere mich besonders für angewendete Rechenmethoden zur Unterstützung von Management-Entscheidungen sowie deren Änderungen und Erweiterungen, um ihre Ausrichtung auf die Unternehmensanforderungen zu erhöhen. Solche Bemühungen werden heute allgemein als Data Mining bezeichnet.

Anwendungen dieses Tehmenbereichs sind z. B. die Wahrscheinlichkeitsschätzung der Beantwortung direkter Mailanfragen (Wirkungs-Modellierung ), die Identifizierung von Kunden die Gefahr laufen ihre Verbindung mit einem Unternehmen abzubrechen(Churn Prediction), Betrugserkennung oder auch Risikoeinschätzungen bei Geldverleih (Credit-Scoring).

Die Bedarfsprognose ist eine weitere wichtige Anwendung von quantitativen Modellen und besonders von Entscheidungsunterstützungsvorhersagemodellen.Jedweder praktische Planungsansatz z. B. in der Produktion oder im weitergefassten Rahmen des Supply Chain Managements ist auf eine genaue Schätzung der zukünftigen Nachfrage angewiesen.Daraus ergibt sich ein spannendes Forschungsfeld für die Erkundung der Lebensfähigkeit von Nachfrageprognosen für bestimmte Anwendungen aus rechen-, statistik-und prozessorientierten Perspektiven. Ebenso interessant ist die Untersuchung von Wechselwirkungen zwischen Prognosemethodik und anschließender Planung.


Predictive Data-Mining-Methoden können auch verwendet werden, um im Software-Projektmanagement fehleranfällige Software-Module zu einem frühen Zeitpunkt im Entwicklungszyklus zu identifizieren. Dies kann eine effizientere Allokation von eingeschränkten Test-Ressourcen zur Folge haben.

Zudem habe ich ein starkes Interesse an der Erforschung von Mechanismen und Verhaltensmustern der Entscheidungsträger innerhalb spekulativer Finanzmärkte. Meine Arbeit in diesem Bereich zielt auf die Beurteilung ab, in welchem Umfang öffentlich verfügbare Informationen in den Marktpreisen unberücksichtigt gelassen werden.

Um ein tieferes Verständnis für diesen Forschungszweig zu erlangen, hat sich eine Forschungskooperation mit Prof. J.E.V.Johnson aus dem Cenre of Risk Research der Universität Southampton ergeben. Ein beliebter Ansatz zur Ergründung der Informationseffizienz an Märkten beinhaltet wiederum Vorhersagemodelle, die ja das zentrale Thema meiner Forschungstätigkeit darstellen.

Aus methodischer Sicht bin ich vor allem an Support-Vektor-Maschinen und Ensemble-Ansätzen zur Lösung von allgemeinen Klassifikations- und Regressionsproblemen interessiert. Darüber hinaus sind neuartige Lern- Paradigmen wie aktives, transduktives oder strategisches Lernen ein besonders ansprechender Bereich für mich.

Publikationen:

(ein Überblick findet sich bei Google Scholar)

Monografien und Herausgeberschaften:

R. Stahlbock, S.F. Crone, S. Lessmann, (2009), Data Mining - Special Issue in Annals of Information Systems, Springer, Berlin. [ext. Link]

R. Stahlbock, S.F. Crone, S. Lessmann, G. M. Weiss, P. Lenca and W. Lippe (2009), Proceedings of the International Conference on Data Mining - DMIN'09, CSREA Press, Las Vegas.

R. Stahlbock, S.F. Crone, S. Lessmann, (2008), Proceedings of the International Conference on Data Mining - DMIN'08, CSREA Press, Las Vegas.

R. Stahlbock, S.F. Crone, S. Lessmann, (2007), Proceedings of the International Conference on Data Mining - DMIN'07, CSREA Press, Las Vegas. - ISBN 1-60132-004-3

S.F. Crone, S. Lessmann, R. Stahlbock (2006), Proceedings of the International Conference on Data Mining - DMIN'06, CSREA Press, Las Vegas. - ISBN 1-60132-031-0

Internationale Zeitschriften (mit Peer-Review-Verfahren):

Brandner, H., Lessmann, S., & Voß, S. (2013). A memetic approach to construct transductive discrete support vector machines. European Journal of Operational Research, 230(3), pp. 581-595. [ext. link]

M.-C. Sung, S. Lessmann (2012), Save the Best for Last? The Treatment of Dominant Predictors in Financial Forecasting. Expert Systems With Applications 39(15), pp. 11898-11910 [ext. link]

S. Lessmann, M.-C. Sung, J.E.V. Johnson, T. Ma (2012), A new methodology for generating and combining statistical forecasting models to enhance competitive event prediction. European Journal of Operational Research 218(1), pp.163-174. [ext. link]

S. Lessmann, M. Caserta, I. Montalvo Arango (2011). Tuning metaheuristics: A data mining based approach for particle swarm optimization, Expert Systems With Applications 38(10), pp. 12826-12838. [ext. link]

S. Lessmann, M.-C. Sung, J.E.V. Johnson (2011), Towards a methodology for measuring the true degree of efficiency in a speculative market, Journal of the Operational Research Society 62, pp.2120-2132. [ext. link]
     
S. Lessmann, S. Voß (2010), Customer-centric decision support: A benchmarking study of novel versus established classification models, Business & Information Systems Engineering 2(2), pp. 79-93 [die deutsche Version erscheint in der Zeitschrift Wirtschaftsinformatik]. [ext. link]

S. Lessmann, M.-C. Sung, J.E.V. Johnson (2010), Alternative methods of predicting competitive events: An application in horserace betting markets. International Journal of Forecasting 26(3), pp. 518-536. [ext. link]

R. Stahlbock, S. F. Crone, S. Lessmann (2009), Data Mining and Information Systems: Quo Vadis?, Annals of Information Systems 8, pp. 1-15. [ext. link]

S. Lessmann, S. Voß (2009), A framework for customer-centric data mining with support vector machines, European Journal of Operational Research 199(2), pp. 520-530. [ext. link]

S. Lessmann, M.-C. Sung, J.E.V. Johnson (2009), Identifying winners of competitive events: A SVM-based classification model for horserace prediction, European Journal of Operational Research 196(2), pp. 569-577. [ext. link]

S. Lessmann, B. Baesens, C. Mues, S. Pietsch (2008),  Benchmarking classification models for software defect prediction: A proposed framework and novel findings, IEEE Transactions on Software Engineering 34(4), pp. 485-496. [ext. link]
         

S. Lessmann, M.-C. Sung, J.E.V. Johnson (2007), Adapting least-square support vector regression models to forecast the outcome of horseraces, Journal of Prediction Markets 1(3), pp. 169-187. [ext. link]

S. F. Crone, S. Lessmann, R. Stahlbock (2006), The impact of preprocessing on data mining: An evaluation of classifier sensitivity in direct marketing, European Journal of Operational Research 173(3), pp. 781-800. [ext. link]

Nationale Zeitschriften (mit Peer-Review-Verfahren):

S. Lessmann, S. Voß (2010), Unterstützung kundenbezogener Entscheidungsprobleme: Eine Analyse zum Potenzial moderner Klassifikationsverfahren, Wirtschaftsinformatik 52(2), pp. 79-93. [ext. link]

S. Lessmann, S. Schüller, S. Voß (2009), Kostensensitive Klassifikation mit Random Forest, HMD - Praxis der Wirtschaftsinformatik 268, pp. 57-68. [ext. link]

S. Lessmann (2003), Customer Relationship Management, WISU 2, pp. 190-192.

Konferenzbeiträge (mit Peer-Review-Verfahren):

H. Brandner, S. Lessmann, S. Voß (2011). Support of Managerial Decision Making by Transductive Learning. Proc. of the 10th Intern. Conf on Wirtschaftsinformatik (WI'11), Zurich, Switzerland.

S. Lessmann, M. Listiani and S. Voß (2010). Decision support in car leasing: A forecasting model for residual value estimation. In: M. Lacity, F. Niederman, S. March (Eds.) Proc. of the Intern. Conf. on Information Systems (ICIS’10), Saint Louis, MO, USA. [ext. link]

S. Lessmann, S. Voß (2009), Feature Selection in Marketing Applications. Proc. of the Intern. Conf on Advanced Data Mining and Applications (ADMA'09), Beijing, China. [ext. link]

S. Schüller, S. Lessmann, S. Voß (2009), A Case Study of Random Forest in Predictive Data Mining. Proc. of the Intern. Tagung Wirtschaftsinformatik (WI'09), Vienna, Austria.

M. Caserta, S. Lessmann, S. Voß (2009), A Novel Approach to Construct Discrete Support Vector Machine Classifiers. Proc. of the Anual Conf. of the German Classification Society (GFKL'09), Hamburg, Germany

N. Martin, S. Lessmann, S. Voß (2008), Crowdsourcing: Systematisierung praktischer Ausprägungen und verwandter Konzepte, Proc. of the 2008 Multi-Konferenz Wirtschaftsinformatik (MKWI'08), München, Germany [auf deutsch]

S. Lessmann, N. Li, S. Voß (2008), A Case Study of Core Vector Machines in Corporate Data Mining, Proc. of the 41th Hawaiian Intern. Conf. on System Science (HICSS'08), Hawaii, USA.

S. Lessmann, S. Voß (2006), Solving discrete support vector machines with tabu search, Proc. of the 2006 INFORMS Workshop on Artificial Intelligence and Data Mining, Pittsburgh, USA.

S. F. Crone, S. Lessmann, S. Pietsch (2006), Business Advantages with Computational Intelligence –An Investigation of Parameter Preselection for Support Vector Regression and Artificial Neural Networks applied on Time Series Forecasting, Proc. of the Intern. Conf. on Data Mining (DMIN'06), Las Vegas, Nevada, USA.

S. Lessmann, S. F. Crone, R. Stahlbock, N. Zacher (2006), An evaluation of support vector machines for cost-sensitive learning, Proc. of the Intern. Joint Conf. on Neural Networks (IJCNN'06), Vancouver, Canada.

S. Lessmann, R. Stahlbock, S. F. Crone (2006), Genetic algorithms for support vector machine model selection, Proc. of the Intern. Joint Conf. on Neural Networks (IJCNN'06), Vancouver, Canada.

S. F. Crone, S. Lessmann, S. Pietsch (2006), Forecasting with Computational Intelligence - An evaluation of support vector regression and artificial neural networks for time series prediction, Proc. of the Intern. Joint Conf. on Neural Networks (IJCNN'06), Vancouver, Canada.

S. F. Crone, S. Lessmann, R. Stahlbock (2005), Utility Based Data Mining for Time Series Analysis - Cost sensitive learning for Neural Network Predictors,  Proc. of the 1st ACM SIGKDD Workshop on Utility based Data Mining (UBDM@KDD'05), Chicago, Illinois, USA.

S. Lessmann, R. Stahlbock, S. F. Crone (2005), Genetically constructed kernels for support vector machines. In Haasis, H.D., Kopfer, H., Schönberger, J. (Eds.):  Operations Research Proceedings  2005, Springer, Berlin, pp. 257-262.

R. Stahlbock, S. F. Crone, S. Lessmann (2005) Evolutionary Neural Classification Approaches for Strategic and Operational Decision Support in Retail Store Planning, Proc. of the Intern. Conf. on Artificial Intelligence (IC-AI’05), Las Vegas, Nevada, USA.

S. Lessmann, R. Stahlbock, S. F. Crone (2005), Optimizing Hyperparameters of Support Vector Machines by Genetic Algorithms, Proc. of the Intern. Conf. on Artificial Intelligence (IC-AI’05), Las Vegas, Nevada, USA.

S. F. Crone, S. Lessmann, R. Stahlbock (2005) A New Perspective on Forecasting Seasonal Time Series with Artificial Neural Networks, Proc. of the Intern. Conf. on Artificial Intelligence (IC-AI’05), Las Vegas, Nevada, USA.

S. F. Crone, S. Lessmann, R. Stahlbock (2004), Empirical Comparison and Evaluation of classifier Performance for data mining in Customer Relationship Management. In: D.Wunsch et al. (eds.): Proc. of the  Int. Joint Conf. on Neural Networks (IJCNN’04), 25.-29. July, Budapest, Hungary, IEEE, New York, pp. 443-448 [ext. link]

S. Lessmann (2004), Solving imbalanced classification Problems with Support Vector Machines, Proc. of the Intern. Conf. on Artificial Intelligence (IC-AI’04), Las Vegas, Nevada, USA.

Buchkapitel:        

S. Lessmann, S. Voß (2008), Supervised Classification for Decision Support in Customer Relationship Management. In: Bortfeldt, A., Homberger, J., Kopfer, H., Pankratz, G., Stangmeier, R. (Eds): Intelligent Decision Support, Gabler, Wiesbaden, pp. 231-253.

D. B. Preßmar, S. Lessmann (2008), Wissensexploration mit der Support Vektor Maschine. In: Kortzfleisch, H. F. O., Bohl, O.  (Eds): Wissens Vernetzung Virtualisierung. Josef Eul Verlag, Köln, pp. 187-197.

S. Lessmann, R. Stahlbock (2005), Support Vektor Klassifikatoren im analytischen Kundenbeziehungsmanagement. In: Rommelfanger, H. (Ed.): Neue Anwendungen von Fuzzy-Logik und Künstlicher Intelligenz. Shaker Verlag, Aachen, pp. 113-124.

S. F. Crone, S. Lessmann, R. Stahlbock (2005), Support Vector Machines versus Artificial Neural Networks - new potential in Data Mining for Customer Relationship Management?  In: Wang, D., Lee, K. (Eds.): Neural Networks Applications in Information Technology and Web Engineering. Borneo Publishing, Malaysia, pp. 80-93.

Weitere Publikationen:

J.E.V. Johnson, S. Lessmann, M.-C. Sung, (2007) A new Method for Predicting the Outcome of Speculative Events, Centre for Risk Research Working Paper CRR-07-03, University of Southampton.

S. Lessmann, S. Voß: Electronic Procurement (2005). In: Häberle, G. (Ed.): Lexikon der Betriebswirtschaftslehre, to appear - accepted  

R. Stahlbock, S. Lessmann (2003), Potential von Support Vektor Maschinen im analytischen Customer Relationship Management, Working Paper Institute of Information Systems, University of Hamburg.

Akademische Tätigkeiten:

• Programmvorsitz der International Conference on Data Mining, (DMIN'07)
• gewählter Programmvorsitz der International Conference on Data Mining, (DMIN'06)
• eingeladener Gutachter bei der International Joint Conference on Neural Networks, (IJCNN'07)
• eingeladener Gutachter bei der Zeitschrift Netnomics
• eingeladener Gutachter bei der Zeitschrift Neural Processing Letters
• eingeladener Gutachter bei der Zeitschrift Journal of Data & Knowledge Engineering
• eingeladener Gutachter bei der Zeitschrift International Transactions in Operations Research
• eingeladener Gutachter bei der Zeitschrift Annals of Operations Research
• eingeladener Gutachter bei der Zeitschrift Informs Journal of Computing

Praxisprojekte

Auszeichnungen

Werdegang

Lehre an der UHH

Bachelor/ Vordiplom:

• Rechnerpraktikum (WiSe und SoSe)
• Grundlagen der Wirtschaftsinformatik
• Begutachtung von Abschlussarbeiten

Master/Diplom-Hauptstudium:

• Business Intelligence and Data Mining
• Begutachtung von Abschlussarbeiten

            Mitgliedschaften:

Porf. Dr. Julia Pahl arbeitet an der Syddansk Universitet als Associate Professor am Institute of Technology and Innovation  an der SDU Engineering Operations Management.

Forschungsinteressen:

Supply Chain Management, Lead Time Management, Lastabhängige Vorlaufzeiten, taktische Produktionsplanung, Modellierung von Verfall / Vergänglichkeit, Netzwerkplanung, Green Supply Chain Management (GSCM), Airline und Airport Management.

Publikationen:

Kumulative Dissertation

J. Pahl. Production Planning with Load Dependent Lead Times and Sustainability Aspects (EDISS). Universität Hamburg. (Link)

Zeitschriften mit Peer-Review-Verfahren
   
J. Pahl, S. Voß, and D.L. Woodruff. Production planning with load dependent lead times. 4OR: A Quarterly Journal of Operations Research, 3(4):257–302, 2005 (Link: Springerlink)     

J. Pahl, S. Voß, and D.L. Woodruff. Production planning with load dependent lead times: An update of research. Annals of Operations Research, 153(1):297-345, 2007 (Link: Springerlink)     
   
    
Konferenzbände mit Double-Blind-Peer-Review-Verfahren
   
A. Mies, J. Pahl, S. Voß. Supply Chain Integration: Improvements of Global Lead Times with SCEM in: J. Geldermann, M. Treitz, H. Schollenberger, O. Rentz (Eds.) Challenges for Industrial Production, Workshop of the PepOn Project: Integrated Process Design for Inter-Enterprise Plant Layout Planning of Dynamic Mass Flow Networks, Karlsruhe, Nov. 7-8. 2005 (Link: Book Overview)
 
J. Pahl, S. Voß, D.L. Woodruff. Production Planning with deterioration constraints: A survey. In: J.A. Ceroni (ed.) The Development of Collaborative Production and Service Systems in Emergent Economies, Proceedings of the 19th International Conference on Production Research, IFPR , Valparaiso, Chile (2007), Tu3. 6-2, 6 pages [ISBN: 978-956-310-751-7] (Link: ICPR19)
 
J. Pahl, S. Voß. Discrete Lot-Sizing and Scheduling Including Deterioration and Perishability Constraints. In: W. Danglmainer and A. Blecken and R. Delius and S. Klöpfer (ed.) Advanced Manufacturing and Sustainable Logistics, Proceedings of the 8th International Heinz Nixdorf Symposium, IHNS 2010, Paderborn 2010 (Link: Springerlink)

J. Pahl, S. Voß, D.L. Woodruff. Discrete Lot-Sizing and Scheduling with Sequence-Dependent Setup Times and Costs including Deterioration and Perishability Constraints, IEEE, HICSS-44, January 2011.
(Testinstanzen und Performance [19MB!])
    
T. Reiners, J. Pahl, M. Maroszek, C. Rettig. Integrated Aircraft Scheduling Problem: An Auto-Adapting Algorithm to Find Robust Aircraft Assignments for Large Flight Plans, IEEE, HICSS-45, January 2012, (Quellcode, Testinstanzen, Visual Suite Software [27MB])
 
    
Buchkapitel
 
J. Pahl, S. Voß, and D.L. Woodruff. Load dependent lead times - from empirical evidence to mathematical modeling. In H. Kotzab, S. Seuring, M. Müller, and G. Reiner, editors, Research Methodologies in Supply Chain Management, 539–554. Physica, Heidelberg, 2005 (Link: Springerlink)

   
Technical Reports und Working Papers
   
M. Maroszek, C. Rettig. A Tabu Search for the p-Median Problem, Technical Report, Universität Hamburg, 27.03.2008 (Download technical report (PDF))

Weitere Aktivitäten

Mitglied im internationalen Herausgeberteam des  International Journal of Operations Research and Information Systems (IJORIS).

Forschungsprojekte

internationales Forschungsprojekt mit  der Universität von Salerno, Italien
DAAD-PPP Vigoni Forschungsprojekt "Sustainability and Green Supply Chain Planning - Network Flow Formulations and Solution Methods" in Kooperation mit der Universitá degli Studi di Salerno, Dipartimento di Informatica, Assistant Professor Monica Gentili, Fisciano/Italien.

Auszeichnungen

Young Graduate Traineeship der European Space Agency, VEGA Small Launcher Project

Forschungsstipendium für die HICSS-44

Lehre an der UHH

Studienprojekt (WS 2008/09, SoSe 2009, SoSe2010)

Vorlesungsassistenz Informationsmanagement (WS 2008/09)

Seminar zur Wirtschaftsinformatik (WS 2008/09, WS 2009/10)

Vorlesungsassistenz Produktion (SoSe 2009)

Übung zur VL Informationsmanagement (WS 2008/09)  

Übung zur VL Produktionsplanung (SoSe 2009)   

Übung zur VL Statistik II (SoSe 2009)

Dr. Marco Caserta war von 2007 bis 2009 wiss. Mitarbeiter am IWI. Aktuell arbeitet er als adjunct Professor für Operations and Technologies am Instituto de Empresa in Madrid.

Prof. Dr. Andreas Fink war von 2002 bis 2005 wiss. Mitarbeiter in einer PostDoc Position am IWI. Aktuell ist er Professor am Institute of Computer Science an der Universität der Bundeswehr (HSU) Hamburg.

Dr. Torsten Reiners war von 2003 bis 2010 wiss. Mitarbeiter am IWI. Aktuell arbeitet er als Senior Lecturer an der Curtin Business School (CBS) der Curtin University in Perth, Australien.

Dr. Sebastian Friedrich war in den Jahren von 1999 bis 2002 wiss. Mitarbeiter am IWI. Aktuell arbeitet er als Leiter im Bereich Mathematische Optimierung bei der Initions AG.

Dipl. Kfm. Ronald Krick war von 2003 bis 2007 wiss. Mitarbeiter am IWI. Aktuell arbeitet er freiberuflich als Senior Consultant.