Marco Fries
![Marco Fries](https://cps.wineme.fb5.uni-siegen.de/wp-content/uploads/2021/08/Marco-Fries-2.jpg)
E-Mail: marco.fries(at)uni-siegen.de
Raum: US-D 117 (Ludwig-Wittgenstein-Haus, Campus Unteres Schloss)
Telefon: +49 (0) 271 / 740 5165
Sprechstunde: Nach Vereinbarung
Vita
Marco Fries studierte Wirtschaftsinformatik dual an der Uni Siegen. Parallel zum Studium war er bei der GIB mbH als dualer Student beschäftigt. Die GIB mbH ist im Bereich Softwareentwicklung rund um SAP mit eigenen Produkten tätig. In diesem Unternehmen schrieb er auch seine Bachelorarbeit. Nach erfolgreichem Abschluss des Bachelorstudiums arbeitete er zunächst als Softwareentwickler und später als Berater und Projektleiter beim gleichen Unternehmen.
Nach zwei Jahren Vollzeit fing er auf Basis einer halben Stelle das Masterstudium Human Computer Interaction an der Uni Siegen an. Seine Masterarbeit fokussierte sich im Bereich Absatzplanung und maschinelles Lernen mit dem Titel: „Eine Design Case Study zur Absatzprognose mittels maschinellen Lernens in der Lebensmittelbranche“.
Nach zwei weiteren Jahren als Abteilungsleiter für die globale Beratung, Academy und den Support fing er im August 2021 an der Uni Siegen als wissenschaftlicher Mitarbeiter am Lehrstuhl für Cyber-Physische Systeme an. Hier wirkt er im Projekt ExPro mit, sowie in der Unterstützung eines Projekts zur Erschließung eines regionalen Zukunftszentrums für künstliche Intelligenz.
Publikationen
2023
-
Ludwig, T., Azabal, N., Fries, M., Nießner, J., Elsholz, U., Lützenkirchen, S., Thomas, M. & Schröder, L. (2023)KI-Kompetenzen in der Praxis: Eine Analyse deutscher KMUs
IN HMD Praxis der Wirtschaftsinformatik doi:10.1365/s40702-023-01035-2
[BibTeX] [Abstract] [Download PDF]Die rasante Digitalisierung unserer Welt hat die Entwicklung digitaler Kompetenzen zu einem zentralen Anliegen in Wirtschaft und Gesellschaft gemacht. Während globale Akteure wie die USA, China, Südkorea und Japan in technologischen Innovationen führend sind, sieht sich die Europäische Union, insbesondere Deutschland, vor Herausforderungen gestellt, um mit dieser Innovationsdynamik Schritt zu halten, vor allem im Bereich der Informationstechnologie. Die Europäische Kommission hat als Reaktion darauf eine Digitalstrategie entwickelt, um die Wettbewerbsfähigkeit und digitale Souveränität zu stärken. Der vorliegende Beitrag untersucht, basierend auf einer retrospektiven Analyse von Beratungsfällen des Zukunftszentrums KI NRW zum Thema Digitalisierung und vor allem Künstliche Intelligenz, die digitale Kompetenzlandschaft in deutschen kleinen und mittleren Unternehmen (KMUs). Die Ergebnisse zeigen, dass ein erheblicher Bedarf an Grundlagenwissen und Verständnis für digitale Technologien besteht. Auf Basis der Ergebnisse werden Kompetenzlisten vorgestellt, die spezifische, für die digitale Arbeitswelt essentielle Fähigkeiten und Kenntnisse beinhalten. Diese Listen dienen als Grundlage, um mittels Leitfragen konkrete Handlungsempfehlungen zu formulieren, die Unternehmen bei der Bewertung und Entwicklung ihrer digitalen Kompetenzen unterstützen, um den Herausforderungen der Digitalen Transformation zu begegnen.
@article{ludwig_ki-kompetenzen_2023, title = {{KI}-{Kompetenzen} in der {Praxis}: {Eine} {Analyse} deutscher {KMUs}}, issn = {2198-2775}, shorttitle = {{KI}-{Kompetenzen} in der {Praxis}}, url = {https://doi.org/10.1365/s40702-023-01035-2}, doi = {10.1365/s40702-023-01035-2}, abstract = {Die rasante Digitalisierung unserer Welt hat die Entwicklung digitaler Kompetenzen zu einem zentralen Anliegen in Wirtschaft und Gesellschaft gemacht. Während globale Akteure wie die USA, China, Südkorea und Japan in technologischen Innovationen führend sind, sieht sich die Europäische Union, insbesondere Deutschland, vor Herausforderungen gestellt, um mit dieser Innovationsdynamik Schritt zu halten, vor allem im Bereich der Informationstechnologie. Die Europäische Kommission hat als Reaktion darauf eine Digitalstrategie entwickelt, um die Wettbewerbsfähigkeit und digitale Souveränität zu stärken. Der vorliegende Beitrag untersucht, basierend auf einer retrospektiven Analyse von Beratungsfällen des Zukunftszentrums KI NRW zum Thema Digitalisierung und vor allem Künstliche Intelligenz, die digitale Kompetenzlandschaft in deutschen kleinen und mittleren Unternehmen (KMUs). Die Ergebnisse zeigen, dass ein erheblicher Bedarf an Grundlagenwissen und Verständnis für digitale Technologien besteht. Auf Basis der Ergebnisse werden Kompetenzlisten vorgestellt, die spezifische, für die digitale Arbeitswelt essentielle Fähigkeiten und Kenntnisse beinhalten. Diese Listen dienen als Grundlage, um mittels Leitfragen konkrete Handlungsempfehlungen zu formulieren, die Unternehmen bei der Bewertung und Entwicklung ihrer digitalen Kompetenzen unterstützen, um den Herausforderungen der Digitalen Transformation zu begegnen.}, language = {de}, urldate = {2024-01-09}, journal = {HMD Praxis der Wirtschaftsinformatik}, author = {Ludwig, Thomas and Azabal, Natán and Fries, Marco and Nießner, Julia and Elsholz, Uwe and Lützenkirchen, Sylke and Thomas, Martina and Schröder, Lukas}, month = dec, year = {2023}, keywords = {Artificial intelligence, Digital skills, Digitale Kompetenzen, KMU, Kompetenzerwerb, Medium-sized companies, Mittelstand, Schlüsseltechnologien, Skills acquisition, SMEs}, }
2022
-
Fries, M. & Ludwig, T. (2022)‘Why are the Sales Forecasts so low?’ Socio-Technical Challenges of Using Machine Learning for Forecasting Sales in a Bakery
IN Computer Supported Cooperative Work (CSCW) doi:10.1007/s10606-022-09458-z
[BibTeX] [Abstract] [Download PDF]Artificial intelligence and the underlying machine learning (ML) methods are increasingly finding their way into our working world. One of these areas is sales planning, where machine learning is used to leverage a variety of different input parameters such as prices, promotions, or the weather, to forecast sales, and therefore directly affects the production of products and goods. To satisfy the goal of environmental sustainability as well as address short shelf life, the food industry represents an interesting application field for the use of ML for optimizing sales planning. Within this paper, we will examine the design, and especially the application, of ML methods in the food industry and show the current challenges that exist in the use of such concepts and technologies from the end-user’s point of view. Our study of a smaller bakery company shows that there are enormous challenges in setting up the appropriate infrastructure and processes for the implementation of ML, that the output quality of ML processes does not always match the perceived result quality, and that trust in the functioning of the algorithms is the most important criterion for using ML processes in practice.
@article{fries_why_2022, title = {‘{Why} are the {Sales} {Forecasts} so low?’ {Socio}-{Technical} {Challenges} of {Using} {Machine} {Learning} for {Forecasting} {Sales} in a {Bakery}}, issn = {1573-7551}, shorttitle = {‘{Why} are the {Sales} {Forecasts} so low?}, url = {https://doi.org/10.1007/s10606-022-09458-z}, doi = {10.1007/s10606-022-09458-z}, abstract = {Artificial intelligence and the underlying machine learning (ML) methods are increasingly finding their way into our working world. One of these areas is sales planning, where machine learning is used to leverage a variety of different input parameters such as prices, promotions, or the weather, to forecast sales, and therefore directly affects the production of products and goods. To satisfy the goal of environmental sustainability as well as address short shelf life, the food industry represents an interesting application field for the use of ML for optimizing sales planning. Within this paper, we will examine the design, and especially the application, of ML methods in the food industry and show the current challenges that exist in the use of such concepts and technologies from the end-user’s point of view. Our study of a smaller bakery company shows that there are enormous challenges in setting up the appropriate infrastructure and processes for the implementation of ML, that the output quality of ML processes does not always match the perceived result quality, and that trust in the functioning of the algorithms is the most important criterion for using ML processes in practice.}, language = {en}, urldate = {2022-12-19}, journal = {Computer Supported Cooperative Work (CSCW)}, author = {Fries, Marco and Ludwig, Thomas}, month = dec, year = {2022}, keywords = {Artificial Intelligence, Human-AI Interaction, Human–Computer Interaction, Machine Learning, Sales Forecast}, }