Vorarlberg University of Applied Sciences
Online Publication Server University of Applied Science VorarlbergNot a member yet
2106 research outputs found
Sort by
Data Sharing für KMU
No full textEin bewusster Umgang mit Daten ist für Unternehmen wichtiger denn je: Sie fördern Innovation in Geschäftsmodellen, erfordern aber auch einen effizienten und nachhaltigen Datenumgang. Unternehmen, die Daten teilen und nutzen, wirtschaften effizienter durch Data Sharing. In diesem Fachbuch werden verschiedene Aspekte des Data Sharings aus unternehmensübergreifender und -interner Perspektive, vorwiegend mit Blick auf kleine und mittelständische Unternehmen (KMU), betrachtet. Die Autor:innen untersuchen, wie Unternehmen Anreize schaffen können, um erfolgreich an der Datenökonomie teilzunehmen, aber auch welche externen Bedingungen gegeben sein sollten, um Unternehmen in die Lage zu versetzen, ihre ökonomischen Potenziale in Bezug auf Daten zu maximieren.
Das Buch zeigt, wie KMU den Wert ihrer Daten optimieren, vertrauensvolle Partnerschaften aufbauen, Sicherheitsbarrieren überwinden, eine datenzentrierte Kultur fördern und rechtliche Fragen auf praktische und effektive Weise regeln können. Die Autor:innen stellen umsetzbare Erkenntnisse und Beispiele aus der Praxis vor und geben KMUs die Werkzeuge an die Hand, um in einem datenzentrierten Geschäftsumfeld erfolgreich zu sein
AI in workplace
Full text linkWhile the integration of artificial intelligence (AI) in companies offers potential, it also poses challenges that must be addressed to ensure effective implementation. This Master's thesis examines how human-centered factors influence the acceptance of AI tools in everyday working life, particularly from the perspective of office workers. Based on established technology acceptance models, five key influencing factors were identified: 'perceived usefulness', 'perceived ease of use', 'personal attitude', 'social environment' and 'trust in AI'. A quantitative survey was conducted to analyse the relationship between these independent variables and the dependent variable, 'acceptance'. The results show that individual attitudes towards AI and perceived usefulness are particularly significant predictors of acceptance in a corporate context. Trust in AI and user-friendliness also play an important role. These findings emphasise the importance of a human-centered approach when introducing AI technologies within companies. Practical implications include promoting positive attitudes and building trust through targeted training, transparent communication and the design of user-friendly AI systems. This study contributes to the theoretical discussion on technology acceptance in the context of companies' digital transformation, encouraging further research into social influencing factors within a corporate environment
Semantic anomaly detection using self-supervised post-extraction scrambling
Full text linkThis thesis investigates visual anomaly detection with a focus on semantic anomaly detection using transformer-based architectures. While structural anomaly detection has seen extensive research, semantic anomaly detection remains largely underexplored due to its greater complexity and lack of datasets. To address this, the thesis develops an anomaly detection model capable of distinguishing between nominal and semantically anomalous data using a student-teacher transformer model architecture. The approach leverages convolutional feature extraction via a WideResNet50 backbone, followed by transformer encoders that predict the original sequence of feature patches. The model is trained through Post-Extraction Scrambling of patches and evaluated on a custom dataset and the CAD-SD dataset, where the latter includes comparisons to other state-of-the-art models. Final evaluations demonstrate competitive performance in detecting semantic anomalies, though limitations persist in identifying structural defects. This research contributes a transformer-based self-supervised feature extraction method under constrained anomaly detection settings.In dieser Arbeit wird die Erkennung visueller Anomalien untersucht, wobei der Schwerpunkt auf der Erkennung semantischer Anomalien mittels Transformer-basierter Architekturen liegt. Während die Erkennung struktureller Anomalien bereits ausgiebig erforscht wurde, ist die Erkennung semantischer Anomalien aufgrund ihrer höheren Komplexität und des Mangels an Datensätzen noch weitgehend unerforscht. Um dieses Problem zu beheben, wird in dieser Arbeit ein Modell zur Erkennung von Anomalien entwickelt, das in der Lage ist, zwischen normalen und semantisch anomalen Daten zu unterscheiden, wobei eine Student-Teacher-Transformer-Modellarchitektur verwendet wird. Der Ansatz nutzt die Feature-Extraktion über ein WideResNet50-Netzwerk, gefolgt von Transformer-Encodern, die die ursprüngliche Sequenz von Featurepatches vorhersagen. Das Modell wird durch Post-Extraction Scrambling von Patches trainiert und auf einem selbst erstellten Datensatz und dem CAD-SD-Datensatz evaluiert, wobei letzterer Vergleiche mit anderen State-of-the-Art-Modellen enthält. Die abschließenden Auswertungen zeigen eine konkurrenzfähige Leistung bei der Erkennung semantischer Anomalien, während bei der Erkennung struktureller Defekte weiterhin Einschränkungen bestehen. Diese Forschungsarbeit stellt eine Transformer-basierte Methode zur Feature-Extraktion unter eingeschränkten Bedingungen für die Erkennung von Anomalien vor
Effektive Einführung von Low-Code/No-Code in KMU
Full text linkDie vorliegende Masterarbeit untersucht die effektive Einführung von Low-Code/No-Code in kleinen und mittleren Unternehmen (KMU) mithilfe einer vergleichenden Fallstudienanalyse nach Eisenhardt (1989). Ziel war es die Einführung von Low-Code/No-Code im KMU-Kontext zu untersuchen sowie Barrieren und Erfolgsfaktoren zu identifizieren. Dazu wurden vier qualitative Interviews mit relevanten Ansprechpersonen aus verschiedenen Branchen geführt. Die Analyse zeigt unter anderem, dass interne Digitalkompetenz und wahrgenommene Effizienz-gewinne entscheidende Treiber für die Einführung sind. Strategische Perspektiven entwickeln sich meist erst nach praktischer Anwendungserfahrung. Aus den identifizierten Mustern wurden drei Hypothesen abgeleitet und im Kontext bestehender Handlungsempfehlungen diskutiert. Die Arbeit liefert praxisnahe und theoretisch fundierte Erkenntnisse zur Verbreitung digitaler Technologien in KMU und eröffnet Anknüpfungspunkte für zukünftige Forschung.This master’s thesis examines the effective introduction of low-code/no-code technologies in small and medium-sized enterprises (SME) using a comparative case study approach based on Eisenhardt (1989). The aim was to explore the adoption of low-code/no-code within the SME context and identify both barriers and success factors. Four qualitative interviews were conducted with key stakeholders from various industries. The analysis reveals that internal digital competence and perceived efficiency gains are crucial drivers for implementation. Strategic perspectives typically emerge only after practical application experience. Based on the identified patterns, three hypotheses were derived and discussed in the context of existing practical recommendations. The thesis provides both practical and theoretically grounded insights into the dissemination of digital technologies in SME and offers points of departure for future research
The synergetic impact of eco-labels and charity-linked pricing on willingness to pay
Full text linkThis thesis investigates the synergetic effect of eco-labels and charity-linked pricing on consumers’ willingness to pay (WTP) for sustainable fashion apparel. Conducted across Austria, Germany, Switzerland, and Liechtenstein, the study applies a scenario-based experimental survey to assess how the combination of ethical labeling and donation incentives influences consumer purchase decision-making. Using a sample of 499 respondents, the research employs non-parametric statistical methods—Mann–Whitney U, Kruskal–Wallis H, and Spearman’s rank-order correlation—to test differences and associations across conditions and variable types. The analysis focuses on multiple influencing factors, including transparency importance, sustainability importance, influence of charity causes on purchase decisions, perceived environmental benefit, brand trust, trust in eco-labels, likelihood to support and recommend eco-labelled products, and key demographic characteristics such as income, gender, age group, household situation, and education level. Among the key variables income has been identified as the most stable predictor of higher WTP. The 10% donation tier yielded the strongest positive response, indicating an optimal balance between prosocial impact and price acceptance. A combined presentation of eco-labels and donation messaging produced a reinforcing effect, suggesting that emotional and informational value cues can strengthen one another when integrated effectively. The results provide actionable insights for sustainable fashion brands seeking to close the intention–behavior gap. By identifying which combinations of ethical signals most effectively influence purchase decision-making, the study contributes to more strategic applications of pricing and communication within sustainability marketing.Diese Masterarbeit untersucht den kombinierten Einfluss von Umweltkennzeichnungen (Eco-Labels) und spendengebundenen Preismodellen (Charity-Linked Pricing) auf die Zahlungsbereitschaft (Willingness to Pay, WTP) für nachhaltige Modeprodukte. Die quantitative Studie wurde in Österreich, Deutschland, der Schweiz und Liechtenstein durchgeführt und basiert auf einem szenariobasierten Online-Fragebogen mit 499 vollständig ausgefüllten Antworten. Zur Auswertung wurden nicht-parametrische Testverfahren eingesetzt, darunter der Mann–Whitney-U-Test, der Kruskal–Wallis-H-Test und Spearmans Rangkorrelation. Im Fokus der Analyse stehen verschiedene Einflussfaktoren: die Bedeutung von Transparenz und Nachhaltigkeit, der Einfluss von wohltätigen Zwecken auf Kaufentscheidungen, das wahrgenommene Umweltpotenzial, das Vertrauen in Marken und Eco-Labels sowie demografische Merkmale wie Einkommen, Geschlecht, Alter, Haushaltsform und Bildungsniveau. Einkommen erwies sich als der verlässlichste Prädiktor für eine erhöhte Zahlungsbereitschaft. Die 10 %-Spendenstufe erzielte die höchsten Zahlungswerte und deutet auf eine psychologisch effektive Schwelle hin – ausreichend hoch, um als bedeutungsvoll wahrgenommen zu werden, aber nicht zu hoch, um Skepsis oder Preisbarrieren auszulösen. Die kombinierte Darstellung von Eco-Labels und Spendeninformationen zeigte einen Verstärkungseffekt, was darauf hindeutet, dass emotionale und informative Signale einander ergänzen können, wenn sie strategisch integriert werden. Die Ergebnisse liefern praxisrelevante Einblicke für Marken im nachhaltigen Modebereich und tragen dazu bei, Strategien zur Überbrückung der Kluft zwischen Absicht und tatsächlichem Kaufverhalten zu entwickeln