<?xml version="1.0" encoding="UTF-8"?>
<feed xmlns="http://www.w3.org/2005/Atom" xmlns:dc="http://purl.org/dc/elements/1.1/">
  <title>EconStor Community:</title>
  <link rel="alternate" href="https://hdl.handle.net/10419/261109" />
  <subtitle />
  <id>https://hdl.handle.net/10419/261109</id>
  <updated>2026-04-29T20:33:17Z</updated>
  <dc:date>2026-04-29T20:33:17Z</dc:date>
  <entry>
    <title>Generative Künstliche Intelligenz im Marketing: Strategien zur Neuausrichtung in der Marketing-Kommunikation (MarKom)</title>
    <link rel="alternate" href="https://hdl.handle.net/10419/335561" />
    <author>
      <name>Rottmann, Isabelle E.</name>
    </author>
    <author>
      <name>Gronover, Sandra Christine</name>
    </author>
    <author>
      <name>Mitterhofer, Martina</name>
    </author>
    <id>https://hdl.handle.net/10419/335561</id>
    <updated>2026-03-06T14:34:42Z</updated>
    <published>2024-01-01T00:00:00Z</published>
    <summary type="text">Title: Generative Künstliche Intelligenz im Marketing: Strategien zur Neuausrichtung in der Marketing-Kommunikation (MarKom)
Authors: Rottmann, Isabelle E.; Gronover, Sandra Christine; Mitterhofer, Martina
Abstract: Der Einsatz von Künstlicher Intelligenz in der Marketing-Kommunikation (MarKom) bringt sowohl Potentiale als auch Herausforderungen mit sich. Es ergeben sich Chancen im Bereich der Prozessoptimierung, -automatisierung, einer weitergehenden Personalisierung in der Kundenansprache und einer Weiterentwicklung kreativer Prozesse. Anhand von zwei ausgewählten Beispielen wird verdeutlicht, wie Unternehmen aktuell generative künstliche Intelligenz (GenKI) in ihre Wertschöpfungsprozesse im Marketing integrieren. Die beiden Fallstudien dienen als Ideengeber für die Praxis. Aus den Fallbeispielen werden Herausforderungen für die Diffusion von GenKI in MarKoms abgeleitet, die eine hohe Praxisrelevanz für die Neuausrichtung von MarKoms besitzen.</summary>
    <dc:date>2024-01-01T00:00:00Z</dc:date>
  </entry>
  <entry>
    <title>Interdisziplinäre Anwendung des Supervised Machine Learning für nachfragerbezogene Analysen im Marketing</title>
    <link rel="alternate" href="https://hdl.handle.net/10419/335556" />
    <author>
      <name>Muth, Manuel</name>
    </author>
    <author>
      <name>Nufer, Gerd</name>
    </author>
    <id>https://hdl.handle.net/10419/335556</id>
    <updated>2026-03-06T14:34:41Z</updated>
    <published>2024-01-01T00:00:00Z</published>
    <summary type="text">Title: Interdisziplinäre Anwendung des Supervised Machine Learning für nachfragerbezogene Analysen im Marketing
Authors: Muth, Manuel; Nufer, Gerd
Abstract: Der konzeptionelle Beitrag gibt einen Überblick über den Stand der Forschung zum Einsatz des Supervised Machine Learning im Kontext von nachfragerbezogenen Marketinganalysen. Der Artikel befasst sich dabei mit dem Funktionsprinzip und der Systematisierung dieses Gebiets und identifiziert Praxisanforderungen aus beiden Fachrichtungen. Diskutiert werden etwa marketingspezifische Anwendungsvoraussetzungen für das Supervised Machine Learning, technische Rahmenbedingungen sowie Methodiken zur Erzeugung von Modelltransparenz. Ebenso werden dahingehende Limitationen erörtert, beispielsweise mögliche Verzerrungen in Nachfragerdaten. Die Untersuchungsergebnisse leisten so einen Beitrag für ein differenziertes Verständnis des Anforderungsspektrums im analysierten interdisziplinären Anwendungsgebiet.</summary>
    <dc:date>2024-01-01T00:00:00Z</dc:date>
  </entry>
  <entry>
    <title>Generative AI in product design: Investigating the effects of AI creatorship disclosure on consumer responses</title>
    <link rel="alternate" href="https://hdl.handle.net/10419/335560" />
    <author>
      <name>Peter, Julia</name>
    </author>
    <author>
      <name>Wannow, Stefanie</name>
    </author>
    <author>
      <name>Haupt, Martin</name>
    </author>
    <id>https://hdl.handle.net/10419/335560</id>
    <updated>2026-03-06T14:34:42Z</updated>
    <published>2024-01-01T00:00:00Z</published>
    <summary type="text">Title: Generative AI in product design: Investigating the effects of AI creatorship disclosure on consumer responses
Authors: Peter, Julia; Wannow, Stefanie; Haupt, Martin
Abstract: Recent technological advancements in the field of generative artificial intelligence (GAI) have led to tremendous opportunities for businesses in both content (e.g., with ChatGPT) and image creation (e.g., with Midjourney or DALL-E). Creative contentcreation such as painting or music production was once exclusively associated with human intelligence but can now be performed autonomously with these AI-tools. However, AI declaration is expected to become a legal requirement in many countries and AI-transparency might lead to adverse consumer reactions. Therefore, marketing scholars and managers are still unsure to which extent they should implement AI in their marketing and product design processes. Based on the concept of algorithm aversion (Castelo et al., 2019) and an online experiment (n = 213) with an AI-created product, this study explores the effects of AI (vs. human) as product designer on consumer responses. Moreover, we investigate the role of product design dimensions (i.e., aesthetics, functionality, symbolism, and creativity) as mediating factors. Based on the literature review and empirical analysis, a high potential of generative AI to transform marketing and product design can be diagnosed. However, at present this potential is accompanied by negative consumer responses to AI-created product designs. Implications for theory and practice are discussed.</summary>
    <dc:date>2024-01-01T00:00:00Z</dc:date>
  </entry>
  <entry>
    <title>Künstliche Intelligenz trifft Marketing: Ein generativer Review-Ansatz zur Analyse aktueller Forschungstrends</title>
    <link rel="alternate" href="https://hdl.handle.net/10419/335555" />
    <author>
      <name>Buchkremer, Rüdiger</name>
    </author>
    <id>https://hdl.handle.net/10419/335555</id>
    <updated>2026-03-06T14:34:41Z</updated>
    <published>2024-01-01T00:00:00Z</published>
    <summary type="text">Title: Künstliche Intelligenz trifft Marketing: Ein generativer Review-Ansatz zur Analyse aktueller Forschungstrends
Authors: Buchkremer, Rüdiger
Abstract: Die vorliegende Arbeit untersucht den Einfluss der Künstlichen Intelligenz (KI) auf das Marketing anhand einer automatisierten Analyse von 344 Abstracts aus der Fachliteratur. Durch den Einsatz von KI-Methoden wie Topic Modeling und Sprachmodellen werden zehn zentrale Themenfelder identifiziert, die das breite Spektrum der Anwendungsmöglichkeiten von KI im Marketing aufzeigen. Die Ergebnisse verdeutlichen das enorme Potenzial von KI zur Optimierung von Marketingprozessen und Kundenerlebnissen, werfen aber auch kritische Fragen zu Ethik, Kompetenzen und der Rolle des Forschers auf. Der Artikel liefert wertvolle Impulse für die weitere Erforschung und verantwortungsvolle Gestaltung von KI im Marketing.</summary>
    <dc:date>2024-01-01T00:00:00Z</dc:date>
  </entry>
</feed>

