seit 2008
Professor für Wirtschaftsinformatik an der Hochschule Mainz
Professor für Wirtschaftsinformatik an der Hochschule Mainz
Personenverzeichnis
Fachbereich Wirtschaft | Professuren
Professor für Wirtschaftsinformatik
Hochschule Mainz
Gunther Piller
Raum
M2.06
Lucy-Hillebrand-Straße 2
55128 Mainz
+49 6131 628-93244 | +49 6131 628-93011
Wirtschaftsinformatik
<
Prodekan Fachbereich Wirtschaft,
Prüfungsausschuss Fachbereich Wirtschaft
Nach Vereinbarung
Vita
2000 - 2008
Tätigkeit in der freien Wirtschaft
Mitarbeiter der SAP SE
u.a. als
Solution Management Director SAP Business ByDesign
Solution Management Director eSOA Delivery
Head of Product Management Composite Application Framework
1993 - 2000
Postdoc und Habilitation
1995 – 2000 Wissenschaftlicher Assistent an der Technischen Universität München
Gastwissenschaftler u.a. Stanford University, University of Washington, USA; Tel Aviv University, Israel;
Landau Institut Moskau, Russland
1999 Habilitation im Fachgebiet Theoretische Physik an der Technischen Universität München
1993 – 1995 Research Associate, University of Adelaide, Australien
1983 - 1992
Studium und Promotion
1989-1992 Dissertation an der Universität Regensburg im Bereich Theoretische Physik
1983-1989 Studium der Physik, Universität Regensburg und University of Colorado, Boulder, USA
Forschung & Projekte
Technologiegetriebene Transformationsprozesse
Einführung von Big-Data
Untersuchung generischer Vorgehensweisen in Unternehmen und Smart-City-Initiativen, die Big-Data-Technologien und -Anwendungen einführen und identifizieren.
Kooperatives Promotionsprojekt mit der Johannes Gutenberg-Universität Mainz
Laufzeit: Dezember 2015 – Januar 2019
Digitale Transformationsstrategien für KMU
Untersuchung der Herausforderungen mittelständischer Unternehmen in traditionell technologiefernen Branchen bei der Entwicklung und Umsetzung digitaler Transformationsstrategien.
Kooperatives Promotionsprojekt mit der Johannes Gutenberg-Universität Mainz
Laufzeit: November 2018 – Oktober 2021
Data-Mining und Machine-Learning
BAM: Big-Data-Analytics in Environmental and Structural Monitoring. Entwicklung von Data-Mining- und Machine-Learning-Anwendungen für Fragestellungen aus dem Bereich Smart-City
Das Projekt wird durch die Carl-Zeiss-Stiftung gefördert.
Laufzeit: April 2019 – März 2022
saML4KMU: Semi-autonomes maschinelles Lernen für kleine und mittlere Unternehmen, sowie dessen konkrete Implementierung für den Anwendungsfall „vorausschauende Wartung“
ZIM-Kooperationsprojekt, gefördert durch das BMWi
Laufzeit: Juli 2017 – März 2019
ActOnAir: Plattform zur Integration von Sensordaten, Data-Mining-Algorithmen und Prognoseverfahren für belastete Personen, medizinische Modelle und iPhone-Anwendung für Asthmatiker
ZIM-Kooperationsprojekt, gefördert durch das BMWi
Laufzeit: März 2015 – Februar 2017
Mit Data-Mining Kundenmehrwert erhöhen: Verfahren für Kaufprognosen, optimierte Kundensegmente, Verhaltensmuster von Kunden, Sentiment-Analysen, Anwendung zur Kundenwertermittlung
Auftragsforschung für ein Beratungsunternehmen
Laufzeit: April 2017-Juni 2017