News

Generative Künstliche Intelligenz (GenAI) hat in den letzten Jahren einen tiefgreifenden Einfluss auf das Marketing genommen und eröffnet neue Möglichkeiten für die Kundeninteraktion und innovative Ansätze in der Ideenfindung. Von der Kundenpflege bis zur Erstellung von personalisierten Werbekampagnen und der automatisierten Beantwortung von Unternehmensfragen, bietet der Einsatz moderner GenAI-Modelle Unternehmen die Chance, effizienter zu arbeiten und Kundenbedürfnisse besser zu verstehen. Gleichzeitig erfordert der Umgang mit GenAI ein fundiertes Verständnis ihrer Potenziale, Limitationen und der damit verbundenen ethischen Fragen.

Das Bachelorseminar greift die Rolle von Generativer Künstlicher Intelligenz im Marketing aus verschiedenen Perspektiven auf. Ziel ist es, Studierenden einen umfassenden Einblick in aktuelle Ansätze und Methoden zu geben, die den Einsatz von GenAI in verschiedenen Bereichen des Marketings prägen. Im Mittelpunkt des Bachelorseminars steht dabei die Untersuchung des aktuellen Stands der Forschung sowie die eigenständige Auseinandersetzung mit diesem, wodurch die Studierenden an das wissenschaftliche Arbeiten herangeführt werden. Es werden neben dem bereits erworbenen Wissen aus dem bisherigen Studium keine Kenntnisse vorausgesetzt, alle notwendigen Grundlagen werden im Seminar erarbeitet.

I. Themen

In diesem Bachelorseminar soll anhand vorliegender Veröffentlichungen untersucht werden, wie man Marketing-Fragestellungen unter Einbezug von GenAI beantworten kann. Dazu sollen aktuelle Ansätze verstanden, diskutiert und kritisch beleuchtet werden. Teilnehmende des Seminars wählen je eines der folgenden Themen aus. Die einzelnen Themen können mehrfach vergeben werden.

• Thema 1: Einsatz von GenAI in der Marketingkommunikation – Chancen und Risiken
• Thema 2: KI-gestützte Konsumentenanalyse & Marktforschung – Potentiale und State-of-the-art
• Thema 3: KI-unterstützte Ideation – Potentiale und State-of-the-art
• Thema 4: GenAI als Service-Roboter – Chancen und Risiken

II. Ablauf

Für den Erhalt des Leistungsnachweises ist die schriftliche Anfertigung und Präsentation einer Seminararbeit und die Teilnahme an allen Terminen (Einführung + Verteidigung) erforderlich. Die Themen werden jeweils bis zu dreimal als Individualarbeit vergeben, die Präsentation erfolgt gemeinsam durch die Bearbeitenden eines Themas. Relevante Termine sind (Änderungen vorbehalten):

• Anmeldung zum Bachelorseminar zwischen dem 19.01.2026 und 23.01.2026 23:59 Uhr in CampusOnline. Es gilt das First-Come First-Served-Prinzip.
• Einführungsveranstaltung und Themenvergabe (Pflichttermin): Freitag, den 30.01.2026, 10:00-11:00 Uhr, Gebäude B9, R24.3
• Konsultationen erfolgen nach Vereinbarung und auf individuelle Nachfrage innerhalb vorher angekündigter Zeiträume.
• Abgabe der schriftlichen Seminararbeiten: spätestens Freitag, den 10.04.2026, 23:59 Uhr
• Abgabe der Präsentation: spätestens Freitag, den 17.04.2026, 23:59 Uhr
• Präsentationstermin (Pflichttermin in Form einer Blockveranstaltung): Dienstag, den 21.04.2026, 13:00-15:00 Uhr, Gebäude B9, R24.3
• Anrechnung: Das Seminar kann für die Marketing-Spezialisierung angerechnet werden. Eine Anrechnung für die Spezialisierung im Dienstleistungsmanagement ist nicht möglich.

III. Anmeldung

Die Anmeldung erfolgt durch jeden Teilnehmer selbst in CampusOnline. Der Eintrag in CampusOnline ist jedoch noch nicht ausreichend für eine Teilnahme. Der Seminarplatz wird erst dann verbindlich zugeteilt, wenn drei Themenwünsche bis 23.01.2026, 23:59 Uhr per E-Mail an Andreas Karasenko (andreas.karasenko@uni-bayreuth.de) geäußert werden: Bezug: Bachelorseminar, Platz 1: Themennummer, Platz 2: ..., Platz 3: ... Nach Eingang der Themenpriorisierung wird die Teilnahme vom Lehrstuhl per E-Mail bestätigt.

Die Betreuung der Themen erfolgt durch Herrn Andreas Karasenko.

(Ausgewählte) Literaturhinweise:

• HUANG, Ming-Hui; RUST, Roland T. The caring machine: Feeling AI for customer care. Journal of Marketing, 2024, 88. Jg., Nr. 5, S. 1-23.
• SRINIVASAN, Raji; SARIAL-ABI, Gülen. When algorithms fail: Consumers’ responses to brand harm crises caused by algorithm errors. Journal of Marketing, 2021, 85. Jg., Nr. 5, S. 74-91.
• ZHANG, Dianfeng; SHEN, Zifan; LI, Yanlai. Requirement analysis and service optimization of multiple category fresh products in online retailing using importance-Kano analysis. Journal of Retailing and Consumer Services, 2023, 72. Jg., S. 103253.
• ARORA, Neeraj; CHAKRABORTY, Ishita; NISHIMURA, Yohei. AI–human hybrids for marketing research: Leveraging large language models (LLMs) as collaborators. Journal of Marketing, 2025, 89. Jg., Nr. 2, S. 43-70.
• KAISER, Carolin, et al. Simulating Human Opinions with Large Language Models: Opportunities and Challenges for Personalized Survey Data Modeling. In: Adjunct Proceedings of the 33rd ACM Conference on User Modeling, Adaptation and Personalization. 2025. S. 82-86.
• BELL, J. Jason, et al. Can AI help in ideation? A theory-based model for idea screening in crowdsourcing contests. Marketing Science, 2024, 43. Jg., Nr. 1, S. 54-72.
• CASTELO, Noah, et al. Understanding and improving consumer reactions to service bots. Journal of Consumer Research, 2023, 50. Jg., Nr. 4, S. 848-863.
  

Hier finden Sie die Ankündigung als pdf.