Daniel Schömer, M.Sc.
Lebenslauf
Daniel Schömer studierte von 2013 bis 2017 Wirtschaftsingenieurwesen (International Business and Technology) an der Technischen Hochschule Nürnberg Georg Simon Ohm und schloss dieses 2017 mit einem Bachelor of Engineering (B.Eng.) ab. Derzeit studiert er im Master International Information Systems an der Friedrich-Alexander-Universität Erlangen-Nürnberg, das er im Sommer dieses Jahres abschließen wird.
Bereits während seiner Ausbildung zum und Tätigkeit als Verwaltungsfachangestellter, sowie während seiner Studienzeit, sammelte er umfangreiche Praxiserfahrung im In- und Ausland bei verschiedenen renommierten Unternehmen, darunter beispielsweise BMW Group AG., GfK Se. und Apple Inc. Zuletzt war er als studentische Hilfskraft am Schöller-Stiftungslehrstuhl für Wirtschaftsinformatik tätig.
Ab dem 01.04.2020 wird er als wissenschaftlicher Mitarbeiter in Teilzeit für das von der Volkswagenstiftung geförderte ADVICE Projekt zuständig sein.
2023
- Scepanski E., Schömer D., Zillner S., Laumer S.:
Survival of the Fittest: A Business Model Perspective to explain Innovation Ecosystem Membership
URL: https://aisel.aisnet.org/amcis2023/sig_scuidt/sig_scuidt/1/
BibTeX: Download
2021
- Demlehner Q., Schömer D., Laumer S.:
How can artificial intelligence enhance car manufacturing? A Delphi study-based identification and assessment of general use cases
In: International Journal of Information Management 58 (2021), S. 1-14
ISSN: 0268-4012
DOI: 10.1016/j.ijinfomgt.2021.102317
BibTeX: Download - Demlehner Q., Schömer D., Laumer S.:
If you go for AI, be aware of the psychological hurdles around it—Practical and theoretical insights on the industrial application of artificial intelligence
In: Kai-Ingo Voigt; Julian M. Müller (Hrsg.): Digital Business Models in Industrial Ecosystems - Lessons Learned from Industry 4.0 Across Europe, 2021, S. 173-185 (Future of Business and Finance)
DOI: 10.1007/978-3-030-82003-9_11
BibTeX: Download - Schömer D., Laumer S., Treischl E., Weigert J., Wilbers K., Wolbring T.:
Data-driven Student Advisory and Potential Direct Discrimination: A Literature Review on Machine Learning for Predicting Students' Academic Success
Americas Conference on Information Systems (Montreal)
BibTeX: Download - Treischl E., Laumer S., Schömer D., Weigert J., Wilbers K., Wolbring T.:
Give a Little, Take a Little? A Factorial Survey Experiment on Students’ Willingness to Use an AI-based Advisory System and to Share Data
In: T. Wolbring, H. Leitgöb, & F. Faulbaum (Hrsg.): Sozialwissenschaftliche Datenerhebung im digitalen Zeitalter, Wiesbaden: Springer VS, 2021, S. 253-281
ISBN: 978-3-658-34396-5
DOI: 10.1007/978-3-658-34396-5_10
BibTeX: Download
Es wurden leider keine Auszeichnungen gefunden.