Verfügbare Themen

Food systems are a major contributor to global environmental degradation, with dietary choices accounting for roughly 25% of greenhouse gas emissions (Crippa et al., 2021). Despite growing awareness, consumers still struggle to assess the sustainability of food products at the point of sale (Camilleri et al., 2019). This is partly due to the complexity of interpreting sustainability labels and partly due to behavioural barriers. Even when information is available, the intention-behaviour gap often persists (Carrington et al., 2014).

The rise of online grocery shopping allows consumers to make food choices from home (GroceryDoppio, 2023) and opens new opportunities to support more sustainable decisions through targeted interface design (De Bauw et al., 2022). However, real-time sustainability feedback, a potentially powerful intervention, remains underexplored in digital food environments (Shin et al., 2020).

This thesis aims to conceptualize an intervention that combines product-level sustainability information (Clark et al., 2022; Poore & Nemecek, 2018; Ritchie et al., 2022) with real-time, basket-level feedback in an online grocery setting. For example, shoppers could be shown a composite score summarising the overall environmental impact of their basket, based on criteria such as greenhouse gas emissions, land use, or animal welfare. An online experiment should be conducted to test the influence of this feedback on consumer decision-making. If needed, the intervention can be implemented as an interactive prototype or mock-up.

The experiment will be implemented in collaboration with researchers from the Nürnberg Institute for Market Decisions (NIM), who will co-supervise the thesis.

Prerequisites:

• Required:
  • Enrolled Master Student in International Information Systems, International Business Studies, Economics, Marketing, etc. Bachelor students can only be considered upon careful consideration of timeline feasibility.
  • Interest in advancing research in the food domain.
  • Willingness to write their thesis in English.
• Highly Desirable:
  • Previous experience in experimental methodology, e.g., through our courses „Experimentelle Verhaltensforschung in Data Science (EVIDS)“ (Bachelor) or the seminar „Information Systems for Behavior Change (ISBC)“ (Master).
  • Previous knowledge and/or experience in the application of statistical methods (e.g., ANOVA, LMM, etc.)

References

• Camilleri, A. R., Larrick, R. P., Hossain, S., & Patino-Echeverri, D. (2019). Consumers underestimate the emissions associated with food but are aided by labels. Nature Climate Change, 9(1), 53-58.
• Carrington, M. J., Neville, B. A., & Whitwell, G. J. (2014). Lost in translation: Exploring the ethical consumer intention–behavior gap. Journal of business research, 67(1), 2759-2767.
• Clark, M., Springmann, M., Rayner, M., Scarborough, P., Hill, J., Tilman, D., … & Harrington, R. A. (2022). Estimating the environmental impacts of 57,000 food products. Proceedings of the National Academy of Sciences, 119(33), e2120584119.
• Crippa, M., Solazzo, E., Guizzardi, D., Monforti-Ferrario, F., Tubiello, F. N., & Leip, A. J. N. F. (2021). Food systems are responsible for a third of global anthropogenic GHG emissions. Nature food, 2(3), 198-209.
• De Bauw, M., De La Revilla, L. S., Poppe, V., Matthys, C., & Vranken, L. (2022). Digital nudges to stimulate healthy and pro-environmental food choices in E-groceries. Appetite, 172, 105971.
• GroceryDoppio. (2023, February 7). January 2023: State of Digital Grocery Performance Scorecard. Performance Scorecard. https://www.grocerydoppio.com/performance-scorecard/january-2023-state-of-digital-grocery-performance-scorecard
• Poore, J., & Nemecek, T. (2018). Reducing food’s environmental impacts through producers and consumers. Science, 360(6392), 987-992.
• Ritchie, H., Rosado, P., & Roser, M. (2022). Environmental Impacts of Food Production. Environmental Impacts of Food Production. https://ourworldindata.org/environmental-impacts-of-food
• Shin, S., Van Dam, R. M., & Finkelstein, E. A. (2020). The Effect of Dynamic Food Labels with Real-Time Feedback on Diet Quality: Results from a Randomized Controlled Trial. Nutrients, 12(7), 2158.

Food systems are a major contributor to global environmental degradation, with dietary choices accounting for roughly 25% of greenhouse gas emissions (Crippa et al., 2021). Despite growing awareness, consumers still face difficulties in identifying more sustainable food options during the shopping process (Camilleri et al., 2019). Even when information is available, the complexity of sustainability indicators and behavioural barriers often prevent this knowledge from translating into action (Carrington et al., 2014).

Online grocery platforms offer new opportunities to support sustainable decision-making through digital tools and interface design. Among these tools, recommender systems are widely used to suggest products based on user behaviour or preferences (de Bauw et al., 2022; Jesse & Jannach, 2021). While often optimised for sales, such systems can also be designed to promote sustainable choices (Felfernig et al., 2023).

This thesis aims to conceptualize a sustainability-sensitive recommender system for online grocery environments. The system could prioritise or highlight products with lower environmental impact, based on indicators such as greenhouse gas emissions, land use, or animal welfare (Clark et al., 2022; Poore & Nemecek, 2018; Ritchie et al., 2022). Students are encouraged to explore or propose their own criteria and recommendation logic. An online experiment should be conducted to evaluate the influence of the recommender system on consumer decision-making. If needed, the system can be implemented as an interactive prototype or mock-up.

The experiment will be implemented in collaboration with researchers from the Nürnberg Institute for Market Decisions (NIM), who will co-supervise the thesis.

Prerequisites:

• Required:
  • Enrolled Master Student in International Information Systems, International Business Studies, Economics, Marketing, etc. Bachelor students can only be considered upon careful consideration of timeline feasibility.
  • Interest in advancing research in the food domain.
  • Willingness to write their thesis in English.
• Highly Desirable:
  • Previous experience in experimental methodology, e.g., through our courses „Experimentelle Verhaltensforschung in Data Science (EVIDS)“ (Bachelor) or the seminar „Information Systems for Behavior Change (ISBC)“ (Master).
  • Previous knowledge and/or experience in the application of statistical methods (e.g., ANOVA, LMM, etc.)

References

• Camilleri, A. R., Larrick, R. P., Hossain, S., & Patino-Echeverri, D. (2019). Consumers underestimate the emissions associated with food but are aided by labels. Nature Climate Change, 9(1), 53-58.
• Carrington, M. J., Neville, B. A., & Whitwell, G. J. (2014). Lost in translation: Exploring the ethical consumer intention–behavior gap. Journal of business research, 67(1), 2759-2767.
• Clark, M., Springmann, M., Rayner, M., Scarborough, P., Hill, J., Tilman, D., … & Harrington, R. A. (2022). Estimating the environmental impacts of 57,000 food products. Proceedings of the National Academy of Sciences, 119(33), e2120584119.
• Crippa, M., Solazzo, E., Guizzardi, D., Monforti-Ferrario, F., Tubiello, F. N., & Leip, A. J. N. F. (2021). Food systems are responsible for a third of global anthropogenic GHG emissions. Nature food, 2(3), 198-209.
• De Bauw, M., De La Revilla, L. S., Poppe, V., Matthys, C., & Vranken, L. (2022). Digital nudges to stimulate healthy and pro-environmental food choices in E-groceries. Appetite, 172, 105971.
• Felfernig, A., Wundara, M., Tran, T. N. T., Polat-Erdeniz, S., Lubos, S., El Mansi, M., … & Le, V. M. (2023). Recommender systems for sustainability: overview and research issues. Frontiers in big Data, 6, 1284511.
• Jesse, M., & Jannach, D. (2021). Digital nudging with recommender systems: Survey and future directions. Computers in Human Behavior Reports, 3, 100052. https://doi.org/10.1016/j.chbr.2020.100052
• Poore, J., & Nemecek, T. (2018). Reducing food’s environmental impacts through producers and consumers. Science, 360(6392), 987-992.
• Ritchie, H., Rosado, P., & Roser, M. (2022). Environmental Impacts of Food Production. Environmental Impacts of Food Production. https://ourworldindata.org/environmental-impacts-of-food

Generative Artificial Intelligence (GenAI) has rapidly become pervasive in our everyday lives. However, seminal studies are already showing a range of negative side-effects of GenAI use on cognitive engagement and abilities, risking cognitive atrophy and overreliance (Kosmyna et al., 2025; Lee et al., 2025; Schoeffer et al., 2025; Zhai et al., 2024). Therefore, it is imperative that human-AI interfaces are designed in a way that promotes deep engagement and the critical reflection of outputs (Yatani et al., 2024).

This thesis is meant to contribute to this endeavor by developing and experimentally testing a design intervention in a (mock-up) LLM interaction interface like ChatGPT that promotes reflection and critical thinking. Students may contribute their own specific ideas for study contexts and settings. Possible interventions could be elements that induce deliberate friction, increase transparency or provide metacognitive scaffolds.

The experiment will be implemented in collaboration with researchers from the Nürnberg Institute for Market Decisions (NIM), who will co-supervise the thesis.

Prerequisites:

• Required:
  • Enrolled Master Student in International Information Systems, International Business Studies, Economics, Marketing, etc. Bachelor students can only be considered upon careful consideration of timeline feasibility.
  • Interest in advancing research in the food domain.
  • Willingness to write their thesis in English.
• Highly Desirable:
  • Previous experience in experimental methodology, e.g., through our courses „Experimentelle Verhaltensforschung in Data Science (EVIDS)“ (Bachelor) or the seminar „Information Systems for Behavior Change (ISBC)“ (Master).
  • Previous knowledge and/or experience in the application of statistical methods (e.g., ANOVA, LMM, etc.)

References

• Kosmyna, N., Hauptmann, E., Yuan, Y. T., Situ, J., Liao, X.-H., Beresnitzky, A. V., Braunstein, I., & Maes, P. (2025). Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task (Version 1). arXiv. https://doi.org/10.48550/ARXIV.2506.08872

• Lee, H.-P. (Hank), Sarkar, A., Tankelevitch, L., Drosos, I., Rintel, S., Banks, R., & Wilson, N. (2025). The Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cognitive Effort and Confidence Effects From a Survey of Knowledge Workers. Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems, 1–22. https://doi.org/10.1145/3706598.3713778

• Schoeffer, J., Jakubik, J., Vossing, M., Kuhl, N., & Satzger, G. (2025). AI Reliance and Decision Quality: Fundamentals, Interdependence, and the Effects of Interventions. Journal of Artificial Intelligence Research, 82, 471–501.

• Yatani, K., Sramek, Z., & Yang, C.-L. (2024). AI as Extraherics: Fostering Higher-order Thinking Skills in Human-AI Interaction (Version 2). arXiv. https://doi.org/10.48550/ARXIV.2409.09218

• Zhai, C., Wibowo, S., & Li, L. D. (2024). The effects of over-reliance on AI dialogue systems on students’ cognitive abilities: A systematic review. Smart Learning Environments, 11(1), 28. https://doi.org/10.1186/s40561-024-00316-7

Generative Artificial Intelligence (GenAI) has rapidly become pervasive in our everyday lives. However, seminal studies are already showing a range of negative side-effects of GenAI use on user decision-making, risking cognitive atrophy and overreliance (Kosmyna et al., 2025; Lee et al., 2025; Schoeffer et al., 2025; Zhai et al., 2024). However, studies have also shown that carefully designed human-AI interfaces can mitigate such effects and promote deep engagement and the critical reflection of outputs (Yatani et al., 2024).

In this highly relevant emerging research field, an overview of evidence on GenAI overreliance is necessary. The aim of this thesis is to conduct a literature review to investigate which factors can increase or decrease the occurrence of overreliance in human-(Gen)AI interactions. Students may contribute their own ideas to adjusting the scope.

Prerequisites:

Enrolled student at WiSo. If your study program is not a part of WiSo, please check your program requirements whether our team is allowed to supervise your thesis.

References:

• Kosmyna, N., Hauptmann, E., Yuan, Y. T., Situ, J., Liao, X.-H., Beresnitzky, A. V., Braunstein, I., & Maes, P. (2025). Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task (Version 1). arXiv. https://doi.org/10.48550/ARXIV.2506.08872
• Lee, H.-P. (Hank), Sarkar, A., Tankelevitch, L., Drosos, I., Rintel, S., Banks, R., & Wilson, N. (2025). The Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cognitive Effort and Confidence Effects From a Survey of Knowledge Workers. Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems, 1–22. https://doi.org/10.1145/3706598.3713778
• Schoeffer, J., Jakubik, J., Vossing, M., Kuhl, N., & Satzger, G. (2025). AI Reliance and Decision Quality: Fundamentals, Interdependence, and the Effects of Interventions. Journal of Artificial Intelligence Research, 82, 471–501.
• Zhai, C., Wibowo, S., & Li, L. D. (2024). The effects of over-reliance on AI dialogue systems on students’ cognitive abilities: A systematic review. Smart Learning Environments, 11(1), 28. https://doi.org/10.1186/s40561-024-00316-7

Bewerbungen für das Sommersemester 2025 werden nicht mehr angenommen.

Hintergrund

Gemäß der extended mind Hypothese erstreckt sich die menschliche Kognition über das Gehirn und das Nervensystem hinaus auf den Körper und Umgebungswerkzeuge (Clark & Chalmers, 1998). Die Nutzung technologischer Werkzeuge zur Erleichterung kognitiver Prozesse wird oft als „kognitives Auslagern“ (engl.“cognitive offloading“) oder „geteilte Kognition“ (engl.“distributed cognition“) bezeichnet (Risko & Gilbert, 2016). Im Zeitalter der generativen KI und ihrer wachsenden Fähigkeiten sind die Möglichkeiten für Menschen, energie- und zeitaufwändige kognitive Prozesse an KI auszulagern, zahlreich und entwickeln sich rapide weiter.

Forschungslücke

Bei vielen Mensch-KI-Kollaborationsszenarien bleiben Menschen die „letzte Instanz“, um KI-Empfehlungen anzunehmen oder abzulehnen. Daher erfordert die Nutzung von KI für die Aufgabenerfüllung nicht nur die Kontrolle und Überwachung der eigenen kognitiven Prozesse (oft als Metakognition bezeichnet), sondern auch die Bewertung der Prozesse und Ergebnisse der KI (Dunn et al., 2021; Tankelevitch et al., 2024). Trotz der zunehmenden metakognitiven Anforderungen durch generative KI und der Relevanz präziser Metakognition zur Vermeidung von Unter-/Übervertrauen auf KI-Ergebnisse mangelt es an Forschung, die die Rolle der menschlichen Metakognition in (erfolgreichen) Mensch-KI-Kollaborationen untersucht.

Ziele der Abschlussarbeit

Bachelor- und Masterarbeiten zu diesem Thema zielen darauf ab, die Rolle metakognitiver Prozesse und Fähigkeiten innerhalb von Mensch-KI Kollaborationen zu untersuchen; sowohl vor der Zusammenarbeit (was treibt die Entscheidung KI zu nutzen an?), als auch während der Zusammenarbeit (wie überwachen und bewerten Individuen KI Prozesse und Outputs?). Die Forschung sollte untersuchen, wie gezielte Interventionen gestaltet werden können, um die metakognitive Genauigkeit während der Mensch-KI-Zusammenarbeit zu verbessern. Das Ziel der Abschlussarbeiten besteht darin, konzeptionelle und empirische Erkenntnisse zu gewinnen, die unser Verständnis von kognitiven Partnerschaften zwischen Mensch und KI erweitern und zukünftige Gestaltungsansätze informieren.

Forschungsansätze

• (Systematische) Literaturrecherche
  • Durchführung einer (systematischen) Literaturrecherche zu Interventionen (wie kognitive Forcing-Strategien), die metakognitive Überwachung/Kontrolle unterstützen und übermäßige kognitive Auslagerung verhindern.
  • Sichtung interdisziplinärer Forschung und Übertragung der Erkenntnisse auf Anwendungen von (generativer) KI.
  • Identifizierung theoretischer Rahmenwerke, die metakognitive Prozesse in der Mensch-KI-Zusammenarbeit erklären können.
• Experimentelle Ansätze
  • Entwicklung kreativer Interventionen zur Unterstützung der menschlichen Metakognition vor/während der Nutzung von KI und Entwicklung experimenteller Protokolle zur Überprüfung ihrer Wirksamkeit.
  • Untersuchung der Auswirkungen der Nutzung generativer KI auf die menschliche Metakognition und Kognition (z.B. Entscheidungsfindung, kritisches Denken, Problemlösung).
  • Erforschung, wie verschiedene KI-Schnittstellendesigns (z.B. OpenAIs Reasoning-Modell) die metakognitive Genauigkeit der Benutzer beeinflussen.
• Umfragen und Interviews
  • Durchführung von Umfragen oder Interviews zur Untersuchung von Faktoren, die bestimmen, ob Personen kognitive Aufgaben an KI auslagern.
  • Erforschung positiver und negativer Folgen der kognitiven Auslagerung an KI für die Nutzenden.
  • Untersuchung domänenspezifischer Unterschiede in metakognitiven Strategien bei der Zusammenarbeit mit KI.

Beginn

ab August 2025, planen Sie mindestens ~6 (Bachelor) / ~8 (Master) Monate bevor Sie Ihre Arbeit abgeben und einreichen können.

Bewerbung

Bitte senden Sie eine detaillierte Bewerbung mit Ihrer spezifischen Themenidee, Ihrem Lebenslauf und einer aktuellen Notenübersicht. Für Studierende, die NICHT WiWi/WINF studieren: Bitte klären Sie vorab mit der jeweiligen Studiengangskoordination, ob eine Betreuung durch unseren Lehrstuhl gestattet ist. Beispielsweise ist dies für Studierende anderer Fakultäten (TechFak, NatFak) oft nicht möglich.

Anforderungen

• Interesse an interdisziplinärer Forschung, die kognitive Psychologie und KI verbindet.
• Grundlegendes Verständnis experimenteller Designs oder qualitativer Forschungsmethoden.
• Für experimentelle Ansätze: Grundlegende Programmierkenntnisse sind von Vorteil.

Literaturverzeichnis

Clark, A., & Chalmers, D. (1998). The Extended Mind. Analysis, 58(1), 7–19. https://doi.org/10.1093/analys/58.1.7

Dunn, T. L., Gaspar, C., McLean, D., Koehler, D. J., & Risko, E. F. (2021). Distributed metacognition: Increased Bias and Deficits in Metacognitive Sensitivity when Retrieving Information from the Internet. Technology, Mind, and Behavior, 2(3). https://doi.org/10.1037/tmb0000039

Risko, E. F., & Gilbert, S. J. (2016). Cognitive Offloading. Trends in Cognitive Sciences, 20(9), 676–688. https://doi.org/10.1016/j.tics.2016.07.002

Tankelevitch, L., Kewenig, V., Simkute, A., Scott, A. E., Sarkar, A., Sellen, A., & Rintel, S. (2024). The Metacognitive Demands and Opportunities of Generative AI. Proceedings of the 2024 CHI Conference on Human Factors in Computing Systems, 1–24. https://doi.org/10.1145/3613904.3642902

Hintergrund

Der Verkehrssektor ist weltweit für etwa 14 % der Treibhausgasemissionen verantwortlich (IPCC, 2014). Der öffentliche Personennahverkehr (ÖPNV) gilt als klimafreundliche Alternative zum motorisierten Individualverkehr und kann somit einen wesentlichen Beitrag zur Reduktion von CO₂-Emissionen leisten. Digitale Mobilitäts-Apps spielen dabei eine zentrale Rolle, da sie Nutzer und Nutzerinnen über Fahrpläne, Ticketpreise, Verbindungen und aktuelle Informationen informieren und dadurch die Nutzung des ÖPNV vereinfachen.

Allerdings zeigen sich insbesondere bei älteren Menschen häufig Hürden im Umgang mit diesen digitalen Anwendungen. Technologische Barrieren, mangelnde digitale Kompetenz und fehlende Anreize führen dazu, dass viele Personen über 55 Mobilitäts-Apps nur selten oder gar nicht nutzen. Dies kann die Nutzung des öffentlichen Verkehrs erschweren und die Reiseerfahrung negativ beeinflussen.

Forschungslücke

Trotz der wachsenden Bedeutung digitaler Tools im Mobilitätssektor existiert bislang nur wenig Forschung, die sich gezielt mit der Perspektive älterer Menschen auf ÖPNV-Apps beschäftigt. Insbesondere fehlt es an Erkenntnissen darüber, welche Faktoren diese Altersgruppe motivieren oder hemmen, Mobilitäts-Apps zu nutzen und welchen Einfluss dies auf die Entscheidung hat, vom Auto auf den öffentlichen Verkehr umzusteigen.

Ziele der Abschlussarbeit

Ziel dieser Thesis ist es, ein besseres Verständnis dafür zu entwickeln, wie ältere Menschen (55+) die Nutzung von Mobilitäts-Apps im öffentlichen Verkehr wahrnehmen und wie sie dazu motiviert werden können, diese Tools aktiver zu nutzen. Die Arbeit soll praxisnahe Erkenntnisse liefern, die als Grundlage für zukünftige Forschung und nutzerzentrierte App-Entwicklung dienen können.

Dafür sind verschiedene methodische Ansätze denkbar, unter anderem:

• Literaturrecherche: Welche Erkenntnisse liefert die bestehende Forschung zu den Beweggründen von Menschen über 55 Jahren, den öffentlichen Nahverkehr zu nutzen? Welche Rolle spielt dabei die Nutzung von Mobilitäts-Apps im Alltag dieser Zielgruppe?
• Interviews mit Personen über 55 Jahren: Wie bewerten ältere Nutzer und Nutzerinnen bestehende Mobilitäts-Apps? Welche Funktionen fehlen? Welche Anreize wären notwendig, um die App-Nutzung zu fördern? Wie kann der Einstieg für technikferne Personen erleichtert werden?
• Umfragen: Unter welchen Voraussetzungen sind Menschen über 55 bereit, Mobilitäts-Apps im ÖPNV zu nutzen? Welche Einstellungen und Erfahrungen prägen ihr Verhalten? Welche Faktoren beeinflussen die Akzeptanz?

Beginn

Ab sofort.

Anforderungen

Für die Datenerheung (Survey oder Interviews) sind gute Deutschkenntnisse wünschenswert.

Bewerbung

Bitte senden Sie eine detaillierte Bewerbung mit Ihrer spezifischen Themenidee, Ihrem Lebenslauf und einer aktuellen Notenübersicht. Für Studierende, die NICHT WiWi/WINF studieren: Bitte klären Sie vorab mit der jeweiligen Studiengangskoordination, ob eine Betreuung durch unseren Lehrstuhl gestattet ist. Beispielsweise ist dies für Studierende anderer Fakultäten (TechFak, NatFak) oft nicht möglich.

Literaturverzeichnis

IPCC (2014). Climate Change 2014: Synthesis Report. Contribution of Working Groups I, II and III to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Retrieved from <http://www.ipcc.ch/pdf/assessment-report/ar5/syr/AR5_SYR_FINAL_All_Topics.pdf>.

Food systems are a major contributor to global environmental degradation, with dietary choices accounting for roughly 25% of greenhouse gas emissions (Crippa et al., 2021). Despite growing awareness, consumers still struggle to assess the sustainability of food products at the point of sale (Camilleri et al., 2019). This is partly due to the complexity of interpreting sustainability labels and partly due to behavioural barriers. Even when information is available, the intention-behaviour gap often persists (Carrington et al., 2014).

The rise of online grocery shopping allows consumers to make food choices from home (GroceryDoppio, 2023) and opens new opportunities to support more sustainable decisions through targeted interface design (De Bauw et al., 2022). However, real-time sustainability feedback, a potentially powerful intervention, remains underexplored in digital food environments (Shin et al., 2020).

This thesis aims to conceptualize an intervention that combines product-level sustainability information (Clark et al., 2022; Poore & Nemecek, 2018; Ritchie et al., 2022) with real-time, basket-level feedback in an online grocery setting. For example, shoppers could be shown a composite score summarising the overall environmental impact of their basket, based on criteria such as greenhouse gas emissions, land use, or animal welfare. An online experiment should be conducted to test the influence of this feedback on consumer decision-making. If needed, the intervention can be implemented as an interactive prototype or mock-up.

The experiment will be implemented in collaboration with researchers from the Nürnberg Institute for Market Decisions (NIM), who will co-supervise the thesis.

Prerequisites:

• Required:
  • Enrolled Master Student in International Information Systems, International Business Studies, Economics, Marketing, etc. Bachelor students can only be considered upon careful consideration of timeline feasibility.
  • Interest in advancing research in the food domain.
  • Willingness to write their thesis in English.
• Highly Desirable:
  • Previous experience in experimental methodology, e.g., through our courses „Experimentelle Verhaltensforschung in Data Science (EVIDS)“ (Bachelor) or the seminar „Information Systems for Behavior Change (ISBC)“ (Master).
  • Previous knowledge and/or experience in the application of statistical methods (e.g., ANOVA, LMM, etc.)

References

• Camilleri, A. R., Larrick, R. P., Hossain, S., & Patino-Echeverri, D. (2019). Consumers underestimate the emissions associated with food but are aided by labels. Nature Climate Change, 9(1), 53-58.
• Carrington, M. J., Neville, B. A., & Whitwell, G. J. (2014). Lost in translation: Exploring the ethical consumer intention–behavior gap. Journal of business research, 67(1), 2759-2767.
• Clark, M., Springmann, M., Rayner, M., Scarborough, P., Hill, J., Tilman, D., … & Harrington, R. A. (2022). Estimating the environmental impacts of 57,000 food products. Proceedings of the National Academy of Sciences, 119(33), e2120584119.
• Crippa, M., Solazzo, E., Guizzardi, D., Monforti-Ferrario, F., Tubiello, F. N., & Leip, A. J. N. F. (2021). Food systems are responsible for a third of global anthropogenic GHG emissions. Nature food, 2(3), 198-209.
• De Bauw, M., De La Revilla, L. S., Poppe, V., Matthys, C., & Vranken, L. (2022). Digital nudges to stimulate healthy and pro-environmental food choices in E-groceries. Appetite, 172, 105971.
• GroceryDoppio. (2023, February 7). January 2023: State of Digital Grocery Performance Scorecard. Performance Scorecard. https://www.grocerydoppio.com/performance-scorecard/january-2023-state-of-digital-grocery-performance-scorecard
• Poore, J., & Nemecek, T. (2018). Reducing food’s environmental impacts through producers and consumers. Science, 360(6392), 987-992.
• Ritchie, H., Rosado, P., & Roser, M. (2022). Environmental Impacts of Food Production. Environmental Impacts of Food Production. https://ourworldindata.org/environmental-impacts-of-food
• Shin, S., Van Dam, R. M., & Finkelstein, E. A. (2020). The Effect of Dynamic Food Labels with Real-Time Feedback on Diet Quality: Results from a Randomized Controlled Trial. Nutrients, 12(7), 2158.

Food systems are a major contributor to global environmental degradation, with dietary choices accounting for roughly 25% of greenhouse gas emissions (Crippa et al., 2021). Despite growing awareness, consumers still face difficulties in identifying more sustainable food options during the shopping process (Camilleri et al., 2019). Even when information is available, the complexity of sustainability indicators and behavioural barriers often prevent this knowledge from translating into action (Carrington et al., 2014).

Online grocery platforms offer new opportunities to support sustainable decision-making through digital tools and interface design. Among these tools, recommender systems are widely used to suggest products based on user behaviour or preferences (de Bauw et al., 2022; Jesse & Jannach, 2021). While often optimised for sales, such systems can also be designed to promote sustainable choices (Felfernig et al., 2023).

This thesis aims to conceptualize a sustainability-sensitive recommender system for online grocery environments. The system could prioritise or highlight products with lower environmental impact, based on indicators such as greenhouse gas emissions, land use, or animal welfare (Clark et al., 2022; Poore & Nemecek, 2018; Ritchie et al., 2022). Students are encouraged to explore or propose their own criteria and recommendation logic. An online experiment should be conducted to evaluate the influence of the recommender system on consumer decision-making. If needed, the system can be implemented as an interactive prototype or mock-up.

The experiment will be implemented in collaboration with researchers from the Nürnberg Institute for Market Decisions (NIM), who will co-supervise the thesis.

Prerequisites:

• Required:
  • Enrolled Master Student in International Information Systems, International Business Studies, Economics, Marketing, etc. Bachelor students can only be considered upon careful consideration of timeline feasibility.
  • Interest in advancing research in the food domain.
  • Willingness to write their thesis in English.
• Highly Desirable:
  • Previous experience in experimental methodology, e.g., through our courses „Experimentelle Verhaltensforschung in Data Science (EVIDS)“ (Bachelor) or the seminar „Information Systems for Behavior Change (ISBC)“ (Master).
  • Previous knowledge and/or experience in the application of statistical methods (e.g., ANOVA, LMM, etc.)

References

• Camilleri, A. R., Larrick, R. P., Hossain, S., & Patino-Echeverri, D. (2019). Consumers underestimate the emissions associated with food but are aided by labels. Nature Climate Change, 9(1), 53-58.
• Carrington, M. J., Neville, B. A., & Whitwell, G. J. (2014). Lost in translation: Exploring the ethical consumer intention–behavior gap. Journal of business research, 67(1), 2759-2767.
• Clark, M., Springmann, M., Rayner, M., Scarborough, P., Hill, J., Tilman, D., … & Harrington, R. A. (2022). Estimating the environmental impacts of 57,000 food products. Proceedings of the National Academy of Sciences, 119(33), e2120584119.
• Crippa, M., Solazzo, E., Guizzardi, D., Monforti-Ferrario, F., Tubiello, F. N., & Leip, A. J. N. F. (2021). Food systems are responsible for a third of global anthropogenic GHG emissions. Nature food, 2(3), 198-209.
• De Bauw, M., De La Revilla, L. S., Poppe, V., Matthys, C., & Vranken, L. (2022). Digital nudges to stimulate healthy and pro-environmental food choices in E-groceries. Appetite, 172, 105971.
• Felfernig, A., Wundara, M., Tran, T. N. T., Polat-Erdeniz, S., Lubos, S., El Mansi, M., … & Le, V. M. (2023). Recommender systems for sustainability: overview and research issues. Frontiers in big Data, 6, 1284511.
• Jesse, M., & Jannach, D. (2021). Digital nudging with recommender systems: Survey and future directions. Computers in Human Behavior Reports, 3, 100052. https://doi.org/10.1016/j.chbr.2020.100052
• Poore, J., & Nemecek, T. (2018). Reducing food’s environmental impacts through producers and consumers. Science, 360(6392), 987-992.
• Ritchie, H., Rosado, P., & Roser, M. (2022). Environmental Impacts of Food Production. Environmental Impacts of Food Production. https://ourworldindata.org/environmental-impacts-of-food

Generative Artificial Intelligence (GenAI) has rapidly become pervasive in our everyday lives. However, seminal studies are already showing a range of negative side-effects of GenAI use on cognitive engagement and abilities, risking cognitive atrophy and overreliance (Kosmyna et al., 2025; Lee et al., 2025; Schoeffer et al., 2025; Zhai et al., 2024). Therefore, it is imperative that human-AI interfaces are designed in a way that promotes deep engagement and the critical reflection of outputs (Yatani et al., 2024).

This thesis is meant to contribute to this endeavor by developing and experimentally testing a design intervention in a (mock-up) LLM interaction interface like ChatGPT that promotes reflection and critical thinking. Students may contribute their own specific ideas for study contexts and settings. Possible interventions could be elements that induce deliberate friction, increase transparency or provide metacognitive scaffolds.

The experiment will be implemented in collaboration with researchers from the Nürnberg Institute for Market Decisions (NIM), who will co-supervise the thesis.

Prerequisites:

• Required:
  • Enrolled Master Student in International Information Systems, International Business Studies, Economics, Marketing, etc. Bachelor students can only be considered upon careful consideration of timeline feasibility.
  • Interest in advancing research in the food domain.
  • Willingness to write their thesis in English.
• Highly Desirable:
  • Previous experience in experimental methodology, e.g., through our courses „Experimentelle Verhaltensforschung in Data Science (EVIDS)“ (Bachelor) or the seminar „Information Systems for Behavior Change (ISBC)“ (Master).
  • Previous knowledge and/or experience in the application of statistical methods (e.g., ANOVA, LMM, etc.)

References

• Kosmyna, N., Hauptmann, E., Yuan, Y. T., Situ, J., Liao, X.-H., Beresnitzky, A. V., Braunstein, I., & Maes, P. (2025). Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task (Version 1). arXiv. https://doi.org/10.48550/ARXIV.2506.08872

• Lee, H.-P. (Hank), Sarkar, A., Tankelevitch, L., Drosos, I., Rintel, S., Banks, R., & Wilson, N. (2025). The Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cognitive Effort and Confidence Effects From a Survey of Knowledge Workers. Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems, 1–22. https://doi.org/10.1145/3706598.3713778

• Schoeffer, J., Jakubik, J., Vossing, M., Kuhl, N., & Satzger, G. (2025). AI Reliance and Decision Quality: Fundamentals, Interdependence, and the Effects of Interventions. Journal of Artificial Intelligence Research, 82, 471–501.

• Yatani, K., Sramek, Z., & Yang, C.-L. (2024). AI as Extraherics: Fostering Higher-order Thinking Skills in Human-AI Interaction (Version 2). arXiv. https://doi.org/10.48550/ARXIV.2409.09218

• Zhai, C., Wibowo, S., & Li, L. D. (2024). The effects of over-reliance on AI dialogue systems on students’ cognitive abilities: A systematic review. Smart Learning Environments, 11(1), 28. https://doi.org/10.1186/s40561-024-00316-7

Generative Artificial Intelligence (GenAI) has rapidly become pervasive in our everyday lives. However, seminal studies are already showing a range of negative side-effects of GenAI use on user decision-making, risking cognitive atrophy and overreliance (Kosmyna et al., 2025; Lee et al., 2025; Schoeffer et al., 2025; Zhai et al., 2024). However, studies have also shown that carefully designed human-AI interfaces can mitigate such effects and promote deep engagement and the critical reflection of outputs (Yatani et al., 2024).

In this highly relevant emerging research field, an overview of evidence on GenAI overreliance is necessary. The aim of this thesis is to conduct a literature review to investigate which factors can increase or decrease the occurrence of overreliance in human-(Gen)AI interactions. Students may contribute their own ideas to adjusting the scope.

Prerequisites:

Enrolled student at WiSo. If your study program is not a part of WiSo, please check your program requirements whether our team is allowed to supervise your thesis.

References:

• Kosmyna, N., Hauptmann, E., Yuan, Y. T., Situ, J., Liao, X.-H., Beresnitzky, A. V., Braunstein, I., & Maes, P. (2025). Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task (Version 1). arXiv. https://doi.org/10.48550/ARXIV.2506.08872
• Lee, H.-P. (Hank), Sarkar, A., Tankelevitch, L., Drosos, I., Rintel, S., Banks, R., & Wilson, N. (2025). The Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cognitive Effort and Confidence Effects From a Survey of Knowledge Workers. Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems, 1–22. https://doi.org/10.1145/3706598.3713778
• Schoeffer, J., Jakubik, J., Vossing, M., Kuhl, N., & Satzger, G. (2025). AI Reliance and Decision Quality: Fundamentals, Interdependence, and the Effects of Interventions. Journal of Artificial Intelligence Research, 82, 471–501.
• Zhai, C., Wibowo, S., & Li, L. D. (2024). The effects of over-reliance on AI dialogue systems on students’ cognitive abilities: A systematic review. Smart Learning Environments, 11(1), 28. https://doi.org/10.1186/s40561-024-00316-7

Bewerbungen für das Sommersemester 2025 werden nicht mehr angenommen.

Hintergrund

Gemäß der extended mind Hypothese erstreckt sich die menschliche Kognition über das Gehirn und das Nervensystem hinaus auf den Körper und Umgebungswerkzeuge (Clark & Chalmers, 1998). Die Nutzung technologischer Werkzeuge zur Erleichterung kognitiver Prozesse wird oft als „kognitives Auslagern“ (engl.“cognitive offloading“) oder „geteilte Kognition“ (engl.“distributed cognition“) bezeichnet (Risko & Gilbert, 2016). Im Zeitalter der generativen KI und ihrer wachsenden Fähigkeiten sind die Möglichkeiten für Menschen, energie- und zeitaufwändige kognitive Prozesse an KI auszulagern, zahlreich und entwickeln sich rapide weiter.

Forschungslücke

Bei vielen Mensch-KI-Kollaborationsszenarien bleiben Menschen die „letzte Instanz“, um KI-Empfehlungen anzunehmen oder abzulehnen. Daher erfordert die Nutzung von KI für die Aufgabenerfüllung nicht nur die Kontrolle und Überwachung der eigenen kognitiven Prozesse (oft als Metakognition bezeichnet), sondern auch die Bewertung der Prozesse und Ergebnisse der KI (Dunn et al., 2021; Tankelevitch et al., 2024). Trotz der zunehmenden metakognitiven Anforderungen durch generative KI und der Relevanz präziser Metakognition zur Vermeidung von Unter-/Übervertrauen auf KI-Ergebnisse mangelt es an Forschung, die die Rolle der menschlichen Metakognition in (erfolgreichen) Mensch-KI-Kollaborationen untersucht.

Ziele der Abschlussarbeit

Bachelor- und Masterarbeiten zu diesem Thema zielen darauf ab, die Rolle metakognitiver Prozesse und Fähigkeiten innerhalb von Mensch-KI Kollaborationen zu untersuchen; sowohl vor der Zusammenarbeit (was treibt die Entscheidung KI zu nutzen an?), als auch während der Zusammenarbeit (wie überwachen und bewerten Individuen KI Prozesse und Outputs?). Die Forschung sollte untersuchen, wie gezielte Interventionen gestaltet werden können, um die metakognitive Genauigkeit während der Mensch-KI-Zusammenarbeit zu verbessern. Das Ziel der Abschlussarbeiten besteht darin, konzeptionelle und empirische Erkenntnisse zu gewinnen, die unser Verständnis von kognitiven Partnerschaften zwischen Mensch und KI erweitern und zukünftige Gestaltungsansätze informieren.

Forschungsansätze

• (Systematische) Literaturrecherche
  • Durchführung einer (systematischen) Literaturrecherche zu Interventionen (wie kognitive Forcing-Strategien), die metakognitive Überwachung/Kontrolle unterstützen und übermäßige kognitive Auslagerung verhindern.
  • Sichtung interdisziplinärer Forschung und Übertragung der Erkenntnisse auf Anwendungen von (generativer) KI.
  • Identifizierung theoretischer Rahmenwerke, die metakognitive Prozesse in der Mensch-KI-Zusammenarbeit erklären können.
• Experimentelle Ansätze
  • Entwicklung kreativer Interventionen zur Unterstützung der menschlichen Metakognition vor/während der Nutzung von KI und Entwicklung experimenteller Protokolle zur Überprüfung ihrer Wirksamkeit.
  • Untersuchung der Auswirkungen der Nutzung generativer KI auf die menschliche Metakognition und Kognition (z.B. Entscheidungsfindung, kritisches Denken, Problemlösung).
  • Erforschung, wie verschiedene KI-Schnittstellendesigns (z.B. OpenAIs Reasoning-Modell) die metakognitive Genauigkeit der Benutzer beeinflussen.
• Umfragen und Interviews
  • Durchführung von Umfragen oder Interviews zur Untersuchung von Faktoren, die bestimmen, ob Personen kognitive Aufgaben an KI auslagern.
  • Erforschung positiver und negativer Folgen der kognitiven Auslagerung an KI für die Nutzenden.
  • Untersuchung domänenspezifischer Unterschiede in metakognitiven Strategien bei der Zusammenarbeit mit KI.

Beginn

ab August 2025, planen Sie mindestens ~6 (Bachelor) / ~8 (Master) Monate bevor Sie Ihre Arbeit abgeben und einreichen können.

Bewerbung

Bitte senden Sie eine detaillierte Bewerbung mit Ihrer spezifischen Themenidee, Ihrem Lebenslauf und einer aktuellen Notenübersicht. Für Studierende, die NICHT WiWi/WINF studieren: Bitte klären Sie vorab mit der jeweiligen Studiengangskoordination, ob eine Betreuung durch unseren Lehrstuhl gestattet ist. Beispielsweise ist dies für Studierende anderer Fakultäten (TechFak, NatFak) oft nicht möglich.

Anforderungen

• Interesse an interdisziplinärer Forschung, die kognitive Psychologie und KI verbindet.
• Grundlegendes Verständnis experimenteller Designs oder qualitativer Forschungsmethoden.
• Für experimentelle Ansätze: Grundlegende Programmierkenntnisse sind von Vorteil.

Literaturverzeichnis

Clark, A., & Chalmers, D. (1998). The Extended Mind. Analysis, 58(1), 7–19. https://doi.org/10.1093/analys/58.1.7

Dunn, T. L., Gaspar, C., McLean, D., Koehler, D. J., & Risko, E. F. (2021). Distributed metacognition: Increased Bias and Deficits in Metacognitive Sensitivity when Retrieving Information from the Internet. Technology, Mind, and Behavior, 2(3). https://doi.org/10.1037/tmb0000039

Risko, E. F., & Gilbert, S. J. (2016). Cognitive Offloading. Trends in Cognitive Sciences, 20(9), 676–688. https://doi.org/10.1016/j.tics.2016.07.002

Tankelevitch, L., Kewenig, V., Simkute, A., Scott, A. E., Sarkar, A., Sellen, A., & Rintel, S. (2024). The Metacognitive Demands and Opportunities of Generative AI. Proceedings of the 2024 CHI Conference on Human Factors in Computing Systems, 1–24. https://doi.org/10.1145/3613904.3642902

Hintergrund

Der Verkehrssektor ist weltweit für etwa 14 % der Treibhausgasemissionen verantwortlich (IPCC, 2014). Der öffentliche Personennahverkehr (ÖPNV) gilt als klimafreundliche Alternative zum motorisierten Individualverkehr und kann somit einen wesentlichen Beitrag zur Reduktion von CO₂-Emissionen leisten. Digitale Mobilitäts-Apps spielen dabei eine zentrale Rolle, da sie Nutzer und Nutzerinnen über Fahrpläne, Ticketpreise, Verbindungen und aktuelle Informationen informieren und dadurch die Nutzung des ÖPNV vereinfachen.

Allerdings zeigen sich insbesondere bei älteren Menschen häufig Hürden im Umgang mit diesen digitalen Anwendungen. Technologische Barrieren, mangelnde digitale Kompetenz und fehlende Anreize führen dazu, dass viele Personen über 55 Mobilitäts-Apps nur selten oder gar nicht nutzen. Dies kann die Nutzung des öffentlichen Verkehrs erschweren und die Reiseerfahrung negativ beeinflussen.

Forschungslücke

Trotz der wachsenden Bedeutung digitaler Tools im Mobilitätssektor existiert bislang nur wenig Forschung, die sich gezielt mit der Perspektive älterer Menschen auf ÖPNV-Apps beschäftigt. Insbesondere fehlt es an Erkenntnissen darüber, welche Faktoren diese Altersgruppe motivieren oder hemmen, Mobilitäts-Apps zu nutzen und welchen Einfluss dies auf die Entscheidung hat, vom Auto auf den öffentlichen Verkehr umzusteigen.

Ziele der Abschlussarbeit

Ziel dieser Thesis ist es, ein besseres Verständnis dafür zu entwickeln, wie ältere Menschen (55+) die Nutzung von Mobilitäts-Apps im öffentlichen Verkehr wahrnehmen und wie sie dazu motiviert werden können, diese Tools aktiver zu nutzen. Die Arbeit soll praxisnahe Erkenntnisse liefern, die als Grundlage für zukünftige Forschung und nutzerzentrierte App-Entwicklung dienen können.

Dafür sind verschiedene methodische Ansätze denkbar, unter anderem:

• Literaturrecherche: Welche Erkenntnisse liefert die bestehende Forschung zu den Beweggründen von Menschen über 55 Jahren, den öffentlichen Nahverkehr zu nutzen? Welche Rolle spielt dabei die Nutzung von Mobilitäts-Apps im Alltag dieser Zielgruppe?
• Interviews mit Personen über 55 Jahren: Wie bewerten ältere Nutzer und Nutzerinnen bestehende Mobilitäts-Apps? Welche Funktionen fehlen? Welche Anreize wären notwendig, um die App-Nutzung zu fördern? Wie kann der Einstieg für technikferne Personen erleichtert werden?
• Umfragen: Unter welchen Voraussetzungen sind Menschen über 55 bereit, Mobilitäts-Apps im ÖPNV zu nutzen? Welche Einstellungen und Erfahrungen prägen ihr Verhalten? Welche Faktoren beeinflussen die Akzeptanz?

Beginn

Ab sofort.

Anforderungen

Für die Datenerheung (Survey oder Interviews) sind gute Deutschkenntnisse wünschenswert.

Bewerbung

Bitte senden Sie eine detaillierte Bewerbung mit Ihrer spezifischen Themenidee, Ihrem Lebenslauf und einer aktuellen Notenübersicht. Für Studierende, die NICHT WiWi/WINF studieren: Bitte klären Sie vorab mit der jeweiligen Studiengangskoordination, ob eine Betreuung durch unseren Lehrstuhl gestattet ist. Beispielsweise ist dies für Studierende anderer Fakultäten (TechFak, NatFak) oft nicht möglich.

Literaturverzeichnis

IPCC (2014). Climate Change 2014: Synthesis Report. Contribution of Working Groups I, II and III to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Retrieved from <http://www.ipcc.ch/pdf/assessment-report/ar5/syr/AR5_SYR_FINAL_All_Topics.pdf>.