Daniel Kiefer

Daniel Kiefer, M.Sc.Forschungsgruppe Digitalisierung und Management

Sprechstunde: Nach Vereinbarung

ESB-Profilseite
LinkedIn-Profilseite
Xing-Profilseite

Gebäude 5
Raum 011
Tel. +49 7121 271 1466
Mail senden »

Verantwortungsbereiche

Wissenschaftlicher Mitarbeiter in der Forschungsgruppe Digitalisierung und Management

Forschungsthemen
  • Artificial Intelligence
  • Machine learning
  • Deep Learning
  • Digitalisierung & Management
  • Industrie 4.0
Aktuelle Forschungsprojekte
Vita

Berufserfahrung:

  • Science & Research, ESB Business School
  • Management Consulting, Barkawi Management Consultants
  • Management Consulting, goetzpartners
  • Private Equity, CAPCELLENCE
  • Lean Management Consulting, STAUFEN.SHANGHAI
  • Management Consulting, TARGUS Management Consulting
  • SYNCHRO Inhouse Consulting, TRUMPF North America
  • Inhouse Consulting, Carl Zeiss Vision

Akademische Ausbildung:

  • PhD Candidate, Artificial Intelligence, Karlsruhe Institute of Technology (KIT)
  • Operations Management (M. Sc.), ESB Business School
  • Business & Entrepreneurship, Cambridge Judge Business School
  • Computer Science & Business Administration ,University Bologna
  • Maschinenbau – Wirtschaft und Management (B. Eng.), Aalen University

Stipendien:

  • Studienstiftung des deutschen Volkes
  • Elevate VDI – Verein Deutscher Ingenieure
  • DAAD - Deutscher Akademischer Austauschdienst
  • McKinsey Firsthand Program
  • BCG Emerald Talent Program
Publikationen
  • Kiefer, D., Ulmer, A. & Dinther, C. van. (2019). Application of Artificial Intelligence to optimize forecasting capability in procurement. In U. Kloos, N. Martinez, & G. Tullius (Hrsg.), Wissenschaftliche Vertiefungskonferenz. Tagungsband 2019 (1. Aufl., S. 69–80). Reutlingen: Reutlingen University. doi: doi.org/10.5281/zenodo.3539397
  • Eberl, A., Fallert, B., Kiefer, D., Leuschner, D., Mastroianni, L., Richter, P., . . . Palm, D. (2018). Methoden zur Sofortpreis-kalkulation von CNC-Drehteilen. ZWF Zeitschrift für wirtschaftlichen Fabrikbetrieb, 113(12), 835–839. doi.org/10.3139/104.112020