Björn Hanneke

M.Sc. Finance

Raum: 2.262
hanneke@wiwi.uni-frankfurt.de
Telefon +49 (69) 798 34718
Links: LinkedIn | ORCiD | ResearchGate

Zur Person

Björn Hanneke studierte International Management an der ESB Business School in Reutlingen (BSc.) und Finance an der Lancaster University Management School (MSc.).

Nach seinem Studium gründete Björn Hanneke ein Unternehmen im Bereich Data Analytics und arbeitete seit 2014 als Strategieberater für die Unternehmensberatung Berg Lund & Company. Dabei begleitete er Finanzdienstleister bei strategischen Fragestellungen zur digitalen Transformation, der Automatisierung und der Digitalisierung von Geschäftsprozessen.

Seit Februar 2022 ist Björn Hanneke als wissenschaftlicher Mitarbeiter an der Professur Wirtschaftsinformatik und Informationsmanagement von Prof. Dr. Oliver Hinz tätig.

Interessen

Digital Platforms
Crypto Economy & Decentralized Finance (DeFi)
Blockchains & Distributed Ledger Technology (DLT)
(Non-Fungible) Tokens & Token Economy (Tokenomics)

Publikationen

Hanneke, Björn / Baum, Lorenz / Schlereth, Christian / Hinz, Oliver (2023): "Consumer Preferences for Privacy Management Systems", International Conference on Information Systems (ICIS) 2023, Hyderabad, India. aisel.aisnet.org/icis2023/cyber_security/cyber_security/12/ [Download]

Hanneke, Björn / Baum, Lorenz / Hinz, Oliver (2023): "GDPR Privacy Type Clustering: Motivational Factors for Consumer Data Sharing", European Conference on Information Systems (ECIS) 2023, Kristiansand, Norway. aisel.aisnet.org/ecis2023_rp/409/ [Download]

Hanneke, Björn / Baum, Lorenz / Schunck, Christian / Hinz, Oliver (2024): "Privatsphärenfreundliche Plattformgeschäftsmodelle: Geschäftsmodell-Navigator", Datenschutz und Datensicherheit (DuD) 48, 89–94. doi.org/10.1007/s11623-023-1887-5 [Download]

Pfeiffer, Lars / Astfalk, Stefanie / Baum, Lorenz / Hanneke, Björn / Schunck, Christian / Winterstetter, Matthias (2023): "Anforderungen an die automatisierte Protokollierung von Datenverarbeitungstätigkeiten in einem Transaktionsjournal: eine Multi-Stakeholder-Perspektive auf Motivation und Umsetzung", in Friedewald / Roßnagel / Neuburger / Bieker / Hornung (Hrsg.): "Daten-Fairness in einer globalisierten Welt", 117–144, Nomos (Privatheit und Selbstbestimmung in der digitalen Welt, 2), Baden-Baden. doi.org/10.5771/9783748938743-117 [Download]

Hanneke, Björn / Chuang, Yu-Jen / Skiera, Bernd / Hinz, Oliver (2024): "Sell or Give Away? Economics of Resale Royalties", DPE Forum.

Hanneke, Björn / Chuang, Yu-Jen / Skiera, Bernd / Hinz, Oliver (2024): "Resale Royalties in the Creator Economy: Evidence from Digital Asset Markets", Blockchain Horizons, INATBA Academic and R&D Forum.

Hanneke, Björn / Skiera, Bernd / Kraft, Thilo Gerwien / Hinz, Oliver (2024): "Relationship between Size of Wallet, Share of Wallet and Total Wallet: New Insights from the Blockchain", EMAC 2024 Annual Conference.

Hanneke, Björn / Chuang, Yu-Jen / Skiera, Bernd / Hinz, Oliver (2024): "Resale Royalties in the Creator Economy: Evidence from Digital Asset Markets", EMAC 2024 Annual Conference.

Hanneke, Björn / Chuang, Yu-Jen / Skiera, Bernd / Hinz, Oliver (2023): "Resale Royalties in the Creator Economy: Evidence from Digital Asset Markets". Marketing and the Creator Economy Conference.

Hanneke, Björn / Hinz, Oliver (2024): "No Funding, no Problem? Empirical Evidence on Cold-Starting New Marketplaces with Token Airdrops", DPE Forum.

Lehre / Betreute Abschlussarbeiten

Understanding Mobile Crypto Users: User Profiles, Usage Patterns and Adoption Decisions (Master)
User Adoption Models for Token-Based Multiplayer Crypto Games (Master)
Consumer Preferences for Privacy-Friendly Platform Business Models (Master)
A Taxonomy of Privacy-Friendly Platform Business Models – The Case of Digital Labor Platforms (Master)
Evolution von Plattformgeschäftsmodellen für die Kryptoökonomie - Unterschiede zu traditionellen Plattformgeschäftsmodellen (Bachelor)
Empirical Investigation of Crypto Network Evolution on the Basis of Consolidated Crypto Network Data (Bachelor)
Crypto Currency Returns - An Application of Machine Learning Methods (Bachelor)