MCI Professur an Lisa Perkhofer

Die Unternehmerische Hochschule® verleiht Professorenwürde an Lisa Perkhofer

In Anerkennung ihrer herausragenden Leistungen in Forschung und Lehre sowie ihrer prägenden Beiträge zur Weiterentwicklung der Unternehmerischen Hochschule^® hat das MCI die Professorenwürde an Lisa Perkhofer des Departments Wirtschaft & Management verliehen. Im Beisein von Familie und Kolleg:innen nahm sie die Auszeichnung durch MCI Rektor Andreas Altmann und Franz Pegger, Leiter des Hochschulkollegiums, entgegen, bevor sie in ihrer anschließenden Antrittsvorlesung spannende Einblicke in ihre Forschungstätigkeit gewährte.

Lisa Perkhofer absolvierte ihr Bachelor- sowie Masterstudium in Controlling, Rechnungswesen und Finanzmanagement an der FH Oberösterreich. Sowohl ihr Masterstudium als auch ihr anschließendes Doktoratsstudium der Sozial- und Wirtschaftswissenschaften an der Wirtschaftsuniversität Wien schloss sie mit Auszeichnung ab.

Ihre akademische Laufbahn ist geprägt von umfassender Lehr- und Forschungserfahrung: An der FH Oberösterreich war sie langjährig als Dozentin, Projektleiterin und Assistenzprofessorin tätig und wirkte maßgeblich an der Entwicklung eines Forschungsschwerpunkts im Studiengang „Controlling, Rechnungswesen und Finanzmanagement“ mit. Zudem lehrte sie an der FH Salzburg im Bereich Wissenschaftsmethoden.

Sie initiierte zahlreiche Drittmittel- und Auftragsforschungsprojekte mit der Industrie und wurde 2022 als Jungforscherin der FH Oberösterreich ausgezeichnet. Darüber hinaus fungiert sie als Arbeitskreisleiterin der Region Tirol/Südtirol/Vorarlberg im Internationalen Controller Verein (ICV).

Seit August 2023 lehrt und forscht sie am MCI in den Bereichen Management Accounting, Business Intelligence, Data Science und IT-Systeme. In ihrer Antrittsvorlesung zum Thema „Predicting Financial Distress in Austrian SMEs: Data Engineering als erster Schritt zu robusten Machine-Learning-Modellen“ gab sie Einblicke in ein aktuelles Forschungsprojekt zur Früherkennung finanzieller Schieflagen bei österreichischen KMU.

Im Mittelpunkt stand die Frage, wie sich belastbare Prognosemodelle trotz lückenhafter und eingeschränkt verfügbarer Unternehmensdaten entwickeln lassen. Anhand aktueller Forschungsergebnisse zeigte sie, dass nicht allein die Wahl des Modells entscheidend ist, sondern bereits die Qualität, Struktur und Aufbereitung der Daten einen wesentlichen Einfluss auf die Aussagekraft von Machine-Learning-Ansätzen haben.