Refine
Document Type
- Contribution to a Periodical (11)
- Lecture (10)
- Part of a Book (8)
- Conference Proceeding (6)
- Book (4)
- Internet Paper (1)
- Report (1)
- Working Paper (1)
Language
- German (32)
- English (9)
- Multiple languages (1)
Is part of the Bibliography
- no (42)
Keywords
- 02 (1)
- Agile (1)
- Agile Development (1)
- Agrarproduktion (1)
- Applitationsplattform (1)
- Business Models (2)
- Case Competition (1)
- Case study research (1)
- Crowd-Innovation (1)
- Customer Centricity (1)
Institute
Die digital vernetzte industrielle Produktion verspricht schnellere und effizientere Prozesse - in Entwicklung und Produktion wie auch in Service, Marketing und Vertrieb oder bei Anpassung ganzer Geschäftsmodelle. Agil zu handeln und in Echtzeit Veränderungen vorzunehmen, wird in der Industrie 4.0 zur strategischen Erfolgseigenschaft eines Unternehmens. Voraussetzung dafür ist der Aufbau einer immer breiteren Datenbasis. Ob deren Potenzial effektiv genutzt wird, hängt jedoch auch wesentlich von der Organisationsstruktur und Kultur eines Unternehmens ab.
Die vorliegende acatech STUDIE stellt ein neues Instrument vor, mit dem produzierende Unternehmen den Weg zum lernenden, agilen Unternehmen individuell gestalten können. Der acatech Industrie 4.0 Maturity Index ist als sechsstufiges Reifegradmodell aufgebaut und analysiert die in der digitalisierten Industrie benötigten unternehmerischen Fähigkeiten in den Gestaltungsfeldern Ressourcen, Informationssysteme, Kultur und Organisationsstruktur. Jede erreichte Entwicklungsstufe verspricht produzierenden Unternehmen einen konkreten Zuwachs an Nutzen. Das Modell wurde in der praktischen Anwendung in einem mittelständischen Betrieb validiert.
Digitally connected industrial production promises faster and more efficient processes - in development and production, services, marketing & sales and for adapting entire business models. Agility and the ability to make changes in real time are strategic chracteristics of successful companies in Industrie 4.0. To acquire these features, it is necessary to create a continuously expanding data base. However, a company's organisational structure and culture also play an important part in determining whether this data's potential is leveraged effectively.
This acatech STUDY describes a new tool for helping manufacturing enterprises to forge their own individual path towards becoming a learning, agile company. The acatech Industrie 4.0 Maturity Index is a six-stage maturity model that analyses the capabilities in the area of resources, information systems, culture and organisational structure that are required by companies operating in a digitalised industrial environment. The attainment of each development stage promises concrete additional benefits for manufacturing companies. The model's practical application was validated in a medium-sized company.
Smart-Farming-Welt
(2019)
Smart-Farming-Welt
(2019)
Trends und Entwicklungen
(2020)
Der traditionelle After Sales Service inklusive der hohen Margen und Gewinnbeiträge steht einem Wandel gegenüber. Digitale Transformation, Globalisierung oder disruptive Geschäftsmodelle verändern die etablierten Rahmenbedingungen des Geschäftsbereiches zunehmend. Daher sollten sich Unternehmen auf diesen Wandel vorbereiten und Veränderungen in der eigenen Organisation anstoßen. Aus diesem Grund wird in dem letzten Kapitel des vorliegenden Buches auf wichtige Trends im After Sales Service eingegangen. Zu nennen sind hierbei der Ansatz der Servitization (Abschn. 7.1), die Digitale Transformation im After Sales Service (Abschn. 7.2), digitale Geschäftsmodelle (Abschn. 7.3), das Smart Service Engineering (Abschn. 7.4) oder der Einfluss der Elektromobilität auf den automobilen After Sales Service (Abschn. 7.5).
Smart Service Engineering
(2019)
Industry 4.0 has provided vast opportunities for manufacturing companies whilst simultaneously creating multiple challenges. In this new highly digitized globalized marketplace, manufacturing companies find themselves under pressure to become more service oriented and offer new innovative value offerings such as smart services. These are digital data-driven services that, generally, add value in conjunction with a physical product. However, classical methods of service engineering have not adapted sufficiently to the increasing digital components and requirements of smart services. This paper presents Smart Service Engineering as a novel service-engineering approach for industrial smart services. Smart Service Engineering draws from iterative development models and implements agile and customer-centric methods to decrease the overall development time and achieve an early market success. The paper focuses on the service development steps and presents the interaction and interconnection of different elements of smart services based on a case study research. Finally the paper illustrates the successful application of the Smart Service Engineering approach and its impact on a German medium-sized company in the textile machine industry.
Industrial Smart Services: Types of Smart Service Business Models in the Digitalized Agriculture
(2019)
Due to lack of experience of companies with digital business models, agricultural machinery manufacturers and agricultural service companies are facing a positioning problem in their ecosystem. Smart services are getting more important for these companies and they have issues to define a matching business model for their newly developed smart services. The lack of a framework for smart service business models makes it even harder for companies to successfully develop new services. This paper contributes to a better understanding of business models for smart services and establishes a common morphological framework to define different types of business models for smart services. Six types of business models of industrial smart services were identified during the research based, which was based on a literature review and interviews with leading experts in the field of smart services. The validation of the developed types and its practical application was carried out as part of the German research project Smart-Farming-World and its four developed use cases. This paper gives a detailed description of the application of the framework on the use case nPotato.
Das FIR untersucht gemeinsam mit Partnern aus Wirtschaft und Forschung im Rahmen des Projekts Smart-Farming-Welt (SmarF), wie die multidirektionale Vernetzung aller Akteure des Ökosystems Landwirtschaft gestaltet werden kann. Die zu entwickelnde Plattform ermöglicht einen dynamischen Datenaustausch zwischen allen Beteiligten sowie darauf aufbauende datenbasierte Dienste, die die Produktivität landwirtschaftlicher Betriebe und des gesamten Wertschöpfungsnetzwerks verbessert.
Gefördert wird das Projekt Smart-Farming-Welt (Förderkennzeichen 01MD16007E) durch das Bundesministerium für Wirtschaft und Energie (BMWi). Das Teilvorhaben des FIR fokussiert die Bedarfsanalyse, Geschäftsmodelle und Nutzerakzeptanz.
Agrarbetriebe sind vielen Firmen des Mittelstands in Digitalisierungsfragen voraus. Zum Einsatz kommt zum Beispiel innovative Sensorik,, die exakte Werte über das Wetter, den Zustand des Bodens und die optimale Düngemenge liefert. Die Arbeitsprozesse werden so optimiert, schonen die Umwelt und letztendlich auch den Geldbeutel des Landwirts.
Unternehmen, die ihre Prozesse durch maschinelles Lernen unterstützen wollen und hierfür auf externe Dienstleister und Produkte zurückgreifen müssen, fehlen die qualifizierten Anhaltspunkte für die Auswahl eines Machine-Learning-Anbieters.
Aus dieser Motivation heraus ist die vorliegende Marktstudie Industrial Machine Learning entstanden. Sie bietet Unternehmen die Grundlage, eine fundierte Entscheidung für oder gegen den Einsatz von Machine Learning im Unternehmen zu
treffen.
Die Darstellung von realen Usecases in der vorliegenden Marktstudie veranschaulicht die konkrete Anwendbarkeit. Insbesondere damit leistet die Studie ihren Beitrag, das Thema Maschine Learning verständlich und anschaulich darzustellen.
Die Marktstudie bietet einen umfassenden Überblick über unterschiedliche Arten von Anbietern und Lösungsmöglichkeiten.
Ein Anspruch auf Vollständigkeit wird dabei nicht erhoben und wäre für die Zielsetzung nicht angebracht.