Refine
Document Type
Is part of the Bibliography
- no (3)
Keywords
- Business Analytics (1)
- Data Analytics (1)
- Dienstleistungen (1)
- Digitalisierung (1)
- Gebäudebetrieb (1)
- Knowledge discovery (1)
- Machine learning (1)
- Organisationsgestaltung (1)
- Process industry (1)
- Reorganisation (1)
Institute
Das Paradigma von Zweckgebäuden als Immobilie, deren Wert sich lediglich über die Lage, die Ausstattung, das Alter und die verfügbare Nutzungsfläche bemisst, wird zunehmend aufgelöst. Neubauten wie der cube in Berlin, The Edge oder auch Bestandsimmobilien wie das Spark, beide in Amsterdam, zeigen, dass der Wert einer Immobilie sich zunehmend über den Grad der Vernetzung, die Integration neuer datenbasierter Dienstleistungen und somit über eine deutlich gesteigerte Effizienz im Gebäudebetrieb definiert. Der folgende Beitrag systematisiert aus der Forschungsperspektive datenbasierte Dienstleistungen für das Smart Commercial Building (SCB) und liefert eine Übersicht existenter sowie zukünftiger datenbasierter Dienstleistungen. Die Ergebnisse dienen sowohl den Herstellern technischer Gebäudeausrüstung, Gebäudebetreibern, Objektbetreuern und Investoren gleichermaßen als Orientierung und Anhaltspunkt für zukünftige datenbasierte Dienstleistungen im SCB.
The acquisition, processing and analysis of internal and external data is one of the key competitive factors for corporate innovation and competitive advantage. Many firms invest a significant amount of resources to take advantage of advanced analytics methods. Machine learning methods are used to identify patterns in structured and unstructured data and increase predictive capabilities. The related methods are of particular interest when previously undiscovered and unknown structures are discovered in comprehensive data sets in order to more accurately predict the outcome of manufacturing or production processes based on a multitude of parameter settings. So far, this knowledge is often part of the individual or collective knowledge of experts and expert teams, but rarely explicit and therefore not replicable for future applications. On the one hand, it is demonstrated in this paper how different machine learning algorithms have been applied to better predict the output quality in the process industry. On the other hand, it is explained how the application of machine learning methods could contribute to making previously not accessible process knowledge explicit. In order to increase the prognostic accuracy of the model diferrent methods were combined, later on compared and evaluated within an industrial case. In this paper a comprehensive approach to knowledge-based process engineering is being presented.
Business-Transformation
(2020)
Viele Organisationen befinden sich im Umbruch. Globale sozioökonomische und technologische Megatrends wie die stetig fortschreitende Globalisierung, demographische Veränderungen und die Digitalisierung stellen Unternehmen vor enorme Herausforderungen. Besonders die Verwendung digitaler Technologien und Techniken hat erhebliche Veränderungen des Alltagslebens, der Wirtschaft und der Gesellschaft zur Folge. Dabei ist die digitale Transformation ein allgemeiner Trend ohne Masterplan, ein Veränderungsprozess mit offenem Ausgang, der ganze Branchen einer Transformation nie dagewesenen Ausmaßes unterwirft.