Refine
Document Type
- Conference Proceeding (17)
- Contribution to a Periodical (8)
- Part of a Book (6)
- Working Paper (6)
- Report (3)
- Internet Paper (2)
- doctorallecture (1)
- Doctoral Thesis (1)
- Master's Thesis (1)
Language
- German (22)
- English (21)
- Multiple languages (2)
Is part of the Bibliography
- no (45)
Keywords
- AI (1)
- Additive manufacturing (1)
- After-Sales-Services (1)
- Asset Management (1)
- Augmented Reality (1)
- BMWK (1)
- Big Data (2)
- Case study research (1)
- Customer Success Management (1)
- Customer Success Managementl (1)
Institute
Manufacturing companies are constantly increasing their efforts in the subscription business, also known as product-as-a-service business, offering usage and outcome based solutions (value-in-use) instead of transactional services and products (value-in-exchange). Customers are becoming contractual subscribers of the solution in return for recurring, performance-related payments. To address arising, inevitable challenges like (1) reducing customer churn, (2) increasing usage intensity and outcome quality, (3) ensuring the adoption of product and software releases as well as (4) fostering customer loyalty, leading manufacturing companies are setting up a new organizational, customer-facing unit, called Customer Success Management (CSM). This unit has its origins in the software-as-a-service business, operating next to established entities like sales, key account management and customer service. Since there are currently no holistic models for an end-to-end description of CSM-tasks in the manufacturing industry, this paper contributes to a taskoriented reference model, using a grounded theory approach, examining both manufacturing and software companies. Containing a reference framework with 8 main tasks, 17 basic tasks and 76 elementary tasks, the reference model supports manufacturing companies in adapting and customizing a company-specific CSM concept.
Competitive differentiation in the manufacturing sector is no longer based on product and service innovations alone but on the ability to monetize the usage phase of products and services. To this end, manufacturers are increasingly looking at so-called subscription business models as a way of supplementing the traditional sale of products and services. Since supplier success in the subscription business is directly dependent on customer success, the setup and expansion of a so-called Customer Success Management (CSM) is required. While CSM has already been established in the software industry for several years, companies in the manufacturing sector are often still in the conceptual phase of a CSM, parallel to the setup and expansion of their subscription business. Therefore, this paper aims to support the set-up of a CSM by providing a reference data model, based on case study research, that can be used to support the organizational or daily CSM tasks and to serve as a blueprint for conceptualizing CSM-specific IT systems.
33 Prozent aller Unternehmen glauben, den Anschluss an Künstliche Intelligenz (KI) zu verlieren. Obwohl KI auf den ersten Blick eine Herausforderung darstellt, kann sie vor allem im Unternehmenskontext eine bedeutende Rolle spielen. Genau da setzt das Programm "KI-Serviceroadmap 2024" des FIR an und zeigt Ihnen den Weg zu KI im Service auf. Das Programm beginnt für alle teilnehmenden Unternehmen mit einem umfassenden Assessment und mündet in der Entwicklung einer detaillierten Roadmap mit Ihrem individuellen Weg zu KI.
Wachstum durch Reduzierung?
(2022)
Towards a Methodology to Determine Intersubjective Data Values in Industrial Business Activities
(2021)
This paper contributes to a valuation framework for valuing data as an intangible asset. Especially those industrial manufacturers developing and delivering holistic digital solutions are limited in calculating the true business value of data initiatives. Since the value of data is strongly dependent on the respective use case, a completely objective valuation is not possible. This complicates decision-making on the internal side regarding investments in digital transformation, and on the external side to communicate existing benefits to third parties via financial reporting. Therefore, the target is to design a valuation framework that allows industrial manufacturers to determine an intersubjective, i.e., traceable and transparent, data value. In order to develop a framework that can be applied in practice, the approach is based on industrial case study research.
„If you can’t measure it, you can’t manage it.“ Peter Druckers berühmte Weisheit ist in Zeiten des digitalen Wandels aktueller denn je. Der Unternehmenswert der weltweit wertvollsten Unternehmen, wie beispielsweise Google, Amazon, Alphabet und Microsoft, ergibt sich zum größten Teil nicht durch physische Vermögenswerte, sondern durch informationstechnische Dienste und datengetriebene Geschäftsmodelle. Der Zugriff und die Nutzung von Daten sind zunehmend ein wettbewerbsentscheidender Schlüsselfaktor und begründen die Notwendigkeit zur digitalen Transformation etablierter Geschäftsmodelle und -prozesse, nicht zuletzt innerhalb der produzierenden Industrie in Deutschland und Europa. Das vom Bundesministerium für Wirtschaft und Klimaschutz geförderte Forschungsprojekt ‚Future Data Assets', Laufzeit 01.08.2019 – 31.01.2023, diente folgerichtig dem Ziel, zunächst neue Möglichkeiten der Datenbewertung, insbesondere im Bereich des monetären Nutzens, und daran anschließend Kanäle zur Kommunikation der ermittelten Werte zu erforschen.
Das Projekt LBM²-Load Based Monitoring and Maintenance erforschte die Einsatzfähigkeit einer kostengünstigen Lastsensorik zur Messung und Analyse von Restlebensdauerdaten für Großkomponenten an Windenergieanalgen (WEA). Da aktuell im Einsatz befindliche Condition-Monitoring-Systeme zur Überwachung von WEA oft teuer in der Anschaffung sind und lediglich vergangenheitsorientierte Informationen liefern, sobald ein kritischer Zustand bereits eingetreten ist, besteht der Bedarf insbesondere für KMU in der WEA-Branche für eine kostengünstige, proaktive Alternative. Hierzu wird im Projekt LBM² der Einsatz einer kostengünstigen, auf Dehnungsmessstreifen basierenden Messtechnologie erforscht, die über einen langen Zeitraum in einem Testwindpark betrieben wird. Die Erkenntnisse zu den Herausforderungen in der Spezifikation der Messtechnologie für den WEA-Typ sowie in der kontinuierlichen Datenerfassung und –auswertung adressieren ein aktuell hochrelevantes Themenfeld. Die Implikationen der Erkenntnisse gehen damit weit über die Branche der Windenergie hinaus. Mittels der gewonnenen Daten über die Lasten bzw. Restlebensdauern von Großkomponenten der WEA (z.B. Getriebe, Hauptwelle oder Hauptlager) wurden zudem deren Einsatzpotenziale für eine proaktivere, vorausschauende Instandhaltung von WEA untersucht. Die Instandhaltung ist der Hauptkostentreiber im Betrieb einer WEA und bietet demnach großes Potenzial für einen kosteneffizienteren Betrieb, der speziell für KMU in einem umkämpften Strommarkt mit wegfallenden EEG-Zulagen notwendig ist. Hierzu wurden im Projekt LBM² Instandhaltungsprozesse für WEA-Großkomponenten aufgenommen. Diese wurden in einer Simulationsumgebung hinsichtlich verschiedener, kosteneffizienter Instandhaltungsstrategien untersucht. Dazu wurde der Einfluss von Restlebensdauern auf spezifische Instandhaltungsstrategien abgebildet. Weiterhin wurden die Projektergebnisse in einen Softwaredemonstrator überführt, der den Anwendern und speziell KMU eine Möglichkeit an die Hand gibt, die Daten der kostengünstigen Lastsensorik in Zukunft übersichtlich visualisiert und mit relevanten Handlungsempfehlungen für eine optimierte Instandhaltung hinterlegt zu nutzen.
Im durch das Bundesministerium für Wirtschaft und Energie (BMWi) geförderten Forschungsprojekt 'EVAREST' untersucht der FIR e. V. an der RWTH Aachen zusammen mit Projektpartnern wie dem Deutschen Forschungszentrum für Künstliche Intelligenz(DFKI) und dem Schokoladenhersteller Lindt & Sprüngli Deutschland GmbH die Chancen durch Digitalisierung in der Lebensmittelindustrie. Mit der Betrachtung von Daten als eigenständigem Wirtschaftsgut wird eine neue Form der Datenökonomie erforscht,in der ein monetärer Handel mit Datenprodukten ermöglicht wird. Die technische Umsetzung erfolgt u. a. durch die beteiligten Projektpartner Software AG und DFKI in Form eines offenen IoT-Plattform-Ansatzes. Die Erforschung der Rechtssicherheit im Handel mit Datenprodukten ist ebenfalls Bestandteil des Projekts und wird durch die Universität des Saarlandes abgebildet. Das Forschungsprojekt 'EVAREST' wird vom Bundesministerium für Wirtschaft und Energie aufgrund eines Beschlusses des Deutschen
Bundestages gefördert.
Projekt ‚Future Data Assets‘: Reporting der unternehmerischen Fähigkeit der Datenbewirtschaftung
(2020)
„Daten sind das neue Öl.“ Ein vielfach genutzter Ausdruck, der die Relevanz und den Wert von Daten im digi- talen Zeitalter unterstreicht. Allerdings existiert derzeit noch kein standardisiertes Verfahren, um den Wert von Daten explizit zu bemessen. Traditionelle marktpreis-, kosten- und nutzenbasierte Bewertungsmethoden kommen bei der Anwendung im Datenkontext schnell an ihre Grenzen. Das Forschungsprojekt ‚Future Data Assets‘ hat zum Ziel, neue Möglichkeiten der Datenbewertung zu erforschen. Im Fokus der Untersuchungen stehen insbesondere produzierende Unternehmen, die zunehmend Daten wertschöpfend einsetzen, jedoch vor zahlreichen Herausforderungen in der externen und internen Kommunikation ihres Datenkapitals stehen. Das diesem Bericht zugrundeliegende Vorhaben wurde mit Mitteln des Bundesministeriums für Wirtschaft und Energie unter dem Förderkennzeichen 01MD19010B gefördert. Die Verantwortung für den Inhalt dieser Veröffentlichung liegt beim Autor.