Refine
Document Type
- Contribution to a Periodical (15)
- Conference Proceeding (5)
- Part of a Book (2)
- Doctoral Thesis (1)
- Report (1)
Language
- German (13)
- English (6)
- Multiple languages (5)
Is part of the Bibliography
- no (24)
Keywords
- Business Analytics (2)
- Business-Analytics (3)
- Capacity Utilization (1)
- Data-Centric Platform (1)
- Datenmanagement (1)
- Demand Forecasting (1)
- Digitale Transformation (2)
- Digitalisierung (6)
- Digitization (1)
- Digitization of SMEs (1)
Institute
Die Nutzung von datengetriebenen Analysen eröffnet eine Vielzahl an Möglichkeiten. Mehr als zwei Drittel aller Unternehmen haben dieses Potenzial erkannt und Pilotprojekte für den Einsatz von Business-Analytics ins Leben gerufen. Dennoch sehen sich viele von ihnen mit einer hohen Misserfolgsquote und ausbleibenden Renditen konfrontiert.
Hier mangelt es meist an einem standardisierten und strukturierten Verfahren zur Auswahl und Priorisierung von nutzenoptimalen Business-Analytics-Projekten. Der Überblick zur Strukturierung und Klassifizierung von Business-Analytics, den Anwendungsgebieten sowie einer Systemlandkarte fehlt. Darüber hinaus gibt es kaum Hilfestellungen bei der Ermittlung von Kosten und Aufwand, auch sind sich viele nicht über die beim Einsatz entstehenden Risiken bewusst. Im Projekt ‚BAValue‘ wird ein Entscheidungsmodell realisiert, das mithilfe konkreter Handlungsempfehlungen KMU in die Lage versetzt, BA-Projekte umsetzen zu können und mit ihnen den Unternehmensnutzen zu optimieren.
Dieser Artikel beschreibt ein ausführliches, mit Praxispartnern validiertes Einführungskonzept, um Unternehmen der Nahrungsmittelindustrie mit Hilfe von BA zu unterstützen. Dies soll die zielgerichtete Einführung von BA in der Nahrungsmittelindustrie erleichtern und somit die Konkurrenz- sowie Zukunftsfähigkeit der deutschen Nahrungsmittelindustrie sicherstellen. Für die komfortable Übertragung in die Praxis werden die Ergebnisse dieser Untersuchung sowie weitere Hintergrundinformationen zusätzlich in einem IT-Tool zusammengefasst. Gestützt auf unternehmensindividuellen Eingabeparametern werden dabei typspezifische Handlungsempfehlungen vorgeschlagen. Dieses Tool ist frei verfügbar unter https://projekt-basuccess.de
Ziel des Forschungsprojekts ‚PROmining‘ war die unternehmensneutrale Konzeptionierung, Entwicklung und Realisierung eines webbasierten Demonstrators zur Verbesserung der Prognosefähigkeit und Erhöhung der Kapazitätsauslastung von KMU in der deutschen Steine- und Erdenindustrie. Mit dem geplanten Demonstrator einer Plattformlösung sollte ein Anreiz für KMU geschaffen werden, die digitale Transformation anzugehen und die interne Datenhaltung zu verbessern. Das Projekt wurde vom FIR e. V. an der RWTH Aachen in Kooperation mit dem Institute of Mineral Resources Engineering der RWTH Aachen durchgeführt.
In an increasingly changing market environment, the long-term survival of companies depends on their ability to reduce latencies in adapting to new market conditions. One strategy to meet this challenge is the anchoring of data-driven decision making, which leads to an increasing use of advanced information technologies and, subsequently, to an increase in the amount of data stored. The complexity of processing these data spurred the demand for advanced statistical methods and functions called Business Analytics. Companies are, despite all promised benefits, overwhelmed with the implementation of Business Analytics as indicated by a failure rate of 65 to 80 %. This paper provides an empirically validated, multi-dimensional model that takes an integrative look at critical success factors for the implementation
of Business Analytics and based on which management recommendations can be generated. For this purpose, constructs of the model are conceptualized, before a structural equation model is developed. This model is then validated with data from 69 industrial partners in the food industry. It is shown amongst others, that the three success factors top management support, IT infrastructure and system quality are pivotal to increase the company performance.
Mit der erfolgreichen Durchführung des dritten Expert Circles hat der
Bereich Business Transformation des FIR e. V. an der RWTH Aachen ein
neues Gesprächsformat zum Thema Digital Leadership etabliert. Im
Rahmen der Expert-Circle-Treffen werden aktuelle und zukunfts-
weisende Themen betrachtet. Vorträge aus Praxis und Forschung
schaffen die Basis für spannende Diskussionen
Das Forschungsvorhaben PROmining adressiert die Digitalisierung der deutschen S&E‑Industrie. Das Forschungsziel ist der Aufbau eines Demonstrators einer digitalen Plattform, mit der Unternehmen der S&E-Industrie befähigt werden mittels einer gesteigerten Prognosefähigkeit besser auf schwankende Nachfragen zu reagieren. Die gezielte Entwicklung und Implementierung der Digitalisierung in Form einer Plattformökonomie kann der S&E-Industrie mittelbaren und unmittelbaren Nutzen bieten.
Das Branchenbild der deutschen Steine- und Erdenindustrie (S&E-Industrie) wird von kleinen und mittleren Unternehmen (KMU) dominiert. Als Rückgrat der deutschen Industrie sehen sich die KMU der S&E-Industrie mit komplexen Herausforderungen, insbesondere hinsichtlich der Digitalisierung, konfrontiert. Daraus folgt, dass eine Vielzahl an Risikobarrieren und Hemmschwellen zu einer Einschränkung in der Anpassung an neue Technologien führt und die damit verbundene Ausweitung der Digitalisierung innerhalb der Branche ausbleibt. Die Implementierung aktueller Soft- und Hardwarelösungen erzeugt bislang ein erhöhtes Maß an Mehraufwand, welches aufgrund begrenzter Ressourcen, insbesondere für kleine Betriebe, parallel zum Tagesgeschäft kaum zu bewältigen ist. Darüber hinaus herrscht oftmals ein unzureichendes Datenmanagement vor, welches neben den bisher nicht ausreichend differenziert betrachteten Nachfrageschwankungen zu einer Minderung der Prognostizierbarkeit in S&E-Betrieben führt. Resultierend aus diesen Defiziten ist die betriebsinterne Optimierung der Auslastung nur bedingt möglich. Zudem können andere Betriebe des Unternehmensverbunds zur Verfügung stehende ungenutzte Kapazitäten nicht erkennen. Im Rahmen des Forschungsprojekts 'PROmining' konnte über qualitative Expertengespräche ebenfalls identifiziert werden, dass eine differenzierte, also unternehmensspezifische Art der Erfassung, Speicherung und Nutzung von Daten vorliegt. Es ist folglich keine einheitliche Struktur in der Handhabung von Daten in der Branche festzumachen. Dadurch findet die Analyse von vorhandenen Zustandsdaten häufig nicht statt und die Potenziale der Digitalisierung finden keinen Eingang in die Unternehmensprozesse. Die betriebsinterne Optimierung von Prozessschritten und der Auslastung ist infolge unzureichenden Datenmanagements aktuell nur bedingt möglich. Daher bedarf es Filterung und konkretisierter Bündelung der Daten, um eine zielführende Auswertung und darauffolgende Umsetzung zu initiieren.
Digitalization offers companies strategic advantages through the
simplification and optimization of business processes and is an
important lever for long-term growth. Numerous industries already
benefit from optimized coordination of capacities and resources by
integrating digital technologies into business processes. Digital platforms enable, e. g., the demand-based adjustment of asset capacities at peak loads on the basis of data-based forecasts. In particular, small and medium-sized enterprises in the German quarrying industry have so far been denied access to such technologies due to high investment and operating costs, high implementation efforts and heterogeneous machine fleets. This paper presents the functions of the data-centric platform demonstrator “PROmining” developed in
an AiF research project and validates them using case studies with
companies in the industry. The platform demonstrator offers marginally digitalised companies a tool with functions ranging from simple
operational data collection, the evaluation of capacity utilization,
to scenario development for regional demand, which can be used
as a blueprint within their own company. Thus, companies in the
quarrying sector are provided with a low-effort entry into the digital
transformation and a contribution to long-term competitiveness.
Die Branche der Steine und Erden (S&E) ist durch eine große Vielfalt unterschiedlicher Digitalisierungsgrade geprägt, wodurch ein Großteil der Unternehmen nur bedingt eine datenbasierte, betriebsinterne Optimierung von Prozessschritten und der Auslastung umsetzen kann. Um diese Unternehmen in ihren unterschiedlichen Reifegraden zu unterstützen, können digitale Plattformen eingesetzt werden.