Refine
Document Type
- Contribution to a Periodical (6)
- Part of a Book (5)
- Conference Proceeding (4)
- Book (2)
- doctorallecture (1)
- Doctoral Thesis (1)
- Report (1)
Is part of the Bibliography
- no (20)
Keywords
- Adaptation models (1)
- Agile Entwicklung (1)
- Analytics (1)
- Business Analytics (1)
- Business Analytics Methods (1)
- Business Model (1)
- Business Transformation (1)
- Business-Analytics (1)
- Business-Analytics-Methoden (1)
- Change Management (1)
Institute
To stay competitive, the central challenge for many companies at present is to master the process of transformation in the sense of a fundamental redesign of central processes or even of the entire company. Digitization and the need to redefine and reposition oneself in a sustainable economy are just two examples of the main drivers of this transformation. In this context, the basic question of the fundamental necessity of a comprehensive transformation in the sense of a business transformation no longer even arises for most companies in the age of digital transformation. Instead, the focus is on the question of how companies can manage the complexity associated with the scope of a transformation and the necessary changes in terms of the business strategy and on how to ensure the efficiency and success of the transformation. The challenge is to simultaneously design new structures and systems on the substantive level and also to break up established patterns of behavior.
Viele Branchen stehen am Anfang der digitalen Transformation bzw. werden bereits grundlegend von ihr verändert. Im Zeitalter der digitalen Transformation steht somit die Frage im Mittelpunkt, wie Unternehmen die notwendigen Veränderungen angehen und den Erfolg der Transformation gewährleisten können. Datenbasierte Dienstleistungen sind dabei ein konsequenter nächster Schritt im Wandel der Unternehmen vom Investitionsgüterhersteller zum Lösungsanbieter. Nichtsdestotrotz scheitern viele Premiumhersteller trotz ihrer hohen digitalen Wettbewerbsfähigkeit bei der Entwicklung und Einführung von datenbasierten Dienstleistungen. Der Beitrag zeigt zunächst Merkmale und Ausprägungen datenbasierter Dienstleistungen auf. Da sich die klassischen Methoden des Service Engineerings nicht ausreichend schnell an digitalisierte Komponenten und geänderte Voraussetzungen angepasst haben, wird mit dem Smart Service Engineering ein neuer Ansatz vorgestellt, der agile und kundenorientierte Methoden implementiert. Zuletzt werden Muster und Entwicklungspfade der digitalen Transformation detailliert analysiert und Handlungsempfehlungen für Anbieter datenbasierter Dienstleistungen abgeleitet.
Der Einsatz von Business-Analytics wird für produzierende Unternehmen zunehmend zum strategischen Erfolgsfaktor. Dabei stellt vor allem die Vielzahl der zur Verfügung stehenden Business-Analytics-Methoden und deren Einsatzmöglichkeiten viele Praktiker vor Herausforderungen. Diese Arbeit setzt an diesen Barrieren an und gibt Praktikern ein Methodenset an die Hand, mit dessen Hilfe es möglich ist zu bewerten welche Methoden für welche Problemstellung und welche Datengrundlage geeignet sind.
Im Zuge der Digitalisierung der Industrie stieg die Menge an erhobenen Daten aus unterschiedlichsten internen und externen Quellen in den letzten Jahren exponentiell an. Diese Entwicklung wird sich fortsetzen. Insbesondere Unternehmen des Maschi-nen- und Anlagebaus verfügen über eine Vielzahl von ungenutzten Nutzungs- bzw. Kundendaten. Hier setzt das Vorhaben ServiceAnalytics an.
Integrierte Sensoren innerhalb der Maschinen liefern kontinuierlich Daten über den Zustand der verbauten Komponenten und deren Nutzung (bspw. Verschleiß, Warnun-gen, Störungsmeldungen, Fehlercodes, Ereignismeldungen, aber auch Umgebungs-daten wie Temperatur, Feuchtigkeit, etc.). Auf diese können die Hersteller heute oft-mals mittels der Basistechnologie des Internets in Echtzeit zugreifen und sie somit nutzbar machen. Besonders im Bereich des Dienstleistungsgeschäfts können die auf-genommenen Daten genutzt werden, um damit sowohl das Dienstleistungsportfolio zu erweitern als auch die Profitabilität des bestehenden Dienstleistungsgeschäf-tes erhöhen. Dafür stehen die Unternehmen vor der Herausforderung eigene Daten-analyse-Fähigkeiten zu entwickeln. Diese Fähigkeit wird in der Literatur Business-Ana-lytics genannt und befähigt die Unternehmen dazu, die erhobenen Daten mittels ge-eigneter Analyseinstrumente auszuwerten, um eine bessere Entscheidungsgrundlage für geschäftsrelevante Fragestellungen zu schaffen (s. CHEN ET AL. 2012). Um die ge-nerierten Daten zu nutzen, damit die vorhandenen Potenziale im Dienstleistungsge-schäft realisiert werden können, müssen sich Unternehmen daher weiterentwickeln und ein Geschäftsfeld Service-Analytics aufbauen. Unter Service-Analytics wird in diesem Zusammenhang die Anwendung von Business-Analytics im Dienstleistungs-geschäft verstanden. In diesem Zuge durchlaufen die Unternehmen einen Transfor-mationsprozess, der durch unterschiedlichste Herausforderungen gekennzeichnet ist. So stoßen die potenziellen Anbieter der datenbasierten Dienstleistungen während des Wandels auf eine dynamische Unternehmensumwelt. Wechselnde Kundenbe-dürfnisse, schnell reagierende Wettbewerber und sich rasant wandelnde Technologien sind nur einige der Faktoren, die auf die Unternehmen wirken. Diese Herausforde-rungen gilt es durch geeignete Instrumente zu adressieren, um das neue Geschäfts-feld Service-Analytics nachhaltig und mit Erfolg aufzubauen. Häufig fehlt es jedoch insbesondere klein- und mittelständischen Unternehmen an dem nötigen Fach- und Prozesswissen, um die Datenerhebung und -auswertung wirtschaftlich rentabel zu ge-stalten.
So bestand das Ziel des Forschungsprojektes ServiceAnalytics darin, klein- und mit-telständische Unternehmen (kmU) des Maschinen- und Anlagebaus zur Anwendung von Service-Analytics zu befähigen mit dem Ziel die Dienstleistungsprofitabilität zu steigern.
Metropolitan Cities
(2019)
Durch die Vernetzung und Mobilisierung von geografisch verteilten Orten soll eine europäische Modellmetropole mit einzigartigem Charakter entstehen. Dies haben sich zahlreiche Unternehmen, Forschungseinrichtungen und die öffentliche Hand für die Entwicklung der fünftgrößten Metropolregion Europas, der Metropolregion Rhein-Ruhr, zum Ziel gesetzt und die Initiative METROPOLITAN CITIES ins Leben gerufen. Ausgehend vom Potenzial von über 12 Mio. Einwohnern, etwa 400.000 Studierenden,den meisten Start-up-Gründungen in der Republik,etablierten Konzernen und High-Tech-Start-ups, wurde eine einzigartige Vision für METROPOLITAN CITIES formuliert: die Abschaffung aller innovations-und mobilitäisbehindernder Barrieren. Die Region soll sich verhalten und entwickeln wie „ein großes Ganzes". Ökosysteme für Innovationen sollen forciert werden und Innovationen sollen unmittelbar in der Region umgesetzt und erprobt werden. Dass dies funktionieren kann, soll anhand der Bewerbung der Metropolregion Rhein-Ruhr um die Olympischen und Paralympischen Spiele 2032 demonstriert werden.
Metropolitan Cities
(2019)
Durch die Vernetzung und Mobilisierung von geografisch verteilten Orten soll eine europäische Modellmetropole mit einzigartigem Charakter entstehen. Dies haben sich zahlreiche Unternehmen, Forschungseinrichtungen und die öffentliche Hand für die Entwicklung der fünftgrößten Metropolregion Europas zum Ziel gesetzt.
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.
Smart-Service-Engineering
(2019)
Die Industrie 4.0 hält viele Möglichkeiten für produzierende Unternehmen bereit, während sie zeitgleich eine Menge Herausforderungen kreiert. In diesem digitalisierten
und globalisierten Marktplatz kommen viele Unternehmen unter Druck, serviceorientierter zu werden und innovative Dienstleistungen wie Smart Services anzubieten. Die digitalen Services schaffen ihren Wert durch die Erweiterung von physischen Produkten. Jedoch haben sich die klassischen Methoden des Service-Engineerings (SE) nicht in ausreichendem Tempo an die digitalisierten Komponenten und veränderten Voraussetzungen angepasst. Hier wird das Smart-Service-Engineering (SSE) als neuer Ansatz für industrielle Smart Services vorgestellt. Smart-Service-Engineering basiert auf einem iterativen Entwicklungsmodell, das agile und kundenorientierte Methoden zur Verringerung der Entwicklungszeit implementiert, um einen frühen Markterfolg zu erreichen. Dabei liegt der Fokus auf den Service-Entwicklungsstufen und der Interaktion dieser Elemente des Smart Service. Schlussendlich illustriert der Beitrag die erfolgreiche Umsetzung des Smart-Service-Engineering-Ansatzes auf ein deutsches mittelständisches Unternehmen der Textilindustrie.
Patterns of Digitization
(2019)
This article describes the results of a survey designed to assess how companies are implementing digital transformation, including the various strategies they employ and the actions they take to achieve large-scale transformations. While a few companies seem to reach front-runner status, the majority seem to lag behind. This phenomenon is a top concern of boardrooms worldwide and motivated the development of this study. To help these organizations, we highlight differentiated strategic principles and characteristics of the companies' design processes digitally mature companies undertake to transform their businesses. These insights should help lagging companies understand what is involved in implementing a digital transformation and what they need to do to enforce this transformation.