Filtern
Dokumenttyp
Sprache
- Deutsch (31) (entfernen)
Gehört zur Bibliographie
- nein (31)
Schlagworte
- Agrarproduktion (1)
- Applitationsplattform (1)
- Case Competition (1)
- Crowd-Innovation (1)
- Daten (1)
- Datenaustausch (1)
- Datenbasierte Dienstleistungen (4)
- Dienstleistungen (1)
- Digitale Plattform (1)
- Digitale Transformation (1)
Institut / FIR-Bereiche
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.
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).
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.
Die Landwirtschaft steht in den nächsten Jahren vor einer Reihe gravierender Veränderungen. Die steigende Weltbevölkerung muss bei einer gleichbleibenden Versorgungsfläche auch in Zukunft ernährt werden. Datenbasierte Dienstleistungen ermöglichen diese Produktivitätssteigerungen, indem sie Landwirte bei der Ernte unterstützen und Handlungsempfehlungen geben. Die nPotato als Smart Product und darauf aufbauende Smart Services ermöglichen es Landwirten, ihre Erntemaschinen während der Ernte an sich verändernde Bedingungen anzupassen, um den Ertrag durch optimale Maschineneinstellungen zu maximieren. Der folgende Beitrag beschreibt die systematische Entwicklung dieses Smart Service, erläutert die dahinterliegende technische Architektur und zeigt dessen Potenziale und mögliche Geschäftsmodelle auf.