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
Crowd-Innovation
(2020)
Ideen für erfolgreiche Innovationen müssen nicht immer aus den eigenen Reihen stammen – das wusste bereits die englische Regierung im 18. Jahrhundert. Eine ähnlich diffuse Aufgabe wie die der Entdeckung neuer Kontinente steht nun der produzierenden Industrie bevor: der Aufbruch ins Zeitalter der digitalen Dienstleistungen. Impulse für digitale Geschäftsmodelle können Unternehmen von Studierenden im Rahmen der Crowd-Innovation erhalten. Hierzu bietet das Center Smart Services ein bewährtes Konzept, das den Unternehmen einen einfachen Zugang zu motivierten Studierenden gewährt.
Die digitale Kartoffel
(2017)
Die neuen Leistungsträger
(2017)
Digitale Service-Kultur
(2018)
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.
Intelligente Kartoffeln
(2017)
Im Märzen der Bauer sein Tablet checkt: Längst etablieren sich digitale Techniken auch in der Landwirtschaft. Sie sorgen hier für mehr Effizienz und helfen dabei, umweltschonender Getreide und Gemüse zu produzieren oder Tiere aufzuziehen. Der Verbraucher kann sich auf sichere Herkunfts- und Inhaltsnachweise freuen.
Seit nunmehr sieben Jahren richtet das FIR an der RWTH Aachen einen Ideenwettbewerb aus. Studierende aller Fachrichtungen sind jedes Jahr aufgerufen, die Problemstellung des beteiligten Unternehmenspartners zu lösen. Ob innovative Dienstleistungen für Fitness-Armbänder, neue Geschäftsmodelle für industrielle Machine-to-Machine-Anwendungen oder Konzepte für die intelligente Ersatzteillogistik - die Case-Competition bietet den Studierenden jedes Jahr aufs Neue die Chance, an praxisrelevanten Themen zu arbeiten und die Unternehmen mit ihrer Lösung zu überzeugen.
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.