FIR e. V. an der RWTH Aachen
Refine
Year of publication
- 2024 (29) (remove)
Document Type
- Master's Thesis (10)
- Contribution to a Periodical (8)
- Conference Proceeding (3)
- Bachelor Thesis (2)
- Internet Paper (2)
- Report (2)
- Article (1)
- Doctoral Thesis (1)
Language
- German (19)
- English (5)
- Multiple languages (5)
Is part of the Bibliography
- no (29)
Keywords
- 01 (10)
- 02 (3)
- 03 (3)
- 04 (1)
- AI (2)
- Abo-Modell (1)
- Abonnement (1)
- Anforderung (1)
- Artificial intelligence (1)
- Augmented reality (1)
Institute
GAIA-X-Reifegradmodell
(2024)
Um die wachsenden Kundenanforderungen und die damit verbundene Komplexitätssteigerung der aktuellen Herausforderungen zu bewältigen, öffnen Unternehmen ihre Wertschöpfungsketten, reduzieren ihre Fertigungstiefe und gehen zunehmend Kooperationen ein. Der unternehmensübergreifende Datenaustausch entlang der Supply-Chain wird damit zu einer Schlüsselkomponente für die Wettbewerbsfähigkeit und die Realisierung kundenspezifischer Lösungen. Aus diesem Grund hat die Europäische Union das Projekt GAIA-X ins Leben gerufen, dessen Ziel es ist, die nächste Generation der Dateninfrastruktur für Europa und seine Unternehmen zu schaffen. Das GAIA-X-Reifegradmodell bietet einen Ansatz zur Einordnung von Unternehmen in verschiedene Entwicklungsstufen und liefert konkrete Anforderungen für die Weiterentwicklung entlang eines vorgegebenen Entwicklungspfades hin zu einem vollwertigen Teilnehmer an der föderierten GAIA-X-Dateninfrastruktur.
Die moderne Arbeitswelt erfordert neue Kompetenzen, insbesondere im kognitiven, sozialen und technologischen Bereich. Die angestrebten Ergebnisse des Forschungsprojekts ‚pro-kom‘ sollen kleine und mittlere Unternehmen (KMU) dazu befähigen, zukünftige Kompetenzbedarfe frühzeitig zu identifizieren und bestehende Lücken zu schließen. Mithilfe eines Kompetenzprognose-Tools sollen KMU so in die Lage versetzt werden, ihre Wettbewerbsfähigkeit in der gegenwärtigen, sich kontinuierlich verändernden Arbeitswelt zu erhalten. Mit diesem Ziel ist das AiF-Projekt ‚pro-kom‘ mit einer Laufzeit von zwei Jahren gestartet. Die Grundlage für das Projekt bildet eine Analyse der relevanten Kompetenzen sowie Kompetenzmodelle. In den durchgeführten Expert:inneninterviews wurden zudem die Relevanz des Themas und die Herausforderungen bei der Implementierung von Kompetenzmanagement deutlich. Darüber hinaus zeigte sich, dass das Thema Künstliche Intelligenz (KI) bei KMU zwar auf Interesse stößt, die praktische Umsetzung jedoch bislang eine untergeordnete Rolle spielt.
Die Relevanz zur Vorbereitung auf Störungen nimmt durch das volatile Umfeld, steigende Komplexität und zunehmende Abhängigkeiten zwischen verschiedenen Akteuren in Supply-Chains für produzierende Unternehmen zu. Häufig verfolgte Ansätze zur Schaffung effizienter Strukturen und Reduktion von Kosten erhöhen die Anfälligkeit gegenüber Störungen. Vergangene Störungen haben dabei insbesondere zu Problemen im Bereich der Beschaffung geführt. Der Aufbau von Resilienz unterstützt den Umgang mit unvorhersehbaren Ereignissen. Je höher die Resilienz ist, desto geringer ist der negative Einfluss einer Störung und desto schneller ist eine Rückkehr in den ursprünglichen oder einen besseren Zustand möglich. Obwohl der Bedarf zur Steigerung der Resilienz von vielen Unternehmen erkannt wird, wird dies häufig nicht systematisch umgesetzt. Herausforderungen beim Aufbau einer resilienten Beschaffung stellen mangelndes Wissen über das multidimensionale Resilienzkonzept und konkrete Gestaltungsoptionen sowie fehlende praktische Methoden für den gezielten Aufbau der Resilienz dar. Insbesondere die Auswahl und Kombination der richtigen Maßnahmen wird aufgrund nicht ausreichend beschriebener Beiträge der Maßnahmen zur Resilienz erschwert. Ziel der vorliegenden Dissertationsschrift ist daher die Entwicklung einer Methode zur systematischen Konfiguration der Resilienz in der Beschaffung. Die entwickelte Methode ermöglicht Unternehmen die strukturierte Auswahl und Kombination von Gestaltungsoptionen in der Beschaffung unter Berücksichtigung der verschiedenen Komponenten und Zielrichtungen der Resilienz. Hierzu wird zunächst ein Ordnungsrahmen zur Beschreibung und Strukturierung der Resilienz entwickelt und für den Kontext der Beschaffung konkretisiert. Als wesentliche Grundlage für die systematische Konfiguration der Resilienz erfolgen anschließend die Entwicklung eines strukturierten Resilienzpotenzialkatalogs und die Identifikation von Potenzialkategorien. Resilienzpotenziale stellen dabei Gestaltungsoptionen zum Aufbau der Resilienz dar. Die Methode zur systematischen Konfiguration der Resilienz führt die entwickelten Ergebnisse zusammen und stellt die praktische Anwendbarkeit sicher. Durch die ganzheitliche Betrachtung der Resilienz und der Resilienzpotenziale kann eine gezielte Gestaltung der Resilienz erreicht werden, die bislang aufgrund eines fehlenden Verständnisses der relevanten Aspekte der Resilienz und der Wirkung der Gestaltungsoptionen erschwert wurde.
(Quelle: https://www.apprimus-verlag.de/systematische-konfiguration-der-resilienz-in-der-beschaffung.html)
In der Ära, in der Daten als „neues Gold“ bezeichnet werden, deckt eine Expertise die Kluft zwischen Erkennen und Nutzen dieses Schatzes auf. Sie bietet präzise Einblicke in die Datenmonetarisierung in Deutschland, legt verborgene Potenziale offen und liefert praxisnahe Handlungsempfehlungen, um produzierenden Unternehmen zu helfen, den wahren Wert ihrer Daten gewinnbringend zu nutzen.
Ziel des Forschungsprojekts ‚DM4AR‘ war es, Servicewissen skalierbar und einfach nutzbar zu machen, indem automatisch Augmented-Reality-Inhalte aus verschiedenen Datenquellen generiert werden.
Nutzen für die Zielgruppe:
Durch die Ergebnisse des Projekts ‚DM4AR‘ kann zukünftig die wesentliche Barriere für die flächendeckende und produktive Nutzung der AR-Technologie durch die Etablierung eines plattformbasierten und automatisierten Ansatzes zur Datenaufbereitung überwunden werden. Dabei steht die einfache Integration in den operativen Serviceprozess im Vordergrund, um den Nutzen zu maximieren und die Umstellung der Serviceprozesse zu vereinfachen. Die ‚DM4AR‘-Ergebnisse ermöglichen somit die Sicherung und den gezielten Einsatz des im Unternehmen vorhandenen Wissens.
Reinforced through the pandemic and shaped by digitalization, today's professional working environment is in a state of transformation. Working remotely has become a vital component of many professions' regular routines. The design of remote work environments presents challenges to organizations of all sizes. By providing a classification, this paper reveals a comprehensive understanding of the fields of design to be considered to establish lasting remote work concepts in organizations. A hierarchical classification with four dimensions consisting of human, technology, organization, and culture, seven design elements and, twenty design parameters indicates to organizations the fields of design that need to be examined. To satisfy both the theoretical foundation and the practical application, design elements are derived by implementing a systematic review of the literature that represents key areas of interest for remote work. Additionally, these are verified and complemented by a dedicated case study research to incorporate practice-oriented design parameters.
Die Klima- und Energiepolitik führt zu einem schnellen Wandel des deutschen Energieversorgungssystems, wobei der verstärkte Einsatz erneuerbarer Energien neue Herausforderungen für das Stromverteilnetz mit sich bringt. Diese Arbeit untersucht die Notwendigkeit einer dynamischen Netzinfrastruktur, um die fluktuierende Energieerzeugung effizient zu integrieren und neue Verbraucher wie Elektromobilität zu versorgen. Dabei spielen die Vielfalt und das zunehmende Alter der Anlagen im Verteilnetz eine Rolle, ebenso wie der Fachkräftemangel und steigende Netzentgelte. Ein zentraler Ansatz zur Bewältigung dieser Herausforderungen ist die Implementierung von künstlicher Intelligenz und fortschrittlicher Technologie, um eine proaktive Instandhaltung des Netzes zu ermöglichen. Ziel der Arbeit ist es, ein Geschäftsmodell auf Basis künstlicher Intelligenz für die Instandhaltung des Stromverteilnetzes zu entwickeln und damit wirtschaftliche Einsatzmöglichkeiten für solche Konzepte aufzuzeigen. Die Forschungsfragen konzentrieren sich auf die Herausforderungen der Netzbetreiber, ihre Bedarfe und Anforderungen sowie die Möglichkeiten, die künstliche Intelligenz bietet.
Industry 4.0 and smart factories have brought significant advancements in manufacturing processes, particularly in intralogistics. A key factor which forms the basis for creating smart intralogistics systems is data. However, there exist several data-related issues that hamper the efficiency of the intralogistics process such as data unavailability, poor data quality, inconsistent data, or underutilization of available data. The challenge is to identify, categorize, evaluate, and solve these issues. Overcoming this will help organizations understand the most impactful challenges.
By analysing real-world scenarios and interviewing industry experts, the problems present within the intralogistics process that are caused by the previously mentioned data-related factors are identified. The identified issues are clustered, and the clusters are characterized. A literature review explores the existing solutions or approaches to overcome these limitations. Subsequently finding out if the identified problems can be solved with current technologies and approaches or further research and development is needed. Next, a framework is developed which will act as a guide on the classification, evaluation and prioritization of the identified challenges. In the final part, the framework is validated on an industry specific use case and its limitations and future scope are discussed.
This master thesis emphasizes the significance of data in intralogistics processes by identifying and addressing data-related issues. The outcome on one hand is state-of-the-art solutions for the identified problems and on the other hand is a framework which will support businesses in determining how to tackle data-related issues to gain most benefit with respect to efficiency, productivity, flexibility and quality.