62 Ingenieurwissenschaften
Refine
Year of publication
- 2023 (40) (remove)
Document Type
- Contribution to a Periodical (18)
- Conference Proceeding (8)
- Part of a Book (4)
- Report (4)
- Doctoral Thesis (3)
- Article (1)
- Internet Paper (1)
- Working Paper (1)
Language
- German (16)
- Multiple languages (14)
- English (10)
Is part of the Bibliography
- no (40)
Keywords
- 1 (1)
- 3-Phasen-Konzept (1)
- AI (1)
- AR (1)
- Additive Fertigung (1)
- Akzeptanz (1)
- Algorithmus (1)
- Anlagenbau (1)
- Anreizsysteme (1)
- B2B Customer Service (1)
Institute
- Dienstleistungsmanagement (40) (remove)
Das Ziel des Forschungsprojekts "Future Data Assets" bestand in der monetären Bewertung des unternehmerischen Datenkapitals. Dazu wurden die Entwicklung und Instanziierung einer sogenannten "Datenbilanz" angestrebt. Die Datenbilanz soll dem Reporting der unternehmerischen Fähigkeit der Datenbewirtschaftung dienen und damit eine Lücke im Hinblick auf die klassische Berichterstattung schließen, in der Daten kaum betrachtet bzw. systematisch bewertet werden.
Ziel des Forschungsprojekts „Chatbot im Service“ war die Entwicklung eines praxisnahen Einführungskonzepts für Chatbots in B2B-Serviceleistungen, insbesondere für KMU der produzierenden Unternehmen. Wichtige Aspekte, die berücksichtigt wurden, waren dabei eine Technologieübersicht, Datenmanagement, Wirtschaftlichkeit und Akzeptanz.
Die neue Expertise des Forschungsbeirats Industrie 4.0 bei der acatech beschäftigt sich mit der Frage, wie hiesige Unternehmen ihre Datenbasis aufbauen, nutzen und monetarisieren. Aus Umfrage-Erkenntnissen haben die Experten Handlungsoptionen abgeleitet, mit denen Firmen ihre Daten Schritt für Schritt in den Dienst der eigenen Wertschöpfung stellen können.
In einer sich ständig verändernden Welt, die geprägt ist vom demografischen Wandel, von den Anforderungen einer Wissensgesellschaft und einem immer akuter werdenden Fachkräftemangel, bedarf es innovativer Lösungen mehr denn je. Solch eine Lösung gelang im Verbundprojekt ‚DM4AR‘, das Ende Mai 2023 erfolgreich beendet werden konnte. Mit der Entwicklung einer AR-Plattform, die individuelles Wissen in organisatorischen Mehrwert transformiert, beantwortete das DM4AR-Projektteam diese Herausforderungen. Die DM4AR-Plattform sammelt, verarbeitet und teilt Expert:innenwissen, was zu effizienterem und ressourcenschonenderem Arbeiten im industriellen Service führt. Somit ermöglichen die Projektergebnisse von DM4AR einen wichtigen Fortschritt in der Nutzung von Augmented Reality zur Wissenskonservierung, -erweiterung und -weitergabe.
Das Projekt ‚KI-LIAS – Künstliche Intelligenz für lernförderliche industrielle Assistenzsysteme (Laufzeit: 23.11.2020 – 22.11.2023) diente dem Ziel, die Einbindung digitaler und KI-unterstützter Produkte wie etwa Apps als Entscheidungsunterstützung in der Industrie zu untersuchen und ein Lebenszyklusmodell dieser Produkte von der Einführung bis zur Nutzung zu entwickeln. Vor allem kleine und mittlere Unternehmen
(KMU) stehen bei der Einführung von Künstlicher Intelligenz (KI) vor erheblichen Herausforderungen und können nun von den Projektergebnissen und den dezidiert validierten Handlungsempfehlungen des Projekts ‚KI-LIAS‘ profitieren.
Die Dienstleistungswende und die steigende Individualisierung machen die stetige Erweiterung von Serviceportfolien unerlässlich. Doch gleichzeitig wird damit die Übersichtlichkeit des Portfolios geringer und es entstehen Kosten, die sich direkt oder indirekt langfristig in den Bilanzen von Unternehmen niederschlagen. Zu Beginn unseres Projekts ‚KomID‘ wurden hierzu die größten Komplexitätstreiber identifiziert und diese im Rahmen einer Fragebogenstudie validiert. Im nächsten Schritt werden Lösungsansätze erarbeitet. Zur Lösung dieser Probleme und als Antwort auf die Komplexitätstreiber wurden bereits erste Ansätze wie die KI-geführte Beantwortung von Support-Anfragen aufgenommen. Gemeinsam mit dem Forschungsinstitut für Unternehmensführung, Logistik und Produktion der Technischen Universität München erforscht das FIR im Projekt ‚KomiD – Komplexitätsmanagement industrieller Dienstleistungssysteme‘ diese Lösungsansätze.
Lastwagen verursachen etwa 10 Prozent der weltweiten CO2-Emissionen. Zur Erreichung nationaler und internationaler Klimaziele müssen zwingend alternative Antriebe im Fernverkehr eingesetzt werden. Um die Voraussetzungen für diesen notwendigen Wandel zu schaffen, wird im Projekt ‚DRivE‘ der Innovationsinitiative mFUND des Bundesministeriums für Digitales und Verkehr (BMDV) ein datenbasierter Algorithmus entwickelt, um die Routen von Lkw mit alternativen Antrieben zu planen. Eine speditionsübergreifende Koordination unter Berücksichtigung von
Echtzeitdaten kann wesentlich zum Klimaschutz beitragen und steigert gleichzeitig die Effizienz und Wirtschaftlichkeit des Transportsektors.
Im Zuge des in der Einleitung vorgestellten GALA-Projekts wurden vom Konsortialführer, dem FIR e. V. an der RWTH Aachen, Themenworkshops zu den vier definierten Leitthemen ‚Mensch-Maschine-Interaktion‘, ‚Gesundes Arbeiten‘, ‚Digitale Kollaboration‘ sowie ‚Agilität und Innovation‘ durchgeführt. Ziel dieser vier Workshops war es, die Einstellungen, Meinungen, Beurteilungskriterien und Ideen der Anwendungs- und Unternehmenspartner zu den vier Leitthemen zu erfassen und neue Hypothesen und Ideen zu generieren.
Im Vorfeld wurde eine umfassende Literaturrecherche zur Aufarbeitung des Forschungsstands innerhalb der vier Leitthemen durchgeführt und es wurden Publikationen ausgewertet, um eine theoretische Basis für die Workshops zu schaffen.
In diesem Beitrag werden einige Grundlagen zu den jeweiligen Leitthemen aufbauend auf der Literaturanalyse vorgestellt. Im Anschluss daran werden jeweils die Ergebnisse der einzelnen Themenworkshops genauer beschrieben und in den theoretischen Hintergrund eingebettet. Jene bieten einen ersten Eindruck, wie die vier Leitthemen von Praktiker:innen aus der Gesundheitsbranche der Region Aachen eingeschätzt werden.
Smart Services – die effektive Trias aus Produkt, Service und kundenorientiertem Leistungsversprechen – bieten Chancen für produktionsorientierte Unternehmen eine Differenzierung und neue Marktchancen zu erreichen. Der bislang geringe Einsatz von Smart Services zeigt, dass im produzierenden Gewerbe vielschichtige Herausforderungen bestehen, die Bausteine Produkt, Service und Leistungsversprechen zu nachhaltigen und wettbewerbsfähigen Smart Services zu kombinieren, erfolgreiche Geschäftsmodelle abzuleiten und Organisationen auf das Smart-Service-Geschäft anzupassen. Nur die großen Player schaffen dies eigenständig, der Innovationsstandort Deutschland lebt aber auch von seinen Hidden Champions: Kleinunternehmen und Mittelständlern.
Big data are collected along the entire food industry value chain, but remain mostly unused. Data sharing in data ecosystems could lead to efficiency gains and new revenue streams. We investigate data sharing within food industry and derive challenges and opportunities for data sharing in this context. We conducted interviews with ten qualified experts from the German food industry. The results reveal that mainly trust, usefulness and value influence users’ attitude towards data sharing. Our results confirm social exchange theory in conjunction with technology acceptance model as relevant underlying IS theories of data sharing.