Filtern
Dokumenttyp
Sprache
- Deutsch (22) (entfernen)
Gehört zur Bibliographie
- nein (22)
Schlagworte
- AI (1)
- After-Sales-Services (1)
- BMWK (1)
- Big Data (1)
- Customer-Insight-Management (1)
- Customer-Success-Management (1)
- DLR (1)
- Data Governance (1)
- Data-Analytics (1)
- Datenaufbereitung (1)
Institut / FIR-Bereiche
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.
33 Prozent aller Unternehmen glauben, den Anschluss an Künstliche Intelligenz (KI) zu verlieren. Obwohl KI auf den ersten Blick eine Herausforderung darstellt, kann sie vor allem im Unternehmenskontext eine bedeutende Rolle spielen. Genau da setzt das Programm "KI-Serviceroadmap 2024" des FIR an und zeigt Ihnen den Weg zu KI im Service auf. Das Programm beginnt für alle teilnehmenden Unternehmen mit einem umfassenden Assessment und mündet in der Entwicklung einer detaillierten Roadmap mit Ihrem individuellen Weg zu KI.
Ziel des Beitrags ist es, aufzuzeigen, wie produzierende Unternehmen entlang der Customer-Journey systematisch kundenbezogene Daten erheben können. Nach einer Einleitung zur Motivation der Themenstellung, einer Begriffserläuterung und einer Vorstellung des Studiendesigns wird ein Referenzprozessmodell der Kundeninteraktionen produzierender Unternehmen gestaltet, darauf aufbauend ein Datenmodell des digitalen Schattens der Kundeninteraktionen abgeleitet und zuletzt ein Vorgehensmodell zur Implementierung des digitalen Schattens der Kundeninteraktionen präsentiert.
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.
Wachstum durch Reduzierung?
(2022)
Eine Steigerung des Wertbeitrags der Instandhaltung kann nur im Zusammenspiel mit der Belegschaft sowie internen und externen Anspruchsgruppen geschehen.
Dabei bieten digitale Technologien eine Möglichkeit, Prozesse und Entscheidungen punktuell effizienter und besser zu machen. Eine nachhaltige Transformation muss jedoch nicht nur technologisch, sondern vor allem auch methodisch gestaltet werden.
Dabei müssen bewährte Methoden der zuverlässigkeitsorientierten
Instandhaltung und des Lean Managements mit den digitalen Technologien zusammenspielen, um den größtmöglichen Effekt für das Unternehmen zu erzielen.
ZusammenfassungDieser Beitrag stellt dar, welche Chancen und Herausforderungen mit der Bewertung von Daten sowie der Abbildung monetärer Datenwerte verbunden sind und geht auf mögliche Lösungsansätze zur Bewertung von Unternehmensdatenbeständen, insbesondere im Kontext der industriellen Produktion, ein. Zunächst werden Grundlagen zur Charakterisierung, Nutzung und Verwertung von Daten sowie bestehende Methoden zur Bewertung von immateriellen Vermögensgegenständen dargestellt. Darauf aufbauend werden Chancen und Herausforderungen spezifiziert, potenzielle Lösungsansätze zur Datenbewertung abgeleitet und anschließend Anforderungen für die Datenbewertung beschrieben sowie die nutzenorientierte Datenbewertung skizziert.
In der neuen Expertise des Forschungsbeirats Industrie 4.0 untersuchen das FIR e. V. an der RWTH Aachen und das Industrie 4.0 Maturity Center den Status-quo und die aktuellen Herausforderungen der deutschen Industrie bei der Nutzung und wirtschaftlichen Verwertung von industriellen Daten. Handlungsoptionen für Unternehmen, Verbände, Politik und Wissenschaft zeigen auf, wie der Nutzungsgrad der Datenbasis erhöht werden kann und wie sich Potenziale bei der Monetarisierung ausschöpfen lassen. Der Fokus liegt dabei auf produzierenden Unternehmen.
Maschinen- und Anlagenbauer setzen sich in Ergänzung zum
klassischen Verkauf von Produkten und Services zunehmend mit sog.
Subskriptionsgeschäftsmodellen auseinander. Ertragsmechaniken wie
Pay-per-Use oder Pay-per-Outcome, ein auf den individuellen Kundenerfolg
ausgerichtetes Nutzenversprechen, digitale und über das Internet
of Things vernetzte Leistungssysteme, bestehend aus Produkten,
Services und Software, sowie eine langfristig orientierte, partnerschaftliche
Kundenbeziehung sind Voraussetzungen und charakteristische
Merkmale von Subskriptionsgeschäften. Da der Anbietererfolg im
Subskriptionsgeschäft in direkter Abhängigkeit zum Kundenerfolg
steht, erfordert das Subskriptionsgeschäft den Auf- und Ausbau
eines sog. Customer-Success-Managements (CSM). Das CSM ist im
Gegensatz zum Vertrieb oder Service vollständig auf den Erfolg, d. h.
die Zielerreichung der individuellen Subskriptionskunden, ausgerichtet
und incentiviert. Das CSM überwacht die Nutzungsphase der Produkte
und Services und unterstützt die Subskriptionskunden proaktiv bei der
Erreichung und Steigerung ihrer individuellen Ziele. Während das CSM
in der Softwareindustrie bereits seit einigen Jahren etabliert ist, befinden
sich Unternehmen im Maschinen- und Anlagenbau vielfach noch in der
Konzeptionierungsphase eines CSMs. Das Ziel dieser Dissertationsschrift
besteht daher darin, ein konfigurierbares Referenzmodell für das CSM im
Maschinen- und Anlagenbau zu entwickeln, das Unternehmen bei der
unternehmensspezifischen Ableitung eines CSM-Modells entlang ausgewählter
Konfigurationsparameter unterstützt. Mit dem Referenzmodell
soll vor allem die Effizienz bei der Gestaltung der CSM-Ablauforganisation
gesteigert werden. Auf Basis einer spezifizierten Vorgehensweise
zur konfigurativen Referenzmodellierung werden in dieser Dissertationsschrift
zunächst Konfigurationsparameter für das CSM-Referenzmodell
hergeleitet. Anschließend erfolgt der Entwurf des Ordnungsrahmens,
der als übergeordneter Einstieg in das CSM-Referenzmodell dient.
Daraufhin werden sowohl ein Daten- als auch ein Funktionsmodell entwickelt,
um die zahlreichen, notwendigen Datenpunkte und Aufgaben
im CSM systematisch abzubilden. Die beiden Modelle werden im
Anschluss über 17 modular gestaltete Prozessmodelle integriert. Das
Referenzmodell wird abschließend zur Güteprüfung in drei ausgewählten
Fallstudien mit Unternehmen des Maschinen- und Anlagenbaus
wiederverwendet und evaluiert.
Augmented Reality (AR) bietet ein großes Nutzenpotenzial im Bereich der industriellen Dienstleistungen. Der genaue monetäre und qualitative Nutzen ist jedoch, wie bei IT-Investitionen im Allgemeinen, schwer zu bewerten. Im Rahmen des Forschungsprojekts Datenmanagement for Augmented Reality (DM4AR) wurde aus diesem Grund ein Bewertungsmodell entwickelt, welches den Nutzen von AR im industriellen Service messbar macht.