Refine
Document Type
- Article (2)
- Book (4)
- Part of a Book (10)
- Conference Proceeding (3)
- Contribution to a Periodical (12)
- doctorallecture (1)
- Doctoral Thesis (1)
- Internet Paper (2)
- Report (4)
- Working Paper (4)
Language
- German (43) (remove)
Is part of the Bibliography
- no (43)
Keywords
- ADAM (2)
- Abschlussbericht (1)
- Anforderungen (1)
- Anforderungserhebung (1)
- Anforderungsermittlung (1)
- Anforderungsmanagement (1)
- Ausbildung (1)
- Automobilindustrie (1)
- Autonome Elektromobilität (1)
- BMBF (1)
Institute
Durch die Energiewende getrieben, muss sich die Energielandschaft in Deutschland verändern, um wettbewerbsfähig zu bleiben. Im Rahmen der dafür durch den Gesetzgeber unterstützten Forschungsanstrengungen wird in dem Projekt ‚EWIMA‘ (Laufzeit 01.03.2017 – 29.02.2020) der Nutzen virtueller Kraftwerke evaluiert. In der letzten Projektphase liegt der Fokus auf der prototypischen Umsetzung des Projekts in fünf definierten Hubs in Nordrhein-Westfalen sowie der Validierung der Projektergebnisse in Feldversuchen. Das Vorhaben wird im Rahmen des Leitmarktwettbewerbs VirtuelleKraftwerke.NRW durch den Europäischen Fonds für regionale Entwickung (EFRE.NRW) und die Landesregierung Nordrhein-Westfalen gefördert.
Prinzipien zur erfolgreichen Umsetzung von KI-Geschäftsmodellinnovationen
In Zeiten des zunehmenden globalen Wettbewerbs und hoch vernetzter Wertschöpfungsketten entwickelt sich Künstliche Intelligenz zu einem immer wichtiger werdenden Wettbewerbsfaktor für Unternehmen am Wirtschaftsstandort Deutschland. Durch den Einsatz von KI-Verfahren können nicht nur interne Geschäftsprozesse kostensenkend optimiert, sondern auch neue, digitale Geschäftsfelder und -modelle erschlossen werden. Es lassen sich zum einen Trends identifizieren, denen der Einsatz von KI in deutschen Unternehmen folgt. Zum anderen zeigt sich, dass sich KI unterschiedlich stark auf verschiedene Dimensionen innovativer Geschäftsmodelle auswirkt. Insgesamt lassen sich so Prinzipien ableiten, die die erfolgreiche Umsetzung von KI-Geschäftsmodellinnovationen beschreiben.
Neue Technologie- und Anwendungstrends kennzeichnen KI-Nutzung
Die tatsächliche KI-Landschaft in den Wertschöpfungsketten von KI-nutzenden Unternehmen ist durch Trends gekennzeichnet. Diese lassen sich in Technologie- und Anwendungstrends unterteilen. Experteninterviews zeigen beispielsweise, dass KI-Anwendungen bevorzugt auf Cloud-Infrastrukturen entwickelt und bereitgestellt werden. Das wiederum rückt die Frage nach der Wahrung der Datensouveränität in den Vordergrund. Anwendung findet KI tendenziell zur Prognose und Überwachung.
Sechs Prinzipien beeinflussen die erfolgreiche Umsetzung von KI-Geschäftsmodellinnovationen
Fallstudien über ein breites Spektrum der deutschen Wirtschaft beleuchten, welche Aspekte eines KI-basierten Geschäftsmodells den größten Effekt auf das Unternehmen haben. Hier lässt sich ein besonders hoher Einfluss von KI auf das Nutzenversprechen neuartiger, digitaler Leistungen der Unternehmen an die Kundinnen und Kunden feststellen. So lassen sich sechs Erfolgsprinzipien zur erfolgreichen Implementierung von KI-Technologien identifizieren, um die wirtschaftliche Nutzung von KI für Unternehmen in Deutschland im globalen Wettbewerb weiter zu steigern. So empfiehlt es sich zum Beispiel – neben der Auswahl des richtigen KI-Anwendungsfalles – ebenfalls darauf zu achten, dass die KI-Anwendung sowohl den Anbietenden wie auch den Anwendenden nützt. Diese und weitere Erfolgsprinzipien werden detailliert in der Studie Künstliche Intelligenz – Geschäftsmodellinnovationen und Entwicklungstrends beschrieben.
Mehrwerte aus Daten
(2019)
Moderne datenbasierte Lösungen können wichtige Bausteine sein, um Prozesse, Produkte und sogar das eigene Geschäftsmodell weiterzuentwickeln oder neu auszurichten. Die Möglichkeiten, die durch die Digitalisierung entstehen, stehen nicht nur großen internationalen Konzernen offen, sondern können auch gerade von kleinen und mittleren Unternehmen gewinnbringend genutzt werden. Diese wichtige Erkenntnis scheint beim Mittelstand in Nordrhein-Westfalen angekommen zu sein. Die Bedeutung und die Potenziale von Mehrwerten aus Daten scheinen mehrheitlich erkannt. Unsere Umfrage hat gezeigt, dass bereits rund die Hälfte der befragten Mittelständler über einen systematischen Umgang mit Daten verfügt. Allerdings ist dieser Umgang meist noch durchschnittlich und ein stärkerer Ausbau zu höheren Reifegraden ist möglich und mit Blick auf die zukunftssichere Weiterentwicklung des Wirtschaftsstandorts Nordrhein-Westfalen auch nötig. Die vorgestellten Leuchttürme machen aber zwei Sachen deutlich: Erstens erzeugen KMU bereits heute in Nordrhein-Westfalen Mehrwerte aus Daten. Zweitens weisen diese Leuchttürme ein enormes Transferpotenzial auf und können vielen KMU in Nordrhein- Westfalen und darüber hinaus Hinweise geben, auf welchen Wegen eine Optimierung der eigenen Wertschöpfung durch Daten möglich ist.
Digital in NRW
(2019)
Das Interesse am Themenfeld Industrie 4.0 ist besonders für KMU ungebrochen, weiterhin aber auch unübersichtlich und wenig greifbar. Best practices von Methoden und Technologien sind in der industriellen Praxis nicht oder nur unzureichend vorhanden. In diesem Zusammenhang fehlen passende Angebote, die auf die spezifischen Bedürfnisse von KMU zugeschnitten sind. Das Bundesministerium für Wirtschaft und Energie (MBWi) hat diese Problemstellung erkannt und gezielte Maßnahmen im Sinne des Aufbaus von Mittelstand 4.0-Kompetenzzentren zur Unterstützung des deutschen Mittelstands ergriffen. Einen großen Beitrag im Kontext dieser Unterstützung leistet das mit dem FIR e.V. an der RWTH Aachen seit 2016 gegründete Mittelstand 4.0-Kompetenzzentrum Dortmund "Digital-in-NRW".
Während die Einsatzpotenziale digitaler Technologien häufig bekannt sind, stellt die Umsetzung dieser insbesondere für KMU eine große Herausforderung dar. "Digital in NRW - Das Kompetenzzentrum für den Mittelstand" unterstützt und befähigt diese Unternehmen mit breitgefächerten Services, um Industrie 4.0 einen Schritt näher zu kommen. Ein solcher ist die Ermittlung des Digitalisierungsgrads von KMU in NRW, welcher im folgenden Beitrag genauer beleuchtet wird.
Die Umsetzung von Industrie 4.0, also der umfassenden Digitalisierung und Vernetzung der Produktion, stellt Unternehmen noch immer vor Herausforderungen. In dieser Marktstudie wurde eine bei produzierenden Unternehmen identifizierte Hürde, die IT-Komplexität und deren Management, stärker beleuchtet. Unternehmen, die sich besser aufgestellt sehen, legen in der Regel einen stärkeren Fokus auf verschiedene Aktivitäten.
Industrie-4.0-Applikationen entwickeln sich gerade von Individuallösungen zur frei zugänglichen Handelsware. Durch diesen Trend, in dem Industrie-4.0-Lösungen zur Commodity werden, werden Unternehmen dazu befähigt, fundamentale Transformationen entlang aller Geschäftsprozesse zu vollziehen. Insbesondere kleine und mittlere Unternehmen (KMU) haben die besten Voraussetzungen dafür, die Einführung von Industrie 4.0 voranzutreiben. Denn KMU verfügen über die notwendige Flexibilität und flache Hierarchien - eine wesentliche Grundlage für die digitale Transformation. Bevor jedoch Industrie-4.0-Projekte initiiert werden, ist aufgrund der personell und finanziell limitierten Kapazitäten von KMU eine intensive Auseinandersetzung über die Bedeutung von Industrie 4.0 für das eigene Unternehmen und seine Produkte unabdingbar.
Eine Herausforderung für produzierende Unternehmen in der Entwicklung intelligenter Produkte besteht darin, dass die Zielstellung, die mit einem intelligenten Produkt verfolgt wird, nicht expliziert ist. Zudem ist oftmals nicht spezifiziert, in welchem Anwendungsfall ein intelligentes Produkt agieren soll. Produzierende Unternehmen benötigen Unterstützung, um eine zielorientierte und folglich wirtschaftliche Melioration existierender Produkte zu gewährleisten. Ebendiese Melioration wird im Kontext von intelligenten Produkten als Smartifizierung bezeichnet und stellt damit einen Entwicklungsprozess dar, der ein bestehendes Produkt als Ausgangssituation im Sinne einer Anpassungskonstruktion expliziert. Die originäre Produktfunktion wird folglich nicht verändert, sondern das Produkt um digitale Funktionen und Dienstleistungen erweitert. Der Artikel befasst sich daher erstens mit der Beschreibung generischer Ziele für den Einsatz intelligenter Produkte im Maschinenbau. Eine Zusammenstellung und Erläuterung solcher Ziele unterstützt Unternehmen, eine Präzisierung der Zielfestlegung in der Initiierungsphase eines Smartifizierungsprojekts durchzuführen. Zweitens wird unter Anwendung der Ziel-Mittel-Beziehung ein Anwendungsfall intelligenter Produkte beschrieben. Abschließend werden beide Aspekte in einer Methode zusammengefasst, wie mittels Ziel- und Anwendungsfallbetrachtung Anforderungen abgeleitet und wie diese Elemente in Vorgehensmodelle der Produktentwicklung eingebettet werden können. Exemplarisch wird anhand einer Stanzmaschine aufgezeigt wie die Methode und die sich daraus ableitenden Ergebnisse im Smartifizierungsprozess zur Entwicklung einer intelligenten Stanzmaschine eingesetzt werden.
Feasibility Analysis of Entity Recognition as a Means to Create an Autonomous Technology Radar
(2021)
Mit den neuesten Technologietrends auf dem Laufenden zu bleiben, ist für Fertigungsunternehmen eine entscheidende Aufgabe, um auf einem global wettbewerbsfähigen Markt erfolgreich zu bleiben. Die Erstellung eines Technologieradars ist ein etablierter, jedoch meist manueller Prozess zur Visualisierung der neuesten Technologietrends.
Der Herausforderung, Technologien zu identifizieren und zu visualisieren, widmet sich das Projekt TechRad, das maschinelles Lernen einsetzt, um ein autonomes Technologie-Scouting-Radar zu realisieren. Eine der Kernfunktionen ist die Identifizierung von Technologien in Textdokumenten. Dies wird durch natürliche Sprachverarbeitung (NLP) realisiert.
Dieser Beitrag fasst die Herausforderungen und möglichen Lösungen für den Einsatz von Entity Recognition zur Identifikation relevanter Technologien in Textdokumenten zusammen. Die Autoren stellen eine frühe Phase der Implementierung des Entity Recognition Modells vor. Dies beinhaltet die Auswahl von Transfer Learning als geeignete Methode, die Erstellung eines Datensatzes, der aus verschiedenen Datenquellen besteht, sowie den angewandten Modell-Trainings-Prozess. Abschließend wird die Leistungsfähigkeit der gewählten Methode in einer Reihe von Tests überprüft und bewertet.
Ausgangspunkt des Forschungsprojekts "UrbanMove“ ist die Hypothese, dass sich in naher Zukunft Großstädte für eine emissionsärmere Zukunft mit innovativen Mobilitätsdienstleistungen neu aufstellen müssen. Bisherige Ansätze reichen nicht aus, um den Ansprüchen an Emissionsfreiheit und Mobilitätserfordernissen gleichzeitig und zu vertretbaren Kosten zu entsprechen.
Ziel des Forschungsprojekts "UrbanMove" ist daher die Konzeptionierung und Pilotierung einer neuartigen, intelligenten innerstädtischen Mobilitätslösung, die mit einer Kollaboration aus innovativen KMU der strukturschwachen Städteregion Aachen umgesetzt wird. Als Entwicklungsergebnis steht eine integrative kundenzentrierte Dienstleistungsplattform für Shuttle, die durch Berücksichtigung von Randbedingungen auch für autonom fahrende und elektrisch betriebene Fahrzeuge eingesetzt werden kann. Neben der Dienstleistungsplattform für ein neues Mobilitätskonzept, auf der Informationsströme unterschiedlicher Anspruchsgruppen gesammelt und intelligent verarbeitet werden, beinhaltet die Plattform auch technische Schnittstellen zu den Fahrzeugen und zu Nutzern über Apps.
Für dieses ganzheitliche Konzept werden verschiedene Perspektiven und Anspruchsgruppen, wie Nutzer, Betreiber, Stadt sowie Einzelhandel und Unternehmen der Region, zusammengeführt. Für die Einbeziehung der Anspruchsgruppen abseits dieser Projektentwicklung wird die Plattform mit offenen Schnittstellen gestaltet, die rechtlichen Rahmenbedingungen werden beachtet und die durchgehenden Nutzeranforderungen fokussiert. Für einen wirtschaftlichen Betrieb wird für das Mobilitätskonzept ein tragfähiges Geschäftsmodell entwickelt.