Refine
Document Type
- Contribution to a Periodical (12)
- Part of a Book (10)
- Book (4)
- Report (4)
- Working Paper (4)
- Conference Proceeding (3)
- Article (2)
- Internet Paper (2)
- doctorallecture (1)
- Doctoral Thesis (1)
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
Konzeption
(2022)
Ziel der produzierenden Unternehmen ist es, am globalen Markt wettbewerbsfähig zu bleiben. Gemäß der Vision, dass das Unternehmen der Zukunft durch den geschickten Einsatz von digitalen Technologien seine Produktionsprozesse effizienter und effektiver gestalten kann und durch die Vernetzung des Shopfloors und von digitalisierten Produkten neue Services anbieten kann, die neue Arten von Geschäftsmodellen ermöglichen, soll in diesem Kapitel die Konzeption des technischen Ökosystems zur Umsetzung der Vision erläutert werden. Die Konzeption beinhaltet maßgeblich die Auswahl und Gestaltung von digitalen Technologien, zu denen beispielsweise Informations- und Kommunikationstechnologien wie Sensorik und Übertragungstechnologien zählen. Damit handelt es sich bei der Konzeption um eine Aufgabe der Breitstellung von technischen Ressourcen (Kap. 6). Darüber hinaus bedingt die Konzeption die Prüfung der Kompatibilität zu den vorherrschenden Informationssystemen. Im Zusammenspiel der Informationssysteme und der technischen Ressourcen lassen sich Geschäftsprozesse digitalisieren und so die Reaktionsgeschwindigkeit und Vorhersehbarkeit verbessern. (Quelle: https://link.springer.com/chapter/10.1007/978-3-662-63758-6_12)
Projektmanagement
(2022)
Digitalisierungs- und IT-Projekte stellen für Projektmanager aufgrund der häufig vorherrschenden Komplexität eine große Organisations- und Kommunikationsaufgabe dar. Die Bewältigung der Aufgaben wird in vielen Fällen dadurch erschwert, dass sich die Projektverantwortlichen für eine unzureichend adäquate Projektmanagementmethode entscheiden.
Dieses Kapitel soll bei der Auswahl einer geeigneten Projektmanagementmethode bei Digitalisierungsvorhaben unterstützen. Dazu werden zunächst klassische und agile Projektmanagementmethoden beschrieben sowie deren Vor- und Nachteile analysiert. Zudem werden mögliche Projektarten anhand unterschiedlicher Kategorien beschrieben. Anschließend werden die Projektmanagementmethoden den identifizierten Projektarten passend zugeordnet. Projektmanager erhalten anhand dieser Zuordnung eine transparente Übersicht und Entscheidungsunterstützung, welche Projektmanagementmethoden sich für das betrachtete Projekt am besten eignen.
Die Wahl der richtigen Projektmanagementmethode zu Beginn eines Projekts trägt maßgeblich dazu bei, den Grad der Komplexität eines Projekts zu beherrschen und das Projekt erfolgreich durchzuführen. (Quelle: https://link.springer.com/chapter/10.1007/978-3-662-63758-6_10)
Anforderungsmanagement
(2022)
Das Anforderungsmanagement stellt seit jeher eine besondere Herausforderung bei Entwicklungsprojekten dar, da in dieser initialen Projektphase die Kosten durch Kundenforderungen festgelegt werden, ohne das Ergebnis im Detail einschätzen zu können. Für die Entwicklung von Informationssystemen bedeutet das, dass der Kunde mittels der Beschreibung eines Soll-Prozesses bestimmt, welche Funktionen er von dem Informationssystem erwartet. Durch die Vernetzung der Wirtschaft werden nun nicht mehr einzig Informationssysteme als Software verstanden, sondern es werden auch Hardwareanforderungen thematisiert und fließen in die Konzeptionierung beispielweise eines cyber-physischen Systems ein. Für das Anforderungsmanagement einer Hardwareauswahl existieren funktionale Erhebungsmethoden, die historisch aus dem Maschinen- und Anlagenbau entstammen. Die Verfahren berücksichtigen jedoch nur teilweise den wachsenden Anteil der Mechatronik innerhalb einer Anlage. Das präsentierte Vorgehen orientiert sich sowohl an der Erhebung der Anforderungen gemäß dem Anforderungsmanagement für IT-Systeme im klassischen Sinne als auch an neuen Ansätzen und Methoden aus der Hardwareentwicklung. (Quelle: https://link.springer.com/chapter/10.1007/978-3-662-63758-6_11)
The development of renewable energies and smart mobility has profoundly impacted the future of the distribution grid. An increasing bidirectional energy flow stresses the assets of the distribution grid, especially medium voltage switchgear. This calls for improved maintenance strategies to prevent critical failures. Predictive maintenance, a maintenance strategy relying on current condition data of assets, serves as a guideline. Novel sensors covering thermal, mechanical, and partial discharge aspects of switchgear, enable continuous condition monitoring of some of the most critical assets of the distribution grid. Combined with machine learning algorithms, the demands put on the distribution grid by the energy and mobility revolutions can be handled. In this paper, we review the current state-of-the-art of all aspects of condition monitoring for medium voltage switchgear. Furthermore, we present an approach to develop a predictive maintenance system based on novel sensors and machine learning. We show how the existing medium voltage grid infrastructure can adapt these new needs on an economic scale.
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.
Eine Transformation findet einen Abschluss, nachdem der gewünschte Zielzustand erreicht wurde. Wie sieht es bei der digitalen Transformation aus? Kann es im Hinblick auf technologische Entwicklungen jemals zu einem Ende kommen? Oder befindet sich ein Unternehmen hierbei in einer kontinuierlichen Transformation durch die Weiterentwicklung der Digitalisierung? Wenn ja, wie kann ein Unternehmen mit diesem ständigen Wandel effizient und sicher umgehen? (Quelle: https://link.springer.com/chapter/10.1007/978-3-662-63758-6_17 )
Da die heutigen Logistiknetzwerke den Anforderungen nicht mehr gerecht werden, rückt das Supply-Chain-Risk-Management von Wertschöfungsketten zunehmend in den Mittelpunkt unternehmerischer Überlegungen. Störungen in Logistiknetzwerken treten wegen unzureichender Datenmengen, -qualität und -integration der realen Welt nicht in den Informationssystemen auf. Eine echtzeitfähige Reaktion auf diese Störungen und proaktive Korrekturmaßnahmen innerhalb der Logistikprozesse sind folglich unmöglich. Daher kann ein erhöhter Bedarf an ganzheitlicher Transparenz innnerhalb der Logistiknetzwerke abgeleitet werden. Mit diesem Thema beschäftigt sich das Forschungsprojekt Smart-Logistic-Grids.
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 eines Energiekompensators aufzeigt, wie die Methode und die sich daraus ableitenden Ergebnisse im Smartifizierungsprozess zur Entwicklung eines intelligenten Energiekompensators eingesetzt werden.
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.