Refine
Document Type
- Part of a Book (2)
- Conference Proceeding (5)
- Contribution to a Periodical (15)
- Doctoral Thesis (1)
- Report (1)
Language
- German (13)
- English (6)
- Multiple languages (5)
Is part of the Bibliography
- no (24)
Keywords
- 01 (4)
- 02 (3)
- 03 (1)
- 04 (1)
- Business Analytics (1)
- Business analytics (3)
- Business-Analytics (3)
- Capacity Utilization (1)
- Capacity utilization (1)
- Data collection (1)
Institute
Die Nahrungsmittelindustrie führt jährlich ca. 40 000 neue Produkte auf den Markt ein. Diese Veränderungen haben einen großen Einfluss auf die Nahrungsmittelindustrie und führen durch die Vielzahl der zusätzlichen Optionen zu deutlich komplexeren Entscheidungsproblemen. Die Ergebnisse des Forschungsprojekts BASuccess (Laufzeit des Projekts : 01.04.2019 – 30.09.2020) sollen die Unternehmen bei der Einführung von Business-Analytics unterstützen, wodurch eine gezielte Datenanalyse mög- lich wird und eine fundierte Basis für unternehmerische Entscheidungen entstehen kann. Zunächst werden im Projekt Best Practices anderer Branchen analysiert und Erfolgsfaktoren für den effizienten Einsatz von Business-Analytics identifiziert. Dabei werden sowohl technische als auch organisatorische Aspekte berücksichtigt. Anschließend wird ein Einführungsmodell entwickelt. Die umfassende Expertise für das Forschungsprojekt wird durch ein gemeinsames Konsortium, bestehend aus den Instituten FIR e. V. an der RWTH Aachen, IPRI – International Performance Research Institute GmbH in Stuttgart und dem Forschungsinstitut für Unternehmensführung, Logistik und Produktion der Technischen Universität München gestellt.
Mit der erfolgreichen Durchführung des dritten Expert Circles hat der
Bereich Business Transformation des FIR e. V. an der RWTH Aachen ein
neues Gesprächsformat zum Thema Digital Leadership etabliert. Im
Rahmen der Expert-Circle-Treffen werden aktuelle und zukunfts-
weisende Themen betrachtet. Vorträge aus Praxis und Forschung
schaffen die Basis für spannende Diskussionen
Das Forschungsvorhaben ‚PROmining‘ , mit Laufzeit vom 01.01.2021 bis 31.12.2022, dient dem Ziel, die Digitalisierung in der deutschen Steine- und Erdenindustrie zu initiieren und auszuweiten. Innerhalb des Projekts soll für KMU durch den Einsatz eines Demonstrators einer Plattformlösung eine datenbasierte Entscheidungsgrundlage geschaffen werden. Branchenweit wurde ein Mangel an datenbasierten Entscheidungsgrundlagen identifiziert, die meisten Entscheidungen basieren auf Erfahrungswerten. Des Weiteren gilt es, die Kapazitätsauslastung der Betriebe mithilfe des Demonstrators zu optimieren. Jene gestaltet sich aufgrund regionaler sowie konjunktur- und saisonbedingter Nachfrageschwankungen sehr volatil. Der Demonstrator soll Unternehmen motivieren, ihre Datenhaltung zu verbessern und den Transformationsprozess hin zu einem digitalen Unternehmen anzustoßen.
Ziel des Forschungsprojekts ‚PROmining‘ war die unternehmensneutrale Konzeptionierung, Entwicklung und Realisierung eines webbasierten Demonstrators zur Verbesserung der Prognosefähigkeit und Erhöhung der Kapazitätsauslastung von KMU in der deutschen Steine- und Erdenindustrie. Mit dem geplanten Demonstrator einer Plattformlösung sollte ein Anreiz für KMU geschaffen werden, die digitale Transformation anzugehen und die interne Datenhaltung zu verbessern. Das Projekt wurde vom FIR e. V. an der RWTH Aachen in Kooperation mit dem Institute of Mineral Resources Engineering der RWTH Aachen durchgeführt.
Digitalization offers companies strategic advantages through the
simplification and optimization of business processes and is an
important lever for long-term growth. Numerous industries already
benefit from optimized coordination of capacities and resources by
integrating digital technologies into business processes. Digital platforms enable, e. g., the demand-based adjustment of asset capacities at peak loads on the basis of data-based forecasts. In particular, small and medium-sized enterprises in the German quarrying industry have so far been denied access to such technologies due to high investment and operating costs, high implementation efforts and heterogeneous machine fleets. This paper presents the functions of the data-centric platform demonstrator “PROmining” developed in
an AiF research project and validates them using case studies with
companies in the industry. The platform demonstrator offers marginally digitalised companies a tool with functions ranging from simple
operational data collection, the evaluation of capacity utilization,
to scenario development for regional demand, which can be used
as a blueprint within their own company. Thus, companies in the
quarrying sector are provided with a low-effort entry into the digital
transformation and a contribution to long-term competitiveness.
In zunehmend disruptiven Märkten wird die Fähigkeit, Latenzen in Bezug auf die organisatorische Adaptions- und Entscheidungsfähigkeit zur Reaktion auf neue Marktbedingungen zu minimieren, für das langfristige Bestehen von Unternehmen immer bedeutsamer. In Reaktion auf diese Entwicklungen realisieren immer mehr Unternehmen Strategien, um durch die informationstechnologiebasierte Generierung, Speicherung und Verarbeitung von Daten die datengetriebene Entscheidungsfindung voranzutreiben und datenbasierte Entscheidungen zu treffen. In der Konsequenz generieren und speichern die Unternehmen zunehmend große Mengen an Daten. Um diese in umsetzbare Erkenntnisse zu überführen und eine datenbasierte Entscheidungsfindung zu realisieren, sind fortgeschrittene statistische Verfahren und Funktionen (Analytics) notwendig, die unter dem Begriff Business-Analytics zusammengefasst werden. Trotz der hohen zu erwartenden Potentiale stehen viele Unternehmen großen Herausforderungen gegenüber, welche durch den Einsatz der hochkomplexen Systeme und Technologien induziert werden und große Auswirkungen auf die Organisation und ihre Mitarbeiter haben. In Abwesenheit geeigneter Hilfestellungen und Instrumente zur Berücksichtigung und Gestaltung der relevanten technischen und sozialen Faktoren, welche den erfolgreichen Einsatz von Business-Analytics beeinflussen, bleiben die Unternehmen auf sich allein gestellt. Die Arbeit hat zum Ziel, den erfolgreichen Einsatz verschiedener Typen von Business-Analytics durch soziotechnische Gestaltungsinstrumente sicherzustellen. Das Ergebnis besteht somit in der systematischen Entwicklung konkreter Gestaltungsinstrumente, um unter Berücksichtigung des wechselseitigen Einflusses zwischen Technologieeinsatz sowie der Organisation und deren Mitarbeiter den erfolgreichen Einsatz verschiedener Typen von Business-Analytics zu gewährleisten.
Dieser Artikel beschreibt ein ausführliches, mit Praxispartnern validiertes Einführungskonzept, um Unternehmen der Nahrungsmittelindustrie mit Hilfe von BA zu unterstützen. Dies soll die zielgerichtete Einführung von BA in der Nahrungsmittelindustrie erleichtern und somit die Konkurrenz- sowie Zukunftsfähigkeit der deutschen Nahrungsmittelindustrie sicherstellen. Für die komfortable Übertragung in die Praxis werden die Ergebnisse dieser Untersuchung sowie weitere Hintergrundinformationen zusätzlich in einem IT-Tool zusammengefasst. Gestützt auf unternehmensindividuellen Eingabeparametern werden dabei typspezifische Handlungsempfehlungen vorgeschlagen. Dieses Tool ist frei verfügbar unter https://projekt-basuccess.de
Die Nutzung von datengetriebenen Analysen eröffnet eine Vielzahl an Möglichkeiten. Mehr als zwei Drittel aller Unternehmen haben dieses Potenzial erkannt und Pilotprojekte für den Einsatz von Business-Analytics ins Leben gerufen. Dennoch sehen sich viele von ihnen mit einer hohen Misserfolgsquote und ausbleibenden Renditen konfrontiert.
Hier mangelt es meist an einem standardisierten und strukturierten Verfahren zur Auswahl und Priorisierung von nutzenoptimalen Business-Analytics-Projekten. Der Überblick zur Strukturierung und Klassifizierung von Business-Analytics, den Anwendungsgebieten sowie einer Systemlandkarte fehlt. Darüber hinaus gibt es kaum Hilfestellungen bei der Ermittlung von Kosten und Aufwand, auch sind sich viele nicht über die beim Einsatz entstehenden Risiken bewusst. Im Projekt ‚BAValue‘ wird ein Entscheidungsmodell realisiert, das mithilfe konkreter Handlungsempfehlungen KMU in die Lage versetzt, BA-Projekte umsetzen zu können und mit ihnen den Unternehmensnutzen zu optimieren.
The successful use of Business Analytics is increasingly becoming a differentiating competitive factor. The ability to extract data-driven insights and integrate them into decision-making is becoming growingly important. The underlying technologies are evolving exponentially, the value proposition differs from simple descriptive applications to automated decision-making. Existing approaches found in literature and practice to classify those levels only insufficiently mark down the boundaries between the different technology levels. As a consequence, it is often unclear which characteristics of the technology interact with the working environment, which can be described as a socio-technical system. Using a systematic literature review, this paper identifies the characteristics of Business Analytics and delineates three types of Business Analytics based on case studies. Thus, a starting point for the socio-technical system design and optimization for the use of Business Analytics is created.
The quarrying industry, which largely consists of less digitized SMEs, is an integral part of the German economy. More than 95% of the primary raw materials produced are used by the domestic construction industry. Quarrying companies operate demand-oriented with short planning horizons at several locations simultaneously. Due to the low level of digitization and the reluctance to share data, untapped efficiency potential in data-based demand forecasting and capacity planning arises. The situation is aggravated by the fact that SMEs have a heterogeneous mobile machinery so as not to become dependent on individual suppliers, and that transport distances of over 50 kilometers are uneconomical due to high transport costs and low material values. Within the research project PROmining a data-centric platform which improves demand forecast accuracy and multi-site capacity utilization is developed. One of the core functionalities of this platform is an industry-specific demand forecasting model. Against this background, this paper presents a methodology for establishing this forecasting model. To this end, expected demands of secondary industry sectors will be analyzed to improve mid-term volume-forecasting accuracy for the local quarrying industry. The data-centric platform will connect demand forecasting data with relevant key performance indicators of multi-site asset utilization. Following this methodology, operational planning horizons can be extended while significantly improving overall production efficiency. Thus, quarrying businesses are enabled to respond to fluctuating demand volumes effectively and can increase their personnel and machine utilization across multiple quarry sites.