Refine
Year of publication
Document Type
- Article (13)
- Book (3)
- Part of a Book (62)
- Conference Proceeding (114)
- Contribution to a Periodical (25)
- Lecture (7)
- Internet Paper (2)
- Report (2)
- Working Paper (4)
Is part of the Bibliography
- no (232)
Keywords
- 02 (15)
- 03 (9)
- 04 (1)
- 5G (2)
- 7. EU-Forschungsrahmenprogramm (1)
- AI (2)
- APMS (1)
- APS (1)
- Aachener PPS-Modell (1)
- Ablauforganisation (1)
Institute
- Business Transformation (10)
- Dienstleistungsmanagement (67)
- FIR e. V. an der RWTH Aachen (232)
- Informationsmanagement (51)
- Produktionsmanagement (115)
Remote services are services enabled by information and communication components and therefore do not require the physical presence of a service technician at the service object to provide a task. The impact of remote service on the capital goods industry has been increasingly significant over the recent yeas. Still many companies struggle with developing and implemenling successful business model, for remote service. This leads to a lot of unaccomplished benefits for the customer as well as for the companies themselves. A survey throughout companies in Ihe industrial machine and plant production sector was conducted in order to determine what successful companies do differently from those that cannot efficiently implement remote service business models.
The study presented in this chapter identifies key suceess factors of companies that effectively implemented remote services for their products. In order to identify the successful companies a scale for measuring remote service success was developed. Only by the use of this scale further findings regarding the success factors were possible. Key findings include the fact that successful companies actively market their remotle service to their customers. Generally they try to approach their remote service business from the operating company's perspective.
In an increasingly changing market environment, the long-term survival of companies depends on their ability to reduce latencies in adapting to new market conditions. One strategy to meet this challenge is the anchoring of data-driven decision making, which leads to an increasing use of advanced information technologies and, subsequently, to an increase in the amount of data stored. The complexity of processing these data spurred the demand for advanced statistical methods and functions called Business Analytics. Companies are, despite all promised benefits, overwhelmed with the implementation of Business Analytics as indicated by a failure rate of 65 to 80 %. This paper provides an empirically validated, multi-dimensional model that takes an integrative look at critical success factors for the implementation
of Business Analytics and based on which management recommendations can be generated. For this purpose, constructs of the model are conceptualized, before a structural equation model is developed. This model is then validated with data from 69 industrial partners in the food industry. It is shown amongst others, that the three success factors top management support, IT infrastructure and system quality are pivotal to increase the company performance.
Industrial companies face tremendous challenges to plan the resources needed to meet future market demands when implementing a PSS based solution portfolio. This paper deals with enhancing the PSS research landscape by presenting an approach to enable better resource-planning in PSS based businesses. In particular, a model is proposed which links resource structures with customer offerings. Linkages are implemented, which connect resources and their use in processes. The model contributes to better understand the complexity in resource structures and elements in the PSS and helps to better understand and describe the structural integration of resources in PSS. This is an important prerequisite for the planning of PSS and allows a qualitative and quantitative description of the service resources allocation enabling companies to build the competence needed to meet customer requirements. A case study based approach was applied for model development.
Die Frage nach der strategischen Einbindung des Dienstleistungsgeschäfts in den Kontext des Gesamtunternehmens wird angesichts globalisierter Märkte mit hohem Wettbewerbsdruck zunehmend wichtiger. Die Wahl des richtigen Umfangs des Dienstleistungsangebots unter Berücksichtigung der Gesamtunternehmensstrategie ist erfolgsentscheidend für die richtige Positionierung eines Industrieunternehmens im Markt.
Daher wird in diesem Beitrag der Begriff "Strategisches Management industrieller Dienstleistungen" anwendungsnah beschrieben. Hierauf aufbauend wird ein Prozess zum strategischen Management industrieller Dienstleistungen vorgestellt, der Dienstleistungs- und Gesamtunternehmensstrategie integriert betrachtet. Zur operativen Umsetzung der Inhalte der einzelnen Prozessphasen werden abschließend ausgewählte Methoden und Werkzeuge vorgestellt.
Manufacturing companies face the challenge of selecting digitalization measures that fit their strategy. Measures that are initiated and not aligned with the company’s strategy carry the risk of failing due to lack of relevance. This leads to an ineffective use of scarce human and financial resources. This paper presents a target system to help companies select relevant digitalization measures compliant with their strategy for IT-OT-integration projects. The target system was developed based on literature research and expert interviews, and later validated in two use cases. The target system considers the goals of production companies and combines them with digitalization measures. The measures are classified by different maturity levels required for their realization. Thus, the target system enables manufacturing companies to evaluate digitalization measures with regards to their strategic relevance and the required Industrie 4.0 maturity level for their realization. This ensures an effective use of resources.
Robotic Process Automation (RPA) gewinnt durch die Möglichkeit, repetitive Administrationsprozesse zu automatisieren und Effizienzpotenziale zu heben, zunehmend an Bedeutung. In der Praxis scheitern jedoch viele Implementierungsprojekte. Dies resultiert primär aus dem fehlenden Verständnis darüber, wie sich die Einführung von RPA auf das Gesamtsystem Organisation auswirkt. Es entsteht eine wachsende Kluft zwischen dem Leistungsversprechen von RPA und der Fähigkeit von Unternehmen, jenes auszuschöpfen. Trotz der exponentiellen Geschwindigkeit des technologischen Fortschritts mangelt es vielen Unternehmen an der notwendigen Adaptionsfähigkeit, welche für den nachhaltigen Erfolg einer RPA-Implementierung essenziell ist. In diesem Kontext spielt die Optimierung der im Einklang stehenden Dimensionen Mensch, Technik und Organisation eine zentrale Rolle. Durch eine systematische Literaturrecherche wird aufgezeigt, dass bisherige Ansätze diesen Zusammenhang nur unzureichend betrachten. In der heutigen Forschungslandschaft existiert kein Modell, welches die technischen, sozialen und organisatorischen Komponenten, die im Zuge der RPA-Einführung zu berücksichtigen sind, darlegt. Angelehnt an das soziotechnische Systemdenken und den Prozess der Fallstudienforschung werden theoriegeleitet Dimensionen und Elemente einer RPA-spezifischen soziotechnischen Systemarchitektur identifiziert und erläutert. Das daraus resultierende Modell zur Unterstützung von Unternehmen bei der RPA-Einführung wurde mit einer Vielzahl Industrievertretern im Rahmen des öffentlichen Forschungsprojekts RPAsset des FIR e. V. an der RWTH Aachen validiert.
Künstliche Intelligenz (KI) hat als Technologie in den vergangenen Jahren Marktreife erlangt. Es existiert eine Vielzahl benutzerfreundlicher Produkte und Services, welche die Anwendung von KI im Alltag und im Unternehmen vereinfachen. Die Herausforderung, vor denen Anwendende, gerade im betriebswirtschaftlichen Kontext, stehen, ist nicht die technische Machbarkeit einer KI-Applikation, sondern deren organisatorisch und rechtlich zulässige Gestaltung. Zu einer zunehmenden Dynamik in der Gesetzgebung kommt ein gesellschaftliches Interesse an der Kontrolle und Transparenz über die für KI-Modelle erhobenen Daten. Die Diskussion über Datensouveränität im geschäftlichen und privaten Alltag rückt mehr und mehr in das Zentrum der öffentlichen Aufmerksamkeit.
Datenbasierte KI-Anwendungen stehen damit in einem Spannungsfeld zwischen den Potenzialen, die das Erheben und Teilen von Daten über Unternehmensgrenzen hinweg bietet, und der Herausforderung, die Datensouveränität der involvierten Personen zu wahren. Die vorliegende Studie soll erstens über die Auswirkungen der Datensouveränität und die damit verbundenen aktuellen und kommenden Regularien auf KI-Anwendungsfälle aufklären. Dafür wurden Expertinnen und Experten aus den Bereichen Recht, KI- und Organisationsforschung befragt. Zweitens zeigt die Studie Potenziale und Best Practices von KI-Anwendungsfällen mit überbetrieblichem Datenaustausch auf. Dafür wurden Fallstudien in Unternehmen durchgeführt, die bereits erfolgreich Datenaustausch in ihre Geschäftsmodelle integriert haben, um ihre KI-Applikationen zu betreiben und zu verbessern.
Industry 4.0 is driven by Cyber-Physical Systems and Smart Products. Smart Products provide a value to both its users and its manufacturers in terms of a closer connection to the customer and his data as well as the provided smart services. However, many companies, especially SMEs, struggle with the transformation of their existing product portfolio into smart products. In order to facilitate this process, this paper presents a set of smart product use-cases from a manufacturer’s perspective. These use-cases can guide the definition of a smart product and be used during its architecture development and realization. Initially the paper gives an introduction in the field of smart products. After that the research results, based on case-study research, are presented. This includes the methodological approach, the case-study data collection and analysis. Finally, a set of use-cases, their definitions and components are presented and highlighted from the perspective of a smart product manufacturer.
In dem durchgeführten Forschungsvorhaben wurde ein Konzept zur Gestaltung und Bewertung einer skalierbaren Produktentwicklung und Markteinführung technischer Produkte entwickelt. Ein zentraler Baustein dieses Konzepts war dabei der Pionierprodukt-Ansatz. Pionierprodukte stellen einen volumenmäßig, zeitlich und räumlich begrenzten Ausschnitt des gesamten Zielmarktes eines Unternehmens dar. Mit dem Pionierprodukt-Ansatz können Innovationen in kurzer Zeit an den Markt gebracht und dort unter realen Marktbedingungen getestet werden.
Durch die Integration von Pionierprodukt-Entwicklung und Realoptionen-Ansatz wird jedoch grundsätzlich die Fokussierung auf die wesentlichen Marktanforderungen wie Produktdifferenzierung, Kundenorientierung und die Wiederverwendung bewährter Produktkomponenten und Partnernetzwerke im Kontext komplexer Entwicklungsprojekte ermöglicht. Die Reduktion der zu beherrschenden Komplexität mit Hilfe der genannten Ansätze ist wesentliches Merkmal des entwickelten Konzepts.