Refine
Year of publication
Document Type
- Article (4)
- Book (3)
- Part of a Book (22)
- Conference Proceeding (4)
- Contribution to a Periodical (14)
- doctorallecture (1)
- Doctoral Thesis (1)
- Lecture (3)
- Internet Paper (4)
- Report (2)
Language
- German (64) (remove)
Is part of the Bibliography
- no (64)
Keywords
- 02 (4)
- Aachener PPS-Modell (1)
- Abschlussbericht (1)
- Adherence To Delivery Dates (1)
- After-Sales-Service (1)
- Anlaufmanagement (1)
- Arbeit 4.0 (2)
- Arbeitsgestaltung (2)
- Automobilindustrie (1)
- BITKOM (1)
Institute
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.
Ziel des Forschungsbereichs "Selbstoptimierende Produktionssysteme" ist es, sowohl technische als auch soziotechnische Produktionssysteme zu entwickeln, die durch Selbstoptimierung eine bessere Performance erreichen, als bei der Auslegung geplant und erwartet werden kann. Im Fokus steht die Steigerung der Produktivität in der Produktion direkt vor Ort. Bedeutend ist die dezentrale Entscheidungsfähigkeit der Mitarbeiter auf dem Shopfloor und in unterstützenden Bereichen, sowie der kognitiven und adaptiven Systeme und Netzwerke in der Produktion.
Die Verschärfung des Wettbewerbsumfelds produzierender Unternehmen und die als Antwort hierauf in den Fokus rückenden agilen Methoden vergrößern die Bedeutung einer effizienten Handhabung von Änderungsprozessen. Am Beispiel des Maschinen- und Anlagenbauers Ortlinghaus zeigt der Beitrag, dass eine Kombination aus ungeeigneten Änderungsprozessen und mangelhaftem IT-Support in der Praxis oft die schnelle und gleichzeitig qualitätsgesicherte Durchführung von Änderungsprozessen verhindert. Der Zielkonflikt aus geringem Zeitbedarf und hoher Prozessqualität lässt sich durch Anpassungen in der IT-Unterstützung reduzieren. Hierdurch können Erfolgsfaktoren für ein effizientes Änderungsmanagement gehoben und die Problemfelder der Workflowunterstützung, Informationsverteilung und Datenhandhabung verbessert werden. Zentrales Hindernis zur Adressierung der Erfolgsfaktoren stellt die aktuell zur Abwicklung von Change Requests genutzte Arbeitsumgebung dar. Der Beitrag präsentiert hierfür als zentralen Lösungsansatz die Internet of Production Infrastruktur. Das Potenzial der Internet of Production Infrastruktur im Kontext des Änderungsmanagements wird anhand von drei Anwendungsbeispielen verdeutlicht. Abschließend wird der Migrationspfad für Unternehmen bei der Einführung eines effizienten Änderungsmanagements aufgezeigt.
Die Vernetzung von Mitarbeiter*innen und Maschinen sowie die zunehmende Automatisierung, auch von Wissensarbeit, wird die Rolle der Beschäftigten im industriellen Wertschöpfungsprozess fundamental verändern. Aus diesem Grund ist arbeitsbezogene Kompetenzentwicklung aus wirtschaftlicher, gesellschaftlicher sowie sozialer Perspektive ein zentraler Schlüsselaspekt für die mittelfristige Sicherung der Wettbewerbsfähigkeit. Personalabteilungen haben bislang jedoch meist nur bedingt Kenntnisse über die bevorstehenden Veränderungen und die sich daraus ergebenden Kompetenzanforderungen an die Mitarbeiter*innen. Ziel des Forschungsvorhabens LidA war es, die sich aufgrund der fortschreitenden Digitalisierung verändernden Kompetenzanforderungen entlang definierter Industrie-4.0-Reifegradmodelle zu spezifizieren. Hierzu wurden Beschäftigte befähigt, indem zum einen ihre Selbstlernkompetenz gefördert wurde und zum anderen individuelle Lernpfade abgeleitet worden sind. Anschließend wurden diese mit passender Didaktik in Lehr- und Lernmodule überführt und auf einer bewährten Open-Source-Plattform für eine breite Nutzergruppe verfügbar gemacht. Diese soll einem breiten Nutzerkreis, speziell KMU, eine bedarfsgerechte Schulung der Mitarbeiter*innen im Zeitalter des digitalen Wandels gewährleisten.
Der 37. KVD-Service-Congress widmet sich der Diskussion, wie effektiver und effizienter Service in der Zukunft gestaltet werden muss. Im Mittelpunkt des Service stehen die Kunden, die Mitarbeiter und das Unternehmen. Und über allem schwebt das Schlagwort Digitalisierung. Was macht sie mit dem Service - heute und morgen?
Vor dem Hintergrund zunehmend komplexer und vernetzter Wertschöpfungsnetzwerke und in Zeiten sich ständig verändernder Rahmenbedingungen steigt für Unternehmen die Bedeutung einer resilienten Gestaltung ihrer Wertschöpfungsnetzwerke. Durch die hohe Vernetzung in einem Wertschöpfungsnetzwerk entsteht eine starke Abhängigkeit zwischen den einzelnen Akteuren. Störungen haben somit häufig nicht nur Auswirkungen auf einzelne Unternehmen, sondern betreffen verschiedene Akteure der Wertschöpfungsnetzwerke. Tritt nun eine Störung auf, kann sich diese im gesamten Netzwerk ausbreiten. Erst der konkrete Eintritt solcher Störungen im großen Umfang – wie zuletzt im Zuge der Corona-Pandemie oder der Blockierung des Suez-Kanals – führt Unternehmen regelmäßig dazu, sich mit ihren Wertschöpfungsnetzwerken auseinander zu setzen. Eine Möglichkeit zur Sicherung der Leistungsfähigkeit in einem volatilen Umfeld stellt der Aufbau von Resilienz dar. Insgesamt ist es hierbei das Ziel, Wertschöpfungsnetzwerke so zu gestalten, dass sie im Falle einer Störung möglichst wenig beeinträchtigt sind und schnell in den ursprünglichen oder einen besseren Zustand zurückkehren können.
Europa als erster klimaneutraler Kontinent bis 2050 – unter diesem ambitionierten Ziel treibt die Europäische Union eines der größten Transformationsprogramme dieses Jahrhunderts voran. Das Leben und die Gesellschaft wie sie heute existiert, werden in allen Bereichen signifikanten Musterwechseln unterliegen. Von zentraler Bedeutung bei dieser Transformation wird die Mobilität von Personen und Gütern sein. Eine Reduktion von 90 % der Treibhausgasemissionen soll in weniger als drei Dekaden realisiert werden. Insbesondere im Bereich der Urbanen Logistik ist ein nahtloses Zusammenspiel der verschiedensten Akteure, unterstützt durch neuartige digitale und physische Infrastrukturen, notwendig, um eine nachhaltige Zielerreichung bei mindestens konstantem Serviceniveau sicherzustellen. Cross-industrielle Ansätze, die über das Zusammenspiel von komplementären Lösungsbausteinen Co-Creation ermöglichen, werden zum zentralen Wettbewerbsvorteil für alle Akteure. Die Gestaltung von Business Ecosystems rückt deshalb zunehmend in den Fokus und wird aufgrund des enormen Potenzials für die Urbane Logistik in diesem Beitrag beleuchtet.
Anwendungsfälle wie intelligente Routenoptimierung und fortschrittliche Simulationsalgorithmen repräsentieren das riesige Einsatzspektrum von Methoden der künstlichen Intelligenz. Steigende Anforderungen an Liefertermintreue, Flexibilität und Transparenz wie bspw. Emissionsverfolgung, erfordern zunehmend den Einsatz von KI. Die Nutzung dieser Schlüsseltechnologie und die Hebung der Potenziale scheitern oft an der Komplexität in Bezug auf die Eingrenzung und Identifikation von wirtschaftlich relevanten Anwendungsfällen. Unternehmen müssen den Business Fit zwischen den wirtschaftlichen Erfolgsaussichten und den dafür benötigten digitalen Bausteinen herstellen. Mit dem Digital-Architecture Management lassen sich die relevanten KI-basierten Anwendungsfälle identifizieren und eine Roadmap aufbauen, um die datenbasierte Entscheidungsfähigkeit in der Logistik zu verbessern.
Industrie 4.0 ist in Politik, Medien, Wissenschaft und Wirtschaft derzeit omnipräsent. Intelligenter, individueller, effizienter, schneller, vernetzter – so lauten nur einige Versprechen dieses neuen industriellen Zeitalters. Tatsächlich sind die Potenziale gerade für den deutschen Maschinen- und Anlagenbau gewaltig: Sowohl für Anbieter als auch für Anwender von Technologien rund um das Thema Industrie 4.0. Aber noch existieren viele ungelöste Fragen, Unsicherheiten und Aufgaben. Hier wollen wir mit unserer Readiness-Studie ansetzen und Hilfestellung leisten. Denn ein Selbstläufer wird Industrie 4.0 nicht. Mit der vorliegenden Studie soll die große Vision näher an die betriebliche Realität gebracht werden. Auch zeigen wir die anspruchsvollen Wegmarken auf, die für viele Unternehmen hinsichtlich ihrer Industrie 4.0-Fähigkeit noch zu passieren sind. Die Studie untersucht, an welcher Stelle der Maschinen- und Anlagenbau aktuell bei der Umsetzung steht. Motivation und Hemmnisse der Unternehmen werden ebenso in den Blick genommen wie die Unterschiede, die sich zwischen Mittelstand und großen Unternehmen ergeben. Im Ergebnis ist es erstmals möglich, die „Industrie 4.0-Readiness“ der Maschinenbau-Industrie detailliert und systematisch abzubilden.
Erfolgreiche Serviceinnovation im Zeitalter industrieller, datenbasierter Dienstleistungen unterscheidet sich deutlich von bisherigen Ansätzen der klassischen Dienstleistungsentwicklung. Diese Erkenntnis konnte aus einem breit angelegten Benchmarking in der deutschen Industrie gewonnen werden. Die Benchmarking-Studie identifizierte besonders erfolgreiche Unternehmen, deren Methoden und Ansätze zur Gestaltung innovativer Dienstleistungen in Form von Fallstudien im Detail untersucht wurden. Als Kernergebnis ergeben sich sechs Prinzipien, die erfolgreiche Serviceinnovation für datenbasierte Dienstleistungen auszeichnen.