Refine
Document Type
- Article (1)
- Book (2)
- Part of a Book (2)
- Conference Proceeding (17)
- Contribution to a Periodical (8)
- Lecture (1)
- Internet Paper (3)
- Report (4)
- Working Paper (2)
Language
- German (18)
- English (18)
- Multiple languages (4)
Is part of the Bibliography
- no (40)
Keywords
- 01 (1)
- 02 (7)
- 03 (2)
- 04 (1)
- 5G (4)
- ADAM (2)
- AI (3)
- Agriculture (1)
- Artificial intelligence (2)
- Ausbildung (1)
Institute
Methods of machine learning (ML) are notoriously difficult for enterprises to employ productively. Data science is not a core skill of most companies, and acquiring external talent is expensive. Automated machine learning (Auto-ML) aims to alleviate this, democratising machine learning by introducing elements such as low-code / no-code functionalities into its model creation process. Multiple applications are possible for Auto-ML, such as Natural Language Processing (NLP), predictive modelling and optimization. However, employing Auto-ML still proves difficult for companies due to the dynamic vendor market: The solutions vary in scope and functionality while providers do little to delineate their offerings from related solutions like industrial IoT-Platforms. Additionally, the current research on Auto-ML focuses on mathematical optimization of the underlying algorithms, with diminishing returns for end users. The aim of this paper is to provide an overview over available, user-friendly ML technology through a descriptive model of the functions of current Auto-ML solutions. The model was created based on case studies of available solutions and an analysis of relevant literature. This method yielded a comprehensive function tree for Auto-ML solutions along with a methodology to update the descriptive model in case the dynamic provider market changes. Thus, the paper catalyses the use of ML in companies by providing companies and stakeholders with a framework to assess the functional scope of Auto-ML solutions.
Seit Beginn des Jahres ist Max-Ferdinand Stroh Leiter des Bereichs Informationsmanagement am FIR. Was ihn antreibt und welche Ziele er und seine Mitarbeiter:innen sich für die kommenden Jahre gesetzt haben, erörtert Max-Ferdinand Stroh im Interview mit der UdZ-Redaktion.
Companies are transforming from transactional sales to providing solutions for their customers. Mostly, smart products, enabling companies to enhance their products by providing smart services to their customers, are a key building block in this transformation. However, the development of a smart product requires many digital skills and knowledge, which regular companies do not have. To facilitate the design and conceptualization of smart products, this paper presents a use-case-based information systems architecture prototype for smart products. Furthermore, the paper features the application and evaluation of the architecture on two different smart product projects. The use of such an architecture as a reference in smart product development serves as a huge advantage and accelerator for inexperienced companies, allowing faster entry into this new field of business. [https://link.springer.com/chapter/10.1007/978-3-031-14844-6_16]
Dieses Forschungs- und Entwicklungsprojekt wurde durch das Bundesministerium für Bildung und Forschung (BMBF) im Rahmen des Programms „KMU-innovativ: Produktionsforschung“ (Förderkennzeichen 02K19K010) gefördert und vom Projektträger Karlsruhe (PTKA) betreut. Die Verantwortung für den Inhalt dieser Veröffentlichung liegt bei den Autoren.
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.
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.
Technologiefrüherkennung
(2022)
Unter Technologiefrüherkennung wird im Folgenden die gezielte Auseinandersetzung mit dem Technologiemarkt und unternehmensspezifischen Anwendungsfällen verstanden. Der Technologieeinsatz kann für Unternehmen entscheidend sein, um ihre Strategie, z. B. die Kostenführerschaft, erfolgreich zu verfolgen. Gleichzeitig können neue Technologien, wie z. B. der 3D-Druck, Markteintrittsbarrieren senken, sodass die Gefahr besteht, dass neue Wettbewerber in den Markt eintreten. Die vernetzte Digitalisierung profitiert unter anderem davon, dass (Informations-)Technologien günstiger und performanter werden. Durch diesen Trend empfiehlt es sich, den sich stetig ändernden Technologiemarkt im Blick zu behalten und eine Übersicht über relevante Technologien zu schaffen. Im folgenden Kapitel werden Methoden vorgestellt, mit denen dieser Überblick gezielt erreicht werden kann. (Quelle: https://link.springer.com/chapter/10.1007/978-3-662-63758-6_13)
Digitalisierung findet überall in Unternehmen statt, jede Abteilung beschäftigt sich damit, die eigenen Prozesse effizient zu digitalisieren oder neue Geschäftsmodelle zu entwickeln. Gleichzeitig hat das Jahr 2021 gezeigt: Geht man dabei nicht mit Bedacht vor, steigt die Gefahr von Cyber-Angriffen und Datenschutzverstößen deutlich. Bei dieser Gradwanderung soll ausgerechnet das seit Jahren totgesagte EAM ein Baustein sein, um Unternehmen zu unterstützen? Wir sagen: Ja!
Allerdings muss EAM dafür die Besenkammer der IT verlassen und komplett neu gedacht werden. Viele existierende Methoden und Ansätze sind dabei sinnvoll und wertstiftend aber ohne einen entsprechenden sinnstiftenden Überbau und einer Integration von EAM in die Fachbereiche und Unternehmensprozesse kann EAM in der Praxis nicht gelingen. Nur bei einer Neuausrichtung der IT-Organisation, einer Neudefinition der notwendigen Kompetenzen und Veränderungen des Mindsets in EAM-Funktionen von Unternehmen kann diese echte Mehrwerte für das Gesamtunternehmen schaffen.
In diesem Vortrag skizzieren wir die Sicht des FIR e. V. an der RWTH Aachen darauf, wie man ein pragmatisches EAM gestaltet und wie man dieses in Unternehmensprozesse & -strukturen integriert.
Crisis situations can lead to extreme consequences for society and the economy, such as the disruption of supply chains and the collapse of critical infrastructure. The challenge for optimal crisis preparation lies in the unpredictability of causes, duration and scope, and severity. AI-based resilience services can aid in crisis preparation by providing software-based warnings, recommendations, and countermeasures. The aim of this paper is to present a method for evaluating such services in terms of their usefulness and acceptance. A questionnaire is presented, and the results of its piloting phase are disseminated. With these results, existing and projected AI-based services for crisis prevention can be evaluated.