Refine
Document Type
- Book (1)
- Part of a Book (2)
- Conference Proceeding (1)
- Contribution to a Periodical (4)
- Lecture (1)
- Internet Paper (3)
- Report (3)
- Working Paper (2)
Language
- German (17) (remove)
Is part of the Bibliography
- no (17)
Keywords
- 02 (2)
- ADAM (1)
- Ausbildung (1)
- BMBF (1)
- Datenaustausch (1)
- Datensouveränität (1)
- Datenverarbeitungssystem (1)
- Digitalisierung (4)
- E-Learning (1)
- EFRE-0801386 (1)
Institute
Im Forschungsprojekt „Legitimise IT“ wurde ein einheitlicher Ansatz zur Nutzung von Schatten-IT für produzierende kleine und mittlere Unternehmen (KMU) entwickelt. Dadurch sollen KMU zur kontrollierten Legitimierung nutzenstiftender Schatten-IT unter Berücksichtigung vorhandener Risiken befähigt werden.
Schatten-IT ist in den meisten Unternehmen vorhanden. Durch den unkontrollierten Einsatz von Schatten-IT im Unternehmen entstehen zahlreiche Risiken, welche zu Ineffizienzen und Fehleranfälligkeiten bei den Betriebsabläufen führen können. Dabei wird die Entstehung von Schatten-IT nicht zuletzt durch die Schnelllebigkeit und Vielfalt der technologischen Entwicklungen weiter beschleunigt. Der Ansatz, durch eine strikte Vorgabe der Unternehmensführung lediglich auf genehmigte und zentral verwaltete IT-Anwendungen zurückzugreifen, um Schatten-IT zu unterbinden, hat sich in der unternehmerischen Praxis nicht bewährt. Bisherige Ansätze adressieren nicht die Gründe für die Notwendigkeit von Schatten-IT und bieten keinen organisatorischen und insbesondere technologischen Rahmen, um deren Vorteile unternehmerisch zu nutzen.
Daher wurde im Projekt ein Ansatz entwickelt, der einerseits die aufgezeigten Risiken minimiert und andererseits Mitarbeitenden die notwendigen Freiheiten für eigene, kreative Lösungen bietet. Damit Unternehmen ihre großen Herausforderungen bei der Abschätzung der Risiken- und Nutzenaspekte wie auch beim strikten Verzicht auf die eingesetzten Schatten-IT-Anwendungen bewältigen können, wird eine entsprechende Methodik gefordert.
Ziel des beantragten Fördervorhabens war es, die kontinuierliche Funktionsüberwachung und insbesondere den heutigen Sensoreinsatz in Verteilnetzen zu revolutionieren, durch Verwendung von Methoden der Künstlichen Intelligenz (KI), gepaart mit einer Verbesserung der zugehörigen Sensortechnik und eingesetzter digitaler Dienstleistungssysteme. Die integrale Betrachtung der wissenschaftlichen und technischen Herausforderungen und deren Bewältigung führten zu den notwendigen Ergebnissen, um den Erfolg der Energie- und Mobilitätswende in Deutschland zu unterstützen.
Mit den Ergebnissen des Vorhabens konnte der heutige Sensoreinsatz in Verteilnetzen durch Verwendung von Methoden der Künstlichen Intelligenz (KI) zusammen mit einer Erweiterung der Sensortechnik grundlegend verbessert werden. Die daraus abgeleiteten Unterziele umfassen alle wichtigen Aspekte des Sensoreinsatzes in elektrischen Betriebsmitteln.
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.
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.
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.
Die vorliegende Publikation soll dazu dienen, ein aktuelles Stimmungsbild der Industrie zu der Einführung von 5G einzufangen. Dazu wird analysiert, wie eine 5G-Einbindung in bereits bestehende IoT-Plattformen gelingen kann und welche Möglichkeiten zukünftig realisierbar werden. Dazu stellen wir fünf Hypothesen zum Einfluss von 5G auf IoT-Plattformen auf und leiten daraus ein Visionsbild eines 5G-Plattformkonzepts ab. Um den Einfluss der industriellen Einführung der Mobilfunkgeneration 5G auf IoT-Plattformen bewerten zu können, wurden sowohl Visionsbild als auch Hypothesen innerhalb strukturierter Interviews mit IoT-Plattformanbietern diskutiert und aufgearbeitet. Nachdem in Kapitel 2 die relevanten Grundlagen hinsichtlich des neuen Mobilfunkstandards 5G und Plattformen erarbeitet werden, werden in Kapitel 3 die Ergebnisse und Erkenntnisse der Interviews mit den Plattformanbietern zusammengefasst und erörtert. Basierend auf den Interviews geben wir einen Überblick über die konkreten Herausforderungen, das Interesse diverser Stakeholder und die aktuellen Entwicklungen rund um das Thema.
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)
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.
Feasibility Analysis of Entity Recognition as a Means to Create an Autonomous Technology Radar
(2021)
Mit den neuesten Technologietrends auf dem Laufenden zu bleiben, ist für Fertigungsunternehmen eine entscheidende Aufgabe, um auf einem global wettbewerbsfähigen Markt erfolgreich zu bleiben. Die Erstellung eines Technologieradars ist ein etablierter, jedoch meist manueller Prozess zur Visualisierung der neuesten Technologietrends.
Der Herausforderung, Technologien zu identifizieren und zu visualisieren, widmet sich das Projekt TechRad, das maschinelles Lernen einsetzt, um ein autonomes Technologie-Scouting-Radar zu realisieren. Eine der Kernfunktionen ist die Identifizierung von Technologien in Textdokumenten. Dies wird durch natürliche Sprachverarbeitung (NLP) realisiert.
Dieser Beitrag fasst die Herausforderungen und möglichen Lösungen für den Einsatz von Entity Recognition zur Identifikation relevanter Technologien in Textdokumenten zusammen. Die Autoren stellen eine frühe Phase der Implementierung des Entity Recognition Modells vor. Dies beinhaltet die Auswahl von Transfer Learning als geeignete Methode, die Erstellung eines Datensatzes, der aus verschiedenen Datenquellen besteht, sowie den angewandten Modell-Trainings-Prozess. Abschließend wird die Leistungsfähigkeit der gewählten Methode in einer Reihe von Tests überprüft und bewertet.