Open Access

Die digitale Transformation verändert grundlegend, wie produzierende Unternehmen IT-Lösungen nutzen, um Prozesse zu optimieren und wettbewerbsfähig zu bleiben. Gleichzeitig steigt die Nachfrage nach digitalen Anwendungen, doch der IT-Fachkräftemangel bremst deren Umsetzung. Viele Unternehmen sind stark von ihren IT-Abteilungen abhängig, die unter wachsendem Entwicklungsdruck stehen – mit der Folge, dass digitale Innovationen ins Stocken geraten. Low-Code-Plattformen versprechen Abhilfe, indem sie auch Nicht-IT-Fachkräften ermöglichen, aktiv an der Softwareentwicklung mitzuwirken. Fachabteilungen können so eigenständig digitale Anwendungen erstellen und Prozesse effizienter gestalten. Dennoch bleibt der Einsatz von Low-Code oft auf IT-Abteilungen beschränkt – nicht zuletzt aufgrund von Bedenken hinsichtlich Datensicherheit, Governance und fehlendem Wissen über die konkreten Einsatzmöglichkeiten dieser Technologie. Diese Dissertation entwickelt ein umfassendes Regelwerk, das produzierende Unternehmen dabei unterstützt, Low-Code gezielt, sicher und effizient zu nutzen. Drei definierte Anwendungsfalltypen schaffen ein besseres Verständnis für die Einsatzmöglichkeiten. Zudem werden elf grundlegende Regeln abgeleitet, die eine strukturierte und sichere Einführung von Low-Code-Plattformen in produzierenden Unternehmen ermöglichen. Durch die Analyse der Zusammenhänge zwischen Anwendungsfällen und Regeln lassen sich spezifische Maßnahmen ableiten, um Low-Code sicher und effektiv einzusetzen. Ergänzend dazu werden 60 praxisnahe Gestaltungsmaßnahmen formuliert, die Unternehmen konkrete Unterstützung bei der erfolgreichen Integration von Low-Code in ihre Prozesse bieten. Dieses Regelwerk hilft produzierenden Unternehmen, die Potenziale von Low-Code voll auszuschöpfen, Abhängigkeiten von der IT zu reduzieren und die digitale Transformation gezielt voranzutreiben.

Diese Dissertation untersucht Text-Mining in produzierenden Unternehmen. Trotz seines Potenzials ist Text-Mining in dieser Branche bisher weitgehend ungenutzt geblieben, hauptsächlich aufgrund fehlender interner Fähigkeiten in Mathematik, Statistik und IT. Die Arbeit adressiert zwei zentrale Defizite: die Anforderungsdefinition und die Entwicklung von Text-Mining-Anwendungen. Ziel der Dissertation ist es, diese Defizite zu beheben, indem sie Fachbereiche in der Konzeptions- und Planungsphase unterstützt, aus generischen Anwendungsfällen Text-Mining-Funktionen und dafür relevante Methoden abzuleiten. Sieben Text-Mining-Anwendungsfälle wurden in produzierenden Unternehmen identifiziert und modelliert. Diese Anwendungsfälle umfassen 18 spezifische Text-Mining-Funktionen, die zu fünf abstrakten Text-Mining-Funktionen zusammengefasst wurden: Freitexteingabe unterstützen, Wissen bereitstellen, Information extrahieren, Stimmung bewerten und Text klassifizieren. Aktuelle Text-Mining-Methoden wurden in drei Phasen kategorisiert: Vorverarbeitung, Mining-Analyse und Ergebnisaufbereitung. Die Vorverarbeitung bereitet Texte für die Analyse vor, die Mining-Analyse umfasst Methoden wie Klassifikation und Clustering, und die Ergebnisaufbereitung visualisiert die Ergebnisse. Die Dissertation zeigt anschließend die Wirkungszusammenhänge zwischen den Text-Mining-Funktionen und -Methoden auf, was es produzierenden Unternehmen ermöglicht, geeignete Text-Mining-Methoden zu identifizieren und darauf aufbauend die notwendigen Fähigkeiten für Stellenausschreibungen und Bietergespräche zu definieren. Zwei Fallstudien evaluieren die Ergebnisse und zeigen, dass Text-Mining-Anwendungsfalldiagramme entscheidend zur Vermittlung und Nutzbarmachung von Text-Mining beitragen. Dadurch werden produzierende Unternehmen befähigt, die notwendigen Fähigkeitslücken für die Entwicklung von Text-Mining-Anwendungen zu schließen.

In der Kreislaufwirtschaft spielt der Werterhalt sowohl endlicher als auch erneuerbarer Ressourcen eine zentrale Rolle, indem diese über möglichst lange Zeiträume im Wirtschaftskreislauf gehalten werden. Vor dem Hintergrund des fortschreitenden Klimawandels und des Ziels der Europäischen Union, bis 2050 klimaneutral zu werden, steht insbesondere die produzierende Industrie vor der Verpflichtung, ihre Investitionsgüter nachhaltiger und ressourcenschonender einzusetzen. Eine zentrale Herausforderung, der Unternehmen dabei begegnen, ist das begrenzte Angebot an Informationen über gebrauchte und aufbereitete Investitionsgüter, obwohl diese im Vergleich zu Neuprodukten oft günstiger und umweltfreundlicher sind. Ein Lösungsansatz ist der digitale Produktpass, der durch eine verbesserte Digitalisierung von Produktdaten die lückenlose und effiziente Informationsverfügbarkeit über den gesamten Lebenszyklus eines Produkts gewährleisten soll. Dies ist besonders relevant, da bestehende Informationsdefizite zwischen Herstellern und Nutzern die Implementierung von Kreislaufstrategien erheblich erschweren. Obwohl digitale Produktpässe in der wissenschaftlichen Diskussion zunehmend Beachtung finden, fehlt es bislang an klaren, domänenspezifischen Definitionen ihres Inhalts. In der vorliegenden Dissertationsschrift wird ein Modell entwickelt, welches die erforderlichen Informationsbestandteile entlang des Lebenszyklus von Investitionsgütern im Maschinen- und Anlagenbau definiert. Dadurch wird eine Grundlage für die Gestaltung digitaler Produktpässe geschaffen. Im ersten Schritt werden Kreislaufstrategien identifiziert, die für Investitionsgüter im Rahmen digitaler Produktpässe anwendbar sind. Diese Strategien, zusammengefasst unter der Kategorie unternehmensübergreifender Werterhalt, umfassen Reuse, Remanufacturing und Repurposing. Darauf aufbauend wird ein ökosystembasierter Ansatz verwendet, um das Unternehmensnetzwerk zu beschreiben, das am nachhaltigen Lebenszyklus einer Maschine beteiligt ist. Im Rahmen einer Klassifikation wird festgelegt, welche Daten für einen digitalen Produktpass erforderlich sind, um insbesondere die Nachhaltigkeitsziele zu unterstützen. Zu den wesentlichen Datenkategorien gehören Produkt-, Nutzungs-, Netzwerk- und Nachhaltigkeitsdaten. Die Ergebnisse dieser Vorarbeiten führen schließlich zu einem Erklärungsmodell, das die Informationsentitäten und das zugrunde liegende Ökosystem integriert und die Verantwortlichkeiten für die Bereitstellung der erforderlichen Daten definiert. Die Validierung des Modells erfolgte anhand von Fallstudien mit den Unternehmen Schaeffler, BMW, Reifenhäuser und PTC, welche die praktische Anwendbarkeit des Modells bestätigten.