Volker Stich
Refine
Document Type
- Working Paper (6) (remove)
Is part of the Bibliography
- no (6)
Keywords
- Datenaustausch (1)
- Datensouveränität (1)
- Fallstudien (1)
- Geschäftsmodelle (1)
- Industrie 4.0 (1)
- Instandhaltung (2)
- KI (1)
- Künstliche Intelligenz (1)
- Return on Maintenance (1)
- SV7459 (1)
Institute
- Dienstleistungsmanagement (6) (remove)
In der neuen Expertise des Forschungsbeirats Industrie 4.0 untersuchen das FIR e. V. an der RWTH Aachen und das Industrie 4.0 Maturity Center den Status-quo und die aktuellen Herausforderungen der deutschen Industrie bei der Nutzung und wirtschaftlichen Verwertung von industriellen Daten. Handlungsoptionen für Unternehmen, Verbände, Politik und Wissenschaft zeigen auf, wie der Nutzungsgrad der Datenbasis erhöht werden kann und wie sich Potenziale bei der Monetarisierung ausschöpfen lassen. Der Fokus liegt dabei auf produzierenden Unternehmen.
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.
The FIR at the RWTH Aachen University continuously develops the concept and the principles of RoM further. It is already noticeable that the gap between companies that began preparing their maintenance departments for Industrie 4.0 years ago and those that are still struggling with the mere foundations of a professional maintenance organisation is rapidly increasing.
The first driver of the development sparked by Industrie 4.0 is the collection of and work with condition data. It is used to create a digital shadow of a service, e.g. maintenance measures in a specific
context. In the future, critical machine functions will be monitored continuously within production processes.
Based on these observations, the likelihood of machine failures can be predicted, which makes it possible to prioritize data-based maintenance measures. This means that maintenance activities, i.e. production plans, are based on prognoses regarding machine failures. By doing so, the currently existing separation between inspection, maintenance and reactive measures can be overcome, resulting in a holistic approach to maintenance. Maintenance specialists receive support from assistance systems, which give them access to all relevant information (e.g. machine history, spare part availability, proposals for measures, etc.). As a result, they can take on routine tasks in different areas as well and contribute to the increased flexibility of the production process. Although data is becoming an increasingly important driver of successful maintenance strategies,
maintenance employees continue to be central to specific tasks, machines and systems. In the future, it can be expected that they choose to become experts in a certain field and, ideally, actively share their knowledge with others within an open maintenance culture. Systems for interdisciplinary collaboration will be made part of everyday practice.
The maintenance department will be a center and distributor of knowledge in the agile company of the future.Only through the interaction of the outlined success principles, which amount to a paradigm shift within the maintenance department, the potential
benefit of maintenance as defined by RoM can be fully exploited, creating a long-term competitive advantage for those who consistently follow the path towards Industrie 4.0 in maintenance.
Die Instandhaltung, konsequent zu Ende gedacht, ist ein zentraler Treiber für den Unternehmenswert und wird damit für viele produzierende Unternehmen zum strategischen Erfolgsfaktor. Da für die meisten Unternehmen ein umfangreicher Mitarbeiter- und Ressourcenaufbau nicht in Frage kommt, stehen diese Unternehmen vor der Herausforderung, den Wertbeitrag vorhandener Mitarbeiter und Ressourcen zu maximieren. Dies führt zum Konzept Return on Maintenance (RoM). Der Wertbeitrag der Instandhaltung geht dabei über die reine Herstellung von Verfügbarkeit zu möglichst geringen Kosten weit hinaus. Zielgrößen wie Ausschussrate, Energieeffizienz, Materialeffizienz aber auch die Minimierung von Rüstzeiten zeigen die vielfältigen Zielgrößen der Instandhaltung auf.
Prinzipien zur erfolgreichen Umsetzung von KI-Geschäftsmodellinnovationen
In Zeiten des zunehmenden globalen Wettbewerbs und hoch vernetzter Wertschöpfungsketten entwickelt sich Künstliche Intelligenz zu einem immer wichtiger werdenden Wettbewerbsfaktor für Unternehmen am Wirtschaftsstandort Deutschland. Durch den Einsatz von KI-Verfahren können nicht nur interne Geschäftsprozesse kostensenkend optimiert, sondern auch neue, digitale Geschäftsfelder und -modelle erschlossen werden. Es lassen sich zum einen Trends identifizieren, denen der Einsatz von KI in deutschen Unternehmen folgt. Zum anderen zeigt sich, dass sich KI unterschiedlich stark auf verschiedene Dimensionen innovativer Geschäftsmodelle auswirkt. Insgesamt lassen sich so Prinzipien ableiten, die die erfolgreiche Umsetzung von KI-Geschäftsmodellinnovationen beschreiben.
Neue Technologie- und Anwendungstrends kennzeichnen KI-Nutzung
Die tatsächliche KI-Landschaft in den Wertschöpfungsketten von KI-nutzenden Unternehmen ist durch Trends gekennzeichnet. Diese lassen sich in Technologie- und Anwendungstrends unterteilen. Experteninterviews zeigen beispielsweise, dass KI-Anwendungen bevorzugt auf Cloud-Infrastrukturen entwickelt und bereitgestellt werden. Das wiederum rückt die Frage nach der Wahrung der Datensouveränität in den Vordergrund. Anwendung findet KI tendenziell zur Prognose und Überwachung.
Sechs Prinzipien beeinflussen die erfolgreiche Umsetzung von KI-Geschäftsmodellinnovationen
Fallstudien über ein breites Spektrum der deutschen Wirtschaft beleuchten, welche Aspekte eines KI-basierten Geschäftsmodells den größten Effekt auf das Unternehmen haben. Hier lässt sich ein besonders hoher Einfluss von KI auf das Nutzenversprechen neuartiger, digitaler Leistungen der Unternehmen an die Kundinnen und Kunden feststellen. So lassen sich sechs Erfolgsprinzipien zur erfolgreichen Implementierung von KI-Technologien identifizieren, um die wirtschaftliche Nutzung von KI für Unternehmen in Deutschland im globalen Wettbewerb weiter zu steigern. So empfiehlt es sich zum Beispiel – neben der Auswahl des richtigen KI-Anwendungsfalles – ebenfalls darauf zu achten, dass die KI-Anwendung sowohl den Anbietenden wie auch den Anwendenden nützt. Diese und weitere Erfolgsprinzipien werden detailliert in der Studie Künstliche Intelligenz – Geschäftsmodellinnovationen und Entwicklungstrends beschrieben.