Dienstleistungsmanagement
Refine
Year of publication
Document Type
- Article (3)
- Book (27)
- Part of a Book (53)
- Conference Proceeding (71)
- Contribution to a Periodical (175)
- doctorallecture (32)
- Doctoral Thesis (30)
- Lecture (54)
- Internet Paper (14)
- Report (27)
Language
- German (381)
- English (92)
- Multiple languages (34)
- Spanish (2)
Is part of the Bibliography
- no (509)
Keywords
- 01 (25)
- 02 (15)
- 03 (6)
- 04 (3)
- 3-Phasen-Konzept (1)
- 3D-Druck (1)
- AGCO (1)
- AI (2)
- AR (3)
- Aachener Lean-Services-Zyklus (3)
Institute
- Business Transformation (14)
- Dienstleistungsmanagement (509)
- FIR e. V. an der RWTH Aachen (509)
- Informationsmanagement (14)
- Produktionsmanagement (20)
Die Smart Maintenance befähigt die Mitarbeitenden in der Instandhaltung dazu, datenbasierte Entscheidungen zu treffen, dabei unternehmensinterne und -externe Anspruchsgruppen zu berücksichtigen und so den unternehmerischen und gesellschaftlichen Wertbeitrag der Instandhaltung und des Service zu steigern. In der Fachgruppe Smart Maintenance am FIR entwickeln Expert:innen Modelle, Methoden und Werkzeuge für die umfassende technologische und organisatorische Transformation der Instandhaltung und des Service.
KVD-TrendRadar
(2022)
Mit dem Service TrendRadar bringen wir eine neue Sichtweise in die Diskussion der Dienstleistungswende. Dabei konzentrieren wir uns dieses Jahr auf die Fragen „Welche Faktoren werden diese Entwicklung dominieren und in welche Richtung müssen Unternehmen denken und handeln, um auch in Zukunft erfolgreich aufgestellt zu sein?“
KVD-TrendRadar
(2021)
Mit dem KVD TrendRadar bringen wir eine neue Sichtweise in die Diskussion: Statt mit der Frage „Was haben Service-Unternehmen in der Vergangenheit getan, um heute erfolgreich zu sein?“ die Vergangenheit zu analysieren, blicken wir mit der Frage „Womit müssen sich Service-Unternehmen in den kommenden Jahren befassen, um erfolgreich zu werden oder zu bleiben?“ mit Ihnen zusammen in die Zukunft.
Green Services
(2022)
Erinnern Sie sich noch daran, was Sie am 4. Mai 2022 gemacht haben?
Wahrscheinlich wird der Tag auch für Sie ein unauffälliger Mittwoch gewesen sein. Dieser Tag jedoch markiert für Deutschland den Zeitpunkt, an dem unser ökologischer Fußabdruck die für dieses Jahr in Deutschland zur Verfügung stehende Biokapazität übersteigt. Kurz gesagt: Für das restliche Jahr leben und arbeiten wir im Ressourcendefizit. Die Folgen
zeigen sich bereits heute weltweit und führen dazu, dass Nachhaltigkeit inzwischen ein zentraler Faktor für Politik, Wirtschaft und Bevölkerung geworden ist.
In der Spitzengruppe der weltweit wertvollsten Unternehmen befinden sich Stand 20211 hauptsächlich Digitalkonzerne wie Apple, Amazon, Alphabet, Microsoft, Facebook und Tencent. Im Gegensatz zu traditionellen Industrieunternehmen bestimmt sich der größte Anteil des Unternehmens- bzw. Börsenwerts dieser Konzerne nicht durch physische Assets, sondern durch den immateriellen Wert vorhandener Daten, Informationen und informationstechnischer Dienste.
Der Zugriff auf und die Nutzung von Daten sind zunehmend wettbewerbsentscheidende Schlüsselfaktoren und begründen die Notwendigkeit zur digitalen Transformation etablierter Geschäftsmodelle und -prozesse auch innerhalb der produzierenden Industrie in Deutschland und Europa. Das vom Bundesministerium für Wirtschaft und Klimaschutz geförderte Projekt ‚Future Data Assets“ dient folgerichtig dem Ziel, zunächst neue Möglichkeiten der Datenbe-
wertung, insbesondere im Bereich des monetären Nutzens, und daran anschließend Kanäle zur Kommunikation der ermittelten Werte zu erforschen. Im Fokus der Untersuchungen stehen insbesondere produzierende Unternehmen, die im Kontext von Industrie 4.0 zunehmend Daten wertschöpfend einsetzen, jedoch vor zahlreichen Herausforderungen in der externen und internen Kommunikation des Nutzwertes ihres Datenkapitals stehen.
Augmented Reality (AR) bietet ein großes Nutzenpotenzial im Bereich der industriellen Dienstleistungen. Der genaue monetäre und qualitative Nutzen ist jedoch, wie bei IT-Investitionen im Allgemeinen, schwer zu bewerten. Im Rahmen des Forschungsprojekts Datenmanagement for Augmented Reality (DM4AR) wurde aus diesem Grund ein Bewertungsmodell entwickelt, welches den Nutzen von AR im industriellen Service messbar macht.
Augmented reality seems to offer great potential benefits in the field of industrial services. However, the question of the exact benefits, both monetary and qualitative, is difficult to evaluate, as is the case with IT investments in gen-eral. Within the framework of the DM4AR research project, an evaluation model was therefore developed. Based on group discussions and interviews on potential AR use cases, a list of monetary and qualitative benefits was compiled to form the basis for selecting suitable evaluation modules in the existing literature. These include an impact chain analysis in the form of a strategy map, a monetary eval-uation as a calculation of the return on investment, based on the assumptions of the use case as well as existing studies, and a qualitative evaluation in the form of a utility analysis. The outcome is an evaluation model in the form of a multi-perspective approach that considers the impact of AR in the four perspectives of the balanced scorecard (financial, customer, internal business processes, learning and growth). The results of the qualitative and monetary evaluation can be sum-marized in a 2D matrix to support decision-making.
Im Bereich des industriellen Service bietet Augmented Reality (AR) großes Nutzenpotenzial. Ein Bewertungsmodell hierfür wurde im Rahmen des Forschungsprojekts ‚DM4AR‘ entwickelt. Dabei wird ein multiperspektivischer Ansatz genutzt, der den Nutzen der AR-Anwendung in den vier Perspektiven einer Balanced Scorecard (Finanzen, Kunden, interne Geschäftsprozesse, Lernen und Wachstum) berücksichtigt. Es ist also nun zu klären, inwieweit Praktiker:innen gleiche, ähnliche oder verschiedene Bewertungen in den einzelnen Bewertungskategorien im Vergleich zur Literatur abgeben. Zur Klärung dieser Frage wurde ein Workshop durchgeführt, bei dem Vertreter:innen aus der industriellen Praxis eine Bewertung mithilfe des multiperspektivischen Ansatzes vorgenommen haben.
Um den wachsenden Anforderungen an die globalen Wertschöpfungsnetzwerke in Bezug auf Effizienz und Zuverlässigkeit gerecht zu werden, sehen sich produzierende Unternehmen damit konfrontiert, mit minimalem Ressourceneinsatz höchsten Ansprüchen an Qualität und Versorgungssicherheit gerecht werden zu müssen. Dies rückt die zuverlässigkeitsorientierte Instandhaltung als Mittel für den effizienten Ressourceneinsatz bei gleichzeitiger Minimierung von Risiken für die Verfügbarkeit, die Produktivität und die Qualität der Anlagen in den Mittelpunkt einer auf die Zukunft ausgerichteten Instandhaltungsgestaltung. Eine Möglichkeit, die Aufwände und die Erfolgswahrscheinlichkeit für die Einführung und den Betrieb der zuverlässigkeitsorientierte Instandhaltung zu steigern, bietet sich durch die zunehmende, kostengünstige Verfügbarkeit und Auswertbarkeit von Daten. Dadurch wird ein Beitrag für die nachhaltige Steigerung des Wertbeitrags der Instandhaltung für das gesamte Wertschöpfungsnetzwerk geleistet. Die vorliegende Arbeit dient dem Ziel, praktikable Modelle für eine datenbasierte zuverlässigkeitsorientierte Instandhaltung zu schaffen. Dafür werden die Elemente der zuverlässigkeitsorientierten Instandhaltung beschrieben und ihre Zusammenhänge erklärt. Die Beschreibungs- und Erklärungsmodelle werden durch ein Vorgehensmodell ergänzt, welches die praktische Implementierung der datenbasierten zuverlässigkeitsorientierten Instandhaltung in der produzierenden Industrie ermöglicht. Für die Entwicklung und Validierung der Modelle wurde ein intensiver Austausch mit der Praxis über Experteninterviews, Workshops und Projekten gewährleistet. Die entwickelten praxisnahen Modelle leisten damit einen Beitrag für die Verbesserung und Gestaltung von Instandhaltungsprozessen und -organisationen. Darüber hinaus können die Modelle der Gestaltung von Anwendungssystemen für die Entscheidungsunterstützung in der Instandhaltung dienen.
(Quelle: https://www.apprimus-verlag.de/datenbasierte-zuverlassigkeitsorientierte-instandhaltung-von-produktionsanlagen.html)
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.
Heutzutage werden in der Möbelindustrie oftmals kostengünstige Möbel in Serienproduktion gefertigt, bei denen die Produkte vor allem von Kurzlebigkeit und geringer Qualität geprägt sind. Die hohe Konkurrenz drängt kleinere Betriebe vom Markt und Aspekte der Produktindividualisierung, um unterschiedlichen Wohnräumen und Lebensanforderungen zu entsprechen, rücken immer stärker in den Hintergrund. Kommt der Wunsch nach einem individualisierten, innovativen und nachhaltigen Möbelstück auf, gibt es derzeit verschiedene Anbieter, die aber oftmals nicht allen Kriterien entsprechen und lange Lieferzeiten, hohe Preise und geringe Kundeneinbindung aufweisen. Mit dem EU-Projekt ‚INEDIT‘ wird deshalb das Ziel verfolgt, eine Plattform zu entwickeln, auf der maßgefertigte, innovative und nachhaltige Möbelstücke zu einem fairen Preis produziert und gehandelt werden können. Nach dem „Do-it-together“-Ansatz entsteht ein Geschäftsökosystem, das nicht nur für Kund:innen, sondern auch für Designer:innen, Zulieferer und Fertigungsbetriebe einen Mehrwert schafft. Für diese neuartige Form der Zusammenarbeit müssen auch potenzielle Erlösmodelle neu gedacht werden und Anreize für die gemeinsame Nutzung der Plattform geschaffen werden. Ziel ist es, den strategischen Fit von Plattformnutzern und passenden Geschäftsmodellen zu gewährleisten und die Nutzung der Plattform für alle optimal zu gestalten.
Ongoing digitalization and Industry 4.0 enable the development of new business models due to the increase in available data and digital connected products. A promising business model type for the machinery and plant engineering industry are subscription models, consisting of products and services offered in return for continuous payments. However, subscription-based business models are associated with extensive changes in the traditional machinery and plant engineering industry, in particular, for small and medium-sized companies (SMEs). Established concepts for the development of value propositions and business models neglect important aspects, such as the integrated development and optimization of products and services across the entire life cycle or the data infrastructure. This paper presents a concept for a methodology to support SMEs developing value propositions within subscription models. Therefore, the systematic identification of customer benefits, the determination and prioritization of subscription relevant functionalities as well as the design of product and service elements addressing those functionalities are the main aspects on which the focus is placed on. The result is a subscription value proposition canvas for SMEs to address the impact of subscription models on products and services.
A subscription business model - that sounds like significant economic advantages. Therefore, the question arises: Why haven't all manufacturing companies established this type of participative business model yet?
The answer: The development and implementation of subscription business models go hand in hand with central challenges that companies have to overcome in the course of a business model transformation. This expert paper helps with this.
Ein Subscription-Geschäftsmodell – das klingt nach maßgeblichen wirtschaftlichen Vorteilen. Daher stellt sich die Frage: Warum haben bisher noch nicht alle produzierenden Unternehmen diese Art der partizipativen Geschäftsmodelle aufgebaut?
Die Antwort: Der Aufbau und die Umsetzung von Subscription-Geschäftsmodellen gehen einher mit zentralen Herausforderungen, die Unternehmen im Zuge einer Geschäftsmodelltransformation bewältigen müssen. Hierbei hilft dieses Expert-Paper.
Development of a platform business model for co-creation ecosystems for sustainable furniture
(2023)
Existing design platforms with multi-dimensional value chains currently have deficits in terms of their business models, resulting in insufficient attention to sustainability goals and individual requirements for products of these platforms. Co-creation approaches, such as the Do-It-Together (DIT) approach for furniture, involve customers and manufacturers as equal partners in the design and production process. This allows customers to have more influence on the sustainability and individualization of products. The existing literature addresses sustainability-oriented design principles for platform business models, but concrete platform business models for multidimensional DIT cocreation of furniture are still missing. Therefore, the objective of this paper is to develop a business model for a DIT co-creation platform for the furniture industry based on a four-step business model innovation framework. This method will then be applied to a specific project scenario to derive a project-specific DIT co-creation business model. This generates knowledge about the collaborative manufacture of sustainable and customized furniture and contributes to the cross-sectoral transfer of platform business models for the development of sustainable products.
Today, however, agility is seen more than ever as a critical success factor for companies. In times of an increasing degree of digital interconnection and minimum viable products, a mentality is entering the industrial service sector that has so far only been exemplified by Internet companies (e.g. Google): New products and especially digital services are developed in highly iterative processes. To this end, customers are involved in early test phases of development and provide feedback on individual functional modules, which – in contrast to the previous approach – are only gradually assembled into a market-ready “100 percent version”. But especially with the development of new digital services, companies must ensure more than ever that both the existing analog service business and the design of new digital services are geared to effectiveness and efficiency in order to meet the growing demands of customers and competitors.
To achieve this, companies must not only be familiar with the products currently on the market, but also master the entire product history, which in some cases goes back more than 30 years and varies greatly from one industry to another.
Today, maintenance exceeds this definition, it is significantly more.
In many companies, it plays the role of an incubator for development
and drives digital transformation forward. The very essence of
Industrie 4.0 is the optimisation of the flow of information within as
well as outside of a company to accelerate the adjustment of company
organisations in the context of increasing competitive pressure.
Because of the variety of interfaces, information and data that
is available as well as its service character, maintenance lends itself easily as the area of choice for a company to make Industrie 4.0 real. Whilst doing so, the aim is not to equip employees with the
latest “gimmick“ for order processment or to be the company with
the highest number of lighthouse projects. Instead, maintenance
ensures reliable and cost-efficient production and, consequently,
the primary creation of added value of the manufacturing company.
Those who were identified as top performers during the “Smart
Maintenance“ consortium benchmarking by FIR at RWTH Aachen
University gain particular useful ideas twice as often as other follower companies directly from staff, thus releasing the right potential.
Information and data help to reach these goals and transfer the
vision of smart maintenance into actual pratice. But what is smart
maintenance exactly and how far along are you in the development
of your individual smart maintenance concept?
Der Wandel vom traditionellen zum digitalen Dienstleister ist nicht ohne weiteres zu vollziehen. So ist der digitale Reifegrad vieler Industrieunternehmen noch zu gering, um diese digitalen Service-Innovationen erfolgreich am Markt zu platzieren.
Ein Problem der Dienstleistungsentwicklung ist die zunehmende Einbindung von Informations- und Kommunikationstechnologie in die Dienstleistungsentwicklung und -durchführung. Die zusätzliche Technologie lässt die Innovationsprozesse für Dienstleistungen auf Seiten der Hersteller immer komplexer werden, indem unterschiedliche interne und externe Stakeholder einbezogen werden müssen (z. B. IT-Partner, Datenschutzbeauftragte oder die Produktentwicklung). Zudem erfordern datenbasierte Dienstleistungen den Aufbau neuer Kompetenzen beim Hersteller (z. B. Data-Scientists), um die gewonnenen Kundendaten zur Steigerung der Maschinenproduktivität nutzen und neue Geschäftsmodelle anbieten zu können. Darüber hinaus müssen Industrieunternehmen, welche erfolgreich datenbasierte Dienstleistungen anbieten wollen, neue Markteinführungsstrategien entwickeln, um bei den Kunden ein hohes Maß an Akzeptanz und Vertrauen zu schaffen und so an relevante Daten zu gelangen. Diese und weitere Herausforderungen lassen die Erfolgsquote von Unternehmen bei der Entwicklung neuer, industrieller Dienstleistungen stetig schrumpfen. Im vorliegenden Whitepaper werden sechs Prinzipien aufgezeigt, die Industrieunternehmen als Hilfestellung bei der Entwicklung neuer, datenbasierter Dienstleistungen dienen.