Business Transformation
Refine
Year of publication
Document Type
- Article (5)
- Book (2)
- Part of a Book (25)
- Conference Proceeding (30)
- Contribution to a Periodical (98)
- doctorallecture (1)
- Doctoral Thesis (6)
- Internet Paper (4)
- Report (14)
- Working Paper (8)
Language
- German (128)
- English (35)
- Multiple languages (30)
Is part of the Bibliography
- no (193)
Keywords
- 01 (24)
- 02 (27)
- 03 (5)
- 04 (1)
- 5G (3)
- 5G-Monitoring (1)
- 5G-Netze (1)
- 5G-Potenziale (1)
- 5G-Technologie (1)
- AI (4)
Institute
- Business Transformation (193)
- Dienstleistungsmanagement (14)
- FIR e. V. an der RWTH Aachen (192)
- Informationsmanagement (12)
- Produktionsmanagement (8)
Die Fabrik 4.0 wird nicht menschenleer sein. Im Gegenteil wird der Mensch als Kompetenz‐ und Flexibilitätsquelle sowie als Entscheider eine wesentliche Rolle in den dezentral organisierten Produktions‐ und Prozessstrukturen der Zukunft spielen. So erfordert die Evolution der Arbeits‐ und Produktionssysteme auch eine Evolution der Lehrund Lernprozesse, wobei Produktions‐ und Wissensarbeit immer stärker miteinander verschmelzen. Die Fülle an verfügbaren Informationen in der digitalen Fabrik muss für die beteiligten Mitarbeiter handhabbar und steuerbar gemacht werden. Hierfür werden mobile Endgeräten aber auch vor allem intelligente Assistenzsysteme auf der technologischen Seite notwendig sein. Weitgehende Einigkeit besteht darin, dass durch diese Entwicklung erhebliche Qualifizierungsanforderungen auf die Unternehmen zukommen und dass Lernprozesse aus Zeit‐, Kosten‐, Akzeptanz‐ und Qualitätsgründen viel stärker als heute als Learning‐on‐the‐job, also arbeitsintegriert, erfolgen müssen. Informationen und technische Geräte sind jedoch alleine nicht in der Lage, funktionierende Learning Solutions zu schaffen. Forschungsergebnisse zeigen seit längerem, dass dazu lernförderliche Arbeitssysteme erforderlich sind. Darunter sind Systeme zu verstehen, welche Lernen als Planungsgegenstand und Gestaltungskriterium aufweisen, denn Lernförderlichkeit wird bereits in der Planungs‐ und Gestaltungsphase der Arbeitssysteme zu erheblichen Anteilen bestimmt. Die Förderung menschlicher Lernprozesse für ein effektives und effizientes arbeitsintegriertes Lernen wird damit zu einer Engineering‐Aufgabe. Im laufenden BMBF‐Verbundprojekt ELIAS (Engineering lernförderlicher industrieller Arbeitssysteme für die Industrie 4.0) werden bestehende wissenschaftliche Erkenntnisse zum Lernen im Prozess der Arbeit und zur Lernförderlichkeit zu einem integrativen Modell der Lernförderlichkeit weiterentwickelt.
Zielsetzung des geplanten Verbundprojekts ELIAS ist es, einen Ansatz für die Gestaltung von Produktions- und Arbeitssystemen zu entwickeln, der die Lernförderlichkeit als elementaren Bestandteil bereits im Entstehungsprozess einplant und darüber hinaus die kontinuierliche Verbesserung in Bezug auf die Lernförderlichkeit sicherstellt. Mit dem ELIAS-Lernförderlichkeitsplaner wird erstmals ein Konzept bereitgestellt, das die aktive Entwicklung und Gestaltung moderner lernförderlicher Arbeitssysteme sowohl für Dienstleistungs- als auch Produktionsprozesse ermöglicht. Die Breitenwirksamkeit und stetige Weiterentwicklung des ELIAS-Ansatzes wird dabei durch die ELIAS-Community garantiert, die als zentrale Austauschplattform Experten und Entscheidungsträger des Industrial Engineerings auch über die beteiligten Partner hinaus zusammenführt. Das Forschungsprojekt ELIAS wird durch das Bundesministerium für Bildung und Forschung (BMBF) gefördert werden.
In an increasingly changing market environment, the long-term survival of companies depends on their ability to reduce latencies in adapting to new market conditions. One strategy to meet this challenge is the anchoring of data-driven decision making, which leads to an increasing use of advanced information technologies and, subsequently, to an increase in the amount of data stored. The complexity of processing these data spurred the demand for advanced statistical methods and functions called Business Analytics. Companies are, despite all promised benefits, overwhelmed with the implementation of Business Analytics as indicated by a failure rate of 65 to 80 %. This paper provides an empirically validated, multi-dimensional model that takes an integrative look at critical success factors for the implementation
of Business Analytics and based on which management recommendations can be generated. For this purpose, constructs of the model are conceptualized, before a structural equation model is developed. This model is then validated with data from 69 industrial partners in the food industry. It is shown amongst others, that the three success factors top management support, IT infrastructure and system quality are pivotal to increase the company performance.
Die Nahrungsmittelindustrie bringt jährlich ca. 40.000 neue Produkte auf den Markt. Die daraus resultierenden Veränderungen haben einen großen Einfluss auf die Nahrungsmittelindustrie und führen durch die
Vielzahl der zusätzlichen Optionen zu deutlich komplexeren Entscheidungsproblemen. Eine Strategie zur Bewältigung dieser Herausforderung ist die Verankerung der datengesteuerten Entscheidungsfindung, die zu einem zunehmenden Einsatz fortschrittlicher Informationstechnologien wie Business-Analytics
führt. Trotz aller Vorteile sind die Unternehmen mit der Implementierung von Business-Analytics überfordert, was sich in einer Misserfolgsquote von 65 bis 80 Prozent widerspiegelt. In diesem Artikel werden Erfolgsfaktoren aufgezeigt und Handlungsempfehlungen abgeleitet, um Unternehmen bei der Einführung von Business-Analytics und dem Aufbau einer fundierten Basis für unternehmerische Entscheidungen zu unterstützen. Die umfassende Expertise für das Forschungsprojekt wird durch ein gemeinsames Konsortium, bestehend aus den Instituten FIR e. V. an der RWTH Aachen, IPRI – International Performance Research Institute GmbH in Stuttgart und dem Forschungsinstitut für Unternehmensführung, Logistik und Produktion der Technischen Universität München gestellt.
Dieser Artikel beschreibt ein ausführliches, mit Praxispartnern validiertes Einführungskonzept, um Unternehmen der Nahrungsmittelindustrie mit Hilfe von BA zu unterstützen. Dies soll die zielgerichtete Einführung von BA in der Nahrungsmittelindustrie erleichtern und somit die Konkurrenz- sowie Zukunftsfähigkeit der deutschen Nahrungsmittelindustrie sicherstellen. Für die komfortable Übertragung in die Praxis werden die Ergebnisse dieser Untersuchung sowie weitere Hintergrundinformationen zusätzlich in einem IT-Tool zusammengefasst. Gestützt auf unternehmensindividuellen Eingabeparametern werden dabei typspezifische Handlungsempfehlungen vorgeschlagen. Dieses Tool ist frei verfügbar unter https://projekt-basuccess.de
In diesem Beitrag werden aktuelle Ergebnisse des AiF-Forschungsprojekts PROmining mit Bezug zur Fördertechnik in der S&E-lndustrie vorgestellt. Neben großen Defiziten in der Digitalisierung konnten Herausforderungen in der Kapazitätsplanung und -auslastung von Betriebsmitteln identifiziert werden. Digitale Plattformlösungen haben das Potenzial, beide Aspekte zu bewältigen. Im Forschungsprojekt 'PROmining' wird untersucht, wie durch die Digitalisierung von bisher unzureichend digitalisierten Unternehmensprozessen und dem Einsatz einer Plattformlösung die Auslastung mobiler Betriebsmittel erhöht werden kann.
Ein Großteil des Mikroplastiks entsteht im Straßenverkehr, etwa durch Reifen- und Fahrbahnabrieb. Im Projekt mMEU wurde ein datenbasiertes, prototypisches Modell für die Ermittlung und Überwachung von Mikroplastikemissionen entwickelt, das Städten sowie kommunalen Dienstleistern eine belastbare Grundlage zur zukünftigen Gestaltung ihrer öffentlichen Aufgaben liefert. Die Erkenntnisse wurden auf verschiedene im Beitrag beschriebene Anwendungsfälle übertragen, um den Nutzen der Anwendung für die Anspruchsgruppen zu verdeutlichen.
Business ecosystems have become a novel type of value system in all economic sectors. Many of the world’s largest and most valuable companies operate with business ecosystem approaches. The lack of a uniform understanding of business ecosystems’ features and characteristics make it difficult for decision makers in companies to develop and implement effective business ecosystem strategies. We created a morphology that describes all value systems and applied it to business ecosystems. We link business ecosystem characteristics to current interorganizational research and also help practitioners
operationalize the concept of business ecosystems. Companies can use the managerial implications we provide to leverage ecosystems and co-create value.
To stay competitive, the central challenge for many companies at present is to master the process of transformation in the sense of a fundamental redesign of central processes or even of the entire company. Digitization and the need to redefine and reposition oneself in a sustainable economy are just two examples of the main drivers of this transformation. In this context, the basic question of the fundamental necessity of a comprehensive transformation in the sense of a business transformation no longer even arises for most companies in the age of digital transformation. Instead, the focus is on the question of how companies can manage the complexity associated with the scope of a transformation and the necessary changes in terms of the business strategy and on how to ensure the efficiency and success of the transformation. The challenge is to simultaneously design new structures and systems on the substantive level and also to break up established patterns of behavior.