Stefan Kokorski
Refine
Document Type
- Contribution to a Periodical (7)
- Lecture (4)
- Working Paper (4)
- Internet Paper (2)
- Article (1)
- Part of a Book (1)
- Conference Proceeding (1)
Language
- German (13)
- Multiple languages (5)
- English (2)
Is part of the Bibliography
- no (20)
Keywords
- 01 (10)
- 02 (2)
- 03 (2)
- AI (3)
- AR-Format (1)
- AR-Plattform (1)
- AR-Technologie (1)
- Additive Fertigung (1)
- Akzeptanz (2)
- Artificial Intelligence (1)
Institute
As machine manufacturers navigate the shift toward Industry 4.0, the inte-gration of digital products alongside traditional physical goods has become a strategic imperative. However, the rollout of digital products creates the need to develop busi-ness models supporting the monetization of these digital products. This paper aims to derive key characteristics of business models supporting digital products. Through a combination of expert interviews with industry professionals — including product managers, business developers, and sales managers — and a literature review, a framework of business model aspects for digital products is proposed. The categorization is conducted using Gassmann’s four business model dimensions: value proposition, value chain, revenue model, and target customer. The research identifies six distinct types of digital products, ranging from machine bundles to self-adjusting subscrip-tions fulfillment. This differentiation is crucial for the effective monetization of digital products and the maximization of their potential in evolving industrial digitalization.
Projektergebnis 'KomiD':
Komplexitätsmanagement industrieller Dienstleistungssysteme
– Webtool zur Bewertung der eigenen Komplexität (KomiD)
Mit dem im Projekt entwickelten Webtool können Sie einen ersten Einblick in die Komplexität Ihres Dienstleistungsportfolios gewinnen, um den größten Komplexitätstreiber identifizieren zu können.
Expanding industrial service offerings is an essential growth and diversification strategy for manufacturing companies. However, the unstructured development of service portfolios introduces complexity drivers into organizations and presents new challenges in providing services efficiently and flexibly. This paper explores service complexity in manufacturing companies and evaluates levers for complexity management approaches. Applying an exploratory sequential mixed methods design, complexity drivers are qualitatively identified and clustered into complexity categories. The effect of these complexity categories on the efficiency and flexibility of the service provision is then quantitatively explored via an online survey. Correlation analysis reveals substantial interrelations among task complexity (0.61), service program complexity (0.49), and the complexity of service, support, and customer processes (0.48), highlighting these as most critical to efficiency in successful service provision. This study enables companies to assess and mitigate service complexity by identifying the key pain points for implementing complexity management measures.
Für jeden Euro, den ein Unternehmen in eigene Künstliche-Intelligenz-Applikationen investiert, erzielt es durchschnittlich das 3,5-fache als Rendite. Während viele Unternehmen weltweit diese Potenziale heben, stockt die deutsche Industrie. Häufig können Nahtstellen zwischen Projekten nicht identifiziert werden und der Weg zur abteilungsübergreifenden Adaption von Künstlicher Intelligenz (KI) bleibt unklar. Zur Übersicht der Ansatzpunkte für KI hat das FIR an der RWTH Aachen gemeinsam mit zehn Unternehmen aus dem Maschinen- und Anlagenbau die fünf Top-Anwendungsfelder für den industriellen Service identifiziert.
KI-Potentiale nutzbar machen
(2025)
Der Großteil deutscher Unternehmen nutzt Sprachassistenzen mit Künstlicher Intelligenz (KI) für das eigene Wissensmanagement oder baut diese gerade auf. Gleichzeitig birgt der Einsatz von KI Risiken, etwa die sogenannte „Halluzination" – frei erfundene Antworten ohne fachliche Grundlage. Gerade im industriellen Kontext, wo Präzision und Verlässlichkeit entscheidend sind, ist dies nicht akzeptabel. Die Technologiestudie „KI im Service“ des FIR an der RWTH Aachen widmet sich diesem Thema und stellt drei zentrale Schritte vor, die helfen, ein zuverlässiges KI-gestütztes Wissensmanagement aufzubauen.
Unternehmenskooperationen werden in Zukunft immer wichtiger für den Erfolg von Produkten und Services. Sie bilden die Grundlage, um die individuellen Kompetenzen einzelner Akteure zu bündeln und so komplexere Dienstleistungen wie digital unterstützte Subskriptionen abzubilden. Für diese Leistungen sind Wertschöpfungsnetzwerke in Form von Zusammenarbeit verschiedener Unternehmen notwendig. Jedoch fehlt es Unternehmen heute an geeigneten Kooperationsmodellen und -strukturen, um die erforderliche Zusammenarbeit zielgerichtet anzugehen. Dadurch gehen Wertschöpfungspotenziale verloren. Gemeinsam mit den Praxispartnern Belfor, Databay, Etabo, Henkel und Yncoris untersucht das FIR diese Strukturen. In einem ersten Schritt wurden dafür Dimensionen für ein notwendiges Change-Management auf dem Weg zur Unternehmens kooperation erarbeitet. Ziel ist es, ein Assessment für Unternehmen zu entwickeln, mit dem diese den Weg zur Unternehmenskooperation selbst bewerten können. Zur Behebung der Lücken und Schwächen, die mithilfe dieses Assessments identifiziert werden, werden den Unternehmen anschließend passende Maßnahmen und Best Practices empfohlen.
KVD Kongress: KI im Service
(2024)
KI im Service
(2024)
Dieses Whitepaper zeigt auf, wie KI im Service erfolgreich eingesetzt werden kann. Es bietet einen Überblick über die aktuellen Trends, technologischen Entwicklungen und praktischen Anwendungsfälle. Im Rahmen unserer Zusammenarbeit haben wir als Arbeitsgruppe Strategien und Erfolgsfaktoren identifiziert, die Unternehmen bei der Implementierung von KI im Service unterstützen.
