Open Access

In recent years servitization – a shift from traditional product-based value creation towards services – manifests in the transformation of whole industries. The offered service is more frequently created in service-oriented business ecosystems (SOBE) resulting in a paradigm shift. Companies are grappling to strategically position themselves in SOBEs using strategic role models (SRMs). The various approaches for SRM in current literature cannot cover all aspects needed, to fully conceptualize strategic roles, that include relevant service-orientation properties. This paper aims to develop a SRM that is tailored to SOBEs which will help researchers and practitioners to identify and understand important roles in their SOBE. By integrating the service-dominant-logic (SDL) existing SRMs were merged into a SOBE-tailored SRM, combining a system and model theory-based approach. The resulting model includes the three phases of a SOBE: preparation, formation, and operation. In each phase the model consists of three system levels: central value creation, complementary services, and enabling network. All system levels have a defined set of up to ten roles and their typical relationships. The designed six step approach – 1. identification of the SOBE, 2. identification of actors, 3. allocation of roles, 4. creation of role profiles, 5. description of relationships, 6. visualization of the SRM – was used to model and analyse a SOBE in the context of construction for planning and construction of a commercial building. This paper shows, that by using the tailored SRM for SOBE enables a structured approach to detect crucial differences (e.g. increments of certain roles or actors) on a general level as well as in a specific SOBE from construction. This facilitates practitioners to analyse their strategic environment and to systematically develop new positioning alternatives by reducing complexity and structuring relevant information for positioning.

CSOT (China Star Optoelectronics Technology), auch Shenzhen Huaxing Photoelectric Technology genannt, ist der führende LED-Lieferant der TCL Group und der zweitgrößte Produzent von LCD-Displays weltweit. Das Unternehmen nutzt Künstliche Intelligenz (KI) zur Automatisierung von Fehlerprüfungsprozessen, um seinen Wettbewerbsvorteil zu erhalten und auszubauen. Das Labeln (dt. Beschriftung/Etikettierung) von Datensätzen für das Training mit aktuellen KI-basierten Methoden ist jedoch zeit- und arbeitsintensiv und erfordert insgesamt bis zu 1 500 Stunden Trainingszeit für eine typische Produktionsfabrik mit mehreren Produktionslinien. Um dieser Herausforderung zu begegnen, entwickelt das Hong Kong Industrial Artificial Intelligence and Robotics Centre (FLAIR) – gemeinsam initiiert vom RWTH Aachen Campus und dem Hong Kong Productivity Council – neue KI-basierte Segmentierungs- und Klassifizierungstechniken. Mit diesen Ansätzen wird das Data-Labeling von 20 Sekunden auf weniger als eine Sekunde reduziert. So werden mehr als 1 400 Arbeitsstunden pro Fabrik eingespart, was großes Potenzial für Qualitätsverbesserungen im Produktionsmanagement und geschätzte Einsparungen von mehr als 84.000 Euro bedeutet.

Der gesellschaftliche Wandel hin zu mehr Nachhaltigkeit ist in vollem Gange und erfordert eine Neupositionierung der produzierenden Industrie. Durch immer stärker zunehmende wissenschaftliche Erkenntnisse über die voraussichtlichen und bereits sichtbaren Auswirkungen einer bisher unzureichenden Anpassung wächst der Handlungsdruck, der die Regulatorien der Politik verändern und die Spielregeln der Industrie bestimmen wird. Das andauernde Streben nach Wachstum, Kostenoptimierung und Zeiteinsparung überschreitet längst die planetarischen Grenzen unseres Planeten. Ohne enorme Veränderungen des Wirtschaftens hin zu einer einfachen oder doppelten Entkopplung von Wirtschaft und Umwelt ist eine Trendumkehr nicht zu schaffen. Industrieweit muss Verantwortung übernommen werden, einen Transformationsprozess zur Industrial Sustainability zu vollziehen, in dem die Industrie als Bestandteil eines sozial, ökologisch und wirtschaftlich nachhaltigen Gesamtsystems aktiv zur Gesundheit des Planeten beiträgt. Um Industrial Sustainability zu erreichen, benötigen Unternehmen einen Ordnungsrahmen zur Einordnung ihrer unternehmensweiten Initiativen. Es gilt, das normative Verständnis in konkrete Unternehmensstrategien zu übersetzen und diese in Organisationen zu operationalisieren. Zu diesem Zweck wurde ein Ordnungsrahmen der Industrial Sustainability entwickelt, der die Komplexität der Problematik greifbar macht und eine methodische Unterstützung für Unternehmen bereitstellt, die individuellen Handlungsfelder zu identifizieren und unternehmensindividuelle Transformationspfade zu erkennen. Dazu zeigen die vier Handlungsfelder Produkte & Dienstleistungen, Management & Organisation, Produktion & Wertschöpfungsnetzwerk, Mitarbeitende & Kultur auf, in welchen Bereichen der Transformationsprozess betrachtet werden muss. Best-Practice-Ansätze der Reifenhäuser GmbH & Co. KG, des Siemens AG AI Lab, der AIXTRON SE und des Schaeffler Sondermaschinenbau geben Lesenden Denkanstöße, die Transformation hin zur Industrial Sustainability zu beschreiten.