Florian Clemens
Refine
Document Type
- Contribution to a Periodical (5)
- Conference Proceeding (4)
- Book (2)
- Part of a Book (2)
- Lecture (2)
- Report (1)
- Sound (1)
- Working Paper (1)
Language
- German (11)
- English (5)
- Multiple languages (2)
Is part of the Bibliography
- no (18)
Keywords
- 01 (2)
- 02 (2)
- ADAM (2)
- ADM-Systeme (1)
- AI (3)
- Artificial Intelligence (2)
- Artificial intelligence lifecycle (1)
- Data Literacy (1)
- Datenkompetenz (1)
- Decision-Maker (1)
Institute
Das wirtschaftliche Potenzial von künstlicher Intelligenz (KI) im produzierenden Gewerbe ist mittlerweile unumstritten. Die Technologie ist in der produzierenden Industrie zu einem wichtigen Werkzeug geworden, um eine Vielzahl von Unternehmenszielen zu erreichen. Bei der Umsetzung von KI-Projekten wird jedoch häufig nur die Entwicklung der KI-Modelle betrachtet, weshalb viele Projektergebnisse als Prototypen verstauben und nicht erfolgreich in Prozessen oder Produkten angewendet werden. Ein Grund dafür ist, dass eine ganzheitliche Betrachtung der KI-Anwendung über ihren gesamten Lebenszyklus hinweg fehlt. Insbesondere Aufgaben, die im Betrieb sowie bei der Integration einer KI-Anwendung in die Prozesse und Produkte eines Unternehmens anfallen, sind oft unbekannt oder werden unterschätzt. Ebenso stehen KMU vor der Herausforderung, die für die anfallenden Aufgaben benötigten KIKompetenzen – nicht nur für die Anwendung selbst, sondern auch für vor- und nachgelagerten Prozesse – zu identifizieren. Das Forschungsvorhaben „VoBAKI“ hat zum Ziel, Unternehmen in die Lage zu versetzen, die Aufgaben und erforderlichen Kompetenzen im gesamten Lebenszyklus einer KI-Anwendung bereitzustellen sowie passende Sourcing-Strategien abzuleiten. Im Rahmen des Projekts wurde dazu unter Beteiligung des projektbegleitenden Ausschusses sowie weiterer Expert*innen aus der Wirtschaft unter Anwendung verschiedener, sich ergänzender Methoden (u. a. Literaturrecherchen, Interviews, Workshops und qualitative Inhaltsanalysen) ein umfassendes Vorgehensmodell entwickelt. Zu den Ergebnissen zählen die Sammlung von betrieblichen Zielen für den Einsatz von KI-Anwendungen sowie die Beschreibung von KI-Anwendungsfällen. Ein weiteres zentrales Ergebnis stellt die detaillierte Erarbeitung von Rollen, Aufgaben und benötigten Kompetenzen im KI-Lebenszyklus dar. Ferner werden als Ergebnis der durchgeführten Forschungsaktivitäten Voraussetzungen für KI-Projekte benannt sowie zentrale Kriterien erläutert, die bei der Auswahl von Strategien für die Beschaffung der relevanten KI-Kompetenzen berücksichtigt werden sollten. Weitere Ergebnisse sind Wirkungsmatrizen, die Zusammenhänge zwischen Unternehmenszielen und Sourcing-Strategien aufzeigen, sowie Empfehlungen für die organisatorische Ausgestaltung. Das entwickelte Vorgehensmodell unterstützt KMU sowie weitere Unternehmen mit unterschiedlichen KI-Erfahrungsgraden bei der erfolgreichen Bewertung und Auswahl von Sourcing-Strategien für KI-Kompetenzen und der Umsetzung von KI-Projekten.
The adoption of artificial intelligence (AI) technologies in manufacturing companies is challenging, particularly for SMEs that lack the necessary skills to develop and integrate AI-based applications (AI applications) into their existing IT system landscape. To address this challenge, the research project VoBAKI (IGF-Project No.: 22009 N) aims to enable SMEs to identify and close skill gaps related to AI application development and implementation using proper sourcing strategies. This paper presents the interim results from the second phase of the project, which involves identifying the tasks in the lifecycle of AI applications and determining the specific skills required for executing these tasks. The presented results provide a detailed lifecycle including the phases for the development and usage of AI applications, as well as the specific tasks that SMEs must consider when implementing an AI application. These results serve as the foundation for future research regarding the required skills to execute the presented tasks and provide a roadmap for SMEs to close skill gaps and successfully implement AI applications.
Manufacturing companies face the challenge of managing vast amounts of unstructured data generated by various sources such as social media, customer feedback, product reviews, and supplier data. Text-mining technology, a branch of data mining and natural language processing, provides a solution to extract valuable insights from unstructured data, enabling manufacturing companies to make informed decisions and improve their processes. Despite the potential benefits of text mining technology, many manufacturing companies struggle to implement use cases due to various reasons. Therefore, the project VoBAKI (IGF-Project No.: 22009 N) aims to enable manufacturing companies to identify and implement text mining use cases in their processes and decision-making processes. The paper presents an analysis of text mining use cases in manufacturing companies using Mayring's content analysis and case study research. The study aims to explore how text mining technology can be effectively used in improving production processes and decision-making in manufacturing companies.
Im Rahmen des Forschungsprojekts ‚VoBAKI‘ werden die Umsetzung und der Betrieb von Anwendungen der Künstlichen Intelligenz über deren gesamten Lebenszyklus in produzierenden Unternehmen betrachtet. Zu Beginn des Projekts wurden Unternehmensziele identifiziert, die mit dem Einsatz von Künstlicher Intelligenz verfolgt und erreicht werden können. In diesem Artikel werden das Projekt sowie die identifizierten Ziele vorgestellt und der weitere Verlauf des Projekts skizziert.
Die digitale Transformation in Unternehmen bewirkt einen stetigen Anstieg der Datenmengen auf allen Unternehmensebenen. Die Nutzung dieser Daten und deren Veredlung zu Informationen gestalten sich aufgrund der historisch gewachsenen IT-Komplexität jedoch zunehmend als strukturelle und organisatorische Herausforderung. Das Potenzial der digitalen Transformation, schnellere und bessere Entscheidungen auf Basis von Analysen der vorliegenden Datenbasis zu treffen, bleibt damit oftmals hinter den Erwartungen zurück. Unternehmen sind daher gefordert, Strukturen und Fähigkeiten zur Beherrschung der Ressource Information zu gestalten. Die Informationslogistik stellt einen essenziellen Baustein dar, um interne und externe Informationsflüsse effektiv und effizient nutzbar zu machen.
In diesem Kapitel werden die Begriffe und Grundlagen des Informationsmanagements (IM) erläutert. Zunächst werden die Begriffe „Daten“ und „Information“ erläutert und voneinander abgegrenzt. Darauffolgend werden die Begriffe „Informationssystem“ und „Informationstechnologie“ erläutert. Zudem wird der Begriff „Informationsmanagement“ definiert und dessen Aufgaben im Unternehmenskontext eingeordnet. Abschließend wird der Begriff des IT-Business-Alignments eingeführt und dessen Notwendigkeit im Unternehmenskontext hergeleitet.
Technologiemanagement – die Basis für die Entscheidung über Einsatz, Entwicklung oder Beschaffung sowie die Verwertung von Technologien – kann strategische Entscheidungen eines Unternehmens maßgeblich beeinflussen und damit über dessen Erfolg oder Misserfolg entscheiden. Grundlegende Vorlage für das Technologiemanagement sind Technologieradare, inklusive der Bestimmung des (TRL), um die Reife neu eingesetzter Technologien (z. B. Newcomer vs. Etablierte) bewerten zu können. Sowohl Technologieradare als auch der TRL werden in zeitaufwendigen, manuellen Recherchen von Fachleuten ermittelt. Dieser Prozess wird aufgrund der Weiter- und Neuentwicklung von Technologien häufig wiederholt, sodass die notwendige Recherche als Daueraufgabe bestehen bleibt. Das Forschungsprojekt ‚TechRad‘ (Laufzeit: 01.06.2019 – 31.05.2022) zielt deshalb darauf ab, die Identifikation des TRLs sowie den Aufbau der Technologie-Radare mittels Webcrawling und Natural-Language-Processing (NLP) zu automatisieren. Im Artikel werden die Erkenntnisse aus der Entwicklung in Form eines generischen Leitfadens zur Entwicklung autonomer Technologieradare zusammengefasst.