Refine
Year of publication
Document Type
- Article (4)
- Book (3)
- Part of a Book (22)
- Conference Proceeding (4)
- Contribution to a Periodical (14)
- doctorallecture (1)
- Doctoral Thesis (1)
- Lecture (3)
- Internet Paper (4)
- Report (2)
- Working Paper (6)
Language
- German (64) (remove)
Is part of the Bibliography
- no (64)
Keywords
- 02 (4)
- Aachener PPS-Modell (1)
- Abschlussbericht (1)
- Adherence To Delivery Dates (1)
- After-Sales-Service (1)
- Anlaufmanagement (1)
- Arbeit 4.0 (2)
- Arbeitsgestaltung (2)
- Automobilindustrie (1)
- BITKOM (1)
Institute
Künstliche Intelligenz (KI) hat sich über die letzten Jahre stetig zu einem Thema mit strategischer Priorität für Unternehmen entwickelt. Das zeigt sich nicht zuletzt in der gesteigerten Investitionsbereitschaft deutscher Unternehmen in KI-Projekte. Wirtschaftliche Akteure haben erkannt, dass durch eine sinnvolle Nutzung von KI-Technologien Wettbewerbsvorteile erzielt werden können. Die vorliegende Studie legt das Augenmerk auf den industriellen Einsatz einer KI-Technologie, die bereits heute von vielen Unternehmen erfolgreich genutzt wird: Die natürliche Sprachverarbeitung (engl. Natural Language Processing, kurz NLP). Die wirtschaftlichen Potenziale der Technologie liegen dabei in ihrer Fähigkeit, betriebliche Abläufe zu automatisieren und die Schnittstelle zwischen Mensch und Maschine zu verbessern und zu vereinfachen. Ziel der Studie ist es, die Potenziale der NLP-Technologie für Unternehmen nutzbar zu machen, indem konkrete Anwendungsfälle und allgemeine Handlungsempfehlungen sowie Nutzen und Risiken aufgezeigt werden.
Schwerwiegende Gesundheits- und Wirtschaftskrisen wie die Weltfinanzkrise (ab 2007) oder die Covid-19-Pandemie im Jahr 2020 haben aufgezeigt, in welch turbulentem Umfeld sich die globalisierte Welt heutzutage befindet und wie schnell gewohnte Abläufe in Wertschöpfungsketten unterbrochen und angepasst werden müssen. Die alltäglichen Anforderungen in dem sich immer schneller wandelnden digitalen Zeitalter wachsen stetig und sind komplexer denn je.
Unternehmen sind angehalten, immer kurzzyklischer auf sich ändernde
Bedingungen und Störungen zu reagieren und strategische Entscheidüngen
zur Gestaltung von Wertschöpfungsketten zu treffen. Nur mithilfe
einer umfassenden Datengrundlage und -kommunikation kann die strategische Planung der Supply-Chain effektiv erfolgen und somit die benötigte Robustheit und Agilität ermöglicht werden.
Erfolgreiche Serviceinnovation im Zeitalter industrieller, datenbasierter Dienstleistungen unterscheidet sich deutlich von bisherigen Ansätzen der klassischen Dienstleistungsentwicklung. Diese Erkenntnis konnte aus einem breit angelegten Benchmarking in der deutschen Industrie gewonnen werden. Die Benchmarking-Studie identifizierte besonders erfolgreiche Unternehmen, deren Methoden und Ansätze zur Gestaltung innovativer Dienstleistungen in Form von Fallstudien im Detail untersucht wurden. Als Kernergebnis ergeben sich sechs Prinzipien, die erfolgreiche Serviceinnovation für datenbasierte Dienstleistungen auszeichnen.
In immer komplexer werdenden Wertschöpfungsketten wird die Geschwindigkeit, mit der Informationen weitergegeben und entsprechende Maßnahmen umgesetzt werden können, zu einem entscheidenden Wettbewerbsvorteil. In der Realität kommt es jedoch auf dem Weg zwischen einem Ereignis und einer passenden Reaktion zu verschiedenen zeitlichen Verzögerungen, sogenannten Latenzen, die die Agilität eines Unternehmens erheblich hemmen. Insbesondere das Supply-Chain-Management mit seiner koordinierenden Funktion wird dadurch vor enorme Herausforderungen gestellt. Schlüsseltechnologien im Zeitalter von Digitalisierung und Industrie 4.0 bieten jedoch enorme Potenziale, die verschiedenen Formen von Latenzen zu reduzieren. Der Beitrag untersucht die unternehmensübergreifenden Effekte dieser Verzögerungen entlang der Supply-Chain und beleuchtet darüber hinaus die Potentiale konkreter digitaler Technologien auf selbige.
The development of renewable energies and smart mobility has profoundly impacted the future of the distribution grid. An increasing bidirectional energy flow stresses the assets of the distribution grid, especially medium voltage switchgear. This calls for improved maintenance strategies to prevent critical failures. Predictive maintenance, a maintenance strategy relying on current condition data of assets, serves as a guideline. Novel sensors covering thermal, mechanical, and partial discharge aspects of switchgear, enable continuous condition monitoring of some of the most critical assets of the distribution grid. Combined with machine learning algorithms, the demands put on the distribution grid by the energy and mobility revolutions can be handled. In this paper, we review the current state-of-the-art of all aspects of condition monitoring for medium voltage switchgear. Furthermore, we present an approach to develop a predictive maintenance system based on novel sensors and machine learning. We show how the existing medium voltage grid infrastructure can adapt these new needs on an economic scale.
Störungen und Änderungen des Produktionssystems führen zu Kosten und Aufwänden, bieten jedoch auch die Chance zur kontinuierlichen Verbesserung.
Um Änderungsanfragen zu erfassen, können etablierte Ansätze genutzt werden. Diese vernachlässigen jedoch die Anforderungen, denen sich ein Produktionssystem im Zeitalter der Digitalisierung ausgesetzt sieht. Der vorliegende Beitrag stellt einen Ansatz zur standardisierten Erfassung von Änderungsanfragen vor, welcher die Ausgangsbasis für die Bewertung von Änderungsanfragen in bestehenden IT-Systemen bietet.
Data Driven Services
(2020)
Als größter Berufsverband für Beschäftigte im Kundendienst und im After-Sales-Service innerhalb der DACH-Region verbindet der Kundendienst-Verband Deutschland e. V., kurz KVD, unterschiedliche Akteure
im Thema Service, so zum Beispiel aus Wissenschaft und Wirtschaft. Dabei gelingt es dem KVD nicht nur, seine Mitglieder untereinander zu vernetzen, sondern ihnen stets brandaktuelle Inhalte anzubieten.
Die enge Kooperation mit Forschungseinrichtungen ermöglicht es dem KVD und seinen Mitgliedern immer wieder, neue Themen und nützliche Werkzeuge für die praktische Anwendung zur Verfügung zu stellen.
In manufacturing, adherence to delivery dates is one of the main logistic goals. The production control department has to cope with short-term deviations from the planned route sheets. Because of unforeseen disruptions, e.g. machine breakdowns or shortage of material or personnel, in some situations, the promised delivery date to the customer is at stake. In practice, a fast and reasonable decision on how to deal with the delayed order is required. This decision process is often based on a qualitative analysis relying on the planner’s subjective assessment of a complex situation. To improve the quality of possible countermeasures this paper presents an application, which supports the decision process through a quantified analysis using real-time data from business application systems in combination with a simulation of the value stream. The developed app is part of the decision process and estimates the effect of selected countermeasures to accelerate a delayed order. Performance indicators illustrate the effect of the countermeasures on the specific order as well as the whole system. This approach empowers the planner to assess unforeseen situations and aims to improve the quality of the decision-making process. This paper describes the architecture of the application, its simulation ecosystem, the relevant data and the decision process to select the most effective countermeasures.