Herman Hollerith Conference 2024

Anstatt Plattformen ständig neu zu definieren, um mit dem technologischen Fortschritt Schritt zu halten – wie etwa soziale Plattformen, KI-gesteuerte Plattformen und agentenbasierte KI-Plattformen –, ist es robuster und aufschlussreicher, sich auf zwei grundlegende Plattformkategorien zu stützen: Innovationsplattformen (die die Entwicklung ergänzender Lösungen durch Dritte ermöglichen) und Transaktionsplattformen (die marktbasierten Austausch erleichtern). Der technologische Fortschritt sollte nicht als Grund für neue Klassifizierungen verstanden werden, sondern als Treiber für die Bildung zunehmend vernetzter Plattformnetzwerke (Multi-Plattform-Netzwerke oder MPNs). In diesen Netzwerken kombinieren sich diese grundlegenden Plattformtypen dynamisch und erzeugen so höhere Externalitäten wie verbesserte Netzwerkeffekte und Komplementaritäten, verstärkt durch fortschrittliche KI-Funktionen. Diese netzwerkorientierte Perspektive bietet eine stabile theoretische Grundlage und praktische Anleitung für die Bewältigung der Komplexität und die Maximierung der Wertschöpfung in sich entwickelnden digitalen Ökosystemen.

Die Implementierung von KI ist für alle Unternehmen ein kritischer Überlebensfaktor. KMUs hinken bei der Einführung von KI hinterher und benötigen ein Tool zur Bewertung und Entwicklung von KI-Capabilities. Es wird ein Capability Model für KI Implementierung für SMEs im Aufsatz entwickelt. Neben der Entwicklung und Vorstellung des Modells werden in der Schlussfolgerung auch künftige Forschungsrichtungen aufgezeigt.

Die raschen Veränderungen im Geschäftsumfeld erfordern die Einführung neuer Technologien, um das Tempo der Veränderungen beizubehalten und die Geschäftsergebnisse zu verbessern. Dies kann durch den Einsatz von künstlicher Intelligenz (KI) erreicht werden. Kleine und mittlere Unternehmen (KMU) stehen bei der Einführung von KI oft vor Herausforderungen. Allerdings werden KMU in der Forschung oft an den Rand gedrängt. Für uns als regionales KI-Labor ist es wichtig, die Herausforderungen der regionalen KMUs zu verstehen, um sie bei der Einführung von KI besser unterstützen zu können. Deshalb wurde eine Expertenstudie durchgeführt. Es wurden sechs Kategorien von Herausforderungen ermittelt, die häufigste Kategorie war „Mangel an Erfahrung“. Die Studie zeigt, dass Praktiker klare Richtlinien und eine sichere Testumgebung benötigen, um KI-Projekte umzusetzen.

Eine exakte Ermittlung und Bilanzierung von CO₂-Emissionen entlang der gesamten Lieferkette in der Verpackungsindustrie wird durch Datensilos und eine begrenzte Automatisierung erschwert. In diesem Artikel wird ein innovativer Ansatz zur CO₂-Bilanzierung vorgestellt, der Digitale Produktpässe (DPP) für die Datenteilung über die gesamte Wertschöpfungskette hinweg integriert. Am Beispiel der Wellpappenindustrie wird demonstriert, wie ein DPP als zentraler Data Hub dienen kann, um den CO₂-Fußabdruck von Produkten in Übereinstimmung mit den Scope-3-Anforderungen, die die gesamte Wertschöpfungskette umfassen, genau zu berechnen. Der DPP steigert die Datenqualität, indem er Lücken in der CO₂-Bilanzierung durch die Einbindung aller Akteure in der Wertschöpfungskette schließt.

Darüber hinaus unterstützt der DPP Unternehmen dabei, regulatorische Anforderungen wie die Corporate Sustainability Reporting Directive zuerfüllen und bietet gleichzeitig Transparenz über die Berechnungslogik. Die Ergebnisse verdeutlichen die zentrale Bedeutung von Enterprise Software für die Realisierung von DPPs und zeigen, dass ein sicherer und souveräner Datenaustausch sowie die Einbindung von Technologien wie der Asset Administration Shell und dem Eclipse Dataspace Connector für die Integration von Prozessdaten in einen DPP von Vorteil sind.

Unternehmensplanung und Budgetierung sind für Unternehmen wesentlich, um ihre langfristigen Ziele zu erreichen. Während die Anwendung anderer Technologien wie Robotic Process Automation (RPA) in der Planung und Budgetierung bereits gängige Praxis ist, sind die potenziellen Vorteile der Einbeziehung von generativer künstlicher Intelligenz (GenAI), insbesondere von Large Language Models (LLMs), in den Bereich der Planung und Budgetierung noch recht unklar. Ziel dieser Untersuchung war es daher, mögliche Anwendungsfälle zu identifizieren und den aktuellen Stand der Diskussion zu beleuchten. Es wurde ein Multivocal Literature Review (MLR) durchgeführt, um sowohl akademische als auch nicht-akademische Quellen zu analysieren und zu bewerten. Die Literatur unterstreicht das transformative Potenzial von GenAI bei der Verbesserung der Geschäfts- und Finanzplanung durch Schnittstellen in natürlicher Sprache, die es den Nutzern ermöglichen, effektiver auf Daten zuzugreifen, sie zu analysieren und zu interpretieren.

Die Ergebnisse verdeutlichen jedoch auch eine Lücke in der vorhandenen akademischen Literatur und zeigen, dass einige graue Literaturquellen kritisch zu hinterfragen sind. Daher ist weitere Forschung erforderlich, um die Vorteile von GenAI in der Unternehmensplanung und Budgetierung vollständig zu verstehen und zu heben.

Die digitale Transformation hat die Prozesse im Personalwesen (HR) beeinflusst und eine Vielzahl digitaler HR-Tools auf den Markt gebracht, um die Prozesseffizienz zu erleichtern und zu erhöhen. Diese Studie analysiert die Erfahrungen von Mitarbeitern außerhalb des Personalwesens mit digitalen HR Tools. Diese Tools bieten Funktionen zur Abwesenheitsplanung, Gehaltsabrechnung und Leistungsverwaltung. Insbesondere untersuchen wir die potenziellen Auswirkungen der digitalen HR-Tools auf die Endnutzererfahrung von Mitarbeitern, die nicht im Personalwesen tätig sind, wobei wir uns auf Technostressoren,Techno-Overload und Techno-Komplexität sowie auf die moderierende Rolle der Beteiligungsförderung (Involvement Facilitation) auf die Nutzerzufrieden-heit konzentrieren, die anhand des End-User Computing Satisfaction (EUCS)-Modells gemessen wird. Daten von 99 Teilnehmern zeigen, dass Techno-Komplexität vier von fünf Schlüsselbereichen der Nutzerzufriedenheit negativ beeinflusst, darunter Inhalt, Format, Benutzerfreundlichkeit und Genauigkeit, während Techno-Overload keine signifikanten Auswirkungen hat.

Die Beteiligungsförderung moderiert die negativen Auswirkungen der Techno-Komplexität und verbessert die Nutzerwahrnehmung von Format und Genauigkeit.

Low-Code-Entwicklung und -Bereitstellung sind in den letzten Jahren immer beliebter geworden und werden inzwischen von zahlreichen Unternehmen eingesetzt. Durch die Bereitstellung einer einfachen und benutzerfreundlichen Schnittstelle für die Erstellung von Quellcode kann Low-Code die Zeit und die Kosten für die Entwicklung digitaler Anwendungen erheblich reduzieren. Mit Low-Code kann Anwendungssoftware schnell implementiert werden, ohne dass tiefgreifende Programmierkenntnisse erforderlich sind. Diese Demokratisierung der Software-Entwicklung bietet erhebliche Chancen, birgt aber auch Risiken, die für die IT-Governance einen Trade-Off darstellen.

In diesem Beitrag wird dieser Trade-Off anhand einer systematischen Analyse der wachsenden Zahl von Literatur untersucht, wobei der Schwerpunkt auf den Herausforderungen und Potenzialen der Low-Code-Einführung liegt. Die Ergebnisse umfassen einen Überblick über die beschriebenen Herausforderungen und Potenziale. Sie können in der Praxis von Organisationen genutzt werden, die die Vor- und Nachteile einer Low-Code-Implementierung und Governance abwägen. Darüber hinaus bieten die Ergebnisse eine Ausgangsbasis für eine Forschungsagenda auf betrieblicher Ebene.

Hohe Fehlerquoten stellen eine Herausforderung für viele herkömmliche Trainingsmethoden dar. Mit Hilfe von Virtual Reality (VR) und digitalen Zwillingen soll in dieser Arbeit eine Grundlage geschaffen werden, welche die Trainingseffizienz und das -engagement steigert. Dazu werden digitale Zwillinge – in Form von dreidimensionalen (3D) Scans realer Objekte – geschaffen und mit den Frameworks A-Frame und WebXR in eine VR-Umgebung auf der Meta Quest 3 eingebunden, die Trainierenden die Möglichkeit einer direkten und interaktiven Interaktion in einer immersiven Umgebung ermöglicht. Das daraus resultierende Minimum Viable Product (MVP) stellt eine Umgebung mit Fahrzeugen dar, die geöffnet werden können, um ihren Inhalt im Detail zu begutachten, zu erlernen und versteckte Objekte zu finden. Dieses MVP wird auf der Grundlage von 3D-Scans von Fahrzeugen an einem lokalen Flughafen erschaffen und hat zum Ziel, das Training von Sicherheitspersonal zu verbessern, gleichzeitig aber auch eine Grundlage für Trainings in anderen Fachbereichen zu bieten.

Zentrale Erkenntnisse umfassen skalierbare Trainingsszenarien, die physisches Training um eine virtuelle Komponente erweitern, die die Wirksamkeit des Trainings erhöht und somit besser ausgebildetes Personal und eine höhere Effizienz gewährleisten.

Value-based Selling ist ein stark kundenorientierter Verkaufsansatz, der sich auf die Bereitstellung maßgeschneiderter Wertangebote konzentriert und darauf abzielt, langfristige Kundenbeziehungen aufzubauen und die Geschäftsziele der Kunden zu beeinflussen. Dieses Paper untersucht das Potenzial der generativen KI (genAI), einer aufkommenden Technologie der künstlichen Intelligenz, den wertorientierten Vertrieb durch neue Möglichkeiten der Effizienz und Effektivität zu verbessern. Durch die Identifizierung und Analyse verschiedener Anwendungsfälle zeigt diese Studie, wie genAI signifikante Verbesserungen in der schnelleren und umfassenderen Suche, Kundenerfahrung und Kundenbindung ermöglicht. Die wichtigsten Herausforderungen beim Einsatz von genAI im wertorientierten Vertrieb sind das Management der Datenqualität und -verfügbarkeit sowie Personalaspekte.

Ein prominenter Anwendungsfall, die Generierung von Customer Insights, wurde durch ein detailliertes Pre-Experiment validiert, das den praktischen Nutzen in realen Szenarien bestätigt. Um die Vorteile von genAI im wertorientierten Vertrieb voll auszuschöpfen, wird empfohlen, die Einführung von genAI mit einer klaren Strategie voranzutreiben, Datenverfügbarkeit und -qualität zu priorisieren, sich auf wertvolle Anwendungsfälle, effektive Kommunikation und Befähigung zu konzentrieren und klare Richtlinien für den verantwortungsvollen Einsatz von genAI zu definieren.

Der erste Teil des Industry Tracks auf der HHC24 untersuchte die Zukunft der Automobilindustrie und betonte die Auswirkungen von Künstlicher Intelligenz (KI) und softwaredefinierten Fahrzeugen. Die Präsentationen von Jan Wehinger (MHP - A Porsche Company) und Steffen Krause (Capgemini) beleuchteten zentrale Trends wie vernetzte Fahrzeuge, Advanced Driver Assistance Systems (ADAS) und die Integration von Generativer KI (GenAI) in eingebettete Fahrzeugarchitekturen. Krauses Vortrag „Natural Language meets Embedded Code: Autosar and GenAI“ untersuchte die Herausforderungen der Implementierung von GenAI in Fahrzeug-IT-Systemen, die Echtzeitanforderungen, Sicherheitsvorgaben und agile Softwareentwicklung in Einklang bringen müssen. Wehingers Vortrag „Automotive Disruption: From Software-Defined Vehicle to Software-Defined Company“ analysierte die transformative Rolle der KI entlang der automobilen Wertschöpfungskette.

Die raschen Veränderungen im Geschäftsumfeld erfordern die Einführung neuer Technologien, um das Tempo der Veränderungen beizubehalten und die Geschäftsergebnisse zu verbessern. Dies kann durch den Einsatz von künstlicher Intelligenz (KI) erreicht werden. Kleine und mittlere Unternehmen (KMU) stehen bei der Einführung von KI oft vor Herausforderungen. Allerdings werden KMU in der Forschung oft an den Rand gedrängt. Für uns als regionales KI-Labor ist es wichtig, die Herausforderungen der regionalen KMUs zu verstehen, um sie bei der Einführung von KI besser unterstützen zu können. Deshalb wurde eine Expertenstudie durchgeführt. Es wurden sechs Kategorien von Herausforderungen ermittelt, die häufigste Kategorie war „Mangel an Erfahrung“. Die Studie zeigt, dass Praktiker klare Richtlinien und eine sichere Testumgebung benötigen, um KI-Projekte umzusetzen.