Der Blätterkatalog benötigt Javascript.
Bitte aktivieren Sie Javascript in Ihren Browser-Einstellungen.
The Blätterkatalog requires Javascript.
Please activate Javascript in your browser settings.
Karriere | Digitale Transformation 16 neo November 2020 Nutzer innen aus ein wesentlicher Faktor für Skalierung und damit für wirtschaftlichen Erfolg Erst das Ökosystem optimiert die Plattform in all ihren Dimensionen Infrastruktur Anwendung Business und Interaktion Digitale Ökosysteme öffnen Türen zu weltweiten Partnernetzen erreichen neue Kundengruppen und lassen alle Beteiligten kreativ an neuen Produkten Services und Geschäftsmodellen zusammenarbeiten Klassische Wertschöpfungsketten wandeln sich zu dynamischen digitalen Netzwerken Der Wert für die Unternehmen ist zunehmend da wo die Daten sind Zusammenspiel der physischen und digitalen Welt Physische Produkte und Anlagen werden im Rahmen der Digitalisierung über Embedded Software und Betriebsplattformen grundlegend verändert und erweitert In der Folge verschiebt sich der Wettbewerb von Made in zu Made and operated by dem digitalen Betrieb der physischen Welt zu einem definierten Leistungsversprechen z B Nachhaltigkeit Mobilität Gesundheit usw Das Automobil ist ein gutes Beispiel Tesla hat nicht nur ein Auto mit Elektroantrieb ausgestattet sondern es gleichzeitig als Softwareplattform realisiert Overthe-Air Software-Updates erlauben eine fortlaufende Neuanpassung an Kundenbedürfnisse An diesem Entwicklungspunkt ist die deutsche Automobilindustrie noch lange nicht Herrschaftswissen war gestern Kooperation ist die Zukunft Solche datengetriebenen und plattformbasierten Lösungen erfordern unter Einsatz von künstlicher Intelligenz KI die Kombination und Integration unterschiedlichster Kompetenzen über die insbesondere kleine und mittlere Betriebe meist nicht allein verfügen Hier sind übergreifende Wertschöpfungsnetzwerke essenziell um die fehlenden Kompetenzen über verschiedene Partner auszugleichen und notwendige Datenzugänge über geeignete Kooperationen sicherzustellen Zur Konfiguration und dynamischen Anpassung eines solchen Wertschöpfungsnetzwerks ist es wichtig bestehende technische ökonomische und datenbezogene Lücken zu erkennen den eigenen Wertbeitrag zu definieren und passende Kooperationsbeziehungsweise Kollaborationspartner über ihren möglichen Beitrag z B Daten-Technologieund Kompetenzbereitstellung zu identifizieren Partnerschaften als Wettbewerbsfaktor Die Fragen der Skalierung und Monetarisierung sind die entscheidenden Herausforderungen für die weitere Entwicklung digitaler Wertschöpfungsnetzwerke unabhängig von der jeweiligen Unternehmensgröße Häufig treten bei der wirtschaftlichen Nutzung und dauerhaften Einbindung von Partnern in Ökosystemen weitere Fragen auf etwa bezüglich der Schnittstellen Datenformate und Interoperabilität der beteiligten Systeme beziehungsweise Sicherheit der Systeme wie auch zur Vertrauenswürdigkeit der beteiligten Partner Basis digitaler Wertschöpfungsnetzwerke sind geteilte Daten etwa Maschinendaten Prozessdaten Produktdaten UserPraxisbeispiel Resilienz durch KI-Analyse in Fertigungslinien In der hochautomatisierten Fertigungsindustrie erzeugen ungeplant stillstehende Anlagen hohe Produktionsausfälle Über eine datenbasierte Innovation des Tech-Startups Relayr kann die Maschinenfunktion durch integrierte Sensoren und KIbasierte Auswertung überwacht werden Predictive Maintenance Untypisches Maschinenverhalten wird frühzeitig erkannt und das Unternehmen kann die Anlage prüfen und gegebenenfalls warten bevor ein Produktionsausfall auftritt Das verhindert ungeplanten Stillstand der Anlagen und minimiert die Risiken potenzieller Schäden durch Produktionsausfälle Als Teil der MunichRe-Gruppe stehen Relayr zudem mehrere mögliche Finanzierungsund Versicherungsmodelle und -partner zur Verfügung um ein geeignetes Wertschöpfungsmodell anbieten zu können Technisch gelingt das indem eine KIbasierte Auswertung on Edge erfolgt also direkt an der Maschine Durch die Bewertung als typisches oder untypisches Maschinenverhalten reduziert sich die Datenmenge auf ein Minimum Zusätzlich ist die Überwachung durch die eingesetzten KI-Methoden agnostisch Das heißt es ist kein Rückschluss auf die eigentlichen Abläufe in der Fertigung möglich Allerdings verhindert die erforderliche Datensicherheit in vielen Industrien bisweilen noch dass eine wirkungsvolle Überwachung mittels Smart Maintenance erfolgt Zudem können Messungen der relevanten Parameter sehr große Datenmengen generieren was eine Herausforderung für die ITInfrastruktur darstellt Produktionsausfälle lassen sich mithilfe künstlicher Intelligenz minimieren Bild Plattform Lernende Systeme 2020