Diese Buchreihe bietet einen umfassenden Einblick in die fortschreitende Integration moderner Technologien in die Wirtschaft und deren Einfluss auf die Gestaltung zukünftiger Geschäftsmodelle. Die Reihe beleuchtet, wie technologische Fortschritte in Bereichen wie Künstliche Intelligenz, Cloud-Computing, Blockchain und 3D-Druck das Potenzial haben, Wertschöpfungsprozesse in Unternehmen grundlegend zu verändern. Dabei werden sowohl die Chancen als auch die Herausforderungen hervorgehoben, die sich aus dieser Entwicklung ergeben.
Die Autoren, Experten aus Wissenschaft und Wirtschaft, bieten vielfältige Perspektiven und untersuchen verschiedene Aspekte dieser technologischen Transformation. Sie diskutieren, wie Unternehmen sich anpassen und ihre Geschäftsmodelle innovieren können, um in einer zunehmend vernetzten und digitalisierten Welt erfolgreich zu bleiben. Dabei reicht das Themenspektrum von theoretischen Grundlagen über praktische Anwendungen bis hin zu strategischen Überlegungen.
Insgesamt dient die Reihe als Leitfaden und Inspirationsquelle für Entscheidungsträger und Fachleute, die sich mit der Zukunftsfähigkeit von Unternehmen im Kontext der digitalen Revolution auseinandersetzen möchten. Sie liefert wertvolle Erkenntnisse und Denkanstöße für die Gestaltung und Implementierung innovativer, technologiegestützter Geschäftsmodelle.
Band 1: Digitale Technologien und der Wandel von Geschäftsmodellen
.
ISBN: 978-3-658-37925-4
Springer Gabler, Wiesbaden
Verfügbar
Band 2: Voraussetzung, Implementierung und Anwendung von Künstlicher Intelligenz im Rahmen datenbasierter Geschäftsmodelle
ISBN: 978-3-658-42059-8
Springer Gabler, Wiesbaden
NEU Verfügbar
KAPITELÜBERSICHT
BAND 1
Digitale Technologien und der Wandel von Geschäftsmodellen
Ausgehend vom Wissenschaftsfeld der Zukunftsforschung werden Voraussetzungen und Rahmenbedingungen eruiert, damit Ausblicke in die Zukunft für Unternehmer belastbare Prognosen darstellen. Dies ist notwendig, um Erfahrungen der Vergangenheit mit Handlungen der Gegenwart zu synchronisieren und auf die zukünftige Wettbewerbsfähigkeit des Unternehmens auszurichten. Ein wesentliches Konzept bilden hierbei neben dem Geschäftsmodell die sog. Megatrends. Vorgestellt und zueinander in Beziehung gesetzt werden die Typologien des Zukunftsinstituts (2021) sowie von Grömling und Haß (2009). Anschließend wird der Megatrend ‚Technologischer Fortschritt‘ fokussiert und es werden vor diesem Hintergrund drei Thesen im Hinblick auf die Geschäftsmodellentwicklung formuliert. Abschließend werden die Kapitel des vorliegenden Bandes kurz vorgestellt und in die Landschaft der Megatrends eingeordnet.
Interne und externe Informations- und Kommunikationsprozesse in Unternehmen nahezu aller Branchen werden zunehmend durch digitale Informationstechnologien unterstützt. Die grundlegenden Vorteile solcher digitalen Technologien sorgen dafür, dass sich dieser Trend auch in Zukunft fortsetzen wird. Die stetige Entwicklung digitaler Technologien in der damit einhergehenden Digitalen Ökonomie (respektive Digital Economy) hat maßgeblichen Einfluss auf die vielfältigen Möglichkeiten, innovative Geschäftskonzepte auf der Basis digitaler Informations- und Kommunikationsnetze zu entwickeln und diese durch eine Unternehmensgründung zu realisieren (Digital Ventures). Vor diesem Hintergrund beschreibt der Begriff „Digitales Unternehmertum“ bzw. „Digital Entrepreneurship“ den Akt der Gründung neuer Unternehmen speziell in der Digital Economy. In diesem Artikel wird aus theoretischer und praktischer Sicht ein Rahmen für Unternehmensgründungen in der Digital Economy entwickelt. Zunächst wird die Digital Economy charakterisiert. Anschließend wird die digitale Wertschöpfung erläutert, die auf digitalen Prozessen basiert und den Ausgangspunkt für jedes in der Digital Economy agierende Unternehmen darstellt. Dieser Beitrag zeigt auf, welche Möglichkeiten innovativer unternehmerischer Aktivitäten von Unternehmen in der Digital Economy durchgeführt werden können, um digitale Mehrwerte zu generieren. Dabei werden auch die Erfolgsfaktoren für die Gründung eines Unternehmens in der Digital Economy abgeleitet. Zusammenfassend geht es in diesem Beitrag um die Beantwortung folgender Fragen: Welches Umfeld und welche Möglichkeiten bietet die Digital Economy für neue und innovative unternehmerische Aktivitäten? Was sind die Besonderheiten bei der Gründung eines Unternehmens in der Digital Economy? Welche theoretischen und praktischen Grundsätze müssen beachtet werden?
Die Digitalisierung birgt für Unternehmen nahezu aller Branchen und Größen hinsichtlich der Innovation von Geschäftsmodellen enorme Potenziale. Dank digitaler Technologien können Unternehmen ihr Wertversprechen an den Kunden erhöhen oder Prozesse und Absatzkanäle, die zur Erfüllung des Wertversprechens benötigt werden, effizienter gestalten. Im vorliegenden Beitrag werden ausgewählte Ansätze der Digitalisierung von Geschäftsmodellen aus der Unternehmenspraxis anhand von konkreten Fällen vorgestellt und analysiert. Diese Erkenntnisse werden sodann vor dem Hintergrund existierender, theoretischer Erkenntnisse zum Thema Geschäftsmodellinnovation systematisiert.
Die zurückliegende Dekade hat eindrucksvoll gezeigt, mit welcher disruptiven Gewalt die digitale Transformation Geschäftsmodelle etablierter Unternehmen in zahlreichen Industrien und Wirtschaftszweigen gewandelt hat und wie es ideenreichen Entrepreneuren durch neuartige Geschäftsmodelle gelungen ist, sich erfolgreich am Markt zu etablieren. Trotz der zunehmenden Bedeutung von digitalen, datenbasierten und plattformbasierten Geschäftsmodellen sind ihre konzeptuellen Grundlagen und spezifischen Charakteristika bislang nur unzureichend erforscht und systematisiert. Dieser Grundlagenbeitrag unternimmt den Versuch, konzeptionelle Klarheit zwischen diesen Begrifflichkeiten herzustellen, konstituierende Merkmale der drei Arten von Geschäftsmodellen herauszuarbeiten und diese in ein geschäftsmodellorientiertes Rahmenwerk zu überführen. Die Anwendbarkeit und Nützlichkeit des entwickelten konzeptionellen Rahmenwerks werden anhand unterschiedlicher Praxisbeispielen verdeutlicht.
Die Entwicklung und Realisierung innovativer Geschäftsmodelle durch Startups erfordert insbesondere nach einer ersten Validierung der eigenen Geschäftsidee den Zugang zu finanziellen Ressourcen. Gründer können auf vielfältige Weise Zugang zu entsprechenden Ressourcen erhalten. Eine Option ist die Entwicklung von Crowdfunding-Kampagnen. Die existierende Forschung setzt unterschiedliche Akzente bei der Identifikation von Erfolgsfaktoren. Dieser Artikel gibt einen Überblick über Erfolgsfaktoren von Crowdfunding Kampagnen basierend auf einer strukturierten Literaturrecherche. Hierbei erfolgte die systematische Erhebung von Erkenntnissen zu den Erfolgsfaktoren von Crowdfunding Kampagnen in internationalen A- und B-Journals. Im Anschluss an die Identifikation und Kategorisierung der Erfolgsfaktoren findet eine Einordnung dieser Faktoren in den zeitlichen Ablauf einer Crowdfunding Kampagne statt.
Veränderungen eröffnen Möglichkeiten. Die Automobilbranche steht mit der Wende hin zur Elektromobilität vor einem starken Umbruch. Dieser vollzieht sich nicht nur auf technologischer Ebene, sondern zeigt sich auch in der Transformation bisheriger Nutzungsstrukturen. Zur Implementierung zukunftsfähiger Geschäftsideen ist heute, vor dem Hintergrund einer zunehmend ökologisch orientierten Gesellschaft, das Mitdenken der damit verbundenen Umweltauswirkungen obligatorisch. In diesem Kapitel werden daher die entsprechend anstehenden Änderungen skizziert und ein Ansatz für ein Geschäftsmodell vorgestellt, welches die Möglichkeiten moderner Technologien verwendet, um die kraftfahrzeuggebundene Individualmobilität im Sinne der Kreislaufwirtschaft ökologisch und ökonomisch zu optimieren. Zentrales Element ist dabei eine Anlage zur automatisierten Demontage von Fahrzeugbaugruppen. Als potenzielle Zielgruppen werden Kfz-Hersteller sowie Zulieferer ebenso angesprochen wie Recyclingunternehmen, die ihre bisherige Rolle in der Wertschöpfungskette ausbauen wollen.
Der Anwendungsbereich der Blockchain-Technologie ist in den letzten Jahren stark gewachsen. Hat man diese Methode vor allem anfangs für die Bereitstellung von Kryptowährungen genutzt, so verspricht man sich heute auch im industriellen Umfeld einen wirtschaftlichen Vorteil davon. Mehrere KMU können sich mithilfe von Blockchain zu einem Wertschöpfungsnetzwerk verknüpfen, um Aufträge effizient zu bearbeiten. Dies bedeutet, dass die Unternehmen miteinander kooperieren und Arbeiten untereinander aufteilen, um gemeinsam Produkte zu fertigen. Da hierfür Know-how und Daten, wie z. B. Zeichnungen, ausgetauscht werden müssen, spielen gegenseitiges Vertrauen und Sicherheit eine große Rolle. Blockchain bietet durch kryptographische Methoden und Sicherheitssysteme eine Möglichkeit, jene Punkte sicherzustellen und mit einer Plattform zu koppeln, auf der jedes integrierte Unternehmen als gleichwertiger Partner betrachtet wird. Anhand des Blockchain-Demonstrators des Mittelstand-Digital Zentrums Ilmenau wird in diesem Beitrag erörtert, wie die Zusammenarbeit von Unternehmen innerhalb eines vertrauensvollen Netzwerks gelingen kann. Anhand dieser Vorstellung soll ein gesamtheitlicher Überblick über die Vorteile, Chancen aber auch der Risiken vermittelt werden und ein gedanklicher Einstieg in die Welt der stetig wachsenden kooperierenden Wertschöpfungsnetzwerke gelingen.
Die Blockchain-Technologie bietet großes Potenzial für Unternehmen hinsichtlich der Optimierung bestehender und Aufbau neuer Prozesse. Dies zeigt sich auch in der stetig wachsenden Anzahl der Start-ups, deren Geschäftsmodelle auf dieser Technologie beruhen. Für viele Unternehmen, die bereits in ihren jeweiligen Märkten aktiv sind, stellt sich jedoch die Frage, ob und wie diese Technologie für ihr individuelles Geschäftsmodell relevant ist und welche Auswirkungen eine Implementierung im Unternehmen oder im Unternehmensumfeld hätte. Diese Fragen können unter Zuhilfenahme und Modifikation bestehender Methoden und Werkzeuge beantwortet werden. In diesem Beitrag wird die Methode des Business Model Stresstesting vorgestellt, die mit gewissen Anpassungen einen Beitrag zur Beantwortung der Frage leisten kann, welche Effekte die Blockchain-Technologie auf ein bestehendes Geschäftsmodell haben kann. Dies ermöglicht es, dass im Bereich der Blockchain-Technologie entstehende Ökosystem aktiv zu gestalten und weiterzuentwickeln. Die Implementierung und Weiterentwicklung der Technologie auf Basis spezifischer Anforderungen aus dem Geschäftsumfeld wird so erleichtert und beschleunigt.
Der Beitrag bereitet den Weg zur Anwendung von Blockchain für Unternehmen unter Einbezug einer rechtlichen Perspektive. Einführend werden hierzu die Grundlagen der Blockchain-Technologie sowie die Datenschutzgrundverordnung der Europäischen Union (EU-DSGVO) vorgestellt. Anschließend wird die zentrale Frage diskutiert, inwiefern sich beide Themenbereiche miteinander vereinbaren lassen, damit Blockchains unternehmerische Anwendung finden können. Dabei wird auf die verschiedenen Arten von Blockchains ebenso wie auf Anwendungsbereiche der DSGVO, beteiligte Akteure, zu erfüllende Datenschutzgrundsätze sowie die Wahrung von Betroffenenrechten eingegangen. Es wird gezeigt, welche datenschutzrelevanten Aspekte mit der Blockchain-Technologie (nicht) in Einklang zu bringen sind. Darüber hinaus werden technische und regulatorische Vorschläge unterbreitet und erörtert, um den Datenschutz der Blockchain-Technologie gemäß DSGVO zu optimieren. Abschließend werden Konsequenzen für die Anwendbarkeit der Blockchain vor dem Hintergrund zukunftsfester Geschäftsmodelle in Unternehmen diskutiert.
Digitale Technologien bieten vielseitige Chancen für Gründungen. Im Rahmen dieses Buchkapitels wird aufgezeigt wie der Zugang zu Technologie – exemplarisch am Beispiel von 3D-Druck – zur Überwindung von Barrieren im Gründungsprozess beitragen kann. Hierfür werden zunächst typische Herausforderungen während des Gründungsprozesses aus den Bereichen (1) Neuproduktentwicklung, (2) Technologie, (3) Markt, (4) Finanzen und (5) Geschäftsmodell theoretisch beleuchtet. Im Anschluss wird auf die Potenziale von 3D-Druck allgemein sowie für Gründungen eingegangen. Daran anschließend werden die theoretischen Überlegungen zum Potenzial von 3D-Druck für Gründungsvorhaben anhand einer Fallstudie aus dem Bereich der Mikroskopie mit der Praxis abgeglichen. Es zeigt sich, dass der Zugang zu 3D-Drucktechnologie dabei hilft, typische Herausforderungen im Gründungsprozess zu überwinden sowie die Produktentwicklung zu beschleunigen und kundenorientierter zu gestalten.
Im vorliegenden Kapitel wird die Kreislaufwirtschaft im Kontext der additiven Fertigung diskutiert. Hauptmotivation ist, die sich verändernde Industrielandschaft und den entscheidenden Ansatz für zukünftige Generationen zu verstehen, mehr Materialien zu recyceln und gleichzeitig weniger Abfall zu erzeugen. Das Kapitel analysiert mithilfe der Qualitativen Datenanalyse (QDA) Aussagen von Vertretern einiger Unternehmen in der 3D-Druck-Branche zu den Geschäftsmodellen im Hinblick auf die Kreislaufwirtschaft. Anhand der Ergebnisse der QDA konnten Lücken insbesondere in der Kommunikation zwischen verschiedenen Geschäftsbereichen aufgedeckt werden, die die Umsetzung kreislauforientierter Geschäftsmodelle erschweren.
Werden Geschäftsprozesse, bspw. im Luftverkehr, durch bewegliche Geräte unterstützt, ist das Wissen über den Standort des Geräts in der Regel eine Voraussetzung für die effiziente Nutzung. Aufgrund verschiedener Anforderungen ist ein Tracking der Gepäck- und Frachtanhänger (Dollies) an Flughäfen jedoch nicht überall verbreitet. Basierend auf einem Design-Science-Ansatz untersucht dieser Beitrag daher die wirtschaftlichen und technologischen Anforderungen an ein IoT-basiertes Asset-Tracking von Dollies – ein smartes Produkt-Service-System. Die Studie zeigt, dass nur eine Kombination verschiedener Technologiekategorien (z. B. WLAN, WPAN, LPWAN) in einem Konzept die Anforderungen erfüllt und mehr Transparenz über die Bewegung, die Verweildauer und den Standort der Dollies schaffen kann. Diese Informationen ermöglichen eine Optimierung zahlreicher Dolly-Nutzungsprozesse, welche mit einer Steigerung der Effizienz einhergeht. Sie bilden darüber hinaus die Basis für Geschäftsmodellinnovationen durch die Entwicklung weiterer smarter Produkt-Service-Systeme.
Im vorliegenden Kapitel wird ein Projekt vorgestellt, in dessen Rahmen eine App zur Erkennung des Verschleißzustands von Getrieben auf Grundlage des aktuellen Stands der Technik entwickelt und erprobt wurde. Dabei werden die einzelnen Methoden vorgestellt und deren Verwendung begründet, bevor abschließend auf die Möglichkeit eines neuen Geschäftsmodells eingegangen wird.
Künstliche Intelligenz (KI) ist heute zentraler Bestandteil in vielen Unternehmen und wird in Zukunft weiter an Bedeutung gewinnen, da v. a. durch den Einsatz künstlicher Neuronaler Netzwerke (Deep Learning) immer präzisere und vielseitigere KI-Modelle erstellt werden können. Eine der Grundlagen für die Entwicklung von KI ist Open Source Software (OSS), also frei verfügbare Softwaretechnologien. Eine andere wichtige Grundlage sind die Fortschritte in der Hardwareentwicklung, schnellere und anwendungsoptimierte Prozessoren und Speichersysteme. Diese Form der Verfügbarkeit von Software zusammen mit dem Quellcode stellt einen fundamentalen Paradigmenwechsel dar, der v. a. durch Techunternehmen vorangetrieben wird. Da die beiden Themenkomplexe KI und Open Source eng miteinander verknüpft sind, hat diese gegenseitige Abhängigkeit eine direkte Auswirkung auf die Digitalisierungsstrategie der meisten Unternehmen, ihrer Organisation und Firmenstruktur. Insbesondere für Unternehmen im Transformationsprozess, die sich weg von einem reinen Produzenten hin zu einem serviceorientierten Unternehmen wandeln wollen bzw. müssen, lohnt sich ein genauer Blick auf neue Geschäftsmodelle im Zusammenhang mit OSS. Generell lässt sich seit einigen Jahren eine gestiegene Akzeptanz von OSS in Unternehmen feststellen. Deshalb werden zudem Gefahren und Herausforderungen von Open Source im gewerblichen Einsatz im letzten Teil des Buchkapitels besprochen.
Entscheidungen unter Unsicherheit sind für Unternehmen die Regel. Megatrends und deren Subtrends sind die Treiber hinter gesellschaftlichen Strömungen und damit auch Geschäftsmodellinnovationen. Das vorliegende Kapitel verdeutlicht mit dem methodischen Ansatz bzw. dem Vorgehensmodell der trendantizipierenden Geschäftsmodellinnovationen nach Granig et al. (2018) ein Vorgehen, auf Basis dessen bestehende Geschäftsmodelle hinsichtlich ihrer Zukunftsfestigkeit gegenüber Trends geprüft und ggf. angepasst werden können. Vor diesem Hintergrund erfährt die theoretische Modellierung praktische Anwendung. Die detaillierten Informationen zu verschiedenen Subtrends in den vorangegangenen Kapiteln des vorliegenden Bandes können als Basis für eine möglichst ausführliche Analyse im Rahmen dieser Methode dienen und schaffen Anknüpfungspunkte für die Praxis.
BAND 2
Voraussetzung, Implementierung und Anwendung von Künstlicher Intelligenz im Rahmen datenbasierter Geschäftsmodelle
Künstliche Intelligenz hat in den letzten Jahren stark an Bedeutung gewonnen und gilt als wesentlicher Trend zukünftiger Wirtschafts- und Gesellschaftsentwicklungen. Unternehmen sehen in der Anwendung von KI große Chancen, beispielsweise durch automatisierte Prozesse, die Zeit und Kosten sparen sowie verbesserte Entscheidungen durch die Analyse großer Datenmengen. KI kann auch dazu beitragen, neue Produkte und Dienstleistungen zu entwickeln und die Kundenbindung zu verbessern. Allerdings birgt die zunehmende Verbreitung von KI auch Risiken, wie die Veränderung von Arbeitsplätzen durch Automatisierung und ethische Herausforderungen, die sich z. B. aus der Verarbeitung
persönlicher Daten ergeben. Unternehmen müssen daher sorgfältig abwägen, wie sie KI einsetzen, um die Chancen zu nutzen und die Risiken zu minimieren. Eine wichtige Rolle spielt hierbei auch die Investition in Weiterbildung und die Entwicklung von Fähigkeiten, welche die Mitarbeiter fit für die Zukunft machen. Insgesamt ist KI ein wichtiger Treiber für die digitale Transformation und kann Unternehmen helfen, sich erfolgreich an die Herausforderungen der Zukunft anzupassen, wenn sie sorgfältig geplant und umgesetzt wird.
Daten- und Informationen werden heutzutage häufig als einer der bedeutendsten Wirtschaftsgüter unserer Zeit bezeichnet. Das einleitende Zitat steht nur stellvertretend für eine Reihe weiterer Aussprüche, welche die letzten Jahre
dominieren. Anderweitig werden Daten und Informationen als das Öl des 21. Jahrhunderts angesehen, der Treibstoff der Digitalisierung. Allerdings herrscht aktuell ein großes Ungleichgewicht zwischen denjenigen, die Daten besitzen
und denjenigen die Daten benötigen. Im Rahmen dieses Kapitels werden die Grundlagen und Herausforderungen für den Datenhandel besprochen. Dieses Querschnittsthema bietet die Basis für viele Anwendungen im Bereich KI,
Blockchain, Cloud Computing sowie weitere datengetriebene Geschäftsmodelle und stellt gleichzeitig ein neues Geschäftsmodell der Digitalisierung dar. Als Ergebnisse werden die Grundlagen und Herausforderungen des Daten- und Informationshandels zusammengefasst, sowie Anforderungen für zukünftige Marktplätze hergeleitet.
Die Verwendung von KI-Systemen stellt Unternehmen vor neue Herausforderungen, bietet aber zugleich große Wertschöpfungspotenziale, die sich nicht nur in neuen oder modifizierten Produkten, Dienstleistungen oder Prozessverbesserungen begründen, sondern sich ebenfalls aus neuen, KI-basierten Geschäftsmodellen ergeben. Diese basieren auf einer Gemeinsamkeit: Eine KI wird durch eine erhebliche Masse an Informationen trainiert und bis zur Marktreife gebracht. Die Datengewinnung ist demzufolge essentiell für den Erfolg eines KI-basierten Geschäftsmodells. Doch wie werden diese Daten generiert und in der Rechnungslegung erfasst? Stellen die Daten und die KI einen (immateriellen) Vermögensgegenstand aus Sicht der handelsrechtlichen Rechnungslegung dar? Wie hängt dies von der Form der Datengewinnung und dem Entwicklungsprozess von KI ab? Werden abhängig von den jeweiligen Strukturen zur Datengewinnung und KI-Entwicklung Wahlmöglichkeiten zur Aktivierung genutzt, um beispielsweise die Vermögenslage des Unternehmens besser darzustellen? Der Beitrag widmet sich den aufgeworfenen Fragestellungen und fokussiert unter Rückgriff auf eine Befragung KI-basierter deutscher Start-ups zwei Themenbereiche: 1) Zunächst wird ermittelt, welche Varianten der Datengewinnung bei KI-Start-ups vorherrschen und welchen Status die zu befragenden Unternehmen den gewonnenen Daten (im Sinne eines Vermögensgegenstands des eigenen Start-ups) zuordnen. 2) Anschließend wird aufgezeigt, welche Konsequenzen dies für die Rechnungslegung der KI-Startups mit den entsprechenden Vor- und Nachteilen auf die Darstellung der Vermögens-, Finanz- und Ertragslage der Start-ups hat. Als Basis der Auswertungen dient eine Auseinandersetzung mit der Bedeutung von Daten für KI und weiteren Charakteristika und Ausprägungsformen von KI.
KI-basierte audiovisuelle Analyse kann datengetriebene Produkt-, Prozess- und auch Geschäftsmodellinnovationen in verschiedenen Anwendungsbereichen befördern. Allerdings müssen dafür wichtige Herausforderungen bezüglich Datenerhebung, Datenschutz, Datensicherheit, sowie von Erklärbarkeit und iterativer Entwicklung von KI-Modellen adressiert werden. In diesem Kapitel werden die Innovationspotenziale, relevante Probleme und Lösungsansätze am Beispiel von akustischem Monitoring erläutert. Dabei wird deutlich, dass der frühzeitige Einsatz von Verfahren und Technologien für vertrauenswürdige KI, adäquate Entwicklungsmethoden und systematische Evaluationsprozesse entscheidend für einen erfolgreichen Einsatz und die Realisierung der Innovationspotenziale sind. Verfahren und Komponenten für audiovisuelle Analyse sind Algorithmen, die Informationen aus Bild, Video- und Audiomaterial extrahieren. Sie können in vielen Anwendungsbereichen wichtige Bausteine für datengetriebene Innovationen sein. Einige dieser Innovationen, und in diesem Zusammenhang relevante Herausforderungen und Lösungsansätze, werden in diesem Kapitel exemplarisch anhand des KI-basierten akustischen Monitorings zur Überwachung von Prozessen, Maschinen und Produkten beschrieben. Das Kapitel gliedert sich in drei Teile:
- Definition relevanter Begrifflichkeiten und Beschreibung der Anwendungsbereiche und Potenziale von akustischem Monitoring für datengetriebene Geschäftsmodelle,
- Erläuterung zentraler Herausforderungen im Kontext von Datenerhebung, Datenschutz, Datensicherheit, Erklärbarkeit, iterativer Entwicklung und Evaluation für die Erschließung der o. g. Potenziale, sowie
- Zusammenfassung der Ergebnisse und kurzer Ausblick auf relevante Trends.
Der Beitrag gibt einen Überblick über die Notwendigkeit des Schutzes der Daten, die für den Lernprozess von Systemen der künstlichen Intelligenz unabdingbar sind. Ergänzend wird dargelegt, in welche bestehenden Schutzrechte sich diese KI-Trainingsdaten einordnen lassen. Ein Blick in die zukünftigen eigenen Rechte der neuen Technologien zeigt einen Ausschnitt der Anforderungen an KI-Systeme, deren Trainingsdaten und der, mit ihnen verbundenen Datenverarbeitungen. KI-Systeme bekommen mit ihren eigenen Gesetzen und Regelungen einen neuen Stellenwert in unserer Gesellschaft.
Entrepreneure zeichnen sich durch das Erkennen, Bewerten und Ausnutzen von unternehmerischen Möglichkeiten aus. Nach dem Verständnis von Schumpeter tritt der Entrepreneur dabei insbesondere als Innovator in Erscheinung, indem er durch seine schöpferische Kraft innovative Ideen entwickelt und auf dem Markt etabliert. Was jedoch passiert, wenn die Künstliche Intelligenz den eigentlichen Entrepreneur immer weiter ersetzt und die schöpferische Zerstörung in Zukunft von einer Maschine übernommen wird? Im Rahmen dieses konzeptionellen Beitrags wird dieser Frage nachgegangen, indem aufgezeigt wird, wie die Künstliche Intelligenz das Entrepreneurship der Zukunft verändern wird. Dazu wird ein übergeordnetes Rahmenwerk entwickelt, welches differenziert zwischen datengestützten (Data Support) und datengetriebenen (Data Decision) Entscheidungen sowie Geschäfts- (Business Opportunities) und unternehmerischen Entscheidungen (Entrepreneurial Opportunities). Entlang von Big Data, Big Intelligence und Data Entrepreneurship wird anschließend ein Intelligence Entrepreneurship abgeleitet, wobei die Künstliche Intelligenz die zukünftige schöpferische Kraft des Unternehmertums ersetzen könnte. Der Beitrag leistet somit wichtige Implikationen sowohl für die Praxis als auch für die Forschung.
Zahlreiche Unternehmen sind aktuell bestrebt ihre etablierten Prozesse und Leistungen durch die Nutzung von Künstlicher Intelligenz zu verbessern und fokussieren sich auf operationale Ebenen des Einsatzes. Im folgenden Artikel soll ein Blick auf das Potenzial der Leistungserstellung dieser Technologie im unternehmerischen Kontext geworfen werden, um Unternehmen neue Perspektiven aufzuzeigen, die zukünftig mit der Wertschöpfung der neuen Maschinen einhergehen damit verbundene Potenziale der Leistung dieser digitalen Maschinen werden auf strategische Geschäftsmodellinnovationen projiziert werden. Im Vordergrund steht die Betrachtung maschineller Leistung als Innovation, die nicht nur etablierte Leistungen automatisiert, sondern neuartige Werte schaffen kann. Die daraus resultierende Änderung vom Potenzialfaktor zur Effizienzsteigerung zum Wegbereiter neuartiger Geschäftsmodelle durch maschinelle Wertschöpfung, kann die treibende Kraft des Erfolges für Unternehmen einnehmen.
Künstliche Intelligenz (KI) wird in der Praxis zur Entscheidungsfindung eingesetzt (Lossos et al., 2021). Dies erfordert jedoch Vertrauen in die verschiedenen KI-Methoden. Solches Vertrauen bildet sich, wenn Entscheidungsträger und Nutzer mentale Repräsentationen des Systems bilden können und sie die Ausgabe des Systems verstehen. KI muss also erklärbar sein, eine reine Black Box ist selbst bei hoher Qualität eines Systems unzureichend. Die „erklärbare KI“ (engl. „eXplainable Artificial Intelligence“, XAI) befasst sich mit der Entwicklung von KI- Modellen, die durch Menschen nachvollziehbar sind (Adadi und Berrada, 2018; Europäische Kommission, 2020). In diesem Kapitel werden wünschenswerte Eigenschaften industrieller KI-Systeme untersucht – speziell hinsichtlich der Erklärbarkeit – und am Beispiel von Unternehmensratings vorgestellt. Neben XAI als Aspekt der technischen Akzeptanz beleuchten wir die Interaktion zwischen Geschäftsmodell und der kundenseitigen Akzeptanz.
Der vorliegende Beitrag thematisiert den Einsatz von Künstlicher Intelligenz (KI) in der Psychotherapie. Zunächst werden relevante Begriffe geklärt, Forschungsfragen präsentiert und der aktuelle Forschungs- und Entwicklungsstand auf theoretischer Ebene (mittels empirischer Literaturrecherche) und praktischer Ebene (anhand von bereits existierenden Entwicklungen) dargelegt. Daran schließt eine erörternde Diskussion von Vor- und Nachteilen psychotherapeutischer KI für die Zielgruppen der Klienten/Patienten, Therapeuten und der Gesellschaft an. Es werden zielgruppenspezifische Anforderungen an eine praktikable Umsetzung einer psychotherapeutischen KI sowie sich daraus ergebende Geschäftsmodelloptionen präsentiert. Abschließend werden die Ergebnisse subsumiert und eine praktikable Herangehensweise für die Umsetzung einer solchen psychotherapeutischen KI mittels Open Source-Ansatz verargumentiert.
Bei vielen wichtigen menschlichen Entscheidung steht eine große Menge an Informationen zu Verfügung. Zur Lösung müssen diese Informationen verarbeitet und verdichtet werden, wobei jedoch auch starke Vereinfachungen in Kauf genommen werden. Durch die immer größeren Datenmengen in Verbindung mit fortschrittlichen Auswertungsmethoden wird es daher zunehmend effizienter, Entscheidungen zu automatisieren. Diese Automatisierung wird durch sog. Automated Software Systems übernommen. Diese automatisierten Software-Systeme, lösen nicht mehr nur hochspezialisierte Aufgaben, sondern übernehmen flexibel und autonom ganze Aufgabenbereiche. Sie ermöglichen dabei durch die Unterstützung Künstlicher Intelligenz völlig, neue Wirkzusammenhänge zu entdecken und auf ihrer Grundlage selbstständig zu agieren. Hierdurch eröffnen sich nicht nur Kostenvorteile bei der Lösung aktueller Aufgabenstellungen, sondern langfristig auch die Erschließung völlig neuer Erkenntnisse. In diesem Beitrag wird zunächst diese Relevanz der Entscheidungsautomatisierung ausgeführt und wichtige Grundkonzepte dargestellt. Anschließend werden aktuelle Trends vor dem Hintergrund der digitalen Transformation/Digitalisierung aufgezeigt. Abschließend werden Konzepte und Anwendungen von Automated Software Systems näher untersucht und kritisch bewertet.
Das Problem der Skalierbarkeit von Produktionslinien ist kein Neues. Durch das Voranschreiten der Robotik in Verbindung mit Künstlicher Intelligenz ergeben sich zukünftig jedoch neue Möglichkeiten diesem entgegenzuwirken. Insbesondere vor dem Hintergrund von Personalmangel und den Gesundheitsschäden, die durch monotone und repetitive Tätigkeiten hervorgerufen werden, suchen viele Branchen nach Möglichkeiten ihre Produktionslinien mit Robotersystemen flexibler skalieren zu können. Gerade auch mittelständige Unternehmen, denen die finanziellen Mittel für extensive Umbauten der Produktionseinrichtungen oder für lange Integrationsschleifen fehlen, können von der nächsten Generation der Industrieroboter profitieren. Gleichzeitig kann die Wahl eines Produktionsstandorts stärker von dem vorherrschenden Lohnniveau entkoppelt werden, wodurch auch Standorte beispielsweise in Deutschland wieder attraktiv werden.
Viele Prozesse auf Baustellen verändern sich durch stetig zunehmende Einbindungen digitaler Arbeits- und Hilfsmittel. Dadurch wandeln sich nicht nur einzelne Operationen, sondern vielfach auch die komplexen Informatisierungs- und Kommunikationsvorgänge, die vor allem im Bauwesen aufgrund verschiedener Disziplinen sehr vielschichtig sind. Deshalb ist es erforderlich, dass die anstehenden Veränderungen im Hinblick auf effiziente und nachhaltige Abläufe analysiert und diskutiert werden. Der vorliegende Beitrag greift diesbezüglich wesentliche Aspekte auf, die im Zuge der Digitalisierung in einem noch sehr traditionell agierenden Umfeld immer stärker modifiziert werden. Dafür werden neben übergeordneten aktuellen Themen wie Informatisierung, Building Information Modeling, Data Science und cyber-physischen Systemen auch explizite Beispiele zur Baurobotik vorgestellt. Zusätzlich wird anhand einer Prozesslandkarte praxisnah erläutert, wie disziplinübergreifende Modellierungen von Prozessen in Bauunternehmen zukünftig digital aussehen können. Der Beitrag schließt mit einem Ausblick auf KI-basierte Prozesse im Bauwesen, die in Zukunft durch die Zunahme datenbasierter Prozesse auch im Handwerk vermehrt stattfinden werden.
Jedes digitale System, das Menschen interaktiv unterstützt, sei es bei der Datenanalyse, bei der Erstellung von Diagnosen, bei der Steuerung von Prozessen, bei der Suche nach bisher nicht bekannten Lösungen, wobei auch immer, braucht Künstliche Intelligenz (KI). In der Praxis sind Daten im Allgemeinen unvollständig und dynamisch. Wenn die KI Interpretationen anbietet oder Vorschläge macht, dann sind alle diese Äußerungen der KI hypothetisch. Anders kann es nicht sein. Die KI lernt und wird immer besser – ein immer hilfreicherer Assistent. Menschen brauchen Transparenz der KI. Im Prozess der Interaktion müssen sie nachfragen, was die KI gemacht hat und warum. Oft genügt nicht eine einfache Antwort auf eine einfache Frage, denn sowohl das Lösen von Problemen als auch das Lernen der KI ist ein Prozess über der Zeit. Verständlichkeit der KI erfordert Erklärungsdialoge. Benötigt wird, was man im Englischen als Explainable Artificial Intelligence (XAI) bezeichnet. Erklärbare KI – kurz XAI – kann die Fragen beantworten, woher sie ihre Hypothesen holt, warum sie eine Hypothese behält oder warum sie eine Hypothese verwirft und wie sie zu einer aktuellen Hypothese gekommen ist. Jede lernende KI kann so konstruiert werden, dass sie ihr Verhalten gut erklärt. Im Gegensatz zur XAI gibt es KI-Ansätze, die in der Fachliteratur als Blackbox by Nature bezeichnet werden, ein Zustand, der überwunden werden muss. Der Schlüssel zu XAI, zu erklärbaren KI-Assistenten, ist Explainability by Design.
Digitale Sprachassistenten u. a. in Smart Speakern entwickeln sich zu einer pervasiven Technologie, die das Potenzial hat, ganze Geschäftsprozesse und -modelle zu verändern. Nutzerpräferenzen für bestimmte Marken digitaler Sprachassistenten determinieren maßgeblich digitale Geschäftsmodelle von Anbietern digitaler Sprachassistenten und von Produktanbietern, die sich des sprachgesteuerten Electronic Commerce als Distributionskanal bedienen. In diesem Beitrag werden daher mittels eines Discrete Choice-Experiments Nutzerpräferenzen für Markierungen und weiteren Produkteigenschaften von Smart Speakern untersucht. Basierend auf den Daten von 350 Smart Speaker- Nutzern werden Latent Class – Multinomiale Logit Modelle geschätzt und fünf Nutzersegmente abgeleitet, die sich maßgeblich in ihren Präferenzen unterscheiden. Die Wichtigkeit der Markierung für den Kauf eines Smart Speakers zeigt sich in allen identifizierten Segmenten: Während Smart Speaker einer unbekannten Marke generell abgelehnt werden, differieren die Markenpräferenz zwischen den Segmenten stark. Die nachdrückliche Präferenz einzelner digitaler Sprachassistenten in Smart Speakern verdeutlicht ihre potenzielle Schlüsselfunktion als Intermediäre in digitalen Geschäftsmodellen. Dies kann nicht nur zu Verzerrungen und Umwerfungen im bisherigen Marktgeschehen führen, sondern bedingt unter Umständen auch marktregulierende Eingriffe, sofern der Wettbewerb, z. B. durch direkte Plattformanbindung deutlich eingeschränkt wird.
In diesem Kapitel wird die Realisierung eines wissenschaftlichen Ansatzes gezeigt, der auf einem völlig neuen und selbst entwickelten, KI-basierten Algorithmus basiert und im Smart Home eingesetzt wird. Durch die zentrale Steuerung der elektrischen Verbraucher im Sinne der Bewohner ist eine signifikante Energieeinsparung neben einer deutlichen Steigerung des Wohnkomforts möglich. Insbesondere in einer alternden Gesellschaft werden im nächsten Schritt damit vermarktbare Assistenzsysteme entlang der Strategie dieses Algorithmus’ entwickelt, die ein längeres, selbstbestimmtes Leben in den eigenen vier Wänden ermöglichen. Denn ausgehend von allgemeinen Gewohnheiten der Bewohner, die in Wenn-Dann-Regeln abgebildet und zu allgemeineren Regeln abstrahiert werden, schaltet und überwacht der Algorithmus sukzessive Geräte im Haushalt automatisch.
Dieses Kapitel beschäftigt sich mit den Herausforderungen der Energiewende und insbesondere den Auswirkungen auf kleine- und mittelständische Unternehmen und Energieversorger. Es wird gezeigt, dass die effiziente Nutzung von Energie für diese Unternehmensgruppen von entscheidender Bedeutung ist, um ihre zukünftige Wettbewerbsfähigkeit zu sichern. Es wird argumentiert, dass die automatisierte Analyse von Daten mithilfe von KI-basierten Technologien eine schnelle und effiziente Methode zur Aufdeckung von Effizienzpotenzialen ist, aber eine professionelle und technische Beratung sowie das notwendige Know-how erfordert. Es wird auch darauf hingewiesen, dass datenbasierte Geschäftsmodelle in der Energiewirtschaft eine vielversprechende Zukunft haben und dass die fortwährende und kontrollierte Weiterentwicklung dieser Technologie ein wichtiger Teil unseres Lebens sein wird.
Der vorliegende Beitrag wagt auf der Basis vergangener und aktueller Entwicklungen von Künstlicher Intelligenz (KI) einen Ausblick auf zukünftige Leistungen von KI in spezifischen Gebieten. Es wird argumentiert, dass KI ein eigenständiger Megatrend mit zahlreichen Auswirkungen auf die Gesellschaft und v. a. auch auf die Wirtschaft in unterschiedlichen Bereichen und Ebenen mit zahlreichen Anknüpfungspunkten diverser Geschäftsbereiche und -modelle ist. Es wird gezeigt, dass die wesentliche Stärke von KI einerseits die exakte Analyse und das zur Erreichung von vordefinierten Zielen optimale Inbeziehungsetzen spezifischer Parameter ist. Andererseits vermag KI bestimmte Prognosen zu fundieren. Aus diesem Grund wird der Chatbot ChatGPT des Entwicklers OpenAI zur Zukunft von KI befragt – eine KI trifft also Vorhersagen über KI. Dieser vielversprechende Ansatz wird dennoch kritisch reflektiert und der Beitrag mit einer Beleuchtung von starker und schwacher KI im Unternehmenskontext sowie einer prüfenden Deskription der bevorstehenden KI-Evolution abgeschlossen.
ABOUT THE BOOK
VIDEO/AUDIO
Die Herausgeber
Dr. Sebastian Gerth
Dr. Sebastian Gerth ist Geschäftsführer des Zentrums ProKI-Ilmenau, koordinierender KI-Trainer des Mittelstand-Digital Zentrums Ilmenau sowie Co-Founder und Geschäftsführer von MentalAid, einem Start-Up mit Fokus auf digitale Plattformen und (Arbeits-) Psychologie.
Dr. Lars Heim
Dr. Lars Heim ist Co-Founder und Geschäftsführer von Aeon Robotics, einem Startup mit Fokus auf die Bereiche modulare Robotik, Künstliche Intelligenz, Antriebstechnik und smarte Komponenten.