Themensammlung für Abschlussarbeiten - Hochschule Augsburg Prof. Dr. Björn Häckel - Hochschule ...
←
→
Transkription von Seiteninhalten
Wenn Ihr Browser die Seite nicht korrekt rendert, bitte, lesen Sie den Inhalt der Seite unten
Themensammlung für Abschlussarbeiten Hochschule Augsburg Prof. Dr. Björn Häckel Professur für Digitale Wertschöpfungsnetze
Digital Value Networks 2 • Einführung in das wissenschaftliche Arbeiten
Industrial IoT (IIoT) - Aktuelle Bedrohungslandkarte
und mögliche Mitigationsmaßnahmen
• Der industrielle Einsatz des Internet der Dinge wird als Industrial Internet of
Things (IIoT) bezeichnet. So ermöglicht z. B. das IIoT in selbstorganisierenden
und selbstoptimierenden intelligenten Fabriken die Echtzeitüberwachung und
-steuerung der Produktion.
• Neben vielfältigen Chancen bringt das IIoT aber auch neue IT-
Sicherheitsrisiken mit sich. Der hohe Vernetzungsgrad sowie die hohe Anzahl
an Heterogenität, Offenheit und Vernetzung dezentraler Produkte, Maschinen
und Geräte begünstigen die Ausbreitung von Cyberangriffen und steigern das
damit einhergehende Schadenspotential.
• Zur Lösung dieser emergierenden Problemstellung ist es daher notwendig,
einen Überblick über mögliche und bekannte IIoT-Bedrohungen sowie damit
einhergehende Mitigationsmaßnahmen herzustellen.
Forschungsfrage
• Welche aktuellen und bekannten IIoT-Bedrohungen existieren, wie können diese geclustert werden und auf welche Komponenten im
IIoT-Stack zielen diese ab?
• Welche Mitigationsmaßnahmen bestehen hinsichtlich dieser Bedrohungen und welche Implikationen resultieren dabei für die einzelnen
IIoT-Komponenten?
Vorgehen / Literatur
• Auswahl einer passenden Repräsentation des IIoT-Stacks und der darin enthaltenen (technischen) Komponenten
• Identifizieren von bekannten IIoT-Bedrohungen und mappen dieser zum gewählten IIoT-Stack
• Ableiten von relevanten Mitigationsmaßnahmen auf Basis der resultierenden Bedrohungen
• Kliarsky 2017: Detecting Attacks against the Internet of Things
• Berger et. al 2020: Attacks on the Industrial Internet of Things : Development of a multi-layer Taxonomy
• White Paper IEC: IoT 2020 Smart and Secure IoT Platform
3 • Einführung in das wissenschaftliche Arbeiten
Industrial IoT (IIoT) – Vorgehensmodell und
Lösungseinführung
• Der industrielle Einsatz des Internet der Dinge wird als Industrial Internet of
Things (IIoT) bezeichnet. So ermöglicht z. B. das IIoT in selbstorganisierenden
und selbstoptimierenden intelligenten Fabriken die Echtzeitüberwachung und
-steuerung der Produktion.
• Die Einführung des IIoT erweitert die Möglichkeiten der
Dienstleistungserbringung, ist aber gerade für KMUs eine große
Herausforderung. In diesen stehen oft wenige Ressourcen für eine
systematische Veränderung des Geschäftsmodells, die mit grundlegenden
Auswirkungen auf Organisationsstruktur und Mitarbeiter einhergeht.
• Daher stellt sich für diese Unternehmen (KMU) speziell die Frage, welche
internen und externen Aspekte am meisten Beachtung bei der IIoT-Einführung
bedürfen
Forschungsfrage
• Welches Vorgehensmodell gibt es um IIoT-Lösungen im Unternehmen einzuführen? Wie lässt sich Security bei solchen IIoT Lösungen
von Beginn an Berücksichtigen?
• Welche Fragen muss sich ein Unternehmen (insb. KMU) bei IIoT-Lösungseinführung stellen?
Vorgehen / Literatur
• Identifizieren von relevanten internen und externen Einfluss- und Erfolgsfaktoren für IIoT-Lösungen und deren Einführung
• Strukturieren und Aufbereiten dieser Punkte im Rahmen eines Vorgehensmodell
• Rimbeck et. al 2020: IoT-Geschäftsmodelle für Dienstleistungen in KMU
• Whitepaper Telekom 2019: Das Internet der Dinge im deutschen Mittelstand
• Meinhardt ete al 2021: IoT – Best Practices
4 • Einführung in das wissenschaftliche Arbeiten
Energiewende im Mietmarkt: Wann investieren
Vermieter in umweltfreundliche Sanierungen?
• In der europäischen Union ist der Gebäudesektor mit ca. 40 % des gesamten Endenergieverbrauchs einer der
größten Energieverbraucher. Um die Energiewende erfolgreich zu gestalten und die postulierten Klimaziele zu
erreichen müssen daher Investitionen in Energiesparmaßnahmen getätigt werden.
• Zusätzlich ist etwa die Hälfte des deutschen Wohnraums vermietet was bedeutet, dass der Vermieter
Investitionsentscheidungen für Sanierungsmaßnahmen trifft.
• Diese Entscheidungen werden durch verschiedene Faktoren beeinflusst, wie etwa die Investitionskosten oder
auch eine potentielle Mieterhöhung nach Durchführung der Investition.
• Für die Gestaltung effektiver Anreizsysteme für Investition in Sanierungsmaßnahmen durch Vermieter ist
Wissen über diese Faktoren entscheidend.
Forschungsfrage
• Welche Faktoren beeinflussen die Investitionsentscheidungen von Vermietern für Sanierungsmaßnahmen?
• Welche Rahmenbedingung kann die Politik schaffen, um die Faktoren zu positiv zu beeinflussen?
Vorgehen
• Konzeption und Umsetzung eines Fragebogens, der die o.g. Forschungsfragen adressiert und einhergehende Konstrukte entsprechend misst.
• Der Fragebogen soll theoretisch fundiert und die Fragen sowie die Maßskalen aus der relevanten Literatur abgeleitet sein.
• Basierend auf den Umfrage-Ergebnissen ableiten von politischen Handlungsempfehlungen
Literatur
• Martin Achtnicht, Reinhard Madlener, Factors influencing German house owners' preferences on energy retrofits, Energy Policy, Volume 68, 2014, Pages 254-
263, ISSN 0301-4215, https://doi.org/10.1016/j.enpol.2014.01.006.
• Ingo Kastner, Paul C. Stern, Examining the decision-making processes behind household energy investments: A review, Energy Research & Social Science,
Volume 10, November 2015, Pages 72-89, https://doi.org/10.1016/j.erss.2015.07.008
5 • Einführung in das wissenschaftliche Arbeiten
Calculating savings of energy efficiency measures
for buildings with machine learning
• In der europäischen Union ist der Gebäudesektor mit ca. 40 % des gesamten
Endenergieverbrauchs einer der größten Energieverbraucher. Um die Energiewende
erfolgreich zu gestalten und die postulierten Klimaziele zu erreichen müssen daher
Investitionen in Energiesparmaßnahmen getätigt werden. In der Regel erfordern
Berechnungen zu der Höhe einzelner Energieeinsparungen komplexe thermische und
physikalische Modelle, welche Expertenwissen unabdingbar machen.
• Um die Komplexität und die damit verbundenen Kosten für die Planung und Berechnung
von Energiesparmaßnahmen zu reduzieren können datengetriebene Machine Learning
Methoden eingesetzt werden. Dies ermöglicht potentiell, auch mit wenigen und simplen
Parametern ausreichend gute Ergebnisse zu erhalten, auf Basis derer
Investitionsentscheidungen getroffen werden können.
• Darüber hinaus kommt es bei Energiesparmaßnahmen vermehrt zu komplexen
Wechselwirkungen, welche ebenfalls implizit abgebildet werden können. https://biothermenergy.com/
Forschungsfrage
• Wie beeinflussen einzelnen Energiesparmaßnahmen den Energieverbrauch in einem Gebäude? Welche Methoden eignen sich zur
Berechnung der Energieeinsparungen? Können auf Basis weniger Gebäudeparameter Empfehlungen für eine Energiesparmaßnahme
ausgesprochen werden?
Vorgehen / Literatur
• Definition von Energiesparmaßnahmen, Entwicklung und Umsetzung eigener Ansätze auf Basis von z.B. Machine Learning Methoden
• Evaluation und Validierung der Ergebnisse anhand verschiedener Performance-Kennzahlen und ggf. Realweltdaten
• Foucquier et al. (2013): State of the art in building modelling and energy performances prediction: A review
• Buratti, C.; Barbanera, M.; Palladino,D. (2014): An original tool for checking energy performance and certification of buildings by means of Artificial
Neural Networks
• Amasyali, Kadir; El-Gohary, Nora M. (2018): A review of data-driven building energy consumption prediction studies
6 • Einführung in das wissenschaftliche Arbeiten
Nudging towards a cleaner future
• Mit Nuding (eine verhaltensökonomische Methode) wird versucht, das Verhalten und
die Motivation von Menschen auf vorhersagbare Weise zu beeinflussen, ohne dabei
Verbote, Gebote oder ökonomische Anreize zu verwenden.
• In der europäischen Union ist der Gebäudesektor mit ca. 40 % des gesamten
Endenergieverbrauchs einer der größten Energieverbraucher. Neben
energieeffizienten Gebäuden, Geräten und Produkten an sich, stellt das
Verbrauchsverhalten von Bewohnern eine große Stellschraube für
Energieeinsparungen und eine bessere Ausnutzung erneuerbarer Energien dar. https://impactually.se/nudge-vs-sludge-the-ethics-of-behavioral-interventions/
• Hier können Nudging-Konzepte verschiedener Art ansetzen, um ohne große
Investitionen den Verbrauch oder das Verbrauchsverhalten von z.B. Bewohnern zu
reduzieren und damit einen Beitrag zur Energiewende leisten.
Forschungsfrage
• Welche Kennzahlen beschreiben ein (spezifisches) Verbrauchsverhalten? Wie kann Nudging dazu beitragen, das Verbrauchsverhalten
eines Bewohners zu beeinflussen? Kann mit Nudging der Energieverbrauch in einem Haushalt gesenkt werden?
Vorgehen / Literatur
• Definition und Entwicklung von Kennzahlen zur Bewertung von Verbrauchsverhalten. Erstellung eines Nudging-Konzepts zur Überprüfung der
Beeinflussbarkeit verschiedener Kennzahlen. Validierung der Konzepte mit Feldtests.
• Evaluation und Validierung der Ergebnisse anhand verschiedener Performance-Kennzahlen und ggf. Realweltdaten
• Newell, Richard G.; Siikamäki, Juha (2014): Nudging Energy Efficiency Behavior: The Role of Information Labels
• Sunstein, Cass R. (2014): Nudging: A Very Short Guide
7 • Einführung in das wissenschaftliche Arbeiten
How black are black-box models – Explainability for
data-driven models in energy consumption forecasting
• Energieausweise geben Auskunft über die Energieeffizienz und den
energetischen Zustand von Gebäuden. Obwohl sie durch qualifizierte
Auditoren und Energieberater erhoben und ausgestellt werden, weißen sie
häufig große Fehler hinsichtlich dem prognostizierten Energieverbrauch auf.
• Um die Genauigkeit der Energieausweise zu erhöhen werden in der Forschung
bereits datengetrieben Methoden des Machine Learnings eingesetzt. Input data Output
• Datengetriebene Methoden fallen unter die Kategorie „black-box“ Modelle data
und sind häufig wenig interpretierbar.
• Im Rahmen des Projekts soll die neue Umgebung QLattice auf einem
verfügbaren Datensatz erprobt und analysiert werden.
• Zusätzlich sollen Methoden angewendet werden, die die Interpretierbarkeit
der black-box Modelle erhöhen.
Forschungsfrage
• Wie können datenbetriebene Modelle zur Vorhersage von Energieverbräuche interpretiert werden?
• Welche Schlüsse können aus datengetriebenen Methoden für konventionelle Methoden gezogen werden?
Vorgehen / Literatur
• Entwicklung und Umsetzung einer Machine Learning Methode (z.B. Qlattice) mit bestehenden Datensätzen (bereits vorliegend)
• Evaluation und Validierung der Ergebnisse anhand verschiedener Performance-Kennzahlen sowie Interpretation der Erkenntnisse
• Foucquier et al. (2013): State of the art in building modelling and energy performances prediction: A review
• Buratti, C.;Barbanera, M.; Palladino,D. (2014): An original tool for checking energy performance and certification of buildings by means of Artificial
Neural Networks
• Amasyali, Kadir; El-Gohary, Nora M. (2018): A review of data-driven building energy consumption prediction studies
8 • Einführung in das wissenschaftliche Arbeiten
Forecasting non-domestic energy consumption
with machine learning
• In der europäischen Union ist der Gebäudesektor mit ca. 40 % des gesamten
Endenergieverbrauchs einer der größten Energieverbraucher. Die stetig steigenden
Anforderungen der Emissionsreduktion und Energieeffizienz von Gebäuden und
Industriebetrieben betreffen dabei nicht nur technische, sondern auch soziale und
wissenschaftliche Fragestellungen.
• Die Vorhersage von Energieverbräuchen spielt eine zentrale Rolle, um das Potential im
Gebäudesektor zur Verbrauchs- und Emissionsreduktion zu nutzen.
• Im Rahmen bisheriger Forschungsarbeiten haben wir uns dabei zumeist auf die
Verbrauchsvorhersage von Ein- und Zweifamilienhäusern konzentriert. Im Rahmen einer
Abschlussarbeit möchten wir anhand einem knapp 1 Mio. Häuser (industrielle Gebäude
und Verwaltungsgebäude = Nicht-Wohngebäude) umfassenden Datensatz aus
Großbritannien den Energieverbrauch der Häuser mithilfe von datengetriebenen
Verfahren vorhersagen. https://pixabay.com/photos/architecture-building-amsterdam-1448221/
• Auch eine Evaluation der Unterschiede zwischen Wohn- und Nicht-Wohngebäuden ist
möglich.
Forschungsfrage
• Wie können Energieverbräuche für industrielle Gebäude und Verwaltungsgebäude vorgesagt werden?
• Gibt es zentrale Unterschiede in der Energieverbrauchs-Prognosegüte bei Wohn- und industriellen Gebäuden?
Vorgehen / Literatur
• Definition der Zielgrößen, Entwicklung und Umsetzung eigener Ansätze auf Basis von z.B. Machine Learning Methoden
• Evaluation und Validierung der Ergebnisse anhand verschiedener Performance-Kennzahlen
• Foucquier et al. (2013): State of the art in building modelling and energy performances prediction: A review
• Buratti, C.;Barbanera, M.; Palladino,D. (2014): An original tool for checking energy performance and certification of buildings by means of Artificial
Neural Networks
• Amasyali, Kadir; El-Gohary, Nora M. (2018): A review of data-driven building energy consumption prediction studies
9 • Einführung in das wissenschaftliche Arbeiten
Energy consumption and demand forecasting
• In der europäischen Union ist der Gebäudesektor mit ca. 40 % des gesamten
Endenergieverbrauchs einer der größten Energieverbraucher. Die stetig steigenden
Anforderungen der Emissionsreduktion und Energieeffizienz von Gebäuden und
Industriebetrieben betreffen dabei nicht nur technische, sondern auch soziale und
wissenschaftliche Fragestellungen.
• Die Vorhersage von Energieverbräuchen kann eine zentrale Rolle spielen das Potential
im Gebäudesektor zur Verbrauchs- und Emissionsreduktion zu nutzen. Mit präzisen
Vorhersagen können Netze, Erzeugungsanlagen und Speicher effizienter ausgelegt und
so das Energiesystem flexibler und nachhaltiger gestaltet werden.
• Dabei können für die Vorhersagen verschiedene Zeiträume, Energieflüsse, als auch
Arten von Gebäuden herangezogen werden. Beispielsweise kann der jährliche
Heizenergiebedarf von Einfamilienhäusern vorhergesagt werden.
• Hierbei sollen unter anderem neue Methoden wie Machine Learning verwendet
werden, um die Vorhersagen genauer zu machen und so die Herausforderungen der https://physicsworld.com/a/global-energy-in-2050-can-renewables-supply-it-all/
Energiewende zu bewerkstelligen.
Forschungsfrage
• Wie können Energieverbräuche für bestimmte Liegenschaften/Gebäude bestimmt und vorhergesagt werden? Welche Einflussgrößen
haben einen großen Einfluss auf den Verbrauch?
Vorgehen / Literatur
• Definition der Zielgrößen, Entwicklung und Umsetzung eigener Ansätze auf Basis von z.B. Machine Learning Methoden
• Evaluation und Validierung der Ergebnisse anhand verschiedener Performance-Kennzahlen
• Foucquier et al. (2013): State of the art in building modelling and energy performances prediction: A review
• Buratti, C.;Barbanera, M.; Palladino,D. (2014): An original tool for checking energy performance and certification of buildings by means of Artificial
Neural Networks
• Amasyali, Kadir; El-Gohary, Nora M. (2018): A review of data-driven building energy consumption prediction studies
10 • Einführung in das wissenschaftliche ArbeitenIS at its best – why the best is just good enough
• Die Anzahl an Algorithmen und Methoden des maschinellen Lernen hat in den letzten
Jahren stark zugenommen. Data Scientists und Forscher müssen sich zur Lösung ihres
individuellen Problems entscheiden, welchen Algorithmus sie verwenden und optimieren
möchten.
• Bislang fehlt in der Literatur ein strukturiertes Vorgehen um verschiedene
datengetriebene Algorithmen und Methoden miteinander zu vergleichen und denjenigen
mit der besten Performance zu identifizieren.
• Im Rahmen der Abschlussarbeit soll deshalb ein generisches Vorgehen entwickelt werden,
mit dem verschiedene datengetriebene Methoden im Sinne eines Benchmarkings
miteinander verglichen werden können.
• Die Arbeit kann mit eigenen Untersuchungen validiert und evaluiert werden.
Forschungsfrage
• Wie können datengetriebene Methoden hinsichtlich ihrer Performance strukturiert miteinander verglichen werden?
Vorgehen / Literatur
• Identifikation relevanter Einflussfaktoren
• Modellierung eines generischen Prozesses sowie Validierung und Evaluierung
• Wenninger, Wiethe - 2021 – bei Interesse gerne direkt anfragen ☺
11 • Einführung in das wissenschaftliche ArbeitenEntwicklung eines Reifegradmodells für
energieflexible Industrieunternehmen
• Auf dem Weg zur Erreichung der gesetzten Klimaziele in Deutschland muss der Anteil
erneuerbarer Energien an der Stromerzeugung stetig ausgebaut werden. Die damit
einhergehende zunehmende Fluktuation der Erzeugungsleistung stellt die Stromnetze vor große
Herausforderungen. Da knapp 44 % des Strom- und rund ein Viertel des Wärmeverbrauchs in
Deutschland auf die Industrie entfällt, bietet diese signifikantes Potenzial, Schwankungen im
Stromnetz durch die Anpassung des Stromverbrauchs an das Stromangebot im Sinne von Demand
Response mittels Energieflexibilität auszugleichen.
• Viele Industrieunternehmen verfügen aktuell noch nicht über flexible Lasten, und die
Flexibilisierung der Prozesse ist mit hohen Kosten verbunden. Entsprechend müssen sich die
Investitionen in Flexibilisierungen lohnen.
• Um Unternehmen unter dem Aspekt der Energieflexibilität bewerten und einstufen zu können,
soll ein Reifegradmodell entwickelt werden. Mit dem Reifegradmodell können sich
(energieintensive) Industrieunternehmen im Vergleich zu potenziellen Entwicklungsstufen
einordnen, Schwachstellen und Verbesserungspotenziale identifizieren.
Forschungsfrage
• Wie kann der Reifegrad und Fortschritt eines Industrieunternehmens hinsichtlich einem energieflexiblen Betrieb bewertet und eingestuft
werden?
Vorgehen / Literatur
• Identifikation von Bewertungsdimensionen, -kriterien und -ausprägungen
• Entwicklung eines Reifegradmodells für energieflexible Unternehmen
• Finnerty et al. – 2017 - An energy management maturity model for multi-site industrial organisations with a global presence
• Bauer et al. – 2020 - Wie IT die Energieflexibilitätsvermarktung von Industrieunternehmen ermöglicht und die Energiewende unterstützt
12 • Einführung in das wissenschaftliche ArbeitenSame same, but different – Energy management and
energy flexibility from an IS perspective
• Auf dem Weg zur Erreichung der gesetzten Klimaziele in Deutschland muss der Anteil
erneuerbarer Energien an der Stromerzeugung stetig ausgebaut werden. Energieeffizienz und
Energieflexibilität sind zwei zentrale Ansätze um die Klimaziele zu erreichen und die Integration
erneuerbarer Energien in das Stromsystem zu ermöglichen. Mit knapp 44 % des Strom- und rund
ein Viertel des Wärmeverbrauchs in Deutschland bietet die Industrie für beide Anwendungsfälle
ein signifikantes Potenzial.
• Auf der einen Seite setzen Industrieunternehmen Energiemanagementsysteme ein, um ihre
Energieeffizienz zu steigern und in den Genuss von Steuer- und Umlagereduktionen zu kommen,
auf der anderen Seite werden Informationssysteme in Unternehmen zu einer (energie-) flexiblen
Betriebsweise ertüchtigt, um auf volatile Strompreise reagieren zu können.
• Beide Ansätze werden bislang meist getrennt voneinander betrachtet und Synergien nicht
identifiziert und gehoben. Da beide Ansätze zu großen Teilen auf Informationssystemen und
Informations- und Kommunikationstechnologien beruhen, sollen im Rahmen dieser
Abschlussarbeit Gemeinsamkeiten und Unterschiede identifiziert werden.
Forschungsfrage
• Worin unterscheiden sich Informationssysteme für den Einsatz im Energiemanagement und der Erbringung von Energieflexibilität in
Industrieunternehmen?
Vorgehen / Literatur
• Identifikation von Gemeinsamkeiten und Unterschieden von industriellen Informationssystemen
• Gegenüberstellung und Ableitung von Potenzialen der synergetischen Nutzung
• Finnerty et al. – 2017 - An energy management maturity model for multi-site industrial organisations with a global presence
• Bauer et al. – 2020 - Wie IT die Energieflexibilitätsvermarktung von Industrieunternehmen ermöglicht und die Energiewende unterstützt
13 • Einführung in das wissenschaftliche ArbeitenSecurity by Design: How to address IT security aspects
in early stages of product development processes
• Im Zuge der Digitalisierung erweitern immer mehr Unternehmen, auch aus nicht-
technischen Domänen, ihr Produktangebot um digitale oder physisch-digitale Produkte
und Services.
• Diese Produkte und Services stellen jedoch aufgrund ihrer digitalen Natur und der
Verflechtung von interner und externer Systeme neue Einfallstore und mögliche
Schwachstellen im Bereich der IT Sicherheit.
• Vor diesem Hintergrund gewinnen Aspekte der IT Security an Brisanz, gleichwohl
werden finden diese in frühen Phasen der Produktentwicklung nur geringfügige
Berücksichtigung.
• Etablierte Ansätze und Prozesse der Produktentwicklung adressieren den in der IT-Welt
verbreiteten Ansatz von “Security by Design” nicht und sorgen dafür, dass lediglich
reaktive Sicherheitsmaßnahmen vorgenommen werden.
• Daher sollen im Rahmen dieser Arbeit Ansätze zur Integration von IT Security Aspekten
in frühe Phasen der Produktentwicklung untersucht und evaluiert werden.
Forschungsfrage
• Wie können Aspekte der IT Security im Sinne des Security by Design in frühe Phasen der Produktentwicklung integriert werden?
Vorgehen / Literatur
• Entwicklung von Ansätzen zur Integration von IT Security Ansätzen in frühe Phasen der Produktentwicklung
• Möglicher Bearbeitungsansatz: Design Science Research zur Entwicklung und Verprobung eines Artefakts durch Praxispartner nach Hevner et al.
(2004)
• Literaturansätze: Eckert und Waidner (2019): Safety and Security; Mellado et al., (2007) “A common criteria based security requirements
engineering process for the development of secure information systems”; Baize, E. (2012), “Developing Secure Products in the Age of Advanced
Persistent Threats”; Fujdiak et al., (2019) “Modeling the Trade-off Between Security and Performance to Support the Product Life Cycle”
14 • Einführung in das wissenschaftliche ArbeitenDie Integrität und Vertraulichkeit von Daten gewinnt
in der Industrie 4.0 an Bedeutung: Eine Risikoanalyse
• Die Wertschöpfung von daten-getrieben Geschäftsmodellen basiert auf autonomen
Prozessen und Datennutzung
• Die zunehmende Vernetzung zwischen Unternehmen und Produktionsanalgen trägt
zur schnellen Ausbreitung von Cyberattacken innerhalb des Wertschöpfungsnetzes
bei
• Bisher stand im Kontext der „Smart Factory“ vor allem das Schutzziel der
Availability im Vordergrund. Cyberattacken können jedoch auch die Qualität der
Produkte und die Sicherheit der Angestellten massiv beeinträchtigen.
• Umfragen unter Unternehmen zeigen, dass die Schutzziele von Integrity und
Confidentiality, die bisher vor allem im IT-Bereich von Bedeutung waren, durch die
zunehmende Vernetzung auch in der Produktion an Bedeutung gewinnen.
*weitere Forschungsfragen zum IT-Security auf Nachfrage verfügbar
https://www.fim-rc.de/sis-4-0-sichere-industrie-4-0-in-schwaben/
Forschungsfrage
• Wie können Unternehmen die Folgen von Angriffen auf die Integrität und Vertraulichkeit ihrer Daten im Kontext der “Smart
Factory” abschätzen?
Vorgehen / Literatur
• Identifikation von Treibern für die Bedeutung von Integrity & Confidentiality; Identfikation von Kostentreibern
• Möglicher Bearbeitungsansatz: Literaturrecherche, Simulation von digitalen Produktionsnetzwerken
• Literaturansätze: Bürger et al. (2020) Estimating the impact of IT security incidents in digitized production environments
15 • Einführung in das wissenschaftliche ArbeitenSecurity Chaos Engineering: Implementation based on
established approaches of Chaos Engineering
• Security Chaos Engineering (SCE) ist ein neuartiger Lösungsansatz im Bereich der IT-
Security, der auf dem Prinzip des Chaos Engineerings (CE) aufbaut.
• Der Ansatz des Chaos Engineering dient dazu die Verfügbarkeit der Infrastruktur, von
Daten und Services sicherzustellen. Dabei werden in einer realen Umgebung unter
Absicherung des Systems gezielt Fehler injiziert, um das System zum Kollabieren zu
bringen. Im besten Fall hält das System jeder Injektion stand.
• Security Chaos Engineering zielt nun auf die Erweiterung des Ansatzes um die
verbleibenden Security-Bestandteile, also Integrität und Vertraulichkeit ab.
• Da es sich hierbei allerdings um eine neue Technologie handelt, existieren keine
konkreten Konzepte zur Umsetzung von Security Chaos Engineering in Unternehmen.
Nachdem allerdings SCE eine Erweiterung des bereits etablierten CE darstellt, können https://cdn.lynda.com/course/5028636/5028636-
Parallelen erkannt und genutzt werden 637491087391090153-16x9.jpg
Forschungsfrage
Worin liegen die Unterschiede zwischen CE und SCE?
Welche Konzepte bezüglich der Umsetzung und Implementierung lassen sich auf Basis dieses Vergleichs (weiter-)entwickeln?
Vorgehen / Literatur
• Literaturüberblick über bestehende Publikationen zum Thema Security Chaos Engineering, Chaos Engineering und Konzepten bezüglich dessen Umsetzung
und Implementierung innerhalb von Unternehmen. Ein zusätzlicher Fokus sollte auf die Unterschiede, sowohl technisch als auch organisatorisch,
zwischen den beiden Ansätzen gelegt werden
• Literaturansätze: Jernberg, Runeson, Engström (2020) Getting Started with Chaos Engineering – design of an implementation framework in practice;
Torkura et al. (2020) CloudStrike: Chaos Engineering for Security and Resiliency in Cloud Infrastructure; Rinehart, Shortridge (2020) Security Chaos
Engineering – Gaining Confidence in Resilience and Safety at Speed and Scale
16 • Einführung in das wissenschaftliche ArbeitenSecurity Chaos Engineering: How can this novel
approach be efficiently integrated into practice?
• Security Chaos Engineering (SCE) ist ein neuartiger Lösungsansatz im Bereich der IT-
Security, der auf dem Prinzip des Chaos Engineerings (CE) fokussierend auf der
Verfügbarkeit der Infrastruktur, der Daten und Services aufbaut.
• Security Chaos Engineering zielt nun auf die Erweiterung des Ansatzes um die
verbleibenden Security-Bestandteile, also Integrität und Vertraulichkeit, ab.
• SCE ist bisher noch nicht etabliert im unternehmerischen Kontext und stellt eine
fundamental neue Art und Weise der Herangehensweise an das Thema Security dar.
• Bisher ist unklar, welche Voraussetzungen und Kernaspekte bei der Einführung dieses
neuen Ansatzes berücksichtigt bzw. vorhanden sein müssen. Ein Beispiel für solch eine
Voraussetzung ist ein offener Umgang im Unternehmen mit Fehlern.
https://hub.packtpub.com/wp-content/uploads/2018/04/iStock-
541282164-696x493.jpg
Forschungsfrage
Welche Aspekte sind für die Einführung von SCE in Unternehmen relevant und wie könnte darauf basierend bei der Einführung dieser
Technologie vorgegangen werden?
Vorgehen / Literatur
• Literaturüberblick über etablierte Vorgehensmodelle; Entwicklung eines Ansatzes unter Berücksichtigung der Voraussetzungen und Charakteristiken
(technisch, organisatorisch und kulturell), die für ein Projekt zur erfolgreichen Einführung von SCE in Unternehmen essentiell sind
• Führung von Interviews und Begleitung von Unternehmen bei der Einführung von SCE (ggf. Case Study)
• Literaturansätze: Torkura et al. (2019) Security Chaos Engineering for Cloud Services; Kopp (2014) Einführung von IT-Governance: Vorgehensmodell für
mittelständische Unternehmen mit den Referenzmodellen COBIT, Val-IT und ITIL; Rossberger (2019) Digitale Transformation: Kultur, Strategie und
Technologie
17 • Einführung in das wissenschaftliche ArbeitenHandling the conjunction of organizational ambidextry
– connecting explorative and exploitative processes
• Organisationale Ambidextrie beschreibt die Fähigkeit einer Organisation, sowohl
bestehende Prozesse und Fähigkeiten im Zuge der Exploitation zu verbessern und zu
optimieren als auch im Rahmen der Exploration neue Fähigkeiten aufzubauen und
somit bewusste neue Wege zu gehen.
• In zahlreichen Publikationen konnte gezeigt werden, dass organisationale Ambidextrie
einen positiven Einfluss auf den Unternehmenserfolg mit sich bringt.
• Ein Blick in die Praxis zeigt jedoch, dass insbesondere in etablierten Unternehmen die
Umsetzung der organisationalen Ambidextrie eine Herausforderung darstellt, da das
Zusammenspiel zwischen Exploration und Exploitation nicht reibungslos abgebildet
werden kann.
• Besonders im Innovationsbereich wird eine organisationale Ambidextrie angestrebt, um
die Stärke der Exploitation für neue, explorativ entwickelte Produkte und Services
nutzen zu können.
• In der Unternehmensrealität führt dies jedoch oft zu einer Koexistenz beider
Fähigkeitsbereiche, ohne ein synergetisches Zusammenspiel zu erlangen.
Forschungsfrage
• Wie kann im Kontext einer ambidexteren Organisation das Zusammenspiel zwischen exploitativen und explorativen Fähigkeiten verbessert
werden?
Vorgehen / Literatur
• Entwicklung von Ansätzen zur Optimierung des Zusammenspiels zwischen Exploration und Exploitation.
• Möglicher Bearbeitungsansatz: Design Science Research zur Entwicklung und Verprobung eines Artefakts durch Praxispartner nach Hevner et al. (2004)
• Literaturansätze: Lis, A., B. Jozefowicz, M. Tomanek and P. Gulak. (2018). “The Concept of the Ambidextrous Organization: Systematic Literature
Review.”; O’Reilly, C. and M. Tushman. (2004). “The Ambidextrous Organization.”; O’Reilly, C. and M. L. Tushman. (2013). “Organizational
Ambidexterity: Past, Present, and Future.”; Schneeberger, S. J. and A. Habegger. (2020). “Ambidextrie – der organisationale Drahtseilakt.”
18 • Einführung in das wissenschaftliche ArbeitenDynamic Capabilities and Organizational Routines –
Two Sides of the Same Coin
• Gestern: Unternehmen basieren auf sehr starren Routinen/Prozessen und Strukturen
• Heute: Die Digitalisierung verändert das Marktumfeld von Unternehmen schneller als
je zuvor. Um Schritt halten zu können, initiieren viele Unternehmen digitale
Transformationsprogramme. Die Programme führen zu weitreichenden
Veränderungen in Strategie, Prozessen, Strukturen sowie Unternehmenskultur.
• Morgen: Wandlungsfähigkeit als Indikator für langfristige Wettbewerbsfähigkeit
• Konzept: „Dynamic Capabilities“ stehen sinnbildlich für die Wandlungsfähigkeit
einer Organisation und ihre Fähigkeit, die zukünftige Wettbewerbsfähigkeit
sicherzustellen. Organizational Routines fördern Stabilität, sind jedoch auch eine
Quelle kontinuierlicher Veränderung
• Problem: Ein einheitliches Bild von Dynamic Capabilities gibt es nicht und
Capabilities entfalten ihre Wirkung erst, wenn sie sich in Routinen/Prozessen
umgemünzt werden.
Forschungsfrage
• Welche Formen von Dynamic Capabilities und Organizational Routines gibt es und wie interagieren diese jeweils miteinander?
Vorgehen / Literatur
• Literaturüberblick über bestehende Publikationen zu den Themen „Dynamic Capabilites“ und „Organizational Routines“
• Analyse der bestehenden Literatur hinsichtlich der Verknüpfung der beiden Themenbereiche und Aufzeigen möglicher Forschungslücken
• Literaturansätze: Winter (2003) Understanding Dynamic Capabilities; Teece (2007) Explicating dynamic capabilities ;Teece et al. (2016) Dynamic
capabilities and organizational agility; Feldman (2000) Organizational routines as source of continuous change; Feldman & Pentland (2003)
Reconceptualizing Organizational routines as a Source of Flexibility and Change
19 • Einführung in das wissenschaftliche ArbeitenUnternehmen haben ein individuelles Verständnis von
der Digitalen Transformation
• Die Digitalisierung verändert das Marktumfeld von Unternehmen schneller als je zuvor.
• Um Schritt halten zu können, initiieren viele Unternehmen digitale
Transformationsprogramme.
• Digitale Transformation ist jedoch kein Selbstzweck! Die Digitale Transformation kann
zum Beispiel dazu dienen, Kundenbedürfnisse schneller/genauer zu erkennen und zu
befriedigen oder die selbe Qualität mit weniger Aufwand und Ressourcen zu liefern.
• Aktuell ist jedoch kein einheitliches Zielbild zu erkennen: Während einzelne
Unternehmen Digitale Technologien dazu nutzen um einzelne Prozesse zu verbessern,
entwickeln andere das Geschäftsmodell von morgen oder verändern ihre
Unternehmenskultur so, dass ein Kontinuierlicher Wandel möglich und gefördert wird.
• Problem: Um Unternehmen bestmöglich zu unterstützen, ist es nötig, die
unterschiedlichen Zieldimensionen und –bilder der Digitalen Transformation zu
verstehen.
• Ansatz: Unterschiedliche Zielbilder identifizieren und voneinander abgrenzen
Forschungsfrage
• Welche unterschiedlichen Archetypen von Zielbildern verfolgen Unternehmen
mit der Digitalen Transformation?
Vorgehen / Literatur
• Literaturüberblick über bestehende Publikationen zum Thema Digitale Transformation (v.a. Case Studies)
• Analyse der bestehenden Literatur hinsichtlich der identifizierten & konzeptionierten Zielbilder für die Digitale Transformation
• Literaturansätze: Berger et al. (2020) Approaching Digital Transformation; Anderson & Ross (2016) Transforming the LEGO group for the Digital Economy
20 • Einführung in das wissenschaftliche ArbeitenEvaluation of Digitization/Digitalization projects under
a sustainability prism
• Digitalisierung und Nachhaltigkeit sind prägenden Themen unserer heutigen
Gesellschaft. Die Digitalisierung betrifft alle Bereiche des menschlichen
Zusammenlebens und wird häufig als Chance für mehr Nachhaltigkeit gesehen (z.B.
durch höhere Ressourceneffizienz)
• Das exponentielle Wachstum digitaler Technologien treibt jedoch auch den
Energiebedarf unserer Gesellschaft massiv in die Höhe und hat Auswirkungen auf unser
körperliches Wohlbefinden
• Das wirft die Frage auf, wie wünschenswert sind einzelne Digitalisierungsprojekte
aus gesellschaftlicher Sicht?
• Zur Bewertung von Investitionen gibt es zahlreiche Theorien. Häufig geht es hier https://www.wwf.de/aktiv-werden/bildungsarbeit-
lehrerservice/digitalisierung-und-nachhaltigkeit/
jedoch hauptsächlich um ökonomische Kennzahlen.
• Eine ganzheitliche Betrachtung der langfristigen Auswirkungen von
Digitalisierungsprojekten auf Basis der 3 Säulen der Nachhaltigkeit (ökonomisch,
ökologisch und sozial) ist bisher eher die Ausnahme als die Regel.
Forschungsfrage
Welche Kriterien sollten für die Bewertung von Digitalisierungsprojekten auf Basis der drei Säulen der Nachhaltigkeit berücksichtigt
werden?
Vorgehen / Literatur
• Literaturüberblick über bestehende Publikationen zum Thema Investitionsbewertung im Rahmen einer nachhaltigen Perspektive im Allgemeinen
(Übertragbarkeit auf Digitalisierungsprojekte) / von Digitalisierungsprojekte im Speziellen
• Literaturansätze: Sanders et al. (2019) Sustainable Supply Chains in the Age of AI and Digitization: Research Challenges and Opportunities; Bechtsis et al.
(2017) Sustainable supply chain management in the digital era: The impact of Automated Guided Vehicles; Santarius, Lange (2018) Smarte grüne Welt?:
Digitalisierung zwischen Überwachung, Konsum und Nachhaltigkeit
21 • Einführung in das wissenschaftliche ArbeitenThe nature of Digital Transformation
• Angetrieben durch das kontinuierliche Aufkommen digitaler Technologien verändert
sich das heutige Geschäftsumfeld mit enormer Geschwindigkeit. Daher haben
etablierte Unternehmen digitale Transformationsprogramme initiiert, um die damit
verbundenen Herausforderungen zu bewältigen.
• Während Transformationsprogramme typischerweise mit punktuellen Veränderungen in
Verbindung gebracht werden, konzeptualisieren neue Forschungsarbeiten die digitale
Transformation als einen fortlaufenden Prozess, der neue Ansätze für den
organisatorischen Wandel erfordert.
• Bislang fehlt es an Erkenntnissen darüber, wie sich Organisationen auf einen solchen
kontinuierlichen Wandel vorbereiten.
Bildquelle: https://www.workingthefuture.com/blog/art/39/the-fear--
how-to-successfully-navigate-continuous-change
Forschungsfrage
Inwieweit unterscheidet sich die Digitale Transformation von früherer Transformationen?
Welche Gemeinsamkeiten hat Digitale Transformation mit früheren Transformationen und kontinuierlichen Verbesserungsprozessen
und wo liegen die Unterschiede?
Vorgehen / Literatur
• Verknüpfung von Digital Transformation, Continuous Change und traditioneller Transformation Literatur
• Literaturansätze: Vial et al. (2019) Understanding digital transformation: A review and a research agenda; Hinsen et al. (2019) Disentangling the
Concept and Role of Continuous Change for IS Research–A Systematic Literature Review; Besson & Rowe (2012) Strategizing information systems-enabled
organizational transformation: A transdisciplinary review and new directions
22 • Einführung in das wissenschaftliche ArbeitenBringing together digital twin: How can we connect
customer preferences with product characteristics ?
• Ecological Sustainability is more than ever before. In society, we recognize that the
awareness for ecological sustainability increases
• However, studies show that there is a gap between one's desire towards a behaviour
change and a real impact. Most often, customers lack transparency, i.e. the impact of
single actions is not obvious, people do not have an adequate overview of their
individual footprint in general, and we lack metrics that make alternative purchase
options comparable in a simple way. Traditional approaches, e.g. labels, simplify
complex issues to facilitate decision making. However, they neglect relevant
characteristics.
• Digital Twins can help to solve this issue. They can reflect product characteristics and
the values of individuals. Bringing both together may help people to take better
decisions for themselves and our overall behaviour as society. https://hub.packtpub.com/wp-content/uploads/2018/04/iStock-
541282164-696x493.jpg
Forschungsfrage
Which design objectives do we need to consider to develop a solution that enables individuals to take more ecological sustainable
decisions based on a digital twin? *
* beispielhafte Forschungsfrage (kann im individuellen Austausch spezifiziert werden)
Vorgehen / Literatur
• Design Science; Identifikation aller Stakeholder für einen konkreten Anwendungsfall (z.B. Einkaufen im Supermarkt); Ableiten der Anforderungen aus
Kundenperspektive, um eine praktikable Lösung zur Verfügung zu stellen; Ableiten der Herausforderungen in Bezug auf andere Stakeholder
• Verschiedene Möglichkeiten, um Design Objectives abzuleiten (Interviews, Literaturrecherche, Übertragung aus bestehenden Lösungen)
• Vorhandene Literatur: Glatt et al. (2021) Edge-based Digital Twin to trace and ensure sustainability in cross-company production networks; Jones et al.
(2020) Characterising the Digital Twin: A systematic literature review; Pigni et al. (2021) Digital Twins: Representing the Future
23 • Einführung in das wissenschaftliche ArbeitenSustainable twins: Connecting the concept of Digital
Twins with the Sustainable Production of tomorrow
• Sustainable production will play a central role in the future global economy.
• Digital twins, as a relatively new concept and an important component of
digitalisation, offer a new perspective on sustainable production
• With the help of digital twins, a virtual space can be created that encompasses data
across machines, factories and companies. In this way, (new) processes can be
visualised and examined which so far could not be be displayed in the real world.
• In particular with regard to the customer, a transparent and sustainable production
and value network will become increasingly important in the future. Here, digital twins
can create important competitive advantages (Sustainable Twin).
• However, the question arises as to which data should be collected at machine and https://logistik-heute.de/news/industrie-4-0-industrial-digital-twin-
factory level as well as across companies association-gegruendet-31797.html
Forschungsfrage
What kind of machine, factory and cross-company data basis is required to build a digital twin in the sustainable production of the
future? *
* beispielhafte Forschungsfrage (kann im indviduellen Austausch spezifiziert werden)
Vorgehen / Literatur
• Interviews, Literaturrecherche, Übertragung aus bestehenden Lösungen
• Vorhandene Literatur: Miehe R, Waltersmann L, Sauer A, Bauernhansl T. (2021) Sustainable production and the role of digital twins–Basic reflections and
perspectives. Journal of Advanced Manufacturing and Processing. Bundesministerium für Wirtschaft und Energie (2020) Nachhaltige Produktion: Mit
Industrie 4.0 die Ökologische Transformation aktiv gestalten
24 • Einführung in das wissenschaftliche ArbeitenKI, Datenschutz und Geschäftsmodelle? - Federated
Learning für DSGVO konforme digitale Geschäftsmodelle
• Große Mengen an Daten sind für KI-Modelle von zentraler Bedeutung. Durch
Herausforderungen wie der DSGVO und der „German Angst“ wiegt eine gewisse
Skepsis für die Weitergabe von Daten an Dritte.
• Federated Learning stellt eine neue Methode zum trainieren von KI-Modellen
dar, bei der keine Daten ausgetauscht werden müssen. Einzelne lokale KI-
Modelle (auf Edge-Devices) werden dabei direkt bei Geschäftspartnern vor Ort
mit lokalen Daten trainiert.
• Anschließend werden lediglich die trainierten lokalen KI-Modelle und nicht die
zugrundliegenden Daten an einen zentralen Akteur übertragen und zu einem
globalen KI-Modell zusammenfasst.
• Federated Learning hilft dabei rechtliche Einschränkungen und Bedenken, die es
bisher bei der Entwicklung von KI-basierten Geschäftsmodellen gab, zu umgehen
• Untersuchungen über konkreten Optionen von Federated Learning für neue KI-
https://theblue.ai/blog-de/federated-learning-foederales-lernen/
basierte Geschäftsmodelle in unterschiedlichen Branchen sind bislang rar.
Forschungsfrage
• Wie kann Federated Learning zu einer DSGVO konformen Ausgestaltung von KI-basierte Geschäftsmodellen beitragen?
• Welche Chancen und Risiken ergeben sich durch den Einsatz von Federated Learning für KI-basierte Geschäftsmodelle?
Vorgehen / Literatur
• Strukturierung existierender Literatur über Federated Learning und Ableitung von Chancen und Risiken für KI-basierte Geschäftsmodelle sowie
Handlungsempfehlungen
• Literaturansätze: Yang et al. (2019) Federated Machine Learning: Concept and Applications; Li et al. (2020) Federated Learning: Challenges, Methods, and
Future Directions; Das et al. (2019) Privacy is What We Care About: Experimental Investigation of Federated Learning on Edge Devices
• Thematischer Einstieg: https://theblue.ai/blog-de/federated-learning-foederales-lernen/
25 • Einführung in das wissenschaftliche ArbeitenEine Analyse der Nutzungsmöglichkeiten von KI-
Anwendungen in der Industrie
• Der Einsatz von künstlicher Intelligenz (KI) verspricht in unterschiedlichsten
Wirtschaftssektoren bestehende Prozesse zu verbessern oder sogar neue
Geschäftsmodelle zu ermöglichen.
• Die Nutzungsmöglichkeiten von KI sind dabei zwar vielfältig, aber wurden bis jetzt
nur unzureichend strukturiert aufbereitet.
• Zu diesem Zweck soll diese Arbeit sich mit dem Thema befassen, welche
Anwendungsgebiete der KI speziell für den Fall von Industrieunternehmen bestehen
und wie diese zu strukturieren sind.
• Neben der Identifikation von Anwendungsfällen soll die Arbeit einen Fokus auf
Voraussetzungen legen, die gegeben sein müssen, um die gewünschten Potentiale
tatsächlich zu heben.
• Zudem sollen in der Analyse die strategischen Implikationen für das Geschäftsmodell
berücksichtigt und diskutiert werden
Forschungsfrage
• Welche Anwendungsgebiete bieten Methoden der künstlichen Intelligenz für produzierende Unternehmen?
Vorgehen / Literatur
• Literaturüberblick über bestehende Publikationen zum Thema
• Oberländer, A.M., Übelhör, J. & Häckel, B. IIoT-basierte Geschäftsmodellinnovation im Industrie-Kontext: Archetypen und praktische Einblicke. HMD 56, 1113–
1125 (2019)
• Brynjolfsson E, Mitchell T (2017) What can machine learning do? Workforce implications. Science, 358(6370), 1530-1534
• Agrawal A (2018) Prediction machines. The simple economics of artificial intelligence. Harvard Business Review Press, Boston, United States of America
26 • Einführung in das wissenschaftliche ArbeitenDatenbasierte, proaktive Services in der Industrie
• Die Vorhersage von Kundennachfrage durch den Einsatz von Predicitive Analytics
und künstliche Intelligenz (KI) ermöglicht in unterschiedlichen Branchen einen
proaktiven Kundenservice
• Ein Unternehmen erkennt somit Schwachstellen oder Bedürfnisse durch die
intelligente Auswertung von Kundendaten, bevor diese auftreten und kann
entsprechend reagieren bzw. sein Serviceangebot gestalten.
• Das resultierende Serviceangebot kann hierbei beispielsweise eine
Handlungsempfehlung an den Kunden oder ein automatisierter Bestellvorgang von
Waren sein
• Das Potenzial für Unternehmen reicht von der Erhöhung der Kundenloyalität bis hin
zur Transformation von reinen Produkthersteller zu einem zukunftsorientierten
Dienstleistungsunternehmen
Forschungsfrage
• Welche Anwendungsfälle und Geschäftsmodelle lassen sich im industriellen Kontext identifizieren?
• Wie können diese branchenübergreifend strukturiert werden?
Literatur
• Rizk, A., Bergvall-Kåreborn, B. and Elragal, A. (2018) ‘Towards a Taxonomy for Data-Driven Digital Services’, Proceedings of the 51st Hawaii International
Conference on System Sciences, Waikoloa Village, Hawaii, USA, January 3-6
• Barrett, M. et al. (2015) ‘Service innovation in the digital age: Key contributions and future directions’, MIS Quarterly, 39(1), pp. 135–154.
• Agrawal A (2018) Prediction machines. The simple economics of artificial intelligence. Harvard Business Review Press, Boston, United States of America
27 • Einführung in das wissenschaftliche ArbeitenDigital transformation and social sustainability:
An employee-centered view on digital transformation
• Digital transformation is considered as a continuous change process that starts from
the business model and affects all organizational levels (Gimpel and Röglinger, 2017).
• Existing research mostly focuses on either technical or organizational challenges
associated with this change process. However, the individuals and social structures of
organizations are mostly not considered in existing research.
• Although digitalization promises increasing automation, the employees' responsibility
increases in the context of this transformation process. The adaptability, creativity
and skills of employees are becoming precious resources in the context of
competition in the digital world.
• Therefore, social sustainability obtains a new meaning in this intra-organizational
context. For instance, companies set up Digital Academies to further develop the
(digital) skills and strengths of the employee as part of the transformation process. https://hrtechnologist.com
• Especially for employers, this raises the question of how employees can be involved
in the context of digital transformation and how existing strengths and capabilities
can be further developed.
Forschungsfrage
• How can organizations shape their digital transformation to be socially sustainable for employees?
Beispielhaftes Vorgehen / Literatur
• Literature research on existing approaches
• Elaboration of best practices
• If necessary, manifestation of the results in an artifact (framework, etc.)
• Evaluation of the results with practitioners
28 • Einführung in das wissenschaftliche ArbeitenGeospatial Data Analytics – Using open-source map
data for digital twin applications of street infrastructure
• Geoinformationssysteme sind seit Google Earth in der breiten Bevölkerung bekannt
und werden für verschiedenste Anwendungen wie die Erfassung von Infrastruktur, für
Navigationszwecke oder für die reine Informationsbeschaffung genutzt.
• Durch die stetige Weiterentwicklung von Weltraumtechnologien, smart Devices and
Vehicles und vielem mehr, steigt die potenziell verfügbare Datenmenge enorm an.
• Neben den bekannten Karten wie Google Maps oder Apple Maps werden open-source
Karten wie Open-Street-Map immer populärer und finden häufiger Anwendung in der
Forschung und Entwicklung.
• Große Mengen an Infrastrukturdaten und zunehmende Rechenleistungen ermöglichen
komplexe Modelle zur Abbildung der Realwelt, wie z.B. Digital Twin Modelle
• Die Evaluation und zielgerichtete Aufbereitung großer Datenmengen für digital twin
Modelle ist jedoch eine große Herausforderung und erfordert Fähigkeiten aus dem Source: lot.dahl.com
Bereich Data Analytics
Forschungsfrage
• Welche Anforderungen müssen Geo Karten Daten erfüllen, um digital Twin Anwendungen zu entwickeln?
• Welche Potenziale können durch die steigende Verfügbarkeit großer Mengen an Geo-Daten und digital Twin Anwendungen gehoben
werden?
Vorgehen / Literatur
• Zielgerichtete Anforderungsanalyse an Infrastrukturdaten für ein digital Twin Modell des deutschen Autobahnnetzwerkes
• Analyse und Aufbereitung von OSM Daten mit Data Analytics Werkzeugen.
• Weiterentwicklung eines Algorithmus zur Lösung von Fahrspurproblemen.
Beispielhafte Literatur:
▪ Zilske et al. (2011): OpenStreetMap For Traffic Simulation
▪ Zheng et al. (2019): Exploring OpenStreetMap Availability for Driving Environment Understanding
▪ Fuller et al. (2020): Digital Twin: Enabling Technologies, Challenges and Open Research
29 • Einführung in das wissenschaftliche ArbeitenAI Adoption in Manufacturing –
why so many AI projects fail
• Smarte Transformationen, bei denen Unternehmen ihre eigenen Lösungen mit Hilfe
digitaler Technologie steuern, sind der Techniktrend der Zukunft.
• In den letzten Jahren hat die Menge an verfügbaren und zu Entscheidungsprozessen
hinzugezogenen Daten rapide zugenommen
• Das lässt Entscheidungsprozesse unglaublich komplex werden. Daher versuchen
Unternehmen immer stärker, Informationen effizienter zu verarbeiten und freigen
hierbei häufig auf künstliche Intelligenz zurück
• Einerseits erfüllen über 90% der AI Projekte nicht die Erwartungen (Deloitte 2020)
• Andererseits glauben über 80% der Unternehmen, dass AI Ihnen weiterhilft
• Daher muss man sich mit den Probleme beschäftigen, warum AI Projekte
fehlschlagen, um diese im Vorfeld zu vermeiden. Source: lot.dahl.com
Forschungsfrage
• Welche Einflussfaktoren gibt es, weshalb AI Projekte fehlschlagen?
• Wie können AI Projekte erfolgreicher werden?
• Was zeichnet erfolgreiche AI Projekte aus?
Vorgehen / Literatur
• Zielgerichtete Analyse von Studien und Papern zu AI Projekte
• Aufbereitung von Einflussfaktoren auf AI Projekte.
• Aufstellen einer Guideline/Frameworks zum erfolgreichen Abschluss von AI Projekten.
Beispielhafte Literatur:
▪ Deloitte (2020): Deloitte Survey on AI Adoption in Manufacturing
▪ PwC (2020): An introduction to implementing AI in manufacturing
30 • Einführung in das wissenschaftliche ArbeitenSie können auch lesen
