@phdthesis{Haemmerle2020,
  type      = {Master Thesis},
  author    = {Simon H{\"a}mmerle},
  title     = {Ans{\"a}tze zur datengetriebenen Prozessinnovation},
  journal    = {Approaches to data-driven process innovation},
  doi       = {10.25924/opus-3691},
  pages     = {IX, 123},
  year      = {2020},
  abstract  = {In einer Zeit, in der Daten eine immer gr{\"o}{\"s}ere Rolle spielen, nehmen Schlagw{\"o}rter wie Big Data, Data Analytics oder Data Mining auch in Organisationen eine gro{\"s}e Rolle ein. Daten werden zum neuen digitalen {\"O}l, das durch alle Systeme der Unternehmen und externe Quellen flie{\"s}t. Richtig eingesetzt, unterst{\"u}tzen sie bei der Strategiefindung, bei der Umsetzung neuer Gesch{\"a}ftsmodelle, beim Gestalten neuer Abl{\"a}ufe und Prozesse und insbesondere bei der Entscheidungsfindung. Die vorliegende Arbeit besch{\"a}ftigt sich mit den Themen Daten und Unternehmenssystemen. Von diesen Themen ausgehend wird versucht, eine Br{\"u}cke zu den Themenfeldern Prozessmanagement und Prozessinnovation zu schlagen. Die Arbeit soll aufzeigen, welche strategischen und operativen Ans{\"a}tze die Nutzung von Daten als Treiber f{\"u}r Prozessinnovation zulassen. Aufbauend auf einer theoretischen Einordnung der vier skizzierten Gebiete, bildet ein empirischer Teil das Herzst{\"u}ck dieser Arbeit. In diesem Teil werden Aussagen von ExpertInnen dar{\"u}ber zusammengetragen, welche Ans{\"a}tze zur datengetriebenen Prozessinnovation sie in ihren jeweiligen Unternehmen anwenden. Diese Aufarbeitung ist gegliedert in die drei Ebenen Rahmenbedingungen, Faktoren und Ans{\"a}tze. Abgeschlossen wird diese Arbeit durch konkrete Handlungsempfehlungen f{\"u}r Unternehmen.},
  language  = {de}
}