Open Access

Mit Industrie 4.0 kündigte sich in Unternehmen ein großer Wandel. Dieser ist insbesondere im Bereich der Fertigung und Produktion spürbar. Von der vierten industriellen Revolution sollen Unternehmen profitieren, indem Prozesse digitalisiert und automatisiert, neue Technologien implementiert und die Wettbewerbsfähigkeit gesichert wird. Deswegen wird die Industrie 4.0 von vielen Unternehmen als Chance gesehen. Mit dem Einsatz von digitalen Technologien erhoffen sich Unternehmen, ihre Potenziale auszuschöpfen und sich Wettbewerbsvorteile zu sichern. Im Hinblick auf die Industrie 4.0 sind jedoch kleine und mittlere Unternehmen vor Herausforderungen gestellt. Die Gründe hierfür sind vielfältig und werden in der vorliegenden Masterarbeit beleuchtet. Dies führt dazu, dass KMU bei dem technischen, digitalen Fortschritt im Rahmen der Industrie 4.0 hinterherhinken. Es fällt ihnen schwer, den eigenen Status quo zu ermitteln und richtige Entscheidungen zu treffen, um die Hürden der Industrie 4.0 erfolgreich zu meistern. Damit dies gelingt, empfiehlt sich zu analysieren, wo das jeweilige Unternehmen aktuell steht und wie es sich abheben möchte, um seine Entscheidungen gezielt auf die Transformation von Industrie 4.0 ausrichten zu können. Solche Orientierungshilfen, wie Referenz- oder Reifegradmodelle, die auf die Bedürfnisse der KMU eingehen und explizit auf ihre individuellen Anforderungen ausgerichtet sind, sind ein wichtiger Bestandteil der Masterarbeit. In der vorliegenden Masterarbeit soll somit folgende Forschungsfrage beantwortet werden: Warum sind die IT-Prozesse besonders kritisch für KMU in der Industrie 4.0 und lässt sich ein unterstützendes, reifegradbasiertes Referenzmodell zur Verbesserung der IT-Prozesse entwickeln?

Die vorliegende Masterarbeit beleuchtet die Realität der Modellierung in der Geschäftspraxis und die Probleme, auf die Unternehmen in diesem Zusammenhang stoßen. Aus diesem Grund wird diese Arbeit die Forschungsfrage, wie Unternehmen mit dem Wissen der Systemtheorie Probleme in der Modellentwicklung vermeiden können, samt der daraus abgeleiteten Teilfragen beantworten. Diese Teilfragen zielen sowohl darauf ab, ob Modelle als Abbilder der Realität betrachtet werden können, und welche Entscheidungen ein Unternehmen zu treffen hat, um Modelle richtig zu adressieren. Diese Arbeit richtet sich vor allem an Unternehmen und Studenten des Geschäftsprozessmanagements, sowie alle interessierte Leser und Leserinnen, die sich die Frage stellen, wie die Modellbildung mit dem Wissen der Systemtheorie optimiert werden kann. Mittels intensiver Literaturrecherche und Auswahl wird aufgezeigt, dass niemals alle Eigenschaften eines Systems in ein Modell einfließen können und dürfen. Des Weiteren wird die Wichtigkeit einer guten Zielgruppenanalyse und -definition herausgearbeitet, um sowohl Modellierungssprache, Grenzen und Zweck des Modells korrekt wiederzugeben und so alle Adressaten mit den richtigen Informationen zu erreichen. Die in dieser Arbeit vermittelten Informationen haben das Potential, die Realität eines Unternehmens sinnvoll zu einem Modell und zum Ausschnitt der Wirklichkeit werden zu lassen.

Eingebettete Systeme – wie zum Beispiel eine Multifunktions-Küchenmaschine, ein intelligenter Saugroboter oder Lautsprecher mit sprachgesteuerten Assistenten – sind für einige Menschen in der heutigen Zeit nicht mehr wegzudenken. Sie sind mittlerweile Bestandteil unseres täglichen Lebens. Doch hinter jedem System stehen auch eine Vielzahl von Anforderungen, die für die Kundinnen und Kunden, sowie Nutzerinnen und Nutzer relevant sind. Ob diese Anforderungen immer einen Mehrwert für die Kundinnen und Kunden bringen, ist dabei irrelevant. Doch wie kann gewährleistet werden, dass die zu Beginn definierten Anforderungen schlussendlich das gewünschte Ergebnis für die Kundinnen und Kunden oder Nutzerinnen und Nutzer bringt? Durch die Durchführung einer Validierung in verschiedenen Phasen der Systementwicklung können wichtige Erkenntnisse über das Produkt und dessen Funktionen vor der eigentlichen Marktfreigabe gewonnen und noch in den verschiedenen Entwicklungsphasen für Änderungen oder Verbesserungen eingeplant werden. Oft werden diese essentiellen Validierungsprozesse zu spät oder gar nicht durchgeführt, was zu unausgereiften Produktfreigaben führt, was wiederum unzufriedene Kundinnen und Kunden zur Folge haben kann. Diese Masterarbeit bietet einen Einblick, wie eine solche Validierung in Systementwicklungen integriert werden kann. Unter anderem wird eine klassische Vorgehensweise, das V-Modell, und die agile Methode Scrum betrachtet und auf mögliche Validierungskonzepte hin untersucht. Anhand eines Praxisbeispiels einer bereits durchgeführten Systementwicklung im Elektronikbereich wird gezeigt, wie die Methoden des V-Modells und Scrum in Verbindung mit der Validierung umgesetzt wurden. Die Erkenntnisse aus diesen beiden Teilen, Theorie und Praxis, werden durch Handlungsempfehlungen für Entwicklungsprojekte abgerundet.

Unternehmen müssen ihre Prozesse stetig weiterentwickeln und verbessern, damit sie trotz des stärkeren Wettbewerbsdrucks am globalen Markt bestehen können. Process Mining verknüpft hochinnovative Technologie mit der Evaluation und Entwicklung von Geschäftsprozessen. Process Mining ist ein Verfahren, das dazu dient, bestehende Geschäftsprozesse aus gesammelten Daten von Informationssystemen zu identifizieren, mit bestehenden Soll-Prozessen zu vergleichen und die Geschäftsprozesse anhand der gewonnenen Erkenntnis zu verbessern. Dadurch werden Prozesse optimiert und die Wettbewerbsfähigkeit von Unternehmen wird nachhaltig gesteigert. Dennoch zeigen Erfahrungsberichte und Untersuchungen aus der Marktforschung, dass viele Process Mining Projekte scheitern, weil gewisse Faktoren der Unternehmenskultur nicht berücksichtigt werden. Es besteht eine Wissenslücke, inwiefern die Faktoren den zielführenden Einsatz von Process Mining beeinflussen. Deshalb war es das Ziel dieser Masterarbeit, herauszufinden, welche Faktoren der Unternehmenskultur den zielführenden Einsatz von Process Mining beeinflussen. Hierfür wurden in einer Literaturrecherche N= 1,491 Titel und N= 97 Abstrakte gescannt, bis N=28 wissenschaftliche Artikel und Erfahrungsberichte übrig waren, die von Relevanz und wissenschaftlichen Wert für diese Arbeit waren. Um diese N=28 wissenschaftlichen Artikel und Erfahrungsberichte zu analysieren, wurde eine Kombination aus der Vorgehensweise der Hermeneutik nach Gadamer sowie einer induktiven qualitativen Analyse nach Mayring angewendet. Die Ergebnisse aus der qualitativen Analyse aus dieser Masterarbeit haben gezeigt, dass neben der technologischen Infrastruktur die Faktoren der Unternehmenskultur wie Potenziale der Mitarbeitenden, Vision und Mission, Kommunikation mit den Mitarbeitenden, Partizipation der Mitarbeitenden und Kundenorientierung eine zentrale Rolle für den zielführenden Einsatz von Process Mining spielen. Zusammenfassend wird in dieser Masterarbeit gezeigt, dass es vor dem Beginn eines Projektes wesentlich ist, das Process Mining in die Unternehmensstrategie zu integrieren und gleichzeitig Vertrauen aufzubauen. Die Kompetenzen der Mitarbeitenden und deren Kooperation haben während der Umsetzung nicht nur einen Einfluss auf das Process Mining, sondern werden dadurch auch gestärkt. Zukünftige qualitative Studien könnten dazu beitragen, weitere Faktoren zu identifizieren, die aus Sicht der Mitarbeitenden, des Managements, der Kunden und anderer Stakeholder den zielführenden Einsatz von Process Mining in Unternehmen behindern oder ermöglichen. Außerdem könnte ein Fragebogen entwickelt und validiert werden, um die Bereitschaft von Unternehmen für ein Process Mining Projekt zu evaluieren.

Unternehmen stehen aufgrund der digitalen Transformation vermehrt vor der Entscheidung, in Dateninitiativen zu investieren. In diesen Entscheidungssituationen werden verhaltensökonomische Faktoren kaum berücksichtigt. Zwar wird der Mensch in der Theorie als rationaler Entscheider dargestellt, doch zeigen die Erkenntnisse aus der Verhaltensökonomie, wie anfällig menschliche Entscheidungen für kognitive Verzerrungen sind. Ziel dieser Masterarbeit ist es zu beantworten, wie die Erkenntnisse aus der Verhaltensökonomie dazu beitragen können, die strategische Managemententscheidung in Bezug auf die Einführung einer Datenanalytik beherrschbarer zu machen. Hierfür wurde ein theoretisch-konzeptionelles Vorgehen gewählt. Die Ergebnisse zeigen, dass bei der Entscheidungssituation zur Einführung einer Datenanalytik die Komplexität, die Unsicherheit, der Zeitdruck und die kognitive Anstrengung sowie der soziale Einfluss große Herausforderungen für das Management darstellen. Durch die Verknüpfung dieser Faktoren mit den Erkenntnissen aus der Verhaltensökonomie wurden sieben relevante kognitive Verzerrungen identifiziert. Diese Masterarbeit zeigt, dass der Overconfidence Bias, die Planning Fallacy, der Sunk Cost Bias, das Escalation of Commitment, die Decision Fatigue, der Status Quo Bias und der Authority Bias kognitive Verzerrungen sind, welche bei der strategischen Managemententscheidung zur Einführung einer Datenanalytik häufig auftreten können. Weiters wurden für jede kognitive Verzerrung Gegenmaßnahmen ausgearbeitet. Die Ergebnisse dieser Arbeit zeigen auf, welche kognitiven Verzerrungen bei der Entscheidung zur Einführung einer Datenanalytik auftreten können und was das Management dagegen tun kann.