Betriebswirtschaft: Business Process Management
Refine
Document Type
- Master's Thesis (44)
Institute
- Wirtschaft (1)
Language
- German (44)
Has Fulltext
- yes (44)
Is part of the Bibliography
- no (44)
Keywords
- Industrie 4.0 (5)
- Digitale Transformation (4)
- Verhaltensökonomie (3)
- Data Analytics (2)
- Datenanalytik (2)
- Digitalisierung (2)
- Einkauf 4.0 (2)
- IIoT (2)
- Kognitive Verzerrung (2)
- Managemententscheidungen (2)
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.
Robotic Process Automation (RPA) ist eine relativ neue Technologie, die die Automatisierung von regelbasierten Aufgaben ermöglicht. Obwohl bestehende Literatur darauf hinweist, dass zusätzlich zur RPA-Implementierung eine Prozessoptimierung vorzunehmen ist, wurde bislang nicht beschrieben, wie dieses Vorgehen aussehen kann. Deshalb zeigt die vorliegende Arbeit, wie bei der Automatisierung von Abläufen die damit verbundene Optimierung durchzuführen ist und wie im Fall des Order-to-Cash-Prozesses von Industrieunternehmen automatisierbare Prozesse ausgewählt werden können. Zudem wird beleuchtet, wie bereits bestehende IT-Systeme für die Prozessautomatisierung eingesetzt werden können. Dazu werden mithilfe einer Literaturrecherche neue Erkenntnisse gewonnen, die zeigen, zu welchem Zeitpunkt eine Prozessoptimierung in Verbindung mit einer Automatisierung durchzuführen ist. Zudem wird die Verwendung der RPA-Technologie kritisch beleuchtet und festgestellt, dass unabhängig von der Art der Automatisierung eine Prozessoptimierung vorzunehmen ist. Die Arbeit liefert somit einen wertvollen Beitrag zum aktuellen Stand der Wissenschaft und gibt Hinweise für die Anwendung in der Praxis.
Der technologische Wandel, der in den letzten Jahren stattgefunden hat, führte zu einer neuen industriellen Revolution. Die vierte industrielle Revolution baut auf cyber-physischen Systemen auf, die mechanische Komponenten durch die Internetkommunikation miteinander vernetzt und dadurch die Steuerung von komplexen Systemen, wie Fertigungsanlagen, ermöglicht. Dies hat zu einem Fortschritt in der Industrie geführt und den Möglichkeiten in der Produktion.
Dem gegenüber steht der altbewährte Lean Production Ansatz, der bereits seit 1970 in den produzierenden Unternehmen dieser Welt, ein fester Bestandteil ist. Darin enthalten sind Methoden, die zum Beispiel zur Verschwendungsminimierung, Prozessverschlankung sowie Produktionssteuerung beitragen.
Obwohl die beiden Produktionsphilosophien auf den ersten Blick nicht in Korrelation zueinanderstehen, sind sie in der realen Produktionswelt kaum voneinander trennbar. Sie queren sich nicht nur in ihren Prinzipien und Leitgedanken, sondern auch in den Methoden selbst. Dabei können sie in vielen Punkten als ergänzend angesehen werden und teilweise auch als aufeinander aufbauend.
Der Hauptteil der vorliegenden Arbeit beschäftigt sich damit, inwiefern Industrie 4.0 einen Einfluss auf die altbewährten Lean Methoden hat und wie diese zwei Themen im Verhältnis zueinanderstehen. Dabei werden die Grundprinzipien, die hinter diesen beiden Begriffen stehen erläutert und zueinander in Relation gestellt. Ebenfalls findet ein direkter Methodenvergleich statt, bei dem ausgewählte Lean Methoden mit Industrie 4.0 verglichen werden. In den Kapiteln werden nicht nur die Gemeinsamkeiten behandelt, sondern natürlich auch die Gegensätze, die diese zwei Prinzipien innehaben. Im anschließenden Kapitel wird weiters definiert, ob Lean Management die Voraussetzung für Investitionen in Industrie 4.0 darstellt, oder ob Industrie 4.0 diverse Lean Methoden sogar obsolet macht.
Den Abschluss der Arbeit bildet eine Analyse des neuen Begriffes Lean 4.0, der bereits in diversen Publikationen vorgestellt wurde. Ebenfalls werden noch drei Modelle vorgestellt, die einen Leitfaden für die Einführung von Industrie 4.0 darstellen und eine eindeutige Stellungnahme dazu nehmen, ob Lean die Voraussetzung für eine erfolgreiche Einführung von Industrie 4.0 im Unternehmen ist.
Unternehmen der Logistikbranche sehen sich zunehmend mit geschäftsgefährdenden Herausforderungen konfrontiert. Veränderte gesellschaftliche Ansprüche, neue Technologien und Konkurrenz, sowie diverse Makrorisiken setzen die Branche unter Druck. Um frühzeitig adäquate Lösungsansätze auf zukünftige Entwicklungen finden zu können, bedarf es einer langfristig ausgerichteten unternehmerischen Sichtweise. Diese Weitsicht ist bei einer Mehrzahl von Logistikunternehmen jedoch bisher nicht vorhanden. Daher beschäftigt sich die Masterarbeit mit der Beantwortung folgender Fragestellung: „Welche Methoden der strategischen Langfristprognostik sind in der Logistik und dem Supply-Chain-Management besonders geeignet und ist die Corporate Foresight eine praktikable Option?“ Für die Beantwortung der Fragestellung wird ein theoretisch-konzeptioneller Ansatz verfolgt. Der Schwerpunkt der Arbeit liegt in der Analyse der Logistikbranche, sowie in der Aufarbeitung bestehender Literatur hinsichtlich existierenden Prognosemethoden, Gründe deren Scheiterns in der betrieblichen Praxis und dem Corporate Foresight. Die daraus erlangten Erkenntnisse werden auf die Logistikbranche transferiert, um Logistikunternehmen mögliche Ansatzpunkte und Denkanstöße für die Einführung bzw. Einnahme einer strategischen Weitsicht zu liefern.
Im Zuge der Digitalisierung und der stetigen Entwicklung neuer Technologien hat sich die Möglichkeit neuer Geschäftsmodelle eröffnet. Durch den Einsatz dieser Technologien und ihrer Nutzungspotentiale können auch bereits bestehende Geschäftsmodelle revolutioniert werden. Auch die wissensbasierte Dienstleistungsbranche ist diesem Trend ausgesetzt. Da bei der Dienstleistungserstellung keine materiellen Güter erstellt werden, eignet sich diese Branche für eine Transformation hin zu einem digitalen Geschäftsmodell. Fraglich ist, was bei der Konzeption von digitalen Geschäftsmodellen auf Basis wissensbasierter Dienstleistungen zu beachten ist und welche Erfolgsfaktoren diese prägen.
Um diese Frage beantworten zu können, ist eine Literaturrecherche erforderlich. Als Ergänzung wird ein beispielhaftes Forschungsdesign zur Erhebung von Erfolgsfaktoren für digitale Geschäftsmodelle aufgezeigt. Auf den daraus resultierenden Ergebnissen bauen die Übertragung und die kritische Betrachtung auf den zu untersuchenden Gegenstandsbereich der Arbeit auf. Da die Komplexität des Themenbereichs ein Basisfachwissen voraussetzt, ist die Zielgruppe durch dieses Faktum definiert.
Zu Beginn werden die Begrifflichkeiten sowie die zugehörigen Theorien diskutiert. Basierend auf der Diskussion der Begrifflichkeiten und zugehörigen Theorien werden die Konzeptionsmöglichkeiten digitaler Geschäftsmodelle sowie Besonderheiten bei der Konzeption von wissensbasierten Dienstleistungen untersucht. Zusätzlich wird die Herangehensweise in Bezug auf das Change-Management, die Methoden und die Werkzeuge genauer betrachtet. Ersichtlich wird, dass die aktive Mitarbeiterbeteiligung sowie die Zeit kritische Themen sind. Ebenfalls von besonderer Bedeutung ist der Fokus auf die Kundenakzeptanz und Kundenintegration, um weitere Funktionen in eine passende Richtung aufzubauen.
Die von Krebs, Hepp und Hadwich (2017) identifizierten 30 Erfolgsfaktoren für die Integration wissensintensiver Unternehmensdienstleistungen im Rahmen des so genannten dienstleistungsorientierten Geschäftsmodells der Servicetransformation werden diskutiert und in Bezug zu digitalen Geschäftsmodellen auf Basis wissensbasierter Dienstleistungen genauer betrachtet und angepasst.
Das Ergebnis sind 26 Erfolgsfaktoren, denn die Faktoren „Erfahrene Führungskraft von extern“, „Überprüfung und Anpassung der bestehenden Prozesse und Sicherstellung einer prozessbezogenen Verbindung zwischen dem neuen Geschäftsbereich und den ursprünglichen Bereichen“, „Produktbezug der Dienstleistung“ und „Neue Vertriebsstruktur und Abstimmung der Kundenansprache“ sind nicht relevant für den zu untersuchenden Gegenstandsbereich. Sie beziehen sich stark auf die Integration eines weiteren Geschäftsbereichs in ein produzierendes Unternehmen.
Die folgenden fünf Erfolgsfaktoren wurden passend für den Gegenstandsbereich abgeändert: „Änderung des Führungsstils“ zu „Führungsstil mit toleranter Fehlerkultur“, „Aktive Kommunikation“ zu „Aktive Kommunikation des Servicegedankens“, „Verwendung der Kundendaten aus dem Vertrieb und der Verwendung von Produkten“ zu „Verwendung der Kundendaten aus dem Vertrieb von Dienstleistungen“, „Nutzung des Ansehens des Produktgeschäfts für das Dienstleistungsgeschäft und Steigerung des Bekanntheitsgrades durch Marketingaktivitäten“ zu „Ansehen und Bekanntheitsgrad des Dienstleistungsgeschäfts“, „Strukturen für den Austausch zwischen Produkt- und Dienstleitungsbereich“ zu „Strukturen für den Austausch zwischen den Dienstleistungsteams“
Der Fokus wird mit Hilfe der Anpassungen von der Integration eines weiteren Geschäftsbereichs auf ein eigenständiges digitales Geschäftsmodell auf Basis wissensbasierter Dienstleistungen gelenkt. Die restlichen 21 Erfolgsfaktoren wurden ohne Änderung übernommen.
Die Ergebnisse dieser Arbeit bilden ein gutes Fundament zur weiteren Betrachtung des Untersuchungsgegenstands. Darauf aufbauend ist eine qualitative Studie in Form von weiteren Experteninterviews denkbar. Aus der Kombination der Ergebnisse aus den Interviews und dieser Arbeit wird die Erstellung eines Fragebogens für eine quantitative Umfrage möglich.
Durch die voranschreitende Digitalisierung der Produktion ergeben sich zunehmend neue Möglichkeiten. Eine dieser Möglichkeiten ist der Einsatz von Process Mining. Mit Process Mining können Daten einem Prozess zugeordnet werden, um diesen zu visualisieren und zu untersuchen. Dadurch ist es möglich, Prozesse real zu entdecken, zu überwachen und zu verbessern. Die vorliegende Masterarbeit untersucht, unter welchen Rahmenbedingungen Process-Mining bei modular aufgebauten Montagesystemen in der Massenfertigung einen Mehrwert bieten kann. Durch eine ausführliche Literaturanalyse und dem praktischen Versuch mittels eines Experiments wird darauf eine Antwort gegeben.
Mit dem Voranschreiten und der Weiterentwicklung der Informationstechnologie und Industrie 4.0 stehen Industrieunternehmen, speziell im Bereich der Fertigung und Produktion, vor der Herausforderung, ihre Prozesse zu digitalisieren und automatisieren. Durch die Digitalisierung werden Daten gesammelt, die zur Regelung der Prozesse und Unterstützung von Entscheidungen eingesetzt werden. Um die digitale Transformation erfolgreich umzusetzen und vor allem die Veränderung der Arbeitsabläufe im Unternehmen zu etablieren, braucht es gewissenhafte Vorbereitung. Es bietet sich im Vorfeld eines Projektes an, mittels Reifegradmodellen zur Digitalisierung, den aktuellen Status des Unternehmens zu erheben.
Diese Masterarbeit setzt sich zum Ziel zu evaluieren, ob Reifegradmodelle geeignete Tools sind, um Hindernisse und Chancen von Digitalisierungsprojekten im Vorfeld zu erkennen und abzufangen. Um vorhandene Ressourcen zielgerichtet und verschwendungsfrei einzusetzen, müssen kritische Bereiche identifiziert werden, auf die der Fokus gelegt werden sollte. Zur Bearbeitung des Themas wurde folgende Forschungsfrage gestellt: Sind Reifegradmodelle geeignete Werkzeuge, um aktiv und präventiv Barrieren für digitale Transformationsprojekte zu identifizieren und vermeiden?
Um die Forschungsfrage zu beantworten wurde eine systematische Literaturrecherche und -analyse durchgeführt. Dabei wurden bestehende Reifegradmodelle zur Digitalisierung untersucht, indem ihre Bewertungskriterien in einem Schema kategorisiert wurden. Durch die Kategorisierung wurde ersichtlich, welche Modelle für welchen Zweck einsetzbar sind, bzw. ob die wichtigen Bereiche abgedeckt werden. Ergebnis der Recherche sind sieben Reifegradmodelle, mit unterschiedlichen Herangehensweisen, die exemplarisch vorgestellt und analysiert werden.
In einer Zeit, in der Daten eine immer größere Rolle spielen, nehmen Schlagwörter wie Big Data, Data Analytics oder Data Mining auch in Organisationen eine große Rolle ein. Daten werden zum neuen digitalen Öl, das durch alle Systeme der Unternehmen und externe Quellen fließt. Richtig eingesetzt, unterstützen sie bei der Strategiefindung, bei der Umsetzung neuer Geschäftsmodelle, beim Gestalten neuer Abläufe und Prozesse und insbesondere bei der Entscheidungsfindung.
Die vorliegende Arbeit beschäftigt sich mit den Themen Daten und Unternehmenssystemen. Von diesen Themen ausgehend wird versucht, eine Brücke zu den Themenfeldern Prozessmanagement und Prozessinnovation zu schlagen. Die Arbeit soll aufzeigen, welche strategischen und operativen Ansätze die Nutzung von Daten als Treiber für Prozessinnovation zulassen. Aufbauend auf einer theoretischen Einordnung der vier skizzierten Gebiete, bildet ein empirischer Teil das Herzstück dieser Arbeit. In diesem Teil werden Aussagen von ExpertInnen darüber zusammengetragen, welche Ansätze zur datengetriebenen Prozessinnovation sie in ihren jeweiligen Unternehmen anwenden. Diese Aufarbeitung ist gegliedert in die drei Ebenen Rahmenbedingungen, Faktoren und Ansätze. Abgeschlossen wird diese Arbeit durch konkrete Handlungsempfehlungen für Unternehmen.
Einkauf 4.0
(2020)
Traditionelle Einkaufsprozesse haben viele Fehlerquellen und ungenütztes Potential. Viele Konzepte, die meist im Zusammenhang mit Digitalisierung und Industrie 4.0 stehen, versprechen Optimierungen. Diese Vielfalt führt jedoch in der Praxis zu Unklarheiten, da fraglich ist, was tatsächlich hinter den Konzepten steckt. Insbesondere der sogenannte „Einkauf 4.0“, der mehr als eine Digitalisierung der Beschaffungsprozesse verspricht, wirft viele Fragen auf.
Das Ziel der vorliegenden Forschungsarbeit ist es festzulegen, welche Merkmale dem „Einkauf 4.0“ zugeschrieben werden können und ob sich diese in Praxis wiederfinden. Dazu werden folgende Forschungsfragen gestellt:
1. Welche Merkmale können eindeutig dem Begriff „Einkauf 4.0“ zugeordnet werden, um eine aktuell gültige Umfangsdefinition zu erstellen?
2. Werden die gefundenen Merkmale des Einkauf 4.0 in der Praxis als relevant erachtet und umgesetzt? Falls ja, welche?
Um die erste Forschungsfrage zu beantworten wurden eine qualitative und eine quantitative Inhaltsanalyse durchgeführt. Die Merkmale des Begriff Einkauf 4.0 konnten dadurch eindeutig festlegt und abgrenzt werden. Die zweite Forschungsfrage wurde beantwortet in dem ein Vergleich der gefundenen Merkmale mit der Studie „BME-Barometer Elektronische Beschaffung 2020“ des BME e. V. erfolgte.
Die Auswertung der Inhaltsanalysen zeigt, dass sich Merkmale für den Einkauf 4.0 finden lassen, diese jedoch kritisch zu hinterfragen sind. Der Vergleich der Merkmale mit der Studie des BME e.V., ergibt, dass einige Merkmale in der Praxis wiederzufinden sind; Sie sind jedoch von unterschiedlicher Relevanz. Weiterführende Forschung ausgehend von der hier formulierten Definition würden tiefere Einblicke in das Konzept des Einkauf 4.0 ermöglichen.
Predictive maintenance
(2020)
Das Ziel dieser Arbeit ist es aufzuzeigen, wie Predictive Maintenance in Vorarlberger Unternehmen verbreitet ist und wie sich dies mit dem aktuellen Stand der Forschung deckt. Dazu werden die folgenden Forschungsfragen gestellt: Wie ist der aktuelle Stand der Forschung auf dem Gebiet Predictive Maintenance? Wie deckt sich der Stand der Forschung im Bereich Predictive Maintenance mit der Verbreitung in Vorarlberger Unternehmen? Um die erste Forschungsfrage zu beantworten, wurde eine Literaturrecherche und -analyse durchgeführt. Um die zweite Forschungsfrage zu beantworten, wurden zwölf Interviews mit Vorarlberger Unternehmen durchgeführt. Die Ergebnisse der qualitativen Forschung wurden mit den Erkenntnissen aus der Literatur verglichen. Predictive Maintenance wird in Vorarlberger Unternehmen noch nicht oft angewendet. Die qualitative Forschung hat gezeigt, dass vor allem Engineering-Unternehmen ein Interesse am Einsatz von Predictive Maintenance habe, da sie damit ihre Produkte verbessern und Wartungskosten senken können. Produktionsunternehmen haben ein weniger starkes Interesse an der Umsetzung von Predictive Maintenance.