Open Access

In der gegenwärtigen VUCA-Welt (Volatility, Uncertainty, Complexity, Ambiguity) sehen sich Organisationen einem intensiven Wettbewerb und dynamischen Marktbedingungen gegenüber. Insbesondere große Organisationen kämpfen aufgrund ihrer rigiden Strukturen, vielschichtigen Hierarchien und komplexen Entscheidungsprozessen mit mangelnder Agilität und Anpassungsfähigkeit. Diese Forschungsarbeit untersucht das Potenzial agiler Konzepte zur Steigerung der Wettbewerbsfähigkeit großer Organisationen und beleuchtet dabei die Rolle des Prozessmanagements. Basierend auf einer theoretisch-konzeptionellen Literaturrecherche wurden verschiedene Agilitätsträger, -treiber und -fähigkeiten, die eine agile Organisation charakterisieren, identifiziert und in Beziehung zum Prozessmanagement gesetzt. Die Ergebnisse zeigen, dass die Entwicklung dynamischer Fähigkeiten, Prozessorientierung und die Implementierung agiler Prozessmethoden zu einer erhöhten Reaktionsfähigkeit, Flexibilität und Geschwindigkeit führen. Dem Prozessmanagement kommt dabei eine Schlüsselrolle zu, indem es eine Balance zwischen Stabilität und Flexibilität schafft und die Prozessorientierung fördert. Als notwendige Komponenten einer erfolgreichen agilen Transformation braucht es einen umfassenden kulturellen Wandel sowie die Etablierung eines agilen Mindsets in der gesamten Organisation. Diese Arbeit betrachtet zudem Potenziale und Herausforderungen an der Schnittstelle von agilen Organisationen und Prozessmanagement, wobei auch das Thema Skalierung und Skalierungsframeworks in großen Strukturen betrachtet wird. Darüber hinaus wird betont, dass eine erfolgreiche agile Transformation in großen Organisationen weit über die reine Implementierung von Prozessmethoden hinausgeht. Vielmehr erfordert sie einen holistischen Ansatz, der alle Kernbereiche der Organisation einbezieht: Strategie, Struktur, MitarbeiterInnen, Prozesse und Technologie. Nur durch diese umfassende und integrierte Herangehensweise können große Organisationen das volle Potenzial agiler Konzepte ausschöpfen und ihre Wettbewerbsfähigkeit in der VUCA-Welt nachhaltig stärken.

Diese wissenschaftliche Arbeit geht der Frage nach, welche Indikatoren sich eignen, um den Beitrag von Hochschuleinrichtungen zur Förderung nachhaltiger Entwicklung im Rahmen der Third Mission zu bewerten. Dabei wird das Ziel verfolgt, den Hochschulsektor bei der Förderung nachhaltiger Entwicklung in der Gesellschaft und der aktiven Gestaltung der hierfür notwendigen Veränderungen zu unterstützen. Neben Lehre und Forschung haben Hochschuleinrichtungen einen zusätzlichen Verantwortungsbereich übernommen, der als „Third Mission“ bezeichnet wird und den Transfer bzw. Austausch mit der Gesellschaft impliziert. In diesem Zusammenhang gewinnt die Förderung nachhaltiger Entwicklung an Bedeutung, da der Beitrag von Hochschuleinrichtungen entscheidend für die Schaffung einer nachhaltigeren Gesellschaft, einer lebenswerten Zukunft für kommende Generationen und die Bewältigung globaler Herausforderungen ist. Dabei wird zunehmend die Bewertung und Dokumentation diesbezüglicher Maßnahmen und Aktivitäten notwendig. Im Rahmen der vorliegenden Arbeit werden bereits existierende Instrumente und Indikatoren zur Bewertung von Third Mission-Aktivitäten zur Förderung nachhaltiger Entwicklung analysiert und hinsichtlich dessen eine praxisorientierte Perspektive entwickelt. Abschließend erfolgt basierend auf den identifizierten Indikatoren sowie den Ergebnissen einer Umfrage mit Verantwortlichen von Universitäten und Fachhochschulen der DACH-Region die Bestimmung und Beschreibung von Indikatoren zur Bewertung dieser Aktivitäten. Das Ergebnis dieser Masterarbeit stellen zehn praxistaugliche Indikatoren dar, um den Beitrag von Hochschuleinrichtungen zur Förderung nachhaltiger Entwicklung im Rahmen der Third Mission zu bewerten.

The Flexible Job Shop Problem (FJSSP) represents an extension of the Job Shop Scheduling Problem (JSSP), in which the sequence of operations on assigned machines has to be optimized. In the FJSSP, operations can be processed by different machines, with different processing times on each machine type. The paper proposes a Genetic Algorithm (GA) variant that uses an encoding capable to be applied to as general FJSSP instances as possible and variation principles designed to maintain a population of feasible candidate solutions over the whole search process. Additionally, the GA parameter setting for each FJSSP instance is derived from problem-specific attributes, such as the production environments flexibility and the variety of duration values , and a restart scheme that accounts for the dissimilarity of the initial population is introduced to avoid premature convergence. The GA results are compared to bestknown solutions in literature as well as to the solutions of the commercial solver GUROBI being applied to a Mixed-Integer Linear Programming (MILP) representation of the FJSSP. In addition to demonstrating the decent results of the developed GA on 402 recognized FJSSP benchmark instances, the paper investigates the influence of different aspects of problem complexity on the relative GA performance to assert the GAs viability for more complex FJSSP variants including uncertainties. Regardless of the machine flexibility of a FJSSP instance, the experimental results suggest that both approaches tie on smaller and medium sized problem instances. With increasing complexity in problem characteristics like problem size, flexibility, and duration variety, the GA gains advantage over the MILP/GUROBI approach. The observation substantiates the expectation that the proposed GA is well suited for practical (more realistic) scheduling problems with additional requirements like worker flexibility or uncertainty effects.