@article{ScheelBender2021,
  author    = {Scheel, Laura and Bender, Benedict},
  title     = {Industrial Internet of Things(IIoT)-Plattformtypen im Maschinen- und Anlagenbau},
  series = {HMD Praxis der Wirtschaftsinformatik},
  volume    = {59},
  journal   = {HMD Praxis der Wirtschaftsinformatik},
  publisher = {Springer},
  address   = {Wiesbaden},
  issn      = {1436-3011},
  doi       = {10.1365/s40702-021-00810-3},
  pages     = {1131 -- 1148},
  year      = {2021},
  abstract  = {Das Angebot digitaler Plattformen ist mittlerweile auch im Maschinen- und Anlagenbau weit verbreitet. Dabei konnte in den letzten Jahren der Trend verzeichnet werden, dass die Herstellerunternehmen von Maschinen und An- lagen nicht mehr ausschließlich physische Produkte ver{\"a}ußern, sondern zus{\"a}tzliche auf das Produkt abgestimmte Dienstleistungen, wie bspw. digitale Services. Dieser Wandel kann einen großen Einfluss auf die Ver{\"a}nderung des Gesch{\"a}ftsmodells ha- ben und je nach Komplexit{\"a}t der digitalen Plattformen unterschiedliche Ausmaße annehmen, die auch strategische Entscheidungen bestimmen k{\"o}nnen. In diesem Bei- trag wird eine Klassifizierung der digitalen Plattformen im deutschen Maschinen- und Anlagenbau vorgenommen, mithilfe derer unterschiedliche Plattformtypen auf Grundlage ihrer Funktionszusammensetzung identifiziert werden. Demnach k{\"o}nnen bspw. Plattformen, {\"u}ber die lediglich grundlegende Funktionen wie die Verwaltung von Maschinen angeboten werden, von umfangreicheren Plattformen unterschieden werden, die eine h{\"o}here Komplexit{\"a}t aufweisen und somit einen gr{\"o}ßeren Einfluss auf die Ver{\"a}nderung des Gesch{\"a}ftsmodells haben. Diese Einteilung unterschiedli- cher Plattformtypen kann Unternehmen im Maschinen- und Anlagenbau dabei unter- st{\"u}tzen, strategische Entscheidungen bez{\"u}glich der Entwicklung und des Angebots digitaler Plattformen zu treffen und eine Einordnung ihrer digitalen Plattform im Wettbewerb vorzunehmen.},
  language  = {de}
}
@article{VladovaHeutsTeichmann2021,
  author    = {Vladova, Gergana and Heuts, Alexander and Teichmann, Malte},
  title     = {Dem Mitarbeiter zu Diensten},
  series = {HMD : Praxis der Wirtschaftsinformatik},
  journal   = {HMD : Praxis der Wirtschaftsinformatik},
  number    = {57},
  publisher = {Springer},
  address   = {Wiesbaden},
  issn      = {1436-3011},
  doi       = {doi.org/10.1365/s40702-020-00626-7},
  pages     = {710 -- 721},
  year      = {2021},
  abstract  = {Die Weiterbildung und Qualifizierung der Mitarbeiter sind zentrale Erfolgsfaktoren des digitalen Wandels. Die zentrale Herausforderung besteht darin, diese maßgeschnitten anzubieten sowie notwendige Akzeptanz nicht vorauszusetzen, sondern ebenso als Zielgr{\"o}ße anzusehen. Dies geschieht jedoch nur, wenn die Mitarbeiter als Partner gesehen werden, deren Bed{\"u}rfnisse und Verst{\"a}ndnis nachhaltig ber{\"u}cksichtigt werden. Dieser Beitrag schl{\"a}gt vor diesem Hintergrund einen Ansatz vor, Weiterbildung als Personennahe Dienstleistung zu realisieren. Daf{\"u}r wird zuerst ein skizzenhafter {\"U}berblick {\"u}ber grundlegende Kompetenzanforderungen des digitalen Wandels gegeben. Danach wird die aktuelle Situation betrieblicher Weiterbildung in der digitalen Transformation beleuchtet. Hierzu wurde in einem Zeitraum von sechs Monaten im Rahmen einer quantitativen Untersuchung erhoben, wie Besch{\"a}ftigte die digitale Transformation ihres Unternehmens und daraus resultierende Bedarfe betrieblicher Weiterbildung wahrnehmen. Darauf basierend werden drei aktuelle Paradoxe abgeleitet, die mit einer Durchf{\"u}hrung von Weiterbildung als Personennahe Dienstleistung verhindert werden k{\"o}nnen. Empfehlungen und L{\"o}sungsans{\"a}tze werden hierzu diskutiert und weiterer Forschungsbedarf abgeleitet.},
  language  = {de}
}
@phdthesis{Grum2021,
  author    = {Grum, Marcus},
  title     = {Construction of a concept of neuronal modeling},
  year      = {2021},
  abstract  = {The business problem of having inefficient processes, imprecise process analyses, and simulations as well as non-transparent artificial neuronal network models can be overcome by an easy-to-use modeling concept. With the aim of developing a flexible and efficient approach to modeling, simulating, and optimizing processes, this paper proposes a flexible Concept of Neuronal Modeling (CoNM). The modeling concept, which is described by the modeling language designed and its mathematical formulation and is connected to a technical substantiation, is based on a collection of novel sub-artifacts. As these have been implemented as a computational model, the set of CoNM tools carries out novel kinds of Neuronal Process Modeling (NPM), Neuronal Process Simulations (NPS), and Neuronal Process Optimizations (NPO). The efficacy of the designed artifacts was demonstrated rigorously by means of six experiments and a simulator of real industrial production processes.},
  language  = {en}
}