@article{BenderKoerppen2022,
  author    = {Bender, Benedict and K{\"o}rppen, Tim},
  title     = {Integriert statt isoliert},
  series = {Digital business : cloud},
  volume    = {26},
  journal   = {Digital business : cloud},
  number    = {1},
  publisher = {WIN-Verlag GmbH \& Co. KG},
  address   = {Vaterstetten},
  issn      = {2510-344X},
  pages     = {26 -- 27},
  year      = {2022},
  abstract  = {Dass Daten und Analysen Innovationstreiber sind und nicht mehr nur einen Hygienefaktor darstellen, haben viele Unternehmen erkannt. Um Potenziale zu heben, m{\"u}ssen Daten zielf{\"u}hrend integriert werden. Komplexe Systemlandschaften und isolierte Datenbest{\"a}nde erschweren dies. Technologien f{\"u}r die erfolgreiche Umsetzung von datengetriebenem Management m{\"u}ssen richtig eingesetzt werden.},
  language  = {de}
}
@misc{GrumKoerppenKorjahnetal.2022,
  author    = {Grum, Marcus and K{\"o}rppen, Tim and Korjahn, Nicolas and Gronau, Norbert},
  title     = {Entwicklung eines KI-ERP-Indikators},
  publisher = {Center for Enterprise Research, Universit{\"a}t Potsdam},
  address   = {Potsdam},
  pages     = {27},
  year      = {2022},
  abstract  = {K{\"u}nstliche Intelligenz (KI) gewinnt in zahlreichen Branchen rasant an Bedeutung und wird zunehmend auch in Enterprise Resource Planning (ERP)-Systemen als Anwendungsbereich erschlossen. Die Idee, dass Maschinen die kognitiven F{\"a}higkeiten des Menschen imitieren k{\"o}nnen, indem Wissen durch Lernen auf Basis von Beispielen in Daten, Informationen und Erfahrungen generiert wird, ist heute ein Schl{\"u}sselelement der digitalen Transformation. Jedoch charakterisiert der Einsatz von KI in ERP-System einen hohen Komplexit{\"a}tsgrad, da die KI als Querschnittstechnologie zu verstehen ist, welche in unterschiedlichen Unternehmensbereichen zum Einsatz kommen kann. Auch die Anwendungsgrade k{\"o}nnen sich dabei erheblich voneinander unterscheiden. Um trotz dieser Komplexit{\"a}t den Einsatz der KI in ERP-Systemen erfassen und systembezogen vergleichen zu k{\"o}nnen, wurde im Rahmen dieser Studie ein Reifegradmodell entwickelt. Dieses bildet die Ausgangsbasis zur Ermittlung der KI-Reife in ERP-Systemen und grenzt dabei die folgenden vier KI- bzw. systembezogenen Ebenen voneinander ab: 1) Technische M{\"o}glichkeiten, 2) Datenreife, 3) Funktionsreife und 4) Erkl{\"a}rf{\"a}higkeit des Systems.},
  language  = {de}
}