@misc{Panzer2023,
  author    = {Panzer, Marcel},
  title     = {Factory Innovation Award},
  series = {Factory Innovation : agil und smart mit Industrie 4.0},
  journal   = {Factory Innovation : agil und smart mit Industrie 4.0},
  number    = {3},
  publisher = {GITO mbH - Verlag f{\"u}r Industrielle Informationstechnik und Organisation},
  address   = {Berlin},
  issn      = {2749-7593},
  pages     = {8 -- 11},
  year      = {2023},
  abstract  = {Einmal mehr brachte die Hannover Messe die Spitzen der Industrie zusammen, um die wegweisenden Innovationen des Jahres mit dem begehrten Factory Innovation Award 2023 zu ehren. Dieser renommierte Preis, der erstmals auf der Industrial Transformation Stage verliehen wurde, markierte den H{\"o}hepunkt einer spannungsgeladenen Veranstaltung.},
  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}
}
@misc{GeorgeKearney2017,
  author    = {George, Elizabeth and Kearney, Eric},
  title     = {Editorial},
  series = {Organizational psychology review},
  volume    = {7},
  journal   = {Organizational psychology review},
  number    = {1},
  publisher = {Sage Publ.},
  address   = {Thousand Oaks},
  issn      = {2041-3866},
  doi       = {10.1177/2041386617690945},
  pages     = {3 -- 3},
  year      = {2017},
  language  = {en}
}
@misc{BeierleBerndtGronauetal.2019,
  author    = {Beierle, Christoph and Berndt, Jan Ole and Gronau, Norbert and Timm, Ingo J.},
  title     = {Intentional Forgetting: A Huge Potential for Organizations},
  series = {K{\"u}nstliche Intelligenz},
  volume    = {33},
  journal   = {K{\"u}nstliche Intelligenz},
  number    = {1},
  publisher = {Springer},
  address   = {Heidelberg},
  issn      = {0933-1875},
  doi       = {10.1007/s13218-018-00573-y},
  pages     = {85 -- 87},
  year      = {2019},
  language  = {en}
}