Publikationen

Der Demonstrator steht, das Nutzerfeedback kommt — und dann klemmt es. Der Beitrag trägt 39 Herausforderungen des Software-Prototypings zusammen, ordnet sie in fünf Dimensionen von der Technik bis zur Nutzererfahrung und zeigt, an welcher Stelle des achtstufigen Prototyping-Prozesses die meisten Probleme entstehen. Wer im Zuge der digitalen Transformation schnell zu belastbaren Prototypen kommen will, findet hier die Stolpersteine samt Handlungsempfehlungen.

Wie reif ist das eigene Datenmanagement wirklich? Der Beitrag stellt Data3M vor, ein Reifegradmodell mit fünf Stufen für die Dimensionen Strategie, Organisation, Daten und Systeme, und leitet daraus Handlungsempfehlungen für Enterprise Systems ab. Wer wissen will, welche Voraussetzungen datengetriebene Entscheidungen im Unternehmen brauchen, bekommt hier einen Rahmen zum Selbsteinordnen.

Welche digitalen Kompetenzen brauchen Unternehmen und Verwaltungen heute — und welche morgen? Das Schwerpunktheft der HMD stellt diese Frage in voller Breite: vom Status quo in den Organisationen über die vorausschauende Ermittlung von Kompetenzbedarfen bis zur Frage, wie einmal aufgebautes Können erhalten bleibt. Die Einleitung ordnet ein, warum die Debatte um generative Künstliche Intelligenz die Dringlichkeit noch erhöht.

Digitale Kompetenzen werden viel beschworen und selten sortiert. Der Beitrag arbeitet sich durch die gängigen Definitionen und Rahmenwerke und entwickelt daraus ein Klassifizierungsschema, das auf die Verhältnisse kleiner und mittlerer Unternehmen zugeschnitten ist. Wer Kompetenzen nicht nur einfordern, sondern benennen und gezielt aufbauen will, findet hier die Systematik dafür.

Woran erkennt man ein gutes Referenzmodell? Die systematische Literaturanalyse sammelt die Bewertungskriterien, die verstreut in der Forschung liegen, und verdichtet sie zu einem handhabbaren Satz: Genauigkeit, Eindeutigkeit und Vollständigkeit, dazu Relevanz, Wirtschaftlichkeit, Klarheit, Vergleichbarkeit, systematischer Aufbau, Anpassbarkeit und Allgemeingültigkeit. Nützlich für alle, die Modelle bauen — und für alle, die zwischen ihnen wählen müssen.

Was macht ein Chief Data Officer eigentlich den ganzen Tag? Die Rezension zu Martin Treders Management-Handbuch zeigt, wie das Buch Aufbau und Betrieb der Daten-Supply-Chain beschreibt und dabei die strategische mit der operativen Sicht verbindet. Ein paar Minuten Lesezeit, die Ihnen die Entscheidung über die Anschaffung abnehmen.

Datenkompetenz ist das Wort der Stunde — das von Michael Lang herausgegebene Buch füllt es mit Inhalt. Die Rezension ordnet ein, für wen sich die Lektüre lohnt und wie gut theoretisches Fundament und praktische Anwendung darin zusammenfinden.

Das Artefakt ist gebaut — aber womit prüft man, ob es taugt? Die Literaturanalyse sammelt die Kriterien, nach denen in der Design Science Research bewertet wird, ordnet sie nach Häufigkeit und Gewicht und verknüpft sie mit den passenden Evaluationsmethoden. Heraus kommt ein Rahmen, der die Wahl der Methode begründbar macht statt beliebig.

Welche Datenattribute werden in welchem Prozessschritt eigentlich benutzt? Die wenigsten Organisationen können das beantworten. Der Beitrag stellt den Prototyp ADAM vor, der mit Process Mining Datenattribute und ihre Metadaten aus laufenden Geschäftsprozessen herausliest — vorgeführt am Beispiel eines SAP-ERP-Systems.

Künstliche Intelligenz verändert nicht nur Technik, sondern Gesellschaft — was bedeutet das für die Bewertung von Forschungsartefakten? Der Beitrag leitet aus dem Leitbild Society 5.0 vierzehn Evaluationskriterien ab und ergänzt damit das etablierte Rahmenwerk von Hevner und Kollegen um ein zusätzliches Forschungsziel.

Action Research verbindet theoretisches Wissen mit praktischem Handeln und müsste zur Digitalisierung bestens passen — in der Wirtschaftsinformatik wird sie trotzdem kaum genutzt. Die systematische Literaturanalyse findet zwölf Barrieren und sortiert sie nach Mensch, Methode und Anwendungsfeld. Für jede Gruppe benennt der Beitrag, was sich ändern müsste.

Daten über Unternehmensgrenzen hinweg zu teilen, scheitert selten an der Technik und oft an unklaren Zuständigkeiten. Aus Literaturanalyse, Experteninterviews und einer Fokusgruppe entsteht in diesem Beitrag ein Rollenmodell für die inter-organisatorische Data Governance — mit Data Space Coordinator, Data Space Board und Data Space Working Team — und es wird gezeigt, wie dieses Modell im virtuellen Datenraum an die unternehmensinterne Governance andockt. Pflichtlektüre für alle, die Logistik 4.0 ernst meinen.

Design Science Research ist in der Wirtschaftsinformatik beliebt — aber wie sauber wird sie angewendet? Die Analyse von 62 Arbeiten aus der Data Science kommt zu einem unbequemen Befund: gut drei Viertel dokumentieren ihren Forschungsprozess und begründen ihre Methodenwahl zu nachlässig. Der Beitrag benennt die Gründe und taugt damit als Prüfliste für alle, die es besser machen wollen.

Städte planen ihre Dienste zunehmend mit Daten — und scheitern an Silos. Aus Literaturanalyse, Experteninterviews, Fokusgruppen und einer Befragung entstehen 23 Erfolgsfaktoren für urbane Datenräume, geordnet in fünf Dimensionen von der Plattformgestaltung bis zur Einbindung der Beteiligten. Der Kernbefund: Ohne gemeinsame Vision, Lebenszyklusmanagement und organisationsübergreifende Data Governance bleibt das Datenökosystem einer Stadt Stückwerk.

Wenn die Stammdatenpflege Zeit frisst, liegt der Gedanke nahe, sie zu automatisieren — nur was genau gehört zu Augmented MDM? Die Analyse von zwanzig Arbeiten aus vier Datenbanken sortiert das Feld: ein Gestaltungsbereich mit elf Funktionen, dazu ein Vorschlag, wie der Begriff sinnvoll zu fassen ist. Für alle, die Künstliche Intelligenz im Stammdatenmanagement einsetzen wollen, ohne im Schlagwortnebel zu enden.

Daten aus vielen Quellen zusammenzuführen ist die Stärke von Plattform-Ökosystemen — und zugleich ihr Problem. Die Literaturanalyse arbeitet heraus, worin sich die Data Governance eines einzelnen Unternehmens von der eines Plattform-Ökosystems unterscheidet, und erweitert ein bestehendes Rahmenwerk um 24 Faktoren. Wer sein Unternehmen auf eine Plattform öffnet, sieht hier, was an Steuerung dazukommen muss.

Data Governance scheitert selten an der Absicht und oft an der Frage, wer eigentlich wofür zuständig ist. Die MDM-Fokusgruppe „Data Governance" hat dazu ein Referenz-Rollenmodell erarbeitet: Es benennt die Rollen und ihre Aufgaben und gibt Unternehmen eine Vorlage, an der sie ihre eigene Datenorganisation ausrichten können.

Dass Artefakte bewertet werden müssen, bestreitet in der Design Science Research niemand — getan wird es trotzdem selten. Die Analyse von 24 Arbeiten aus acht Datenbanken benennt sechs wiederkehrende Probleme. Am häufigsten fehlt eine tragfähige Grundlage: kaum Anleitung, kaum Unterstützung bei Planung und Durchführung der Evaluation.

Metadaten zu pflegen ist mühsam, kleinteilig und teuer. Der Beitrag prüft, welche von fünfzehn untersuchten Verfahren des maschinellen Lernens dabei wirklich helfen: überwachtes und unüberwachtes Lernen sowie neuronale Netze haben das größte Potenzial, bestärkendes Lernen fällt durch. Am Beispiel von Support Vector Machines wird gezeigt, wie die Unterstützung konkret aussehen kann.

Wie wird aus einem Gesprächskreis ein Industriekonsortium? Der Beitrag beschreibt den Heilbronner MDM-Roundtable als Format des Wissenstransfers, in dem Unternehmen und Hochschule gemeinsam an Data Excellence für die digitale Transformation arbeiten — praxisnah, offen und über Branchengrenzen hinweg.

Was bringt eine Investition in Datenqualität — in Euro? Der Beitrag schlägt mit ALADDIN ein Analyse- und Berechnungsmodell vor, mit dem sich Vorhaben für ein unternehmensweites Datenqualitätsmanagement bewerten lassen. Für alle, die ein Datenqualitätsprojekt nicht nur begründen, sondern rechnen müssen.

31 Industrie-4.0-Modelle im Vergleich — und eine unbequeme Lücke: Die Prinzipien der Lean Production, seit den Achtzigern erprobt, tauchen in den meisten Modellen nicht auf, obwohl sie als Grundlage jeder Industrie-4.0-Einführung gelten. Die ausführliche Fassung der Analyse mit vollständiger Klassifikation und benanntem Forschungsbedarf.

Datenpools sollen den überbetrieblichen Austausch von Produktstammdaten einfach machen — in der Praxis werden sie längst nicht so genutzt wie gedacht. Der Kurzbericht fasst die Befragung vom Herbst 2017 zusammen: 179 Personen wurden befragt, 61 vollständige Antworten ausgewertet, und daraus entstand eine Liste der Grenzen und Schwächen, die Unternehmen tatsächlich erleben.

Datenpools versprechen den standardisierten Austausch von Produktstammdaten — angenommen werden sie trotzdem zögerlich. Die Literaturanalyse trägt zusammen, welche Hürden Unternehmen davon abhalten, und legt damit die Grundlage für die Befragung, die im selben Jahr die Sicht aus der Praxis ergänzt hat.

Das Auslagern von IT ist gut erforscht, der Rückweg kaum: Was passiert, wenn Unternehmen ausgelagerte Systeme wieder ins Haus holen? Die systematische Literaturanalyse ordnet Backsourcing in die Outsourcing-Forschung ein und zeigt, wie wenig belastbares Wissen es dazu gibt — bei einer Unzufriedenheit mit Auslagerungsverträgen, die sich nicht ignorieren lässt.

Wo steht die eigene IT-Landschaft, gemessen an dem, was Industrie 4.0 verlangt? Der Beitrag stellt das Reifegradmodell SIMMI 4.0 vor, mit dem Unternehmen ihre Systemlandschaft selbst einordnen können — ohne großes Beratungsprojekt, aber mit klaren Stufen und der Frage, was zur nächsten fehlt.

Ein Praxisbeitrag für Entscheider: Warum Stammdatenqualität die Voraussetzung für das digital vernetzte Unternehmen ist, woran es in der Praxis regelmäßig hakt und welche Schritte sich lohnen.

Was bedeutet die Digitalisierung für die Qualität der Stammdaten? Der Bericht ordnet die Anforderungen ein, die auf Unternehmen zukommen, und zeigt, wo zwischen Anspruch und Wirklichkeit die größte Lücke klafft.

Ein einziges Reifegradmodell wird der Digitalisierung nicht gerecht. Der Beitrag schlägt stattdessen ein offenes Ökosystem von Reifegradmodellen vor, aus dem Unternehmen die zu ihrer Frage passenden auswählen. Das Vorgehen zum Finden und Auswählen wird Schritt für Schritt durchgespielt — am Beispiel des Datenqualitätsmanagements.

Tabellen, Mails, Telefonate und persönliche Treffen: So sieht der überbetriebliche Austausch von Produktstammdaten in vielen Unternehmen tatsächlich aus. Eine Fokusgruppe und Fallstudien bei drei Großhandelsunternehmen mit hunderten Lieferanten zeigen, welche Werkzeuge im Einsatz sind — und warum EDI, Klassifikationsstandards, Online-Kataloge und Datenpools so selten dazugehören: zu teuer, zu unflexibel oder schlicht unbekannt.

Fünf Stufen, ein Selbsttest: Das Reifegradmodell SIMMI 4.0 beschreibt für jede Stufe die Merkmale der Digitalisierung, an denen ein Unternehmen seine IT- und Softwarelandschaft einordnen kann, und nennt die Maßnahmen, die zur nächsten Stufe führen. Diese Fassung stellt das Modell ausführlich vor und benennt offen, wo es weiterentwickelt werden muss.

Datenqualität kostet Geld — schlechte Datenqualität kostet mehr. Der Beitrag zeigt, wie sich Investitionsvorhaben zur Verbesserung der Stammdatenqualität bewerten lassen, damit die Diskussion im Management nicht beim Bauchgefühl endet.

Industrie 4.0 verlangt Maschinen, die miteinander reden — und Daten, die zueinander passen. Der Praxisbeitrag zeigt, warum das Stammdatenmanagement dabei zur Schlüsselstelle wird und welche Anforderungen damit auf Unternehmen zukommen.

Passen Industrie 4.0 und Lean Production zusammen? Die Konferenzfassung dieser Analyse prüft 31 Modelle und Rahmenwerke darauf, ob sie die seit den Achtzigern erprobten Lean-Prinzipien aufgreifen, und klassifiziert, was die Modelle tatsächlich abdecken — und was nicht.

Ohne verlässliche Stammdaten keine funktionierenden Prozesse — und erst recht keine funktionierenden Wertschöpfungsnetze. Aus systematischer Literaturanalyse und Interviews mit Verantwortlichen aus der Praxis leitet der Beitrag erste funktionale Anforderungen an Werkzeuge ab, die den unternehmensübergreifenden Stammdatenaustausch unterstützen sollen. Der Ausgangspunkt einer Forschungslinie, die bis heute trägt.

Modelle sind schnell entworfen, ihr Nutzen zeigt sich erst im Einsatz. Der Beitrag berichtet von der Anwendung des Reifegradmodells SIMMI 4.0 in ausgewählten Unternehmen: fragebogengestützt, mit Ergebnissen, Schlussfolgerungen und den Schwächen, die dabei sichtbar wurden.

Produktstammdaten zwischen Unternehmen abzugleichen ist die Voraussetzung für funktionierende Lieferketten — und ein erstaunlich wenig erforschtes Feld. In drei Durchgängen entsteht hier eine Taxonomie für den Produktdatenaustausch: theoretisch fundiert in der Koordinationstheorie, empirisch geprüft an der Literatur und an Experteninterviews. Sie gibt der Forschung eine Struktur und der Praxis Ansatzpunkte zur Verbesserung.

Zwei Unternehmen tauschen Stammdaten aus — aber auf welches Qualitätsniveau haben sie sich eigentlich geeinigt, und wer prüft das? Der Beitrag stellt das Promotionsvorhaben vor, das genau dafür ein weitgehend automatisiertes Hilfsmittel entwickelt. Die Bestandsaufnahme fällt deutlich aus: Basistechnologien und Standards reichen nicht, und die verfügbaren Werkzeuge gelten vielen Fachleuten als zu teuer und zu starr.

239 Unternehmen wurden gefragt, wie digitalisiert sie sich selbst sehen — und die Antworten mit der Zahl der tatsächlich eingeführten Systeme verglichen. Das Ergebnis: Vor allem kleinere Unternehmen überschätzen sich deutlich. Wer seine eigene Lage realistisch einschätzen will, findet hier den Spiegel und einen Vorschlag, wie sich Software- und Hardwarelandschaft bewerten lassen.

Die erste Vorstellung von SIMMI 4.0: ein Reifegradmodell in fünf Stufen, mit dem ein Unternehmen seine unternehmensweite IT- und Softwarelandschaft mit Blick auf Industrie 4.0 einordnen kann. Jede Stufe beschreibt Merkmale der Digitalisierung und nennt empfohlene Maßnahmen für den nächsten Schritt.

Die deutschsprachige Vorstellung von SIMMI 4.0: ein Reifegradmodell zur Klassifikation der unternehmensweiten Anwendungssystemlandschaft mit Blick auf Industrie 4.0. Fünf Stufen, an denen sich ein Unternehmen selbst einordnen kann — und die zeigen, was zum nächsten Schritt fehlt.

Großunternehmen sind im Umgang mit Stammdatenqualität deutlich weiter als der Mittelstand — das ist der klarste Befund dieser Studie. Den meisten Unternehmen fehlt eine unternehmensweite Stammdatenorganisation samt Datenstrategie. Bemerkenswert ist der Widerspruch, den der Beitrag offenlegt: Der Zusammenhang zwischen Datenqualität und Rentabilität ist den Entscheidern bewusst, die Bereitschaft zu investieren fehlt trotzdem.

Lange vor dem Metaverse: Der Beitrag beschreibt, wie sich Maschinenwartung in virtuellen dreidimensionalen Welten abbilden lässt und was Hybridplattformen aus zwei- und dreidimensionalen Umgebungen für das Electronic Business leisten können. Ein Blick zurück ins Jahr 2009, der überraschend aktuell wirkt.

Second Life war 2009 das große Versprechen. Der Beitrag fragt nüchtern, welche Serviceleistungen sich in virtuellen Welten tatsächlich erbringen lassen — und was davon für Unternehmen praktisch nutzbar ist.

Kurzfristiger Hype oder echte Entwicklungsstufe? Der Beitrag ordnet ein, was die damals diskutierten Neuerungen im Electronic Business für Unternehmen bedeuten und welche davon über den Tag hinaus tragen.