Logo des Repositoriums

Auflistung nach Autor:in "Rieck, Julia"

1 - 5 von 5
  • Zeitschriftenartikel
    Digitale Transformation im Retoureneingang: Klassifikationsmodell zur Vorsortierung von Retourenpaketen
    (HMD Praxis der Wirtschaftsinformatik: Vol. 60, No. 6, 2023) Stevenson, Anthony Boyd; Rieck, Julia
    Die vorliegende Arbeit präsentiert die Entwicklung eines Klassifikationsmodells und eines Software-Systems zur Vorsortierung von Retourenpaketen bei einem B2C-E-Commerce Versandhändler, dessen Rücksendungen durch die Verwendung von Retourenscheinen bearbeitet werden. Im Rahmen der Klassifikation wird mithilfe vorhandener Daten und unter Verwendung eines dreistufigen Berechungsschemas die Artikelanzahl in einem Retourenpaket vorhergesagt. Hierdurch wird eine präzisere Klassifikation gegenüber dem ersten Prototyp aus einer früheren Arbeit für die Prozessoptimierung ermöglicht. Eine Evaluierung des Systems zeigt eine signifikante Verbesserung gegenüber dem Prototyp. Das System wurde kostengünstig in die bestehende IT-Infrastruktur integriert und trägt zur Steigerung der Digitalisierung des Retourenlagers bei. Die vorgestellte Case Study belegt den Nutzen des Software-Systems und zeigt, dass Unternehmen, insbesondere KMUs, durch den Einsatz von Logistik‑4.0‑Technologien ihre Effizienz steigern und wettbewerbsfähig bleiben können. Zudem wird diskutiert, ob durch das Software-System ein Paradigmenwechsel zu Logistik 5.0 im Retoureneingang erreicht wird. This paper presents the development of a classification model and a software system for pre-sorting return packages at a B2C e‑commerce retailer whose returns are processed through the use of return slips. In the classification process, the number of items in a return package is predicted using existing data and a three-step calculation scheme. This enables a more precise classification compared to the first prototype from an earlier work for process optimization. An evaluation of the system shows a significant improvement over the prototype. The system was cost-effectively integrated into the existing IT infrastructure and helps to increase the digitization of the returns warehouse. The presented case study proves the benefit of the software system and shows that companies, especially SMEs, can increase their efficiency and remain competitive by using logistics 4.0 technologies. In addition, it is discussed whether the software system achieves a paradigm shift to Logistics 5.0 in incoming returns.
  • Textdokument
    Game-based Learning: Acquiring Supply Chain Management Skills Through Playing Computer Games
    (INFORMATIK 2021, 2021) Ganske, Michael; Meißner, Katherina; Rieck, Julia
    Computer games can support university teaching by promoting strategic, planning, and networked thinking. Especially in supply chain management, many processes require coordination, effects of actions need to be predicted, and decisions are made under time pressure. A structured and analytical approach is therefore of great importance, which is particularly promoted by playing computer games. We demonstrate the use of Rise of Industry to deepen students’ understanding of supply chain management, covering logistics and production control as well as interactions and interdependencies between the components of supply chains. Using Constructive Alignment, we define intended learning outcomes and activities of a computer game-based learning course and derive requirements for selecting and adapting a computer game. Evaluating a three-day seminar, we find that students were able to apply prior knowledge to the game world and improve their decision making while experiencing the immediate economic and ecological impacts of their actions through the game.
  • Konferenzbeitrag
    Nachhaltiges Retourenmanagement im E-Commerce: Entwicklung eines Klassifikationsmodells zur Identifizierung von nicht mehr verwendbaren Retouren
    (INFORMATIK 2024, 2024) Stevenson, Anthony Boyd; Meißner, Katherina; Rieck, Julia
    In einer Zeit, in der der E-Commerce stetig wächst, stehen Unternehmen vor der Herausforderung, das Retourenmanagement sowohl ökonomisch als auch ökologisch zu gestalten und zu optimieren. Diese Case Study präsentiert ein Klassifikationsmodell zur Identifizierung von nicht mehr verwendbaren Retouren, das in Zusammenarbeit mit einem deutschen Onlinehändler für Möbel und Wohnaccessoires erarbeitet wurde. Mittels eines Datensatzes von etwa 300.000 Retouren kann das Klassifikationsmodell die Wahrscheinlichkeit ermitteln, ob ein retournierter Artikel wieder angeboten werden kann oder ob er entsorgt werden muss. In letzterem Fall kann eine Entsorgung durch den Kunden dafür sorgen, dass die Anzahl der Rücktransporte, die Transportkosten und die umweltschädlichen Emissionen reduziert werden. Methodisch stützt sich die Modellentwicklung auf die Open-Source-Software KNIME und das Verfahren Gradient Boosted Trees. Die Modellvalidierung erfolgt durch anerkannte Evaluationsmetriken. Die Ergebnisse zeigen das große Potenzial einer Kostensenkung und einer möglichen Verbesserung der ökologischen Bilanz im Retourenmanagement auf.
  • Zeitschriftenartikel
    Optimierung der Prozesse im Retoureneingang: E-Commerce Case Study für den B2C-Bereich
    (HMD Praxis der Wirtschaftsinformatik: Vol. 60, No. 1, 2023) Stevenson, Anthony Boyd; Rieck, Julia
    Die Anzahl der Bestellungen im B2C-E-Commerce nimmt stetig zu und so auch die Anzahl der Retouren (vgl. Asdecker et al. 2021, S. 606). Bei einigen Online-Shops wurde dieses Wachstum durch die Corona-Pandemie begünstigt, was dazu führte, dass die logistischen Prozesse dem starken Anstieg der Bestellungen und Retouren nicht mehr gewachsen sind. Vor allem kleine Unternehmen mit nicht-digitalisierten Prozessen haben Schwierigkeiten, sich diesen Herausforderungen zu stellen und effizient und wirtschaftlich zu arbeiten. In einer Case Study wird das Retourenlager eines kooperierenden B2C-Onlineshops für Möbel und Wohnaccessoires analysiert und im Hinblick auf den Prozess des Retoureneingangs und der -bearbeitung optimiert. In einem ersten Schritt werden mittels Frequent Itemset Mining häufig auftretende Retouren-Charakteristika identifiziert. Aufgrund der gewonnenen Erkenntnisse werden Klassen gebildet, in die eintreffende Retouren eingeordnet werden. Die Lagermitarbeitenden werden bei dieser Vorsortierung durch einen implementierten Prototyp unterstützt, der eingehende Retouren anhand der Daten aus dem ERP-System gezielt sortiert. Durch die entsprechende Abarbeitung der Retouren ergibt sich eine deutliche Verbesserung der Prozesse gegenüber der aktuell umgesetzten FIFO-Abarbeitung. The number of orders in B2C e‑commerce is constantly increasing and so is the number of returns (cf. Asdecker et al. 2021, S. 606). For some online shops, this growth was favoured by the Corona pandemic, which led to logistical processes no longer being able to cope with the sharp increase in orders and returns. Especially small companies with non-digitised processes have difficulties to face these challenges and to work efficiently and economically. In a case study, the returns warehouse of a cooperating B2C online shop for furniture and home accessories is analysed and optimised regarding the process of receiving and processing returns. In a first step, frequently occurring return characteristics are identified by using Frequent Itemset Mining. Based on the findings, classes are defined to which incoming returns are allocated. The warehouse employees allocating the incoming returns are supported by an implemented prototype that sorts incoming returns specifically based on the data from the ERP system. The pre-sorted processing of the returns results in a significant improvement of the processes compared to the currently implemented FIFO processing.
  • Zeitschriftenartikel
    Retourenverhinderung durch gezielte Rabatte: Entwicklung eines KI-basierten Prototyps mit Low-Code-Technologie für den Kundendienst
    (HMD Praxis der Wirtschaftsinformatik: Vol. 61, No. 5, 2024) Stevenson, Anthony Boyd; Rieck, Julia
    In dieser Fallstudie wurde ein Prototyp entwickelt, der den Mitarbeitenden des Kundendienstes Rabatte für die Kundschaft vorschlägt, um Retouren zu verhindern. Durch die gewährten Rabatte sollen die kaufenden Personen angehalten werden, die Produkte zu behalten. Zudem soll die Zufriedenheit der Kundschaft trotz der Qualitätsdefizite oder Leistungseinschränkungen gewährleistet werden. Die Hauptkomponente des Prototyps ist ein KI-basiertes Modell, das auf dem Fallbasierten Schließen beruht und zur verbesserten Nutzbarkeit in eine Webapplikation integriert wurde. Mit Hilfe der Low-Code-Technologie myCBR konnten der Entwicklungsprozess beschleunigt und die Entwicklungskosten gering gehalten werden. Die Evaluierung erfolgte unter realen Bedingungen bei einem kooperierenden Versandhändler für Möbel und Wohnaccessoires und zielte darauf ab, sowohl die Praktikabilität als auch die Ökonomie des Prototyps zu ermitteln. Die Studie belegt, dass der Prototyp in der Lage ist, die Datengrundlage des Kundendienstes systematisch zu nutzen, um effiziente und kostenreduzierte Rabattvorschläge zu generieren. Indem die Rabatte datenbasiert vergeben werden, können Anliegen der kaufenden Personen effektiver gelöst und unnötige Retouren verhindert werden. Durch die Verhinderung von Retouren trägt der Prototyp somit zur Nachhaltigkeit, Kostenreduktion und Ressourceneffizienz bei. This case study outlines the development of a prototype designed to minimise consumer returns by supporting customer service agents in offering tailored discounts that shall incentivise the customers to retain their purchases. The prototype is based on an AI model, namely Case-Based Reasoning, integrated within a user-friendly web application to enhance usability. Utilising the low-code technology myCBR had enabled a rapid development, while still maintaining a low-cost implementation. The effectiveness of the prototype was validated under authentic conditions by customer service agents from a cooperating German retailer for furniture and home accessories. The results confirm that the prototype systematically uses existing customer service data to create sufficient discount offers that are both efficient and cost-effective. By implementing data-driven discount strategies, the processing of customer enquiries is optimised and unnecessary returns are proactively avoided. As a result, the prototype’s approach can contribute significantly to sustainability, cost reduction, and conservation of resources.