Logo des Repositoriums

Auflistung nach Schlagwort "Practice"

1 - 2 von 2
  • Konferenzbeitrag
    Potential vs. Practice: Challenges for the Implementation of Augmented Reality for Learning and Training in Practice
    (DELFI 2020 – Die 18. Fachtagung Bildungstechnologien der Gesellschaft für Informatik e.V., 2020) Osmers, Niklas; Prilla, Michael
    Augmented Reality (AR) holds many potentials for learning and training in organizations. However, there are surprisingly few examples that show an implementation of these potentials in practice. Motivated by this insight and similar observations through discussions with practitioners, we conducted an interview study to explore the usage of AR for learning and training in practice. Our results show that there is little systematic and established use in practice because of several challenges inhibiting its use. Our paper reports on these and discusses how they might be overcome.
  • Zeitschriftenartikel
    Wirtschaftliche Bewertung von KI in der Praxis – Status Quo, methodische Ansätze und Handlungsempfehlungen
    (HMD Praxis der Wirtschaftsinformatik: Vol. 57, No. 1, 2020) Ulrich, Maximilian; Bachlechner, Daniel
    Im Zuge der voranschreitenden Digitalisierung rücken betriebswirtschaftliche Aspekte bei der Priorisierung von Transformationsvorhaben immer mehr in den Mittelpunkt. Besonders im produzierenden Gewerbe müssen sich Investitionen aufgrund des meist hohen Wettbewerbsdrucks und geringer Margen in relativ kurzer Zeit amortisieren, um umgesetzt zu werden. Während Identifikation, Entwicklung und technische Bewertung von Vorhaben schon recht gut gelingen und sich erste Vorgehensmodelle etabliert haben, fällt vielen Betrieben die wirtschaftliche Bewertung noch schwer. Vor allem bei Investitionen in Verfahren der künstlichen Intelligenz (KI), ist es heute noch kaum möglich, die Rentabilität zuverlässig zu bestimmen. In diesem Beitrag wird die Problematik der wirtschaftlichen Bewertung von KI von verschiedenen Seiten beleuchtet. Ziel ist die Ableitung von Handlungsempfehlungen unter Berücksichtigung der besonderen Bedürfnisse produzierender Unternehmen. In einem ersten Schritt wird ein Überblick über die aktuelle Nutzung von KI im produzierenden Gewerbe gegeben und die Erwartungshaltung bezüglich der Möglichkeiten und Grenzen von KI kritisch betrachtet. Anschließend erfolgt eine Bestandsaufnahme von Ansätzen zur wirtschaftlichen Bewertung von Projekten, welche in der Praxis zur Anwendung kommen oder in der Wissenschaft diskutiert werden. Abschließend werden konkrete Empfehlungen zur Umsetzung der Bewertung von Transformationsvorhaben gegeben. Darüber hinaus werden Forschungsbedarfe im Zusammenhang mit der betriebswirtschaftlichen Bewertung von KI offengelegt. Methodisch basiert der Beitrag sowohl auf der Aufarbeitung einschlägiger Literatur zum Thema, als auch auf Erfahrungen, welche die Verfasser des Beitrags bei der Umsetzung zahlreicher KI-Projekte im produzierenden Gewerbe gewonnen haben. With the advancement of digitalisation, the importance of relevant economic aspects is gaining focus. Particularly in the production industry, where high competitive pressure and small margins are common, digitalisation projects need to be profitable within a short time in order to be implemented. While standard processes for the identification, development and technical evaluation of such projects have already been established, and have been successful in practice, the evaluation of their economic value remains challenging. This is particularly true in the field of artificial intelligence (AI), where a reliable determination of profitability has yet to reach a consensus. In this article, we evaluate the difficulty regarding a reliable economic assessment of AI projects, discussing the problem from several different angles. Focusing on the particular requirements of the production industry, we give an overview of the current state of AI in practice, as well as critically evaluating common expectations of their potential and limits. Based on this, recommendations are given for how the economic value of such projects can be evaluated as well as for where future research effort should be focused. The content of this article is based on both an analysis of relevant literature on the subject as well as the authors’ expertise in the field, acquired through numerous projects in the field of AI in the production industry.