Autor*innen mit den meisten Dokumenten
Auflistung nach:
Neueste Veröffentlichungen
- ZeitschriftenartikelDatentreuhandstellen gestalten: Status quo und Perspektiven für Geschäftsmodelle(HMD Praxis der Wirtschaftsinformatik: Vol. 58, No. 3, 2021) Arlinghaus, Tim; Kus, Kevin; Kajüter, Patricia; Teuteberg, FrankDer Umgang mit großen Datenmengen stellt Unternehmen bei der Konzeption sicherer digitaler Prozesse vor große Herausforderungen, besonders wenn personenbezogene oder sensible Daten verarbeitet werden. Dies gilt gleichermaßen für Forschungsprojekte, bei denen Daten mit höchstem Schutz und hoher Sensibilität behandelt werden müssen. Um diesen hohen Datenschutz zu gewährleisten sowie Ethikrichtlinien einzuhalten, können Datentreuhandstellen eingesetzt werden. Inzwischen sind auch einige Use Cases von privaten Treuhandstellen bekannt, die einen großen Mehrwert für Unternehmen versprechen. Dieser Beitrag gibt erste Einblicke in die Geschäftsmodelle der Datentreuhandstellen sowie deren Anwendungsbereiche. Hierfür wurde das Digital Canvas verwendet, das neun Säulen digitaler Geschäftsmodelle postuliert. Zusätzlich werden Unterschiede zwischen staatlichen und privatwirtschaftlichen Anbietern analysiert sowie die Potenziale von Treuhandstellen herausgestellt und gezeigt, dass deren Dienste zunehmend an Nachfrage gewinnen werden. Die Erkenntnisse beruhen auf sechs Experteninterviews, die mit Leitern von in Deutschland bereits praktizierenden Datentreuhandstellen geführt wurden. Dealing with large data volumes presents major challenges to companies when it comes to designing secure digital processes, especially when personal or sensitive data need to be processed. This applies equally to research projects, where data must be handled with the highest level of protection and sensitivity. Data trustees can be used to ensure this high level of data protection and compliance with ethical guidelines. In the meantime, some use cases of private trustees are known, which promise noticeable added value for companies. This article provides initial insights into the business models of data trustees as well as their areas of application. For this purpose, the Digital Canvas was used, which postulates nine pillars of digital business models. In addition, differences between governmental and commercial providers are analyzed as well as the potential of data trustees are highlighted and it is shown that their services will increasingly gain demand in the future. The findings are based on six expert interviews conducted with the heads of data trustees already operating in Germany.
- ZeitschriftenartikelDas Service Design Framework zur strukturierten Entwicklung datenbasierter Services(HMD Praxis der Wirtschaftsinformatik: Vol. 58, No. 3, 2021) Häckel, Björn; Huber, Rocco; Rieg, Marius; Rösch, Carla; Rövekamp, PatrickDie Digitalisierung prägt das Umfeld von Unternehmen vor allem durch neue technologische Entwicklungen in der Erfassung und Speicherung großer Datenmengen – auch bekannt als Big Data. Dies ermöglicht Unternehmen, datenbasierte Services zu entwickeln und somit ihr bestehendes Geschäftsmodell zu erweitern oder sogar neu zu gestalten. Allerdings unterscheiden sich die Anforderungen für die Entwicklung datenbasierter Services maßgeblich von denen für die Entwicklung klassischer Produkte und Services, weshalb viele Unternehmen vor einem Paradigmenwechsel stehen. Da Daten selbst kein inhärentes Wertversprechen haben, müssen für die erfolgreiche Entwicklung eines datenbasierten Service neben (daten-)technischen Anforderungen auch prozessuale Anforderungen sowie eine kundenzentrische Perspektive integriert betrachtet werden. Dies ist entscheidend, da Services kundenorientiert gestaltet werden müssen, um ein entsprechendes Wertversprechen zu vermitteln. Obwohl die Relevanz dieser Herausforderung sowohl in der Wissenschaft als auch in der Praxis bereits bekannt ist, existieren bis heute kaum anwendungsorientierte und keine umfassenden Konzepte für dieses Spannungsfeld. Um diese Lücke zu schließen, wird im vorliegenden Beitrag das Service Design Framework vorgestellt, welches Unternehmen bei der systematischen Entwicklung datenbasierter Services unterstützt. Dabei strukturiert das Framework zentrale Anforderungen (z. B. Kundenbedürfnisse, Prozesse, Daten, Chancen und Risiken) zum Design eines datenbasierten Service. Das Framework wurde mithilfe aktueller Literatur und in Zusammenarbeit mit Experten aus Industrieunternehmen entwickelt und validiert. Das Service Design Framework baut dabei auf den Konzepten der Customer Journey Map und des Service Blueprints auf, kombiniert diese und entwickelt sie für ein umfassendes Design von datenbasierten Services weiter. Damit leistet das Framework einen wichtigen Beitrag bei der strukturierten Erfassung, Entwicklung und Analyse datenbasierter Services. Digitalization shapes the environments of businesses through ongoing technological developments in the field of data - also known as Big Data. This enables companies to develop data-based services and enhance or transform their existing business model. However, for many companies, this results in a paradigm shift as the requirements of developing data-based services vary greatly from those of classic product and service offerings. Since data itself has no inherent value proposition, the successful development of a data-based service requires an integrated consideration of both specific process and (data-)technical requirements in addition to a customer-centric perspective. This is paramount since services need to be designed customer-oriented to provide value. Although the relevance of this challenge has been recognized in both science and practice, so far there are only few practical and most of all no comprehensive concepts for this specific problem. To close this gap, this paper develops and presents the Service Design Framework, which supports companies in the systematic development and analysis of data-based services. This is achieved by structuring key requirements (e.g., customer needs, internal processes, data, chances, and risks) in the design of data-based services. The framework was developed and validated based on existing literature and in collaboration with industry experts. The Service Design Framework combines the concepts of the Customer Journey Map and the Service Blueprint and further enhances them for a comprehensive conceptualization and adaptation of data-based services. In consequence, the Service Design Framework contributes to the structured development and analysis of data-based services.
- ZeitschriftenartikelRezension „The Invincible Company“(HMD Praxis der Wirtschaftsinformatik: Vol. 58, No. 3, 2021) Strahringer, Susanne
- ZeitschriftenartikelDatenplattformökosysteme(HMD Praxis der Wirtschaftsinformatik: Vol. 58, No. 3, 2021) Kramberg, Philipp; Heinzl, ArminPlattformökosysteme haben sich zu einem erfolgreichen Konzept entwickelt und weisen vielfältige Wettbewerbsvorteile gegenüber Pipeline-Geschäftsmodellen auf. Eine Plattform umfasst einen Plattformkern (z. B. ein Betriebssystem für Mobiltelefone, ein Marktplatz oder ein Musik-Streamingdienst), der von einem Plattformbetreiber kontrolliert wird und die Austauschbeziehungen zwischen Kunden und komplementären Anbietern orchestriert (z. B. die Distribution von Waren, Spielen, Apps oder Musikstücken an die Endnutzer). In den letzten Jahren haben die Nutzung und der Handel von Daten immer mehr an Bedeutung gewonnen. Einige Quellen berichten über die Existenz von Datenplattformen als technische Infrastruktur zur Speicherung und Austausch von Daten, obwohl die Literatur wenig Aussagen über die Rolle von Daten in Plattformökosystemen und über die Existenz von Datenplattformökosystemen im Allgemeinen trifft. Durch die Kombination von technischen Datenplattformen und Plattformökosystemen entsteht das Konzept eines Datenplattformökosystems. Es ermöglicht die Bereitstellung der Daten durch Datenanbieter sowie die gezielte Suche nach Daten durch Datennutzer. Um die Eigenschaften von Datenplattformökosystemen zu verstehen, werden wir die Konzepte der Datenmodularität, der Datenqualität, der Verfügungs- und Nutzungsrechte sowie Möglichkeiten zur Überwindung des Informationsparadoxons thematisieren. Basierend auf diesen Charakteristika erläutern wir die Entstehung von Datenplattformökosystemen anhand von zwei Fallbeispielen und zeigen Wege für zukünftige Forschung auf. Platform ecosystems have become a source of sustained competitive advantages over pipeline models. A platform consists of a platform core (such as a smartphone operating system, a marketplace or a music streaming service) which is controlled by the platform owner who orchestrates the relationship between customers and providers (e.g. the distribution of goods, apps or music to end-users). Recently, the utilization and monetization of data has been significantly increasing. While some sources report the existence of data platforms as technical repositories to distribute data, the literature is sparse in discussing the role of data in platform ecosystems or outlining the existence of data platform ecosystems. By combining the technical concept of a data platform with the one of a platform ecosystem, a data platform ecosystem emerges. It comprises a platform ecosystem that facilitates the recombination and exchange of data around a stable core between a wide range of complements of data providers and prospective customers. To understand the characteristics of data platform ecosystems, we will elaborate on the concepts of data modularity, data quality, disposal and usage rights of data as well as ways to address the information paradox inherent to data. Based on these key properties, we illustrate the emergence of data platform ecosystems through two case examples and suggest avenues for future research.
- ZeitschriftenartikelDatengetriebene Geschäftsmodelle: Konzeptuelles Rahmenwerk, Praxisbeispiele und Forschungsausblick(HMD Praxis der Wirtschaftsinformatik: Vol. 58, No. 3, 2021) Strahringer, Susanne; Wiener, MartinDatengetriebene Geschäftsmodelle (DGGM) vereinen zwei zentrale Trends des digitalen Zeitalters: die steigende Bedeutung von („Big“-)Daten und den zunehmenden Fokus auf das Geschäftsmodell als zentrale Gestaltungsebene. Nichtsdestotrotz sind die konzeptuellen Grundlagen und spezifischen Eigenschaften entsprechender Geschäftsmodelle bislang nur unzureichend erforscht und systematisiert. Basierend auf relevanten Vorarbeiten stellen wir in diesem Grundlagenbeitrag drei wesentliche Typen von DGGM vor (Datennutzer, Datenlieferanten und Datenbefähiger) und geben einen Überblick über zentrale „datengetriebene“ Konzepte, die wir in ein konzeptuelles Rahmenwerk zur weiterführenden Charakterisierung von DGGM integrieren. Die Anwendbarkeit und Nützlichkeit der drei DGGM-Typen und des entwickelten Rahmenwerks illustrieren wir anhand von drei Praxisbeispielen (KAESER, Shell Telematics und Celonis). Der Beitrag schließt mit einer Diskussion von vielversprechenden, thematischen Ansatzpunkten für zukünftige Forschungsarbeiten zu DGGM. Data-driven business models (DDBMs) combine two central trends of the digital era: the growing importance of (“big”) data and the increasing focus on the business model as the focal design layer. Nevertheless, thus far, the conceptual foundations and specific characteristics of corresponding business models have been only insufficiently researched and systematized. Based on relevant prior works, in this foundations paper, we introduce three main types of DDBMs (data users, data suppliers, and data facilitators) and provide an overview of key “data-driven” concepts, which we integrate into a conceptual framework for characterizing DDBMs. To illustrate the applicability and usefulness of the three DDBM types and the developed framework, we present three real-world examples (KAESER, Shell Telematics, and Celonis). The paper concludes with a discussion of promising directions for future research on DDBMs.
- ZeitschriftenartikelData-based Customer-Retention-as-a-Service: Induktive Entwicklung eines datenbasierten Geschäftsmodells auf Basis einer Fallstudie der Automobilbranche(HMD Praxis der Wirtschaftsinformatik: Vol. 58, No. 3, 2021) Kortum, Henrik; Rebstadt, Jonas; Gravemeier, Laura Sophie; Thomas, OliverViele Unternehmen setzen Künstliche Intelligenz zur Verarbeitung großer Datenmengen bereits heute erfolgreich für die Kundenbindung ein. So schaffen große Unternehmen individuelle Kundenerlebnisse basierend auf der Auswertung großer kundenbezogener Datenmengen zur kurz- aber auch langfristigen Kundenbindung, z. B. durch intelligente Empfehlungen von Inhalten auf Videoplattformen. Bei Unternehmen mit traditioneller Wertschöpfung wird dieses Potenzial jedoch noch nicht ausreichend genutzt. Vor diesem Hintergrund wird im Rahmen einer Fallstudie exemplarisch ein datengetriebenes Kundenbindungsszenario in Kooperation mit einer Autowerkstatt umgesetzt. Im konkreten Fall wurde eine zeitlich optimierte Kundenansprache auf Basis von KI-basierten Prognosen der täglichen Fahrleistung von Kunden angestrebt. Grundlage dafür war die Analyse eines Kundendatensatzes einer Autowerkstatt und die anschließende Entwicklung einer Künstlichen Intelligenz. Aufbauend auf der Fallstudie wird ein datenbasiertes Geschäftsmodell konzipiert, dessen Werteangebot vor allem Unternehmen mit traditioneller Wertschöpfung und wenig Wissen im Bereich Künstlicher Intelligenz dazu befähigt, datenbasierte Technologien in der Kundenbindung einzusetzen. Das dem Geschäftsmodell zugrundeliegende Plattformkonzept wird dabei als Open-Innovation-Modell entwickelt und soll neben der Entwicklung eigener Services auch die Interaktion von Datenkonsumenten, Datenlieferanten und anderen Datenbefähigern, mit dem Ziel sich als Datenökosystem für Kundenbindung zu etablieren, unterstützen. Many companies are already successfully using artificial intelligence (AI) to process large volumes of data for the purpose of customer retention. Large companies create individualized customer experiences and analyze massive amounts of data to achieve customer loyalty through intelligent recommendations, for example. However, companies with traditional value creation, as of yet often fail to sufficiently address this topic. Therefore, this contribution tackles the implementation of an exemplary use case for data-driven customer retention in a car repair shop. In particular, the aim was to optimize the timing of customer communication based on forecasts of the customers’ daily driving behavior. The basis for this analysis was a data set provided by a car repair shop and the subsequent development of a machine learning model. Based on this case study, a business model is developed that enables companies with traditional value creation and little AI-know-how to use data-driven technologies in customer retention. The underlying platform concept is conceptualized as an open innovation model and supports the interaction of data consumers, data providers and data enablers. In this way, the target is not only to develop own services, but also to establish a data ecosystem for customer loyalty.
- ZeitschriftenartikelInnovation von datengetriebenen Geschäftsmodellen(HMD Praxis der Wirtschaftsinformatik: Vol. 58, No. 3, 2021) Förster, Matthias; Bansemir, Bastian; Roth, AngelaIm Rahmen der fortschreitenden Digitalisierung ist die Wettbewerbsfähigkeit von Unternehmen zunehmend von der Fähigkeit abhängig, datengetriebene Geschäftsmodelle zu innovieren. Jedoch stellt dies Unternehmen vor große Herausforderungen, und so bleiben datengetriebene Geschäftsmodelle nach der Implementierung am Markt nicht selten hinter den Erwartungen an die Wertrealisierung, z. B. in Form von Umsatz oder Kosteneinsparung zurück. Dies liegt insbesondere daran, dass sich wertrealisierende oder wertmindernde Einflussfaktoren häufig erst nach der Implementierung am Markt zeigen. Unternehmen fehlen hier konkrete Vorgehensmodelle, um gezielt diesen Einflussfaktoren zu begegnen und datengetriebene Geschäftsmodellinnovationen erfolgreich umzusetzen. Die vorliegende Studie greift diese Thematik auf und entwickelt im Rahmen eines Design Science Forschungsansatzes ein interview- und workshopbasiertes Vorgehensmodell, welches Praktiker bei der Realisierung von Werten bei der Implementierung von datengetriebenen Geschäftsmodellen unterstützt. Die beispielhafte Anwendung des Vorgehensmodells im Rahmen von fünf datengetriebenen Geschäftsmodellen eines deutschen Premiumautomobilherstellers zeigt, dass dadurch wertmindernde und wertrealisierende Einflussfaktoren identifiziert und bewertet werden können. Zudem können eine fachbereichsübergreifende Definition von Wertrealisierung, ein holistisches Verständnis über die entscheidenden Einflussfaktoren und ihre Hebelwirkung sowie Kenntnisse über kausale Zusammenhänge zwischen zu ergreifenden Maßnahmen und der Wertrealisierung entwickelt werden. Auch die Verteilung begrenzter Unternehmensressourcen für die Umsetzung von Maßnahmen in Relation zu deren Effekten wird explizit berücksichtigt. In the context of the ongoing digitalization, the competitiveness of companies is increasingly dependent on their ability to innovate data-driven business models. However, this poses major challenges for companies, and so, data-driven business models, once they have been implemented on the market, often fall short of expectations in terms of value realization, e.g. in the form of revenues or cost savings. In particular, this is due to the fact that value-realizing or value-reducing influencing factors often only become apparent after the implementation in the market. At this point, companies lack concrete procedure models to counter these influencing factors and to successfully implement data-driven business models and realize value. By means of a design science research approach, this study develops an interview- and workshop-based procedure model that enables practitioners to implement and realize value from data-driven business models. The application of the procedure model in five data-driven business models of a German premium car manufacturer has shown that it offers practitioners useful support. For example, it provides an easy-to-understand methodological approach that helps to identify and evaluate value-realizing and value-reducing influencing factors, promote cross-functional, shared knowledge on value realization, decision factors and the leveraging effects of different measures. Additionally, the assignment of limited company resources to the implementation of different measures in relation to their effects is considered.
- ZeitschriftenartikelDas Geschäftsmodell Data Facilitator im Consulting(HMD Praxis der Wirtschaftsinformatik: Vol. 58, No. 3, 2021) Nissen, VolkerMit der Vervielfachung des Datenvolumens und der raschen Weiterentwicklung entsprechender Analysemethoden und Werkzeuge gibt es immer mehr Unternehmen, insbesondere aus dem kleineren Mittelstand, die aufgrund mangelnder Ressourcen und Fähigkeiten nicht in der Lage sind, ihre Datenschätze zu heben und daraus gute Entscheidungen im Hinblick auf ihre Produkte, Prozesse und Geschäftsmodelle abzuleiten. Vor diesem Hintergrund wird im vorliegenden Beitrag ein Data Facilitator Geschäftsmodell für Consultingunternehmen vorgeschlagen. Um nicht im Wettbewerb zurückzufallen, lagern hierin Unternehmen Aufgaben der Datenaufbereitung, Analyse und Interpretation an ein Beratungsunternehmen aus, das sich auf solche Themen spezialisiert hat. Berater erhalten dabei Zugriff auf kritische Datenströme des Kunden, die dann auf regelmäßiger Basis fachkundig, unter Einsatz moderner Analyseinstrumente untersucht werden. Es geht darum, frühzeitig „schwache Signale“ für zukünftige kritische Entwicklungen beim Kunden zu erkennen oder Ideen für geschäftliche Verbesserungen zu entwickeln. Dabei werden die Ergebnisse dem Kunden nicht kommentarlos übermittelt, sondern Auffälligkeiten von den Beratern unter Einbringung ihres Fachwissens mit den Kunden diskutiert und interpretiert. Der Kunde trifft dann gegebenenfalls Entscheidungen auf Basis der vorliegenden Datenlage. Da diese Dienstleistung fortlaufend erbracht wird, sind hierfür neue Bezahlmodelle im Consulting sinnvoll, wie z. B. eine monatliche Pauschale. Für eine erfolgreiche Umsetzung des Geschäftsmodells sind in der Praxis eine Reihe von Problemen zu bewältigen, worauf im Beitrag ebenfalls eingegangen wird. With the strong rise of data volume and the rapid development of corresponding analysis methods and tools, there are more and more companies, especially from the SME sector, that are, due to a lack of resources and skills, not able to leverage their data treasures and derive good decisions from them with regard to their products, processes and business models. Against this background, this paper proposes a data facilitator business model for consulting firms. In order not to fall behind the competition, companies outsource data preparation, analysis and interpretation tasks to a consulting firm that specialises in such topics. Consultants are given access to critical data streams of the client, which are then expertly examined on a regular basis using modern analytical tools. The aim is to identify “weak signals” for future critical developments at the client at an early stage or to develop ideas for business improvements. The results are not communicated to the client without comment, but conspicuous features are discussed and interpreted by the consultants together with the client, using their specialist knowledge. The client then makes decisions, if necessary, on the basis of the available data. Since this service is provided on an ongoing basis, new payment models in consulting make sense, such as a monthly flat rate. For a successful implementation of the business model, a number of problems have to be overcome in practice, which are also discussed in the article.
- ZeitschriftenartikelWelche datenbasierten Servicemodelle sind erfolgsversprechend für KMU der Maschinen‑, Anlagen‑, Elektro- und Metallindustrie?(HMD Praxis der Wirtschaftsinformatik: Vol. 58, No. 3, 2021) Vogt, Helen; Ehrat, Matthias; Fuchs, Rainer; Holler, ManuelDurch die Möglichkeiten des Internet of Things (IoT) sind industrielle Produkte heute in der Lage, Anbieter und Kunden miteinander zu vernetzen. Produktbasierte Daten entstehen in allen Phasen des Produktlebenszyklus. Sie eröffnen den Anbietern die Möglichkeit, neue datenbasierte Servicemodelle zu entwickeln, um neuen Kundennutzen zu schaffen, der letztendlich durch neue digitale Geschäftsmodelle monetarisiert werden kann. Doch welche Ansätze bringen wirklichen Mehrwert für den Anbieter und sind damit den Implementierungsaufwand wert? Die vorliegende Studie untersucht, welche Servicemodelle für kleine und mittlere Unternehmen (KMU) der Maschinen‑, Anlagen‑, Elektro- und Metallindustrie erfolgversprechend sind. Es konnten zehn Servicemodelle identifiziert werden, die für die Unternehmen einen grundsätzlich hohen Mehrwert, jedoch teilweise unterschiedliche Implementierungsaufwände aufweisen. Die Vergütungsmodelle, mit denen die Servicemodelle bevorzugt monetarisiert werden können, erwiesen sich als vom Servicemodell selbst sowie von der Branche abhängig. In Summe wurde die Realisierungswahrscheinlichkeit für die datenbasierten Servicemodelle und die damit verbundenen digitalen Geschäftsmodelle innerhalb der nächsten drei Jahre noch als moderat eingeschätzt. Given the possibilities of the Internet of Things (IoT), industrial products are now able to connect suppliers and customers. Product-based data are created at all stages of the product lifecycle. These data open up opportunities for suppliers to develop new data-based service models that create new customer benefits, which can ultimately be monetized through new digital business models. But what approaches add real value for the supplier and are thus worth the implementation effort? This study examines what service models are promising for small and medium-sized enterprises (SMEs) in the machinery, plant, electrical and metal industries. Ten service models were identified that offer companies a generally high added value, but differ partly in terms of their implementation efforts. The preferred revenue models with which the service models can be monetized were found to depend on the service model itself and on the industry. Overall, the probability of realization for the data-based service models and the associated digital business models within the next three years was assessed as still moderate.
- ZeitschriftenartikelRezension „Platform Revolution“(HMD Praxis der Wirtschaftsinformatik: Vol. 58, No. 3, 2021) Wiener, Martin