Layouted

Die Beschaffung hat im industriellen Management in den letzten drei Jahrzehnten kontinuierlich an Bedeutung gewonnen. Aktuelle Krisen wie die globale Corona-Pandemie und der Russland-Ukraine-Krieg haben diesen Effekt noch verstärkt. Dies macht eine stärkere strategische Ausrichtung notwendig, um der gestiegenen Relevanz der Beschaffung für den Unternehmenserfolg gerecht zu werden. Zukunftsorientierung ist dabei zentral, um verstärkt Innovationen aus den Beschaffungsmärkten beizusteuern. Dafür müssen Zukunftsthemen identifiziert, Herausforderungen auf dem Weg dorthin antizipiert und Lösungsansätze herausgearbeitet werden. Auf Basis einer umfassenden Delphi-Studie mit Einkaufsverantwortlichen hat dieser Beitrag zum Ziel, hierfür das Zukunftsbild einer „Innovativen Beschaffung 2030“ zu entwickeln und entsprechende Gestaltungsimpulse zu geben.

Obwohl die Innovation von kleinen und mittleren Unternehmen (KMU) für den wirtschaftlichen Erfolg eines Landes von entscheidender Bedeutung ist, geben diese verglichen mit großen Unternehmen weniger als die Hälfte ihrer finanziellen Mittel für Forschung und Entwicklung aus. Die „offene Innovation“ soll vor allem KMU helfen, ihre Wettbewerbsposition zu verbessern. Für Regionen, die von KMU dominiert werden, ist es wichtig, ein Ökosystem zu entwickeln, das offene Innovationsprozesse unterstützt. Universitäten können innerhalb dieses Ökosystems eine Schlüsselrolle spielen. Sie unterstützen KMU mit ihrem Fachwissen in den Bereichen Wissenschaft und Technik sowie im Innovations- und Projektmanagement. Wir stellen eine Fallstudie vor, um die Rolle einer Fachhochschule in einem offenen Innovationsökosystem zu demonstrieren.

Die Verrentung der Babyboomer-Generation stellt Unternehmen vor Herausforderungen. Insbesondere ein möglicher Verlust von implizitem Erfahrungswissen steht hierbei im Fokus. Dieses Wissen ist meist nur in den Beschäftigten verankert, schwierig zu explizieren und zu übertragen. Das Projekt KI_eeper zielt darauf ab, ein effizientes KI-basiertes System zu entwickeln, das implizite Erfahrungswissen automatisiert im Arbeitsprozess identifiziert und abspeichert. Die so geschaffene Wissensbasis soll als Assistenz im Arbeitsprozess allen Beschäftigten Hilfestellung bieten. Das System wird in Zusammenarbeit mit den Beschäftigten im Betrieb bedarfsgerecht gestaltet.

In diesem Beitrag werden verschiedene Prognoseverfahren und -modelle zur Vorhersage von kritischen Situationen in den Supply Chains von Unternehmen in der Automobil- und Elektronikindustrie untersucht, wobei der Schwerpunkt auf deutschen Unternehmen liegt. Anhand eines Vergleichs der Leistungsfähigkeit branchenüblicher Modelle soll eine Empfehlung eines Best-Practice-Modells für die Branche ermittelt werden. Um die Anwenderbarkeit der Modelle und der einhergehenden Erkenntnis aufzuzeigen, werden reale Geschäftsszenarien diskutiert, die die Rolle des Risikomanagements in den Abteilungen Einkauf/Beschaffung oder Supply Chain Management umfassen. Im Vergleich wurde ermittelt, dass das effektivste Modell für die Vorhersage von Krisen in der Automobilindustrie das Vector-Auto-Regressionsverfahren/VAR-Modell ist, während das Early-Warning-System/EWS-Modell am besten für die Elektronikindustrie geeignet ist. Darüber hinaus wurden die wichtigsten Risikofaktoren ermittelt, die ...

Die Einführung von kontinuierlicher Verbesserung stellt Unternehmen regelmäßig vor Herausforderungen. Angesichts der fortschreitenden Digitalisierung eröffnen sich neue Analysemöglichkeiten, die den kontinuierlichen Verbesserungsprozess (KVP) unterstützen. Dieser Beitrag zeigt auf, wie Prozessorientierung, Digitalisierung und operative Tätigkeiten systematisch für die Entwicklung und Integration eines datenbasierten KVP in produzierenden Unternehmen angewandt werden können.