Digitaler Zwilling, Automatisierung, Blockchain, Plattformen

I4M 6/2022: Digitale Geschäftsmodelle und Blockchain

Kreislaufwirtschaft, Plattformen und Automatisierung – durch die Digitalisierung vereint
15.12.2022

Bei der Etablierung und Aktualisierung von Geschäftsmodellen in der heutigen Zeit gilt es, kreislauffähig und digital zu denken. Wie können Geschäftsmodelle offene digitale Plattformen, leistungsstarke und blitzschnelle Datenakquisitions- und Analysemöglichkeiten, digitale Zwillinge, Blockchain-, DAO- und Automatisierungskonzepte und andere Spitzentechnologien anwenden, um langfristig zukunftsfähig zu bleiben? Aktuelle innovative Ansätze zu dieser Frage können Sie in Ausgabe 6/2022 von Industrie 4.0 Management entdecken. 

Alle Beiträge im Überblick

Zugang beschränkt

Sie sind zur Zeit nicht angemeldet / noch nicht registriert.

Um die gewünschte(n) Datei(en) herunterladen zu können, müssen Sie über ein entsprechendes inklusiv-Abonnement verfügen. Alternativ können Sie den Zugang auch durch Zahlung eines Einmalpreises erhalten.



AboinklusiveEinzelkauf
ohne59,00 €
Digital56,05 €
Expert53,10 €
Professional0,00 €
Download für einmalig 59,00 €

Alle Preise enthalten 7% Mehrwertsteuer

Nach Erwerb der Zugangsrechte werden Sie automatisch wieder zu dieser Seite zurückgeleitet.


Das könnte Sie auch interessieren

I4S 5/2025: Künstliche Intelligenz und Digitale Assistenz

I4S 5/2025: Künstliche Intelligenz und Digitale Assistenz

Wie wir Arbeit besser unterstützen können
Demografischer Wandel, Fachkräftemangel und stagnierende Produktivität gefährden die Wettbewerbsfähigkeit der deutschen Industrie. Gleichzeitig eröffnen KI und digitale Assistenzsysteme neue Chancen: Sie machen Arbeit effizienter und unterstützen Fachkräfte. Doch während sie im Alltag längst präsent sind, bleibt ihr Potenzial in der Industrie weitgehend ungenutzt – hier setzt die WGAB mit innovativen Konzepten an.
I4S 3/2025: Digitaler Zwilling

I4S 3/2025: Digitaler Zwilling

Praxisorientierte Ansätze für Fertigung, Logistik und Lernumgebungen
In der vernetzten Welt eröffnen Digitale Zwillinge völlig neue Möglichkeiten: Sie bilden physische Anlagen, Prozesse oder Produkte virtuell ab. Zentrale Herausforderungen aber bleiben bestehen, darunter die Erfassung aktueller Produktdaten. Diese Ausgabe von Industry 4.0 Science deckt ein breites Themenspektrum ab, vom Grundkonzept des Digitalen Zwillings über seinen Nutzen in der Beschaffung bis zum Einsatz im Lieferketten-Management.
I4S 2/2025: Die Zukunft der Produktion mit KI, Cobots und virtuellen Welten

I4S 2/2025: Die Zukunft der Produktion mit KI, Cobots und virtuellen Welten

Technologie braucht innovative, wertschöpfende Geschäftsmodelle
Künstliche Intelligenz, Cobots und virtuelle Welten wie das Metaverse beflügeln Visionen für neue Formen der industriellen Wertschöpfung. Doch Innovation allein genügt nicht – erst durch intelligente Geschäftsmodelle entfalten Technologien ihr volles Potenzial. Wie können Unternehmen die neuen Lösungen effizient in ihre Prozesse integrieren? Und mit welchen Strategien lassen sich daraus nachhaltige Wettbewerbsvorteile generieren?
I4S 1/2025: 40 Jahre Digitale Transformation der Industrie

I4S 1/2025: 40 Jahre Digitale Transformation der Industrie

Zentrale Forschungsfragen der Produktion und Logistik von morgen
Die Digitale Transformation ist seit Jahren ein zentraler Fokus wissenschaftlicher Diskussionen. Fragen zu datengetriebenen Entscheidungen, Künstlicher Intelligenz und resilienten Lieferketten stehen im Mittelpunkt aktueller Forschung. Die Beiträge dieser Ausgabe erläutern zentrale Trends und präsentieren wissenschaftliche Erkenntnisse sowie praxisnahe Lösungen – von der Automatisierung über die Kreislaufwirtschaft bis hin zu Cloud Computing.
I4S 6/2024: Machine Learning

I4S 6/2024: Machine Learning

Eine Technologie mit Optimierungspotenzialen bei Effizienz, Transparenz und Nachhaltigkeit
Machine Learning hebt die Automatisierung auf ein neues Level. Doch was bedeutet das für die Rolle des Menschen? Die Entwicklung energieeffizienter und fairer Algorithmen sowie die Optimierung der Datenqualität sind entscheidend für die Zukunftsfähigkeit von Machine Learning und Künstlicher Intelligenz. Die Beiträge in dieser Ausgabe untersuchen die entscheidenden Potenziale und Anwendungsgebiete der Technologie.