Search

Der Einsatz von Daten mit unterschiedlicher Struktur zur Fehleranalyse in der Produktion ist eine große Herausforderung für Industrieunternehmen. Dieser Artikel zeigt einen prototypischen Lösungsweg auf, wie die Integration von unterschiedlich strukturierten Daten zur Fehleranalyse gelingen kann. Anhand eines Fallbeispiels wird ein Prototyp konzipiert und umgesetzt, der verschiedene Verfahren zur Analyse von Daten unterschiedlicher Struktur kombiniert und die spezifischen Anforderungen in der datengetriebenen Produktionsfehleranalyse adressieren kann. Das Ergebnis zeigt eine innovative Möglichkeit zur datengetriebenen Fehleranalyse für die Produktion, in der unterschiedlich strukturierte Daten eingesetzt und verschiedene Analyseverfahren miteinander nutzendstiftend verbunden sind. Die Evaluation durch Experten zeigt ferner, dass der vorgeschlagene prototypische Lösungsweg für den Einsatz in der Praxis geeignet ist und einen Mehrwert für Unternehmen stiften kann. Aufbauend auf diesen Erkenntnissen werden Implikationen benannt, Limitationen aufgezeigt und zukünftiger Forschungsbedarf abgeleitet.

Predictive maintenance has the potential to improve the reliability of production and service provisioning. However, there is little knowledge about the proper implementation of predictive maintenance in research and practice. Therefore, we conducted a multi-case study and investigated underlying conditions and technological aspects for implementing a predictive maintenance system and where it leads to. We found that predictive maintenance initiatives are triggered by severe impacts of failures on revenue and profit. Furthermore, successful predictive maintenance initiatives require that pre-conditions are fulfilled: Data must be available and accessible. Very important is also the support by the management. We identified four factors important for the implementation of predictive maintenance. The integration of data is highly facilitated by Cloud-based mechanisms. The detection of events is enabled by advanced analytics. The execution of predictive maintenance operations is supported by data-driven process automation and visualization.

Die Zuverlässigkeit der IT-Services ist die Voraussetzung für die reibungslose Ausführung von Geschäftsprozessen und entscheidet so wesentlich über den wirtschaftlichen Erfolg von Unternehmen. Um den Ausfall von IT-Services zu vermeiden, ist es wichtig ihre Resilienz zu erhöhen also ihre Fähigkeit den Ausfall von untergeordneten IT-Services abzufangen und nach einem erfolgten Ausfall zum Normalbetrieb zurückzukehren. Bisher wurden resilienzsteigernde Maßnahmen nur manuell initiiert. Datenbasierte Ansätze ermöglichen dies zu automatisieren und die Resilienz von IT-Services zu steigern. Daher wird mittels einer methodisch durchgeführten Fallstudie Erfahrungen und Einblicke in die Umsetzung eines datenbasierten Systems zur IT-Service-Resilienzsteigerung ermittelt. Die Fallstudie zeigt, dass eine schnellere Erkennung von resilienzrelevanten Ereignissen erreicht wird und die Erfassungstiefe der relevanten Ereignisse deutlich gesteigert werden kann. Zusammen mit der automatischen Veranlassung resilienzsteigernder Maßnahmen kann eine deutliche Steigerung der Resilienz der IT-Services erreicht werden, die sich auf die Zuverlässigkeit der unterstützten Geschäftsprozesse deutlich positiv auswirken kann. The reliability of IT services is the prerequisite for the smooth execution of business processes and is thus a key factor in the economic success of companies. In order to avoid the failure of IT services, it is important to increase their resilience, i. e. their ability to intercept the failure of subordinate IT services and return to normal operation after a failure. So far resilience-increasing measures were initiated only manually. Data-based approaches make it possible to automate and to increase the resilience of IT-services. Therefore, experiences and are captured by means of a methodically accomplished case study on the conversion of a data-based system for the improvement of resiliency of IT-services. The case study shows that a faster recognition of events is reached and the collection depth of the relevant events is clearly increased. Together with the automatic a clear increase of the resiliency of the IT-services was achieved, improving the reliability of the supported business processes clearly.

A new class of information system architecture, decision-oriented service systems, is spreading more and more. Decision-oriented service systems provide services that support decisions in business processes and products based on the capabilities of cloud-computing environments. To pave the way for the creation of design methods of business processes and products based on decision-oriented service systems, this article introduces a capability-oriented approach. Starting from technological capabilities, more abstract operational and dynamic capabilities are created. The framework created is based on an integrated conceptualization of decision-oriented service systems that allows capturing synergetic effects. By creating the framework, the gap between the technological capabilities of technologies and the strategic goals of enterprises shall be narrowed.

The convenience and ease of online shopping reduce consumers’ risk perceptions, which encourages the continued growth of online retailing but also may force online retailers to deal with expensive and excessively high product return rates. Despite efforts by e-commerce management practitioners and scholars to identify determinants of customer product return behavior, scarce research investigates the effectiveness of instruments designed explicitly to reduce customers’ actual return rates. Drawing on risk theory, this article tests the influence of three important instruments on product return prevention. Three separate field experiments among customers of a well-known European online retailer reveal, unexpectedly, that the use of a money-back guarantee increases product returns, whereas product reviews decrease the product return rate. The provision of free return labels has no influence on customer product return behavior. This article concludes with some managerial and theoretical implications of these results.

Bitcoin is the most successful approach for establishing a currency outside of state supervision and government institutions. Besides, Bitcoin is very controversial discussed. Therefore, a further investigation of different aspects of the benefit of using Bitcoin should be realized in order to identify some core aspects of the digital currency Bitcoin. In this context, the study described in the following achievements is done. It shows that there exist key aspects, like dissemination as well as safety, which are important impact factors on users' benefit of using a digital currency like Bitcoin. In addition, it also gives implications for a further development of the topic and aspects for future research.

Configuration-Management-Databases (CMDBs) stellen einen zentralen Speicher für die Verwaltung aller Informationen und Beziehungen in IT-Infrastrukturen dar. Sie dienen Unternehmen für die Entscheidungsunterstützung. Aufgrund ihrer Graph-orientierten Grundstruktur liegt ihre Implementierung auf Basis von modernen Graph-Datenbankensystemen nahe. Deren tatsächliche Eignung als Grundlage für CMDBs, wurde in der wissenschaftlichen Literatur bisher jedoch noch nicht geprüft. Die vorliegende Arbeit stellt einen wesentlichen Beitrag zur Schließung dieser Forschungslücke dar. Im Rahmen eines Versuchsaufbaus werden die relationale Datenbank Oracle 12c sowie die Graph-Datenbank Neo4 J in einem CMDB-Kontext miteinander vergleichen. Ziel ist es, die Eignung der Neo4 J Datenbank und folglich von Graph-Datenbanken im Allgemeinen als Grundlage von CMDBs zu prüfen. Dafür werden zunächst geeignete Anwendungsfälle und Messkriterien definiert. Diese bilden die Ausgangsbasis für durchgeführte Messungen und Vergleiche. Zwar bestätigen die Ergebnisse der vorliegenden Arbeit eine generelle Eignung von Graph-Datenbanken als Grundlage für CMDBs, jedoch wird aufgezeigt, dass relationale Datenbanken in diesem Kontext als effizienter anzusehen und folglich vorzuziehen sind. Configuration-Management-Databases (CMDBs) store relevant information about the IT-infrastructure of an enterprise and support CIOs and IT-administrators in making IT-related decisions. As CMDBs can be considered as labeled graphs, implementing them based on graph-based databases is an obvious idea . However, the suitability of graph-based databases to serve as the basis of CMDBs, has not been explored by prior research yet. The present study is a first step towards filling this research gap. As part of a controlled experiment, both database systems, Oracle 12c and Neo4 J, are compared to each other based on defined measurement criteria and test scenarios. The main objective of our study is to examine, whether Neo4 J (and graph-based databases in general) is an appropriate basis for CMDBs. In particular, we are interested in the fact of whether Neo4 J performs more efficiently in a CMDB-context compared to Oracle 12c or not. Though, our findings reveal that Neo4 J is a suitable basis for CMDBs in general, it is found that Oracle 12c (as a relational database system) performs more efficiently and thus should be preferred over Neo4 J in CMDB-contexts.

Der Onlinehandel ist ein insgesamt margenschwaches Geschäft. Aus diesem Grund müssen Kostentreiber identifiziert und entschärft werden. Ein wesentlicher Kostentreiber im Onlinehandel sind Produktretouren. In der vorliegenden Untersuchung wird ein literaturbasiertes Modell entwickelt, das vier Retoureneinflüsse unterscheidet. Das Modell wird mittels Kundendaten getestet. Die Ergebnisse geben Onlinehändlern Ansatzpunkte für ein präventives Retourenmanagement.

Das wachsende Business-to-Consumer-Geschäft im eCommerce erhöht auch die Problematik der Verbraucherretouren für viele Onlinehändler. Oftmals werden Retouren durch den Verbraucher aufgrund von »Nichtgefallen« konkludent retourniert und verursachen dadurch Kosten in der Handhabung, die die Ertragssituation der Onlinehändler negativ beeinflussen können. Im vorliegenden Beitrag wird aufgezeigt, wie durch den Einsatz von Big Data Retourenquoten gesenkt werden können. Big Data wird dazu eingesetzt, Merkmalskombinationen, die Retouren ankündigen, durch Auswertung von strukturierten und unstrukturierten Daten im Kontext der eCommerceTransaktionen in Onlineshops zu erkennen. Hierdurch werden proaktive Reaktionen möglich, mit denen Retouren vermieden werden können.

Cloud-Services werden immer mehr in integrierten Umgebungen angeboten, die Cloud-Services und Ressourcen bündeln. Gegenüber alleinstehenden Cloud-Services bieten Cloud-Umgebungen zusätzliche Mechanismen für die Integration externer Services, den Import und Export von Daten sowie die Konfiguration von Services und Ressourcen an. Mithilfe von Metaservices ist die integrierte Beschreibung sowohl der Funktionalität als auch der Qualitätseigenschaften von Integrations- und Konfigurationsmechanismen einer Cloud-Umgebung möglich. Auf diese Weise wird die Transparenz für die potenziellen Nutzer der Cloud-Umgebung deutlich erhöht und Lock-in-Effekte können vermindert werden.

The article discusses the sociological background and the general features of a new simulation toolbox, which was explicitly designed to describe, design and simulate multi-agent systems whose component agents are endowed with the capability to exchange norm invocations and to internalize norms, to develop codes of norms and to change them. This toolbox takes into account that normative behavior can only originate in the interpretation of norm invocations and the deliberate decision to abide by the emerging norms—otherwise what emerges is only a transitory regularity. Agents designed with the help of this toolbox are endowed with initial rule sets that they can vary over time, according to the experience gained.