Die Welt verändert sich rasant. Die Automobilindustrie steckt in einem strukturellen Wandel. Digitalisierung, Vernetzung, Automatisierung etablieren sich zunehmend in der Industrie und ermöglichen neue Chancen sowie Risiken für die globalen Player der Automobilzulieferer: Künstliche Intelligenz und Blockchain sind die wohl meist diskutierten Technologien in der Industrie.
Vor allem auch, weil die Digitalisierung derzeit die Wettbewerbsstärke von Unternehmen dominiert. Alle Beteiligten erhoffen sich distributive Ansätze zu generieren, die auf Basis dieser Technologien resultieren sollen. Denn KI spielt eine große Rolle bei der Übernahme menschlicher Aufgaben. Fahrzeuge werden in der Lage sein, komplexe und unvorhersehbare Verkehrssituationen zu interpretieren – autonomes Fahren und fliegende Autos sind die Zukunft.
Das Innovationspotenzial von Künstlicher Intelligenz und Blockchain bietet somit die Chance die ganze Branche in eine neue Ära zu führen. Hierfür ist aber eine Integration der Technologien in die Prozess- und Produktpalette unabdingbar und somit als zukünftiges strategisches Erfolgspotenzial einzustufen. Dieses Buch soll diesen Prozess unterstützen, indem es die Potenziale der Technologien aufgezeigt, relevante Anwendungsmöglichkeiten bewertet und die Veränderungen der Geschäftsmodelle der Automobilzulieferer erforscht werden.
Inhaltsverzeichnis
1 Einführung
1.1 Motivation
1.2 Zielsetzung der Arbeit und Forschungsfragen
1.3 Aufbau der Arbeit
2 Forschungsmethodik
2.1 Literatur- und Internetrecherche
2.2 Konferenzen und Interviews
3 Analyse der theoretischen Grundlagen
3.1 Grundlagen der Künstlichen Intelligenz
3.2 Grundlagen von Blockchain
3.3 Zieldefinition von Alleinstellungsmerkmalen
4 Interne Analyse der Automobilzuliefererindustrie
4.1 Die Global Player des Marktes
4.2 Segmentierung von Strategischen Geschäftseinheiten
4.3 Kooperation- und Personalmanagement
4.4 Anwendungsfelder von KI Technologien
4.5 Anwendungsfelder von Blockchain Technologien
5 Umfeldanalyse der Automobilzuliefererindustrie
5.1 PESTEL Analyse
5.2 Branchenstrukturanalyse
6 Differenzierung und Bewertung der Technologiefelder
6.1 Implementierungsfähigkeit der Technologien in den Anwendungsfeldern
6.2 Wertigkeits- und Potenzialanalyse der Technologien
6.3 Prioritätsmatrizen für die Technologien
7 Strategieformulierung
7.1 Strategische Vorteile der KI und Blockchain Technologien
7.2 SWOT Analyse
7.3 Roadsmaps zur nachhaltigen Digitalisierung der Zulieferer
8 Methoden zur Entwicklung
8.1 Design Thinking for Data Analytics
8.2 Der Scrum Framework
9 Zusammenfassung und Fazit
9.1 Reflexion der Vorgehensweise
9.2 These und Forschungsfragen
9.3 Fazit und Ausblick
Zielsetzung und thematische Schwerpunkte
Diese Arbeit untersucht das disruptive Potenzial von Künstlicher Intelligenz und Blockchain für die Automobilzuliefererindustrie, um Strategien für Wettbewerbsvorteile in einem sich wandelnden Marktumfeld zu entwickeln. Die zentrale Forschungsfrage fokussiert sich darauf, welche Wertigkeit diese Technologien für spezifische Anwendungsfelder besitzen und welche Möglichkeiten zur Erlangung von Alleinstellungsmerkmalen bestehen.
- Analyse theoretischer Grundlagen von KI und Blockchain
- Untersuchung interner Potenziale bei führenden Automobilzulieferern
- Anwendung der Nutzwertanalyse zur Bewertung technologischer Relevanz
- Ableitung strategischer Roadmaps für Digitalisierungsprozesse
- Kombination von Innovationsmethoden wie Design Thinking und Scrum
Auszug aus dem Buch
3.1 Grundlagen der Künstlichen Intelligenz
Die Theorie der Künstlichen Intelligenz existiert seit den 50er Jahren und ist durch die Definition von John McCarthy im Jahre 1956, im Rahmen einer Wissenschaftskonferenz, geprägt. Das in der Konferenz vorgestellte Computer Programm war das erste Programm, welches bewusst entwickelt wurde um die Fähigkeiten zur Problemlösung nachzuahmen. Die Wissenschaftler erforschten einen Suchbaum, der auf Regeln der Logik basiert und von dem Hauptsatz der Prädikatenlogik von Göbel geprägt ist. In den darauffolgenden Jahrzehnten entwickelte sich die Logik der Künstlichen Intelligenz immer weiter und führte zu Technologien wie Machine Learning und Deep Learning, die heute in vielen Systemen zum Einsatz kommen.
Der Durchbruch dieser Technologien basiert auf den immer schneller werdenden Rechnerleistungen und immer höherem Datenvolumen in der Welt. Weiterhin wurde der klassische Ansatz der Hypothesenbildung von Big Data Analysen verändert. Der klassische analytische Ansatz der Problemstellung wurde in einen auf Daten basierenden Ansatz überführt und ermöglicht eine neue Herangehensweise von explorativen Analysen in der Datenanalyse, welche in der folgenden Darstellung verdeutlicht ist.
Zusammenfassung der Kapitel
1 Einführung: Hinführung zur Thematik durch die Motivation, Zielsetzung und den Aufbau der Arbeit im Kontext des technologischen Wandels der Automobilindustrie.
2 Forschungsmethodik: Erläuterung des methodischen Vorgehens zur Untersuchung der Forschungsfragen, einschließlich Literaturrecherche, Experteninterviews und Konferenzen.
3 Analyse der theoretischen Grundlagen: Detaillierte Darstellung der Funktionsweise und Kategorisierung von Künstlicher Intelligenz, Blockchain-Technologien und den Definitionen strategischer Alleinstellungsmerkmale.
4 Interne Analyse der Automobilzuliefererindustrie: Untersuchung der Marktakteure, ihrer KI- und Blockchain-Aktivitäten sowie der Identifikation relevanter Anwendungsfelder.
5 Umfeldanalyse der Automobilzuliefererindustrie: Analyse externer Einflussfaktoren mittels PESTEL- und Branchenstrukturanalyse, um Chancen und Risiken für die Unternehmen zu identifizieren.
6 Differenzierung und Bewertung der Technologiefelder: Qualitative und quantitative Bewertung der Technologien anhand von Nutzwertanalysen und Prioritätsmatrizen.
7 Strategieformulierung: Entwicklung strategischer Ansätze zur Nutzung von KI und Blockchain, inklusive der Darstellung in Roadmaps und einer SWOT-Analyse.
8 Methoden zur Entwicklung: Beschreibung von Kreativitätsmethoden wie Design Thinking und Scrum zur Unterstützung bei der Implementierung neuer Technologien.
9 Zusammenfassung und Fazit: Reflexion der Arbeit, Beantwortung der Forschungsfragen sowie ein Ausblick auf zukünftige Entwicklungen und Forschungsbedarfe.
Schlüsselwörter
Künstliche Intelligenz, Blockchain, Automobilzuliefererindustrie, Autonomes Fahren, Digitalisierung, Industrie 4.0, Nutzwertanalyse, Deep Learning, Machine Learning, DLT, Innovationsmanagement, Strategieformulierung, Connected Services, Smart City.
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Masterarbeit befasst sich mit der disruptiven Kraft von Künstlicher Intelligenz (KI) und Blockchain-Technologien für die Automobilzuliefererindustrie und wie diese zur Generierung von Wettbewerbsvorteilen genutzt werden können.
Welches sind die zentralen Themenfelder?
Zentrale Felder sind das autonome Fahren, vernetzte Dienste (Connected Services), Industrie 4.0, Sensor Fusion sowie die strategische Neuausrichtung von Zuliefererunternehmen.
Was ist das primäre Ziel der Untersuchung?
Das Ziel ist es, die Potenziale und Wertigkeiten der verschiedenen KI- und Blockchain-Technologien systematisch zu bewerten und konkrete strategische Handlungsempfehlungen für die Zuliefererindustrie abzuleiten.
Welche wissenschaftliche Methode wird verwendet?
Neben einer umfassenden Literaturrecherche wird die Methode der Nutzwertanalyse eingesetzt, um Technologien quantitativ zu bewerten, ergänzt durch Fallstudien und Experteninterviews.
Was wird im Hauptteil behandelt?
Der Hauptteil analysiert die theoretischen Grundlagen der Technologien, führt eine interne Industrieanalyse und eine externe Umfeldanalyse durch, bewertet die Technologiefelder und formuliert schließlich strategische Roadmaps.
Welche Schlüsselwörter charakterisieren die Arbeit?
Zu den prägenden Begriffen gehören Künstliche Intelligenz, Blockchain, Automobilzuliefererindustrie, Autonomes Fahren, Digitalisierung, Nutzwertanalyse und Innovationsmanagement.
Wie unterscheidet sich der Tangle-Ansatz von der klassischen Blockchain?
Der Tangle, eine DLT-Variante, basiert auf einem gerichteten azyklischen Graphen (DAG). Er bietet eine höhere Skalierbarkeit und ermöglicht Transaktionen ohne Transaktionsgebühren, was ihn besonders für Machine-to-Machine-Zahlungen im Internet der Dinge prädestiniert.
Warum wird die Kombination aus Design Thinking und Scrum empfohlen?
Design Thinking ist stark in der Visions- und Strategiefindung, während Scrum die operative Implementierung in agilen Sprints steuert. Ihre Kombination deckt somit den gesamten Produktentwicklungszyklus optimal ab.
- Arbeit zitieren
- Stephan Röß (Autor:in), 2019, Künstliche Intelligenz und Blockchain in der Automobilzuliefererindustrie, München, GRIN Verlag, https://www.grin.com/document/540668
