Fraunhofer-Institut für Angewandte Informationstechnik FIT

Filters

4
4
Reset filters

Settings
Now showing 1 - 4 of 4
  • Publication
    Robotic Process Automation
    ( 2020)
    Hofmann, Peter
    ;
    Samp, Caroline
    ;
    Urbach, Nils
    Within digital transformation, which is continuously progressing, robotic process automation (RPA) is drawing much corporate attention. While RPA is a popular topic in the corporate world, the academic research lacks a theoretical and synoptic analysis of RPA. Conducting a literature review and tool analysis, we propose in a holistic and structured way four traits that characterize RPA, providing orientation as well as a focus for further research. Software robots automate processes originally performed by human work. Thus, software robots follow a choreography of technological modules and control flow operators while operating within IT ecosystems and using established applications. Ease-of-use and adaptability allow companies to conceive and implement software robots through (agile) projects. Organizational and IT strategy, governance structures, and management systems therefore must address both the direct effects of software robots automating processes and their indirect impacts on firms.
  • Publication
    Machine Learning Approaches along the Radiology Value Chain - Rethinking Value Propositions
    ( 2019)
    Hofmann, Peter
    ;
    Oesterle, Severin
    ;
    Rust, Paul
    ;
    Urbach, Nils
    Radiology is experiencing an increased interest in machine learning with its ability to use a large amount of available data. However, it remains unclear how and to what extent machine learning will affect radiology businesses. Conducting a systematic literature review and expert interviews, we compile the opportunities and challenges of machine learning along the radiology value chain to discuss their implications for the radiology business. Machine learning can improve diagnostic quality by reducing human errors, accurately analysing large amounts of data, quantifying reports, and integrating data. Hence, it strengthens radiology businesses seeking product or service leadership. Machine learning fosters efficiency by automating accompanying activities such as generating study protocols or reports, avoiding duplicate work due to low image quality, and supporting radiologists. These efficiency improvements advance the operational excellence strategy. By providing personnel and proactive medical solutions beyond the radiology silo, machine learning supports a customer intimacy strategy. However, the opportunities face challenges that are technical (i.e., lack of data, weak labelling, and generalisation), legal (i.e., regulatory approval and privacy laws), and persuasive (i.e., radiologists resistance and patients distrust). Our findings shed light on the strategic positioning of radiology businesses, contributing to academic discourse and practical decision-making.
  • Publication
    KI - Eine Aufgabe für das ganze Unternehmen
    ( 2019)
    Urbach, Nils
    ;
    Hofmann, Peter
    ;
    Protschky, Dominik
    Ein 35-jähriger Rundenrekord auf dem Nürburgring wird dank dem Einsatz von Künstlicher Intelligenz (KI) um eindrucksvolle 51,58 Sekunden unterboten. Die Maschine schlägt den Menschen jetzt auch beim Pokern und beherrscht dabei sogar das Bluffen. Es vergeht kaum eine Woche, in der kein neuer Durchbruch im KI-Wettrennen verkündet wird. Eben diese technischen Durchbrüche erzeugen abermals hohe Erwartungen an das Potenzial der Technologie. Wer im KI-Wettrennen nicht abgehängt werden möchte, steht vor der Herausforderung, die Technologie und ihre Anwendungen im Gesamtunternehmenskontext zu verankern. So werden sich die CxOs schon bald wünschen, bereits früher über ihre KI-Strategie nachgedacht zu haben.
  • Publication
    KI, mein Freund und Helfer - Herausforderungen und Implikationen für die Mensch-KI-Interaktion
    (Ernst & Young, 2019)
    Alan, Yilmaz
    ;
    Urbach, Nils
    ;
    Hinsen, Silvana
    ;
    Jöhnk, Jan
    ;
    Beisel, Patrick
    ;
    Weißert, Malte
    ;
    Blumenthal, Stephan
    ;
    Hofmann, Peter
    Künstliche Intelligenz durchdringt unser Privat- und Berufsleben immer stärker und ist bereits fester Bestandteil davon. Wir als Menschen sehen uns damit der Herausforderung gegenüber, in unserem Alltag immer öfter mit KI zu interagieren. Wer KI-Lösungen gestaltet, sollte sich daher nicht nur auf ihre technologische Weiterentwicklung fokussieren, es muss auch gleichermaßen um die Interaktion zwischen Mensch und KI gehen. Basierend auf einer fundierten wissenschaftlichen Recherche und ergänzenden Interviews mit KI-Experten und -Lösungsanbietern vermittelt die vorliegende Studie ein umfangreiches Verständnis der heutigen und zukünftigen Mensch-KI-Interaktion. Darüber hinaus widmet sie sich den korrespondierenden Implikationen. Im Zuge der Analyse wurden fünf unterschiedliche Interaktionstypen identifiziert, die sich anhand ihrer charakteristischen Interaktionsdimensionen und Bewertungsmerkmale abgrenzen lassen. Diese Interaktionstypen typisieren wir anhand der Begriffe ""Schutzengel"", ""Heinzelmännchen"", ""Informant"", ""Kollege"" und ""bester Freund"". Sie lassen sich drei unterschiedlichen Gruppen zuordnen: KI als Automat, KI als vielfältiger Helfer und KI als Partner. Darüber hinaus unterliegen Mensch-KI-Interaktionen einer Vielzahl von Einflussfaktoren. Hierbei hat sich gezeigt, dass die menschliche Erwartungshaltung in der Interaktion mit KI-Lösungen durch deren Transparenz, Personalisierung und Anthropomorphologie beeinflusst wird. Interaktionen, die dieser Erwartungshaltung gerecht werden, schaffen mit der Zeit Akzeptanz und Vertrauen gegenüber einer KI-Lösung. Akzeptanz und Vertrauen wirken sich wiederum auf die Erwartungshaltung und auf die Gestalt zukünftiger Interaktionen aus. Mit Blick auf die zukünftige Mensch-KI-Interaktion haben wir zehn Thesen formuliert, welche die wesentlichen Veränderungen dieser Interaktion zusammenfassen. Dabei geht es nicht nur um die erfolgreiche Gestaltung heutiger Anwendungsszenarien, ebenso kommt es auf die Vorbereitung zukünftiger Entwicklungen an. Daher müssen Unternehmen in den Bereichen Strategie, Technologie und Organisation mit Bedacht agieren. Die Studie stellt diese Bereiche den relevanten Chancen wie auch Herausforderungen gegenüber und zeigt korrespondierende Handlungsfelder auf.