• English
  • Deutsch
  • Log In
    Password Login
    Research Outputs
    Fundings & Projects
    Researchers
    Institutes
    Statistics
Repository logo
Fraunhofer-Gesellschaft
  1. Home
  2. Fraunhofer-Gesellschaft
  3. Artikel
  4. Bedeutung der KI-gestützten Wissensabsorptionsfähigkeit für die Kernkompetenzen der Zukunft
 
  • Details
  • Full
Options
2022
Book Article
Title

Bedeutung der KI-gestützten Wissensabsorptionsfähigkeit für die Kernkompetenzen der Zukunft

Abstract
Um ihre Kompetenzen an die durch die Digitalisierung entstehenden neuen Anforderungen ständig anpassen zu können, müssen Unternehmen in der Lage sein, große Datenmengen zu bewältigen und zu nutzen. Ein zentraler Erfolgsfaktor ist dabei ihre Wissensabsorptionsfähigkeit als ein Bündel an Routinen und Prozessen zur Entdeckung neuer Potenziale in internen und externen Daten bzw. Wissensbeständen sowie zur Implementierung dieser in Innovationsprozessen. In diesem Zusammenhang sind sich Forschung und Praxis darüber einig, dass diese Prozesse ohne Unterstützung von avancierten digitalen Technologien kaum mehr vorstellbar sind. Eine wesentliche Rolle spielt dabei künstliche Intelligenz (KI) als Schlüsseltechnologie, die sich im Lauf der letzten Jahre rasant weiterentwickelt hat. Die Managementliteratur hat sich bislang jedoch kaum mit den praktischen Synergiepotenzialen der Wissensabsorptionsfähigkeit und KI beschäftigt. In diesem Beitrag stellen wir einen ersten analytischen Bezugsrahmen zur Analyse der unternehmensspezifischen Synergien zwischen den Routinen und Prozessen der Wissensabsorption und der KI vor. Basierend auf zwei Fallbeispielen aus der Praxis präsentieren wir unterschiedliche, potenzielle Anwendungsfälle, bei denen der Einsatz der KI-gestützten Wissensabsorption zur besseren Unternehmensperformance führen kann.
Author(s)
Horvat, Djerdj  
Fraunhofer-Institut für System- und Innovationsforschung ISI  
Heimberger, Heidi  orcid-logo
Fraunhofer-Institut für System- und Innovationsforschung ISI  
Mainwork
Zukunftsnavigator Deutschland  
DOI
10.1007/978-3-662-64902-2_12
Language
German
Fraunhofer-Institut für System- und Innovationsforschung ISI  
  • Cookie settings
  • Imprint
  • Privacy policy
  • Api
  • Contact
© 2024