Skip to content
Featured image: Zeitschriftenbeitrag: Big Data im Innovationsmanagement

Zeitschriftenbeitrag: Big Data im Innovationsmanagement

Wie Machine Learning die Suche nach Trends und Technologien revolutioniert

IpadTeaserIm April dieses Jahres haben Carolin Durst und Christian Mühlroth, ITONICS GmbH, zusammen mit Laura Kölbl & Michael Grottke, FAU Erlangen-Nürnberg, sowie Fabian Wiser, TU Braunschweig, den Artikel Big Data im Innovationsmanagement: Wie Machine Learning die Suche nach Trends und Technologien revolutioniertin der Zeitschrift „HMD Praxis der Wirtschaftsinformatik“ veröffentlicht. Der Artikel entstand im Rahmen des vom Bundesministerium für Bildung und Forschung geförderten ForschungsprojektsRADAR: Datengetriebenes Umfeldscanning für die Entscheidungen von morgen“. In dem Forschungsprojekt ist ITONICS aktiv an der Entwicklung eines automatisierten Umfeld-Scanning Systems für KMUs beteiligt.

Zusammenfassung

Erfolgreiches Innovationsmanagement ist insbesondere für große Unternehmen ein entscheidender Faktor für nachhaltige Wettbewerbsfähigkeit, Wachstum und Erfolg. Das Innovationsmanagement steht jedoch vor Herausforderungen wie dem hohen manuellen Aufwand bei der Suche nach relevanten Trends und Subjektivität bei deren Bewertung. Der Ansatz von Big Data Analytics scheint in diesem Bezug vielversprechend. In dem Artikel werden zunächst die Umfeldscanning-Aktivitäten eines deutschen Molkereiunternehmens und eines großen Automobilzulieferers betrachtet. Basierend auf erkannten Problemstellungen wird ein Umfeldscanningsystem vorgestellt, welches mittels maschinellen Lernens den Prozess des Trendscoutings und der Trendbewertung automatisieren kann. Schließlich wird anhand zweier praxisnaher Beispiele die Funktionsweise des entwickelten Systems veranschaulicht und Implikationen über den Einsatz des Systems bei kleinen und mittleren Unternehmen (KMUs) diskutiert.

Danksagung

Dieser Beitrag entstand im Rahmen des Forschungsvorhabens RADAR (Datengetriebenes Umfeld-Scanning für die Entscheidungen von morgen), das durch das BMBF unter dem Kennzeichen 02K16C190 gefördert wird.