Big Data, Data Analytics und Industrie 4.0 Herausforderungen für die Wettbewerbspolitik
|
|
- Margarete Cornelia Geisler
- vor 7 Jahren
- Abrufe
Transkript
1 Big Data, Data Analytics und Industrie 4.0 Herausforderungen für die Wettbewerbspolitik Ulrich Schwalbe Universität Hohenheim und NERA 04. November 2016 Hamburger Tagung zur Digitalen Ökonomie Interdisziplinärer Workshop: Big Data, Datenschutz und Wettbewerb U. Schwalbe (Universität Hohenheim und NERA) Big Data, Data Analytics und Industrie November / 27
2 Gliederung Ökonomische Eigenschaften von Big Data Wettbewerbsprobleme durch Big Data? Datenanalyse und maschinelles Lernen Industrie 4.0 und das Internet der Dinge Fazit U. Schwalbe (Universität Hohenheim und NERA) Big Data, Data Analytics und Industrie November / 27
3 Einleitung In der Wirtschaftswissenschaft: Kein Konsens über die Auswirkungen von Big Data auf den Wettbewerb. Einerseits: Große Datenmengen führen zu erheblicher Marktmacht, zu marktbeherrschenden Positionen, die aufgrund von direkten undindirekten Netzeffekten nicht angreifbar sind. Diese marktbeherrschenden Positionen könnten missbräuchlich ausgenutzt werden. Andererseits: Big Data begründen keine Marktmacht geschaffen, lediglich in Einzelfällen und in spezifischen Bereichen wie der Fusionskontrolle, können Probleme auftreten. Wenn es Probleme gibt, dann ist das Wettbewerbsrecht nicht das richtige Instrument, um diese Probleme zu lösen. U. Schwalbe (Universität Hohenheim und NERA) Big Data, Data Analytics und Industrie November / 27
4 Positive Wirkungen von Big Data Positive Wirkungen von Big Data: 1 Durch präzisere Daten über die Nutzer und ihr Verhalten, ihre Bedürfnisse und Präferenzen kann die Qualität der angebotenen Produkte und Dienstleistungen verbessert werden. 2 Dies führt auch zu mehr Innovationen. 3 Durch die Einnahmen aufgrund zielgerichteter Werbung können zahlreiche Leistungen kostenlos bereitgestellt werden. 4 Positive Aspekte auch z.b. im Gesundheitswesen verbesserte Diagnostik, Früherkennung von Epidemien etc. U. Schwalbe (Universität Hohenheim und NERA) Big Data, Data Analytics und Industrie November / 27
5 Ökonomische Eigenschaften von Big Data I Daten sind nichtausschließbar und nichtrivalisierend Das Sammeln der Daten durch ein Unternehmen hindert ein anderes nicht daran, die gleichen Daten zu sammeln (Nichtausschließbarkeit). Die gleichen Daten können von mehreren Unternehmen erhoben und auch wiederholt genutzt werden (Nichtrivalität). Viele Verbraucher nutzen mehrere Plattformen, denen sie ihre Daten zur Verfügung stellen (multi-homing). Vergleiche von Daten mit herkömmlichen Inputfaktoren (Öl) sind daher irreführend - eher mit Sonnenstrahlen vergleichbar (Nuys (2016)). Daten stellen daher auch keine wesentliche Einrichtung (essential facility) dar weder handelt es sich um eine Infrastruktureinrichtung, noch ist die Eigenschaft der Wesentlichkeit erfüllt. U. Schwalbe (Universität Hohenheim und NERA) Big Data, Data Analytics und Industrie November / 27
6 Ökonomische Eigenschaften von Big Data II Daten sind weitverbreitet, preiswert und einfach zu beschaffen Daten werden von den Nutzern permanent erzeugt durch Nutzung von Internet und Smartphone generieren sie ständig Informationen über ihre Bedürfnisse, Präferenzen und Gewohnheiten. Daten können einfach gesammelt werden, erforderliche Hardware zur Speicherung ist preiswert und entsprechende Software steht zur Verfügung. Auch Offline-Unternehmen (z.b. Supermärkte) sammeln Daten über ihre Kunden. Zahlreiche Quellen: Cookies (werden von fast allen Online-Unternehmen verwendet), Datenhändler wie Acxiom oder Datalogix, Auswertung von Social Media Daten etc. Es werden beständig neue Datenquellen erschlossen (Internet of Things: Fernseher, Autos, Wearables). Wichtig: Unterscheidung zwischen dem Sammeln und Speichern von Daten einerseits und ihrer Auswertung und Nutzung. U. Schwalbe (Universität Hohenheim und NERA) Big Data, Data Analytics und Industrie November / 27
7 Ökonomische Eigenschaften von Big Data III Verschiedene Plattformen benötigen unterschiedliche Daten Stärkere Differenzierung von Online-Plattformen z.b. viele alternative vertikale Suchmaschienen, Reiseportale, spezialisierte Online-Händler, Partnerbörsen, Preisvergleichsplattformen etc. Diese benötigen zum Teil sehr unterschiedliche Daten, derenwertfür verschiedene Geschäftsfelder stark variieren kann. Neue Unternehmen können bislang unbesetzte Nischen erschließen, in der etablierte Unternehmen nicht über die erforderlichen Daten verfügen. Die Tatsache, dass manche Unternehmen über große Datenbestände verfügen, hindert andere Unternehmen nicht daran, ebenfalls erfolgreich zu sein. U. Schwalbe (Universität Hohenheim und NERA) Big Data, Data Analytics und Industrie November / 27
8 Ökonomische Eigenschaften von Big Data IV Der Wert von Daten verfällt sehr schnell, ihr Grenzerlös nimmt stark ab Alte Daten haben einen deutlich geringeren Wert als aktuelle. Bei häufig vorkommenden Anfragen (head queries), z.b. Bundesliga, Grippesymptome, Schwangerschaft, ist der Nutzen zusätzlicher Anfragen schon bei wenigen Anfragen nahe null. Bei seltenen Anfragen (tail queries), z.b. Fragen mit mehreren Begriffen, nach spezifischen Produkten, Modellnummern, Anfragen mit Schreibfehlern etc. könnten etablierte Unternehmen einen Vorteil haben. Aber: Viele Anfragen (ca. 15%) sind selbst für Google neu. Für relevante Suchergebnisse auf tail queries sind vor allem eine gute Programmierung und die Nutzung weiterer Datenquellen erforderlich. Wettbewerber müssen nicht den gleichen Datenbestand akkumulieren wie etablierte Unternehmen, sondern vor allem müssen sie relevante und aktuelle Daten beschaffen. U. Schwalbe (Universität Hohenheim und NERA) Big Data, Data Analytics und Industrie November / 27
9 Ökonomische Eigenschaften von Big Data V Daten allein reichen nicht aus Ein großer Datenbestand reicht nicht, um geschäftlich erfolgreich zu sein. Wesentlich: 1 die Fähigkeiten und Instrumente, die vorhandenen Daten auszuwerten oft entscheidet die Qualität des für maschinelles Lernen eingesetzten Algorithmus über die Güte der Ergebnisse; 2 den Schritt von bloßen Korrelationen zu nutzbaren Kausalbeziehungen zu machen; 3 hierzu ist eine Big Data Strategie als Kombination organisatorischer, IT-technischer und analytischer Fähigkeiten erforderlich, um die Daten erfolgreich zu nutzen; 4 eine gute Geschäftsidee dannkönnen auch neue Unternehmen sehr schnell erfolgreich werden (Uber, Airbnb, Tinder, Snapchat etc.) Kein eindimensionaler Zusammenhang zwischen Datenmenge, der Qualität des Angebots und dem Geschäftserfolg. U. Schwalbe (Universität Hohenheim und NERA) Big Data, Data Analytics und Industrie November / 27
10 Wettbewerb und Big Data Vermeintliche Wettbewerbsprobleme durch Big Data 1 Verringerte Qualität von Gütern und Dienstleistungen und weniger Innovationen. 2 Schaffung unangreifbarer marktbeherrschender Positionen aufgrund von Skalen und Netzeffekten sowie von Marktzutrittsschranken (Big Data als wesentliche Einrichtung). 3 Dadurch auch missbräuchliches Verhalten, z.b. Preisdiskriminierung. 4 Wettbewerbsprobleme aufgrund datengetriebener Fusionen Qualitätsverringerung in Form geringeren Datenschutzes. U. Schwalbe (Universität Hohenheim und NERA) Big Data, Data Analytics und Industrie November / 27
11 Vermeintliche Wettbewerbsprobleme aufgrund von Big Data II Verringerte Qualität und Innovation I Argument: Kleinere Firmen können nicht die gleiche Qualität anbieten wie große Unternehmen mit großen Datenbeständen. Bei Suchmaschinen: Mehr Anfragen, bessere Ergebnisse, zielgerichtetere Werbung, mehr Einnahmen, höhere Qualität. Kleinere Firmen können nicht mithalten der Abstand zwischen den Firmen vergrößert sich. Große Firmen könnten die Qualität der Suchergebnisse dann sogar etwas verringern. Außerdem ermöglichen die besseren Daten großen Firmen, Trends und Moden schneller zu erkennen und darauf zu reagieren. Kleinere Firmen, die nicht den Zugang zu diesen Daten haben, werden dadurch entmutigt, Investitionen zu tätigen. U. Schwalbe (Universität Hohenheim und NERA) Big Data, Data Analytics und Industrie November / 27
12 Vermeintliche Wettbewerbsprobleme aufgrund von Big Data III Verringerte Qualität und Innovation II Gegenposition: Gibt es hierfür empirische Evidenz? Viele Internetunternehmen (z.b. Suchmaschinen) zweiseitige Märkte. Auch die andere Seite des Marktes, die Anzeigenkunden sind zu berücksichtigen. Um effizient zu operieren, muss eine Plattform einen Ausgleich zwischen der Qualität der Suche einerseits und den Interessen der Anzeigenkunden andererseits anstreben. Die bessere Vorhersage von Trends ist aber auch wettbewerbsfördernd, weil sie den Marktführer zu entsprechenden Investitionen veranlasst. U. Schwalbe (Universität Hohenheim und NERA) Big Data, Data Analytics und Industrie November / 27
13 Vermeintliche Wettbewerbsprobleme aufgrund von Big Data IV Netzwerkeffekte und Marktzutrittsschranken I Argument: Big Data können eine Marktzutrittsschranke bilden. Big Data führen zu Rückkopplungseffekten: den Nutzer-Rückkopplungseffekt: Mehr Nutzer, mehr Suchanfragen, bessere Suchergebnisse, mehr Nutzer etc. den Monetisierungs-Rückkopplungseffekt: Mehr Nutzer, mehr Nutzerdaten, zielgenauere Werbung, höhere Einnahmen, bessere Qualität, mehr Nutzer etc. Hinzu kommen (direkte und indirekte) Netzwerkeffekte. Diese führen zu einem winner takes all Markt und bilde eine Marktzutrittsschranke. U. Schwalbe (Universität Hohenheim und NERA) Big Data, Data Analytics und Industrie November / 27
14 Vermeintliche Wettbewerbsprobleme aufgrund von Big Data V Netzwerkeffekte und Marktzutrittsschranken II Gegenposition: Unternehmen können anfangs auch ohne große Mengen an Nutzerdaten erfolgreich sein. Erforderliche Daten können aus anderen Quellen beschafft werden. Grenznutzen zusätzlicher Daten nimmt stark ab keine großen Skaleneffekte. Anzeigenkunden: Viele Unternehmen schalten Anzeigen auf verschiedenen Plattformen (Multi-homing), da Fixkosten für Werbung gering. Zahlungsmodus pay-per-click: auf großen Plattformen bessere Konversionsraten, aber auch höhere Preise - bei kleineren Plattformen geringere Konversionsraten, aber niedrigere Preise. Viele Anzeigen auf einer Seite verringern die Qualität des Angebots, begrenzter Platz und Wettbewerb führt zu Überfüllung. Anzeigen auf kleineren Plattformen mit weniger Überfüllung können profitabler sein. U. Schwalbe (Universität Hohenheim und NERA) Big Data, Data Analytics und Industrie November / 27
15 Vermeintliche Wettbewerbsprobleme aufgrund von Big Data VI Netzwerkeffekte und Marktzutrittsschranken III Netzwerkeffekte sind nicht besonders stark oft sind sie nur einseitig. Mehr Nutzer sind für Anzeigenkunden positiv, gilt aber umgekehrt nur begrenzt. Daher auch kein Nutzer Lock-in. Anders bei sozialen Medien, in denen direkte Netzwerkeffekte stark sein können. Aber auch hier: differenzierte Plattformen mit spezialisierten Angeboten. Wichtig hier: Datenportabilität (vgl. neue EU-Datenschutz-Grundverordnung) Nutzer werden daher zu besseren Angeboten wechseln und die Anzeigenkunden werden folgen. U. Schwalbe (Universität Hohenheim und NERA) Big Data, Data Analytics und Industrie November / 27
16 Vermeintliche Wettbewerbsprobleme aufgrund von Big Data VII Preisdiskriminierung Big Data kann zu einer Verstärkung einer personalisierten Preissetzung führen. Risiko-basierte Preissetzung (Versicherungen) kann Probleme adverser Selektion oder Moral hazard adressieren - dies wirkt tendenziell wohlfahrtserhöhend. Bei Konsumgütern könnte dies dazu führen, dass einige Konsumenten mehr zahlen als ohne Big Data. Aber: Verbesserte Preisinformationen durch Online-Preisvergleiche Und: Viele Konsumenten zahlen einen geringeren Preis als ohne Daten. Dies könnte insgesamt zu einer effizienteren Allokation führen. Bisher war ein Seniorenrabatt ja auch kein Wettbewerbsproblem. U. Schwalbe (Universität Hohenheim und NERA) Big Data, Data Analytics und Industrie November / 27
17 Vermeintliche Wettbewerbsprobleme aufgrund von Big Data VIII Datengetriebene Fusionen wettbewerbliche Wirkungen I Führt ein Zusammenschluss dazu, dass der Wettbewerb bezüglich der Nicht-Preis-Komponente Datenschutz verringert wird? Definition eines eigenständigen Datenmarktes, umdatenmachtzu ermitteln. Probleme: Marktanteile wären selbst für Google oder Facebook sehr gering kein Unternehmen kontrolliert auch nur einen kleinen Anteil aller Daten. Außerdem: Nichtrivalität und Nichtausschließbarkeit. Durch das Internet der Dinge steigt die verfügbare Datenmenge exponentiell an. Daten werden von den Unternehmen nicht ge- oder verkauft es gibt keine Kunden, keine Austauschbeziehungen, keine Substitution hypothetischer Monopolistentest nicht anwendbar. Andere Situation läge bei einem Zusammenschluss von Datenhändlern vor! U. Schwalbe (Universität Hohenheim und NERA) Big Data, Data Analytics und Industrie November / 27
18 Vermeintliche Wettbewerbsprobleme aufgrund von Big Data IX Datengetriebene Fusionen wettbewerbliche Wirkungen II Datenschutz (privacy) als Qualitätsbestandteil eines Produktes Ist die Verfügung über große Datenmengen bereits eine Qualitätsverschlechterung? Hat ein Unternehmen nach einer Fusion die Möglichkeiten und den Anreiz, die Qualität seines Angebots in Form eines verringerten Datenschutzes einzusetzen? Probleme bei nichthorizontalen Fusionen: Fusion großer und diversifizierter Datenbestände könnte zu einer Verringerung des Wettbewerbs führen. Aufgreifkriterien auch anhand des Transaktionswertes. Auflagen: Lizensierter Zugang zu Datenbeständen falls dem keine datenschutzrechtlichen Regeln entgegenstehen. U. Schwalbe (Universität Hohenheim und NERA) Big Data, Data Analytics und Industrie November / 27
19 Vermeintliche Wettbewerbsprobleme aufgrund von Big Data X Datengetriebene Fusionen wettbewerbliche Wirkungen III Fusionen können durch Datenfusion zu Effizienzgewinnen in Form verbesserter Angebotsqualität (bessere Service, informativere Empfehlungen, mehr kostenlose Leistungen) führen. Möglichkeit einer späteren Übernahme könnte auch zu mehr Markteintritten und mehr Innovationen führen. U. Schwalbe (Universität Hohenheim und NERA) Big Data, Data Analytics und Industrie November / 27
20 Zwischenfazit Sammeln und Auswerten von Daten ist daher wichtiger Bestandteil des Wettbewerbsprozesses! Aufgrund der Eigenschaften von Big Data gibt es aus ökonomischer Sicht keine starken Vermutungen, dass dadurch erhebliche und neuartige Wettbewerbsprobleme begründet werden. Die bislang vorgelegten Schadenstheorien sind weder theoretisch noch empirisch überzeugend. Eventuelle Probleme, die aufgrund von Big Data entstehen können, sollten besser durch Verbraucher- bzw. Datenschutzregelungen adressiert werden. Allerdings könnten durch den verstärktem Einsatz künstlicher Intelligenz und der Erhöhung der Markttransparenz im Zusammenhang mit dem Internet der Dinge und der Industrie 4.0 Wettbewerbsprobleme entstehen. U. Schwalbe (Universität Hohenheim und NERA) Big Data, Data Analytics und Industrie November / 27
21 Datenanalyse und maschinelles Lernen Datenanalyse und maschinelles Lernen Methoden, mittels komplexer Modelle und Algorithmen große unstrukturierte Datenmengen auszuwerten mit dem Ziel, aufgrund historischer Beziehungen unterliegende Zusammenhänge, Muster und Trends in den Daten zu erkennen bzw. zu erlernen und Vorhersagen über künftige Entwicklungen zu treffen sowie Entscheidungen darauf zu basieren. U. Schwalbe (Universität Hohenheim und NERA) Big Data, Data Analytics und Industrie November / 27
22 Data Analytics und maschinelles Lernen II Mögliche Wettbewerbsbeschränkende Wirkungen Maschinelles Lernen in Verbindung mit algorithmischer Preissetzung könnte zu einem kollusiven Verhalten der Unternehmen beitragen. Autonome Algorithmen könnten als eines von mehreren Ergebnissen lernen, sich kollusiv zu verhalten und einen höheren Preis, z.b. den Monopolpreis verlangen. Kollusives Verhalten als Ergebnis maschinellen Lernens Wäre dies eine wettbewerbsbeschränkende Vereinbarung im Sinne von 19 GWB oder Art. 101 TFEU? Wettbewerbsrecht und künstliche Intelligenz? Explizite Vereinbarungen könnten mglw. bei der Programmierung der Algorithmen ausgeschlossen werden. Wäre modifizierte Definition von abgestimmten Verhaltensweisen, Vereinbarungen etc. sinnvoll oder sollten in den Algorithmen selbst entsprechende Regeln implementiert werden? Ethische Fragen (wie bei autonomem Fahren) aufwerfen: Kann sichergestellt werden, dass selbstlernende Algorithmen sich gesetzeskonform verhalten? U. Schwalbe (Universität Hohenheim und NERA) Big Data, Data Analytics und Industrie November / 27
23 Industrie 4.0 Beschreibung der Industrie Verstärkter Einsatz von Computern, von Automatisierung und Datenaustausch in Unternehmen. Ziel sind intelligente Fabriken, mit großer Anpassungsfähigkeit, effizientem Ressourceneinsatz und Industriedesign sowie der Integration von Kunden und Geschäftspartnern in den Wertschöpfungsprozess. Technologische Basis: Cyber-physikalische Systeme die sowohl miteinander als auch mit den beteiligten Menschen in Echtzeit kommunizieren undkooperieren. Diese Leistungen werden sowohl innerhalb eines Unternehmens bereitgestellt und als auch von anderen Akteuren der Wertschöpfungskette genutzt. Welche spezifischen Faktoren gibt es in der Industrie 4.0, die nicht auch in der heutigen Industrie vorhanden sind? Das Internet der Dinge Einsatz von Big Data -auchmaschinengeneriertedatenalsessentieller Bestandteil. Machinelles Lernen -AlgorithmischePreissetzung Welche Auswirkungen könnten diese Aspekte auf den Wettbewerb in der Industrie 4.0 haben? U. Schwalbe (Universität Hohenheim und NERA) Big Data, Data Analytics und Industrie November / 27
24 Das Internet der Dinge Effizienzen Was ist das Internet der Dinge (Internet of Things IoT)? Netz physischer Objekte (Haushalts)Geräte, Fahrzeuge, Gebäude, Maschinen und andere Dinge mit Elektronik, Software, Sensoren und Netzanbindung ausgestattet. Daten können gesammelt und ausgetauscht werden. IoT generiert große Datenmengen von vernetzten Konsumgütern und durch Kommunikation zwischen Maschienen (M2M) innerhalb einer Firma aber auch zwischen Unternehmen im gleichen Wertschöpfungsnetzwerk, u.u. auch im gleichen Markt. Effizienz innerhalb einer smart factory auch auch eines intelligenten supply networks wird erhöht (weniger ungenutzte Kapazitäten, höhere Nutzungsgrade, bessere Lagerhaltung, bessere Wartung und Qualtitätskontrolle) Erhöhte Effizienz: Kosteneinsparungen, Qualitätsverbesserungen, niedrigere Preise und höhere Konsumentenwohlfahrt. Kleinere Losgrößen, kundenspezifische Produkte mit besserer Berücksichtigung der Anforderungen und Präferenzen. U. Schwalbe (Universität Hohenheim und NERA) Big Data, Data Analytics und Industrie November / 27
25 Industrie Wettbewerbsprobleme Verstärkter Informationsaustausch zwischen Wettbewerbern führen (vor allem in Produktionsnetzwerken) entwder direkt oder durch gemeinsam genutzte Datendrehscheibe (cloud computing). Individualisierte und aktuelle Informationen über Wettbewerber durch das Teilen von IoT-Daten werden ermöglicht (z.b. über Technologiem Kostenstrukturen, Kundengruppen, Preissetzung etc. Verringerte Unsicherheit über die Wettbewerber, höhere Markttransparenz und einfachere Aufdeckung einer Abweichung von einem kollusiven Gleichgewicht Höhere Wahrscheinlichkeit kollusiven Verhaltens. höhere Preise und geringere Konsumentenwohlfahrt. Kontrolle des Informationsaustauschs zwischen Wettbewerbern. Aber: Trade off zwischen höherer statischer und dynamischer Effizienz und dem Risiko koordinierten Verhaltens. U. Schwalbe (Universität Hohenheim und NERA) Big Data, Data Analytics und Industrie November / 27
26 Fazit Weder theoretisch noch empirisch ist erkennbar, dass Big Data zu erheblichen Wettbewerbsproblemen führen, die nicht mit den zur Verfügung stehenden Instrumenten des Wettbewerbsrechts gelöst werden könnten. Bestenfalls in der Fusionskontrolle könne eine Anpassung der Aufgreifkriterien (Wert der Transaktion) erforderlich sein. Probleme bezüglich des Verbraucher- oder Datenschutzes sollten mit anderen Instrumenten gelöst werden als mit dem Wettbewerbsrecht. Aber: mögliche Wettbewerbsprobleme aufgrund maschinellen Lernens, algorithmischer Preissetzung und Informationsaustauschs zwischen Wettbewerbern durch das IoT und in der Industrie 4.0. U. Schwalbe (Universität Hohenheim und NERA) Big Data, Data Analytics und Industrie November / 27
27 Vielen Dank für Ihre Aufmerksamkeit! Prof. Dr. Ulrich Schwalbe Lehrstuhl für Mikroökonomie insbesondere Industrieökonomie Insitut für Volkswirtschaftslehre Universität Hohenheim U. Schwalbe (Universität Hohenheim und NERA) Big Data, Data Analytics und Industrie November / 27
DATENHANDEL UND PLATTFORMEN
DATENHANDEL UND PLATTFORMEN (Ralf Dewenter und Hendrik Lüth) Berlin, 18.10.2018 Das Projekt ABIDA Assessing Big Data, Big Data Begleitforschung wird vom BMBF gefördert (Förderkennzeichen 01 S15016A-F)
MehrKartellrecht und Big Data eine Revolution?
Kartellrecht Summit 2015 Bundesverband der Unternehmensjuristen Kartellrecht und Big Data eine Revolution? Stephan Manuel Nagel, LL.M. Frankfurt a.m., 6. Oktober 2015 1. Möglicher Einfluss von Big Data
MehrPotentiale der Digitalisierung Herausforderungen gestalten. Prof. Dr. Christoph Meinel Dekan, Institutsdirektor und CEO Hasso-Plattner-Institut
Herausforderungen gestalten Prof. Dr. Christoph Meinel Dekan, Institutsdirektor und CEO Hasso-Plattner-Institut Herzlich Willkommen zur skonferenz Brandenburg 2018! Die Digitale Transformation ist, nach
MehrCLOUD STRATEGY CLOUD STRATEGY
CLOUD STRATEGY Unternehmen gehen zunehmend zu Everything-as-a-Service -Modellen über, zu Cloud-Lösungen und Software-definierten Umgebungen, bleiben aber weiterhin von herkömmlichen internen Systemen für
MehrNomos. Wettbewerbspolitik: Herausforderung digitale Märkte. Sondergutachten 68. Monopolkommission
Monopolkommission Sondergutachten 68 Wettbewerbspolitik: Herausforderung digitale Märkte Sondergutachten der Monopolkommission gemäß 44 Abs. 1 Satz 4 GWB Nomos Sondergutachten der Monopolkommission Band
MehrENTWICKLUNG NETZWERKFÄHIGER MASCHINEN UND ANLAGEN. Alois Wiesinger
ENTWICKLUNG NETZWERKFÄHIGER MASCHINEN UND ANLAGEN Alois Wiesinger AGENDA Fill your Future Industrielle Transformation aktuelle Entwicklung und deren Konsequenzen Voraussetzung die digitale Strategie Umsetzungsbeispiel
MehrHerausforderung digitale Märkte. Sondergutachten der Monopolkommission gemäß 44 Abs. 1 Satz 4 GWB
Monopolkommission Sondergutachten 68 Wettbewerbspolitik: Herausforderung digitale Märkte Sondergutachten der Monopolkommission gemäß 44 Abs. 1 Satz 4 GWB Nomos Inhaltsverzeichnis Vorwort 10 Kurzfassung
Mehr2. Mikroökonomik und Wirtschaftspolitik
2. Mikroökonomik und Wirtschaftspolitik Folie 1 2. Mikroökonomik und Wirtschaftspolitik 2.1 2.2 Wettbewerbspolitik Umweltpolitik Folie 2 2.1 Wettbewerbspolitik Ziel Schutz des funktionsfähigen Wettbewerbs
MehrAgrarportale online, Schnittstellen, Datenhoheit und Datensicherheit
Agrarportale online, Schnittstellen, Datenhoheit und Datensicherheit Chancen und Risiken der Digitalisierung Westerstede, 27.04.2017 Prof. Dr. Michael Clasen Prof. Dr. Michael Clasen 27.04.2017 Seite 1
Mehr3. Industrielle Revolution
Industrie 4.0 - Das nächste Produktionslevel 1. Industrielle Revolution Wasser und Dampf 2. Industrielle Revolution Elektrizität, Massenproduktion 3. Industrielle Revolution Automatisierung 4. Digitalisierung
MehrCLOUD FOR IOT. Die Informationen, die von vernetzten Objekten erzeugt werden, in Echtzeit erfassen und verwalten.
CLOUD FOR IOT Die Informationen, die von vernetzten Objekten erzeugt werden, in Echtzeit erfassen und verwalten. REPLY 2 CLOUD FOR IOT Das Internet der Dinge (Internet of Things, IoT) ändert die Art und
MehrAnaloges Kartellrecht für digitale Märkte?
Perspektiven des Wirtschaftsrechts: Kartellrecht, Versicherungsrecht, europäisches Wirtschaftsrecht, Bank- und Kapitalmarktrecht Analoges Kartellrecht für digitale Märkte? Prof. Dr. Torsten Körber, LL.M.
MehrDigitale Transformation von Wirtschaft und Gesellschaft
acatech DEUTSCHE AKADEMIE DER TECHNIKWISSENSCHAFTEN Digitale Transformation von Wirtschaft und Gesellschaft Johannes Melzer Berlin, 25. Januar 2017 Megatrend Digitalisierung Neue Aspekte > SmartX: Digital
MehrSicher und wertschöpfend Cloud-basierte Services
Sicher und wertschöpfend Cloud-basierte Services Die Verarbeitung großer Datenmengen spielt gerade in vernetzten Unternehmen mit softwarebasierter Fertigung, dem Digital Enterprise, eine große Rolle. Mit
MehrDigitalisierung der Energiewirtschaft 9. Göttinger Tagung zu aktuellen Fragen zur Entwicklung der Energieversorgungsnetze
Digitalisierung der Energiewirtschaft 9. Göttinger Tagung zu aktuellen Fragen zur Entwicklung der Energieversorgungsnetze Veränderung von Märkten durch Daten und Digitalisierung 9. Mai 2017 Sandro Gleave
MehrChancen und Risiken im landwirtschaftlichen Familienbetrieb
Magatrend Digitalisierung Chancen und Risiken im landwirtschaftlichen Familienbetrieb WiN-Fachtagung: Wendezeiten / Zukunft Arbeitsplatz Bauernhof 06.11.2017 in Haltern am See Prof. Dr. Michael Clasen
MehrInhaltsverzeichnis VII
Inhaltsverzeichnis 1 Unser Leben verändert sich........................................ 1 1.1 Die Arbeitswelt.............................................. 1 1.2 Dominanz der Finanzmärkte ist nach der
MehrChancen und Risiken der Digitalisierung
Chancen und Risiken der Digitalisierung 1. Big Data und Digitalisierung Begrifflichkeiten/was ist neu? 2. Was bedeutet Digitalisierung für landwirtschaftliche Prozesse? 3. Wie kommt die digitale Zukunft
MehrWie Industrie 4.0 unser Leben umkrempelt Eine Einführung in die Begriffswelt
Wie Industrie 4.0 unser Leben umkrempelt Eine Einführung in die Begriffswelt Prof. Dr. Jürg Luthiger Fachhochschule Nordwestschweiz Hochschule für Technik Institut für Mobile und Verteilte Systeme Zu meiner
MehrAnmerkungen zur Wettbewerbstheorie: Entwicklung, Stand und aktuelle Herausforderungen
Anmerkungen zur Wettbewerbstheorie: Entwicklung, Stand und aktuelle Herausforderungen Ulrich Schwalbe Universität Hohenheim, Stuttgart 03. März 2017 50. FIW Symposium, Innsbruck U. Schwalbe (Universität
MehrOnline-Plattformen im Wettbewerb
Online-Plattformen im Wettbewerb Avenir Suisse Wettbewerbspolitischer Workshop 30. September 2016 Dr. Christian Jaag Plattformmärkte Grundlagen Konventioneller Markt Plattformmarkt Verkäufer Verkäufer?
MehrÖkonomische Bedeutung von Netzeffekten bei der Marktmachtmessung
Ökonomische Bedeutung von Netzeffekten bei der Marktmachtmessung Ralf Dewenter Helmut-Schmidt-Universität Hamburg L&A-Wettbewerbstag 2017, Park Hyatt Hamburg, 12. Februar 2017 Agenda 1. Motivation 2. Netzeffekte
MehrGeschäftsmodellinnovationen durch Industrie 4.0
InnovationLab Arbeitsberichte BAND 4 2017 Geschäftsmodellinnovationen durch Industrie 4.0 Wie sich Geschäftsmodelle im Industrial Internet verändern Gleicht Nachfrageschwankungen aus Liefert Daten Lieferant
MehrDigitalisierung. Dematerialisierung. Die Neuverteilung der Welt in Zeiten des digitalen Darwinismus.. Berlin - 23/05/2017
Digitalisierung Dematerialisierung Die Neuverteilung der Welt in Zeiten des digitalen Darwinismus.. Berlin - 23/05/2017 Welche Ausmaße wird die Digitalisierung annehmen? Alles, Alles, Alles, was digitalisiert
MehrAus der Praxis für die Praxis
Auf dem Weg zur digitalen Fabrik: Aus der Praxis für die Praxis 27. April 2017 Philippe Ramseier Geschäftsinhaber Autexis Herausforderungen Projekte Erfolgsfaktoren und Nutzen Fazit Eine Unternehmung,
MehrIndustrie 4.0. Geschäftsmodelle 26.02.2016. Ihr Technologie- Dienstleister. Karl-Heinz Flamm Produktmanagement Industrietechnik
Industrie 4.0 Geschäftsmodelle Ihr Technologie- Dienstleister Karl-Heinz Flamm Produktmanagement Industrietechnik Alexander Bürkle GmbH & Co. KG Technischer Dienstleister [ Konstruktion [ Applikationen
MehrDatengetriebene Dienstleistungen im Maschinenbau am Beispiel von TRUMPF
Dr. Lars Grünert Düsseldorf, 29.09.2016 Datengetriebene Dienstleistungen im Maschinenbau am Beispiel von TRUMPF Inhalte 1. TRUMPF Unternehmensüberblick 2. Vernetzung von Mensch, Maschine und Prozessen
MehrDie Produktion der Zukunft vernetzt und wandlungsfähig. Festo AG & Co.KG Industrie 4.0 1
Die Produktion der Zukunft vernetzt und wandlungsfähig Festo AG & Co.KG Industrie 4.0 1 Einordnung Digitalisierung und Industrie 4.0 Big Data B2C/privates Umfeld Social Media Smart Home Smartphone Usability
MehrVolker Brühl. Wirtschaft des 21. Jahrhunderts. Herausforderungen in der. Hightech-Ökonomie. 4^ Springer Gabler
Volker Brühl Wirtschaft des 21. Jahrhunderts Herausforderungen in der Hightech-Ökonomie 4^ Springer Gabler Inhaltsverzeichnis 1 Unser Leben verändert sich 1 1.1 Die Arbeitswelt 1 1.2 Dominanz der Finanzmärkte
MehrBachelorarbeit. Potenziale und Gefahren von Wearables im Gesundheitswesen
Potenziale und Gefahren von Wearables im Gesundheitswesen Bachelorarbeit zur Erlangung des akademischen Grades Bachelor of Science (B. Sc.) im Studiengang Wirtschaftswissenschaft der Wirtschaftswissenschaftlichen
MehrDigitale Anwendungen.
Digitale Anwendungen und Dienste Was sind digitale Dienste und Anwendungen? Was sind digitale Dienste und Anwendungen? Digitale Dienste und Anwendungen sind IT- und softwaregestützte Lösungen für verschiedene
MehrSchifffahrt im Zeitalter der Digitalisierung
Schifffahrt im Zeitalter der Digitalisierung Prof. Dr. Henning Vöpel Berlin, 7. November 2018 Die Welt im Wandel: Zwischen geopolitischer Verwerfung und technologischer Disruption Populismus Fake News
MehrHorizontale Kooperationsvereinbarungen
FIW 39. Brüsseler Informationstagung, 20. Oktober 2010 Horizontale Kooperationsvereinbarungen Dr. Henning Leupold Europäische Kommission Generaldirektion Wettbewerb Alle Stellungnahmen sind rein persönlicher
Mehrhfm Hamburger Forum Medienökonomie Wettbewerb und Regulierung im Internet Interdisziplinärer Workshop, 17. Oktober 2014
hfm Hamburger Forum Medienökonomie Wettbewerb und Regulierung im Internet Interdisziplinärer Workshop, 17. Oktober 2014 Einführungsreferat Zweiseitige Plattformen zwischen Wettbewerb und Regulierung Ralf
MehrIndustrie 4.0. Sensoren, Regler und Antriebe für Ihre Produktionskette, ausgestattet mit hochmoderner Technik!
Industrie 4.0 Sensoren, Regler und Antriebe für Ihre Produktionskette, ausgestattet mit hochmoderner Technik! Die Zukunft wird smart Smart Operations Intelligente Prozesse Smart Network Horizontale und
MehrInstandhaltung 4.0 bei kaeser kompressoren Roland Wiesmüller Industrie 4.0 summit dezember 2017
4.0 bei kaeser kompressoren Roland Wiesmüller Industrie 4.0 summit dezember 2017 KAESER KOMPRESSOREN ist einer der weltweit führenden Hersteller und Anbieter von Druckluftprodukten und -dienstleistungen.
MehrEinfluss von Industrie 4.0 auf die Geschäftsmodellentwicklung
Einfluss von Industrie 4.0 auf die Geschäftsmodellentwicklung Bachelorarbeit zur Erlangung des akademischen Grades Bachelor of Science (B. Sc.) im Studiengang Wirtschaftsingenieur der Fakultät für Elektrotechnik
MehrDer einfache Einstieg in Big Data
Der einfache Einstieg in Big Data Regionaltage 2015 Dr. Fritz Schinkel Head of Big Data Competence Center Alexander Kaffenberger Big Data Global Business 0 2015 FUJITSU Fujitsus Vision der Hyperconnected
MehrGeschäftsmodelle im Kontext Industrie 4.0 ( )
E-Mail: unternehmensfuehrung@uni-trier.de www.unternehmensführung.uni-trier.de (12.04.2016) Prof. Dr. Jörn Block block@uni-trier.de 12. April 2016, Ludwigshafen ZIRPzoom Perspektiven der Wirtschaft in
MehrEinfluss von Industrie 4.0 auf die Organisation eines Industrieunternehmens
Einfluss von Industrie 4.0 auf die Organisation eines Industrieunternehmens Bachelorarbeit zur Erlangung des akademischen Grades Bachelor of Science (B. Sc.) im Studiengang Wirtschaftswissenschaft der
MehrIT-INNOVATION TECHNOLOGIE UND GESCHÄFTSIDEEN FÜR TELEKOM-ANBIETER. SB22-BIC2 Gullo Zürcher 1
IT-INNOVATION TECHNOLOGIE UND GESCHÄFTSIDEEN FÜR TELEKOM-ANBIETER SB22-BIC2 Gullo Zürcher 1 Vorgehen IDEEN GENERIEREN Geschäftsideen und Technologien PRIMING Geschäftsideen Technologien Paare erstellen
MehrDigitale Supply Chain
Digitale Supply Chain Hype, alter Hut oder gar (R)Evolution? IT in der Supply Chain. Dr. Torsten Mallée, AEB Status Quo Treiber Risiken Definition Digitalisierung Der Begriff Digitalisierung bezeichnet
MehrIdeenmanagement im Zeitalter der Digitalisierung Was kommt da auf uns zu?
Viessmann Ideenmanagement Ideenmanagement im Zeitalter der Digitalisierung Was kommt da auf uns zu? Ideenmanagement im Zeitalter der Digitalisierung - Was kommt da auf uns zu? ZI-Konferenz 2017 Viessmann
MehrNeue Geschäftsmodelle in der Industrie 4.0
Neue Geschäftsmodelle in der Industrie 4.0 Leitfaden zur Entwicklung neuer Geschäftsmodelle in der Industrie 4.0 Univ.-Prof. Dr. Dr. h. c. mult. Horst Wildemann TCW Transfer-Centrum für Produktions-Logistik
MehrDigitalisierung verändert unser Gesundheitswesen Quo vadis Krankenhaus?
Digitalisierung verändert unser Gesundheitswesen Quo vadis Krankenhaus? Prof. Dr. Wolfgang Deiters Hochschule für Gesundheit, Bochum Fraunhofer Institut für Software- und Systemtechnik, Dortmund 40. Deutscher
MehrLogistikinnovationen HEUTE! Denn Morgen wirst Du Sie nicht mehr brauchen.
Chief Digital Officer Logistikinnovationen HEUTE! Denn Morgen wirst Du Sie nicht mehr brauchen. Schenker Deutschland AG Erik Wirsing Leiter Zentrale Innovation Kassel 2016-06-09 WER IMMER TUT, WAS ER SCHON
MehrL&A-Wettbewerbstag 2017
L&A-Wettbewerbstag 2017 1 Wettbewerbliche Analyse auf Plattformmärkten nach der 9. GWB-Novelle 12. Januar 2017 Julia Topel Bundeskartellamt Vorsitzende B6 Einleitung 2 Arbeitspapier des Think Tank Internet
MehrDie digitale Agenda der ÖBB Die Interaktion von Strategie und Technologie
Die digitale Agenda der ÖBB Die Interaktion von Strategie und Technologie Marcus Frantz, Konzern CIO Wien, Strategisches Konzern IT-Management Digitale Transformation Die Integration der digitalen Technologien
MehrWas verstehen wir unter 4.0? Oleg Cernavin, BC Forschung/ Offensive Mittelstand
Was verstehen wir unter 4.0? Oleg Cernavin, BC Forschung/ Offensive Mittelstand 1 Partner des Verbundprojektes Prävention 4.0 Prävention 4.0 Laufzeit: 12/2015 04/2019 www.praevention40.de 2 Die institutionellen
MehrVON DER WOLKE IN DEN NEBEL
VON DER WOLKE IN DEN NEBEL RZ INFRASTRUKTUREN FÜR "THE EDGE" Dr. Peter Koch VP Solutions - Integrated Rack Systems EMEA 23. März 2017 VERTIV PORTFOLIO Emerson Network Power ist jetzt 2 wozu? wie? weshalb?
MehrDISTRIBUTED COMPUTING IN A HYBRID ENVIRONMENT. Die Komplexität heterogener Server einfach und schnell bewältigen.
DISTRIBUTED COMPUTING IN A HYBRID ENVIRONMENT Die Komplexität heterogener Server einfach und schnell bewältigen. REPLY 2 DISTRIBUTED COMPUTING IN HYBRID ENVIRONMENT Man kann die Cloud als eine unendliche
MehrLogistik im Zeitalter der Digitalisierung Worauf sich Logistikdienstleister einstellen müssen
Logistik im Zeitalter der Digitalisierung Worauf sich Logistikdienstleister einstellen müssen Schenker AG Dr. Hansjörg Rodi Chief Transformation Officer Frankfurt, 3. Februar 2016 Megatrends im Logistiksektor
MehrDigitalisierung: zentraler Treiber für technische Innovation und gesellschaftliche Veränderung
Digitalisierung: zentraler Treiber für technische Innovation und gesellschaftliche Veränderung Manfred Broy Gründungspräsident Zentrum Digitalisierung.Bayern Digitaler Wandel digitale Transformation Ausgelöst
MehrInstrumente der Wettbewerbspolitik als Reaktion auf Wettbewerbsbeschränkungen
Instrumente der Wettbewerbspolitik als Reaktion auf Wettbewerbsbeschränkungen Wettbewerbspolitik in Deutschland und China Workshop von KAS, CASS und GTZ Peking, 19. Juni 2008 Überblick Kartellverbot Missbrauchskontrolle
MehrEntwicklungstrend: Digitalisierung von Gebäuden
Entwicklungstrend: Digitalisierung von Gebäuden Photo: Einstein Center Digital Future/Kay Herschelmann Prof. Dr. Sergio Lucia Einstein Center Digital Future Technische Universität Berlin 1 www.iot.tu-berlin.de
MehrKünstliche Intelligenz im Internet of Things Mind Slam Chemnitz, Michael Thess
Künstliche Intelligenz im Internet of Things Mind Slam Chemnitz, 2017 Michael Thess Signal Cruncher GmbH Background 2016 in Berlin als Spin-off der prudsys AG (Chemnitz) gegründet Gründung: Fokus: Produkt:
MehrPrävention 4.0 Dr. Annette Icks Offensive Mittelstand / IfM Bonn
Dreiländertagung Betriebliche Gesundheitsförderung 2018 Konstanz, 22.-23. März 2018 Prävention 4.0 Dr. Annette Icks Offensive Mittelstand / IfM Bonn Partner des BMBF-Verbundprojektes Prävention 4.0 Laufzeit:
MehrRegionalforum Industrie Mittelstand. Thomas Ortlepp 25. August 2016
Regionalforum Industrie 4.0 @ Mittelstand Thomas Ortlepp 25. August 2016 Material 1.0, Sensor 2.0, System 3.0 und Industrie 4.0 Neue Impulse für die Wirtschaft in Thüringen CiS Forschungsinstitut für Mikrosensorik
MehrKünstliche Intelligenz Einsatzszenarien
Künstliche Intelligenz Einsatzszenarien Recommendation Engines Kunden neue Produkte anbieten bevor sie wissen, dass sie sie brauchen. Durch Advanced Analytics kann mehr Umsatz pro Auftrag durch Cross-
MehrSmart Market Idee und Status quo eines energiewirtschaftlichen Zukunftskonzepts
Smart Market Idee und Status quo eines energiewirtschaftlichen Zukunftskonzepts BICCtalk Smart Market, Garching, 04.11.2015 Vortrag von Oliver D. Doleski 1 Spannungsfeld Energiemarkt Das Energieversorgungssystem
MehrBig Data: Nutzen und Anwendungsszenarien. CeBIT 2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC
Big Data: Nutzen und Anwendungsszenarien CeBIT 2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC Big Data steht für den unaufhaltsamen Trend, dass immer mehr Daten in Unternehmen anfallen und von
MehrAnforderungen an die Automatisierungstechnik. Vernetzte Infrastrukturen in der intelligenten Stadt
Anforderungen an die Automatisierungstechnik Vernetzte Infrastrukturen in der intelligenten Stadt Thomas Nehring wer sind wir 51/49 Joint Venture der Firmen ORmatiC und ECAVA mit Sitz in Berlin Distributor
MehrBeginnen Sie Ihr erstes Projekt von IoT und AR mit Transition Technologies PSC
Beginnen Sie Ihr erstes Projekt von IoT und AR mit Transition Technologies PSC _Uber uns Transition Technologies PSC Wir sind ein Unternehmen, das zu Unternehmensverbindung Transition Technologies einer
MehrDigitalisierung eine Herausforderung für die Wettbewerbspolitik. Berliner Ludwig-Erhard-Symposium,
Universität zu Köln Digitalisierung eine Herausforderung für die Wettbewerbspolitik Berliner Ludwig-Erhard-Symposium, 4.2.2015 Professor Achim Wambach, Ph.D. Universität zu Köln Mitglied der Monopolkommission
MehrANWENDUNGSSZENARIEN UND REFERENZARCHITEKTUR IN DER INDUSTRIE 4.0 ESK
ANWENDUNGSSZENARIEN UND REFERENZARCHITEKTUR IN DER INDUSTRIE 4.0 ESK IT2Industry, München, 11. November 2015 Fraunhofer-Institut für Eingebettete Systeme und Kommunikationstechnik ESK Prof. Dr.-Ing. Rudi
MehrDas Internet der Dinge
Das Internet der Dinge Peter Mengel 15. September 2015 Definition IoT Geprägt wurde der Begriff 1999 vom britischen Technologie-Pionier und Mitbegründer des Auto-ID-Centers des Massachusetts Institute
Mehrshutterstock DIGITALISIERUNG & ENERGIE PERSPEKTIVEN SCHWEIZ
shutterstock 197778194 DIGITALISIERUNG & ENERGIE PERSPEKTIVEN SCHWEIZ SAEE JAHRESTAGUNG MATTHIAS GALUS NOVEMBER 2017 DIGITALISIERUNG WELTWEITE PERSPEKTIVEN Quelle: McKinsey 2015. Unlocking the Potential
Mehr(Software) Architektur der Dinge. Roland Graf / Simon Kranzer IKT-Forum 2016 I(o)T for Industry - Von IT zu IoT
(Software) Architektur der Dinge Roland Graf / Simon Kranzer IKT-Forum 2016 I(o)T for Industry - Von IT zu IoT Hardware Mainframe Speichersysteme Rechner Kopplung Zentralisierung Anwendungsprogramme Software
MehrIndustrie Chance oder Risiko? Martin Botteck Prof. Dr.-Ing. Kommunikationsdienste und -anwendungen
Industrie 4.0 - Chance oder Risiko? Martin Botteck Prof. Dr.-Ing. Kommunikationsdienste und -anwendungen Industrielle Revolution, Version 4.0 Der Kongress im Jahr 2015: Worum geht es überhaupt? Kongress
MehrIndustrie 4.0. Erfahrungen aus einem Pilotprojekt ROOZBEH FAROUGHI
Industrie 4.0 Erfahrungen aus einem Pilotprojekt 03. DEZEMBER 2015 ROOZBEH FAROUGHI Agenda 1. Definition Industrie 4.0 2. Entwicklung und Trends der IT 3. Chancen und Risiken von Industrie 4.0 für mittelständische
MehrNachfragemacht: Theoretische Grundlagen und wettbewerbspolitische Folgerungen
Nachfragemacht: Theoretische Grundlagen und wettbewerbspolitische Folgerungen Wolfgang Kerber Philipps-Universität Marburg Arbeitskreis Kartellrecht: Nachfragemacht im Kartellrecht - Stand und Perspektiven
MehrDigitalisierung in der Wasserwirtschaft Potentiale und Herausforderungen
Digitalisierung in der Wasserwirtschaft Potentiale und Herausforderungen Andrea Heilmann, Hardy Pundt Seite 1 Agenda 1. Einleitung 2. Digitale Daten in der Wasserwirtschaft 3. Planungs- und Überwachungsmodelle
MehrHorizontale Kooperationen
Wettbewerbsökonomische Perspektive Stefan Vizepräsident der WEKO Universität St. Gallen Studienvereinigung Kartellrecht E.V., Universität Bern, 1. Juli 2011 Was ist eine horizontale Kooperation? Definition
MehrIndustrie 4.0 & Digitale Innovation Digitales Unternehmen Chancen der Digitalisierung für Unternehmen Handelskammer Bozen
Rüdiger Nitz Innovation Engineer Industrie 4.0 & Digitale Innovation Digitales Unternehmen Chancen der Digitalisierung für Unternehmen Handelskammer Bozen Wie entsteht innovatives Denken? Es ist eine Geisteshaltung,
MehrIoT & Industrie 4.0 Vom Sensor in die Cloud
IoT & Industrie 4.0 Vom Sensor in die Cloud 2 Wer wir sind M&M Software ist ein global agierendes Technologie- und Beratungsunternehmen. Unser Dienstleistungsangebot umfasst Management- und Technologieberatung,
MehrDigitale Transformation in der Druck- und Druckmedienindustrie Strategische und organisatorische Gestaltung
Digitale Transformation in der Druck- und Druckmedienindustrie Strategische und organisatorische Gestaltung Vorwort Dr. Robin Pesch Prof. Dr. Ricarda Bouncken Bayreuth im August 2016 Die digitale Transformation
MehrSmart Retail in der Smart City
Smart Retail in der Smart City Smart Retail Workshop, 13. April 2016 Prof. Dr. Alkis Henri Otto Agenda 1. Digitale Ökonomie und Smart Cities 2. Smart Retail in der Smart City Alkis Henri Otto, HWWI / HSBA
MehrDigitale Geschäftsmodelle
Digitale Geschäftsmodelle Toni Wolter Konsumgüter & Dienstleistungen Unternehmensentwicklung & Marketing Kontaktdaten: www.wolter-beratung.de Mail: info@wolter-beratung.de Phone: 0177 9125045 [ ] Digitalisierung
MehrHerzlich willkommen! Arbeitskompetenz So bleibe ich fit für die Zukunft
Herzlich willkommen! Arbeitskompetenz 4.0 - So bleibe ich fit für die Zukunft Joël Krapf, Senior Consultant PwC (People & Organization) Agenda Was für eine Zukunft kommt auf uns zu? Wie sieht meine Arbeit
MehrUnternehmenswelt. Bachelorarbeit. vorgelegt von. Name: Arslan Vorname: Aylin. Geb. am: in: Flensburg
Industrie 4.0 Auswirkungen auf die Unternehmenswelt Bachelorarbeit zur Erlangung des akademischen Grades Bachelor of Science (B. Sc.) im Studiengang Wirtschaftswissenschaft der Wirtschaftswissenschaftlichen
MehrGASTREFERAT JOËL KRAPF SKILLS4.0 SO BLEIBE ICH FIT FÜR DIE ZUKUNFT
GASTREFERAT JOËL KRAPF SKILLS4.0 SO BLEIBE ICH FIT FÜR DIE ZUKUNFT 1 AGENDA Was für eine Zukunft kommt auf uns zu? Wie sieht meine Arbeit in Zukunft aus? Was für Kompetenzen werden in Zukunft relevant?
MehrBlue Collar 2.0 Kritische Erfolgsfaktoren zur Einbindung von Produktionsmitarbeitern in Soziale Unternehmensnetzwerke.
Blue Collar 2.0 Kritische Erfolgsfaktoren zur Einbindung von Produktionsmitarbeitern in Soziale Unternehmensnetzwerke Bachelorarbeit zur Erlangung des akademischen Grades Bachelor of Science (B. Sc.) im
MehrDigitalisierung in der Praxis Was verstehen wir unter Cloud?
Digitalisierung in der Praxis Was verstehen wir unter Cloud? Öhringen, 11. Oktober 2017 LIV Stuttgart/ Dipl.-Kfm. Franz E. Kunkel Jürgen Falkner, Fraunhofer IAO 1 Überblick Digitalisierung Charakter und
MehrDas cloudbasierte, offene IoT-Betriebssystem von Siemens siemens.de/mindsphere
MindSphere Das cloudbasierte, offene IoT-Betriebssystem von Siemens siemens.de/mindsphere MindSphere verwandelt Daten in Wissen. Und Wissen in Geschäftserfolg. Die MindApps bieten viele neue Möglichkeiten,
MehrDIGITALISIERUNG & ENERGIE: DIALOGPAPIER DES BFE
shutterstock 197778194 DIGITALISIERUNG & ENERGIE: DIALOGPAPIER DES BFE DIALOGPAPIER DIGITALISIERUNG 07.02.2019 MARTIN HERTACH, BFE Quelle: www.techbook.de DIALOGPAPIER DIGITALISIERUNG 07.02.2019 MARTIN
MehrDigitalisierung. Einfach. Machen.
Digitalisierung. Einfach. Machen. Smart Energy 2016 Unsere Wer wir Vision sind SANDY ist ein Corporate Startup des EnBW Innovation Campus, dem unternehmensinternen Startup Akzelerator. EnBW gehört zu den
MehrRechtliche Aspekte der Bereitstellung digitaler Inhalte und des Internets der Dinge
Rechtliche Aspekte der Bereitstellung digitaler Inhalte und des Internets der Dinge Prof. Dr. iur. Michael Hakenberg Centre Européen des Consommateurs Luxembourg 6. Konferenz über Aspekte des europäischen
MehrWo steht die Holzindustrie zum Thema 4.0?
Wood Industry Summit Access to Resources and Technology Dr. Carsten Merforth 23. März 2017 Wo steht die Holzindustrie zum Thema 4.0? Wo steht die Holzindustrie zum Thema 4.0? 2 Gliederung Begrifflichkeiten
MehrService Portal Die komplette IT auf einen Blick an jedem Ort, auf jedem Device, in Echtzeit. Network Visibility
Service Portal Die komplette IT auf einen Blick an jedem Ort, auf jedem Device, in Echtzeit. Network Visibility Situation Industrieunternehmen mit verteilten Standorten und gewachsenen IT-Strukturen Fehlender
MehrDIGITALE WERBETRENDS 2017 UND DEREN AUSWIRKUNGEN IN DER SCHWEIZ
DIGITALE WERBETRENDS 2017 UND DEREN AUSWIRKUNGEN IN DER SCHWEIZ Zürich, 23.01.2017 CONVERTO UND MATTEO SCHUERCH 2 135 Advertiser&Agenturen 300 Schweizer Seiten 20 Mio Schweizer-Datenpunkte am Tag gesammelt
MehrMobilitätsmanagement und die schöne neue Welt der Industrie 4.0: Welche Veränderungen sind zu erwarten?
20 Jahre»Unternehmen bewegen«dr. Hendrik Koch Mobilitätsmanagement und die schöne neue Welt der Industrie 4.0: Welche Veränderungen sind zu erwarten? DECOMM Stuttgart, 12.06.2015 1 Was macht die vierte
MehrEnergieeffizienz komplexer Systeme durch KI-gestützte Optimierung
Energieeffizienz komplexer Systeme durch KI-gestützte Optimierung ifesca GmbH GRÜNDUNG DURCH EHEMALIGE FRAUNHOFER- WISSENSCHAFTLER EXPERTEN AUF DEM GEBIET ENERGIE- WIRTSCHAFT UND SOFTWARETECHNIK GRÜNDUNG
MehrErnährung 4.0 Status Quo, Chancen und Herausforderungen
Ernährung 4.0 Status Quo, Chancen und Herausforderungen Dr. Bernhard Rohleder Hauptgeschäftsführer Bitkom Christoph Minhoff Hauptgeschäftsführer Bundesvereinigung der Deutschen Ernährungsindustrie Berlin,
Mehrwas kommt da auf uns zu?
Big Data was kommt da auf uns zu? Florian Kreker Projektmanager Zentrum für Innovation in der Gesundheitswirtschaft OWL 1 Gliederung 1. Digitalisierung und Big Data 2. Big Data im Gesundheitswesen 3. Big
MehrKünstliche Intelligenz Einsatzmöglichkeiten in Industrie 4.0. Bachelorarbeit. vorgelegt von:
Künstliche Intelligenz Einsatzmöglichkeiten in Industrie 4.0 Bachelorarbeit zur Erlangung des akademischen Grades Bachelor of Science (B.Sc.) im Studiengang Wirtschaftswissenschaft der Wirtschaftswissenschaftlichen
MehrAuf dem Weg zur Industrie 4.0
Informationen aus dem Institut der deutschen Wirtschaft Köln M+E-Strukturbericht 04.01.2017 Lesezeit 4 Min. Auf dem Weg zur Industrie 4.0 Die Digitalisierung der Wirtschaftsprozesse schreitet voran. Die
MehrDigital Engineering Agile Produktentwicklung in der deutschen Industrie
Digital Engineering Agile Produktentwicklung in der deutschen Industrie Dr. Axel Pols, Geschäftsführer Bitkom Research GmbH Karl Osti, Industry Manager Autodesk GmbH Berlin, 21. November 2017 Ihre Gesprächspartner
Mehr