Zusammenfassung
Die Bearbeitung der in 6.2 bis 6.5 vorgestellten Fallbeispiele hat gezeigt, dass der in Kapitel 5 entwickelte Data-Mining-unterstützte TFA-Prozess funktioniert. Die Folge der Prozessschritte lässt einen reibungslosen Ablauf zu und liefert Ergebnisse in Form von Antworten auf unterschiedliche TFA-Fragestellungen. Diese Ergebnisse lassen sich direkt oder über die weitere Verarbeitung in den nachfolgenden TFA-Phasen der Analyse und Evaluation zur Unterstützung technologiebezogener strategischer Entscheidungen heranziehen. Für die weitere Verarbeitung ist wichtig, dass die erzielten Ergebnisse auch statistisch belastbar und nachvollziehbar sowie grafisch aufbereitet sind. Vergleicht man die mit Hilfe des DaMi-TFA-Prozesses gewonnenen Ergebnisse mit Expertenmeinungen zu den untersuchten Fragestellungen, dann lassen sich auch Inhalt und Qualität dieser Ergebnisse positiv beurteilen. Auch ohne entsprechende Detailkenntnisse in den untersuchten Technologiefeldern lassen sich Ergebnisse erzielen, die in den wesentlichen Punkten den Expertenurteilen entsprechen, aufgrund des datenorientierten Vorgehens jedoch auf einer objektiveren und neutraleren Basis stehen. Damit lässt sich eines der wesentlichen Defizite bisheriger TFA-Methoden, die zu starke, oft einseitige und schwer überprüfbare Abhängigkeit von Expertenurteilen, umgehen. Daneben haben die Fallbeispiele gezeigt, dass sich Ergebnisse mit einem ausreichenden zeitlichen Vorlauf erzielen lassen, der ein rechtzeitiges Einleiten von Aktionen ermöglicht.
„It is far better to foresee even without certainty than not to foresee at all.“
Henri Poincaré
This is a preview of subscription content, log in via an institution.
Buying options
Tax calculation will be finalised at checkout
Purchases are for personal use only
Learn about institutional subscriptionsPreview
Unable to display preview. Download preview PDF.
Literatur
In die Überprüfung der Hypothesen fließen Aspekte der praktischen Überprüfung des Prozesses und des theoretischen Gerüsts ebenfalls ein.
Im Popperschen Sinne können die in 6.1 formulierten Hypothesen im Rahmen dieser Arbeit nur vorläufig bestätigt werden, da Hypothesen ohnehin nur solange „gültig“sind, bis sie falsifiziert werden. Zur Falsifizierbarkeit von Hypothesen vgl. Popper 1971, S. 14f. Zur Diskussion qualitativ- und quantitativ-empirischer Forschungsansätze siehe auch 1.4.
Siehe 6.1
Siehe 4.3
Vgl. Fayyad et al. 1996a, S. 24f.; siehe auch 4.3
Siehe Abbildung 3–11 und die Ausführungen dazu in 3.5
Diese Defizite wurden in 2.1.4 behandelt; siehe auch die Ausführungen zu Hypothese 3.
Verbreitete TFA-Methoden wurden in 2.1.4 aufgeführt; siehe insbesondere Abbildung 2–2.
Siehe 3.3 und insbesondere 3.3.2. Auf die Vorteile dieser Definition im Vergleich zu bislang gebräuchlichen Definitionen wurde in 3.3.2 bereits hingewiesen.
Siehe Tabelle 2–3 in 2.2.1
Siehe auch die Ausführungen zu Hypothese 5
Siehe Tabelle 5–1 in 5.1
So konnten z.B. In Fallbeispiel 2 (Mikrosystemtechnik; siehe 6.3.3) relativ allgemeine „Strömungen“ausgemacht werden (Nanotechnologie, Intelligenz, etc.), die für die Mikrosystemtechnik eine Rolle spielen, während beim Fallbeispiel 3 (Optische Datenübertragung; siehe 6.4.3) bereits detaillierte Hinweise auf Laserbetriebsarten (Multi-Mode, GaAs) gewonnen wurden.
In Fallbeispiel 1 wird der Automobilsektor zunächst ohne weitere Einschränkungen in Cluster segmentiert (siehe Abbildung 6–5 in 6.2.2), die für ein weiteres Vorgehen herausgegriffen und detailliert untersucht werden können.
Beispiele hierfür wurden in 5.3 beschrieben.
Siehe die Beschreibung des Forschungsdesigns in 1.4
Siehe dazu auch zur Beurteilung der „Interessantheit“von Data-Mining-Ergebnissen in 5.4
Organisatorische und personelle Aspekte der Technologiefrühaufklärung waren nicht Gegenstand dieser Arbeit, sind aber in der Literatur bereits ausführlich betrachtet worden; vgl. z.B. Liebl 1996, Krystek, Müller-Stewens 1993, Peiffer 1992
Rights and permissions
Copyright information
© 2003 Deutscher Universitäts-Verlag/GWV Fachverlage GmbH, Wiesbaden
About this chapter
Cite this chapter
Zeller, A. (2003). Auswertung der Fallbeispiele und Überprüfung der Hypothesen. In: Technologiefrühaufklärung mit Data Mining. Forschungs-/Entwicklungs-/Innovations-Management. Deutscher Universitätsverlag. https://doi.org/10.1007/978-3-322-81586-6_7
Download citation
DOI: https://doi.org/10.1007/978-3-322-81586-6_7
Publisher Name: Deutscher Universitätsverlag
Print ISBN: 978-3-8244-7914-6
Online ISBN: 978-3-322-81586-6
eBook Packages: Springer Book Archive