Skip to main content
SpringerLink
Log in

Effizientes Energiecontrolling in Zeiten von Industrie 4.0

Können digitale Transformation und Big Data zu mehr Ressourceneffizienz beitragen?

  • Chapter
  • First Online:
Controlling & Innovation 2019

Part of the book series: FOM-Edition ((FOMEDITION))

  • 23k Accesses

Zusammenfassung

Ein erfolgreiches Energiemanagement kann Energiekosten senken, den Energieverbrauch und die Emissionsbelastung reduzieren und so einen Beitrag zur Steigerung der Ressourceneffizienz leisten. Eine wichtige Basis des Energiemanagements stellt das Energiecontrolling dar. Dieses unterstützt die Verantwortlichen bei der Planung, Steuerung und Kontrolle der energiebezogenen Ziele. Vor dem Hintergrund der Industrie 4.0 könnten die erweiterten Informationssysteme mit valideren Daten zu mehr Entscheidungsgüte beitragen. Um die sich hier bietenden Möglichkeiten und Grenzen zu betrachten, werden mithilfe der SWOT-Analyse die Chancen, Risiken, Stärken und Schwächen von Big Data und digitaler Transformation für das Energiecontrolling eines Produktionsunternehmens untersucht. Außerdem werden Handlungsempfehlungen für eine erfolgreiche Implementierung vorgestellt.

This is a preview of subscription content, log in via an institution to check access.

Access this chapter

Log in via an institution
Chapter
USD 29.95
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
eBook
USD 29.99
Price excludes VAT (USA)
  • Available as EPUB and PDF
  • Read on any device
  • Instant download
  • Own it forever
Softcover Book
USD 39.99
Price excludes VAT (USA)
  • Compact, lightweight edition
  • Dispatched in 3 to 5 business days
  • Free shipping worldwide - see info

Tax calculation will be finalised at checkout

Purchases are for personal use only

Institutional subscriptions

Literatur

  • Bachmann, R., Kemper, G., & Gerzer, T. (2014). Big Data – Fluch oder Segen?. Heidelberg: Springer.

    Google Scholar 

  • Bauernhansl, T. (2014). Die Vierte Industrielle Revolution – Der Weg in ein wertschaffendes Produktionsparadigma. In T. Bauernhansl, M. Ten Hompel, & B. Vogel-Heuser (Hrsg.), Industrie 4.0 in Produktion, Automatisierung und Logistik (S. 5–36). Wiesbaden: Springer Vieweg.

    Chapter  Google Scholar 

  • Baumöl, U., & Berlitz, P.-D. (2014). Big Data als Entscheidungsunterstützung: Herausforderungen und Potenziale. In R. Gleich & A. Klein (Hrsg.), Controlling und Big Data (S. 159–176). Freiburg: Haufe.

    Google Scholar 

  • Berberich, O. (2016). Trusted Web 4.0 – Konzepte einer digitalen Gesellschaft. Heidelberg: Springer Vieweg.

    Book  Google Scholar 

  • Brinkmann, F.-M., Fetai, I., & Schuldt, H. (2016). SLA-basierte Konfiguration eines modularen Datenbanksystems für die Cloud. In D. Fasel & A. Meier (Hrsg.), Big Data (S. 179–195). Wiesbaden: Springer Vieweg.

    Google Scholar 

  • Brühl, V. (2015). Wirtschaft des 21. Jahrhunderts. Wiesbaden: Springer Gabler.

    Book  Google Scholar 

  • Bürki, T., & Weber, M. (2014). Energie und Energieeffizienz. In J. Fresner, T. Bürki, & H. H. Sittel (Hrsg.), Ressourceneffizienz in der Produktion (2. Aufl., S. 91–144). Düsseldorf: Symposion.

    Google Scholar 

  • Buschbacher, F., Konrad, R., Mußmann, B., & Weber, M. (2014). Big Data-Projekte: Vorgehen, Erfolgsfaktoren und Risiken. In R. Gleich & A. Klein (Hrsg.), Controlling und Big Data (S. 83–108). Freiburg: Haufe.

    Google Scholar 

  • Cole, T. (2015). Digitale Transformation. München: Vahlen.

    Google Scholar 

  • Demont, A., & Paulus-Rohmer, D. (2017). Industrie 4.0-Geschäftsmodelle systematisch entwickeln. In D. Schallmo, A. Rusnjak, J. Anzengruber, T. Werani, & M. Jünger (Hrsg.), Digitale Transformation von Geschäftsmodellen (S. 97–126). Wiesbaden: Springer Gabler.

    Chapter  Google Scholar 

  • Dorschel, W., & Dorschel, J. (2015). Einführung. In J. Dorschel (Hrsg.), Praxishandbuch Big Data (S. 1–13). Wiesbaden: Springer Gabler.

    Google Scholar 

  • Engelmann, D. (2015). Energiedatenmanagement. In M. Geilhausen, J. Bränzel, D. Engelmann, & O. Schulze (Hrsg.), Energiemanagement (S. 285–320). Wiesbaden: Springer Vieweg.

    Chapter  Google Scholar 

  • Fallenbeck, N., & Eckert, C. (2014). IT-Sicherheit und Cloud Computing. In T. Bauernhansl, M. Ten Hompel, & B. Vogel-Heuser (Hrsg.), Industrie 4.0 in Produktion, Automatisierung und Logistik (S. 397–432). Wiesbaden: Springer Vieweg.

    Chapter  Google Scholar 

  • Fasel, D., & Meier, A. (2016). Was versteht man unter Big Data und NoSQL? In D. Fasel & A. Meier (Hrsg.), Big Data (S. 3–16). Wiesbaden: Springer Vieweg.

    Google Scholar 

  • Feindt, M., & Grüßing, D. (2014). Strategische Entscheidungen mit automatisierten Prognosen operativ umsetzen. In R. Gleich & A. Klein (Hrsg.), Controlling und Big Data (S. 177–190). Freiburg: Haufe.

    Google Scholar 

  • Fels, G., & Schinkel, F. (2015). IT-Infrastrukturen für Big Data. In J. Dorschel (Hrsg.), Praxishandbuch Big Data (S. 278–307). Wiesbaden: Springer Gabler.

    Google Scholar 

  • Fischer, S. (2017). Die Energiewende und Europa. Dissertation. Wiesbaden: Springer VS.

    Google Scholar 

  • Ganschar, O., Gerlach, S., Hämmerle, M., Krause, T., & Schlund, S. (2013). Produktionsarbeit der Zukunft – Industrie 4.0. Stuttgart: Fraunhofer.

    Google Scholar 

  • Geilhausen, M. (2015). Energiemanagement nach DIN EN ISO 50001:2011. In M. Geilhausen, J. Bränzel, D. Engelmann, & O. Schulze (Hrsg.), Energiemanagement (S. 7–73). Wiesbaden: Springer Vieweg.

    Chapter  Google Scholar 

  • Gleich, R., Munck, J., & Schulze, M. (2016). Industrie 4.0: Revolution oder Evolution? Grundlagen und Auswirkungen auf das Controlling. In R. Gleich & A. Klein (Hrsg.), Controlling und Industrie 4.0 (S. 21–42). Freiburg: Haufe.

    Google Scholar 

  • Grabowski, K., Hoheisel, M., Melsheimer, J., & Naber, J. (2014). Kennzahlensystem zur Verbesserung der Energieeffizienz führen. In R. Gleich & A. Klein (Hrsg.), Energiecontrolling (S. 161–182). Freiburg: Haufe.

    Google Scholar 

  • Grahl, A. (2010). Handbuch für betriebliches Energiemanagement. Berlin: DENA.

    Google Scholar 

  • Grönke, K., & Heimel, J. (2014). Big Data im CFO-Bereich – empirische Erkenntnisse aus der CFO-Studie 2014. In R. Gleich & A. Klein (Hrsg.), Controlling und Big Data (S. 123–140). Freiburg: Haufe.

    Google Scholar 

  • Grönke, K., Kirchmann, M., & Jeyk, J. (2014). Big Data: Auswirkungen auf Instrumente und Organisation der Unternehmenssteuerung. In R. Gleich & A. Klein (Hrsg.), Controlling und Big Data (S. 63–82). Freiburg: Haufe.

    Google Scholar 

  • Hertweck, D., & Kinitzki, M. (2015). Datenorientierung statt Bauchentscheidung: Führungs- und Organisationskultur in der datenorientierten Unternehmung. In J. Dorschel (Hrsg.), Praxishandbuch Big Data (S. 15–32). Wiesbaden: Springer Gabler.

    Google Scholar 

  • Heuberger-Götsch, O. (2016). Der Wert von Daten aus juristischer Sicht am Beispiel des Profiling. In D. Fasel & A. Meier (Hrsg.), Big Data (S. 83–106). Wiesbaden: Springer Vieweg.

    Google Scholar 

  • Hirsch-Kreisnen, H. (2015). Entwicklungsperspektiven von Produktionsarbeit. In A. Botthof & A. E. Hartmann (Hrsg.), Zukunft der Arbeit in Industrie 4.0 (S. 89–98). Heidelberg: Springer Vieweg.

    Chapter  Google Scholar 

  • Hofmann, K. (2016). Datenschutz in der Industrie 4.0. In R. Obermaier (Hrsg.), Industrie 4.0 als unternehmerische Gestaltungsaufgabe (S. 171–190). Wiesbaden: Springer Gabler.

    Chapter  Google Scholar 

  • Hornung, G. (2016). Rechtliche Herausforderungen der Industrie 4.0. In R. Obermaier (Hrsg.), Industrie 4.0 als unternehmerische Gestaltungsaufgabe (S. 69–84). Wiesbaden: Springer Gabler.

    Google Scholar 

  • Huber, A. S. (2013). Das Ziel Digital Enterprise: die professionelle digitale Abbildung von Produktentwicklung und Produktion. In U. Sendler (Hrsg.), Industrie 4.0 (S. 111–125). Berlin: Springer Vieweg.

    Google Scholar 

  • Jodlbauer, H., & Straßer, S. (2016). Geschäftsmodellinnovationen basierend auf Industrie 4.0 sichern den zukünftigen Erfolg der Unternehmen. In R. Gleich & A. Klein (Hrsg.), Controlling und Industrie 4.0 (S. 109–122). Freiburg: Haufe.

    Google Scholar 

  • Junge, M. (2013). Energieeffizienz konkret! In W. A. Zehrfeld & I. Voigt (Hrsg.), Ressourceneffizienz (S. 70–79). Frankfurt a. M.: Frankfurter Allgemeine Buch.

    Google Scholar 

  • Kagermann, H. (2014). Chancen von Industrie 4.0 nutzen. In T. Bauernhansl, M. Ten Hompel, & B. Vogel-Heuser (Hrsg.), Industrie 4.0 in Produktion, Automatisierung und Logistik (S. 603–614). Wiesbaden: Springer Vieweg.

    Google Scholar 

  • Kirsch, V. (2016). Wirtschaftlichkeitsanalyse am Beispiel eines Assistenzsystems für die Fertigung. In R. Gleich, & A. Klein (Hrsg.), Controlling und Industrie 4.0 (S. 123–140). Freiburg: Haufe.

    Google Scholar 

  • Kleinemeier, M. (2014). Von der Automatisierungspyramide zu Unternehmenssteuerungsnetzwerken. In T. Bauernhansl, M. Ten Hompel, & B. Vogel-Heuser (Hrsg.), Industrie 4.0 in Produktion, Automatisierung und Logistik (S. 571–580). Wiesbaden: Springer Vieweg.

    Google Scholar 

  • Kollmann, T., & Schmidt, H. (2016). Deutschland 4.0. Wiesbaden: Springer.

    Google Scholar 

  • Kreutzer, R. T. (2017). Treiber und Hintergründe der digitalen Transformation. In D. Schallmo, A. Rusnjak, J. Anzengruber, T. Werani, & M. Jünger (Hrsg.), Digitale Transformation von Geschäftsmodellen (S. 33–58). Wiesbaden: Springer Gabler.

    Chapter  Google Scholar 

  • Lanquillon, C., & Mallow, H. (2015). Advanced Analytics mit Big Data. In J. Dorschel (Hrsg.), Praxishandbuch Big Data (S. 55–89). Wiesbaden: Springer Gabler.

    Google Scholar 

  • Losbichler, H. (2016). Controlling 4.0: Muster des Wandels. In R. Gleich & A. Klein (Hrsg.), Controlling und Industrie 4.0 (S. 43–60). Freiburg: Haufe.

    Google Scholar 

  • Lucke, D. (2013). Smart Factory. In E. Westkämper, D. Spath, C. Constantinescu, & J. Lentes (Hrsg.), Digitale Produktion (S. 251–270). Heidelberg: Springer Vieweg.

    Chapter  Google Scholar 

  • Markl, V., Krcmar, H., & Hoeren, T. (2014). Big Data Management – Innovationspotenzialanalyse für die neuen Technologien für das Verwalten und Analysieren von großen Datenmengen. Berlin: Kurzfassung.

    Google Scholar 

  • Müller, S. (2016). Erweiterung des Data Warehouse um Hadoop, NoSQL & Co. In D. Fasel & A. Meier (Hrsg.), Big Data (S. 139–158). Wiesbaden: Springer Vieweg.

    Google Scholar 

  • Müllers, P. (2014). Energiemanagement in Anlehnung an ISO 50001 in einem energieintensiven Unternehmen einführen. In R. Gleich & A. Klein (Hrsg.), Energiecontrolling (S. 139–160). Freiburg: Haufe.

    Google Scholar 

  • Neuhetzki, T. (2017). Telekom: Feuer legt Netz im Siegerland lahm. 2. Update. https://www.teltarif.de/telekom-siegen-telefon-ausfall-stoerung-internet/news/49678.html. Zugegriffen: 15. Mai 2017.

  • O. V. (2017a). Großbrand Telekom: Teilweise Internet- und Telefonausfall. https://wirsiegen.de/2013/01/grossbrand-telekom-teilweise-internet-und-telefonausfall/57972/. Zugegriffen: 15. Mai 2017.

  • O. V. (2017b). Power for Today. Power for Tomorrow. http://www.epexspot.com/de/Unternehmen/ueber_epex_spot. Zugegriffen: 27. Mai 2017.

  • O. V. (2017c). Was ist ein Spotmarkt? https://www.next-kraftwerke.de/wissen/strommarkt/spotmarkt-epex-spot. Zugegriffen: 27. Mai 2017.

  • Posch, W. (2011). Ganzheitliches Energiemanagement für Industriebetriebe. Wiesbaden: Gabler.

    Book  Google Scholar 

  • Quitt, A., Deutsch, N., Bründl, A., & Kortüm, V. (2011). Ganzheitliches Energiemanagement – wichtiger Beitrag zur unternehmerischen Nachhaltigkeit. In R. Gleich, S. Gänßlen, & H. Losbichler (Hrsg.), Challenge Controlling 2015 (S. 109–132). Freiburg: Haufe.

    Google Scholar 

  • Regtmeier, J., & Kaufmann, T. (2016). MICA – Die modulare Embedded Plattform der Firma HARTING für Industrie 4.0. In A. Roth (Hrsg.), Einführung und Umsetzung von Industrie 4.0 (S. 163–172). Wiesbaden: Springer Gabler.

    Google Scholar 

  • Reischauer, G., & Schober, L. (2015). Controlling von Industrie 4.0-Prozessen. Controlling & Management Review, 59(5), 22–28.

    Google Scholar 

  • Roßmeißl, E., & Gleich, R. (2014). Industrie 4.0: Neue Aufgaben für Produktionsmanagement und -controlling. In R. Gleich, & A. Klein (Hrsg.), Controlling und Big Data (S. 141–158). Freiburg: Haufe.

    Google Scholar 

  • Roth, A. (2016). Industrie 4.0 – Hype oder Revolution?. In A. Roth (Hrsg.), Einführung und Umsetzung von Industrie 4.0 (S. 1–15). Wiesbaden: Springer Gabler.

    Google Scholar 

  • Roth, A., & Siepmann, D. (2016). Industrie 4.0 – Ausblick. In A. Roth (Hrsg.), Einführung und Umsetzung von Industrie 4.0 (S. 247–260). Wiesbaden: Springer Gabler.

    Google Scholar 

  • Sauter, R., Bode, M., & Kittelberger, D. (2016). Digital transformation in Manufacturing Industries: Wie Industrie 4.0 das Controlling verändert. In R. Gleich & A. Klein (Hrsg.), Controlling und Industrie 4.0 (S. 141–156). Freiburg: Haufe.

    Google Scholar 

  • Schade, J. (2017). Großbrand bei der Telekom in Siegen. https://www.derwesten.de/staedte/nachrichten-aus-siegen-kreuztal-netphen-hilchenbach-und-freudenberg/grossbrand-bei-der-telekom-in-siegen-id7508134.html. Zugegriffen: 15. Mai 2017.

  • Schallmo, D., & Rusnjak, A. (2017). Roadmap zur Digitalen Transformation von Geschäftsmodellen. In D. Schallmo, A. Rusnjak, J. Anzengruber, T. Werani, & M. Jünger (Hrsg.), Digitale Transformation von Geschäftsmodellen (S. 1–32). Wiesbaden: Springer Gabler.

    Chapter  Google Scholar 

  • Scheer, A.-W. (2016). Industrie 4.0: Von der Vision zur Implementierung. In R. Obermaier (Hrsg.), Industrie 4.0 als unternehmerische Gestaltungsaufgabe (S. 35–52). Wiesbaden: Springer Gabler.

    Chapter  Google Scholar 

  • Schlick, J., Stephan, P., Loskyll, M., & Lappe, D. (2014). Industrie 4.0 in der praktischen Anwendung. In T. Bauernhansl, M. Ten Hompel, & B. Vogel-Heuser (Hrsg.), Industrie 4.0 in Produktion, Automatisierung und Logistik (S. 57–84). Wiesbaden: Springer Vieweg.

    Chapter  Google Scholar 

  • Schließmann, A. (2014). iProduction, die Mensch-Maschine-Kommunikation in der Smart Factory. In T. Bauernhansl, M. Ten Hompel, & B. Vogel-Heuser (Hrsg.), Industrie 4.0 in Produktion, Automatisierung und Logistik (S. 451–480). Wiesbaden: Springer Vieweg.

    Chapter  Google Scholar 

  • Schreurs, M., Jänicke, M., & Weidner, H. (2014). Lutz Mez und die Suche nach der unerschöpflichen Energiequelle. In A. Brunnengräber & M. Rosaria Di Nucci (Hrsg.), Im Hürdenlauf zur Energiewende (S. 9–14). Wiesbaden: Springer VS.

    Google Scholar 

  • Schulmeyer, C. (2015). Big Data-Analyse auf Basis technischer Methoden und Systeme. In J. Dorschel (Hrsg.), Praxishandbuch Big Data (S. 307–330). Wiesbaden: Springer Gabler.

    Google Scholar 

  • Schulze, M., & Gleich, R. (2014). Energiecontrolling: Grundlagen, Aufgaben, Instrumente und Organisation. In R. Gleich & A. Klein (Hrsg.), Energiecontrolling (S. 27–42). Freiburg: Haufe.

    Google Scholar 

  • Sendler, U. (2013). Industrie 4.0 – Beherrschung der industriellen Komplexität mit SysLM (Systems Lifecycle Management). In U. Sendler (Hrsg.), Industrie 4.0 (S. 1–19). Heidelberg: Springer Vieweg.

    Google Scholar 

  • Seufert, A. (2014). Das Controlling als Business Partner: Business Intelligence & Big Data als zentrales Aufgabenfeld. In R. Gleich & A. Klein (Hrsg.), Controlling und Big Data (S. 23–46). Freiburg: Haufe.

    Google Scholar 

  • Siepmann, D. (2016). Industrie 4.0 – Technologische Komponenten. In A. Roth (Hrsg.), Einführung und Umsetzung von Industrie 4.0 (S. 47–72). Wiesbaden: Springer Gabler.

    Google Scholar 

  • Stremler, A., & März, L. (2015). Chancen und Herausforderungen von Big Data in der Industrie. In J. Dorschel (Hrsg.), Praxishandbuch Big Data (S. 148–166). Wiesbaden: Springer Gabler.

    Google Scholar 

  • Theis, S. (2014). Energiedaten als Grundlage für das Energiecontrolling automatisiert erfassen. In R. Gleich & A. Klein (Hrsg.), Energiecontrolling (S. 243–258). Freiburg: Haufe.

    Google Scholar 

  • Tschandl, M., & Mallaschitz, C. (2016). Industrie 4.0: Controller als Treiber einer strategischen Neuausrichtung. In R. Gleich & A. Klein (Hrsg.), Controlling und Industrie 4.0 (S. 85–108). Freiburg: Haufe.

    Google Scholar 

  • Ulbricht, C. (2015). Anwendungsszenarien. In J. Dorschel (Hrsg.), Praxishandbuch Big Data (S. 240–245). Wiesbaden: Springer Gabler.

    Google Scholar 

  • Walter, T. (2015). Big Data in der Personalabteilung. In J. Dorschel (Hrsg.), Praxishandbuch Big Data (S. 205–211). Wiesbaden: Springer Gabler.

    Google Scholar 

  • Wanke, A. (2014). Nachhaltiges Campus-Management an der Freien Universität Berlin. In A. Brunnengräber & M. R. Di Nucci (Hrsg.), Im Hürdenlauf zur Energiewende (S. 309–328). Wiesbaden: Springer VS.

    Google Scholar 

  • Weinreich, U. (2016). Lean Digitization. Wiesbaden: Springer Gabler.

    Book  Google Scholar 

  • Westkämper, E. (2013a). Zukunftsperspektiven der digitalen Produktion. In E. Westkämper, D. Spath, C. Constantinescu, & J. Lentes (Hrsg.), Digitale Produktion (S. 309–328). Heidelberg: Springer Vieweg.

    Chapter  Google Scholar 

  • Westkämper, E. (2013b). Zusammenfassung. In E. Westkämper, D. Spath, C. Constantinescu, & J. Lentes (Hrsg.), Digitale Produktion (S. 329–332). Heidelberg: Springer Vieweg.

    Chapter  Google Scholar 

  • Wosnitza, F., & Hilgers, H. (2012). Energieeffizienz und Energiemanagement. Wiesbaden: Springer Spektrum.

    Book  Google Scholar 

  • Ziesing, H.-J. (2014). Monitoring der Energiewende – Ist Deutschland schon auf dem Zielpfad? In A. Brunnengräber & M. Rosaria Di Nucci (Hrsg.), Im Hürdenlauf zur Energiewende (S. 353–368). Wiesbaden: Springer VS.

    Google Scholar 

  • Zollenkop, M., & Lässig, R. (2017). Digitalisierung im Industriegütergeschäft. In D. Schallmo, A. Rusnjak, J. Anzengruber, T. Werani, & M. Jünger (Hrsg.), Digitale Transformation von Geschäftsmodellen (S. 59–95). Wiesbaden: Springer Gabler.

    Chapter  Google Scholar 

  • Zumpe, S. (2014). Energiecontrolling als Bestandteil des Energiemanagements. In R. Gleich & A. Klein (Hrsg.), Energiecontrolling (S. 127–138). Freiburg: Haufe.

    Google Scholar 

  • Zumstein, D., & Kunischewski, D. (2016). Design und Umsetzung eines Big Data Service im Zuge der digitalen Transformation eines Versicherungsunternehmens. In D. Fasel & A. Meier (Hrsg.), Big Data (S. 319–345). Wiesbaden: Springer Vieweg.

    Google Scholar 

Download references

Author information

Authors and Affiliations

  1. Wenden, Deutschland

    Martin-Alexander Arns

  2. FOM Hochschule für Oekonomie & Management, Essen, Deutschland

    Thomas Heupel

Authors
  1. Martin-Alexander Arns
    View author publications

    You can also search for this author in PubMed Google Scholar

  2. Thomas Heupel
    View author publications

    You can also search for this author in PubMed Google Scholar

Corresponding author

Correspondence to Martin-Alexander Arns .

Editor information

Editors and Affiliations

  1. FOM Hochschule für Oekonomie & Management, Düsseldorf, Germany

    Thomas Kümpel

  2. FOM Hochschule für Oekonomie & Management, Düsseldorf, Germany

    Kay Schlenkrich

  3. FOM Hochschule für Oekonomie & Management, Essen, Germany

    Thomas Heupel

Rights and permissions

Reprints and permissions

Copyright information

© 2019 Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature

About this chapter

Check for updates. Verify currency and authenticity via CrossMark

Cite this chapter

Arns, MA., Heupel, T. (2019). Effizientes Energiecontrolling in Zeiten von Industrie 4.0. In: Kümpel, T., Schlenkrich, K., Heupel, T. (eds) Controlling & Innovation 2019. FOM-Edition. Springer Gabler, Wiesbaden. https://doi.org/10.1007/978-3-658-23474-4_4

Download citation

  • DOI: https://doi.org/10.1007/978-3-658-23474-4_4

  • Published:

  • Publisher Name: Springer Gabler, Wiesbaden

  • Print ISBN: 978-3-658-23473-7

  • Online ISBN: 978-3-658-23474-4

  • eBook Packages: Business and Economics (German Language)

Publish with us

Policies and ethics

Search

Navigation