Zusammenfassung
Artificial Intelligence (AI) verspricht durch Produkt- und Prozessinnovationen großes Potenzial für die Wertschöpfung von Automobilherstellern. Die strategischen Maßnahmen, um von diesem Potenzial Gebrauch zu machen, sind jedoch organisatorisch umfassend und tiefgreifend. Damit genügt es nicht, dass AI nur in einer funktional verstandenen IT-Strategie ausgeprägt ist. Vielmehr erscheint es notwendig zu sein, Artificial Intelligence als einen Baustein von Digital-Strategien zu verstehen. Diese überlagern die Teilstrategien im Unternehmen und erlauben es damit, intertechnologische und interfunktionale Kohärenz herzustellen. Dieser Beitrag untersucht, wie AI aus digitalstrategischer Perspektive für Automobilhersteller zu bewerten, zu planen und zu implementieren ist.
Vollständig neuer Original-Beitrag
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 subscriptionsLiteratur
Abadi M et al (2016) TensorFlow – a system for large-scale machine learning. In: Proceedings of the 12th USENIX symposium on operating systems design and implementation, S. 265–283. https://doi.org/10.1038/nn.3331
Accenture (2018) Artificial Intelligence, Genuine Impact. https://www.accenture.com/t20180329T022652Z__w__/us-en/_acnmedia/PDF-75/Accenture-AI-Genuine-Impact-Pov-Final-Us.pdf. Zugegriffen am 09.11.2018
Anantharaman T, Campbell MS, Hsu F (1990) Singular extensions. Adding selectivity to brute-force searching. Artif Intell 43(1):99–109
BCG (2018a) The Build-or-Buy Dilemma in AI. https://www.bcg.com/publications/2018/build-buy-dilemma-artificial-intelligence.aspx. Zugegriffen am 09.11.2018
BCG (2018b) The integrated strategy machine – using AI to create advantage. https://www.bcg.com/publications/2016/strategy-technology-digital-integrated-strategy-machine-using-ai-create-advantage.aspx. Zugegriffen am 04.10.2018
Bharadwaj A et al (2013) Digital business strategy – toward a next generation of insights. MIS Q 37(2):471–482
Biamonte J et al (2017) Quantum machine learning. Nature 549:195–202. https://doi.org/10.1038/nature23474
Bitkom e.V. (2017) Künstliche Intelligenz – Wirtschaftliche Bedeutung, gesellschaftliche Herausforderungen, menschliche Verantwortung. https://doi.org/10.3139/9783446417533
Bloom A (2014) Data driving the future of cars – data science innovations in the automotive industry. https://content.pivotal.io/blog/data-driving-the-future-of-cars-data-science-innovations-in-the-automotive-industry
BMW Group (2018) BMW Geschäftsbericht 2017. https://www.bmwgroup.com/content/dam/bmw-group-websites/bmwgroup_com/ir/downloads/de/2018/Geschäftsbericht/BMW-GB17_de_Finanzbericht_ONLINE.pdf. Zugegriffen am 09.11.2018
Bowen P et al (2017) Choosing the right platform for the industrial IoT, bain & company. https://www.bain.com/insights/choosing-the-right-platform-for-the-industrial-iot. Zugegriffen am 09.11.2018
Bundesregierung (2018) Eckpunkte der Bundesregierung für eine Strategie Künstliche Intelligenz. https://www.bmbf.de/files/180718Eckpunkte_KI-StrategiefinalLayout.pdf. Zugegriffen am 09.11.2018
Carr NG (2003) IT doesn’t matter. Harv Bus Rev June(1):12
Chandrasekaran R (1997) Kasparov proves no match for computer. Washington Post. https://www.washingtonpost.com/wp-srv/tech/analysis/kasparov/kasparov.htm??noredirect=on. Zugegriffen am 09.11.2018
Daimler (2018) Daimler Geschäftsbericht 2017. https://www.daimler.com/dokumente/investoren/berichte/geschaeftsberichte/daimler/daimler-ir-geschaeftsbericht-2017.pdf. Zugegriffen am 09.11.2018
DMV (2017) Autonomous vehicle disengagement reports 2017. https://www.dmv.ca.gov/portal/dmv/detail/vr/autonomous/disengagement_report_2017
Gartner (2014) Taming the digital dragon – the 2014 CIO agenda – insights from the 2014 gartner CIO agenda report. https://www.gartner.com/imagesrv/cio/pdf/cio_agenda_insights2014.pdf. Zugegriffen am 09.11.2018
Gerpott TJ, Berg S (2012) Präferenzen für Pay-As-You-Drive-Versicherungsmerkmale bei Privatkunden – Eine conjoint-analytische Untersuchung. Schmalenbachs Zeitschrift für betriebswirtschaftliche Forschung 64:456–492
Gertner J (2017) Tesla’s dangerous sprint into the future. New York Times. https://www.nytimes.com/interactive/2017/11/07/magazine/tech-design-future-autonomous-cars-factory-tesla-sustainability-gigafactory.html. Zugegriffen am 09.11.2018
Hale J (2018) Deep learning framework power scores 2018 – towards data science. https://towardsdatascience.com/deep-learning-framework-power-scores-2018-23607ddf297a. Zugegriffen am 09.11.2018
Harari YN (2016) Homo Deus, HarperCollins. https://doi.org/10.17104/9783406704024
Hernández-Orallo J (2017) Evaluation in artificial intelligence: from task-oriented to ability-oriented measurement. Artif Intell Rev Springer, Netherlands 48(3):397–447. https://doi.org/10.1007/s10462-016-9505-7
Hsu F, Campbell MS, Hoane AJ Jr (1995) Deep blue system overview. In: ICS 1995, Proceedings on the 9th international conference on Supercomputing. Barcelona, S 240–244
Institut für Innovation und Technik (2018) Studie Trends in der Unterstützungslandschaft von Start-ups – Inkubatoren, Akzeleratoren und andere – im Auftrag des BMWi. https://www.bmwi.de/Redaktion/DE/Publikationen/Studien/trends-in-der-unterstuetzungslandschaft-von-start-ups.pdf
LeCun Y, Bengio Y, Hinton G (2015) Deep learning. Nature 521(7553):436–444. https://doi.org/10.1038/nature14539
McKinsey&Company (2017) Smartening up with artificial intelligence (AI) – what’s in it for Germany and its industrial sector? Digital McKinsey. https://www.mckinsey.com/~/media/McKinsey/Industries/Semiconductors/OurInsights/Smartening up with artificial intelligence/Smartening-up-with-artificial-intelligence.ashx
McKinsey&Company (2018) Artificial intelligence – automotive’s new value-creating engine. https://www.mckinsey.com/~/media/mckinsey/industries/automotive and assembly/our insights/artificial intelligence as auto companies new engine of value/artificial-intelligence-automotives-new-value-creating-engine.ashx
Mintzberg H (1978) Patterns in strategy formation. Manag Sci 24(9):934–948. https://doi.org/10.1287/mnsc.24.9.934
Mintzberg H (1979) The structuring of organizations. Palgrave, Prentice Hall
Mintzberg H (1994) The rise and fall of strategic planning. Harv Bus Rev 72(1):107–113
Osterwalder A, Pigneur Y (2010) Business model generation. Wiley, Hoboken
Peters ML, Zelewski S (2011) Emergente Strategien in nachhaltig wirtschaftenden Unternehmen. uwf UmweltWirtschaftsForum 19:83–86. https://doi.org/10.1007/s00550-011-0199-7
Pieper, N. et al. (2013) Relevanz der Intermodalität für CarSharing-Konzepte, in Proff, H. et al. (Hrsg.) Schritte in die künftige Mobilität. Technische und betriebswirtschaftliche Aspekte. Springer Gabler, Wiesbaden, 379–399
Porter ME (1979) How competitive forces shape strategy. Harv Bus Rev 2:137–145
Porter ME (1989) From competitive advantage to corporate strategy. In: Asch D, Bowman C (Hrsg) Readings in strategic management. Palgrave, London, S 234–255.https://doi.org/10.1007/978-1-349-20317-8_17
Porter ME (1996) What is strategy? Harv Bus Rev 6:61–78. https://doi.org/10.1127/nova_hedwigia/2015/0301
Preuss S (2017) 30.000.000.000.000 Rechenvorgänge in einer Sekunde. FAZ. http://www.faz.net/aktuell/wirtschaft/unternehmen/kuenstliche-intelligenz-30-000-000-000-000-rechenvorgaenge-in-einer-sekunde-15110249.html. Zugegriffen am 09.11.2018
Ramanujam S (2016) The data science behind predictive maintenance for connected cars. https://content.pivotal.io/blog/the-data-science-behind-predictive-maintenance-for-connected-cars
Ransbotham S (2018) Don’t let artificial intelligence supercharge bad processes. MIT Sloan Manag Rev. https://sloanreview.mit.edu/article/dont-let-artificial-intelligence-supercharge-bad-processes
Ross J (2017) The fundamental flaw in AI implementation. MIT Sloan Manag Rev. https://sloanreview.mit.edu/article/the-fundamental-flaw-in-ai-implementation/
Ross JW, Sebastian IM, Beath CM (2017) How to develop a great digital strategy. MIT Sloan Manag Rev 58(2):7–9. http://mitsmr.com/2fAqNTk
Russel, S. und Norvig, P. (2014) Artificial intelligence. 3. Pearson, London
Schrage M, Kiron D (2018) Machine learning in the automotive industry: aligning investments and incentives. MIT Sloan Manag Rev. https://sloanreview.mit.edu/article/machine-learning-in-the-automotive-industry-aligning-investments-and-incentives/
Schütte R (2017) Immer mehr Standard – Cloud Computing im Kontext von Enterprise Systems. Unikate 50:108–115. https://www.iis.wiwi.uni-due.de/uploads/media/Schuette__2017__-_Immer_mehr_Standard.pdf
Seifert I et al (2018) Potenziale der Künstliche Intelligenz im produzierenden Gewerbe in Deutschland – Studie im Auftrag des Bundesministeriums für Wirtschaft und Energie (BMWi) im Rahmen der Begleitforschung zum Technologieprogramm. https://www.bmwi.de/Redaktion/DE/Publikationen/Studien/potenziale-kuenstlichen-intelligenz-im-produzierenden-gewerbe-in-deutschland.pdf?__blob=publicationFile&v=8
Spotify (2014) Spotify engineering culture – part 1. https://vimeo.com/85490944. Zugegriffen am 09.11.2018
Tian Y et al (2017) DeepTest: automated testing of deep-neural-network-driven autonomous cars:303–314. https://doi.org/10.1145/3180155.3180220
Turing AM (1950) Computing machinery and intelligence. Mind 49(236):433–460. https://doi.org/10.1093/mind/LIX.236.433
Urbach N (2017) Bimodale IT, S. 1–4. http://www.enzyklopaedie-der-wirtschaftsinformatik.de/lexikon/is-management/Software-Projektmanagement/bimodale-it
Urbach N, Ahlemann F (2017) Die IT-Organisation im Wandel: Implikationen der Digitalisierung für das IT-Management. HMD Praxis der Wirtschaftsinformatik 54(3):300–312. https://doi.org/10.1365/s40702-017-0313-6
Volkswagen AG (2018) Volkswagen Geschäftsbericht 2017. https://www.volkswagenag.com/ir/Y_2017_d.pdf. Zugegriffen am 09.11.2018
Waymo (2017) Waymo Disengagement report 2017. https://www.dmv.ca.gov/portal/wcm/connect/42aff875-7ab1-4115-a72a-97f6f24b23cc/Waymofull.pdf?MOD=AJPERES&CVID=
Wheelwright SC (1984) Manufacturing strategy – defining the missing link. Strateg Manag J 5:77–91
Woodard D (2018) How Uber matches riders and drivers to reduce waiting time. Stanford University School of Engineering. https://www.youtube.com/watch?v=GyPq2joHZv4
Zelewski S (2009) Produktion. In: Kollmann T (Hrsg) Gabler Kompakt-Lexikon – Unternehmensgründung. Springer Gabler, Wiesbaden, S 330–332. https://doi.org/10.1007/978-3-8349-8770-9
Zhang W, Jenelius E, Ma X (2017) Freight transport platoon coordination and departure time scheduling under travel time uncertainty. Transp Res E Logist Transp Rev Elsevier Ltd 98:1–23. https://doi.org/10.1016/j.tre.2016.11.008
Zipse O, Ebner M (2018) BMW Brilliance Automotive baut Batteriefabrik in China aus. https://www.press.bmwgroup.com/austria/article/detail/T0281495DE/bmw-brilliance-automotive-baut-batteriefabrik-in-china-aus?language=de. Zugegriffen am 09.11.2018
ZophB, Le QV (2017) Neural architecture search with reinforcement learning. https://arxiv.org/abs/1611.01578
Author information
Authors and Affiliations
Corresponding author
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2019 Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature
About this chapter
Cite this chapter
Kari, M., Schütte, R. (2019). AI als Building Block von Digital-Strategien – am Beispiel von Automotive OEMs. In: Meinhardt, S., Pflaum, A. (eds) Digitale Geschäftsmodelle – Band 2. Edition HMD. Springer Vieweg, Wiesbaden. https://doi.org/10.1007/978-3-658-26316-4_8
Download citation
DOI: https://doi.org/10.1007/978-3-658-26316-4_8
Published:
Publisher Name: Springer Vieweg, Wiesbaden
Print ISBN: 978-3-658-26315-7
Online ISBN: 978-3-658-26316-4
eBook Packages: Computer Science and Engineering (German Language)