Bedeutung der KI-gestützten Wissensabsorptionsfähigkeit für die Kernkompetenzen der Zukunft

Djerdj Horvat () and Heidi Heimberger ()
Additional contact information
Djerdj Horvat: Fraunhofer-Institut für System- und Innovationsforschung ISI
Heidi Heimberger: Fraunhofer-Institut für System- und Innovationsforschung ISI

A chapter in Zukunftsnavigator Deutschland, 2022, pp 201-215 from Springer

Abstract: Zusammenfassung Um ihre Kompetenzen an die durch die Digitalisierung entstehenden neuen Anforderungen ständig anpassen zu können, müssen Unternehmen in der Lage sein, große Datenmengen zu bewältigen und zu nutzen. Ein zentraler Erfolgsfaktor ist dabei ihre Wissensabsorptionsfähigkeit als ein Bündel an Routinen und Prozessen zur Entdeckung neuer Potenziale in internen und externen Daten bzw. Wissensbeständen sowie zur Implementierung dieser in Innovationsprozessen. In diesem Zusammenhang sind sich Forschung und Praxis darüber einig, dass diese Prozesse ohne Unterstützung von avancierten digitalen Technologien kaum mehr vorstellbar sind. Eine wesentliche Rolle spielt dabei künstliche Intelligenz (KI) als Schlüsseltechnologie, die sich im Lauf der letzten Jahre rasant weiterentwickelt hat. Die Managementliteratur hat sich bislang jedoch kaum mit den praktischen Synergiepotenzialen der Wissensabsorptionsfähigkeit und KI beschäftigt. In diesem Beitrag stellen wir einen ersten analytischen Bezugsrahmen zur Analyse der unternehmensspezifischen Synergien zwischen den Routinen und Prozessen der Wissensabsorption und der KI vor. Basierend auf zwei Fallbeispielen aus der Praxis präsentieren wir unterschiedliche, potenzielle Anwendungsfälle, bei denen der Einsatz der KI-gestützten Wissensabsorption zur besseren Unternehmensperformance führen kann.

Date: 2022
References: Add references at CitEc
Citations:

There are no downloads for this item, see the EconPapers FAQ for hints about obtaining it.

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:spr:sprchp:978-3-662-64902-2_12

Ordering information: This item can be ordered from
http://www.springer.com/9783662649022

DOI: 10.1007/978-3-662-64902-2_12

Access Statistics for this chapter

More chapters in Springer Books from Springer
Bibliographic data for series maintained by Sonal Shukla () and Springer Nature Abstracting and Indexing ().