Wertschöpfungsradar: KI-gestützte Vorausschau zur Erkennung wertschöpfungsrelevanter Signale

Hintergrund: Resilientere Wertschöpfung durch frühzeitige Erkenntnisse

Wertschöpfung findet heute in innovativen, teils globalen und komplexen Systemen und Netzwerken statt. Dadurch haben neue Ideen und dynamische Veränderungen weitgreifende Auswirkungen – das birgt Chancen und Risiken für die Wertschöpfung der Zukunft. Das frühzeitige Erkennen von zum Beispiel verdeckten Entwicklungen, kann Unternehmen, aber auch Forscherinnen und Forscher in einer ungewissen Zukunft dabei unterstützen, Wertschöpfungmodelle resilienter zu gestalten.

Projektbeschreibung: KI-gestützte Vorausschau ermöglicht fundierte Suche nach neuen Entwicklungen der Wertschöpfung

Im Rahmen des Forschungsprogramms des Bundesministeriums für Bildung und Forschung (BMBF), »Zukunft der Wertschöpfung – Forschung zu Produktion, Dienstleistung und Arbeit«, will das Verbundprojekt Methoden für eine datengestützte und Experten-geleitete Vorausschau entwickeln. Im Mittelpunkt steht das methodische Erarbeiten einer durch Künstliche Intelligenz (KI)-gestützten Vorausschau zur Erkennung wertschöpfungsrelevanter Signale.

Das Forschungsprojekt wird helfen, systematisch und wissenschaftlich fundiert nach Maßnahmen, Trends und Themen zu suchen, die Entwicklungen bei Technologien, Verfahren und Konzepten der Wertschöpfung beeinflussen.

Wesentliche Leistungsbausteine sind:

  • die systematische, ganzheitliche Suche nach wertschöpfungsrelevanten Signalen,
  • das Scannen durch ein teilautomatisiertes und KI-gestütztes »Radartool«,
  • das Einbetten der Erkenntnisse in eine integrierte Vorausschau-Methodik zur aktiven Beobachtung, Analyse und Interpretation von wertschöpfungsrelevanten Signalen,
  • das Entwickeln eines mehrdimensionalen Wertschöpfungsmodells und ganzheitlichen Wertschöpfungsverständnisses,
  • das Einbinden von themenspezifischen Communities und Expert:innen-Netzwerken zur Validierung und Interpretation von Signalen, außerdem zur Weiterentwicklung der Methodik.

Die Forscherinnen und Forscher der Gruppe Futures and Innovation koordinieren das Forschungsprojekt am Fraunhofer IMW. Außerdem sind Mitarbeitende der digitalen Projekteinheit Data Mining und Wertschöpfung und der Forschungsgruppe Data Science für Innovation des Fraunhofer IMW am Forschungsprojekt beteiligt.

Das Projekt »Wertschöpfungsradar« läuft vorrausichtlich von Januar 2022 bis Dezember 2026.

Auftraggeber

Bundesministerium für Bildung und Forschung (BMBF)

Verbundpartner

  • Helmut-Schmidt-Universität
  • Laboratorium Fertigungstechnik (LaFT) 
  • Institut für sozialwissenschaftliche Forschung e.V. 

Weiterführende Informationen

 

Wertschöpfungsradar: Wettbewerbsvorteile durch KI-gestützte Vorausschau

News / 4.5.2023

Agile Buchkonzeption: Das Netzwerksymposium zum Handbuch »Kreislauffähige Wertschöpfung«

Die Autorinnen und Autoren des Handbuchbandes »Kreislauffähige Wertschöpfung« trafen sich am 4. Mai 2023 mit den Reihen- und Bandherausgeberinnen und -herausgebern sowie Mitarbeitenden des Projekts »Wertschöpfungsradar« zu einem Netzwerktreffen in Leipzig. Hier diskutierten sie Inhalt und Aufbau der geplanten Publikation.

News / 18.4.2023

Externe Impulse für das Projekt »Wertschöpfungsradar«: Auftakttreffen des wissenschaftlichen Beirats

Am 18. April 2023 kamen die Expertinnen und Experten des wissenschaftlichen Beirats im Projekt »Wertschöpfungsradar« in einem Auftakttreffen mit den Projektmitarbeitenden zusammen, um das Projekt besser kennenzulernen und Ideen für dessen Weiterentwicklung zu sammeln.

News / 7.4.2022

Kick-Off Verbundprojekt »Wertschöpfungsradar«

Start des Forschungsprojekts zur systematischen Vorausschau zur Zukunft der Wertschöpfung

Das Forschungsprojekt »Wertschöpfungsradar« startete offiziell am 7. April 2022 nach Beginn der Projektlaufzeit Anfang Januar mit einer gemeinsamen Kick-Off-Veranstaltung aller Projektpartner. 

 

Leiter der digitalen Projekteinheit: Prof. Dr. Heiko Gebauer

Digitale Projekteinheit Data Mining und Wertschöpfung

 

Gruppenleiter: Dr. Karl Trela

Gruppe Data Science für Innovation