Skip to main content

Intelligente Bots für die Trendforschung – Eine explorative Studie

  • 7593 Accesses

Part of the Edition HMD book series (EHMD)

Zusammenfassung

Das zielgerichtete Management von Innovationen hat in Zeiten globaler und dynamischer Märkte einen maßgeblichen Einfluss auf die Wettbewerbsfähigkeit von Unternehmen. Insbesondere die frühe Phase des Innovationsprozesses zielt darauf ab, Innovationschancen im Rahmen des Umfeldscannings frühzeitig zu erkennen. Hierfür stehen immer stärker wachsende Datenmengen zur Verfügung, aus denen relevante Informationen jedoch erst extrahiert werden müssen. Dieser Beitrag präsentiert die Ergebnisse einer Studie zu den Herausforderungen an ein erfolgreiches Innovationsmanagement und stellt ein Umfeldscanningsystem vor, welches die Effektivität und die Effizienz des Innovationsmanagements mithilfe von künstlicher Intelligenz steigert. Durch das dreistufige Verfahren, bestehend aus Themenerkennung, Trenderkennung und Trendbeobachtung, kann das Umfeldscanning in hohem Maße automatisiert werden. In der anschließenden Fallstudie wird anhand von drei Praxisbeispielen gezeigt, wie mithilfe des Systems die Trends von Morgen erkannt werden können. Zum Schluss wird das datenbasierte Umfeldscanningsystem als Chance für Unternehmen jeder Größe diskutiert.

Keywords

  • Innovationsmanagement
  • Künstliche Intelligenz
  • Maschinelles Lernen
  • Technologie-Vorausschau
  • Trend-Scouting
  • Umfeldscanning
  • Vorausschau

Vollständig überarbeiteter und erweiterter Beitrag basierend auf Kölbl L, Mühlroth C, Wiser F, Grottke M, Durst C (2019). Big Data im Innovationsmanagement: Wie Machine Learning die Suche nach Trends und Technologien revolutioniert. HMD – Praxis der Wirtschaftsinformatik 56(5): 900–913.

This is a preview of subscription content, access via your institution.

Buying options

Chapter
USD   29.95
Price excludes VAT (USA)
  • DOI: 10.1007/978-3-658-32236-6_12
  • Chapter length: 19 pages
  • Instant PDF download
  • Readable on all devices
  • Own it forever
  • Exclusive offer for individuals only
  • Tax calculation will be finalised during checkout
eBook
USD   49.99
Price excludes VAT (USA)
  • ISBN: 978-3-658-32236-6
  • Instant PDF download
  • Readable on all devices
  • Own it forever
  • Exclusive offer for individuals only
  • Tax calculation will be finalised during checkout
Hardcover + eBook
USD   64.99
Price excludes VAT (USA)
Abb. 12.1
Abb. 12.2
Abb. 12.3
Abb. 12.4
Abb. 12.5
Abb. 12.6
Abb. 12.7
Abb. 12.8
Abb. 12.9
Abb. 12.10

Literatur

  • Blei DM, Ng AY, Jordan MI (2003) Latent Dirichlet allocation. J Mach Learn Res 3:993–1022

    MATH  Google Scholar 

  • Boucher JL (2017) Mediterranean eating pattern. Diabetes Spectr 30(2):72–76

    CrossRef  Google Scholar 

  • Durst C, Durst M (2016) Integriertes Innovationsmanagement – Vom Umfeldscanning zur Roadmap. In: Abele T (Hrsg.) Die frühe Phase des Innovationsprozesses. Neue, praxiserprobte Methoden und Ansätze, XVIII. Springer Gabler, Wiesbaden, S 217–233

    Google Scholar 

  • Durst C, Volek A, Greif F, Brügmann H, Durst M (2011) Zukunftsforschung 2.0 im Unternehmen. HMD – Praxis der Wirtschaftsinformatik 48(6):74–82

    CrossRef  Google Scholar 

  • Engeström Y (1987) Learning by expanding. Cambridge University Press, Helsinki

    Google Scholar 

  • Forsgren E, Byström K (2018) Multiple social media in the workplace: contradictions and congruencies. Inf Syst J 28(3):442–464

    CrossRef  Google Scholar 

  • Gregor S (2006) The nature of theory in information systems. MIS Q 30(3):611–642

    CrossRef  Google Scholar 

  • Keller J, Gracht HA (2014) The influence of information and communication technology (ICT) on future foresight processes: results from a Delphi survey. Technol Forecast Soc Chang 85:81–92

    CrossRef  Google Scholar 

  • Liaw SS, Huang HM, Chen GD (2007) An activity-theoretical approach to investigate learners’ factors toward e-learning systems. Comput Hum Behav 23(4):1906–1920

    CrossRef  Google Scholar 

  • Lucas HC, Goh JM (2009) Disruptive technology: how Kodak missed the digital photography revolution. J Strateg Inf Syst 18(1):46–55

    CrossRef  Google Scholar 

  • Mühlroth C, Grottke M (2018) A systematic literature review of mining weak signals and trends for corporate foresight. J Bus Econ 88(5):643–687

    Google Scholar 

  • Mühlroth C, Grottke M (2020) Artificial Intelligence in innovation: how to spot emerging trends and technologies. IEEE Trans Eng Manag, 27. Mai 2020. https://doi.org/10.1109/TEM.2020.2989214

  • Pawlak R, Parott SJ, Raj S, Cullum-Dugan D, Lucus D (2013) How prevalent is vitamin B12 deficiency among vegetarians? Nutr Rev 71(2):110–117

    CrossRef  Google Scholar 

  • Rohrbeck R, Bade M (2012) Environmental scanning, futures research, strategic foresight and organizational future orientation: a review, integration, and future research directions. XXIII ISPIM Annual Conference, Barcelona, Spanien, S 1–14

    Google Scholar 

  • Whitworth B, Banuls V, Sylla C, Mahinda E (2008) Expanding the criteria for evaluating socio-technical software. IEEE Trans Syst Man Cybern 38(4):777–790

    CrossRef  Google Scholar 

  • Wiser F, Durst C, Wickramasinghe N (2018) Activity theory: a comparison of HCI theories for the analysis of healthcare technology. In: Theories to inform superior health informatics research and practice. Springer, Cham, S 235–249

    Google Scholar 

Download references

Förderhinweis

Dieses Forschungs- und Entwicklungsprojekt wurde mit Mitteln des Bundesministeriums für Bildung und Forschung (BMBF) in der Fördermaßnahme „Technikbasierte Dienstleistungssysteme“ (02K16C190) gefördert und vom Projektträger Karlsruhe (PTKA) betreut. Die Verantwortung für den Inhalt dieser Veröffentlichung liegt bei den Autoren.

Author information

Authors and Affiliations

Authors

Corresponding author

Correspondence to Christian Mühlroth .

Editor information

Editors and Affiliations

Rights and permissions

Reprints and Permissions

Copyright information

© 2021 Der/die Autor(en), exklusiv lizenziert durch Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature

About this chapter

Verify currency and authenticity via CrossMark

Cite this chapter

Mühlroth, C., Kölbl, L., Wiser, F., Grottke, M., Durst, C. (2021). Intelligente Bots für die Trendforschung – Eine explorative Studie. In: D'Onofrio, S., Meier, A. (eds) Big Data Analytics. Edition HMD. Springer Vieweg, Wiesbaden. https://doi.org/10.1007/978-3-658-32236-6_12

Download citation