Open Access

Das Buch erläutert unter dem Oberbegriff digitales Unternehmen die unterschiedlichen Entwicklungen, die für ein Unternehmen im Bereich der digitalen Transformation von Bedeutung sind. Hierzu wird ein Unternehmen in zehn einzelne Elemente wie beispielsweise Geschäftsprozesse, Produkte, Daten, Mitarbeiter, Geschäftsmodell unterteilt. Diese stellen die Eckpfeiler des digitalen Unternehmens dar. Für jedes Element wird die digitale Transformation anhand von Reifegrad-Modellen erklärt, auf deren Basis dann Entscheidungen für die Digitalisierungsschwerpunkte in Unternehmen getroffen werden können. Insbesondere wird herausgestellt, welche Stufen der Transformation tatsächlich neu und welche schon seit vielen Jahren erreicht sind. Dabei werden die oben aufgelisteten Schlagworte eingeordnet und erläutert. Auf diese Weise soll die digitale Transformation greifbar gemacht und konkretisiert werden.

Methoden zur Überwachung und Steuerung von Materialflüssen in einem Produktions- oder Logistiksystem sollen Ziele wie niedrige Kosten und kurze Durchlaufzeiten unterstützen. Die Steuerungsprinzipien der Lean Production zielen auf dezentrale, bedarfsorientierte Selbstorganisation der Prozesse, zum Beispiel in einem Kanban-Regelkreis. Die Ansätze der Industrie 4.0 setzen auf digitale Vernetzung von Maschinen, Produkten und Mitarbeitern sowie den Einsatz von Sensorik. Welcher Steuerungsansatz passt zu welchem Produktportfolio? Lassen sich die Ansätze kombinieren – schlank durch Digitalisierung? Das Crossroads-Modell erklärt anschaulich die Unterschiede der Steuerungsansätze und leitet konkrete Handlungsempfehlungen für die Unternehmenspraxis ab.

The use of augmented reality (AR) in outbound logistics is associated with potentially strong stimuli for cost savings and throughput time. Nevertheless, the benefits of AR compared to conventional methods require a holistic analysis for investment decision making. Until now, research has only assessed case-study-related potentials and selected aspects of the technology. This paper answers the following research questions: How can the economic efficiency of AR in the packing process be quantified by utilizing a holistic model of value drivers? How can AR be technically implemented for packing processes in outbound logistics? What economic profit results from the use of AR technology in a case company’s packing process? The presented model enables the investment decision to be supported based on economic value added (EVA), thereby providing an assessment of value drivers in packing systems. Cost drivers are identified on the basis of the Supply Chain Operations Reference (SCOR) process model. The technical and economic validation of the model was carried out by means of an empirical study: Expert interviews were conducted for validating the model elements. Data collection by a prototype at a mechanical-engineering company was used to calculate the value contribution. The mapping of cause-effect relationships within the framework of EVA driver trees has proven itself in both the expert interviews and the prototype validation. The field experiment at the case company demonstrated a positive value contribution of AR, in particular regarding employee productivity, length and variance of throughput time, quality aspects, volume utilization, and quantity of packing material used.