Open Access

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.

Blockchains (BC) werden häufig direkt Bitcoin und andere Kryptowährungen verbunden. Dabei stellt BC die Technologie dar, auf der Bitcoin und Co basieren und sind ein Anwendungsbeispiel unter vielen. Die BC besitzt einige Eigenschaften, die auch für das Supply Chain Management relevant sind. Produktrückrufe nehmen aufgrund der komplexen Supply Chains (SC) immer weiter zu. Dabei liegt die Herausforderung darin, einen Produktrückruf effizient vorzubereiten, durchzuführen und anschließend in die Ursachenanalyse einzusteigen. Genau an dieser Stelle kann die BC-Technologie unterstützen und Transparenz schaffen. So kann eine Reaktion schnell, kosteneffizient und situativ angemessen erfolgen. Ziel des Beitrags ist, einen Einblick in das Potenzial von BC für die Herausforderung „Produktrückruf“ zu geben.

Die Digitalisierung ist durch regelmäßig neu auf den Markt tretende Technologien und immer größere Einsatzpotenziale, die sich aus ihrer Weiterentwicklung ergeben, charakterisiert. Die Auswahl der Technologien, welche für das Unternehmen zu einer nachhaltigen Effizienzsteigerung oder Realisierung von Wettbewerbsvorteilen führen können, ist wesentlich für die Digitalisierung in den Unternehmen. Mit der Vielzahl an Technologien und Einsatzpotenzialen ist es wichtig, Schlüsseltechnologien zu identifizieren und geeignete Technologien für sich zu bewerten. Da gerade KMU in der Regel keine aktive Technologieverfolgung und eigene -entwicklung vornehmen können, ist es erforderlich, neue Technologien aufwandsarm kennenzulernen, sodass im Anschluss eine konkrete Potenzialbewertung erfolgen kann. Über das hier dargestellte Vorgehensmodell mit dem integrierten Technology Evaluation Canvas, wird ein Instrument bereitgestellt, um die Einführung von Technologie strukturiert und methodisch zu unterstützen.