Dircksen, Michael
Refine
Year of publication
Document Type
- Part of a Book (16)
- Article in Conference Proceedings (5)
- Article (4)
- Book (3)
- Contribution to a Periodical (2)
- Report (1)
Is part of the Bibliography
- no (31)
Keywords
- Logistik (3)
- Supply Chain (2)
- Transport (2)
- 3D-Druck (1)
- 4PL (1)
- Additive Fertigung (1)
- Artificial Intelligence (1)
- Artificial Intellogence (1)
- Big Data Analytics (1)
- CO2-Emissionen (1)
Institute
Die vorliegende Regionalanalyse beleuchtet die wirtschaftliche Resilienz und die Lieferkettenverflechtungen des Kreises Steinfurt. Das Hauptziel ist, Transparenz über die wirtschaftlichen Gegebenheiten des Kreises zu schaffen und potenzielle Risiken und Handlungsfelder für Unternehmen und öffentliche
Einrichtungen zu identifizieren. Die Analyse gliedert sich in vier Teile: Standortprofil, Wirtschaftslandschaft, Lieferkettenverflechtungen sowie Risiken und wirtschaftliche Resilienz. Methodisch kombiniert die Studie quantitative und qualitative Ansätze. Das Standortprofil umfasst die geografische und demografische Charakterisierung sowie die infrastrukturellen Rahmenbedingungen
des Kreises. Die Analyse der Wirtschaftslandschaft basiert auf der Auswertung von Unternehmensdatenbanken, Branchenberichten und diversen weiteren Quellen, um wirtschaftliche Schwerpunkte und Wertschöpfungsketten zu erfassen. Zur Analyse der Lieferkettenverflechtungen wurde im Rahmen dieser Studie ein neues Lieferketten-Mapping-Konzept mit regionalem Fokus entwickelt, welches die Identifizierung zentraler logistischer Knotenpunkte, die Analyse der Akteure der Logistikwirtschaft und die Untersuchung der Güterströme in Abhängigkeit der Verkehrsträger umfasst. Die Einordnung der wirtschaftlichen Resilienz und der Risiken basiert auf der Analyse branchenspezifischer Risiken, verkehrsträger- und infrastrukturspezifischer Risiken sowie makroökonomischer und geopolitischer Risiken.
Die Ergebnisse zeigen, dass der Kreis Steinfurt eine heterogene Wirtschaftsstruktur mit diversifizierten Wertschöpfungsketten aufweist. Die Wertschöpfungsketten im Kreis Steinfurt sind breit gefächert und zugleich eng miteinander verflochten. Die Studie identifiziert 20 Kernbranchenklassen mit besonders hoher wirtschaftlicher Bedeutung, die in komplexe Wertschöpfungsnetzwerke eingebunden sind. Der Straßengüterverkehr dominiert mit über 97% aller versendeten und über 94% aller empfangenen Güter, während der Schienengüterverkehr rückläufig ist. Die Binnenschifffahrt spielt eine wichtige Rolle für den Transport von Schüttgütern. Der Flughafen Münster/Osnabrück (FMO) ermöglicht internationale Luftfrachttransporte, schwerpunktmäßig im Zusammenhang mit den USA sowie diverse asiatische Länder. Die Risikoanalyse verdeutlicht ferner, dass Importketten im verarbeitenden Gewerbe einem
erhöhten Risiko ausgesetzt sind. Externe Einflussfaktoren wie der Weltmarktpreis für Rohöl, das gesellschaftliche Umweltbewusstsein und das allgemeine Konsumklima beeinflussen die untersuchten Branchen maßgeblich.
Die Studie kommt zu dem Schluss, dass der Kreis Steinfurt insgesamt vor dem Hintergrund der Determinanten „Ökonomische Komplexität“ und „Lieferkettenvulnerabilität“ über diverse resilienzfördernde wirtschaftliche Strukturen verfügt. Die Diversifizierung der Wirtschaftsstruktur und der produzierten Güter, die enge Vernetzung mit den benachbarten Regionen und die Präsenz wichtiger logistischer Knotenpunkte sowie Infrastruktur tragen zur Stabilität der regionalen Wirtschaft bei. Die Analyse der Risiken bietet wertvolle Erkenntnisse für die Entwicklung von Strategien zur Stärkung der Resilienz, sowohl auf Unternehmensebene als auch auf Ebene der regionalen Wirtschaftsförderung und -entwicklung.
This study investigates the impact of Large Language Model (LLM) parameters, specifically
temperature and top P, on Supply Chain Risk Detection (SCRD). With a heightened focus
on Supply Chain Risk Management (SCRM) using AI, the research employs a Design of
Experiments (DoE) approach. The results reveal optimal temperature values for valid
assessments in SCRD applications. The study emphasizes the importance of tailored LLM
parameter settings, contributing insights for future research and practical applications in
enhancing supply chain resilience. Suggestions for incorporating Response Surface
Methodology (RSM) and refining the process are proposed for further investigation.