URN to cite this document: urn:nbn:de:bvb:703-epub-7450-6
Title data
Karnebogen, Philip:
Exploring the Role of Artificial Intelligence in Digital Value Networks as the Driver of Digital Transformation.
Bayreuth
,
2024
. - III, 62 P.
(
Doctoral thesis,
2023
, University of Bayreuth, Faculty of Law, Business and Economics)
|
|||||||||
Download (1MB)
|
Abstract
Digital technologies drive the emergence of highly interdependent networks of organizations that collaborate to keep up with ever faster-changing environments, jointly face the challenges of digital transformation, and create new digital value propositions together. The resulting digital value networks build on digital technologies that enable individual incumbents to share and combine various internal and external resources, providing the basis for new products and services. Among various resources shared in digital value networks, data exchange poses one promising source of new digital value propositions for incumbent organizations by unfolding the potential of modern artificial intelligence (AI) approaches. However, connecting to others to exchange data as the basis for providing new AI-driven value propositions represents, despite its anticipated benefits, also various challenges for incumbents. In this vein, this doctoral thesis examines the risks of networking with others to create new value propositions, how to leverage AI-driven services' potential in digital value networks, and how digital value networks can drive digital transformation. With this aim in mind, this thesis explores the challenges of connecting to others for joint value creation. Research Article #1 presents the results of a Delphi study that examines the challenges of adopting industrial internet of things (IIoT) platforms, which represent a critical technical backbone of digital value networks. Research Article #1 finds that practitioners and academics deem IT security and data privacy challenges extremely relevant for adopting IIoT platforms. Building on these results, Research Article #2 presents a decision-support model that enables decision-makers from the manufacturing industry to estimate the impact of IT security incidents on their digital value networks as a basis for selecting suitable mitigation measures. Research Article #3 then presents a taxonomy of federated learning applications as a new promising approach for securely sharing data for AI approaches in digital value networks. Beyond the risks of connecting to others for data exchange, incumbents also face the challenge of considering the statistical nature of modern AI algorithms when designing meaningful services. Here, Research Article #4 presents a decision-support model that enables decision-makers to select payment structures and design meaningful service-level agreements (SLAs) for AI-driven services in the manufacturing industry. Complementary, Research Article #5 explores the potential of combining supervised machine learning with reinforcement learning when making meaningful decisions based on the short-term predictions of AI approaches that must be aligned with the long-term service objectives of overarching SLAs. Finally, this doctoral thesis provides a new perspective on digital transformation that balances the prevalent agency-centric narratives of managers who design their organization's digital transformation path with a view to the external environment of an organization. Therefore, Research Article #6 provides the results of a specific theorizing review in the form of convergent assumptions and avenues for future research at the intersection of research on digital transformation and digital ecosystems – an important subform of digital value networks. Building on these convergent assumptions, Research Article #7 utilizes a phenomenon-based theorizing approach to present a path constitution theory on digital transformation that shows how managers, an organization's history, and its digital ecosystem shape its digital transformation path. In sum, this doctoral thesis examined how incumbents can manage the complexities of forming digital value networks that drive data exchange and enable the provision of new AI-driven value propositions as a central theme of digital transformation.
Abstract in another language
Digitale Technologien treiben die Entstehung hochgradig voneinander abhängiger Unternehmensnetzwerke, in denen Organisationen zusammenarbeiten, um mit einem sich immer schneller verändernden Umfeld Schritt zu halten. Hauptziel der Unternehmen innerhalb dieser Netzwerke ist dabei sich gemeinsam den Herausforderungen der digitalen Transformation zu stellen und durch Kooperation neue digitale Wertangebote zu schaffen. Die daraus resultierenden digitalen Wertschöpfungsnetzwerke basieren auf digitalen Technologien, die es den einzelnen Unternehmen ermöglichen, durch die gemeinsame Nutzung und Kombination verschiedener interner und externer Ressourcen neue Produkte und Dienstleistungen zu schaffen. Insbesondere der Datenaustausch in digitalen Wertschöpfungsnetzen spielt dabei eine entscheidende Rolle bei der Gestaltung neuer, digitaler Wertschöpfung. Die geteilten Daten stellen eine Schlüsselressource dar, um mithilfe von künstlicher Intelligenz (KI) neue Wertangebote für bestehenden und neue Kunden zu schaffen. Vor diesem Hintergrund untersucht diese Dissertation die Chancen und Herausforderungen bei der Vernetzung von Organisationen, das Potenzial von KI-basierten Dienstleistungen in digitalen Wertschöpfungsnetzwerken und wie diese digitalen Wertschöpfungsnetzwerke die digitale Transformation einzelner Unternehmen beschleunigen. Mit diesem Ziel präsentiert Forschungsbeitrag 1 die Ergebnisse einer Delphi-Studie, die die Herausforderungen bei der Einführung von Plattformen für das industrielle Internet der Dinge (IIoT) untersucht. Die Ergebnisse des Artikels zeigen, dass Praktiker und Wissenschaftler die Herausforderungen der IT-Sicherheit und des Datenschutzes als äußerst relevant für die Einführung von IIoT-Plattformen ansehen. Aufbauend auf diesen Ergebnissen stellt Forschungsbeitrag 2 ein entscheidungsunterstützendes Modell vor, das es Entscheidungsträgern aus der Fertigungsindustrie ermöglicht, die Auswirkungen von IT-Sicherheitsvorfällen auf ihre digitalen Wertschöpfungsnetzwerke abzuschätzen, um geeignete Präventionsmaßnahmenabzuleiten. Um neben der reinen Vernetzung von Organisation auch den für KI notwendigen Datenaustausch sicher zu gestalten, stellt Forschungsbeitrag 3 eine Taxonomie von Anwendungen des föderalen maschinellen Lernens vor. Hierbei handelt es sich um einen vielversprechenden Ansatz für die sichere gemeinsame Nutzung von Daten in digitalen Wertschöpfungsnetzwerken. Neben den Risiken, die sich aus der reinen Vernetzung von Organisationen für den Datenaustausch ergeben, stehen Unternehmen auch vor der Herausforderung, die statistische Natur moderner KI-Algorithmen bei der Gestaltung von Dienstleistungen zu berücksichtigen. Forschungsbeitrag 4 stellt dazu ein Modell zur Entscheidungsunterstützung vor, das es Entscheidungsträgern ermöglicht, Zahlungsstrukturen auszuwählen und sinnvolle Service-Level-Agreements (SLAs) für KI-basierte Dienstleistungen in der Fertigungsindustrie zu entwerfen. Ergänzend dazu untersucht Forschungsbeitrag 5 das Potenzial der Kombination von überwachtem maschinellem Lernen (supervised machine learning) und bestärkendem maschinellem lernen (reinforcement learning), um sinnvolle Entscheidungen in einem Dienstleistungskontext auf der Grundlage von kurzfristigen Vorhersagen zu treffen. Insbesondere steht dabei das Ziel im Fokus die auf kurzfristigen Vorhersagen basierenden Entscheidungen mit den langfristigen Servicezielen übergreifender SLAs in Einklang zu bringen. Des Weiteren bietet die vorliegende Dissertation eine neue Perspektive, die die vorherrschenden Narrative von Managern als Gestaltern des digitalen Transformationspfades ihrer Organisation, mit Blick auf die entscheidende Rolle des Umfeldes einer Organisation kontrastiert. Hierzu präsentiert Forschungsbeitrag 6 die Ergebnisse einer umfangreichen Literaturstudie in Form von konvergenten Annahmen an der Schnittstelle zwischen der Forschung zur digitalen Transformation und digitalen Ökosystemen als digitale Wertschöpfungsnetzwerke besonderer Art. Aufbauend auf diesen konvergenten Annahmen wird im Forschungsbeitrag 7 mit Hilfe eines phänomenbasierten Theorieansatzes eine Pfadkonstitutionstheorie zur digitalen Transformation vorgestellt, die zeigt, wie Manager, die Vergangenheit einer Organisation und ihr digitales Ökosystem den digitalen Transformationspfad der Organisation beeinflussen. Zusammenfassend wurde in dieser Dissertation untersucht, wie Unternehmen die Herausforderungen der Entstehung digitaler Wertschöpfungsnetzwerke bewältigen können, um einen organisationsübergreifenden Datenaustausch zu etablieren, der neue KI-basierte Wertangebote ermöglicht. Diese neuen Wertangebote stellen wiederum ein zentrales Thema der digitalen Transformation dar.