in the repository
URN to cite this document: urn:nbn:de:bvb:703-epub-8916-5
Title data
Häckel, Björn ; Meierhöfer, Simon ; Müller, Melina ; Oberländer, Anna Maria ; Süzeroğlu, Selina ; Werner, Tim ; Wiedemann, Stefanie:
Erschließung von Nachhaltigkeitspotenzialen mittels Künstlicher Intelligenz : Einblicke aus einem Konsortialforschungsprojekt in der Druckindustrie.
In: HMD Praxis der Wirtschaftsinformatik.
Vol. 63
(May 2026)
.
- pp. 224-240.
ISSN 2198-2775
DOI der Verlagsversion: https://doi.org/10.1365/s40702-025-01176-6
![[thumbnail of s40702-025-01176-6.pdf]](https://epub.uni-bayreuth.de/style/images/fileicons/application_pdf.png) |
|
||||||||
|
Download (1MB)
|
Project information
| Project title: |
Project's official title Project's id Open Access Publizieren No information |
|---|
Abstract
Die industrielle Herstellung von Druckerzeugnissen ist ein energie- und rohstoffintensiver Prozess, der von einer Vielzahl von Parametern und Variablen wie Produktionsgeschwindigkeiten, Maschineneinstellungen oder Umgebungsbedingungen beeinflusst wird. Der vorliegende Beitrag beschreibt, wie Unternehmen diese Daten nutzen können, um mittels Künstlicher Intelligenz (KI) darin verborgene Nachhaltigkeitspotenziale zu erschließen. Dazu wird anhand einer Fallstudie in der Druckindustrie aufgezeigt, wie das Know-how eines Druckmaschinenherstellers, eines Data Analytics Providers und einer Druckerei entlang der Wertschöpfungskette gebündelt werden kann, um in einem interdisziplinären Konsortialverbund KI-basierte Smart Services zu entwickeln, die zu einer simultanen Erhöhung der ökonomischen und ökologischen Nachhaltigkeit beitragen. Der vorliegende Beitrag stellt dazu im Ergebnis ein vierphasiges Vorgehensmodell vor, das im Rahmen des öffentlich geförderten Konsortialforschungsprojekts „Künstliche Intelligenz und Data Analytics in Smart Services für eine nachhaltige Druckindustrie“ entwickelt und angewendet wurde. Für jede Phase werden Ziele, Aktivitäten und Ergebnisse vorgestellt und anhand konkreter Fallbeispiele veranschaulicht. Darauf aufbauend werden fünf übergreifende Handlungsempfehlungen formuliert, die etablierten Unternehmen am Beispiel der Druckindustrie aufzeigen sollen, dass die Zusammenarbeit in einem interdisziplinären Konsortialverbund ein vielversprechender Ansatz zur Erschließung von Nachhaltigkeitspotenzialen mittels KI ist.
Abstract in another language
The industrial production of printed products is an energy- and material-intensive process that is influenced by various parameters and variables such as production speeds, machine settings, and environmental conditions. This article describes how organizations can utilize this data to tap into hidden sustainability potentials through Artificial Intelligence (AI). A case study in the printing industry is used to demonstrate how the expertise of a printing machine manufacturer, a data analytics provider, and a printing plant can be pooled along the value chain to develop AI-based smart services in an interdisciplinary consortium that contribute to a simultaneous increase in economic and ecological sustainability. This article presents the results of a four-phase process model that was developed and applied as part of the publicly funded consortium research project “Artificial intelligence and data analytics in smart services for a sustainable printing industry”. Objectives, activities, and results are presented for each phase and illustrated using specific case examples. Based on this, five overarching recommendations for action are formulated to demonstrate to incumbent firms, using the printing industry as an example, that collaboration in an interdisciplinary consortium can be a promising approach to unlocking sustainability potentials through AI.
Download Statistics