Vorgehensmodell zur indikatorbasierten Potenzial- und Risiko-Bewertung industrieller Track & Trace Anwendungen
Abstract
Die vorliegende Dissertation beschäftigt sich mit der systematischen Bewertung industrieller Track & Trace-Anwendungen im Kontext der Industrie 4.0. Diese Technologien, die auf der Echtzeitverfolgung von Objekten basieren, bieten ein erhebliches Potenzial zur Effizienzsteigerung, Qualitätssicherung und Prozessoptimierung. Gleichzeitig sind mit ihrem Einsatz vielfältige Risiken verbunden – technischer, organisatorischer oder wirtschaftlicher Natur. Unternehmen stehen somit vor der Herausforderung, diese Technologien in einem frühen Stadium sachlich fundiert zu bewerten, um objektive Entscheidungen über deren Implementierung treffen zu können.Ziel dieser Arbeit ist die Entwicklung eines anwendungsorientierten, indikatorbasierten Vorgehensmodells zur Potenzial- und Risikoanalyse von Track & Trace-Anwendungsfällen im industriellen Kontext. Der Fokus liegt dabei, wie sich unternehmensspezifische Potenziale und Risiken strukturiert und reproduzierbar bewerten lassen, um eine objektive Entscheidungsgrundlage in der Phase der Technologiefrüherkennung zu schaffen. Das entwickelte Bewertungsmodell umfasst sowohl die Analyse des Anwendungspotenzials – unterteilt in Dimensionen wie Synergie-, Kosten-, Qualitäts- oder Innovationspotenzial – als auch die systematische Erfassung von Risiken wie Entwicklungs-, Umsetzungs-, Substitutions- oder Akzeptanzrisiken. Der Bewertungsprozess folgt einem mehrstufigen Schema, das unternehmensspezifische Einflussgrößen, wie z.B. den technologischen Reifegrad berücksichtigt und die Ermittlung eines aggregierten Potenzial- bzw. Risiko mittels einer Nutzwertanalyse ermöglicht.Die Anwendbarkeit und Aussagekraft des Vorgehensmodells wird anhand realer industrieller Fallbeispiele demonstriert und durch Expert_innen evaluiert. Die Ergebnisse bestätigen die Praxistauglichkeit des Modells und zeigen, dass eine fundierte, indikatorgestützte Bewertung entscheidend zur Reduktion von Unsicherheit und zur Unterstützung strategischer Technologieentscheidungen beiträgt.Die Dissertation leistet damit sowohl einen theoretischen als auch praxisrelevanten Beitrag zur Weiterentwicklung des Technologiemanagements. Sie bietet Unternehmen eine wissenschaftlich fundierte Methode zur frühzeitigen Bewertung von Track & Trace-Technologien und unterstützt eine gezielte Allokation von Ressourcen, um Wettbewerbsvorteile im Rahmen der digitalen Transformation nachhaltig zu realisieren.
Fields of Study & Subjects
Digital Transformation in Industry
Impact of AI and Big Data on Business and Society
Technology Assessment and Management
Publication details
- Journal / source
- reposiTUm (TU Wien)
- Publication date
- 1 January 2026
- Language
- DE
- Document type
- Thesis