Data&
By Kim, Marian, Pauline
Data&Sep 28, 2020
Wertstromanalyse 4.0 - Wie startet man die digitale Transformation? Mit Stift und Papier! [Hörtext]
Wie sieht die Fabrik der Zukunft aus? Wie startet man mit Industrie 4.0? Und schafft auch meine Organisation den Sprung ins vernetzte Zeitalter?
Meiner Erfahrung nach kommt in der heutigen Zeit eins zu kurz. Getrieben von den (unbegrenzten) technischen Möglichkeiten und der Angst, Teil der nächsten disruptiven Veränderung zu sein, verlieren Organisationen den Grund aus den Augen, weshalb sie (noch) heute am Markt existieren:
Ihre Kunden: innen!
Das Zeitalter des Überwachungskapitalismus – Eine Buchempfehlung für alle Menschen des 21. Jahrhunderts [Hörtext]
In “Das Zeitalter des Überwachungskapitalismus” nimmt Harvard-Ökonomin Shoshana Zuboff die Wirtschafts- und Gesellschaftsdynamiken unserer Gegenwart auseinander und zeigt auf, wie die Verbreitung von Methoden der Datenauswertung und Verhaltensmanipulation ökonomische und soziale Veränderungen vorantreibt, die den Menschen auf einen Lieferanten von Verhaltensdaten reduzieren. Das Buch macht eindrücklich, warum es um soviel mehr geht als Datenschutz oder Wettbewerbsverzerrung durch Plattform-Riesen. Es geht um Manipulation; um das zielgerichtete Eingreifen in die Realitätserfahrung des Einzelnen als logische Folge eines datengetriebenen Wirtschaftszweiges, der sich nicht länger mit Tracking und Vorhersage von menschlichem Verhalten zufrieden stellt. Es geht um menschliche Souveränität, Autonomie und das Recht auf eine selbstbestimmte Zukunft, welche durch wachsenden Druck verhaltensoptimierender Systeme bedroht sind.
IIoT Circle [Hörtext]
Die Automatisierungspyramide, kaum eine andere Referenzarchitektur ist so omnipräsent, wenn es um die IT-Landschaft von fertigenden Unternehmen geht. Tatsächlich finden sich in der Literatur rund 25 verschiedene Modelle der Automatisierungspyramide, jedoch beschreiben alle im Grunde das Gleiche und lassen sich auf die ISA-95 Spezifikation zurückführen. Eines haben alle Modell gemein: Sie müssen dringend abgelöst werden, denn die Automatisierungspyramide verhindert Innovation und Vernetzung.
Partnerschaften im IoT - Ein Blick hinter die Kulissen des Marktes
KI TÜV – Wer haftet für nicht-symbolische Algorithmen?
KI-TÜV – Wer haftet für nicht-symbolische Algorithmen? Es wird kein Weg an Zertifizierungen für Algorithmen vorbeiführen oder?
Corporate Digital Responsibility – Unternehmerische Verantwortung im Zeitalter der Digitalisierung
Die Digitalisierung erschafft Handlungsspielräume und stellt Unternehmen vor neue Entscheidungsmöglichkeiten hinsichtlich dem Umgang mit Daten und der Nutzung oder Entwicklung digitaler Produkte. Die Zeit ist reif für eine Debatte über Unternehmerische Digitalverantwortung: Eine Einführung in die Handlungsfelder von Corporate Digital Responsibility.
4 klassische Fehler bei Industrie 4.0 Projekten
4 klassische Fehler bei Industrie 4.0 Projekten und wie man sie vermeidet. Von Data& - https://www.dataand.io/4-klassische-fehler-bei-industrie-4-0-projekten/
Trump twittert, Twitter rebelliert und Zuckerberg kuscht – Eine Sketch über den unausweichlichen Dualismus von Macht und Verantwortung im Kontext digitaler Plattformen
Die Undringlichkeit des Wichtigen - Warum wir heute lieber nicht an morgen denken
Dass es für Unternehmen essenziell wichtig ist, sich um neue, digitale Angebote zu kümmern, ist nun mittlerweile wohl auch dem letzten Geschäftsführer bekannt. Wieso landet das Thema dennoch so häufig ganz weit unten auf der Agenda?
Eine Diskussion des Artikels gibt es in der ersten Episode des Data& Podcast. Dort geht es unter anderem darum, ob eher die Aussicht auf Belohnung oder die Aussicht auf Verluste die digitale Transformation vorantreiben.
Viel Spaß beim Hören!
Das Neue Unsichtbar – Intelligente Systeme, User Experience und Digitale Souveränität
Das Algorithmus-Paradoxon
Das Algorithmus-Paradoxon beschreibt, dass viele Menschen die Möglichkeiten von Algorithmen und Daten zugleich massiv über- und unterschätzen. Zum einem lässt sich das auf die einfache Unwissenheit vieler zurückführen. Zum anderen gibt es genügend prominiente Beispiele, welche zeigen das Vorhersagen trotz Fachwissen oft nicht zutreffen.