feat: wording, and modell nach verhof

chapters/stand-der-forschung.tex

@@ -1,13 +1,31 @@
 \chapter{Stand der Forschung}
 \label{chap:stand-der-forschung}
+Der Stand der Forschung beleuchtet verschiedene Erkenntnisse zur Digitalisierung und zur Digitalen Transformation.
 
+\section{Modell nach Parviainen et al}
 \enquote{\textit{The importance of digitalization is becoming understood,
  but the question now is how to do it in practice in order to best benefit from it.}}
 \cite{bib:Parviainen_Tihinen_Kaariainen_Teppola_2022}.
-Diese Frage stellten sich Parviainen et al und entwickelten im Zuge ihrer Forschungsarbeiten ein konzeptionelles Rahmenwerk,
-mit dem Ziel in Erfahrung zu bringen, wie Digitalisierung in der Praxis durchgeführt und wie
-daraus profitiert werden kann. Dieses Rahmenwerk baut auf dem \ac{PDCA} Prinzip auf
-\cite{bib:Parviainen_Tihinen_Kaariainen_Teppola_2022} \cite{bib:abraham2005sustainability}.
+
+Parviainen et al. stellten sich diese Frage und entwickelten in ihrer Forschungsarbeit einen konzeptionellen Rahmen, um zu verstehen, wie die Digitalisierung in der Praxis umgesetzt werden kann und welche Vorteile sich daraus ergeben. Dieser Rahmen basiert auf dem \ac{PDCA} -Prinzip.
+\\
+\\
+Dieses Rahmenwerk sieht anhand des \ac{PDCA}-Prinzips vier Schritte vor:
+
+\paragraph*{Im ersten Schritt} wird definiert, wie weit die Digitalisierung für das Unternehmen gehen kann und welche Position
+das Unternehmen dabei anstrebt. Dieser Schritt kann in vier Teilschritte unterteilt werden: Ausmaße, Treiber, Szenarien und
+Ziele. Für die Bestimmung der Ausmaße ist die Analyse aktueller Trends und deren Relevanz für die Domäne des Unternehmens
+wichtig. Ebenfalls ist wichtig, wie weit diese Trends bereits im Fachgebiet verankert sind.  Zur Einordnung eignen sich
+\ac{SWOT} -Analysen. Diese Analysen sind die Grundlage um ein Unternehmen in der Digitalisierung aufzustellen.
+\\
+\\
+Aus den Ergebnissen der Trendanalysen sollten dann Treiber identifiziert werden. Diese Treiber sollten auf der Grundlage zukünftiger Ergebnisse skalierbar sein: Beispielsweise könnten drastische Maßnahmen erforderlich sein, um drastische Auswirkungen zu verhindern oder drastische Verbesserungen zu erreichen.
+\\
+\\
+Für die relevantesten Treiber sollten Zukunftsszenarien untersucht werden. Dies ist wichtig, um zu wissen, welche Auswirkungen bestimmte Trends in welcher Ausprägung haben werden. Relevant sind hier die Vorteile der Umsetzung des Szenarios, die Kosten der Umsetzung sowie die Risiken, das Szenario nicht umzusetzen oder doch umzusetzen. Auf dieser Basis kann das beste Szenario ausgewählt werden.
+\\
+\\
+Aus diesem Szenario werden schließlich die Ziele der Digitalisierung abgeleitet. Diese Ziele müssen so formuliert sein, dass sie mit der Ausgangssituation verglichen werden können.
 
 \begin{nicepic}
     \includegraphics[width=1\textwidth]{images/model-digital-transformation.png}
@@ -23,51 +41,35 @@ daraus profitiert werden kann. Dieses Rahmenwerk baut auf dem \ac{PDCA} Prinzip
     \label{fig:model-digital-transformation}
 \end{nicepic}
 
-Dieses Rahmenwerk sieht anhand des \ac{PDCA}-Prinzips vier Schritte vor:
+\paragraph*{Im zweiten Schritt} wird der Ist-Zustand des Unternehmens ermittelt. Dazu wird die aktuelle
+Positionierung des Unternehmens im Hinblick auf den Zielzustand mit Fokus auf die Digitalisierungsziele betrachtet. Dazu wird
+der Ist-Zustand im Kontext des Soll-Zustandes anhand definierter Fragen bewertet. Die Auswahl der Fragen unterscheidet sich je
+nach Art der Ziele. Der gesamte Fragenkatalog kann im Detail der Ausarbeitung von Parviainen et al. entnommen werden.
 
-\paragraph*{Der erste Schritt} umfasst das Definieren der potenziellen Ausmaße der Digitalisierung für das Unternehmen und welche
-Position das Unternehmen darin bestrebt. Dieser Schritt lässt sich in vier Unterschritte aufteilen: Ausmaße, Treiber, Szenarien
-und Ziele. Um die Ausmaße erfassen zu können, ist es wichtig, aktuelle Trends und ihre Relevanz für die Domäne des Unternehms
-zu analysieren. Wichtig ist auch, wie arriviert diese Trends bereits in der Fachdomäne sind. Zur Klassifizierung dieser eignen sich
-\ac{SWOT} -Analysen. Diese Analysen sind die Grundlage um ein Unternehmen in der Digitalisierung aufzustellen.
-\\
-\\
-In Anschluss dessen sollten Treiber anhand der Ergebnisse der Trendanalysen idenzifiziert werden. Diese Treiber
-sollten basierend auf kommenden Ergebnissen skalierbar sein: Z.b. könnten drastische Maßnahmen erforderlich sein,
-um drastische Folgen zu verhindern, oder drastische Verbesserungen zu erwirken.
-\\
-\\
-Für die relevantesten Treiber sollten Zukunftsszenarien beleuchtet werden. Das ist wichtig, um in Erfahrung zu bringen,
-welche, wie sehr ausgeprägten Auswirkungen bestimmte Trends nun tatsächlich hätten. Relevant sind hier Vorteile
-einer Implementation des Szenarios, Kosten der Implementation, sowie Risiken das Szenario nicht, oder doch zu implementieren.
-Basieren darauf kann das beste Szenario gewählt werden.
-\\
-\\
-Letztlich werden aus diesem Szenario die Ziele der Digitalisierung hergeleitet. Diese Ziele sollten in einer Art und Weise
-formuliert sein, dass man sie mit der Ausgangssituation vergleichen kann.
+\paragraph*{Der dritter Schritt} ist die Festlegung der konkreten Schritte, die für den Übergang vom
+Ist-Zustand zum Soll-Zustand erforderlich sind. Dazu muss zunächst die Lücke zwischen dem Ist- und dem Soll-Zustand
+identifiziert werden. Relevant ist dabei der aktuelle Stand der Technik und welche Veränderungen notwendig sind, um den
+Zielzustand zu erreichen. Anschließend sollten die konkreten Schritte identifiziert werden, die erforderlich sind, um diese
+Lücke zu schließen. Wenn zum Beispiel ein Treiber \enquote{interne Effizienz} ist, könnten die Schritte darin bestehen, neue digitale
+Werkzeuge zu integrieren. Schließlich werden diese Schritte analysiert und priorisiert. Prädestiniert dafür sind
+Kosten-Nutzen-Analysen, Analysen der Umsetzbarkeit, des Wartungsaufwands und der Mitarbeiterschulung.
 
-\paragraph*{Im zweiten Schritt} ist der aktuelle Stand des Unternehmens zu identifizieren. Hierfür wird die aktuelle Positionierung
-des Unternehmens aus der Perspektive des Zielzustandes, mit Fokus auf den Digitalisierungszielen, betrachtet.
-Hierzu wird die aktuelle Situation in Kontext zu den Zielvorstellungen nach definierten Fragen bewertet.
-Die Fragenauswahl unterscheidet sich je nach Art der Ziele.
-Der gesamte Fragenkatalog ist der Ausarbeitung von Parviainen et al im Detail zu entnehmen.
+\paragraph*{Der vierte Schritt} Der vierte Schritt befasst sich mit der Umsetzung der in Schritt 3 geplanten Maßnahmen und
+der Bewertung der erzielten Ergebnisse. Diese Bewertung der Ergebnisse sollte z.B. soziokulturelle Barrieren berücksichtigen,
+die sich aus den Reaktionen bestimmter Stakeholder ergeben, die möglicherweise negativ auf bestimmte Veränderungen reagieren
+oder Schwierigkeiten bei der Einführung neuer Technologien haben. Wenn diese Analyse zeigt, dass die Ziele der Digitalisierung
+nicht erreicht wurden, sollten Korrekturmaßnahmen in früheren Phasen ergriffen
+werden.\cite{bib:Parviainen_Tihinen_Kaariainen_Teppola_2022}.
 
-\paragraph*{An dritter Stelle} sind die konkreten Schritte zu definieren, die benötigt sind, um vom aktuellen
-Stand zum Zielzustand zu gelangen. Dafür muss zunächst die Lücke zwischen dem bestehendem und dem erwünschten Zustand
-identifiziert werden. Relevant ist hierfür der aktuelle Stand der Technik und welche Änderungen erfordelich sind, um
-den Zielzustand zu erreichen. In Anschluss dessen sollten die konkreten Schritte identifiziert werden, die benötigt sind,
-um diese Lücke zu schließen. Beispielsweise, wenn ein Treiber \enquote{Interne Effizienz} ist,
-könnten die Schritte bedeuten, neue digitale Werkzeuge zu integrieren.
-Letztlich werden diese Schritte analysiert und priorisiert. Prädestiniert hierfür
-sind Kosten/Nutzen-Analysen, Analysen der Umsetzbarkeit, des Aufwands im Unterhalt sowie der Anlernung des Personals.
+\section{Modell nach Verhoef et al}
+Nach Verhoef et al lässt sich der hier so genannte \enquote{Prozess der Digitalisierung} in drei Phasen unterteilen.
+Diese drei Phasen sind \textit{Digitization}, \textit{Digitalization} und \textit{Digital Transformation}.
+\cite{bib:verhoef}.
 
-\paragraph*{Der vierte Schritt} befasst sich mit der Umsetzung der in Schritt 3 geplanten Schritte und
-der Auswertung der hierbei erzielten Ergebnisse. Diese Auswertung der Ergebnisse sollte zum Beispiel sozio-kulturelle
-Hürden ausgehend der Reaktionen mancher Stakeholder betrachten, die gegebenenfalls negativ auf gewisse Änderungen reagieren,
-oder Schwierigkeiten mit der Übernahme neuer Technologien haben.
-Weist diese Analyse auf Misserfolge beim Erreichen der Digitalisierungsziele hin, sollten korrektive Maßnahmen in vorhergehenden
-Schritten vorgenommen werden.
-\cite{bib:Parviainen_Tihinen_Kaariainen_Teppola_2022}.
-\\
-\\
-\enpointy{Todo: Hier weitere etablierte Methoden aufzeigen und vergleichen. Die beste wird in der Umsetzung angewandt.}
+Die Phase \textit{Digitization} befasst sich mit der Umwandlung analoger Datenstrukturen und Modelle in digitale Datenmodelle,
+so dass diese digital, z.B. in Form von Nullen und Einsen, gespeichert und elektronisch weiterverarbeitet werden können.
+\cite{bib:dougherty, bib:loebbecke}.
+\textit{Digitalisierung} beschreibt den Prozess der Veränderung bestehender Geschäftsprozesse, um mit digitalen Werkzeugen
+und Datenmodellen zu arbeiten. \cite{bib:fengli}.
+Die letzte Phase, die \textit{Digitale Transformation} beschreibt eine firmenweite Veränderung, die beispielsweise
+Ergründungen neuer Geschäftsmodelle mit sich bringen könnte \cite{bib:pagani}.

dexes/literature.bib

@@ -28,3 +28,84 @@
   year={2005},
   publisher={Elsevier Science}
 }
+
+@article{bib:tabrizi2019digital,
+  title={Digital transformation is not about technology},
+  author={Tabrizi, Behnam and Lam, Ed and Girard, Kirk and Irvin, Vernon},
+  journal={Harvard business review},
+  volume={13},
+  number={March},
+  pages={1--6},
+  year={2019}
+}
+
+@article{bib:verhoef,
+  title = {Digital transformation: A multidisciplinary reflection and research agenda},
+  journal = {Journal of Business Research},
+  volume = {122},
+  pages = {889-901},
+  year = {2021},
+  issn = {0148-2963},
+  doi = {https://doi.org/10.1016/j.jbusres.2019.09.022},
+  url = {https://www.sciencedirect.com/science/article/pii/S0148296319305478},
+  author = {Peter C. Verhoef and Thijs Broekhuizen and Yakov Bart and Abhi Bhattacharya and John {Qi Dong} and Nicolai Fabian and Michael Haenlein},
+  keywords = {Digital business, Business models, Business strategy},
+  abstract = {Digital transformation and resultant business model innovation have fundamentally altered consumers’ expectations and behaviors, putting immense pressure on traditional firms, and disrupting numerous markets. Drawing on extant literature, we identify three stages of digital transformation: digitization, digitalization, and digital transformation. We identify and delineate growth strategies for digital firms as well as the assets and capabilities required in order to successfully transform digitally. We posit that digital transformation requires specific organizational structures and bears consequences for the metrics used to calibrate performance. Finally, we provide a research agenda to stimulate and guide future research on digital transformation.}
+}
+
+@article{bib:dougherty,
+  author = {Dougherty, Deborah and Dunne, Danielle D.},
+  title = {Digital Science and Knowledge Boundaries in Complex Innovation},
+  journal = {Organization Science},
+  volume = {23},
+  number = {5},
+  pages = {1467-1484},
+  year = {2012},
+  doi = {10.1287/orsc.1110.0700},
+  URL = {https://doi.org/10.1287/orsc.1110.0700},
+  eprint = {https://doi.org/10.1287/orsc.1110.0700},
+  abstract = { Drug discovery is a complex innovation process in which scientists need to make sense of ambiguous findings and grapple with numerous unpredictable interdependencies over many years of product development. Digitalization has combined with expanding science to address this complexity, creating new ways to measure, analyze, and model chemical compounds, diseases, and human biology. We interviewed 85 scientists and managers working on drug discovery to understand how they deal with complexity. We find a major knowledge fault line between digital scientists, who use computers as laboratories and manipulate signs, and therapy scientists, who use conventional laboratories and manipulate physical material. We build on research on epistemic cultures and knowing in practice to develop empirically grounded theory for the role of digital science in complex innovation. We propose that digitalization creates a new form of knowledge that provides essential complementary insights for complex innovation that cannot exist otherwise. However, digitalization also creates new knowledge boundaries that concern central activities of innovation. These boundaries highlight challenges of complex innovation that digital sciences can help address, but only if the innovation activities are transformed so that digital and therapy sciences can integrate their complementary knowledge. }
+}
+
+@article{bib:loebbecke,
+  title = {Reflections on societal and business model transformation arising from digitization and big data analytics: A research agenda},
+  journal = {The Journal of Strategic Information Systems},
+  volume = {24},
+  number = {3},
+  pages = {149-157},
+  year = {2015},
+  issn = {0963-8687},
+  doi = {https://doi.org/10.1016/j.jsis.2015.08.002},
+  url = {https://www.sciencedirect.com/science/article/pii/S0963868715000372},
+  author = {Claudia Loebbecke and Arnold Picot},
+  keywords = {Digitization, Big data analytics, Business transformation, Societal transformation, Information society},
+  abstract = {In the era of accelerating digitization and advanced big data analytics, harnessing quality data for designing and delivering state-of-the-art services will enable innovative business models and management approaches (Boyd and Crawford, 2012; Brynjolfsson and McAfee, 2014) and yield an array of consequences. Among other consequences, digitization and big data analytics reshape business models and impact employment amongst knowledge workers – just as automation did for manufacturing workers. This Viewpoint paper considers the mechanisms underlying how digitization and big data analytics drive the transformation of business and society and outlines the potential effects of digitization and big data analytics on employment – especially in the context of cognitive tasks. Its aim is to outline a critical research agenda to explore and conceptualize evident changes in business models and society arising from these technological advances.}
+}
+
+@article{bib:fengli,
+  author = {Feng Li and Alberto Nucciarelli and Sinead Roden and Gary Graham},
+  title = {How smart cities transform operations models: a new research agenda for operations management in the digital economy},
+  journal = {Production Planning \& Control},
+  volume = {27},
+  number = {6},
+  pages = {514-528},
+  year  = {2016},
+  publisher = {Taylor & Francis},
+  doi = {10.1080/09537287.2016.1147096},
+  URL = {https://doi.org/10.1080/09537287.2016.1147096},
+  eprint = {https://doi.org/10.1080/09537287.2016.1147096}
+}
+
+@article{bib:pagani,
+  title = {The impact of digital technology on relationships in a business network},
+  journal = {Industrial Marketing Management},
+  volume = {67},
+  pages = {185-192},
+  year = {2017},
+  issn = {0019-8501},
+  doi = {https://doi.org/10.1016/j.indmarman.2017.08.009},
+  url = {https://www.sciencedirect.com/science/article/pii/S0019850117306338},
+  author = {Margherita Pagani and Catherine Pardo},
+  keywords = {B2B, Digitalization, Actors/resources/activities model, Business network},
+  abstract = {This paper examines the impact of digitalization - the adoption of Internet-connected digital technologies and applications by companies - on B2B exchanges. While B2C exchanges are the subject of numerous studies on the transformations brought by the digital technologies, B2B exchanges are far less analyzed. Building on a conceptualization of exchanges between companies as made of activity links, resource ties, and actor bonds, this paper offers to identify three types of “digitalization” according to the nature of the most deeply impacted link. Five cases of digitization in different industrial sectors and five companies providing digital solutions for businesses illustrate these three types. This typology provides an alternative to analyses based on the nature of digital systems used by B2B companies.}
+}