Refine
Year of publication
- 2020 (21) (remove)
Document Type
- Journal article (11)
- Book (5)
- Book chapter (5)
Language
- German (21) (remove)
Has full text
- no (21) (remove)
Is part of the Bibliography
- yes (21)
Institute
- ESB Business School (21) (remove)
Publisher
- Otto Schmidt (3)
- Universitätsbibliothek Tübingen (3)
- de Gruyter (3)
- IdW-Verlag (2)
- Lange (2)
- Schäffer-Poeschel (2)
- Springer Gabler (2)
- Braga (1)
- Hamburger Fern-Hochschule (1)
- Springer VS (1)
Als Google vor einigen Jahren begann, seine riesigen Personaldatenbestände auszuwerten, um herauszufinden, welche Eigenschaften gute Führungskräfte ausmachen, betrat es Neuland. Die Ergebnisse legten nahe, die Daten auch für andere personalwirtschaftliche Fragen zu nutzen (vgl. Garvin).
Inzwischen beschäftigen sich nicht nur Technologie-unternehmen wie Google mit Verfahren, die unter dem Schlagwort People Analytics (auch HR Analytics oder Workforce Analytics) intensiv diskutiert und erforscht werden. Dabei werden die umfangreichen Bestände an mitarbeiterbezogenen Daten, die bei der Rekrutierung, bei Mitarbeiterumfragen oder Leistungsbeurteilungen anfallen, systematisch analysiert und für Prognosen genutzt (vgl. Marler/Boudreau, S. 15). Dem liegt die Annahme zugrunde, dass Personalentscheidungen verbessert werden, wenn sie nicht nur auf Intuition und Erfahrung beruhen, sondern zudem auf einem soliden Datenfundament.
Die Produktindividualisierung, Digitalisierung und Automatisierung der Produktion erfordern eine ständige Anpassung der Produktions- und Intralogistikprozesse. Referenzmodelle unterstützen dabei Produktions- und Fabrikplaner mit Standards, Werkzeugen und vielem mehr. Eine Marktrecherche von Referenzmodellen zeigt erhebliche inhaltliche und methodische Unvollständigkeiten auf. Eine daraus abgeleitete Handlungsempfehlung für die Konstruktion eines Intralogistikreferenzmodells wir vorgestellt.
Mit den Aufgaben und Fallstudien des Übungsbuchs lassen sich gezielt die zentralen Kapitel und Themen des Lehrbuchs wiederholen, vertiefen und auf Problemstellungen der Unternehmnespraxis übertraggen. Die detaillierten Lösungshinweise zu allen Aufgabenstellungen sind durch zahlreiche Abbildungen und Tabellen unmittelbar nachvollziehbar. Damit ermöglicht das Übungsbuch insbesondere eine optimale Prüfungsvorbereitung.
§ 303 Schuldenkonsolidierung
(2020)
Operational Excellence
(2020)
Als operative Exzellenz oder Operational Excellence (OPEX) wird oft die Fähigkeit eines Unternehmens bezeichnet, "Strukturen, Prozesse und Verhaltensweisen entlang der Wertschöpfungskette so auszurichten, dass eine lernende und sich kontinuierlich verbessernde Organisation entsteht, deren Fokus auf einer hocheffizienten Umsetzung der Kundenanforderungen liegt" (ROI Management Consulting). Am Ende steht die ganzheitliche Verbesserung aller direkten und indirekten Funktionen im Wetschöpfungsprozess. Während Operational Excellence bei Produktionsprozessen bereits zu großen Effizienzgewinn geführt hat, gibt es in Bereichen wie Verwaltung und Logistik noch Nachholbedarf.
Fabrikplanungsprozesse werden zunehmend durch räumlich und zeitlich verteilte Teams durchgeführt, die agiles Projektmanagement praktizieren. Voraussetzung für den Erfolg ist die Anwendung von Planungssystemen der Digitalen Fabrik sowie moderner Groupware zur Kommunikation, Koordination und Kooperation in den agilen Projektgruppen der jeweiligen Planungsphase. Es wird ein Konzept mit Implementierungshinweisen für einen zukunftsfähigen Fabrikplanungsprozess mit digitalen Systemen vorgestellt.
In einer guten Kunden-Lieferanten-Beziehung, geprägt von einer Win-Win-Situation, wird die Festlegung der Bestell- und Produktionslosgröße häufig diskutiert. Um die kostenoptimale Lösung für das Gesamtsystem zu finden, ist ein ganzheitlicher Ansatz auf Prozesskostenbasis erforderlich. In diesem Beitrag wird ein integrierter Ansatz zur Bestimmung der optimalen Losgröße dargestellt, der basierend auf einer prozesskostenbasierten Berechnung noch weitere Parameter miteinbezieht.