Refine
Year of publication
Document Type
- Conference Proceeding (19)
- Article (11)
- Book (4)
- Lecture (3)
- Report (3)
- Part of a Book (1)
- Periodical (1)
Language
- German (42) (remove)
Is part of the Bibliography
- yes (42)
Keywords
- KMU (3)
- Projektmanagement (2)
- Cloud Computing (1)
- Cloud-basierte Kooperationsfähigkeit (1)
- Digital Benchmarking (1)
- Digitalisierung (1)
- Geschäftsmodell (1)
- Google Business Profile (1)
- IT-Compliance (1)
- IT-GRC Reifegrad (1)
Institute
Die Digitalisierung ist eine der Herausforderungen der heutigen Zeit. Einhergehend mit der Zunahme der Nutzung des Internets in vielen Lebensbereichen steigt auch die Wichtigkeit für Unternehmen, einen repräsentativen Auftritt zu etablieren. Für kleine und mittlere Unternehmen bedeutet das Betreiben und Pflegen einer Onlinepräsenz oftmals einen hohen finanziellen und zeitlichen Aufwand. Ziel des vorliegenden Arbeitspapiers ist es, kleinen und mittleren Unternehmen eine Alternative zu herkömmlichen Content Management Systemen darzulegen und sie bei der Entscheidungsfindung zu unterstützen. Zur Beantwortung der Forschungsfragen wurde der methodische Ansatz einer Literatur- und Internetrecherche verwendet. Aus der Analyse konnten drei Online Business Plattformen identifiziert, sowie deren Vor- und Nachteile gegenüber Content Management Systemen dargestellt werden. Anschließend wurden Kriterien definiert und Empfehlungen dargelegt, welche kleine und mittlere Unternehmen im Entscheidungsprozess unterstützen sollen. Letztlich wurden die Einrichtung sowie die wichtigsten Funktionen einer Plattform dargestellt. Die Ergebnisse zeigen, dass die Nutzung einer Onlineplattform für lokal begrenze Unternehmen mit geringen Anforderungen an die Funktionalität und hoher Kostensensibilität eine sinnvolle Alternative ist. Abschließend wurde anhand des realen Fallbeispiels „Google My Business“ (seit 2022: „Google Business Profile“) auf die Funktionen sowie Vorteile und Möglichkeiten einer solchen Plattform eingegangen.
Dieser Beitrag entwickelt ein Konzept zur praktischen Umsetzung eines Machine- Learning Verfahrens zum Lösen von Vehicle Routing Problemen im Kontext einer nachhaltigen “Letzte-Meile”-Logistik, welches durch einen Prototyp umgesetzt und getestet wurde. Der Prototyp basiert auf dem “Reinforcement Learning”-System und verwendet als Algorithmus “REINFORCE mit Baseline”. In einer Vergleichsanalyse wurde der Prototyp mit dem bekannten Vertreter Google-OR, anhand von zwei Anwendungsszenarien, verglichen. Der Prototyp überzeugt dabei in der Laufzeit und dem Automatismus. Es konnte festgestellt werden, dass eine Verwendung von Lernenden-Systemen für das Vehicle Routing Problem sich bei nur bei einem größeren Stoppvolumen und einer erweiterten IT-Infrastruktur empfiehlt.