UniversitätUniversität
Suchen
Barrierefreiheit
DE / EN
Logo Universität Mannheim - Fakultät für Betriebswirtschaftslehre

Neue Publikation: Process-level value creation from business analytics

Bild zu Paper veröffentlichung: Process-level value creation from business analyticsA theoretical literature review of value creation paths and changes induced by machine learning

Pascal C. Kunz, Kai Spohrer und Armin Heinzl veröffentlichen einen Beitrag, der Wertschöpfung durch Business Analytics auf der Ebene von Geschäfts­prozessen systematisiert und zeigt, wie Machine Learning (ML) die identifizierten Wertschöpfungs­pfade neu gewichtet.

Die Arbeit basiert auf einer theoretischen Literatur­synopse, welche die Perspektive der Information Value Chain von Daten zu Informationen, Wissen, Entscheidungen und Aktivitäten bis zum Wertbeitrag in Geschäfts­prozessen nutzt. Der Artikel synthetisiert ein Modell mit mehreren Wertschöpfungs­pfaden, identifiziert spezifische Eigenschaften von ML-basierten Business-Analytics-Systemen inkl. Autonomie, Dynamismus und Opazität und erklärt, wie diese ML-spezifischen Eigenschaften die Wertschöpfung durch ML-basierte Business-Analytics-Systeme verändern.

Im Unter­schied zu dominanten Perspektiven auf Ebene des Gesamt­unter­nehmens fokussiert der Beitrag konsequent die Prozess­ebene, um Zusammenhänge zwischen analytischen Outputs, Wissen, Entscheidungen und Handlungen explizit zu machen. Zugleich integriert er zuvor getrennte Stränge zu Business Analytics und Machine Learning und zeigt die wachsende Bedeutung von Augmentation, Automation und wirksamen Feedbackschleifen.

Die zentralen Er­kenntnisse des Artikels sind:

  • Business Analytics stiftet auf Prozess­ebene Wert entlang mehrerer Pfade, einschließlich Informations­verarbeitung, Entscheidungs­augmentation/-automation, Wissenspfaden und Feedback in Daten und Systemen.
  • Machine Learning verstärkt prädiktive und präskriptive Wertschöpfungs­pfade und macht kontinuierliche Feedbackschleifen zentral, während klassische Wissensakkumulation und -trans­fer herausfordernder werden.
  • Autonomie, Dynamik und Opazität von ML erklären die Pfadverschiebungen: weniger menschliche Verarbeitung, höherer Bedarf an laufendem Feedback, erschwerte Wissensbildung.
  • Der relative Nutzen der Pfade ist kontextabhängig und variiert mit Aufgabenmerkmalen, Prozess­design und Technologieauswahl
  • Ein Forschungs­programm zu Prozess­änderungen , wissensbezogenen Effekten und der Gestaltung hochwertiger Feedbackmechanismen wird skizziert und in Bezug zu relevanten Referenztheorien gesetzt.

Praktisch bietet der Beitrag einen Analyse- und Gestaltungs­rahmen für das Design, die Implementierung und das Management von Business-Analytics-Systemen. Hiermit können Führungs­kräfte, Entwickler und Anwender Wertschöpfungs­pfade identifizieren, Ziel­wirkungen priorisieren und passende Technologien und Anwendungs­gebiete auswählen, um erfolgreiche Augmentation/Automation, Erklärbarkeit, und Feedback sicherzustellen.

Der Beitrag ist 2025 erschienen und online zugänglich. Er liefert einen referenzierbaren Rahmen für zukünftige Forschung und die praxisnahe Ausgestaltung von BA/ML in Prozessen

Zurück

Tracking ist derzeit zugelassen.

Tracking nicht erlauben

Tracking ist derzeit nicht zugelassen.

Tracking erlauben