Refine
H-BRS Bibliography
- yes (11) (remove)
Departments, institutes and facilities
Document Type
- Part of a Book (6)
- Article (2)
- Book (monograph, edited volume) (1)
- Conference Object (1)
- Working Paper (1)
Year of publication
Keywords
- Innovationsmanagement (3)
- Open Innovation (3)
- Closed Innovation (2)
- Digitalisierung (2)
- Innovationsprozess (2)
- Kundenintegration (2)
- Business buying (1)
- Consulting (1)
- Mixed methods (1)
- Satisfaction (1)
- Solution (1)
- Zitatenanalyse (1)
Open Innovation
(2018)
Open Innovation
(2021)
Der Begriff Open Innovation steht für die Öffnung von unternehmensinternen Innovationsprozessen für sogenannte „externe Quellen“. Zu diesen externen Quellen zählen beispielsweise Lieferanten, Partner, Experten aus Forschungseinrichtungen und insbeson-dere auch Kunden. Diese werden gezielt in die Innovationsentwicklung integriert, sei es als Informations- und Ideenquelle bzw. als Impulsgeber für die Innovationsentwicklung. Daneben existieren auch tiefere Integrationsmöglichkeiten, die eine direkte Partizipation an der Innovationsentwicklung ermöglichen.
Grundlagen des Marketings
(2015)
Open Innovation
(2020)
Threat Modeling ermöglicht als heuristisches Verfahren die methodische Überprüfung eines Systementwurfs oder einer Softwarearchitektur, um Sicherheitslücken kostengünstig und frühzeitig - idealerweise in der Design Phase - im Software-Entwicklungsprozess zu identifizieren, einzugrenzen und zu beheben. Threat Modeling lässt sich aber auch noch erfolgreich in der Verifikationsphase oder noch später - nach dem Release - zur Auditierung der Software einsetzen. Durch die Früherkennung von Sicherheitslücken können die Kosten zur Behebung bis auf ein Hundertstel reduziert werden. Die auf dem Markt verfügbaren Threat Modeling Tools werden identifiziert, analysiert und hinsichtlich Ihrer Eignung zur Erstellung komplexer, vollständiger Threat Models mit entwickelten Bewertungsparametern einem einfachen Bewertungsverfahren unterworfen.
Deployment of modern data-driven machine learning methods, most often realized by deep neural networks (DNNs), in safety-critical applications such as health care, industrial plant control, or autonomous driving is highly challenging due to numerous model-inherent shortcomings. These shortcomings are diverse and range from a lack of generalization over insufficient interpretability and implausible predictions to directed attacks by means of malicious inputs. Cyber-physical systems employing DNNs are therefore likely to suffer from so-called safety concerns, properties that preclude their deployment as no argument or experimental setup can help to assess the remaining risk. In recent years, an abundance of state-of-the-art techniques aiming to address these safety concerns has emerged. This chapter provides a structured and broad overview of them. We first identify categories of insufficiencies to then describe research activities aiming at their detection, quantification, or mitigation. Our work addresses machine learning experts and safety engineers alike: The former ones might profit from the broad range of machine learning topics covered and discussions on limitations of recent methods. The latter ones might gain insights into the specifics of modern machine learning methods. We hope that this contribution fuels discussions on desiderata for machine learning systems and strategies on how to help to advance existing approaches accordingly.
Marketing und Innovation
(2017)
Innovation und Marketing zählen zu den zentralen Herausforderungen für Unternehmen, durch die sie Differenzierung und Vorsprung im Wettbewerb erzielen können. Innovation ohne Marketing und Marketing ohne Innovation können nicht erfolgreich sein, weshalb beide Unternehmerfunktionen im Zusammenspiel zu betrachten sind. Das vorliegende Lehrbuch verfolgt deshalb ein zusammenschauendes Konzept, zu dem es das theoretische und praktische Grundlagenwissen vermittelt. Zunächst wird die Bedeutung von Innovation und Marketing als Erfolgsfaktor analysiert. Anschließend wird ein marketingfokussierter Innovationsprozess diskutiert, bei dem auf jeder Stufe die Frage nach der Marktakzeptanz gestellt wird und der ausgeweitet ist auf die Marktausbreitung von Innovationen (Diffusion) sowie die Problematik der Innovationsakzeptanz.