IDEAS home Printed from https://ideas.repec.org/h/spr/sprchp/978-3-658-47228-3_32.html
   My bibliography  Save this book chapter

Einsatz von Big Data und Künstlicher Intelligenz zur Stärkung der Supply-Chain-Resilienz

In: Management von Risiko, Nachhaltigkeit und KI in der Beschaffung

Author

Listed:
  • Wolfgang Buchholz

    (Fachhochschule Münster)

Abstract

Zusammenfassung Das Konzept der Supply-Chain-Resilienz (SCR) hat seit der Covid-19-Pandemie erheblich an Bedeutung gewonnen, da Unternehmen verstärkt mit unvorhersehbaren Störungen in ihren Lieferketten konfrontiert sind. Trotz des zunehmenden Interesses an SCR bleibt das Potenzial digitaler Technologien, insbesondere im Bereich der Big Data Analysis (BDA) und Artificial Intelligence (AI), für die Stärkung der Resilienz noch weitgehend unerforscht. Diese Studie analysiert daher den Einfluss von BDA und AI auf präventive und reaktive Maßnahmen zur Förderung der SCR. Ein konzeptionelles Modell wird entwickelt, um präventive und reaktive Maßnahmen zu kategorisieren, bevor die Nutzung von BDA und SCR näher untersucht wird. Die Ergebnisse deuten darauf hin, dass digitale Technologien grundsätzlich die SCR unterstützen können; BDA und AI werden als vielversprechende Technologien identifiziert. Es wird jedoch festgestellt, dass der Einfluss dieser Technologien je nach proaktivem oder reaktivem Ansatz etwas variiert. Während digitale Technologien im proaktiven Ansatz einheitlich als unterstützend wahrgenommen werden, sind die Einschätzungen zum reaktiven Ansatz vielfältiger.

Suggested Citation

  • Wolfgang Buchholz, 2025. "Einsatz von Big Data und Künstlicher Intelligenz zur Stärkung der Supply-Chain-Resilienz," Springer Books, in: Wanja Wellbrock & Daniela Ludin (ed.), Management von Risiko, Nachhaltigkeit und KI in der Beschaffung, chapter 32, pages 715-738, Springer.
    • Handle: RePEc:spr:sprchp:978-3-658-47228-3_32
    DOI: 10.1007/978-3-658-47228-3_32
    as

    Download full text from publisher

    To our knowledge, this item is not available for download. To find whether it is available, there are three options:
    1. Check below whether another version of this item is available online.
    2. Check on the provider's web page whether it is in fact available.
    3. Perform a search for a similarly titled item that would be available.

    More about this item

    Statistics

    Access and download statistics

    Corrections

    All material on this site has been provided by the respective publishers and authors. You can help correct errors and omissions. When requesting a correction, please mention this item's handle: RePEc:spr:sprchp:978-3-658-47228-3_32. See general information about how to correct material in RePEc.

    If you have authored this item and are not yet registered with RePEc, we encourage you to do it here. This allows to link your profile to this item. It also allows you to accept potential citations to this item that we are uncertain about.

    We have no bibliographic references for this item. You can help adding them by using this form .

    If you know of missing items citing this one, you can help us creating those links by adding the relevant references in the same way as above, for each refering item. If you are a registered author of this item, you may also want to check the "citations" tab in your RePEc Author Service profile, as there may be some citations waiting for confirmation.

    For technical questions regarding this item, or to correct its authors, title, abstract, bibliographic or download information, contact: Sonal Shukla or Springer Nature Abstracting and Indexing (email available below). General contact details of provider: http://www.springer.com .

    Please note that corrections may take a couple of weeks to filter through the various RePEc services.

    IDEAS is a RePEc service. RePEc uses bibliographic data supplied by the respective publishers.