Technologiefrühaufklärung mit Data Mining

1 Einleitung.- 1.1 Problemstellung.- 1.2 Zielsetzung der Arbeit.- 1.3 Aufbau der Arbeit.- 1.4 Forschungsdesign.- 2 Technologiefrühaufklärung.- 2.1 Grundlagen der Technologiefrühaufklärung.- 2.2 Technologische Diskontinuitäten als Hauptproblem technologischer Pfade.- 3 Die Identifikationsphase im Rahmen der Technologiefrühaufklärung.- 3.1 Informationsgewinnung und -Verarbeitung zur Technologiefrühaufklärung.- 3.2 Exkurs: Psychologische Kreativitätsforschung.- 3.3 Schwache Signale.- 3.4 Aktivitäten der TFA-Identifikationsphase.- 3.5 Anforderungen an eine die bisherigen Kritikpunkte berücksichtigende Technologiefrühaufklärung.- 4 Data-Mining-Einsatz in der Technologiefrühaufklärung.- 4.1 Einführung in die Wissensentdeckung in Datenbanken.- 4.2 Bibliometrie und Technologielandkarten.- 4.3 Eignung von Data Mining für die Technologiefrühaufklärung.- 5 TFA-gerechte Ausgestaltung des Data-Mining-Prozesses.- 5.1 Schrittl Zielformulierung.- 5.2 Schritt 2: Datenauswahl und -bereitstellung.- 5.3 Schritt 3: Datenbereinigung und -aufbereitung.- 5.4 Schritt 4: Verfahrenswahl und Durchführung der Analyse mittels Indikatoren-Radar.- 5.5 Schritt 5: Ergebnisaufbereitung.- 6 Test des erarbeiteten Data-Mining-gestützten TFA-Identifikationsprozesses anhand von Fallbeispielen.- 6.1 Formulierung von Hypothesen und Vorbereitung des Tests.- 6.2 Fallbeispiel 1: Automobiltechnik.- 6.3 Fallbeispiel 2: Mikrosystemtechnik.- 6.4 Fallbeispiel 3: Optische Datenübertragung.- 6.5 Fallbeispiel 4: Elektronische Datenspeicherung.- 7 Auswertung der Fallbeispiele und Überprüfung der Hypothesen.- 7.1 Hypothese 1.- 7.2 Hypothese 2.- 7.3 Hypothese 3.- 7.4 Hypothese 4.- 7.5 Hypothese 5.- 7.6 Hypothese 6.- 7.7 Schlussfolgerungen.- 8 Zusammenfassung und Ausblick.

Dr. Andreas Zeller war wissenschaftlicher Mitarbeiter von Prof. (em.) Dr. Hans Dietmar Bürgel am Lehrstuhl für Forschungs- und Entwicklungsmanagement der Universität Stuttgart. Er ist Projektplaner bei der Dr. Ing. h.c. F. Porsche AG.