Open Access

Kleine und mittlere Unternehmen (KMU) stehen vor der Herausforderung, in einer zunehmend datengetriebenen Wirtschaft wettbewerbsfähig zu bleiben, verfügen jedoch häufig über begrenzte Ressourcen für den Aufbau von Datenkompetenzen. Um diese Unternehmen zu unterstützen, wurde das Projekt DataLab WestSax als Reallabor, ein Testraum für Datennutzungsideen, zur Förderung datenbasierter Innovationen eingerichtet. Auf Basis der Erkenntnisse aus den dort entstandenen Kooperationen zwischen Forschung und Industrie wird in diesem Beitrag diskutiert, wie KMU erfolgreich datenbasierte Wertschöpfung implementieren können. Methodisch stützt sich die Untersuchung auf das Konzept des Engaged Scholarship. Aus der Analyse von sieben ausgewählten Kooperationsprojekten (den sogenannten Realexperimenten) im Rahmen von DataLab WestSax werden vier zentrale Prinzipien für erfolgreiche datenbasierte Wertschöpfung in KMU abgeleitet: grundlegende Datenkompetenz für alle Mitarbeiter, präzise Datenkommunikation, Nutzung von Wissenstransfer und opportunistischer Aufbau von Datenwertschöpfungskapazitäten. Die Ergebnisse zeigen, dass KMU oft einen Prozess der „Datenbricolage“ durchlaufen – eine pragmatische und kreative Nutzung vorhandener Ressourcen. Dies steht im Kontrast zu oft propagierten, stark formalisierten und ressourcenintensiven Ansätzen der Datenwertschöpfung, die für viele KMU nicht realisierbar sind. Datenbricolage erweist sich daher als ein notwendiger Schritt für viele KMU auf dem Weg zur Professionalisierung ihrer Datenwertschöpfung. Die im Beitrag vorgestellten Prinzipien können KMU dabei als Leitfaden dienen, um ihre Infrastruktur zu entwickeln, ihre Datenkompetenz zu erhöhen und letztendlich ihre Wettbewerbsfähigkeit in einer zunehmend datengetriebenen Wirtschaft zu stärken.

Low-code approaches can accelerate decision-making in the semiconductor industry by streamlining simulation-driven insights. This supports the paradigm shift to Industry 4.0 and Industry 5.0 by enabling rapid development and optimized workflows. However, existing simulation methods often require extensive coding expertise, limiting accessibility and slowing down model development. This paper presents a simulation template that streamlines the development of discrete event simulation models in semiconductor manufacturing. Thus, the simulation template implements reusable components to simplify model creation and reduce development time. The approach encourages collaboration between technical and nontechnical stakeholders. Combined with a low-code data farming framework, the simulation template increases agility, accelerates experimentation, and supports efficient, data-driven production planning decisions.

An individual’s digital mindset is crucial to navigating digital transformation. Current studies reveal a lack of construct clarity jeopardizing further research. We address this gap by conceptualizing the construct and its multidimensionality, and by developing and validating a scale. Following a multi-grounded theory approach (n = 28) we identify three dimensions of digital mindset: digital consciousness, digital expertise, and digital business acumen. Subsequently, we developed and validated the digital mindset scale in five phases. We generated 95 items. Exploratory (n = 167) and confirmatory (n = 658) factor analyses supported the dimensions. We added items and reassessed the psychometric properties (n = 152), and established convergent and discriminant validity (n = 243). Finally, we examined relationships with innovative and entrepreneurial behavior, supporting nomological and incremental validity (n = 145). Our research paves the way for empirical studies and equips practitioners to assess employees’ digital mindset throughout the professional lifecycle.