Hier finden sich eigene Publikationen zu folgenden Themen: Datenqualität, Stammdatenmanagement, überbetrieblicher Produktstammdatenaustausch, Reifegradmodelle, Digitalisierung und Industrie 4.0, Investitionsrechnungen von DQM-Projekte. Weiterführende Informationen zu den Publikationen finden sich auf der Wissenschaftsplattform ResearchGate.
Roth, Hendrik; Mönch, Simon Paul; Schäffer, Thomas (2022): Towards Augmented MDM: Overview of Design and Function Areas – A Literature Review. In: AMCIS 2022 Proceedings. Conference, 10.-15. August 2022. Informationen zum Paper
Scholz, Niklas; Wieland, Jannik; Schäffer, Thomas (2022): Towards a Framework for Enterprise & Platform Ecosystem Data Governance. In: AMCIS 2022 Proceedings. Conference, 10.-15. August 2022. Informationen zum Paper
Kern, Christopher Julian; Schäffer, Thomas; Stelzer, Dirk (2021): Towards Augmenting Metadata Management by Machine Learning. In: Gesellschaft für Informatik e.V. (GI) (Hg.): INFORMATIK 2021. Computer Science & Sustainability. Berlin, 27.-01.10.2021. P314. Bonn: Köllen Druck+Verlag GmbH (Lecture Notes in Informatics (LNI) - Proceedings), S. 1467–1476. Informationen zum Paper
Schäffer, Thomas (2021): Der Heilbronner MDM-Roundtable – ein Industriekonsortium zum Wissenstransfer der »Data Excellence« für die digitale Transformation. In: Hochschule Heilbronn, Fakultät für Wirtschaft und Verkehr (Hg.): Forschung & Transfer an der Fakultät für Wirtschaft und Verkehr & International Business. Der Heilbronner MDM-Roundtable – ein Industriekonsortium zum Wissenstransfer der »Data Excellence« für die digitale Transformation. Heilbronn (4).
Straßburg, Sebastian; Kahlert, Sebastian; Stöffler, Deborah; Schäffer, Thomas (2021): Identification of Issues in Design Science Research Evaluation – A Literature Review. In: AMCIS 2021 Proceedings. Digital Innovation and Entrepreneurship. Virtual Conference, 9.-13. August 2021. Informationen zum Paper
Schäffer, Thomas; Knöpfle, Stefan (2021): Das Referenz-Rollenmodell der MDM-Fokusgruppe »Data Governance«. Arbeitsbericht. Hg. v. Institut für Wirtschaftinformatik an der Hochschule Heilbronn. Heilbronn. Informationen zur MDM-Fokusgruppe
Schäffer, Thomas; Stelzer, Dirk; Brückner, Lisa (2018): Auswertung der Umfrage zu Grenzen und Schwächen von Datenpools für den überbetrieblichen Produktstammdatenaustausch. Hg. v. Hochschule Heilbronn und Technische Universität Ilmenau.
Schäffer, Thomas; Leyh, Christian; Bley, Katja; Schimmele, Mario (2018): Towards an Open Ecosystem for Maturity Models in the Digital Era: The Example of the Data Quality Management Perspective. In: AMCIS 2018 Proceedings. New Orleans.
Leyh, Christian; Schäffer, Thomas (2018): SIMMI 4.0 – System Integration Maturity Model Industry 4.0. Ein Reifegradmodell zur Klassifikation der unternehmensweiten Anwendungssystemlandschaft mit Fokus Industrie 4.0. In: VDI Wissensforum GmbH (Hg.): VDI-Berichte 2330 – Automation. 19. Leitkongress der Mess- und Automatisierungstechnik Semaless Convergence of Automation & IT. Baden-Baden, 3. – 4. Juli 2018, S. 1105-1117.
Schröer, Tobias; Wenger, Lucas; Schäffer, Thomas; Beckmann, Helmut; Treutlein, Peter; Ron, Alex (2018): Stammdatenqualität im Zuge der Digitalisierung. Strategie, Methode und Werkzeuge für die Praxis. Hg. v. DataQualityCenter.
Beckmann, Helmut; Ron, Alex; Schäffer, Thomas; Schröer, Tobias; Treutlein, Peter; Wenger, Lucas (2018): Stammdatenqualität für das digital vernetzte Unternehmen. In: Trovarit AG (Hg.): IT-Matchmaker.guide. Industrie 4.0: Business Lösungen 2018, S. 29-36.
Schäffer, Thomas; Stelzer, Dirk (2018): Barriers to Adopting Data Pools for Product Information Sharing – A Literature Review. In: Paul Drews, Burkhardt Funk, Peter Niemeyer und Lin Xie (Hrsg.): Multikonferenz Wirtschaftsinformatik (MKWI) 2018. Leuphana Universität Lüneburg, 6. – 9. März 2018, S. 295-306.
Schäffer, Thomas; Leyh, Christian; Beckmann, Helmut (2018): ALADDIN – Vorschlag eines Analyse- und Berechnungsmodells zur Investitions-bewertung für ein unternehmensweites Datenqualitätsmanagement. In: Paul Drews, Burkhardt Funk, Peter Niemeyer und Lin Xie (Hrsg.): Multikonferenz Wirtschaftsinformatik (MKWI) 2018. Leuphana Universität Lüneburg, 6. – 9. März 2018, S. 369-380.
Leyh, Christian; Martin, Stefan; Schäffer, Thomas (2018): Analyzing Industry 4.0 Models with Focus on Lean Production Aspects. In: Ewa Ziemba (Hg.): Information Technology for Management. Ongoing Research and Development. , Bd. 311. Cham: Springer International Publishing (Lecture Notes in Business Information Processing, 311), S. 114–130.
Schäffer, Thomas; Leyh, Christian (2017): Datenqualitätsmanagement: Bewertung von Investitionsvorhaben zur Verbesserung der Stammdatenqualität. ERP Management, Ausgabe 3/2017, November 2017, S. 41-44. (online Version)
Schäffer, Thomas; Stelzer, Dirk (2017): Towards a Taxonomy for Coordinating Quality of Master Data in Product Information Sharing. In: ICIQ 2017 Proceedings. Little Rock.
Leyh, Christian; Martin, Stefan; Schäffer, Thomas (2017): Industry 4.0 and Lean Production – A Matching Relationship? An analysis of selected Industry 4.0 models. In: FedCSIS 2017 Proceedings. Prague. (Material)
Leyh, Christian; Bley, Katja; Schäffer, Thomas; Bay, Lennart (2017): The Application of the Maturity Model SIMMI 4.0 in Selected Enterprises. In: AMCIS 2017 Proceedings. Bosten.
Leyh, Christian; Schäffer, Thomas; Bley, Katja; Forstenhäusler, Sven (2017): Assessing the IT and Software Landscapes of Industry 4.0-Enterprises: The Maturity Model SIMMI 4.0. In: Ewa Ziemba (Hg.): Information Technology for Management: New Ideas and Real Solutions, Bd. 277. Cham: Springer International Publishing (277), S. 103–119.
Schäffer, Thomas; Beckmann, Helmut (2017): Industrie 4.0 als Herausforderung für das Stammdatenmanagement in Unternehmen. In: Trovarit AG (Hg.): IT-Matchmaker.guide. Industrie 4.0-Lösungen 2017.
Schäffer, Thomas (2017): Unternehmensübergreifende Stammdatenqualität – Entwicklung eines Hilfsmittels zur Vereinbarung der Qualität für Stammdaten zwischen Unternehmen. In: Barbara Dinter, Lisa Frenzel und Peter Gluchowski (Hg.): Tagungsband zum 20. Interuniversitären Doktorandenseminar Wirtschaftsinformatik. Chemnitz, 27.10.2016. Chemnitz: Universitätsverlag der Technischen Universität Chemnitz, S. 49–59.
Schäffer, Thomas; Leyh, Christian (2017): Master Data Quality in the Era of Digitization - Toward Inter-organizational Master Data Quality in Value Networks: A Problem Identification. In: F Piazolo, V Geist, L Brehm und R Schmidt (Hg.): Innovations in Enterprise Information Systems Management and Engineering. ERP Future 2016. Lecture Notes in Business Information Processing. 285. Aufl.: Springer, Cham, S. 99–113.
Schäffer, Thomas; Stelzer, Dirk (2017): Assessing Tools for Coordinating Quality of Master Data in Inter-organizational Product Information Sharing. In: WI 2017 Proceedings. St. Gallen.
Beckmann, Helmut; Schäffer, Thomas (2016): Trends und Erfolgsfaktoren im Zuge der Digitalisierung. Ergebnisse einer Studie zum Stammdatenmanagement. In: ERP Management 12 (4), S. 36–37.
Leyh, Christian; Schäffer, Thomas; Bley, Katja; Forstenhäusler, Sven (2016): SIMMI 4.0 – A Maturity Model for Classifying the Enterprise-wide IT and Software Landscape Focusing on Industry 4.0. In: FedCSIS 2016 Proceedings.
Bley, Katja; Leyh, Christian; Schäffer, Thomas (2016): Digitization of German Enterprises in the Production Sector – Do they know how “digitized” they are? In: AMCIS 2016 Proceedings. San Diego.
Leyh, Christian; Schäffer, Thomas; Forstenhäusler, Sven (2016): SIMMI 4.0 – Vorschlag eines Reifegradmodells zur Klassifikation der unternehmensweiten Anwendungssystemlandschaft mit Fokus Industrie 4.0. In: MKWI 2016 Proceedings. Ilmenau.
Schäffer, Thomas; Beckmann, Helmut (2014): Trendstudie Stammdatenqualität 2013. Erhebung der aktuellen Situation zur Stammdatenqualität in Unternehmen und daraus abgeleitete Trends. 1. Aufl. Stuttgart: Steinbeis-Edition (Schriftenreihe Wirtschaftsinformatik).
Beckmann, Helmut; Schäffer, Thomas (2014): ERP-Studie. Erfolgsfaktoren für die Integration von Unternehmenssoftware in die Unternehmens-IT. 1. Aufl. Stuttgart: Steinbeis-Edition (Schriftenreihe Wirtschaftsinformatik).
Datenschutzeinstellungen
Wir setzen auf unserer Website Tracking-Technologien ein und haben Inhalte Dritter eingebettet. Eingesetzte Dienstleister können Daten für eigene Zwecke verarbeiten und mit anderen Daten zusammenführen. Details zu den Zwecken der Datenverarbeitung finden Sie in unserer Datenschutzerklärung.
Mit Ihrer Auswahl willigen Sie ggf. in die Verarbeitung Ihrer Daten zu den jeweiligen Zwecken ein. Die Einwilligung ist freiwillig, für die Nutzung des Onlineangebots nicht erforderlich und kann jederzeit über unsere Datenschutzeinstellungen widerrufen werden.