Vergleichende Untersuchung von Reifegradmodellen der Industrie 4.0 und deren Übertragbarkeit auf das Smart Health Fallbeispiel der nicht-invasiven Messung des intrakraniellen Drucks (ICP)

Erstmalig werden in dieser Studie Ansätze und Vorgehensmodelle der Industrie 4.0 auf ein neurologisches Fallbeispiel übertragen. Durch die multidisziplinäre Betrachtung der Industrie 4.0 Reifegrad-Modelle aus Sicht der Wirtschaftsinformatik und Informatik sowie des Smart Health Fallbeispiels aus Sicht der Wirtschaftsinformatik, Informatik und der Medizin entsteht der Innovationsgehalt dieser Arbeit.

Der integrierte Ansatz der Industrie 4.0 Modelle ist deswegen ideal für die Übertragung auf Smart Health Anwendungen, weil durch die Datenintegration sowohl im Falle der Industrie 4.0 als auch im Falle der medizinischen Applikation zur Messung des nicht-invasiven intrakraniellen Druckes ein Modell erschaffen wird, in das Informationen aus verschiedenen Quellen zusammenfließen und prozessbedingt berücksichtigt werden. In der idealtypischen, praktischen Umsetzung der theoretischen Modelle werden durch die Kombination verschiedener Datenquellen wie Sensoren oder Aktoren Informationen zur Prozessüberwachung in Echtzeit generiert, die dann den Informationsgehalt der Unternehmen und Organisationen in einer Form erweitern, die es vermag, die Effizienz und Effektivität von Abläufen zu steigern.

Im Falle des Smart Health Fallbeispiels werden sensorische Daten in Echtzeit erfasst und hierüber die Prozesse im menschlichen Gehirn überwacht, hier insbesondere die Veränderungen des intrakraniellen Drucks als prozessualer Ausdruck des gesundheitlichen Zustands. Im Smart Health Fallbeispiel wurde hierfür ein Hochpräzisions-Sensorprototyp mit vier Kanälen erprobt. Die Anzahl der Datenkanäle begründet sich dabei damit, dass es für jede Hemisphäre ein vorderes und ein hinteres Einstromgebiet gibt und diese jeweils separat gemessen werden sollten.

Die erfassten Signale zeigten in ersten Messungen mit gesunden Testpersonen an der Schädel-Basis occipital und frontal jeweils Signalverläufe, die den Hirndruckkurven ähneln. Gemessen wurde dabei die mechanische Verformung als relative Auswirkung des Drucks. Modelle, die in der Industrie 4.0 sowie in Smart Health Anwendungen finden, eignen sich durch die große fachliche Distanz zudem gut, um standardisierte Vorgehensweisen zu definieren, die dann auch auf andere Anwendungsfälle multidisziplinär übertragbar sind.

Die Entwicklung des TEA-SH-Transformationsmodells im letzten Kapitel dient eben jener Übertragbarkeit. Gerade der Wertsteigerungsbereich der Forschung und Entwicklung in Unternehmen wie auch in anderen Organisationsformen ist in puncto Messbarkeit schwer auszuwerten, da sich Wissen oder auch die Transformationsschritte hin zu lernenden, agilen Organisationen nur schwer quantifizieren lassen.

Der in der Abhandlung proklamierte Ansatz der Messung des Modells über Schlüsselfaktoren des Anforderungsmanagements lässt sich modellhaft auch auf andere Entwicklungen aus anderen Branchen, Fächern und Bereichen übertragen. Das Werk folgt dabei stets dem übergeordneten methodischen Ablaufprozess-Überblick (mAPÜ), der als Leitfaden optisch durch die Studie führt, indem der jeweilige Schritt zu Beginn jedes Unterkapitels zur Klassifikation visuell vorangestellt wird.