Um Smart Services zu entwickeln, muss Intelligenz - wie Kontextsensitivität und Konnektivität - in die Produkte eingebaut werden, so dass die Services die Daten in Echtzeit sammeln und analysieren und die Informationen in einer Applikation bereitstellen können (Allmendinger & Lombreglia 2005, Wünderlich et al. 2015). Diese aufkommende Dienstleistungsära ist geprägt von neuen Charakteristika, die die Anforderungserhebung vor Herausforderungen stellt (Lim et al. 2018b). Ein vielversprechender Ansatz zur Bewältigung dieser Herausforderungen ist das Prototyping. In Disziplinen, wie dem Produktdesign, empfehlen aktuelle Forschungen den Einsatz von Prototypen in den frühen Entwicklungsphasen, um radikale Innovationen zu generieren (vgl. Haines-Gadd et al. 2015, Leifer & Steinert 2011, Jensen et al. 2017). Motiviert durch diese Studien wird in der vorliegenden Arbeit erforscht, wie Prototypen zur Anforderungserhebung bei Smart Services in den frühen Entwicklungsphasen beitragen können. Eingangs zeigte die Literaturrecherche, dass das Verständnis von Smart Services von Disziplin zu Disziplin variiert und die bestehenden Modelle und Frameworks nur rudimentär Fragestellungen des Prototypings adressieren. Als Grundlage für die weitere Forschung wurden ein Schichtenmodell eingeführt, dass die Struktur von Smart Services systematisch beschreibt, und zusätzlich die relevanten Dimensionen für die Zusammenstellung von Smart Service Prototypen abgeleitet. Im zweiten Schritt wurde erforscht, welchen Effekt haben Prototypen auf die Erhebung von unbekannten Anforderungen bei Smart Services. Die durchgeführte Multi-Case-Studie mit 17 Prototypen zeigte, dass die existierenden Ansätze in der Prototypengestaltung nicht in der Lage sind, die komplexe Natur der datenbasierten Wertschöpfung zielgerichtet abzubilden. Im Gegensatz dazu erwies sich ein neu identifizierter Prototyping-Ansatz als besonders effektiv. Die Data-Driven Value Prototypes verdeutlichen den Mechanismus, wie durch Daten Wert geschaffen wird. Die Prototypen nutzen die datenorientierte Wertschöpfungskette um aufzuzeigen, wie Aktivitäten und Ressourcen zusammenwirken und Wert schaffen, von der Datenerfassung bis zur Nutzung einer Dienstleistung. Im dritten Schritt wurde der neue Ansatz in einer empirischen Studie mit 48 Tests mit einer traditionellen Prototyping-Technik verglichen. Die Ergebnisse belegten die verbesserte Effektivität in der Anforderungserhebung durch den Einsatz der Data-Driven Value Prototypes. Mit diesem Beitrag soll die datenorientierte Wertschöpfung als Denkweise in das Prototyping eingeführt werden, um die Anforderungserhebung in den frühen Entwicklungsphasen neuzudenken.
To create smart services, intelligence - like awareness and connectivity - must be built into the products so that the service can collect and analyse data in real time and provide the information in the user interface (Allmendinger & Lombreglia 2005, Wünderlich et al. 2015). This emerging service era is shaped by new characteristics that pose challenges to the requirements elicitation (Lim et al. 2018b). A promising approach to address these challenges is prototyping. In disciplines such as product design, current innovation research recommends the use of prototypes in the early development phases to create radical innovations (vgl. Haines-Gadd et al. 2015, Leifer & Steinert 2011, Jensen et al. 2017). Motivated by these studies, the current thesis explores how prototypes can contribute to requirements elicitation for smart services in the early development phases. At the beginning, the literature review revealed that the understanding of smart services varies from discipline to discipline, and that existing models and frameworks only rudimentarily address prototyping issues. As the basis for further research, a layer model was introduced that systematically describes the structure of smart services, and additionally the relevant dimensions for the composition of smart service prototypes were derived. The second step was to explore what effect have prototypes on the elicitation of unknown requirements in smart services. The conducted multi-case study with 17 prototypes revealed that the existing approaches for prototype design are not able to capture the complex nature of data-based value creation in a target-oriented way. In contrast, a new identified prototyping approach showed to be particularly effective. The data-driven value prototypes uncover the mechanism of how value is created through data. The prototypes use the data value chain to demonstrate how activities and resources work together to create value, from data collection to use of a service. In the third step, an empirical study with 48 test sessions compared the new approach with a traditional prototyping technique. The results demonstrated the improved effectiveness for requirements elicitation through the use of the data-driven value prototype. With this contribution, the data-driven value creation will be introduced as a mindset in prototyping to rethink requirements elicitation in the early development phases.
Use and reproduction:
All rights reserved