@mastersthesis{Dobmeier2025,
  type      = {Master Thesis},
  author    = {Dobmeier, Michael},
  title     = {Untersuchung zu den Erfolgsdeterminanten f{\"u}r die Nutzung von K{\"u}nstlicher Intelligenz bei kleinen und mittelst{\"a}ndischen Unternehmen der Region Schwarzwald-Baar-Heuberg},
  organization    = {IHK Schwarzwald-Baar-Heuberg},
  institution = {Fakult{\"a}t Maschinenbau und Verfahrenstechnik (M+V)},
  school    = {Hochschule Offenburg},
  pages     = {155},
  year      = {2025},
  abstract  = {Diese Arbeit untersucht die Erfolgsfaktoren f{\"u}r die KI-Implementierung in KMUs der l{\"a}ndlich-industriell gepr{\"a}gten Region Schwarzwald-Baar-Heuberg (SBH). Trotz hohem Innovationspotenzial und Herausforderungen wie Fachkr{\"a}ftemangel nutzen KMUs KI-Chancen zur Effizienzsteigerung und Automatisierung nur z{\"o}gerlich. Die zentrale Leitfrage lautet: „Welche Erfolgsdeterminanten und deren Wechselwirkungen sind f{\"u}r die KI-Implementation in KMUs l{\"a}ndlicher R{\"a}ume maßgeblich und wie lassen sich diese am Beispiel der Region Schwarzwald-Baar-Heuberg empirisch validieren?" Basierend auf Literaturanalyse wurde das TOE-Framework um die regionale Dimension zum TOER-Framework (Technologie, Organisation, Wirtschaft, Region) erweitert. Ein Mixed-Methods-Ansatz kombinierte eine quantitative Umfrage mit qualitativen Interviews. Die geringe Stichprobengr{\"o}ße (trotz umfangreicher Bewerbung durch die IHK) schr{\"a}nkt die Repr{\"a}sentativit{\"a}t stark ein; die Ergebnisse sind explorativ. Die niedrige Teilnahme deutet selbst auf H{\"u}rden hin (z.B. „KI-M{\"u}digkeit", Unsicherheit). Wichtigste Ergebnisse (TOER): • T: IT-Basis oft vorhanden, aber KI-spezifische L{\"u}cken (Datenmanagement, Hardware). Bedarf an passgenauen, sicheren, nutzerfreundlichen L{\"o}sungen; Kosten und Unsicherheit hemmen. Generative KI am popul{\"a}rsten. • O: F{\"u}hrung oft unterst{\"u}tzend, aber Mitarbeiterakzeptanz, Kompetenzen und Change-Management sind Hauptbarrieren. Strategieanpassung langsam. • E: Fokus auf Effizienz, kurze Amortisation (1-2 Jahre) erwartet, dennoch Investitionszur{\"u}ckhaltung. Systematische Erfolgsmessung fehlt meist. • R: Fachkr{\"a}ftemangel kritischstes regionales Hemmnis. Unterst{\"u}tzungsangebote oft unbekannt/unpassend. Netzwerke wichtig (v.a. f{\"u}r gr{\"o}ßere KMUs), aber wenig genutzt. Hoher Bedarf an Best Practices, individueller Beratung und F{\"o}rderung. Hohe Kosten f{\"u}r externe Expertise als H{\"u}rde wahrgenommen. Die Faktoren interagieren; F{\"u}hrung und regionale Netzwerke sind zentral, aber oft ungenutzt. Grundlegende Erfolgsfaktoren (Netzwerke, maßgeschneiderte Unterst{\"u}tzung, F{\"u}hrung) sind tendenziell auf andere Regionen {\"u}bertragbar, erfordern ggf. regionale Anpassungen. Zentrale Handlungsempfehlung: Zur {\"U}berwindung der H{\"u}rden (v.a. Mangel an vertrauensw{\"u}rdiger Expertise) wird die Initiierung eines regionalen „AI-ExpertHub SBH" vorgeschlagen. Als Verbundprojekt (IHK, Hochschulen, Unternehmen) soll er Wissen b{\"u}ndeln, Unterst{\"u}tzung bieten, Qualit{\"a}t sichern, Best Practices f{\"o}rdern und Akteure vernetzen, um die KI-Adaption zu beschleunigen.},
  language  = {de}
}