Die zunehmende Digitalisierung und Automatisierung in der Industrie hat dazu geführt, dass immer mehr Daten erfasst werden. Diese Daten können besonders für kleine und mittelständische Unternehmen (KMU) eine wichtige Ressource darstellen, um den zahlreichen Herausforderungen, wie zum Beispiel den steigenden Kosten, dem erhöhten Wettbewerbsdruck und den schnellen Veränderungen im Marktumfeld, zu begegnen (West et al.,
2021, S. 131 ff.; Haarmeier,
2021, S. 5 ff.). Die Bedeutung kleiner und mittelständischer Unternehmen (KMU) in Deutschland ist dabei nicht zu unterschätzen, da sie das Rückgrat der deutschen Wirtschaft mit etwa 99 % aller Unternehmen in Deutschland bilden. Damit sind sie ein wichtiger Treiber für Innovation und Wachstum (Statistisches Bundesamt,
2019). Allerdings haben diese Unternehmen auch besondere Herausforderungen zu bewältigen. Sie verfügen oft über begrenzte Ressourcen und müssen sich gegenüber großen Konzernen behaupten. Dies erfordert ein hohes Maß an Flexibilität und Anpassungsfähigkeit, um in einem dynamischen Marktumfeld erfolgreich bestehen zu können (Seyda,
2012, S.1ff). Durch die Analyse von Daten können Unternehmen in Echtzeit auf Veränderungen im Marktumfeld reagieren und somit schnell und flexibel agieren. Der Einsatz von industrieller Datenanalyse bietet hierbei eine Möglichkeit, um Unternehmen dabei zu unterstützen, ihre Geschäftsprozesse und Produkte kontinuierlich zu verbessern und somit langfristig wettbewerbsfähig zu bleiben (Czernich, et al.,
2019, S. 9 ff.). Für kleine und mittelständische Unternehmen (KMU) kann der Einstieg in die industrielle Datenanalyse allerdings eine Herausforderung darstellen, denn häufig verfügen sie nicht über die notwendige Infrastruktur und Expertise, um große Datenmengen effektiv zu verarbeiten und auszuwerten (Weskamp et al.,
2014, S. 22 ff.). In diesem Kontext können Serviceplattformen für die industrielle Datenanalyse einen wichtigen Beitrag leisten, indem sie Unternehmen und ihre Mitarbeitenden dabei unterstützen, ihr Wissen und ihre Fähigkeiten im Bereich der datengestützten Analysen und Entscheidungen zu erweitern (siehe Kap.
1). Auf dem Markt gibt es bereits eine Vielzahl unterschiedlicher Aus- und Weiterbildungsangebote im Bereich der industriellen Datenanalyse. Dabei handelt es sich meist um sehr kosten- und zeitintensive Angebote, die gerade für KMU aufgrund der knappen Ressourcen nicht wahrnehmbar sind. Hier braucht es für die Unternehmen und Mitarbeitenden ein niederschwelliges, kostenloses und ganzheitliches Lösungskonzept, welches im Rahmen des Projektes AKKORD mit der Work&Learn-Plattform (W&L) umgesetzt wird. Dazu wird im ersten Abschnitt ein kurzer Überblick über die bereits am Markt verfügbaren Lernangeboten zur Einordnung gegeben. Im nächsten Abschnitt werden die Anforderung zur „Kompetenzerfassung – und Sicherung in der industriellen Datenanalyse von Wertschöpfungsnetzwerken“ mit dem besonderen Fokus auf KMU definiert. Daran anknüpfend wird die konzeptuelle Entwicklung des Lernbereiches dargestellt, in dem der inhaltliche Aufbau der Lernkurse als Mockup dargelegt wird. Im nächsten Abschnitt wird die Umsetzung der digitalen Lerninhalte als Mockup in die Serviceplattform (W&L) aufgezeigt. Im Anschluss erfolgt die Darstellung der Validierung sowie der Optimierungsansätze. Im letzten Abschnitt wird neben einer Zusammenfassung noch ein Ausblick auf die Zukunft gegeben.