Open Access

Kleine und mittlere Unternehmen (KMU) stehen vor der Herausforderung, in einer zunehmend datengetriebenen Wirtschaft wettbewerbsfähig zu bleiben, verfügen jedoch häufig über begrenzte Ressourcen für den Aufbau von Datenkompetenzen. Um diese Unternehmen zu unterstützen, wurde das Projekt DataLab WestSax als Reallabor, ein Testraum für Datennutzungsideen, zur Förderung datenbasierter Innovationen eingerichtet. Auf Basis der Erkenntnisse aus den dort entstandenen Kooperationen zwischen Forschung und Industrie wird in diesem Beitrag diskutiert, wie KMU erfolgreich datenbasierte Wertschöpfung implementieren können. Methodisch stützt sich die Untersuchung auf das Konzept des Engaged Scholarship. Aus der Analyse von sieben ausgewählten Kooperationsprojekten (den sogenannten Realexperimenten) im Rahmen von DataLab WestSax werden vier zentrale Prinzipien für erfolgreiche datenbasierte Wertschöpfung in KMU abgeleitet: grundlegende Datenkompetenz für alle Mitarbeiter, präzise Datenkommunikation, Nutzung von Wissenstransfer und opportunistischer Aufbau von Datenwertschöpfungskapazitäten. Die Ergebnisse zeigen, dass KMU oft einen Prozess der „Datenbricolage“ durchlaufen – eine pragmatische und kreative Nutzung vorhandener Ressourcen. Dies steht im Kontrast zu oft propagierten, stark formalisierten und ressourcenintensiven Ansätzen der Datenwertschöpfung, die für viele KMU nicht realisierbar sind. Datenbricolage erweist sich daher als ein notwendiger Schritt für viele KMU auf dem Weg zur Professionalisierung ihrer Datenwertschöpfung. Die im Beitrag vorgestellten Prinzipien können KMU dabei als Leitfaden dienen, um ihre Infrastruktur zu entwickeln, ihre Datenkompetenz zu erhöhen und letztendlich ihre Wettbewerbsfähigkeit in einer zunehmend datengetriebenen Wirtschaft zu stärken.

This work presents a comprehensive analysis of the variability and reliability of the resistive switching (RS) behavior in Prussian Blue (a mixed-valence iron(III/II) hexacyanoferrate compound) thin films, used as the active layer. These films are fabricated through a simple and scalable electrochemical process, and exhibit robust bipolar resistive switching, making them suitable both for neuromorphic computing applications and hardware cryptography. A detailed statistical evaluation was conducted over 100 consecutive switching cycles using multiple parameter extraction techniques to assess cycle-to-cycle (C2C) variability in key RS parameters, including set/reset voltages and corresponding currents. One and two-dimensional coefficients of variation (1DCV and 2DCV) were calculated to quantify variability and identify application potential. Results demonstrate moderate variability compatible with neuromorphic computing and cryptographic functionalities, including physical unclonable functions and true random number generation. These findings position Prussian Blue-based memristors as promising candidates for low-cost, stable, and multifunctional memory.

Low-code approaches can accelerate decision-making in the semiconductor industry by streamlining simulation-driven insights. This supports the paradigm shift to Industry 4.0 and Industry 5.0 by enabling rapid development and optimized workflows. However, existing simulation methods often require extensive coding expertise, limiting accessibility and slowing down model development. This paper presents a simulation template that streamlines the development of discrete event simulation models in semiconductor manufacturing. Thus, the simulation template implements reusable components to simplify model creation and reduce development time. The approach encourages collaboration between technical and nontechnical stakeholders. Combined with a low-code data farming framework, the simulation template increases agility, accelerates experimentation, and supports efficient, data-driven production planning decisions.