Integrating generative artificial intelligence into supply chain management education using the SCOR model
Kein Vorschaubild vorhanden
Autor:in (Körperschaft)
Publikationsdatum
2024
Typ der Arbeit
Studiengang
Typ
04B - Beitrag Konferenzschrift
Herausgeber:innen
Herausgeber:in (Körperschaft)
Betreuer:in
Übergeordnetes Werk
CAiSE 2024 International Workshops
Themenheft
DOI der Originalpublikation
Link
Reihe / Serie
Lecture Notes in Business Information Processing
Reihennummer
521
Jahrgang / Band
Ausgabe / Nummer
Seiten / Dauer
59-71
Patentnummer
Verlag / Herausgebende Institution
Springer
Verlagsort / Veranstaltungsort
Limassol
Auflage
Version
Programmiersprache
Abtretungsempfänger:in
Praxispartner:in/Auftraggeber:in
Zusammenfassung
Bridging rule-based Supply Chain Management (SCM) systems with Generative Artificial Intelligence (GenAI) presents a novel approach towards overcoming persistent SCM challenges. This study introduces a novel approach that integrates GenAl with the Supply Chain Operations Reference (SCOR) Model, a widely accepted quasi-ontology in SCM, through Retrieval-Augmented Generation (RAG). Utilizing Google's Vertex AI Search as an implementation case in an educational context, we demonstrate the practical application of resulting generative SCM (GenSCM), which seeks to combine the advantages of both symbolic and sub-symbolic AI. Our study contributes to the literature by outlining an approachable pathway for integrating GenAI in SCM, and it provides insights on a domain-specific integration of symbolic and sub-symbolic Al. While the findings illustrate the potential of GenSCM in education, future research is needed on superior SCM problem-solving and operational execution in real-life SCM settings.
Schlagwörter
Fachgebiet (DDC)
330 - Wirtschaft
658 - General Management
658 - General Management
Veranstaltung
CAiSE 2024
Startdatum der Ausstellung
Enddatum der Ausstellung
Startdatum der Konferenz
03.06.2024
Enddatum der Konferenz
07.06.2024
Datum der letzten Prüfung
ISBN
978-3-031-61002-8
978-3-031-61003-5
978-3-031-61003-5
ISSN
Sprache
Englisch
Während FHNW Zugehörigkeit erstellt
Ja
Zukunftsfelder FHNW
Publikationsstatus
Veröffentlicht
Begutachtung
Peer-Review der ganzen Publikation
Open Access-Status
Closed
Lizenz
Zitation
EHRENTHAL, Joachim, Phillip GACHNANG, Louisa LORAN, Hellmer RAHMS und Fabian SCHENKER, 2024. Integrating generative artificial intelligence into supply chain management education using the SCOR model. In: João Paulo A. ALMEIDA, Claudio DI CICCIO und Christos KALLONIATIS (Hrsg.), CAiSE 2024 International Workshops. Limassol: Springer. 2024. S. 59–71. Lecture Notes in Business Information Processing, 521. ISBN 978-3-031-61002-8. Verfügbar unter: https://irf.fhnw.ch/handle/11654/48364