Die Verbreitung neuer Technologien ist entscheidend für die Erzielung sozialer und wirtschaftlicher Erträge aus Innovationen. Die Verfolgung und Kartierung der Technologieverbreitung ist jedoch in der Regel durch das Ausmaß begrenzt, in dem wir die Technologieübernahme beobachten können. In dieser Studie werden Website-Texte verwendet, um ein mehrsprachiges Sprachmodell-Ensemble zu trainieren, das die Technologieverbreitung im Fall des 3D- Drucks abbildet. Die Studie identifiziert relevante Akteure und ihre Rolle im Verbreitungsprozess. Die Ergebnisse zeigen, dass neben den Herstellern auch Dienstleistungsanbieter, Einzelhändler und Informationsanbieter eine wichtige Rolle spielen. Die geografische Verteilung der Adoptionsintensität deutet darauf hin, dass die regionale 3D-Druck-Intensität durch erfahrene Hauptnutzer und das Vorhandensein von technischen Universitäten vorangetrieben wird. Die allgemeine Nutzungsintensität variiert je nach Sektor und Unternehmensgröße. Diese Muster deuten darauf hin, dass der Ansatz der webAI ein nützliches und neuartiges Instrument für die Technologiekartierung darstellt, das die bestehenden Maßnahmen auf der Grundlage von Patenten oder Umfragedaten ergänzt.

Schwierzy, Julian, Robert Dehghan, Sebastian Schmidt, Elisa Rodepeter, Andreas Stoemmer, Kaan Uctum, Jan Kinne, David Lenz und Hanna Hottenrott (2022), Technology Mapping Using WebAI: The Case of 3D Printing, arXiv arXiv, München. Download

Autoren

Schwierzy, Julian
Dehghan, Robert
Schmidt, Sebastian
Rodepeter, Elisa
Stoemmer, Andreas
Uctum, Kaan
Kinne, Jan
Lenz, David
Hottenrott, Hanna

Schlagworte

3D printing, web mining, innovation, technology mapping