Warum meiden viele KMU digitale B2B-Kollaborationsplattformen, obwohl sie als Schlüsseltechnologien der Industrie 4.0 gelten? Trotz ihres Potenzials, den Zugang zu Innovationsökosystemen zu erleichtern und strukturelle Ressourcennachteile auszugleichen, bleibt die Plattformadoption in der Praxis verhalten. Der Dynamic-Capabilities-Ansatz zeigt, dass Adoptionshemmnisse weniger technischer Natur sind als vielmehr in Wahrnehmungs-, Entscheidungs- und Transformationsprozessen liegen.

Die Beurteilung der Wirkung digitaler industrieller Plattformen auf Dynamik und Resilienz von Versorgungsketten erfordert eine klare Typisierung solcher Plattformen. Der vorliegende Beitrag prüft, inwieweit ein aktueller Typisierungsvorschlag aus dem Bereich des Supply Chain Managements (SCM) im Zusammenhang mit digitalen Plattformen für die Umsetzung der Circular Economy (CE) weiterentwickelt werden muss. Die Autoren kommen zum Ergebnis, dass eine grundsätzliche Weiterentwicklung nicht erforderlich ist, da die betrachteten digitalen CE-Plattformen sich in die vorhandene Typisierungssystematik gut einordnen lassen. Neue Forschungsfragen ergeben sich allerdings bezüglich der Abgrenzung digitaler Service-Plattformen und digitaler datenorientierter Plattformen sowie der Verknüpfung von Circular Economy und Supply Chain Management, insbesondere im Zusammenhang mit den in der SCM-Praxis zunehmend etablierten Supply Chain Control Towers.

Das für die industrielle Instandhaltung erforderliche implizite Wissen ist durch den demografischen Wandel und die zunehmende Komplexität technischer Systeme zunehmend gefährdet. Dieser Beitrag stellt Tacit-TALK vor, ein sprachbasiertes System, das implizites Wissen mithilfe KI-gestützter Gespräche externalisiert. Gesprochene Eingaben werden transkribiert, mithilfe von Large Language Models (LLMs) analysiert und in einem Wissensgraphen gespeichert, der neue Erkenntnisse mit bereits vorhandenen Organisationsdaten verknüpft. Der Beitrag basiert auf einer Design-Science-Research-Methodik, der auf der soziotechnischen Theorie aufbaut und für die Instandhaltung in der Halbleiterindustrie instanziiert wurde. Daraus werden Gestaltungsprinzipien für die KI-gestützte Erfassung impliziten Wissens abgeleitet, die auf einer wertorientierten Einbindung von Stakeholdern beruhen. Zudem wird eine Referenzarchitektur vorgestellt, die Large Language Models mit Wissensgraphen kombiniert, und es ...

Künstliche Intelligenz (KI) bietet in der industriellen Produktion vielfältige Potenziale, bringt jedoch auch Herausforderungen hinsichtlich der Akzeptanz der Beschäftigten mit sich. KI-Demonstratoren sind daher von zentraler Bedeutung, da sie praktische Erfahrungen mit KI ermöglichen. Allerdings fehlen bislang systematisch identifizierte Anforderungen an Demonstratoren, die gezielt Akzeptanz fördern und negative Emotionen adressieren. Mithilfe eines mehrstufigen Forschungsdesigns werden 69 Anforderungen identifiziert, die in funktionale Anforderungen, Qualitätsanforderungen und Randbedingungen strukturiert sind.

Die Überprüfung des Baufortschritts, wie sie die Unikatfertigung großer Strukturen erfordert, ist aufgrund der hohen Komplexität und Individualität sehr zeit- und personalintensiv. Ziel dieses Beitrags ist die Entwicklung eines sensorbasierten Ansatzes zur Erfassung und Auswertung mehrerer Prüfmerkmale. Der Einsatz lernbasierter Modelle zur Detektion von Objekten und Ableitung relevanter Informationen bildet die Basis für die Verknüpfung von Zustand und Ablaufplan. Dies ermöglicht eine signifikante Effizienzsteigerung bei der Bauzustandskontrolle und eine fundierte Fortschrittsbewertung.

Die Nutzung von Erfahrungswissen ist für Unternehmen ein zentraler Erfolgsfaktor. Der vorliegende Beitrag analysiert anhand von vier betrieblichen Fallstudien die technischen, organisatorischen und personellen Herausforderungen beim Einsatz von Retrieval-Augmented-Generation-(RAG)-Systemen. Die Ergebnisse zeigen, dass der Erfolg solcher Systeme maßgeblich von der strategischen Entwicklung und Pflege der Wissensbasis sowie von der Einbindung der Beschäftigten abhängt.

Die Gestaltung inklusiver Arbeitssysteme gewinnt vor dem Hintergrund des demografischen Wandels und der zunehmenden digitalen Durchdringung von Wertschöpfungsprozessen an Bedeutung. Während klassische ergonomische Ansätze primär auf der Perzentillogik basieren und damit nur einen Teil der Nutzerpopulation adressieren, eröffnet die Integration digitaler Technologien neue Möglichkeiten zur dynamischen und individuellen Anpassung von Arbeitssystemen. Der vorliegende Beitrag stellt einen konzeptionellen Handlungsrahmen für inklusive Arbeitssystemgestaltung vor, der die Dimensionen Standardisierung, Automatisierung und Kontextadaptivität integriert. Methodisch basiert der Beitrag auf einer konzeptionellen Analyse bestehender Ansätze aus Ergonomie und Human-Centered Design. Der Beitrag leistet einen theoretischen Beitrag zur Systematisierung inklusiver Arbeitssystemgestaltung und formuliert Gestaltungsbereiche für Forschung und industrielle Praxis.

Unternehmen sind zunehmend gefordert, Fach- und Arbeitskräftemangel bei steigenden Anforderungen an Produktivität, Flexibilität und Innovationsfähigkeit zu bewältigen. Während sich das Arbeitskräfteangebot nur begrenzt erweitern lässt, rückt die produktivitätsorientierte Gestaltung von Arbeitssystemen stärker in den Fokus. Autonome Systeme bieten hier erhebliches Potenzial. Ihr Einsatz erfordert neben technischen Anpassungen vor allem Veränderungen in Organisation, Kompetenzen und Arbeitsgestaltung. Im Beitrag werden empirisch fundierte Änderungsbedarfe in bestehenden Arbeitssystemen sowie damit verbundene wirtschaftliche Potenziale analysiert.

Die MTM-Methoden sind ein bewährter Standard zur Analyse und Gestaltung menschlicher Arbeitsabläufe. Arbeitsplaner stehen bei der Anwendung jedoch weiterhin vor der Herausforderung, diese Methoden richtig und effizient anzuwenden. Künstliche Intelligenz – insbesondere Large Language Models – hat das Potenzial, hier einen wichtigen Beitrag zu leisten. Beim Einsatz von KI ergeben sich jedoch berechtigte Fragen hinsichtlich der Verlässlichkeit und Nachvollziehbarkeit der Ergebnisse. Der vorgestellte Ansatz kombiniert LLMs mit einem regelbasierten Algorithmus, um gezielt wichtige Informationen aus textlichen Prozessbeschreibungen, wie Arbeitsanweisungen, zu extrahieren, die für MTM-Analysen erforderlich sind. Anschließend werden diese entsprechend dem MTM-Regelwerk in Analysen übersetzt. Dieses Vorgehen trägt dazu bei, dass die Ergebnisse für den Anwender nachvollziehbar aus den Eingangsdaten abgeleitet werden.