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.

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 ...

KI kann Produktionsprozesse längst analysieren, doch warum gelingt es kaum, ihre Erkenntnisse ohne Umwege zurück in die Produktion zu bringen? In der automobilen Karosserie-Serienfertigung fehlt es hierfür weniger an Daten als an ganzheitlichen Integrationskonzepten in Richtung der Maschinen. Der Beitrag zeigt, warum bidirektional kommunikationsfähige Informationssysteme hierfür entscheidend sind und welche Gestaltungsprinzipien erforderlich sind, um KI-Ergebnisse künftig wirksam in den Produktionsablauf zu integrieren.

Künstliche Intelligenz rückt vermehrt in den Fokus der beruflichen Weiterbildung zur Personalisierung der individuellen Lernreisen. Gleichzeitig sind Audioformate ein wünschenswertes Format der Lernenden, das zunehmendes Interesse erhält. Ein Konzept eines KI-gestützten Audioformates, sowie Potenziale des Zusammenspiels von künstlicher Intelligenz und Audio bleiben jedoch bislang unberücksichtigt und erfordern daher eine konzeptionelle Betrachtung über die möglichen Gestaltungsmöglichkeiten.

Generative Künstliche Intelligenz (GenAI) bietet neue Möglichkeiten für das betriebliche Wissensmanagement, insbesondere wenn es um Lernprozesse an der Schnittstelle zwischen explizitem, betriebsspezifischem und implizitem Wissen geht. Ihr Einsatz ist daher für Anwendungsfelder wie die industrielle Wartung von besonderem Interesse. Der Beitrag zeigt, gestützt auf eine Fallstudie im Maschinenbau, dass die augmentierende Wirkung des GenAI-Einsatzes für die Optimierung von Prozessen und die Entwicklung von Mitarbeitenden KI-Kompetenz erfordert und ein Nutzerverhalten voraussetzt, bei dem diese Kompetenz mit der fachlichen Expertise der Beschäftigten verzahnt wird.

Obwohl eine grundsätzliche Verbesserbarkeit von Wissenstransferprozessen in Arbeitsorganisationen bereits experimentell nachgewiesen werden konnte, fehlt bislang ein automatisierter Ansatz zur systematischen Erkennung von Mustern in komplexen, kontextabhängigen sowie domänenspezifischen Wissenstransfersituationen. In diesem konzeptionellen Beitrag werden daher Wissenstransfersituationen am realen Beispiel der Produktentwicklung im Ingenieurwesen untersucht und charakterisiert. Darüber hinaus wird ein Konzept für ein adaptives KI-basiertes Echtzeit-Multi-Agenten-System vorgestellt, das wiederkehrende Muster in Wissenstransfersituationen datenbasiert erkennt und kontextsensitive Interventionen zur Verbesserung des Wissenstransfers ermöglicht. Abschließend wird ein Ausblick auf KI-basierte Lernmechanismen (Reinforcement Learning) gegeben, mit denen Interventionen langfristig auf Grundlage ihrer Wirkung angepasst werden können.

Vertikale Fabriken reduzieren den Flächenverbrauch und erschließen die Vorteile urbaner Produktion, ihre mehrgeschossige Struktur erhöht jedoch die Planungskomplexität erheblich. Um diese zu reduzieren, stellt dieser Beitrag eine Typologie vor, die bewährte Lösungsansätze für wiederkehrende Herausforderungen in Planung und Betrieb vertikaler Fabriken vereint. Relevante Merkmale wurden anhand realer Fallbeispiele untersucht und in einem morphologischen Rahmenwerk strukturiert. Dieses wurde zu Fabriktypen konsolidiert, die Orientierung für die Konzeptplanung bieten und als Grundlage für eine intelligente Planungsunterstützung dienen.

Lässt sich die Gültigkeit und Glaubwürdigkeit von Simulationsmodellen und Daten für die Simulation in Produktion und Logistik mit Künstlicher Intelligenz (KI) ermitteln? Welche Anforderungen müssen KI-Assistenzen erfüllen, damit sie Experten bei der Verifikation und Validierung unterstützen und diese gleichzeitig ihre Kompetenz sichern können? Zu ihren Erwartungen und Wünschen werden Simulationsexperten befragt, um die tatsächlichen Anforderungen der Community an KI-Assistenzen im Kontext des Einsatzes der ereignisdiskreten Simulation zu identifizieren und ihre Umsetzung voranzutreiben.