Industrieplattformen zur Untersuchung von Entscheidungsdynamiken

Industrieplattformen als Orchestrator von Wertschöpfungssystemen

Der Übergang von pipeline-basierten Modellen zu vernetzten Ökosystemen verändert grundlegend den Betrieb von Wertschöpfung [1, 2]. Traditionelle Wertschöpfungsketten folgen einem klaren linearen Prinzip mit einer festgelegten Abfolge von Stufen, durch die Güter und Dienstleistungen zur Marktfähigkeit transformiert werden [3]. Durch den Einsatz von digitalen Plattformen wird die Linearität aufgehoben, weil sie den Aufbau von dynamischen Wertschöpfungssystemen ermöglichen. Innerhalb eines Ökosystems wird eine kooperative Form der Wertschöpfung geschaffen, wo die verschiedenen Akteure miteinander vernetzt werden und in Interaktion treten [4].

Eine Plattform im industriellen Umfeld wird nicht nur als technisches System und als Vermittlungsinstanz für die Durchführung von Transaktionen betrachtet, sondern definiert Bedingungen für die Zusammenarbeit von Unternehmen als auch für die Wertgenerierung innerhalb des Ökosystems. Durch die Netzwerkbildung in einer Plattform entstehen wechselseitige Beziehungen was sowohl Wettbewerb als innovative Entwicklungsprozesse antreibt. Dabei adressieren die Ökosysteme Komplementaritäten zwischen den Akteuren durch datengetriebenen Austausch und über einen modularen Architekturaufbau [5].

Bestehende Erklärungsmodelle können die Komplexität und Vielschichtigkeit plattformbasierter Wertschöpfungssysteme nicht vollständig erfassen [6]. Sie beziehen sich insbesondere auf lineare, in sich geschlossene Systeme. Die Nutzung geeigneter Simulationsansätze unterstützen bei der Analyse von Plattformen in industriellen Wertschöpfungssystemen. Dabei bestehen bei der Untersuchung des Plattformphänomens und dessen Wirkung besondere methodische Anforderungen an die Simulationsforschung, um die komplexen Interaktionsstrukturen und die daraus entstehenden Dynamiken zeigen zu können.

Für die Analyse einer einzelnen Plattform und ihrer Wechselwirkung mit dem umgebenden Ökosystem eignet sich die agentenbasierte Simulation. Der Simulationsansatz ermöglicht die Modellierung individueller Verhaltensweisen und Entscheidungslogiken, insbesondere solcher heterogener Akteure [7]. Die hohe Vielfalt an Definitionen und Perspektiven zu den unterschiedlichen Plattformausprägungen erfordern eine klare Operationalisierung der relevanten Akteure und deren Interaktionsstrukturen [8]. Mit der agentenbasierten Simulation wird ein Analyse- und Evaluationsrahmen entwickelt, um emergente Dynamiken beobachtbar zu machen.

Forschungsmethodik

Zur Modellierungsumsetzung im Simulator folgt das Forschungsvorhaben der Design Science Research Methodology (DSRM) nach Peffers et al. [9]. Zunächst werden im Rahmen der Problemidentifikation Eigenschaften von Industrieplattformen, Umwelteinflüsse auf die Plattformmechanismen und Veränderungen im Wertschöpfungsnetzwerk definiert. Auf dieser Grundlage werden in der Zielsetzungsphase Anforderungen an den Simulator abgeleitet. Hierbei handelt es sich insgesamt um eine konzeptionelle Vorstrukturierung eines späteren Simulationsartefakts.

Diese Anforderungen fließen in die Entwurfs- und Entwicklungsphase, wo im nächsten Schritt ein Modellierungskonzept für die Umsetzung im Simulator erarbeitet wird. Hierzu werden die Plattformechanismen und die unterschiedlichen Interaktionsstrukturen in eine simulierbare Form für die technische Implementierung überführt. Erkenntnisse aus der Modellierung sowie die erhobenen Daten fließen dabei kontinuierlich in den Entwicklungsprozess ein und ermöglichen eine schrittweise Verfeinerung der Simulationsmodelle und der entstandenen Plattformdynamiken.

Insgesamt richtet sich das Forschungsvorhaben an der Betrachtung einer einzelnen Plattform und den Interaktionen zwischen mehreren Plattformen aus, wodurch zwei getrennt auszuführende Phasen im Rahmen der DSRM entstehen. Dabei fokussiert sich die Mikrosicht auf Wechselwirkungen im Akteursverhalten innerhalb eines Plattformökosystems und die Makrosicht auf das Marktumfeld mit Berücksichtigung der Effekte von Regeln in der Plattformökonomie.

Durch die Überführung beider Betrachtungsweisen innerhalb eines Simulationswerkzeugs wird eine Grundlage für ein integriertes Analyseinstrument zur evidenzbasierten Ableitung von Handlungsempfehlungen und dem wissenschaftlichen Erkenntnisgewinn geschaffen. Dadurch können beide Perspektiven innerhalb der Simulation in Abhängigkeit der Fragestellung zusammengeführt und genutzt werden. Die tatsächlichen Wechselwirkungen und das Ausmaß plattforminduzierter Veränderungen kann so mittels unterschiedlicher Fragestellungen untersucht werden.

Aufbau einer Datenbasis zur Charakterisierung von Industrieplattformen für agentenbasierte Simulationen

Eine Voraussetzung für die Modellierung von Industrieplattformen ist die Entwicklung einer Datenbasis für die Abbildung der Variablen, die Parameter zur Definition der Agenten sowie die Erfassung von zeitlichen Dynamiken zur Prognose des Entwicklungsverlaufs. Digitale Plattformen im industriellen Kontext und im B2B-Bereich sind im Vergleich zum Verbrauchersegment noch nicht umfassend untersucht worden. Dies ist auf die Komplexität der Anforderungen im industriellen Kontext zurückzuführen, wodurch bisherig eine wissenschaftliche Analyse erschwert worden ist.

Aufgrund der Branchenspezifika, der Akteurskonstellationen und der Transaktionscharakteristika im B2B-Kontext sind Erkenntnisse aus dem B2C-Bereich nicht übertragbar. Bestehende Beschreibungsansätze betrachten vorwiegend die technologischen Aspekte und vernachlässigen es, Plattformen auch als Märkte, Ökosysteme oder soziale Handlungsräume zu verstehen [10]. Um den Kernmechanismus von Industrieplattformen zu erfassen, wurden bisherige Forschungsansätze hinsichtlich der Komplexität der Akteurskonstellationen als auch der Steuerungs- und Wertschöpfungsmechanismen untersucht.

Hierzu wurden drei systematische Literaturrecherchen als Grundlage für die Ableitung von simulationsgerechten Anforderungen durchgeführt, um so Industrieplattformen einheitlich zu definieren und deren phasenspezifische Wirkungsmechanismen zu identifizieren (Bild 1).

Durch die Bestimmung der Plattformeigenschaften können die Agenten und deren Verhalten abgebildet werden. Die Betrachtung dieser Eigenschaften beeinflussen die Entscheidungsparameter und die Handlungsoptionen derselben. Hierbei spielen auch die unterschiedlichen Plattformausprägungen in der differenzierten Parametrisierung der Agenten eine wichtige Rolle. Zusätzlich wird noch die Veränderbarkeit der Agenten durch die in Bezugnahme der Lebenszyklusphasen von Industrieplattformen aufgezeigt. Ihr Einfluss auf das Wertschöpfungsnetzwerk verändert sich je nach Reifephase. Der Charakter und die idealtypischen Muster für Industrieplattformen sind in unterschiedlicher Ausprägung zu definieren.

Um den Beitrag zur Wertschöpfung im Plattformökosystem erfassen zu können, wurden die Ergebnisse drei Plattformtypen zugeordnet. Für diese Zuordnung wird zwischen „typspezifisch“ und „nicht typspezifisch“ unterschieden. Als „nicht typspezifisch“ gelten Ergebnisse, die unabhängig vom konkreten Plattformtyp auftreten. Im Vergleich dazu können auch mindestens zwei Plattformmechanismen gleichzeitig wirken, weil die Funktionsweise einer Plattformart auf mehreren Mechanismen beruhen kann und somit den Zweck der Plattform prägen. Insgesamt wurden für die Zuordnung die folgenden Merkmale übergreifend definiert:

1. Koordinationsplattform: Organisation des Akteuersverhaltens durch Regeln, Rollen und Steuerungslogiken
2. Austauschplattformen: Ausrichtung auf die Wertschöpfung zwischen mindestens zwei Akteursypen durch das Matching kompatibler Akteure und der Werterzeugung durch Interaktion
3. Befähigungsplattformen: Bereitstellung von technischen Anreizen für die Integration von externen Akteuren bzw. Komplementoren und der Entwicklung von eigenen Funktionen

Anforderungsidentifikation

Innerhalb der Anforderungsanalyse werden zunächst die aus der Literatur identifizierten Plattformeigenschaften (Bild 2) und Anwendungsszenarien (Bild 4) im Kontext der zu betrachtenden Domänen des Agentenverhaltens als auch der Plattformentwicklung extrahiert [11, 12|.

Auf Basis der Plattformeigenschaften werden die Modellierungsanforderungen (Bild 3) für die agentenbasierte Simulation hergeleitet. Die szenariobasierten Annahmen dienen als konkrete Nutzungssituationen, welche auch in der Simulation umgesetzt werden sollen und den Rahmen für die Modellierungsanforderungen vorgeben können.

Die Beziehung zwischen den Agenten beeinflusst das Systemverhalten und den Plattformwert. Die Aktivitäten einer Agentengruppe wirken sich auf den Nutzen einer anderen Gruppe aus und erzeugen somit Netzwerkeffekte. Die Ressourcen der Agenten müssen in wertschöpfende Interaktionen transformiert werden, die quantifizierbaren Mehrwert in Form von Netzwerkeffekten produzieren.

Jede Interaktion zwischen Agenten muss auf Basis eingesetzter Ressourcen einen messbaren Beitrag zum Plattformwert erzeugen, der dem jeweiligen Erlösmodell und den Netzwerkeffektparametern zugeordnet werden kann. Insbesondere Komplementor-Agenten prägen die Zustände anderer Agenten in Bezug auf Verhaltensregeln und Attribute. Somit wirken sie als indirekter Treiber von Innovation und der Qualität von Angeboten [31].

Die Plattforminfrastruktur bildet den strukturellen Rahmen für die Handlungsentscheidungen der Agenten. Somit wird der Handlungsraum als ein definiertes Aktionspotenzial betrachtet. In Abhängigkeit von der Konfiguration der Plattforminfrastruktur wird der Handlungsraum entweder begrenzt oder erweitert. Dadurch wird die Informationsverfügbarkeit und der Interaktionszugriff durch Zugriffslogiken oder Boundary Resources festgelegt [32] [33].

Zudem beeinflusst das Betriebsmodell einer Plattform mit Wirkung auf die Reaktionsgeschwindigkeit der Agenten die Datenverarbeitung. Insgesamt wird hiermit deutlich, dass die Plattformarchitektur die Eintrittsbedingungen und die Intensität der Wertschöpfungsbeziehungen bestimmt.

Zwischen den Agenten soll zudem keine intrinsische Vertrauensbasis bei dem Austausch von geschäftskritischen Daten entstehen. Da die Agenten unterschiedliche Interessen verfolgen, entsteht ein Spannungsverhältnis beim Datenzugriff [34]. Einerseits sind die Agenten auf den Datenzugriff angewiesen, um datenbasierte Serviceangebote zu erstellen oder Handlungsentscheidungen zur Stärkung der Wettbewerbsposition abzuleiten.

Andererseits wollen sie den Datenzugriff gegenüber konkurrierenden Agenten kontrollieren. Über abgestufte Governance-Mechanismen wird die Kontrolle der Interaktionslogik und der Umfang des Handlungsspielraums definiert. Hierbei wird das Ausmaß der Ressourcennutzung und der Interaktionsbeziehungen festgelegt. Insbesondere soll eine Balance zwischen zentraler Steuerung durch den Betreiber-Agenten und der autonomen Handlung von Komplementor-Agenten identifiziert werden [35].

Innerhalb des Plattformökosystems werden Daten nicht isoliert durch einen einzelnen Agenten verarbeitet, sondern innerhalb eines vernetzten Verarbeitungsprozesses. Rohdaten werden für die Entscheidungsunterstützung der Agenten mittels semantischer und prozessualer Verknüpfung zusammengeführt [36]. Diese dienen als Grundlage für den Aufbau von intelligenten Funktionen innerhalb einer Industrieplattform, welche als erweitertes Serviceangebot von Komplementoren zur Verfügung gestellt werden.

Die zeitliche Entwicklung einer Industrieplattform unterstreicht die Verschiebung der Erfolgsbedingungen zwischen den verschiedenen Phasen. Die Machtkonstellationen und Anreizstrukturen beeinflussen die Bereitschaft zur Kooperation und zum Datenaustausch [43].

Der Zugang für externe Akteure kann mit zunehmender Plattformreife in Abhängigkeit von Marktanteilen und der Wettbewerbsposition offener gestaltet werden [44]. Hiermit intendieren die Agenten eine Ausrichtung auf den Nutzen für die Marktposition und der Ressourcenkontrolle. Es wird evaluiert, ob das Risiko der Offenlegung von kritischen Daten niedriger ist als der zu schaffende Mehrwert. Durch die Simulation dieser phasenspezifischen Verläufe können Erkenntnisse über Indikatoren für die Stabilität oder den Zerfall eines Plattformökosystems abgeleitet werden.

Diskussion und Fazit

Durch die Definition von Anforderungen werden Plattformeigenschaften in konkrete Modellierungsvorgaben für die agentenbasierte Simulation überführt. Die inhaltliche Spezifikation bestimmt die Aufgaben und Ziele der Simulation, sodass der Plattformeinfluss im Wertschöpfungsnetzwerk, die zeitliche Entwicklung und die Eigenschaften in Modelle ausgeführte werden können [45]. Dabei werden die Systemgrenzen und Modellierungsannahmen für eine abstrakte Abbildung der Realität definiert. Somit können die Plattform selbst und ihre Mechanismuswirkungen im Zusammenspiel mit dem Ökosystem operationalisiert werden. Hierbei wird die Datenbasis für die semantische Repräsentation der Simulationselemente in funktionale Anforderungen überführt.

Auf Agentenebene sind die Akteure mitsamt ihrer Verhaltensattribute und Ressourcen zu berücksichtigen. Jedem Agenten wird eine Menge an Zustandsvariablen für den individuellen Handlungsrahmen zugewiesen. In Abhängigkeit vom Plattformtyp kann dies variieren. Dabei bewirken die Interaktionen und das Verhalten die ökonomischen Mechanismen, z.B. cross-funktionale Netzwerkeffekte oder Lock-In-Effekte. Die Wirkung soll qualitativ messbar gemacht werden, damit sie transparent nachvollziehbar ist. Eine zeitliche Dimension wird durch die Darstellung der Lebenszyklusphasen von Industrieplattformen ergänzt, welcher die Verhaltensregeln der Agenten global steuert.

Dabei werden die Ergebnisse als bewusst vorläufige konzeptionelle Architektur, die den Modellierungsraum strukturiert und in weiteren Schritten implementiert, parametrisiert und validiert. Insgesamt zeigt die Besonderheit von Industrieplattformen, dass agentenbasierte Modellierung als eine der wenigen Ansätze die komplexen sozio-technischen Dynamiken von Industrieplattformen erfassen kann. Es handelt sich um ein dezentrales Gefüge von Akteursinteraktionen zur Ausführung der Plattformmechanismen von Bottom-Up. Dadurch ist das System zu keinem Zeitpunkt statisch beschreibbar. Vielmehr können unterschiedliche Szenarien und deren Auswirkungen auf die Systementwicklung simuliert werden.

Dies ist ein Originalbeitrag. Die englische Übersetzung finden Sie unter der DOI: 10.30844/I4SE.26.4.4

Das könnte Sie auch interessieren

Typisierung digitaler Plattformen im Supply Chain Management Überprüfung vorhandener Typisierungsansätze aus der Perspektive der Circular Economy Sophia Botsch , Eva Mante , Marcel Papert , Alexander Pflaum

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.

Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 4 | Seite 62-70 | DOI 10.30844/I4SD.26.4.7

Interoperabilität aus wettbewerblicher Perspektive Begriffsbestimmung, Potenziale und Herausforderungen Tim Becker

Obwohl Nutzer heutzutage erwarten, dass Apps, Plattformen, und Geräte reibungslos zusammenspielen, herrscht interdisziplinär Uneinigkeit darüber, was Interoperabilität ist und ob Interoperabilität im Ergebnis erstrebenswert ist. Dieser Beitrag beantwortet diese Fragen aus wettbewerblicher Sicht.

Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 4 | Seite 92-97 | DOI 10.30844/I4SD.26.4.10

Open-Source Implementierung des Industrial Metaverse Anwendungsbericht und Best-Practice Henning Strauß , Tim Johannsen

Die digitale Transformation von kleinen und mittleren Unternehmen (KMU) im produzierenden Gewerbe wird bei der Umsetzung von Industrial Metaverse-Lösungen durch Vendor Lock-in, hohe Cloud-Kosten und hohe Anforderungen an die Datensouveränität erschwert. Obwohl das Industrial Metaverse als Schlüsselkonzept der Industrie 5.0 zunehmend an Bedeutung gewinnt, sind KMU bei der Nutzung proprietärer Lösungen häufig benachteiligt. Der Beitrag zeigt, wie Industrial Metaverse-Anwendungen durch die Kombination bewährter Kommunikationsstandards mit offenen Webtechnologien realisiert und somit Hemmnisse reduziert werden können. Dadurch werden immersive Anwendungen für Schulung, Wartung und Monitoring auch in KMU umsetzbar. Anhand eines Open-Source-basierten Prototyps als Best-Practice-Implementierung wird verdeutlicht, wie das Industrial Metaverse technologisch und wirtschaftlich für KMU zugänglich gemacht werden kann.

Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 3 | Seite 68-73

Referenzarchitektur für Demonstratoren Maschinellen Sehens Zur Unterstützung einer humanzentrierten Einführung von KI in Industrieunternehmen Dominik Arnold , Florian Bülow, Bernd Kuhlenkötter

Trotz ihres Potenzials verläuft die Einführung von Künstlicher Intelligenz (KI) in der Industrie häufig verzögert, was vor allem auf empfundene Komplexität, hohe Kosten und fehlendes Fachwissen zurückzuführen ist. Dieser Beitrag präsentiert eine modulare Demonstrator-Referenzarchitektur, die einen praxisnahen und aufwandsarmen Zugang zu industriellen KI-Anwendungen eröffnet. Entwickelt im Rahmen eines Design-Science-Research-Ansatzes, unterstützt sie gezielt das Experimentieren, Lernen und die schrittweise Integration in bestehende Produktionsprozesse. Der Schwerpunkt liegt auf dem Maschinellen Sehen, realisiert mit kosteneffizienter Hardware und Open-Source-Software. Die Anwendbarkeit wird anhand dreier Szenarien aufgezeigt: Qualitätskontrolle, Spanklassifizierung und betriebliche Ausbildung. Erste Evaluationen bestätigen die technische Umsetzbarkeit, didaktische Relevanz und Übertragbarkeit auf verschiedene industrielle Kontexte.

Industry 4.0 Science | 41. Jahrgang | 2025 | Ausgabe 5 | Seite 152-160 | DOI 10.30844/I4SD.25.5.152

Hybride Lernlandschaften für beruflich-technische Konzepte Die Digitalisierung des Weiterbildung durch praxisnahe Konzepte und gezielte Vernetzung Sebastian Anselmann , Jessica Wädt, Uwe Faßhauer

Das Länder- und Phasenübergreifende Interface (LPI) fördert die nachhaltige Digitalisierung des beruflich-technischen Unterrichts durch die systematische Bereitstellung von Expertise und innovative Vernetzungsformate. Im Fokus stehen hybride Lernlandschaften (HLL), die physische und digitale Lernräume verzahnen, um individualisierte, praxisnahe Lernumgebungen zu schaffen. Dabei werden innovative Ansätze wie Lernfabriken, VR/AR und Learning Analytics integriert.

Industry 4.0 Science | 41. Jahrgang | 2025 | Ausgabe 3 | Seite 126-132