Charakteristik intelligenter Objekte in einer digitalisierten Logistik

Bei der Gestaltung von logistischen Prozessen werden durch die Digitalisierung zusätzliche Möglichkeiten der Steuerung geschaffen. Ein zentrales Element bildet hierbei die Verknüpfung von realer und virtueller Welt auf Basis von intelligenten Objekten [1]. Intelligente Objekte können allgemein als materielle Gegenstände definiert werden, welche mit eingebetteten Informations- und Kommunikationstechnologien (z. B. Sensoren, Aktuatoren, Schnittstellen, Informationsverarbeitung) erweitert wurden [2, 3].

Die originären physischen Funktionen werden hierdurch um zusätzliche digitale Funktionen ergänzt, welche einen substanziellen Mehrwert schaffen [4, 5]. Materielle Objekte könnten hierbei alle Komponenten von logistischen Systemen umfassen, wie Behälter, Produkte, Materialien, Lager, Transport- und Lagerhilfsmittel, Fördersysteme oder Transportstrecken. Zu den physischen Funktionen gehören hierbei u. a. Lagern, Kommissionieren, Sortieren, Transportieren oder Fördern.

Durch die Komplexität und Vielfalt der technischen Gestaltungsmöglichkeiten wird eine zielgerichtete und effiziente Integration von intelligenten Objekten in logistischen Systemen erschwert. Dies verschärft sich durch die Interdisziplinarität des Themenfelds und durch unterschiedliche technologische Reifegrade vorhandener Lösungen.

Ziel dieses Beitrags ist es, intelligente Objekte in logistischen Systemen generisch zu beschreiben und deren systematische technische Gestaltung zu unterstützen. Zu diesem Zweck werden zunächst bestehende Definitionen und Klassifikationen von intelligenten Objekten analysiert. Basierend hierauf werden generische Funktionen von intelligenten Objekten in einer zunehmend digitalisierten Logistik systematisiert und beschrieben. Anschließend wird eine allgemeine Architektur zur Gliederung und Strukturierung des Aufbaus von intelligenten Objekten dargestellt. Zur Beschreibung von Zusammenhängen und Abhängigkeiten von intelligenten Objekten in logistischen Systemen wird abschließend ein Beschreibungsmodell eingeführt und diskutiert.

Bestehende Klassifikationen von intelligenten Objekten

Intelligente Objekte können über die Funktion oder über die Aufbaustruktur beschrieben werden. Bestehende Klassifikationen fokussieren sich häufig auf einen dieser Aspekte. Der Einfluss von intelligenten Objekten durch Funktionen zur Informationssammlung, -speicherung, -verarbeitung, Kommunikation und Aktionsausführung wird in [5] dargestellt. In [2, 6] wird die Rolle von intelligenten Objekten in industriellen Supply Chains mit verschiedenen Definitionen von Grundfunktionen bzw. Leveln beschrieben. [7-9] stellen Anwendungen im Ubiquitous Computing vor und kategorisieren notwendige Basisfunktionen. In [10-12] werden Basistechnologien, Dimensionen und Kriterien für Einsatzmöglichkeiten und die Selbststeuerung in der Logistik beschrieben.

Fokussierend auf die Aufbaustruktur beschreiben [13, 14] Technologiekonzepte, in denen Grundsysteme mit Informationsverarbeitung, Kommunikationssystem, Sensorik und Aktorik erweitert werden. In [1, 15] wird die Aufbaustruktur von intelligenten Objekten im Internet der Dinge definiert. In [3, 9] werden intelligente Objekte über deren Anwendungsfelder in unterschiedlichen Unternehmensbereichen systematisiert. Dabei wird von typischen Anwendungen über Funktionen auf mögliche Aufbaustrukturen von intelligenten Objekten geschlossen.

Im Rahmen von Industrie 4.0 werden in [16] Industrie 4.0-Komponeten als individuell bekannte Gegenstände mit einer mindestens passiven Kommunikationsfähigkeit beschrieben, welche Daten und Funktionen in einem Informationssystem austauschen können. Dies ermöglicht eine virtuelle digitale und aktive Repräsentanz von Industrie 4.0-Komponeten mittels einer Verwaltungsschale. Bild 1 zeigt eine zusammenfassende Übersicht der dargestellten Klassifikationen hinsichtlich Funktion und Aufbaustruktur.

Beschreibung generischer Funktionen von intelligenten Objekten

Wie im vorherigen Abschnitt dargestellt, werden bestehende Klassifikationen von intelligenten Objekten sowohl durch Beschreibung des Aufbaus als auch durch Beschreibung von zusätzlichen Funktionen charakterisiert. Diese Zusatzfunktionen können originäre Aufgaben des Material- und Güterflusses durch die Bereitstellung von erweiterten Daten- und Informationsflüssen unterstützen, zu höherer Transparenz in Logistiksystemen sowie zu verbesserten Planungs- und Steuerungsentscheidungen führen. Hierbei wurden die Kernaspekte der bestehenden Beschreibungen kategorisiert und hierauf aufbauend sieben generische Funktionen definiert. Einzelne Objektfunktionen können sowohl direkt am Objekt oder mittels Verknüpfung über einen Identifikator von anderen Systemelementen, z. B. über einen digitalen Zwilling in der Cloud, abgebildet werden.

Identifizierbarkeit beschreibt die Funktion eines Objektes eindeutig wiedererkannt zu werden. Innerhalb von logistischen Systemen stellt diese Funktion eine wesentliche Grundlage zur automatisierten Steuerung, Verwaltung und Kontrolle von Prozessen dar.

Als zweite Funktion wird durch die Lokalisierbarkeit der Ort eines Objektes eindeutig ermittelt. Die Ermittlung des Standortes stellt einen der wichtigsten beobachtbaren Parameter eines sich bewegenden Objekts in logistischen Systemen dar.

Speicherung zusätzlicher Objektinformation beinhaltet Informationen über das Objekt selbst oder seine Umgebung, welche über die reine Identität oder den Ort hinausgehen. Die gespeicherten Informationen können einerseits vorab festgelegt und somit statisch sein. Andererseits können zusätzliche Objektinformationen während des Lebenszyklus des Objektes dynamisch verändert und aktualisiert werden.

Die Funktion Überwachung/Monitoring beschreibt die autonome Ermittlung und Sammlung von Informationen und sich dynamisch ändernden Parametern eines Objektes über sich selbst oder seine Umgebung. Aus diesen Informationen kann der Zustand eines Objekts oder seiner Umgebung bestimmt werden. In diesen Bereich fallen insbesondere Informationen über Temperatur, Beschleunigung, Geschwindigkeit, Bewegung, Druck, Feuchtigkeit, Lichtintensität oder mechanische Beanspruchung.

Kommunikationsfähigkeit beschreibt die Fähigkeit eines Objektes, Informationen mit seiner Umwelt (andere Objekte, Informationssysteme oder Menschen) auszutauschen. Dieser Bereich umfasst Austausch, Bereitstellung, Übermittlung und Aufnahme von Nachrichten.

Automatische Transaktion im Sinne einer Reaktion beschreibt die Fähigkeit eines Objektes, einfache Abfragen zu verarbeiten. Hierzu zählen einfache arithmetische, logische oder statistische Operationen, welche bei dem Eintreten bestimmter Ereignisse ausgeführt werden.

Aktionen beschreiben die eigenständige Durchführung von Informationsverarbeitung, -auswertung und das Treffen von Entscheidungen. Die getroffenen Entscheidungen können von den Objekten selbstständig durch geeignete Maßnahmen, sowohl digital als auch physisch, im Sinne eines technischen Agenten verfolgt werden [17]. Hierdurch kann das Objekt sowohl den eigenen Zustand, als auch den Zustand von anderen Objekten und Systemen durch Aktionen aktiv verändern.

Architektur zur technischen Gestaltung für intelligente Objekte

Jede der sieben generischen Funktionen erfordert unterschiedliche informations- und kommunikationstechnologische Erweiterungen von materiellen Objekten. Basierend auf bestehenden Systematiken [3, 9, 13-15] wird im Folgenden eine allgemeine Architektur von intelligenten Objekten vorgestellt. Diese beinhaltet die Komponenten Identifikator, Informationsspeicher, Möglichkeiten zur Informationsverarbeitung, Kommunikationsschnittstellen, Aktorik, Sensorik und Energieversorgung. Der untere Abschnitt von Bild 2 visualisiert die Architektur von intelligenten Objekten als UML-Diagramm.

Als Mindestanforderung muss ein intelligentes Objekt einen eindeutigen Identifikator besitzen (z. B. optische Codes, RFID, IP-Adressen). Der Identifikator muss von anderen Objekten und Systemen mindestens passiv erfasst werden können und entspricht somit der Mindestanforderung an ein Industrie 4.0-Objekt [16]. Die weiteren Strukturelemente können zusätzlich eingesetzt werden, um weitere Funktionen zu ermöglichen.

Neben dem Identifikator können durch Informationsspeicher zusätzliche Objektinformationen oder Sensorinformationen gespeichert werden. Die Möglichkeit zur Informationsverarbeitung kann eingebettet im intelligenten Objekt oder in externen Systemen erfolgen.

Eine Kommunikationsschnittstelle dient zur kabelgebundenen oder drahtlosen Kommunikation und kann zur Nutzerkommunikation (z. B. Displays, Kontrollleuchten) oder zur Maschinenkommunikation (z. B. Bluetooth, WLAN) eingesetzt werden. Sensorik erfasst Daten in Bezug auf den Zustand des Objekts sowie dessen Umwelt. Aktorik löst physische Aktionen aus und kann getroffene Entscheidungen durch Manipulation der Umgebung ausführen. Zur Nutzung von Informations- und Kommunikationstechnologien ist häufig eine Energieversorgung notwendig, welche netzgebunden oder mobil erfolgen kann (z. B. Batterien, Netzanschluss).

Zwischen den generischen Funktionen und der vorgestellten Architektur bestehen unterschiedliche Abhängigkeiten. Im Wesentlichen stellen die technischen Komponenten die Grundlage für die Erfüllung der Funktionen dar. Bild 3 stellt diese Zusammenhänge dar. Hierbei wird deutlich, dass die generischen Funktionen unterschiedliche Komplexitäten besitzen und somit auch unterschiedliche technische Komponenten benötigen. So wird beispielsweise zur reinen Identifikation nur ein Identifikator benötigt. Zur Durchführung von Aktionen werden hingegen Möglichkeiten zur Informationsspeicherung, Informationsverarbeitung und Kommunikationsschnittstellen benötigt. Parallel bauen generische Funktionen teilweise aufeinander auf. So ist beispielsweise die eindeutige Identifikation eine Grundlage für eine zweckmäßige Kommunikationsfähigkeit in einem logistischen System.

Implikationen von intelligenten Objekten für Logistische Systeme

Neben den generischen Funktionen und der Architektur von einzelnen intelligenten Objekten ist deren Einfluss auf Systemebene relevant. Bild 2 zeigt hierfür ein Beschreibungsmodell, welches explizit die Zusammenhänge zwischen Prozessen, intelligenten Objekten sowie deren Schnittstellen thematisiert.

Für einen Prozess, als Beschreibung der Leistungserbringung, werden Ressourcen genutzt, um eine erforderliche Prozessfunktion zu ermöglichen. Ein logistischer Prozess kann z. B. den Transport von Materialien (Funktion) unter Nutzung von Flurförderzeugen (Ressource) beinhalten. Neben der Prozessleistung werden ebenfalls Kosten (z. B. Personalkosten, Maschinenkosten) durch Prozessfunktionen erzeugt. Prozesse besitzen bestimmte Rahmenbedingungen (z. B. vorgegebene Fahrwege oder maximale Zuladungen), welche Ressourcen und deren Funktionen positiv oder negativ beeinflussen können und somit als Grundlage für die Definition von Anforderungen dienen. Intelligente Objekte werden als Ressourcen für die Erfüllung einer Prozessfunktion benötigt und somit innerhalb eines Prozesses genutzt.

Die Schnittstelle Prozess, Funktion und Objekt bildet Zusammenhänge und Abhängigkeiten zwischen Prozessen und intelligenten Objekten ab. Ausgangspunkte hierfür bilden auf der einen Seite die Anforderungen aus den Rahmenbedingungen des Prozesses und der Ressource. Auf der anderen Seite bilden die Möglichkeiten der technischen Gestaltung von intelligenten Objekten, auf Basis deren Architektur, die Grundlage. Zusatzfunktionen von intelligenten Objekten sind durch die beschriebenen generischen Funktionen definiert. Durch Anforderungen, basierend auf Prozess und Ressource, können sowohl die technische Gestaltung als auch die Nutzenpotenziale eingeschränkt werden.

Im Beispiel des Materialtransportes könnte ein Flurförderzeug zur Optimierung des Routings (Nutzenpotenzial) mit einer Lokalisierung (Zusatzfunktion) ausgestattet werden. Hierfür wären als Architektur, neben einem Identifikator, auch Informationsspeicherung und -verarbeitung, eine Maschinenschnittstelle, eine Energieversorgung und Sensorik erforderlich. Die Realisierung der Sensorik wäre u. a. einem 2D-Laserscanner (technische Gestaltung) möglich. Das vorgestellte Modell kombiniert somit eine Prozesssicht sowie eine technische Sicht in einem funktionalen Rahmen und bildet eine Grundlage zur technischen Gestaltung.

Zusammenfassung und Ausblick

In diesem Beitrag wurde ein Ansatz zur Strukturierung von intelligenten Objekten im Kontext von logistischen Systemen, bestehend aus generischen Funktionen und einer Architektur, vorgestellt. Anschließend wurde ein Beschreibungsmodell erarbeitet, welches den Einfluss und die Abhängigkeiten von einzelnen intelligenten Objekten und logistischen Systemen abbildet. Diese Systematisierungen reduzieren die Komplexität bei der Gestaltung von intelligenten Objekten und helfen bei der Strukturierung von Anwendungen in Unternehmen. Weiterhin können die Systematisierungen als Grundlage einer integrierten Methode, unter Berücksichtigung von Prozess- und Technologieanalysen sowie der Bewertung von Nutzenpotenzialen, im Rahmen weiterer Arbeiten eingesetzt werden.

Das könnte Sie auch interessieren

Serious Games als Trainingsinstrument Spielmechanische Gestaltung zur Förderung Resilienz Annika Lange , Thomas Knothe

Unvorhergesehene Ereignisse fordern produzierende Unternehmen zunehmend heraus. Resilienz zur Bewältigung von Krisen wird dabei zur Schlüsselkompetenz. Durch Serious Games (SG) kann Resilienz Aufbau transparenter werden. Der folgende Beitrag leitet spezifische Anforderungen an SG aus den einzelnen Resilienzphasen ab und zeigt, wie diese spielmechanisch umgesetzt werden können, um so Resilienz effektiv zu trainieren.

Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 2 | Seite 98-104

Digitale Zwillinge in Produktion und Logistik erleben Die fischertechnik® Lernfabrik 4.0 als Entwicklungsplattform für mögliche Ausbaustufen Deike Gliem , Sigrid Wenzel , Jan Schickram, Tareq Albeesh

Die fischertechnik® Lernfabrik 4.0 hat sich als geeignete Experimentierumgebung zur Erprobung Digitaler Zwillinge erwiesen. Abhängig vom angestrebten Reifegrad reichen die Funktionen eines Digitalen Zwillings von der reinen Zustandsüberwachung über Prognosen bis hin zur operativen Steuerung von Produktions- und Logistiksystemen. Zur systematischen Einordnung dieser Funktionen wird in diesem Beitrag ein Reifegradmodell vorgestellt, das als Orientierungsrahmen für den Aufbau eines Digitalen Zwillings dient. Darauf aufbauend werden ausgewählte Anwendungsfälle in einer Test- und Entwicklungsumgebung umgesetzt, die auf einer Systemarchitektur mit mehrstufiger Schichtlogik basiert. Anhand erster Umsetzungen werden Einsatzzwecke, relevante Methoden sowie typische Herausforderungen und Potenziale für den Transfer in reale Fabrikumgebungen aufgezeigt.

Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 2 | Seite 30-37 | DOI 10.30844/I4SD.26.2.30

Im Braunfeld zur Industrie 4.0 Lernfabriken als Schulungs- und Testumgebung für die digitale Transformation Jakob Weber, Sven Völker

Die digitale Transformation produzierender Unternehmen erfordert Ingenieure mit der Fähigkeit, den Übergang zur Industrie 4.0 praktisch zu gestalten. Dieser Beitrag stellt das Konzept einer Lernfabrik vor, die selbst einer kontinuierlichen digitalen Transformation unterliegt und damit eine Umgebung für die Entwicklung von Transformationskompetenzen schafft. Das Konzept für die digitale Transformation basiert auf digitalen Werker-Assistenzsystemen und Multiagentensystemen zur Produktionssteuerung. Sie ermöglichen eine schrittweise Integration vorhandener Ressourcen. Die Lernfabrik wird den Studierenden nicht als fertige Lösung präsentiert, sondern im Rahmen von studentischen Projekten kontinuierlich weiterentwickelt. Damit adressiert sie direkt den Mangel an qualifiziertem Personal für die Realisierung der Industrie 4.0.

Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 2 | Seite 88-96

Kollegin KI? Kompetenzanforderungen und -vermittlung bei KI-Nutzung in der Industrie Swetlana Franken

Künstliche Intelligenz verändert Aufgaben, Rollen und Kompetenzen in (Industrie‑)Unternehmen grundlegend. Sie agiert zunehmend als Kollegin, die Entscheidungen vorbereitet, Prozesse unterstützt und mit Menschen interagiert. Der Beitrag beleuchtet zentrale Kompetenzanforderungen für die KI-Nutzung in der Industrie, stellt ein integriertes Kompetenzmodell vor und zeigt praxisnahe Strategien zur Kompetenzvermittlung auf. Ziel ist es, Unternehmen und Beschäftigte auf eine menschengerechte, kompetenzorientierte Implementierung von KI vorzubereiten, die technologische Effizienz mit menschlicher Kreativität und Urteilskraft verbindet.

Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 2 | Seite 78-86

Operationalisierung ethischer KI mit tachAId Validierung eines interaktiven Beratungstools in zwei Anwendungsfällen aus der Fertigungsindustrie Pavlos Rath-Manakidis, Henry Huick, Björn Krämer , Laurenz Wiskott

Die Integration künstlicher Intelligenz (KI) in Arbeitsprozesse verspricht erhebliche Effizienzsteigerungen, doch Unternehmen stehen dabei vor zahlreichen ethischen Herausforderungen, die den Beteiligten zunächst oft nicht bewusst sind – von Intransparenz in der Entscheidungsfindung über algorithmische Verzerrungen bis hin zu Risiken einer verfrühten Automatisierung. Dieser Beitrag stellt das Design und die Validierung von tachAId vor, einem interaktiven Beratungstool, das darauf abzielt, menschenzentrierte ethische Überlegungen in die Entwicklung von KI-Lösungen einzubetten. Es wird eine Validierungsstudie vorgestellt, die für zwei unterschiedliche industrielle KI-Anwendungen mit variierendem KI-Reifegrad durchgeführt wurde. tachAId lenkt die Aufmerksamkeit gezielt auf kritische ethische Überlegungen im gesamten Lebenszyklus von KI-Lösungen, die bei einer technisch orientierten Entwicklung möglicherweise übersehen werden. Die Ergebnisse zeigen jedoch auch eine zentrale ...

Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 1 | Seite 50-59 | DOI 10.30844/I4SD.26.1.50

Angewandte KI für die menschenzentrierte Montage Ein ethisch fundierter Ansatz zur Gestaltung von Arbeitsplätzen Tadele Belay Tuli , Michael Jonek , Sascha Niethammer, Henning Vogler, Martin Manns

Künstliche Intelligenz (KI) kann die Montage verbessern, indem sie menschliche Bewegungen vorhersagt und den Arbeitsplatz entsprechend gestaltet. Mithilfe probabilistischer Modelle wie der Gaußschen Mischmodelle (GMMs) antizipieren KI-Systeme die Bewegungen des Bedieners, um die Koordination mit Robotern zu verbessern. Diese Vorhersagesysteme werfen jedoch ethische Bedenken hinsichtlich Sicherheit, Fairness und Datenschutz gemäß EU AI Act auf. Dieser Artikel stellt eine Methode vor, die probabilistische Bewegungsmodellierung mit ethischer Bewertung mittels Z-Inspection® integriert. Eine Fallstudie unter Verwendung des Werkerassistenzsystem zeigt, wie multimodale Sensorik (Bewegung, Blick) und interpretierbare Modelle eine vorausschauende Unterstützung ermöglichen. Der Ansatz geht von der ethischen Bewertung zu einer ethisch informierten Arbeitsgestaltung über und liefert übertragbare Prinzipien sowie eine konfigurierbare Bewertungsmatrix.

Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 1 | Seite 60-68 | DOI 10.30844/I4SD.26.1.60