Charakteristik intelligenter Objekte in einer digitalisierten Logistik

ZeitschriftIndustrie 4.0 Management
Ausgabe34. Jahrgang, 2018, Ausgabe 5, Seite 21-24
Open Accesshttps://doi.org/10.30844/I40M18-5_21-24
Literatur Teilen Zitieren Download

Abstract

Im Zuge der Digitalisierung und Industrie 4.0 werden Objekte und Systeme in der Logistik zunehmend mit Informations- und Kommunikationstechnologien ausgestattet, was mit neuen Funktionalitäten einhergeht. Solche intelligenten Objekte ermöglichen innerhalb von Supply Chains eine hochauflösende Darstellung von Prozessen und unterstützen deren Steuerung. Parallel steigen die Möglichkeiten und Varianten bei der technischen Gestaltung und Integration von intelligenten Objekten. Dies stellt Unternehmen vor neue Herausforderungen in der Beherrschung der steigenden Komplexität. Zur Handhabung dieser Komplexität wird in diesem Beitrag ein Ansatz zur systematischen Strukturierung von Objekten in einer vernetzten Logistik hinsichtlich Funktion, Aufbau sowie Abhängigkeiten in einem Gesamtsystem vorgestellt.

Keywords

Artikel

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.

Bild 1: Übersicht bestehender Klassifikationen.

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.

Bild 2: Architektur von intelligenten Objekten und Integration in logistische Systeme.

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.

Bild 3: Zusammenhang von generischen Funktionen und Architekturelementen.

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.


Literatur

[1] Kagermann, H.: Chancen von Industrie 4.0 nutzen. In: Vogel-Heuser, B.; Bauernhansl, T.; ten Hompel, M. (Hrsg): Handbuch Industrie 4.0 Bd.4. Berlin Heidelberg 2017, S. 237-248.
[2] Sánchez López, T. u. a.: Taxonomy, technology and applications of smart objects. In: Information Systems Frontiers 13 (2011) 2, S. 281-300.
[3] Deindl, M.: Gestaltung des Einsatzes von intelligenten Objekten in Produktion und Logistik. Aachen 2013.
[4] Mattern, F.; Flörkemeier C.: Vom Internet der Computer zum Internet der Dinge. In: Informatik-Spektrum 33 (2010) 2, S. 107-121.
[5] Nochta, Z.: Smart Items in Real Time Enterprises. In: Mühlhäuser, M.; Gurevych, I. (Hrsg): Handbook of research on ubi- quitous computing technology for real time enterprises. Hershey 2008, S. 211-228.
[6] Wong, C.Y. u. a.: The intelligent product driven supply chain. In: SMC2002: IEEE International Conference on Systems, Man and Cybernetics. 2002.
[7] Tellkamp, C.: Finanzielle Bewertung von Ubiquitous-Computing-Anwendungen. In: Fleisch, Mattern (Hrsg): Das Internet der Dinge. Berlin 2005, S. 315-327.
[8] Schoch, T.; Strassner, M.: Wie smarte Dinge Prozesse un- terstützen. In: Sauerburger (Hrsg): Ubiquitous Computing. Heidelberg 2003, S. 23- 32.
[9] Diekmann, T.: Ubiquitous Computing-Technologien im betrieblichen Umfeld. Göttingen 2007.
[10] Scholz-Reiter, B. u. a.: Auf dem Weg zur Selbststeuerung in der Logistik-Grundlagenfor- schung und Praxisprojekte. In: Begleitband zur 11. Magdeburger Logistiktagung. Magdeburg 2005, S. 166-180.
[11] Preiß, H.; Klötzer, C.; Pflaum, A.: Einsatz und Auswahl von RFID-Systemen in der Logistik. In: WiSt – Wirtschaftswissenschaftliches Studium 42 (2013) 2, S. 63-68.
[12] Böse, F.; Windt, K.: Catalogue of Criteria for Autonomous Control in Logistics. In: Windt, Hülsmann (Hrsg): Understanding autonomous cooperation and control in logistics. Berlin New York 2007, S. 57-72.
[13] Gausemeier, J.; Tschirner, C.; Dumitrescu, R.: Auf dem Weg zu intelligenten technischen Systemen, In: Industrie Management 29 (2013) 1, S. 1-37.
[14] RICHTLINIE, VDI: 2206. Entwicklungsmethodik für mechatronische Systeme. Berlin 2004.
[15] Fortino, G. u. a.: On the Classification of Cyberphysical Smart Objects in the Internet of Things. In: Fortino, G.; Karnouskos, S.; Marrón, P. J. (Hrsg): Proceedings of the 5th International Workshop on Networks of Cooperating Objects for Smart Cities (UBI- CITEC 2014), S. 86-94.
[16] Adolphs, P. u. a.: Statusreport – Referenzarchitekturmodell Industrie 4.0 (RAMI4.0). 2015. URL: www.vdi. de/fileadmin/user_upload/VDI-GMA_Statusreport_Referenzarchitekturmodell-Industrie40.pdf, Abrufdatum 03.05.2018.
[17] RICHTLINIE, VDI/VDE: 2653–1: Agentensysteme in der Automatisierungstechnik – Grundlagen. Berlin 2010.

Ihre Downloads


Lösungen: Logistik Logistik, Technologien

Das könnte Sie auch interessieren

Industrie 4.0 – Fortschritt und Digitalisierung in der Schwebe

Industrie 4.0 – Fortschritt und Digitalisierung in der Schwebe

Status der nachhaltigen Transformation und Digitalisierung in der Produktionstechnik
Christian Donhauser ORCID Icon, Daniel Riepl
Digitalisierungsprojekte helfen dem Anwender, komplexe Prozesse einfacher und effizienter darzustellen. Allerdings gibt es viele Hemmnisse, welche die Umsetzung deutlich erschweren. Zurückhaltung bei der Umsetzung ist spürbar. Dies trifft unter anderem Arbeitgeber und Arbeitnehmer, die durch das Warten oder Vermeiden ins ökonomische Abseits geraten können. Diese Beobachtungen lassen sich auf eine übergeordnete wissenschaftliche Leitfrage zurückführen: Welche Barrieren und systemischen Herausforderungen erschweren eine nachhaltige Transformation im Rahmen von Industrie 4.0, insbesondere unter Berücksichtigung menschlicher Arbeit in der Produktionstechnik? Welche Fragen stellen sich die betroffenen Akteure? Das wesentliche Ziel dieser langfristig ausgelegten Forschungsarbeit ist es, diese Fragen dezidiert und im Detail zu konkretisieren, um daraus ein konzeptionelles Fundament zu entwickeln, das Forschung, Lehre und technologische Entwicklung integriert und die Potenziale ...
Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 3 | Seite 56-60
Analyse der Anwendungspotenziale chinesischer Wissensplattformen

Analyse der Anwendungspotenziale chinesischer Wissensplattformen

Bedeutung digitaler Plattformen für Wissenstransfer in Forschung und Bildung
Yunhao Su, Martin Braun ORCID Icon
Wissen ist eine treibende Kraft der Innovation. Um Wissensbestände zu transferieren, werden vermehrt digitale Wissensplattformen eingesetzt. Die VR China nimmt eine weltweit führende Position im Feld der Digitalisierung ein. Im chinesischen Wissenstransfer- und Innovationssystem kommt digitalen Wissensplattformen eine zentrale Rolle zu. Diese Studie strukturiert theoretische Konzepte des Wissenstransfers und ergänzt diese durch empirische Befunde zur (Weiter-) Entwicklung einschlägiger Wissensplattformen. Untersucht wird der Einfluss spezifischer Gestaltungsmerkmale des Wissenstransfers auf die wahrgenommene Funktionalität und Qualität von digitalen Wissensplattformen. In einer Literaturrecherche werden sieben verdichtete Erfolgskriterien des Wissenstransfers ermittelt. Ferner werden neun führende chinesische Wissensplattformen hinsichtlich ihrer Transferlogik und Funktionsumfänge kategorisiert. Im Rahmen einer Online-Befragung beurteilten Probanden die plattformspezifischen ...
Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 3 | Seite 84-93
VR-Training für multimodale Cobot-Interaktion

VR-Training für multimodale Cobot-Interaktion

Virtuelle Lernfabriken zur Qualifizierung für den Einsatz kollaborativer Roboter
Christoph S. Zoller, Justus Langer, Kristoffer Waldow ORCID Icon, Merle Meyer, Arnulph Fuhrmann ORCID Icon
Im Forschungsprojekt VIRAMM wird ein VR-basiertes Qualifizierungskonzept für die Integration kollaborativer Roboter (Cobots) in montageorientierten U-Zellen entwickelt und prototypisch umgesetzt. Da der Nutzen von Cobots stark von Prozess-, Layout- und Rollenintegration abhängt, adressiert VIRAMM die bislang fehlende konsistente Szenario Gestaltung für Variantenvergleiche mit Key Performance Indicator (KPI) basierter Bewertung.
Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 3 | Seite 106-112
Digitale Fabrikplanung für Start-ups

Digitale Fabrikplanung für Start-ups

Ein simulationsbasierter Ansatz für die Konzeptionierung von Produktionsstrukturen
Herwig Winkler ORCID Icon, Tobias Isau
Mit der zunehmenden Komplexität von Produktions- und Logistiksystemen geraten traditionelle Fabrikplanungsansätze weitgehend an ihre Grenzen. Die digitale Fabrikplanung bietet hier einen vielversprechenden Ansatz, bereits in frühen Planungsphasen fundierte Entscheidungen zu treffen. Insbesondere für Start-ups stellt die optimale Planung einer Produktionsstätte eine Herausforderung dar, da diese oft mit begrenzten finanziellen und infrastrukturellen Ressourcen operieren. Dieser Beitrag präsentiert einen methodischen Ansatz für die digitale Fabrikplanung, bei der die VR-Simulation für die Layoutplanung einer Fabrikhalle eines jungen Unternehmens aus der Solarbranche eingesetzt wird. Der vorgestellte Ansatz zeigt, wie Simulationen zur Gestaltung flexibler Produktionsstrukturen, insbesondere bei Start-ups, beitragen können.
Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 3 | Seite 68-75
Dezentrale Koordination von AMR

Dezentrale Koordination von AMR

Ein Regelwerk für autonome mobile Roboter
Manuel Savadogo, Malte Stonis ORCID Icon, Peter Nyhuis ORCID Icon, Jürgen Hupp
Die zunehmende Automatisierung der Intralogistik erfordert flexible und resiliente Steuerungskonzepte für Autonome Mobile Roboter (AMR). Während zentrale Koordinationsansätze eine stringente Steuerung ermöglichen, stoßen sie hinsichtlich Skalierbarkeit und Robustheit schnell an Grenzen. In diesem Beitrag wird daher ein Regelwerk zur dezentralen Koordination von AMR im Rahmen des Projekts ORPHEUS vorgestellt. Der Schwerpunkt liegt auf der Überführung bekannter dezentraler Entscheidungsprinzipien in eine für industrielle Materialflussszenarien konsistente Regelstruktur, die sowohl die operative Auftragsvergabe als auch sicherheitsrelevante Konfliktfälle adressiert. ORPHEUS leistet damit insbesondere einen Beitrag zur methodischen Strukturierung, Parametrierbarkeit und praktischen Übertragbarkeit dezentraler Koordinationslogiken.
Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 3 | Seite 96-105
Flächenbewertung für flexible Intralogistik im Brownfield

Flächenbewertung für flexible Intralogistik im Brownfield

Innovative Entscheidungsunterstützung in der Praxis
Jolanda Schierbaum, Carsten Feldmann, Lars Renhof
Flächenplanung in der Intralogistik ist aufgrund des dynamischen Umfelds keine einmalige Aufgabe, sondern ein wiederkehrender Entscheidungsprozess mit vielen Restriktionen bestehender Infrastruktur. Dabei werden Entscheidungen oft auf Basis unsicherer Daten getroffen, so dass das Risiko von Fehlentscheidungen und ineffizienten Flächennutzungen hoch ist. Dieser Beitrag stellt ein praxisorientiertes Vorgehensmodell für die Flächenbewertung im Brownfield vor: Es erhöht die Standardisierung und Konsistenz der Flächenbewertung und fördert Best Practices bei allen Beteiligten. Systematische Entscheidungen unterstützen eine optimierte Planung und Zuweisung von Ressourcen, so dass Risiken und kostspielige Fehler während der Implementierung vermieden werden. Die Demonstration des Vorgehensmodells erfolgt anhand einer Fallstudie bei einem Nutzfahrzeughersteller.
Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 3 | Seite 124-133