CO2-Berechnungen komplexer Liefernetzwerke

Strukturierte Erfassung von Emissionsdaten auf Grundlage des SCOR-Models

ZeitschriftIndustrie 4.0 Management
Ausgabe35. Jahrgang, 2019, Ausgabe 6, Seite 16-20
Open Accesshttps://doi.org/10.30844/I40M_19-6_S12-16
Literatur Teilen Zitieren Download

Abstract

In der Folge des fortschreitenden Klimawandels rücken die ökologischen Auswirkungen der Unternehmenstätigkeit verstärkt in den Fokus interner und externer Shareholder [1]. In der Industrie entwickeln sich gleichzeitig immer komplexere Wertschöpfungsnetzwerke. Der Großteil der involvierten Prozesse in einer Wertschöpfungskette wird von global verteilten Partnern ausgeführt. Dieser Trend erschwert die Quantifizierung der Auswirkung einzelner Aktivitäten auf Unternehmensebene an der ökologischen Gesamtleistung der Supply Chain. Der folgende Beitrag untersucht auf Grundlage des SCOR-Models zur strukturierten Erfassung von Emissionsdaten globaler Supply Chains.

Keywords

Artikel

Die Aufstellung von CO2-Bilanzen, als ein Grundlegendes Element eines Nachhaltigkeitsberichts, ist mit einem hohen Aufwand für Unternehmen verbunden. Infolge der hohen Berechnungskomplexität sind CO2-Berechungen für Dritte oftmals schwer nachvollziehbar. Wegen der örtlichen Streuung und der stetig steigenden Anzahl an involvierten Akteuren entlang der Supply Chain ist eine strukturierte und einheitliche Datenerfassung schwierig. Das SCOR-Model, als ein Ansatz zur ganzheitlichen Beschreibung von Lieferketten, könnte für Unternehmen ein geeignetes Hilfsmittel zur Sammlung und Allokation von Emissionsdaten darstellen.

Struktur des SCOR-Models Das Supply Chain Operations Reference (SCOR-) Model geht auf die 1996 gegründete Initiative der US-amerikanischen Non-Profit-Organisation Supply Chain Council (SCC) zurück. Seit dem Zusammenschluss des SCC mit der Association of Operations Management (APICS) im Jahr 2014 ist APICS für die Weiterentwicklung des SCOR-Models verantwortlich. Beim SCOR-Model handelt es sich um ein normatives Model.

Dabei bedienen sich Unternehmen bei der Prozessmodellierung mittels SCOR an einem vordefinierten Satz aus Alternativen, wodurch Prozesse mit einem hohen Standardisierungsgrad abgebildet werden können. Das Supply Chain Operations Reference Model (SCOR-Model) hat sich als ganzheitlicher und branchenunabhängiger Ansatz zur Beschreibung und Analyse von Prozessen entlang einer Supply Chain im Markt etabliert und wird heute von mehr als 2000 Unternehmen weltweit angewandt [2, 3].

Das SCOR-Model besteht im Kern aus den vier Bereichen Prozesse, Metriken, Praktiken und Menschen:

  • Der Sektor Prozesse umfasst die standardisierte Beschreibung von Prozessen entlang der Supply Chain. Im Fokus steht die Visualisierung von interorganisationalen Schnittstellen und das Erwirken eines gemeinsamen Verständnisses zwischen den einzelnen Akteuren über die involvierten Prozesse innerhalb der Supply Chain [2].
  • Metriken sind standardisierte Berechnungsmethoden zur Erfassung der Leistung einzelner Prozesse unter fest definierten Attributen. Standardisierte Leistungskennzahlen sind Grundlage für ein unternehmensübergreifendes Benchmarking. Schwachstellen innerhalb der Supply Chain können auf diese Weise genau lokalisiert werden. Optimierungen an den definierten Prozessen führen zur Leistungssteigerung des gesamten Netzwerkes [2, 4].
  • APICS fördert den aktiven Erfahrungsaustausch partizipierender Unternehmen. Auf Basis der in der Anwendung gewonnen Kenntnisse, soll das SCOR-Model stetig weiterentwickelt und verbessert werden. Der Abschnitt Praktiken umfasst eine Sammlung von allgemeingültigen Geschäftspraktiken, welche sich in der Praxis für Unternehmen als besonders effektiv herausgestellt haben [2, 5, 6].
  • Unter dem Bereich Menschen versteht das Modell eine standardisierte Beschreibung der notwendigen Mitarbeiterqualifikationen zur erfolgreichen Ausführung der beschrieben Prozesse. Der Bereich wird weiterhin in die Teilgebiete Erfahrungen, Training und Kompetenzen untergliedert [6].

Bewertung der ökologischen Leistung einer Supply Chain

Das SCOR-Model wurde erstmals im Jahr 2008 (Version 9.0) um die Komponente der Nachhaltigkeit erweitert. Zuvor wurde die Leistung der Prozessketten meist ausschließlich unter ökonomischen Gesichtspunkten gemessen, verglichen und analysiert. Der Zusammenhang zwischen den verbundenen Aktivitäten innerhalb einer Supply Chain und den daraus resultierenden Auswirkungen für die Umwelt wurde durch die Erweiterung in einem einzigen Modell abbildbar.

Aufbauend auf der gemeinsamen Modelstruktur und Prozesshierarchie wurden im sogenannten GreenSCOR-Model umweltrelevante Metriken und Best Practices in das klassische Model integriert [5, 7]. In der aktuellen 12. Version des SCOR-Models wurde das GreenSCOR-Model jedoch durch das SustainableSCOR-Model ersetzt. Die Grundidee des SustainableSCOR-Models, ist mit der seines Vorgängers identisch. Den Metriken des SustainableSCOR-Models liegen jedoch anderen Berechnungsstandards zugrunde [6].

Die Modellstruktur gemäß SCOR
Bild 1: Die Modellstruktur gemäß SCOR [6, 8].

Prozessstruktur des SCOR-Models

Eine Supply Chain wird im SCOR-Model durch die sechs grundlegenden Hauptprozesse beschrieben: Plan (sP), Source (sS), Make (sM), Deliver (sD), Return (sR), Enable (sE) [6]. Durch die Verknüpfung der einzelnen Prozesse untereinander werden Kunden-Lieferanten-Beziehungen entlang der Lieferkette veranschaulicht [2, 6]. Diese erstrecken sich vom Lieferanten des Lieferanten bis hin zum Kunden des Kunden. Wie in Bild 1 ersichtlich, ermöglicht das SCOR-Model Unternehmen eine End-to-End-Betrachtung der kompletten Wertschöpfungskette. Der Kontext des eigenen Unternehmens innerhalb der Supply Chain wird deutlich [5]. Auf die in Bild 1 dargestellten Emissionskategorien (Scopes) wird im Folgenden näher eingegangen.

Das SCOR-Modell ist hierarchisch aufgebaut und umfasst drei gestaffelte Ebenen. Die Beziehungen der Ebenen untereinander werden in Bild 2 veranschaulicht. Der Detaillierungsgrad der Prozessbeschreibung wird in jeder Ebene vertieft. Ebene eins umfasst die sechs beschriebenen Hauptprozesse sP, sS, sM, sD, sR, und sE. Die zweite Ebene untergliedert die Hauptprozesse in die vier Prozesskategorien Make-to-Stock (1), Make-to-Order (2), Engineer-to-Order (3) und Retail (4). Die dritte Ebene beinhaltet eine Abfolge definierter Prozesselemente, ausgelöst durch die individuelle Zusammensetzung der oberen Ebenen [4, 6].

Die drei oberen Ebenen des SCOR-Models sollten um mindestens eine Ebene erweitert werden. Ebene 4 umfasst demnach Produkt-, Industrie-, Standort- und/oder Technologie spezifische Prozessbeschreibungen der Unternehmensaktivitäten. Diese Ebene ist jedoch nicht mehr im Umfang des Modells enthalten, da eine allgemeingültige und branchenunabhängige Beschreibung in dieser Prozesstiefe nicht mehr möglich ist [6].

Prozesshierarchie gemäß SCOR
Bild 2: Prozesshierarchie gemäß SCOR (eigene Darstellung in Anlehnung an [6, 9]).

Metriken des SustainableSCOR-Models

Die Metriken des SustainableSCOR-Models bauen auf den Global Reporting Initiative Standards (GRI Standards) zur Erstellung von Nachhaltigkeitsberichten auf [6]. Die GRI Standards haben sich de-facto als Standard im Markt etabliert und erfreuen sich weltweit zunehmender Akzeptanz [10]. Die modular miteinander verbundenen Standards bestehen aus drei themenspezifischen Standardsätzen:

  • Ökonomie (GRI 200-Reihe)
  • Ökologie (GRI 300-Reihe)
  • Soziales (GRI 400-Reihe)

Die Themenschwerpunkte der GRI-Standards sind dementsprechend deckungsgleich zu dem Drei-Säulen-Modell der nachhaltigen Unternehmensentwicklung [11-13].

Der Fokus des SustainableSCOR-Models liegt jedoch auf der Quantifizierung der ökologischen Performance von Unternehmen, weshalb lediglich Standards der GRI 300-er-Reihe zum Tragen kommen. Bild 3 veranschaulicht die 13 Metriken des SustainableSCOR-Models und den dazugehörigen GRI Standards. Die Anwendung der Metriken wird ferner am Beispiel der GRI 305-4 Intensität der Treibhausgasemissionen erläutert.

Die Emissionsbilanzierung nach GRI 305 verpflichtet Unternehmen zur Emissionserfassung der sieben Treibhausgasemissionen auf Grundlage des UN Kyoto Protokoll. Absolute Emissionswerte müssen umgerechnet und in CO2-Äquivalente (CO2e) angegeben werden. Die Umrechnung in CO2e dient zu Vergleichbarkeit der Treibhauswirkung der verschiedenen Gase. Die CO2e berechnet sich aus dem absoluten Emissionswert, multipliziert mit dem Faktor des Global Warming Potential (GWP). Der Faktor des GWP gibt die Klimawirkung eines Treibhausgases bei einer Verweildauer in der Atmosphäre von 100 Jahren an [14, 15].

Metriken des SustainableSCOR-Models gemäß SCOR
Bild 3: Metriken des SustainableSCOR-Models gemäß SCOR © [6].

Intensitätsquotient = (THG Emissionen Scope 1 + THG Emissionen Scope 2 + THG Emissionen Scope 3) / organisationspezifischer Parameter (z. B. Produzierte Einheiten)

Der GRI 305 Standard basiert auf dem Greenhouse Gas (GHG) Protocol Corporate Standard und dem GHG Protocol Corporate Value Chain Standard [16]. Die GHG Protocol Standards sehen eine Klassifizierung der TGH-Emissionen nach drei verschiedenen Emissionskategorien (Scopes) vor:

direkte Treibhausgasemissionen der Unternehmen (Scope 1)
indirekte Treibhausgasemissionen aus der Erzeugung zugekaufter Energie (Scope 2)
sonstige indirekte Treibhausgasemissionen aus vor- und nachgelagerten Unternehmensprozessen (Scope 3)

Die Systemgrenzen nach dem Scope Ansatz sind im Standard ISO 14064 veröffentlicht [8]. Unternehmen, die nach den genannten Standards bilanzieren, sind verpflichtet die Treibhausgasemissionen des Scope 1 und Scope 2 zu veröffentlichen. Es ist jedoch freigestellt, Emissionen des Scope 3 anzugeben [17].

Bild 4 veranschaulicht die systematische Erfassung von Treibhausgasemissionen auf Grundlage des SCOR-Models. Treibhausgasemissionen einer Supply Chain werden anhand der unternehmensspezifischen Prozessstruktur (Ebene 4 und tiefer) für jede individuelle Aktivität eines Prozesses berechnet. Die Daten werden gebündelt und der darüberliegenden Ebene zugeordnet. Durch Konsolidierung der Informationen der unteren Ebenen kann schlussendlich jedem Hauptprozess (Plan, Source, Make, Deliver, Return und Enable) eine konkrete Menge an Treibhausgasemissionen zugeordnet werden. Treibhausgasemissionen entlang der kompletten Supply Chain sollen auf diese Weise transparent gemacht und kumuliert werden.

Der GRI 305-4 Standard sieht neben der systematischen Erfassung der Treibhausgasemissionen entlang der Supply Chain, die Angabe des Intensitätsquotienten vor. Der Intensitätsquotient setzt sich wie folgt zusammen: siehe Formel 1.

Der Intensitätsquotient kann Aufschluss über den CO2e-Fussabdruck einer Produkteinheit, von der Rohstoffquelle über die einzelnen Produktionsschritte bis hin zum Point of Sale, geben.

Um valide Aussagen über den ökologischen Fußabdruck eines Endproduktes zu tätigen, ist ein Bilanzierung nach dem Scope 3 Ansatzes unabdingbar. Die praktische Umsetzung ist für industrielle Unternehmen aufwändig, aber machbar. Eine Sammlung guter Beispiele und Handlungsempfehlungen finden sich unter [19]. Ein Abgleich dieser Ansätze mit den Best Practices des SCOR-Models bedarf jedoch weiterer Forschung.

Die zunehmende Digitalisierung und Vernetzung (z. B. Cloudspeicher, Internet der Dinge) können einen wichtigen Beitrag zur vertikalen Vernetzung der Unternehmen und zur unternehmensübergreifenden Bereitstellung der Emissionsdaten leisten. Die vernetzte Verwaltung von Emissionsdaten hätte den Vorteil, dass alle involvierten Akteure innerhalb der Supply Chain zur jeder Zeit auf aktuelle Daten aus vor- und nachgelagerten Prozessen außerhalb ihres Unternehmens zugreifen könnten. Der Aufwand für einzelne bilanzierende Unternehmen könnte dadurch verringert werden. Allerdings ist darauf zu achten, dass im Zuge der Digitalisierung der ökologische Nutzen die Nachteile durch den zusätzlichen Emissionsausstoß der IT-Komponenten übertrifft [20].

Systematische Emissionserfassung auf Grundlage des SCOR-Mode
Bild 4: Systematische Emissionserfassung auf Grundlage des SCOR-Mode [6, 18].

Fazit und Ausblick

Das SustainableSCOR-Model erleichtert die systematische Erfassung von Treibhausgasemissionen. Die Modellstruktur ermöglicht Unternehmen, die eigene Stellung in einer Supply Chain zu analysieren. Vor- und nachgelagerte Prozesse werden im Modell visualisiert. Die Systemgrenzen im Rahmen der CO2e-Bilanzierung von Unternehmen werden dadurch deutlich.

Durch die Bindung der Metriken des SustainableSCOR-Models an den international akzeptierten GRI-Standard lassen sich die erhobenen Emissionsdaten mit anderen Unternehmen, die den GRI-Standard nutzen, vergleichen. Absolute Emissionswerte von Unternehmen können aufgrund der hierarchisch aufgebauten Prozessstruktur bis hin zum Ort der Emissionsentstehung herunter gebrochen werden. Treibhausgasemissionen können so den individuellen Prozessen zugeordnet werden. Infolgedessen können externe Interessensgruppen die Emissionsberechnungen leichter nachvollziehen.

Die strukturierte Emissionserfassung auf Grundlage des SustainableSCOR-Models bietet darüber hinaus die Möglichkeit, Prozesse mit einem hohen Emissionsausstoß entlang der Prozesskette zu identifizieren. Ferner ist es möglich, durch gezielte Maßnahmen innerhalb der definierten Prozesse die ökologische Leistung der gesamten Supply Chain signifikant zu steigern.

Festzuhalten bleibt, dass durch die standardisierte Leistungskennzahlenerfassung entlang der Supply Chain ein Grundstein für eine unternehmensübergreifende Vergleichbarkeit gelegt wurde. Bei der Erhebung der Daten, der eigentlichen Messung der Emission auf Prozessebene, variieren die Ergebnisse jedoch weiterhin stark.


Literatur

[1] Herzig, C.; Schaltegger, S.: Nachhaltigkeit in der Unternehmensberichterstattung. Gründe – Probleme – Lösungsansätze; Diskussionspapier zum Fachdialog des Bundesumweltministeriums (BMU) am 13. November 2003, Berlin. Lüneburg 2004.
[2] Bickhoff, N.: Quintessenz des strategischen Managements. Was Sie wirklich wissen müssen, um im Wettbewerb zu überleben. Berlin Heidelberg 2009.
[3] APICS: Supply Chain Operations Reference (SCOR) model. URL: www.apics.org/apics-for-business/frameworks/scor, Abrufdatum 08.05.2019.
[4] Bolstorff, P. A.; Rosenbaum, R. G.; Poluha, R. G.: Spitzen- leistungen im Supply Chain Management. Ein Praxishandbuch zur Optimierung mit SCOR, 1. Aufl. Berlin Heidelberg New York 2007.
[5] D ́heur, M.: CSR und Value Chain Management. Profitables Wachstum durch nachhaltige gemeinsame Wertschöpfung. Berlin 2014.
[6] APICS: Supply Chain Operation Reference Model Version 12.0. Chicago 2017.
[7] Cash, R.; Wilkerson, T.: GreenSCOR: Developing a Green Supply Chain Analytical Tool. McLean, USA 2003.
[8] Greenhouse Gas Protocol: Overview of GHG Protocol scopes and emissions across the value chain. URL: https://ghgprotocol.org/sites/default/files/standards_supporting/Diagram%20of%20scopes%20and%20emissions%20across%20the%20value%20chain.pdf, Abrufdatum 18.05.2019.
[9] Supply Chain Council: Supply Chain Operation Reference (SCOR) model. Overview – Version 10.0. Cypress, USA 2010.
[10] KPMG: Handbuch zur Nachhaltigkeitsberichterstattung. URL: https://assets.kpmg/content/dam/kpmg/pdf/2014/06/handbuch-nachhaltigkeitsbericherstattung.pdf, Abrufdatum 18.05.2019.
[11] GRI: Konsolidierter Satz der GRI-Standards für die Nachhaltigkeitsberichterstattung. Amsterdam 2016.
[12] Gabriel, A.: Freiwillige Veröffentlichung und Prüfung von GRI-Nachhaltigkeitsberichten. Eine empirische Analyse auf dem europäischen Kapitalmarkt. Wiesbaden 2015.
[13] IHK Nürnberg: Lexikon der Nachhaltigkeit. Drei Säulen Modell. URL: www.nachhaltigkeit.info/artikel/1_3_a_ drei_saeulen_modell_1531.html, Abrufdatum 14.06.2019.
[14] WBCDS, WRI: The greenhouse gas protocol. A corporate accounting and reporting standard, Rev. ed. Washington, DC, Conches-Geneva 2004.
[15] United States Environmental Protection Agency: Under- standing Global Warming Potentials. URL: www.epa.gov/ghgemissions/understanding-global-warming-potentials, Abrufdatum 14.06.2019.
[16] Global Reporting Initiative: GRI 305: Emissions 2016. Background. URL: www.globalreporting.org/standards/grstandards-download-center/gri-305-emissions-2016, Abrufdatum 19.05.2019.
[17] Schmied, M.; Knörr, W.: Berechnung von Treibhausgasemissionen in Spedition und Logistik. Bonn 2013.
[18] Supply Chain Council: Supply Chain Operation Reference Model Version 9.0. USA 2008.
[19] WWF, CDP: Unternehmerisches Klimamanagement entlang der Wertschöpfungskette – eine Sammlung guter Praxis. 2016. URL: https://www.globalcompact.de/wAssets/ docs/Umweltschutz/Publikationen/gute-praxis-sammlung_klimamanagement.pdf, Abrufdatum 23.09.2019.
[20] Uckelmann, D.; Bogenreuther, T.; Bräutigam, I.: Grüne IT für eine grüne Logistik – Umweltorientierter Einsatz von Informationstechnologien für eine nachhaltige Logistik. Digitalen Wandel gestalten. Wiesbaden 2019. S. 141-150.

Ihre Downloads


Lösungen: Logistik

Das könnte Sie auch interessieren

Digitale Zwillinge in Produktion und Logistik erleben

Digitale Zwillinge in Produktion und Logistik erleben

Die fischertechnik® Lernfabrik 4.0 als Entwicklungsplattform für mögliche Ausbaustufen
Deike Gliem ORCID Icon, Sigrid Wenzel ORCID Icon, 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
Ist die Zeit reif für eine Energierevolution in der Intralogistik?

Ist die Zeit reif für eine Energierevolution in der Intralogistik?

Der aktuelle Stand wasserstoffbetriebener Brennstoffzellen-Flurförderzeuge
Gustav Bösehans, Joseph W. Dörmann
Wasserstoff-Brennstoffzellen sind eine nachhaltige Option für Flurförderzeuge (MHE), da sie eine schnelle Betankung, keine Emissionen und eine konstante Leistung bieten – ideal für anspruchsvolle Lager- oder Produktionsaufgaben. Hohe Anschaffungskosten und Unsicherheiten bei potenziellen Anwendern bremsen jedoch die Einführung.
Industry 4.0 Science | 41. Jahrgang | 2025 | Ausgabe 6 | Seite 74-80
Lehmbauweise und Holzregale

Lehmbauweise und Holzregale

Beitrag zur Nachhaltigkeit der Lagerlogistik
Viviano De Giacomo ORCID Icon, Nathalie Fritsch ORCID Icon, Jakob Kennert ORCID Icon, Dieter Uckelmann ORCID Icon
Die Studie untersucht den Beitrag natürlicher Baustoffe, insbesondere von Lehm und Holz, zur nachhaltigen Entwicklung von Logistikimmobilien. Im Mittelpunkt steht eine Bewertung entlang ökologischer, ökonomischer und technischer Dimensionen über den gesamten Lebenszyklus hinweg. Auf Basis von Literaturanalysen und Experteninterviews werden Potenziale, Restriktionen und fördernde Rahmenbedingungen identifiziert. Holz erweist sich insbesondere im Hochregalbau als technisch ausgereift und ökologisch vorteilhaft, während Lehm hohes Potenzial für energie- und ressourceneffizientes Bauen bietet. Die Arbeit schließt mit Handlungsempfehlungen für Forschung, Politik und Praxis zur Etablierung zirkulärer Bauweisen in der Logistik.
Industry 4.0 Science | 41. Jahrgang | 2025 | Ausgabe 6 | Seite 82-89
E-Lkw im Vor- und Nachlauf von Umschlagterminals

E-Lkw im Vor- und Nachlauf von Umschlagterminals

Auswirkungen auf Terminalprozesse im Kombinierten Straßen-/Schienengüterverkehr
Ralf Elbert ORCID Icon, Samira Ghaneian Sebdani ORCID Icon
Elektrisch betriebene Lastkraftwagen (E-Lkw) spielen eine wichtige Rolle bei der Reduktion von CO₂-Emissionen, vor allem auf kurzen Strecken im Vor- und Nachlauf im Kombinierten Straßen-/Schienengüterverkehr (KV). Dieser Artikel zeigt am Beispiel eines KV-Terminals die logistischen und energetischen Herausforderungen beim Einsatz von E-Lkw für den Aufbau geeigneter Ladeinfrastrukturen sowie für die Sicherstellung der Stromversorgung.
Industry 4.0 Science | 41. Jahrgang | 2025 | Ausgabe 6 | Seite 70-77
Bias von Werkerassistenz für Menschen mit Beeinträchtigungen

Bias von Werkerassistenz für Menschen mit Beeinträchtigungen

Ethnographische Erkenntnisse aus der Anwendung von AR in einem integrativen Betrieb
David Kostolani ORCID Icon, Annemarie Ploss, Sebastian Schlund ORCID Icon
Die Re-Humanisierung industrieller Arbeit hat sich zu einem zentralen Schwerpunkt in der For-schung zu Industrie 4.0/5.0 entwickelt, wobei der Fokus auf der Stärkung menschlicher Arbeits-kräfte inmitten fortschreitender Automatisierung liegt. Ein Paradebeispiel für diesen menschen-zentrierten Ansatz bildet die Unterstützung von ArbeitnehmerInnen mit Beeinträchtigungen durch digitale Werkerassistenzsysteme. Diese Technologien sollen die Produktivität steigern, um so die Integration von Menschen mit Beeinträchtigungen in industrielle Tätigkeiten zu för-dern. Aber können sie die Arbeitserfahrung wirklich verbessern? Diese ethnographische Studie präsentiert Erkenntnisse aus zwei Jahren Entwicklung und Anwendung von Augmented Reality in einer geschützten Holzwerkstatt. In diesem Zeitraum wurden über 30 Technologie-Sessions und Interviews mit ArbeitnehmerInnen mit unterschiedlichen Beeinträchtigungen durchgeführt. Unsere Erfahrungen stellen die Schilderung der industriellen ...
Industry 4.0 Science | 41. Jahrgang | 2025 | Ausgabe 5 | Seite 102-110 | DOI 10.30844/I4SD.25.5.102
Assistenz für die Simulation in Produktion und Logistik

Assistenz für die Simulation in Produktion und Logistik

Eine literaturbasierte Einordnung
Sigrid Wenzel ORCID Icon, Felix Özkul, Robin Sutherland ORCID Icon
Der Einsatz der ereignisdiskreten Simulation für komplexe Produktions- und Logistiksysteme wird trotz marktgängiger Simulationswerkzeuge immer herausfordernder. Er bedingt umfangreiches Fachwissen, eine hohe Datenqualität und zeitliche sowie finanzielle Ressourcen. Seit vielen Jahren wird daher die methodische und organisatorische Unterstützung der Durchführung von Simulationsstudien gefordert und erforscht. Dieser Beitrag möchte basierend auf einer Analyse einschlägiger Publikationen die bisherigen Forschungen zur Verbesserung des Simulationseinsatzes einordnen, die Frage nach der Notwendigkeit einer Assistenz für die Anwendung der ereignisdiskreten Simulation aufwerfen und Handlungsfelder aufzeigen.
Industry 4.0 Science | 41. Jahrgang | 2025 | Ausgabe 5 | Seite 66-76 | DOI 10.30844/I4SD.25.5.66