Digitale Produktpässe

Digitale Zwillinge werden häufig als vielversprechender Hebel zur Reduzierung von Treibhausgas-Emissionen (THG-Emissionen) in der industriellen Produktion diskutiert, belastbare empirische Nachweise zu ihrem tatsächlichen Nutzen unter Praxisbedingungen fehlen jedoch weitgehend. In dieser Fallstudie werden die Emissionseinsparpotenziale eines Digitalen Zwillings als konzeptionell beschriebenes Zielsystems am Beispiel eines Prüfstands für Hydraulikpumpen ex-ante quantifiziert. Hierzu werden die THG-Emissionen des ursprünglichen Prüfplans für das Jahr 2025 auf Basis real gemessener Energieverbräuche der geprüften Pumpen und zeitlich aufgelöster Emissionsintensitäten des Strombezugs ermittelt. Anschließend erfolgt eine regelbasierte Umplanung, bei der energieintensive Prüfprozesse in emissionsärmere Zeitintervalle verlagert werden. Die Umplanung berücksichtigt dabei betriebliche Praxisrestriktionen. Prozesse und Anlagen werden nicht verändert. Das Einsparpotenzial wird ...

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 ...

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.