Interoperable Datenzugänge in der Karosserie-Serienfertigung

Grundlagen für KI-gestützte Produktionsprozesse

Mit der zunehmenden Digitalisierung der Automobilindustrie verändern sich die
Struktur und Dynamik der industriellen Wertschöpfung grundlegend. Verkürzte Produktlebenszyklen, steigende Variantenvielfalt sowie global verteilte Produktionsnetzwerke erfordern eine engere Kopplung bislang getrennt organisierter Informationsräume, um produktionsrelevante Änderungen konsistent, zeitnah und standortübergreifend wirksam zu machen [1]. Konzepte wie der Digital Thread und der Digital Twin verfolgen hierfür das Ziel einer durchgängigen, nachvollziehbaren Datenhaltung über den gesamten Produktlebenszyklus hinweg.

Diese Arbeit überträgt die Grundgedanken dieser Konzepte auf die automobile Serienfertigung. Hier sind insbesondere Informationssysteme (IS) erforderlich, die Produktinformationen aus der Entwicklung mit Prozessdaten aus dem Shopfloor verknüpfen. Dabei müssen Änderungen aus den Entwicklungsabteilungen nahtlos in die Produktionssysteme überführt werden (Downstream), z.B. Anpassung von Schweißparametern auf Basis neuer Festigkeitsanforderungen, Änderungen aus der Produktion müssen umgekehrt systematisch in die Fachbereiche zurückfließen (Upstream). Eine besondere Relevanz erhält diese bidirektionale Integration vor dem Hintergrund KI-basierter Anwendungen, deren Wirksamkeit unmittelbar von Verfügbarkeit und Qualität der zugrunde liegenden Daten abhängt [2].

Schweißparameter lassen sich bereits datenbasiert per KI optimieren, ihre Rückführung in die Produktion erfolgt jedoch bislang weitgehend manuell [3]. Genau an dieser Rückführung setzt der vorliegende Beitrag an: er schafft die konzeptionelle Basis für ein generisches IS, das durch KI veränderte Prozessparameter nach menschlicher Freigabe deterministisch in Produktionsanlagen übertragen kann. Das IS fungiert damit als „enabling platform“, auf der vorhandene KI-Anwendungen aufsetzen können und mit Hilfe dessen diese KI-Anwendungen ihre Ergebnisse bis in die operative Ausführungsebene übertragen können. Zugleich trägt ein solches IS zur langfristigen Kompetenzsicherung bei, da automatisiert übertragene Parameter im IS dauerhaft historisiert werden können, während deren Dokumentation bislang durch die Gründlichkeit einzelner Personen limitiert wurde.

Als Untersuchungsgegenstand für den Entwurf eines solchen IS dient in dieser Arbeit der automobile Karosseriebau (Rohbau). Ziel des Beitrags ist es, die maßgeblichen Grundsätze eines IS für die bidirektionale (sowohl Down- als auch Upstream gerichtete) Übertragung strukturierter Parameter in die taktgebundenen Produktionsprozesse der Automobilindustrie abzuleiten.

Der Beitrag ist Teil einer Forschungsreihe in ebendiesem Forschungsfeld und folgt dem Paradigma des Design Science Research (DSR). Er stellt den ersten Baustein einer entstehenden Gestaltungstheorie (nascent design theory) dar und greift hierfür etablierte Lösungsmuster aus dem Industrial Internet of Things (IIoT) auf, um daraus Architekturansätze für die beschriebene Übertragung zu entwerfen (Exaptation nach [4]).

Für die vorliegende Arbeit ist zunächst die Unterscheidung der betrachteten Daten relevant. Es wird zwischen drei Typen von Parametern differenziert:

• Laufzeitvariablen, die während des Betriebs gelesen oder verändert werden (z.B. der Druck in einem Behälter),

• strukturierte Parameter-(Sets) in Form von Programmen oder Rezepten, die die Prozesslogik abbilden (z.B. ein Schweißprogramm mit definierten Soll-Werten für Strom, Spannung und Zeit), sowie

• Konfigurationsdaten mit langfristigem Charakter (z.B. die Netzwerkkonfiguration einer Produktionsmaschine).

Im Zentrum dieses Beitrags stehen strukturierte Parameter-Sets, da sie als direkte Vorgaben die Ausführung von Produktionsprozessen bestimmen.

Aktueller Stand der Forschung

Die bidirektionale Anbindung industrieller Systeme ist Gegenstand zahlreicher Forschungsarbeiten im Kontext von IIoT. So zeigen Opačin et al. [5] sowie Ungurean und Gaitan [6], dass sich industrielle Steuerungen über Message Queuing Telemetry Transport (MQTT)- bzw. Fog-basierte Architekturen bidirektional an übergeordnete Systeme anbinden lassen. Im Mittelpunkt stehen dabei jedoch vor allem Laufzeitvariablen, wobei die IoT-Fähigkeit auf Sensor- und Aktorebene beschränkt bleibt. Webbasierte Human Machine Interface (HMI)-Ansätze wie bei Jeng und Chieng [7] erweitern primär die Bedien- und Visualisierungsmöglichkeiten, ohne die strukturierte und prozesssichere Übertragung von Sollparametern in die operative Produktion zu adressieren.

Cloud- und plattformzentrierte Architekturansätze aus dem Automobilbau zeigen demgegenüber eine hohe Reife im Upstream von Maschinendaten, siehe [3] und [8]. Beide Arbeiten verdeutlichen das Potenzial zentraler Plattformen für die Aggregation und Analyse von Produktionsdaten, berücksichtigen jedoch nicht den automatisierten Downstream strukturierter Sollparameter.

Den engsten Bezug zum vorliegenden Thema weist die Digital Process Chain von Schramm et al. [9] auf. Der Ansatz beschreibt eine bidirektionale IIoT-Architektur, in der produktionsrelevante Parameter über ein zentrales IS verwaltet und über eine Middleware standardisiert an Maschinensteuerungen übergeben werden. Damit wird die grundsätzliche Überführbarkeit von Sollparametern in die Produktion gezeigt.

Zugleich verweisen die Autoren selbst auf offene Fragen hinsichtlich der Skalierung des Ansatzes in Serienproduktionssysteme. Die vorliegende sowie nachfolgende Arbeiten der Forschungsreihe greifen die Vorarbeit von [9] als konzeptionelle Grundlage auf und haben das Ziel, die genannten offenen Punkte zu adressieren.

Die betrachteten Arbeiten werden in Bild 1 unter den für diese Forschungsreihe relevanten Kriterien verglichen.

Die Gegenüberstellung in Bild 1 legt eine Asymmetrie offen: Während der Upstream von Zustands- und Prozessdaten bereits einen hohen Reifegrad erreicht hat, ist der Downstream strukturierter Sollparameter bis in die taktgebundene Ausführungsebene bislang nur in Ansätzen und in keiner der betrachteten Arbeiten durchgängig für die Serienfertigung gelöst. Aktuelle Literaturreviews bestätigen, dass Digital Manufacturing-Architekturen überwiegend auf Prototypenniveau verbleiben und bidirektionale Ansätze kaum vorhanden sind [10], [11].

Die Forschungslücke liegt daher in der Entwicklung eines Konzepts, das strukturierte Sollparameter konsistent und technologieunabhängig bis in die operative Ausführungsebene überträgt und dabei die Anforderungen an Robustheit, Verfügbarkeit und Prozesssicherheit der Karosserie-Serienproduktion erfüllt.

Angewandte Methodik und Meta AnforderungenDiese Arbeit folgt dem Paradigma der DSR [12] und strukturiert die Forschung gemäß den DSR-Phasen nach Peffers et al. [13]. Hevner et al. [12] beschreiben DSR als problemlösungsorientiertes Paradigma, das Wissen durch das Erschaffen und Evaluieren innovativer Artefakte zur Lösung praxisrelevanter Probleme gewinnt.

Als problemzentrierter Einstieg nach [13] deckt diese Arbeit die ersten beiden Aktivitäten des Modells nach Peffers ab: Problemidentifikation und Ableitung der Lösungsziele. Die Entwicklungsphase, Demonstration und Evaluation des Gesamtartefakts erfolgen in nachgelagerten Beiträgen der Forschungsreihe. Die Problemidentifikation erfolgt durch die Einleitung und den Stand der Forschung und wird im Folgenden mit Hilfe sog. Meta Anforderungen (MA) konkretisiert [13], während die Lösungsziele durch Architekturansätze (Entwurfsprinzipien) formuliert werden.

Nach dem „Knowledge Contribution Framework“ von Gregor und Hevner [4] handelt es sich um einen Wissensbeitrag der Stufe 2, eine sog. entstehende Gestaltungstheorie (nascent design theory), in Form einer Exaptation, welche etablierte Lösungsmuster aus dem IIoT auf den zuvor beschriebenen Problemkontext überträgt.

Für die bidirektionale Zielarchitektur werden zunächst die Meta Anforderung (MA) aus dem Problemkontext abgeleitet, darauf aufbauend werden Architekturansätze für den Karosseriebau entwickelt.

Die erste MA betrifft die Robustheit. Im Rohbau trifft jeder Anlagenstillstand unmittelbar die gesamte verkettete Linie und verursacht hohe Opportunitätskosten; ein IS, dessen Ausfall den Betrieb unterbricht, wäre nicht praxistauglich. Daraus folgt MA-1: Der laufende Produktionsbetrieb muss bei einem Ausfall des IS oder der Verbindung zu diesem ungestört fortführbar bleiben (produktionsunkritisch).

Die zweite MA betrifft den Zeitpunkt der Übernahme. Eine unkontrollierte Übernahme von Parametern während eines laufenden Produktionsschritts erzeugt Inkonsistenzen: Ein Schweißpunkt, dessen Strom während des Prozesses verändert wird, ist weder reproduzierbar noch qualitätsgesichert; im Extremfall drohen Produkt oder Anlagenversagen.

Daraus folgt MA-2: Strukturierte Sollparameter müssen deterministisch und prozessverträglich in die laufende Produktion übernommen werden.

Der automobile Rohbau umfasst typischerweise mehrere tausend kommunikationsfähige IIoT-Assets. Ein IS ist in diesem Umfeld daher so zu gestalten, dass es bei hoher Asset-Zahl sinnvoll skaliert. Daraus folgt MA-3: Das IS muss bei hoher Anlagenzahl wirtschaftlich und kommunikationsseitig skalierbar gestaltet sein, mit minimalem zusätzlichem Aufwand je Anlage.

Die Steuerungslandschaft in der Karosseriefertigung ist herstellerseitig heterogen. Der Anlagenpark wird über lange Lebenszyklen hinweg schrittweise erneuert, daher muss die Architektur Anlagen unterschiedlicher Hersteller und Generationen einheitlich anbinden können. Daher lautet MA-4: Der Datenzugang und die Parameterbeschreibung müssen über heterogene Anlagen hinweg standardisiert und semantisch eindeutig sein.

Eine unautorisierte Veränderung von Sollparametern kann Produkt und Anlage zerstören; daher sind kontrollierte Operational Technology (OT)/Information Technology (IT)-Übergänge und eine autorisierte Parametrierung erforderlich. Daraus folgt MA-5: Die Veränderung von Sollparametern im Downstream muss autorisiert und gegen unkontrollierten Zugriff abgesichert erfolgen.

Architekturgrundsätze der Zielarchitektur

Grundsatz 1 (erfüllt MA-3, MA-2, MA-1): Sollparameter werden im Downstream zentral und ereignisgesteuert verteilt und durch die Steuerung zustandsabhängig aktiviert.

Hierzu wird nach der übergeordneten Kommunikationslogik (Pull vs. Push) unterschieden. Beim Pull-Ansatz ruft die Anlage die Sollparameter aktiv von einer zentralen Instanz ab (Bild 2), dies erlaubt eine zustandsabhängige und damit deterministische Übernahme (siehe [9]). Im Rohbau ist Pull jedoch skalierungskritisch: Um Änderungen zeitnah zu erkennen, muss jedes der N Assets einer Technologie seinen vollständigen Satz aus x Sollparametern zyklisch abfragen, unabhängig davon, ob sich ein Parameter geändert hat.

Je Abfragezyklus entsteht so eine Last von N ·x je Technologie, über k Technologien also Q = N ·k ·x. Beim Punktschweißen fertigt eine Steuerung beispielsweise mehrere Punkte p je Takt (z.B. p = 5), die je Fahrzeugvariante unterschiedlich programmiert sein können (z.B. v = 20 Varianten). Der vorzuhaltende Programmsatz beträgt damit x = v · p = 100 je Asset. Bei N = 1000 ergeben sich allein für das Schweißen 105 Abrufe je Zyklus, über mehrere Technologien hinweg erreicht Q schnell den Millionenbereich.

Da Sollparameter im eingeschwungenen Serienbetrieb nur selten geändert werden, ist dieser Datenverkehr nahezu vollständig redundant. Verschärfend kommt hinzu, dass die Abfragen zeitlich nicht gleichverteilt sind. Da viele Stationen mit ähnlichen Taktzeiten arbeiten, können sich Abfragen phasenweise ballen, sodass das zentrale IS auf Lastspitzen auszulegen ist, die keinen Informationsgewinn tragen. Pull skaliert damit ungünstig mit der Anlagenzahl und verletzt MA-3.

Demgegenüber verteilt ein push-basiertes IS die Sollparameter bedarfsgerecht und nur bei tatsächlichen Änderungen. Die Last (Größenordnung N · fp mit der Änderungsrate fp je Asset) liegt um mehrere Größenordnungen darunter und ist nicht taktkorrelierend. Um MA-2 zu erfüllen, ist das IS um einen Puffer und einen Übernahmemechanismus im Asset zu ergänzen: Die Daten werden in den Puffer gepusht und erst zustandsabhängig durch die Steuerung in den Produktionsbetrieb überführt, sodass der laufende Prozess nicht unkontrolliert beeinflusst wird. Da der zuletzt verteilte Parametersatz lokal vorliegt, entkoppelt dies die Anlage zudem von der Erreichbarkeit der Plattform (MA-1).

Grundsatz 2 (erfüllt MA-3): Die IIoT-Kommunikationsfähigkeit ist möglichst gerätenativ abzusichern, dedizierte Hardware ist zu vermeiden.

Die Anbindung von Produktionsanlagen an zentrale Datenplattformen erfolgt heute häufig über dedizierte Hardware in Form von Edge- bzw. IIoT-Gateways [14] (Bild 3), die feldbusbasierte Kommunikation in standardisierte IIoT-Protokolle überführen und so auch Bestandsanlagen einbinden.

Bei den im Rohbau charakteristischen mehreren hundert bis tausend Assets N skaliert dieser Ansatz jedoch weder wirtschaftlich noch betrieblich (MA-3). Je Gateway fallen Anschaffungskosten CHW und meist eine jährliche, gerätegebundene Verwaltungslizenz CLic an. Über n Jahre wachsen die Gesamtkosten C(N) = N (CHW + n · CLic) linear mit N und erreichen für N = 1000, n = 10 bereits im Lizenzanteil schnell mehrere Millionen Euro. Betrieblich ergänzt jedes Gateway zudem einen eigenen Knoten mit Deployment- und Lifecycle-Aufwand und damit eine zweite, je Asset zu erfüllende Inbetriebnahme-Vorbedingung neben dem Asset selbst.

Moderne Assets verfügen demgegenüber zunehmend über native IIoT-Schnittstellen [15], [16] und werden selbst zu IIoT-Teilnehmern. Zusätzliche Beschaffungs-, Lizenz und Wartungskosten entfallen weitgehend, da Anbindung und Updates im Lebenszyklus der Assets erfolgen. Voraussetzung hierfür ist eine standardisierte Schnittstelle und Datenmodellierung (MA-4). Die gerätenative Anbindung ist daher langfristig anzustreben, Edge-Gateways bleiben Bestandsanlagen ohne native IIoT-Fähigkeit vorbehalten.
Grundsatz 3 (erfüllt MA-3, MA-5, MA-1): Sicherheits- und Koordinationsfunktionen sollten in dezentralen on-prem-Fog-Nodes gebündelt werden.

Eine Fog-Node bezeichnet eine dezentrale Recheneinheit innerhalb der IIoT-Architektur, die zwischen Shopfloor-nahen Systemen und zentralen Cloud-Diensten positioniert ist und als vermittelnde Instanz fungiert. Die Fog-Node kann im Kontext der Karosseriefertigung Koordinations- und Sicherheitsfunktionen für definierte Bereiche wie Produktionslinien oder Standorte übernehmen.

Bild 4 zeigt schematisch, wie Fog-Nodes in eine IIoT-Architektur eingebunden werden können. Statt N direkter Shop-Floor-Cloud-Verbindungen verbleiben je Fog-Node lokale Verbindungen und nach außen nur eine je Bereich (MA-3). Im Downstream können eingehende Sollparameter z.B. hinsichtlich Semantik und Versionskonsistenz vorgeprüft werden. Zugleich kann die Fog-Node als Security Enforcement Point fungieren und eine klare Trennung zwischen OT-Netzwerken und Wide Area Netzwerken realisieren (MA-5).

Grundsatz 4 (erfüllt MA-3, MA-4): Die Parameterverteilung erfolgt über einen gängigen IIoT Kommunikationsstandard (vorzugsweise MQTT) und bildet ein standardisiertes Informationsmodell ab.
Im IIoT dominieren mit Open Platform Communications Unified Architecture (OPC UA) und MQTT zwei Kommunikationsstandards. OPC UA stellt strukturierte Informationen über ein objektorientiertes, maschinenseitig implementiertes Informationsmodell bereit [3], [9] und beschreibt Sollparameter damit semantisch eindeutig (MA-4). Bei umfangreichen Parametersätzen entstehen jedoch hohe Modellierungsaufwände und durch die feingranulare Read/Write-Kommunikation viele Einzelzugriffe: Ein Satz aus P Parametern erfordert bis zu P Einzelzugriffe (Widerspruch zu MA-3).

MQTT verfolgt demgegenüber einen leichtgewichtigen, brokerbasierten Publish/Subscribe-Ansatz über Topics und ermöglicht so die effiziente, skalierbare Verteilung an viele Teilnehmer (erfüllt MA-3), gibt jedoch keine Semantik der Nachricht vor. Für den Downstream muss die Semantik der Nachricht daher außerhalb des Protokolls standardisiert werden, etwa über Verwaltungsschalen [17], um eine korrekte maschinenseitige Verarbeitung sicherzustellen (MA-4). Vor allem wegen der skalierbaren Verteilung sollte MQTT im Rohbau vorzugsweise verwendet werden. Evaluation der Grundsätze
Die Evaluation der abgeleiteten Grundsätze erfolgt gemäß [18] ex-ante artifiziell-formativ. Geprüft werden die zuvor formulierten Grundsätze analytisch gegen die Meta-Anforderungen sowie anhand eines Szenarios.

Vollständigkeit: Jede der fünf Meta-Anforderungen wird von mindestens einem
Grundsatz erfüllt (MA-1: G1, G3), (MA-2: G1), (MA-3: G1-G4), (MA-4: G4), (MA5: G3) und umgekehrt ist jeder Grundsatz auf mindestens eine Meta-Anforderung zurückführbar. Es verbleibt damit weder eine unbehandelte Anforderung noch ein anforderungsfreier und insofern unbegründeter Grundsatz.
Konsistenz: Die Grundsätze sind untereinander widerspruchsfrei und greifen ineinander: Die push-basierte, ereignisgesteuerte Verteilung (G1) ist mit der gerätenativen Anbindung (G2) und dem asynchronen brokerbasierten Transport (G4) vereinbar. Das Puffern der Parameter auf dem Asset (G1) löst den scheinbaren Widerspruch zwischen asynchronem Broker und taktgebundenem Prozess auf, indem der Determinismus auf das Asset verlagert wird (MA-2).

Szenario-Walkthrough: Ein durch die Entwicklung freigegebener und durch KI optimierter Schweißparametersatz wird ereignisgesteuert und brokerbasiert mit ergänzendem Informationsmodell verteilt (G1, G4). Auf dem Pfad zum Asset wird die Kommunikation durch eine Fog-Node abgesichert und vorgeprüft (G3). Der Schweißparametersatz wird in den gerätenativ angebundenen Assets (G2) gepuffert, bis ihn die Steuerung in einem definierten Zustand außerhalb des Zyklus aktiviert. Der Pfad durchläuft alle Grundsätze widerspruchsfrei und endet in einer deterministischen, taktgewahren Übernahme.

Eine naturalistische, summative Validierung durch quantitative Erhebungen setzt ein im Feld instanziiertes System voraus und erfolgt in nachgelagerten Beiträgen der Forschungsreihe.

Implikationen für die ArchitekturentwicklungDer Beitrag zeigt, dass die bidirektionale Anbindung von Produktionsanlagen im Rohbau kein reines Integrationsproblem ist, sondern grundsätzliche Fragen der Architekturgestaltung aufwirft. Während bestehende IIoT-Ansätze den Upstream von Zustandsdaten weitgehend abbilden, bestehen im Downstream erhebliche Defizite bei der deterministischen, zustandsabhängigen Integration strukturierter Sollparameter in getaktete Prozesse, deren Überwindung mit dem Einsatz KI-basierter Anwendungen zusätzlich an Bedeutung gewinnt. Hierfür wurden vier maßgebliche Architekturgrundsätze abgeleitet.

Weiterer Forschungsbedarf besteht in der Entwicklung und Validierung einer entsprechenden Architektur unter realen Produktionsbedingungen: Die technische Machbarkeit bidirektionaler Kommunikation ist gegeben, die zentrale Herausforderung liegt in ihrer prozesssicheren, skalierbaren und standardisierten Umsetzung.

Im Rahmen dieses Beitrags wurde das generative KI-Tool ChatGPT (Hersteller: Open AI, Version: GPT-4/5, Stand: Feburar-Juni 2026) verwendet. Der Einsatz erfolgte zur sprachlichen Überarbeitung von Textpassagen. Inhaltliche Aussagen, Bewertungen und wissenschaftliche Argumentationen wurden eigenständig formuliert.

Das könnte Sie auch interessieren

KI in der industriellen Produktion verständlich vermitteln Anforderungen an KI-Demonstratoren zur Förderung von Akzeptanz Colin Srebny, Jennifer Link , Markus Harlacher , Sascha Stowasser

Künstliche Intelligenz (KI) bietet in der industriellen Produktion vielfältige Potenziale, bringt jedoch auch Herausforderungen hinsichtlich der Akzeptanz der Beschäftigten mit sich. KI-Demonstratoren sind daher von zentraler Bedeutung, da sie praktische Erfahrungen mit KI ermöglichen. Allerdings fehlen bislang systematisch identifizierte Anforderungen an Demonstratoren, die gezielt Akzeptanz fördern und negative Emotionen adressieren. Mithilfe eines mehrstufigen Forschungsdesigns werden 69 Anforderungen identifiziert, die in funktionale Anforderungen, Qualitätsanforderungen und Randbedingungen strukturiert sind.

Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 5 | Seite 6-14 | DOI 10.30844/I4SD.26.5.1

KI-gestützte Bauzustandsprüfung von Großstrukturen Ein neuer Ansatz für die Bauzustandskontrolle Jan Sender , Konrad Jagusch , Michael Geist , David Jericho , Christian Scharr

Die Überprüfung des Baufortschritts, wie sie die Unikatfertigung großer Strukturen erfordert, ist aufgrund der hohen Komplexität und Individualität sehr zeit- und personalintensiv. Ziel dieses Beitrags ist die Entwicklung eines sensorbasierten Ansatzes zur Erfassung und Auswertung mehrerer Prüfmerkmale. Der Einsatz lernbasierter Modelle zur Detektion von Objekten und Ableitung relevanter Informationen bildet die Basis für die Verknüpfung von Zustand und Ablaufplan. Dies ermöglicht eine signifikante Effizienzsteigerung bei der Bauzustandskontrolle und eine fundierte Fortschrittsbewertung.

Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 5 | Seite 78-84 | DOI 10.30844/I4SD.26.5.9

Inklusive Arbeitssystemgestaltung Perspektiven für Automatisierung, Standardisierung und Kontextadaptivität Sebastian Schlund

Die Gestaltung inklusiver Arbeitssysteme gewinnt vor dem Hintergrund des demografischen Wandels und der zunehmenden digitalen Durchdringung von Wertschöpfungsprozessen an Bedeutung. Während klassische ergonomische Ansätze primär auf der Perzentillogik basieren und damit nur einen Teil der Nutzerpopulation adressieren, eröffnet die Integration digitaler Technologien neue Möglichkeiten zur dynamischen und individuellen Anpassung von Arbeitssystemen. Der vorliegende Beitrag stellt einen konzeptionellen Handlungsrahmen für inklusive Arbeitssystemgestaltung vor, der die Dimensionen Standardisierung, Automatisierung und Kontextadaptivität integriert. Methodisch basiert der Beitrag auf einer konzeptionellen Analyse bestehender Ansätze aus Ergonomie und Human-Centered Design. Der Beitrag leistet einen theoretischen Beitrag zur Systematisierung inklusiver Arbeitssystemgestaltung und formuliert Gestaltungsbereiche für Forschung und industrielle Praxis.

Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 5 | Seite 70-76 | DOI 10.30844/I4SD.26.5.8

Arbeitsgestaltung beim Einsatz autonomer Systeme Analyse von Änderungsbedarf zur Kompensation von Fachkräftemangel mit autonomen Systemen Tim Jeske , Sascha Stowasser , Nicole Ottersböck, Sebastian Terstegen, Rasmus Adler

Unternehmen sind zunehmend gefordert, Fach- und Arbeitskräftemangel bei steigenden Anforderungen an Produktivität, Flexibilität und Innovationsfähigkeit zu bewältigen. Während sich das Arbeitskräfteangebot nur begrenzt erweitern lässt, rückt die produktivitätsorientierte Gestaltung von Arbeitssystemen stärker in den Fokus. Autonome Systeme bieten hier erhebliches Potenzial. Ihr Einsatz erfordert neben technischen Anpassungen vor allem Veränderungen in Organisation, Kompetenzen und Arbeitsgestaltung. Im Beitrag werden empirisch fundierte Änderungsbedarfe in bestehenden Arbeitssystemen sowie damit verbundene wirtschaftliche Potenziale analysiert.

Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 5 | Seite 44-50 | DOI 10.30844/I4SD.26.5.5

Kooperationsroutinen in digitalen Ökosystemen Eine Mikrofundierung integrativer dynamischer Fähigkeiten Christian Zabel , Tahir Schmidt

Komplementoren spielen eine zentrale Rolle bei der Wertschöpfung in digitalen Ökosystemen, verfügen jedoch nur über begrenzten Einfluss und müssen sich durch dynamische Fähigkeiten anpassen. Aufbauend auf dem „Profiting From Innovation“-Rahmenwerk untersucht diese Studie, wie sich integrative Fähigkeiten bei Komplementoren durch kooperative Routinen manifestieren. Auf Basis einer systematischen Literaturrecherche von in Scopus indexierten Studien aus den Jahren 2020 bis Mitte 2025, die die Mikrofundierung „Orchestrierung von Ökosystemakteuren“ untersuchen, identifizieren wir zwei Routinecluster. Zum einen kooperieren Komplementoren untereinander durch die Auswahl geeigneter Partner, Koalitionsbildung, Ressourcenteilung und Risikoverteilung, während sie gleichzeitig kritische Ressourcen schützen. Zum anderen kooperieren sie mit Plattformbetreibern durch Interaktion über verschiedene Kanäle, Qualitätssignalisierung, Einhaltung von Governance-Vorgaben, Integration ...

Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 4 | Seite 22-28 | DOI 10.30844/I4SD.26.4.3