Künstliche Intelligenz (KI) als Enabler für die Industrie 4.0?

Die Begriffe Künstliche Intelligenz (KI) [1] und Industrie 4.0 (I4.0) [2] wurden in den letzten Jahren vielfach untersucht und definiert. KI beschreibt die Fähigkeit von Maschinen, menschliche Fähigkeiten zu imitieren und autonom Entscheidungen zu treffen, um Aktionen auf Basis von Daten durchzuführen und so komplexe Probleme zu lösen [3]. I4.0 bezeichnet die technologiegetriebene Vision einer vierten Industriellen Revolution, die durch die intelligente Vernetzung Cyber-Physischer Systeme (CPS) und des Internets der Dinge (IoT) ermöglicht wird, um Automatisierung, flexible Produktion und effiziente Mensch-Maschine-Interaktionen (MMI) in der Smart Factory zu fördern und die Wettbewerbsfähigkeit zu stärken [4].

Nach diesem Verständnis ließe sich KI schnell als weitere Industrie 4.0-Technologie klassifizieren. Aufgrund der vielfältigen und in Bild 1 dargestellten Anwendungsgebiete von KI [5], sollte jedoch die Frage gestellt werden, ob und in welchem Maße die einzelnen I4.0-Technologien von KI profitieren. Um diese Frage zu beantworten, wurden sechs Expertinnen und Experten befragt, inwiefern der fortschreitende KI-Einsatz den Reifegrad einzelner I4.0-Technologien in den nächsten Jahren vorantreiben wird. 

Identifikation aktueller Industrie 4.0-Technologien

In der Studie wurde zunächst eine strukturierte Literaturrecherche durchgeführt, um alle Industrie 4.0-Technologien zu identifizieren. Hierzu wurde der nachfolgende Suchstring konstruiert:

„Technolog* of Industry 4.0“ OR „Technolog* of I 4.0“ OR „Technolog* of I4.0“

Die Suche wurde mit der wissenschaftlichen Datenbank Scopus letztmalig im März 2024 durchgeführt und umfasst ausschließlich englischsprachige Publikationen aus dem Zeitraum von 2011 (Aufkommen des Industrie 4.0-Begriffs) bis 2023. Im Rahmen der Suche wurden ausschließlich die Titel, Schlüsselwörter („keywords“) und Kurzfassungen („abstracts“) von Peer-Review-Artikeln berücksichtigt. Diese Suche führte zu einem Ergebnis von 240 Publikationen.

Um die Ergebnisse der Literaturrecherche strukturiert zu dokumentieren, wurde die Preferred Reporting Items for Systematic reviews and Meta-Analyses literature search extension (PRISMA-S)-Methode angewendet [6]. Das entsprechende PRISMA-S-Flussdiagramm ist in Bild 2 dargestellt.

Um die Eignung der Publikationen zur Beantwortung der Frage, welche Technologien der I4.0 zugeordnet werden können, zu beantworten, wurden die Titel und Kurzfassungen ausgewertet. Es verblieben 19 Artikel, die sich mit Technologien im I4.0-Kontext auseinandersetzen. Nach Auswertung dieser Artikel konnten insgesamt 38 I4.0-bezogene Technologien aus der Literatur identifiziert werden [8, 9, 10]. Drei weitere Technologien wurden im Rahmen der Interviews ergänzt.

Bewertung der KI-Relevanz für Industrie 4.0-Technologien

Um die Auswirkungen von Künstlicher Intelligenz auf die 38 aus der Literatur identifizierten Industrie 4.0-Technologien zu bewerten, wurden sechs Experteninterviews durchgeführt. Jeweils drei Expertinnen und Experten haben einen unternehmenspraktischen Hintergrund bzw. sind an Hochschulen als wissenschaftlich Mitarbeitende oder Professoren tätig. Alle Experten sind promoviert und setzen sich in Ihrer täglichen Arbeit mit den Themen KI und I4.0 auseinander. Die durchschnittliche Interviewdauer betrug 43 Minuten (min. 34 Minuten bis max. 64 Minuten).

Für die Interviews wurde ein semistrukturierter Interviewleitfaden erstellt. Vor dem Interview wurde jeder Teilnehmende um eine Zustimmung zur Aufzeichnung des Gesprächs gebeten, um die Ergebnisse im Nachgang mittels der Microsoft Word Transkriptionsfunktion transkribieren zu können. Für die Auswertung der Experteninterviews wurde die qualitative Inhaltsanalyse nach Mayring gewählt. Dies ist eine systematische Methode zur Datenauswertung von Texten und anderen Materialien, um verschiedene Forschungsinteressen zu beantworten [11]. Der Schritt der Paraphrasierung der Interviews wurde mit der Analysesoftware MaxQDA durchgeführt. Die nachgelagerten Schritte der Inhaltsanalyse wurden in Microsoft Excel durchgeführt.

Einschätzung der KI-Relevanz für Industrie 4.0-Technologien

Die Expertinnen und Experten wurden in den Interviews gebeten, für die insgesamt 41 identifizierten Industrie 4.0-Technologien den gegenwärtigen Entwicklungsstand (heute) sowie den Entwicklungsstand in drei bis fünf Jahren (mit KI) unter der Annahme einzuschätzen, dass die KI-Entwicklung voranschreitet und KI besser in die jeweiligen I4.0-Technologien integrierbar sein wird (Bild 3). Die Skala für den Entwicklungsstand der I4.0-Technologien reicht von 1 (überhaupt nicht ausgereift) bis 10 (vollständig ausgereift).

Außerdem wurden die Experten dazu befragt, ob die Auflistung der I4.0-Technologien vollständig und die Zuordnung zu den Technologie-Gruppen sinnvoll ist, da diese von den Autoren selbst vorgenommen wurde. In diesem Zuge wurden im ersten durchgeführten Interview neben den 38 aus der Literatur identifizierten Technologien drei weitere Technologien genannt (Aktuatoren, Sensoren und Manufacturing Execution Systems (MES)), die somit in den Folgeinterviews noch abgefragt werden konnten. In Summe führte dies zu 41 betrachteten I4.0-Technologien.

Bei der Auswahl der Experten wurde darauf geachtet, dass diese über ein möglichst breites Wissen in den Bereichen I4.0 und KI verfügen. Aufgrund der hohen Anzahl an abgefragten Technologien, konnten die Experten jedoch zu vereinzelten Technologien nur grobe oder keine Einschätzungen geben. Unsichere Einschätzungen sind in Bild 3 daher in blauer Farbe markiert. Fühlten sich die Experten nicht in der Lage, eine Technologie einzuschätzen oder kannten diese nicht, ist dies mit einem X markiert. Für die Technologien Nanotechnologie (1 Einschätzung), Fog Computing (2 Einschätzungen) sowie Advanced Robots, Blockchain, Holographie, 3G und 4G (je 3 Einschätzungen) wurden zu wenige Rückmeldungen gegeben, sodass diese in den nachfolgenden Ausführungen nicht berücksichtigt werden.

Lagen die Einschätzungen der Experten zwischen zwei Werten, wurde der Mittelwert gebildet. In der Spalte „Entwicklungsstand mit KI“ sind Werte unterstrichen, die gegenüber dem heutigen Entwicklungsstand in den nächsten drei bis fünf Jahren laut einzelnen Experten nicht von KI profitieren. Mit „k.P.“ sind Technologien markiert, die entsprechend vereinzelter Einschätzungen keinen Produktionsbezug aufweisen.

Nach Einschätzung der Experten wird die Technologie-Gruppe der Robotik in den kommenden Jahren am stärksten vom technologischen Fortschritt der KI profitieren (durchschnittliche Steigerung um 2,36). Auch die Gruppen der Management Software, Simulation, des Internets der Dinge, der Cloudsysteme, autonomen Fahrzeuge, Visualisierungstechnologien, der Cyber-Physischen Systeme und Cybersicherheit profitieren mit durchschnittlichen Steigerungsraten zwischen 1,90 und 1,29 überdurchschnittlich stark vom Voranschreiten der KI-Entwicklung. Die Gruppen der Sensoren, Datenanalysen und Additiven Fertigung liegen mit Werten zwischen 1,14 und 0,83 leicht unter dem Gruppendurchschnitt von 1,31. Die Gruppen der Identifikationstechnologien und drahtlosen Netzwerke sowie alle darin enthaltenen Technologien scheinen nicht von KI zu profitieren.

Unter den Technologien, die von mindestens vier Experten hinsichtlich des heutigen und zukünftigen Entwicklungsstandes mit KI eingeschätzt werden konnten, wird der automatisierte Datenanalyse-Ansatz Edge Analytics mit einer Steigerung von 2,88 am stärksten von KI profitieren. Es folgen unterschiedliche Arten industrieller Roboter wie Kollaborative Roboter (Cobots) und autonome Roboter mit Werten von 2,50 und 2,42. Laut den Experten wird erwartet, dass KI bspw. die Lernfähigkeit und Sicherheit der Roboter verbessert. Cyber-Physische Systeme (2,13) und der Digitale Zwilling (2,08) werden sich in den nächsten Jahren mit KI-bedingten Steigerungsraten über 2,0 voraussichtlich ebenfalls besonders stark weiterentwickeln.

Wenig von KI können hingegen Aktuatoren (0,90), der 3D-Druck (0,83), Big Data (0,80) und das Cloud Computing (0,30) profitieren. Aktuatoren können nur dann von KI profitieren, wenn diese über eine eigene Recheneinheit verfügen und bei Big Data stellt sich die Frage, ob diese Technologie nicht eher eine Grundlage für den KI-Einsatz darstellt. Beim 3D-Druck sind die direkten Abhängigkeiten der Technologie von KI laut den Experten nur sehr gering, und Cloud Computing ist für die meisten Anwendungsfälle bereits recht ausgereift, sodass hier nur noch geringfügige Entwicklungssprünge zu erwarten sind. 

Die gegenwärtig geringsten Entwicklungsstände unter den I4.0-Technologien weisen das Industrielle Internet der Dinge (IIoT) und der Digitale Zwilling (je 4,3) auf, gefolgt von autonomen Fahrzeugen (4,7) sowie dem ubiquitären Computing und Kollaborativen Robotern (je 4,8). Dies ist laut einigen Experten darauf zurückzuführen, dass diese Technologien vergleichsweise viele Abhängigkeiten aufweisen. So gehören bspw. Sicherheitsbedenken, rechtliche Fragen und fehlende Standards zu den Gründen, für den vergleichsweise geringen Entwicklungsstand dieser Technologien. 

Die beiden Spalten zur „Variation der Einschätzungen unter den Experten“ geben Aufschluss darüber, inwiefern eine hohe Übereinstimmung unter den Experten hinsichtlich des Entwicklungsstandes der einzelnen I4.0-Technologien herrscht. Geringe Werte sprechen dafür, dass diese Technologien einem gemeinsamen Verständnis unterliegen.

Einblicke in die Sicht der Experten

Drei Expertinnen und Experten stellten die Frage, wann von einer vollständig ausgereiften Technologie gesprochen werden kann. Es wurde darauf hingewiesen, dass der Entwicklungsstand einer Technologie nur relativ zu beantworten sei, da nie klar ist, wie sich eine Technologie in Zukunft weiterentwickelt. Grundsätzlich sind primär diejenigen Technologien ausgereift, die nicht mehr weiterentwickelt werden, da sie bspw. durch eine neue Technologie überholt sind. Dies ist gut anhand der Technologien 3G, 4G und 5G zu erkennen [12].

Anderenfalls können Technologien recht weit entwickelt sein, aber dennoch keinen finalen Reifegrad aufweisen, da potenziell noch die Möglichkeit einer Weiterentwicklung besteht. In einem Interview wurde außerdem darauf hingewiesen, dass Künstliche Intelligenz nicht als einzige Technologie für den Reifegrad anderer Technologien verantwortlich ist und folglich nicht ausschließlich durch KI der maximale Reifegrad erreicht werden kann. 

Zwei Experten merkten in den Interviews an, dass Big Data eine Voraussetzung respektive ein Befähiger (Enabler) für KI darstellt und somit nicht von der KI-Weiterentwicklung profitiert. Außerdem wurde in zwei Interviews darauf hingewiesen, dass Big Data selbst nicht als Technologie betrachtet werden sollte, sondern nur das Data Mining, das wiederum durch KI optimiert wird. Andere Experten erachteten Big Data jedoch auf Rückfrage als Technologie. Drei Mal wurde darauf hingewiesen, dass in der Realität kein nennenswerter Unterschied zwischen dem Internet der Dinge und Cyber-Physischen Systemen besteht und diese Technologien daher zusammengefasst werden könnten.

In einem Interview wurde näher auf den Zusammenhang zwischen KI und dem 3D-Druck eingegangen. Demnach wird die Additive Fertigung nur indirekt durch KI optimiert, indem KI bspw. für die Akustikprüfung eingesetzt wird, um zu erkennen, ob 3D-gedruckte Bauteile einen Fehler aufweisen. Dies stellt jedoch keine direkte Verbesserung des 3D-Drucks dar. Nach der Einschätzung von zwei Experten sollte der Digitale Zwilling nicht den Visualisierungstechnologien, sondern der Simulation zugeordnet werden. Ebenfalls zwei Experten stellten infrage, ob Nanotechnologie der Gruppe der Sensorik zugeordnet werden kann.

Drei der Experten wiesen darauf hin, dass vereinzelte Technologien voneinander abhängen oder nicht trennscharf sind und es somit leichter wäre, die Technologiegruppen zu bewerten. Ein Beispiel dafür stellen die aus der Literatur identifizierten Arten von Robotern dar, die von drei Experten hinsichtlich ihrer inhaltlichen Trennschärfte kritisiert wurden. Da die vier Roboterarten aus voneinander unabhängigen Artikeln entnommen wurden, bestehen inhaltliche Redundanzen zwischen den aufgeführten Robotertypen. Eine Reduktion auf zwei bis drei relevante Typen wurde daher angeregt (Ansätze hierzu liefern Soori u. a. [13]).

Dennoch wird die Gruppe der Industrie-Roboter massiv von KI profitieren. Die Simulation als Technologie ist laut zwei Experten zu allgemein, da sich zu viele unterschiedliche Technologien mit unterschiedlichen Entwicklungsständen hinter diesem Begriff verbergen. Hier bedarf es einer Unterscheidung in die einzelnen Technologien.

In einem Interview wurde auf das Fehlen der Bio-Sensoren hingewiesen, die im Kontext der I4.0 zunehmend an Bedeutung gewinnen und daher in die Befragung integriert werden sollten. Der Entwicklungsstand würde sich nach der Einschätzung in diesem Interview in den nächsten Jahren durch KI von 4 auf 5 entwickeln. Ferner wurde einmal angemerkt, dass fahrerlose Transportsysteme in der Gruppe der autonomen Fahrzeuge fehlen. Der Entwicklungsstand würde sich in den nächsten Jahren durch KI von 6 auf 7 entwickeln. 

In einem Interview wurde auf die Bedeutung der in dieser Arbeit genutzten Skala hingewiesen. Demnach wirkt eine durchschnittliche Steigerung durch KI um den Wert 1 klein, bringt in der Praxis aber eine enorme Steigerung der Reife mit sich, die mit hohem Aufwand verbunden ist.

Künstliche Intelligenz als Enabler für die vierte Industrielle Revolution

Nachdem die Expertinnen und Experten die einzelnen Industrie 4.0-Technologien hinsichtlich des heutigen und künftigen Entwicklungsstandes (mit KI) eingeschätzt haben, wurde die Frage gestellt, ob KI eine Befähigertechnologie für I4.0 ist. Alle sechs Experten untermauerten die Ergebnisse aus den qualitativen Einschätzungen, indem sie KI als eindeutigen Befähiger (Enabler) für viele, wenn auch nicht alle Industrie 4.0-Technologien klassifizierten. Einen technologischen Befähiger definierten drei Experten dabei als Technologie, die bestehende Prozesse, Abläufe oder Produkte in Form von Qualität und Effizienz im Vergleich zu einem vorherigen Zustand verbessert oder neue Eigenschaften ergänzt. Dies steht im Einklang mit dem Verständnis zu technologischen Befähigern in anderen Studien [14].

Die Befähiger-Rolle von KI sei daran zu erkennen, auf wie viele andere I4.0-Technologien KI einwirkt und wie weit verbreitet KI heutzutage bereits im Produktionskontext ist. KI sei eine Schlüsselvariable in der intelligenten Fabrik, um die Prognosefähigkeit und Adaptierbarkeit der Technologien zu verbessern. KI sei ferner ein zentrales Teil des Puzzles, das für die flächendeckende Realisierung der I4.0 notwendig ist. So sei durch KI eine Generalisierung in der Industrie 4.0 zu erwarten. Ganz allgemein würden I4.0-Technologien durch KI immer dann einen höheren Reifegrad erreichen, wenn Daten und vernetzte Systeme zum Einsatz kommen.

Es ist anzumerken, dass sich die Experten in dieser Studie nicht mit allen betrachteten Technologien gleichermaßen auskannten und diese Befragung mit einer größeren Anzahl an Experten durchgeführt werden sollte. Einige der Technologien sind recht neu und gehören (noch) nicht direkt zum Kern von Industrie 4.0, sodass die Einschätzungen hier weit auseinander gehen (bspw. Nanotechnologie). Es wäre ratsam, Experten für speziell diese Technologien zu befragen.

Aufgrund des ohnehin hohen Zeitaufwands für diese Befragung, wurde darauf verzichtet, die einzelnen Technologien vor der Bewertung detailliert zu besprechen. Künftige Arbeiten sollten sich darauf konzentrieren, ein gemeinsames Verständnis der Technologien sicherzustellen. Außerdem könnten alternative Skalen für die Befragung, wie von Townes vorgestellt [15], genutzt und die vollständige Reife einer Technologie vor der Befragung klarer definiert werden.

Abschließend betrachtet bietet diese Arbeit einen wichtigen und realistischen Blick auf die Relevanz der KI im I4.0-Kontext, indem die Rolle von KI als I4.0-Befähiger quantifiziert wird.

Dieser Beitrag entstand im Rahmen des Projekts „Kompetenzzentrum KARL – Künstliche Intelligenz für Arbeit und Lernen in der Region Karlsruhe“, das vom Bundesministerium für Bildung und Forschung (BMBF) im Programm „Zukunft der Wertschöpfung – Forschung zu Produktion, Dienstleistung und Arbeit“ (Förderkennzeichen: 02L19C250) gefördert und vom Projektträger Karlsruhe (PTKA) betreut wird.

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

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

KI-basierte Dokumentationssysteme in der Pflege Potenziale zur Verbesserung der Dokumentationsqualität und zur Entlastung des Pflegepersonals Sophie Berretta , Elisabeth Liedmann , Paul-Fiete Kramer , Anja Gerlmaier, Christopher Schmidt

In Zeiten des demografischen Wandels, der mit einem wachsenden Pflegebedarf und Fachkräftemangel einhergeht, rücken KI-basierte Technologien zunehmend in den Fokus pflegebezogener Innovationen. Erwartet werden Entlastung, Zeitersparnisse und eine höhere Attraktivität des Pflegeberufs. Der Beitrag untersucht am Beispiel der KI-gestützten Dokumentation von Aufnahmegesprächen, inwiefern solche Systeme Arbeits- und Pflegequalität verbessern können. Im Zentrum stehen die Perspektiven von Pflegekräften und -expert:innen. Die Ergebnisse zeigen Potenziale zur Entlastung, Steigerung der Dokumentationsqualität und Freisetzung zeitlicher Ressourcen für die direkte Pflege. Voraussetzung ist eine humanzentrierte, kontextsensibel gestaltete Implementierung.

Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 1 | Seite 154-160 | DOI 10.30844/I4SD.26.1.154

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