Large Language Models (LLM) im Produktionsumfeld

Die produzierende Industrie stellt die zentrale Säule für das volkswirtschaftliche Wachstum und den Wohlstand innerhalb der Bundesrepublik Deutschland dar. Im Jahr 2023 war dieser Industriezweig für 24,5 % des Bruttoinlandsproduktes verantwortlich [1]. Gegenwärtig sehen sich produzierende Unternehmen jedoch mit einer in diesem Ausmaß nie dagewesenen Herausforderung konfrontiert: Dem Arbeitskräftemangel in der Produktion. So konnten im Jahr 2023 rund 54 %, im Jahr 2022 rund 58 % und im Jahr 2021 rund 53 % der Industrieunternehmen offene Stellen aufgrund des Fachkräftemangels nicht besetzen [2, 3].

Eine Möglichkeit diesem Trend entgegenzuwirken, könnte die Digitalisierung ausgewählter Unternehmensprozesse bieten. Die rasante Entwicklung der KI hat zur Entstehung von leistungsstarken Sprachmodellen – sogenannten LLMs – geführt, die in Schlüsselbereichen wie der Bildung, Medizin, Landwirtschaft, Finanzen, Unterhaltung, Rechtspraxis sowie dem Marketing und Ingenieurwesen beeindruckende Leistungen erbringen [4].

Im Zentrum der vorliegenden Studie steht eine gezielte Potenzialanalyse von LLMs zur Digitalisierung und Transformation von Produktionsabläufen in modernen Fabriken, insbesondere im Kontext des gegenwärtigen Fachkräftemangels und dem damit verbundenen Entgegenwirken durch die Steigerung der Mitarbeiterbindung.

Large Language Models und ihr heutiges Potenzial

„Generative KI … ist ein Sammelbegriff für KI-basierte Systeme, mit denen auf scheinbar professionelle und kreative Weise alle möglichen Ergebnisse produziert werden können, etwa Bilder, Video, Audio, Text, Code, 3D-Modelle und Simulationen. Menschliche Fertigkeiten sollen erreicht oder übertroffen werden“ [5].

Ein Beispiel hierfür sind LLMs, die speziell entwickelt wurden, um menschenähnliche Sprache zu erzeugen. Diese Modelle werden mithilfe von riesigen Datenmengen trainiert und nutzen Techniken wie Unsupervised Learning, um die Muster der menschlichen Sprache zu erlernen. Dabei können sie jedoch keine echten logischen Schlussfolgerungen ziehen oder komplexe kausale Zusammenhänge vollständig verstehen. Zudem haben sie oftmals Schwierigkeiten damit, Fakten korrekt zu überprüfen, Emotionen authentisch nachzuvollziehen oder ethische Entscheidungen zu treffen, da sie keine bewussten Erfahrungen oder moralische Urteilsfähigkeit besitzen [4].

Moderne LLMs repräsentieren den aktuellen Stand der Technik in der Verarbeitung natürlicher Sprache, indem sie menschenähnlichen Text interpretieren, generieren und anpassen. Diese Modelle zeigen ihre Vielseitigkeit in Anwendungen wie Textzusammenfassung, -generierung und Programmierunterstützung [4]. Bild 1 zeigt die Einordnung von LLMs im Kontext der KI.

Im industriellen Kontext finden LLMs bereits Anwendung, beispielsweise in der Vertragsanalyse im Beschaffungswesen, der Automatisierung des Kundenservice, der Softwaredokumentation und -Fehlersuche, der Fehlerbehebung bei der additiven Fertigung, sowie in der Strukturierung und Etablierung von Wissensdatenbanken, bei denen große Textmengen effizient analysiert, und relevante Informationen extrahiert werden [4, 7].

Trotz der breiten industriellen Nutzung bleibt ihr Einsatz in der Produktion bislang begrenzt. Die vorliegende Studie untersucht erstmals gezielt und unternehmensübergreifend die Potenziale von LLMs im Produktionsumfeld, unabhängig von spezifischen Anbietern, und beleuchtet deren potenziellen unternehmerischen Mehrwert zur Digitalisierung von Produktionsprozessen.

Vorstellung der Interviewpartner und angewandte Forschungsmethodik

Im Rahmen der beschriebenen Potenzialanalyse wurden dreizehn Experten aus drei mittelständischen Unternehmen aus dem produzierenden Gewerbe im deutschsprachigen Raum ausgewählt. Die Auswahl der Unternehmen erfolgte auf Basis ihrer geografischen Lage, ihres Engagements für Innovation und ihrer Bereitschaft zur Einführung neuer Technologien mit dem Ziel, ein persönliches und qualitatives Abbild produzierender Unternehmen zu generieren. Folgende anonymisierte Unternehmen wurden im Zuge dieser Studie befragt:

• Unternehmen 1: Weltweit führender Anbieter von Mobilitätslösungen mit Sitz im Regierungsbezirk Oberbayern, Deutschland, und weltweit über 35 000 Mitarbeitenden (MA).
• Unternehmen 2: Weltweit führender Anbieter von Hochpräzisionsstanzmaschinen und -technologie aus der Schweiz mit 460 Mitarbeitenden.
• Unternehmen 3: Führender Hersteller von Hydrauliksystemen mit Hauptsitz im Regierungsbezirk Schwaben, Deutschland und weltweit 2770 Mitarbeitenden.

Um eine ganzheitliche Perspektive der Unternehmen auf die untersuchten Potenziale zu gewährleisten, wurden in dieser Studie gezielt verschiedene Hierarchieebenen der gleichen Unternehmen in die Befragungen einbezogen. Die Auswahl der dreizehn Interviewpartner aus den jeweiligen Unternehmen basiert damit auf ihrer operativen Rolle und Expertise in den Produktionsprozessen und umfasst verschiedene Funktionen und Hierarchieebenen. Ausgewählt wurden: fünf Abteilungsleiter, ein Segmentleiter, zwei Schichtführer, drei Auszubildende, ein Ausbilder sowie ein Qualitätsprüfer. Darunter eine Frau und zwölf Männer im Alter zwischen 18 und 50.

Die halbstrukturierten Leitfadeninterviews erfolgten bei den jeweiligen Unternehmen. Auf diese Weise lassen sich individuelle, authentische Einblicke in die Erfahrungen der Mitarbeiter gewinnen. Diese Methode kombiniert festgelegte und spontane Fragen im Rahmen eines Leitfadens, um Raum für persönliche Perspektiven zu schaffen und flexible Reaktionen auf individuelle Antworten zuzulassen [8]. Die Flexibilität dieser Methode ist entscheidend, um individuelle Potenziale sowie spezifische Herausforderungen, die durch LLMs adressiert werden können, zu identifizieren und zu verstehen.

Alle Interviews wurden im Zeitraum von April bis Juni 2024 vor Ort in den jeweiligen Unternehmen durchgeführt. Dies ermöglichte die Beobachtung von sowohl verbalen als auch nonverbalen Signalen mit dem Potenzial, die Datenqualität zu erhöhen [9]. Vor jedem Interview wurde eine mündliche Einverständniserklärung eingeholt, die Ziele, Ablauf und Vertraulichkeit erläuterte. Alle Interviews wurden aufgezeichnet und sorgfältig transkribiert, um eine detailgetreue Datenanalyse zu ermöglichen. 

Die Datenanalyse erfolgte mittels qualitativer Inhaltsanalyse nach Mayring, die es ermöglicht, sowohl den spezifischen Kontext der Datenentstehung als auch die Einzigartigkeit der Kommunikation zu berücksichtigen [8]. Diese Methode folgt einem strukturierten Ablauf mit festen Regeln zur Kategorisierung von Textstellen, was eine systematische und nachvollziehbare Analyse der erhobenen Daten sicherstellt [10]. Um wesentliche Themen herauszuarbeiten, wurde das ursprüngliche Material als zusammenfassende Inhaltsanalyse in zentrale Paraphrasen umgewandelt und systematisch verdichtet [8].

Anschließend erfolgte eine strukturierende Inhaltsanalyse, in der deduktive Kategorien, die die Daten strukturieren, auf den Text angewendet wurden [10]. Die Kombination aus induktiver und deduktiver Vorgehensweise nutzt die Vorteile beider Ansätze, um potenziell sowohl neue Erkenntnisse direkt aus den Daten zu gewinnen als auch bestehende Theorien zu validieren [11]. Diese duale Methodik stellte sicher, dass die Analyse individuelle Ideenlieferte und zur Entwicklung detaillierter Hypothesen beitrug. Aus Gründen des gewünschten Datenschutzes wurden die teilnehmenden Unternehmen anonymisiert und weitere Artefakte der Studie nicht veröffentlicht.

Kommunikation als größtes LLM-Potenzial in der Produktion

Die Analyse der Interviews hat individuelle Beobachtungen in die zentralen Aspekte der Mitarbeiterzufriedenheit, -motivation und -bindung geliefert. Es konnten fünf potenzielle Hauptfaktoren für die Motivation bzw. Frustration der Produktionsmitarbeiter und damit potenzielle Haupteinsatzfelder für LLMs im Produktionsumfeld identifiziert und datenbasiert gewichtet werden.

Bild 2 zeigt eine entsprechend gewichtete Darstellung dieser Faktoren, die im Anschluss genauer erläutert werden. Die Gewichtung der Hauptfaktoren wurde anhand der Häufigkeit ihrer direkten oder artverwandten Erwähnung in den durchgeführten Interviews ermittelt. Die Faktoren wurden basierend auf der Anzahl der Nennungen in absteigender Reihenfolge nach ihrer Bedeutung sortiert.

Die befragten Interviewteilnehmer nannten Kommunikation als zentralen Faktor für die Motivation bzw. Frustration der Produktionsmitarbeiter. Aussagen zu dieser Kategorie fokussierten sich auf die Qualität und Effizienz der Kommunikation innerhalb des Unternehmens. Sie schließen die Notwendigkeit klarer und offener Kommunikation, den Umgang mit Kommunikationsproblemen, die Rolle von Feedbackprozessen und die Überwindung von Sprachbarrieren ein.

Unzureichende oder fehlerhafte Kommunikation resultiert ihrer Meinung nach in Informationsdefiziten, Missverständnissen und Unsicherheiten, welche die Arbeitsmoral und Mitarbeiterzufriedenheit negativ beeinflussen. Die wesentlichen Potenziale von LLMs könnten damit in der Adressierung dieser Herausforderungen, insbesondere in Bezug auf Informationsdefizite, Prozesskommunikation, Sprach- und Kulturbarrieren, hierarchieübergreifender Kommunikation sowie Feedback- und Anerkennungssysteme, liegen.

Als eine weitere übergeordnete Kategorie konnten Themen im Bereich Technologie und Prozesse identifiziert werden. Diese Kategorie beschreibt den Einsatz und die Integration von Technologie sowie die Effizienz der Arbeitsprozesse. Sie umfasst die Digitalisierung und Implementierung moderner Technologien, den Umgang mit Widerständen gegen neue Technologien, Frustrationen aufgrund ineffizienter Prozesse und den damit verbundenen administrativen Aufwand.

Dabei spielen die Effizienz und Präzision von Produktionsprozessen eine zentrale Rolle. Es wurden Herausforderungen wie manuelle, zeitaufwendige Aufgaben, ineffiziente Wissensmanagementsysteme und Schwierigkeiten bei der Implementierung neuer Technologien aufgezeigt. Ein optimiertes Wissensmanagement sowie die Automatisierung von Prozessen könnten die Frustration der Mitarbeitenden reduzieren und die Produktivität signifikant steigern.

Das dritte Einsatzfeld lässt sich unter den Begriffen Weiterbildung und Einarbeitung zusammenfassen. Aussagen, die dieser Kategorie zugeordnet werden konnten, umfassten den Prozess der Einarbeitung neuer Mitarbeiter und deren Weiterbildungs- und Entwicklungsmöglichkeiten innerhalb des Unternehmens. Weiterbildungsmöglichkeiten wurden als entscheidend für die Motivation der Mitarbeiter genannt, wobei die Analyse ein erhebliches Verbesserungspotenzial vermuten lässt. Eine standardisierte und professionelle Schulungsstruktur könnte die Effizienz und Zufriedenheit der Mitarbeiter signifikant verbessern.

Die vierte Hauptkategorie umfasst die Themen Arbeitsbedingungen und -umfeld. Diese Kategorie beschreibt die physischen und strukturellen Rahmenbedingungen der Arbeitsumgebung. Sie beinhaltet die Schichtmodelle und Flexibilität der Arbeitszeiten, ergonomische Aspekte der Arbeitsplatzgestaltung, die Verfügbarkeit und Qualität von Arbeitsressourcen sowie die wahrgenommene Sicherheit und Stabilität der Arbeitsplätze. Obwohl diese Aspekte weniger stark gewichtet wurden, spielen sie laut den interviewten Teilnehmern dennoch eine wesentliche Rolle für die Mitarbeiterzufriedenheit. Insbesondere wurden ergonomische Arbeitsplätze, stabile Arbeitsbedingungen und ein attraktives Arbeitsumfeld als wichtige Faktoren hervorgehoben.

Das abschließende Haupteinsatzfeld betrifft die Teamdynamik, die ebenfalls als ein potenziell relevanter Faktor identifiziert, jedoch im Vergleich zu den anderen Kategorien am wenigsten stark gewichtet wurde. Aussagen dieser Kategorie beziehen sich auf die sozialen und zwischenmenschlichen Interaktionen am Arbeitsplatz. Dazu gehören die Dynamik und Zusammenarbeit innerhalb von Teams, das Management von Konflikten und Anfeindungen sowie die Integration neuer Mitarbeiter in bestehende Teams. Eine gut funktionierende Teamdynamik wurde als essenziell für die Effizienz und Zufriedenheit der Mitarbeitenden genannt.

Da der Fokus dieser Studie auf dem Entgegenwirken des Fachkräftemangels durch die Verbesserung der Mitarbeiterbindung durch den Einsatz von LLMs liegt und die Hauptfaktoren Optimierung des Arbeitsumfelds sowie der Teamdynamik durch ein LLM derzeit als äußerst komplex einzustufen ist, wurden diese Faktoren im weiteren Verlauf der Untersuchung nicht als Einsatzfeld weiter vertieft. Die theoretische Einordnung der Ergebnisse zeigt eine deutliche Übereinstimmung zwischen den Interviewbefunden und der bestehenden Literatur.

Kommunikation, Prozesse und Technologien, Weiterbildung, Arbeitsbedingungen und Teamdynamik werden sowohl in den Interviews als auch in der Literatur [12, 13] als wesentliche Faktoren für die Mitarbeiterbindung anerkannt. Die Interviews bieten einen spezifische und praxisnahe Einblicke in die Herausforderungen und Bedürfnisse der Mitarbeitenden ermöglichen die Entwicklung gezielter Maßnahmen zur Verbesserung der Mitarbeiterbindung durch den Einsatz von LLMs in der Produktion der jeweiligen Unternehmen.

Praktische Anwendungen für LLMs in der Produktion 

Die identifizierten Potenziale für den Einsatz von LLMs in der Produktion stellen ein zentrales Ergebnis der hier vorgestellten Studie dar. Es wird angenommen, dass die gezeigten Potenziale Unternehmen dabei unterstützen können, dem Arbeitskräftemangel in der Produktion proaktiv entgegenzuwirken. Die Analyse der Interviews verdeutlicht, wie entscheidend diese Einsatzfelder für die Zufriedenheit und Motivation der Mitarbeitenden sind.

Vor diesem Hintergrund wurden auf Basis der durchgeführten Interviews drei spezifische und noch nicht implementierte Use Cases erarbeitet, die darauf abzielen, diese Herausforderungen in den jeweiligen Unternehmen durch den Einsatz von LLMs zu adressieren und zu optimieren.

Use Case 1: Implementierung eines LLM in ein adaptives Schulungssystem

Die Ergebnisse lassen annehmen, dass die Einarbeitung neuer Mitarbeiter ein kritischer Faktor für deren Motivation und langfristige Bindung an das Unternehmen ist. Ein adaptives Schulungssystem, das auf einem LLM basiert, kann individuell auf die Bedürfnisse und den Wissensstand der neuen Mitarbeiter eingehen, wodurch der Einarbeitungsprozess effizienter und effektiver gestaltet wird und die Akzeptanz strukturierter Einarbeitungsprozesse innerhalb der Belegschaft gestärkt werden könnte.

Darüber hinaus kann der Abbau bestehender Sprachbarrieren unterstützt werden. Dies hat das Potenzial, Nachfragerestriktionen zu reduzieren und introvertierte Mitarbeiter dazu zu motivieren, mithilfe eines Chat-Tools Fragen zu stellen.

Use Case 2: Personalisierte Mitarbeiterumfragen

Die Kommunikation und die Identifikation von Mitarbeiterbedürfnissen wurden als entscheidend für die Zufriedenheit und Loyalität der Mitarbeiter genannt. Personalisierte LLM-unterstützte Mitarbeiterumfragen könnten spezifische Probleme und Wünsche der Mitarbeiter erfassen, die mit standardisierten Umfragen möglicherweise übersehen werden. Dies könnte gezielte Maßnahmen zur Verbesserung der Mitarbeiterzufriedenheit und -bindung ermöglichen.

Use Case 3: Intelligentes Wissensmanagement-Tool

Darüber hinaus geben die präsentierten Ergebnisse Grund zur Annahme, dass ineffiziente Prozesse und schlechte Informationsverfügbarkeit zu signifikanter Frustration bei den Produktionsmitarbeitern führen. Ein intelligentes, von einem LLM verwaltetes Wissensmanagement-Tool könnte die Effizienz und Produktivität der Mitarbeiter potenziell verbessern, indem es effizienten und anwendergerechten Zugriff auf relevante Informationen erlaubt.

Zukünftiges LLM-Potenzial in der Produktion

Abschließend kann festgestellt werden, dass die Implementierung von LLMs ein attraktiver Ansatz sein könnte, um den Fachkräftemangel zu adressieren und die Arbeitsplätze im Produktionsumfeld attraktiver zu gestalten. Die Untersuchung legt nahe, dass der Einsatz von LLMs durch gezielte Implementierung die Zufriedenheit und Bindung der Mitarbeiter signifikant verbessern könnte. Um belastbare und verallgemeinerbare Aussagen zu ermöglichen, sind weiterführende Studien mit einer größeren Stichprobe und die Implementierung und Untersuchung der vorgeschlagenen Use Cases nötig.

Unternehmen sind dennoch gut beraten, die Potenziale von LLMs in allen relevanten Bereichen individuell zu analysieren, um deren spezifischen Nutzen optimal zu erschließen. Angesichts der hohen Volatilität des Anbietermarktes und der raschen technologischen Fortschritte ist es entscheidend, kontinuierlich aktuelle Entwicklungen zu beobachten und flexibel auf Veränderungen zu reagieren. Die Hochschule Kempten unterstützt interessierte Unternehmen langfristig und nachhaltig bei der flächendeckenden Anwendung von LLMs.

Derzeit arbeiten die Mitarbeiter der Hochschule intensiv an der Erarbeitung konkreter Handlungsleitfäden, die dem produzierenden Mittelstand helfen sollen, LLM-Potenziale gezielt zu identifizieren und erfolgreich in der Produktion zu implementieren. Diese Leitfäden sind ein wesentlicher Bestandteil laufender Projektvorhaben an der Hochschule Kempten und sollen dazu beitragen, die Innovationsfähigkeit und Wettbewerbsstärke der Unternehmen nachhaltig zu stärken.

Dieser Beitrag entstand im Rahmen der Zusammenarbeit zwischen den oben genannten Industrieunternehmen und der Hochschule für angewandte Wissenschaften Kempten. Einen operativen Schwerpunkt bildete dabei die Abschlussarbeit von Herrn Robin Radler zum Thema „Entwicklung eines strategischen Implementierungskonzeptes von Large Language Models zur Verbesserung der Mitarbeiterbindung in produzierenden Unternehmen“. Unser besonderer Dank gilt den genannten Unternehmen und befragten Experten für deren tatkräftige Unterstützung und Engagement.

Das könnte Sie auch interessieren

Lernfabriken für die Zukunft der Fertigung in Brasilien Förderung der Industrie durch Technologie und Kompetenzentwicklung

Fertigungsunternehmen in Entwicklungsländern stehen vor der Herausforderung, Produktivitätslücken zu schließen und gleichzeitig Industrie-4.0-Technologien einzuführen. Lernfabriken sind ein hilfreicher Ansatz, um diesen Herausforderungen zu begegnen. Ein Beispiel hierfür ist die Lernfabrik „Fábrica do Futuro“ in São Paulo, Brasilien, die Studierende einbindet, die Kompetenzentwicklung fördert und mit der Industrie in der angewandten Forschung zusammenarbeitet.

Serious Gaming und die Energiewende Kollaborativ Wissen erzeugen und interaktiv komplexe Zusammenhänge begreifen Janine Gondolf , Gert Mehlmann, Jörn Hartung, Bernd Schweinshaut, Anne Bauer

Die Vermittlung der Komplexität und Vielschichtigkeit der Energiewende an ein breites Publikum ist eine Herausforderung. Dieser Beitrag zeigt auf, wie interaktive Serious Games auf einem Multitouch-Tisch dazu beitragen können, Zusammenhänge erfahrbar und begreifbar zu machen. Spiele und Tisch wurden in verschiedenen Gesprächskontexten eingesetzt. Diese werden hier in drei Fallvignetten dargestellt, die auf teilnehmender Beobachtung der unterschiedlichen Einsätze, situierter und gemeinsamer Reflexion basieren. Die Vignetten zeigen, wie Interaktion epistemische Prozesse anstoßen, Perspektivwechsel ermöglichen und kollektives Denken fördern kann, das für gesamtgesellschaftliche Zukunftsgestaltung notwendig ist.

Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 2 | Seite 62-69 | DOI 10.30844/I4SD.26.2.62

Digitale Zwillinge in Produktion und Logistik erleben Die fischertechnik® Lernfabrik 4.0 als Entwicklungsplattform für mögliche Ausbaustufen Deike Gliem , Sigrid Wenzel , 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

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

Produktionssteuerung im All Ein KI-gestützter Ansatz für die Industrie im Orbit Dominik Augenstein, Lara Jovic

Eine Produktion im Weltraum, beispielsweise von Halbleitern, bietet viele Vorteile für Unternehmen. Gleichzeitig sorgen hohe Transportkosten dafür, dass genau abgewogen werden muss, welche Produktionsmaterialien man ins Weltall transportiert. Die Anwendung sogenannter Kalman-Filter ermöglicht dabei eine (Echt-Zeit) Steuerung von der Erde aus und damit eine kosteneffiziente Art der Weltraumproduktion. Mittels Machine Learning kann dieser Ansatz auch bei sehr komplexen Produktionssystemen Anwendung finden.

Industry 4.0 Science | 41. Jahrgang | 2025 | Ausgabe 6 | Seite 22-29

Quiz: Produktion im Weltraum Testen Sie jetzt Ihr Wissen!

Schwerelos produzieren – nur Science-Fiction oder bereits Realität? Dank neuer Raumfahrttechnologien entstehen heute erste Produktionsprozesse im All, die Materialien und Strukturen ermöglichen, die auf der Erde kaum herstellbar sind. Von ultrapuren Fasern bis zum 3D-Druck von Organen: Die Schwerelosigkeit eröffnet Industrien völlig neue Perspektiven – und bringt die Raumfertigung näher an die Gegenwart, als viele denken.