Die vor Jahren entwickelten Ansätze zur Fabrikplanung müssen an die heutigen Herausforderungen angepasst werden. Dazu wird die Grundsystematik aus dem Supply-Chain-Operations-Reference-Modell (SCOR-Modell) herangezogen und auf die Prozesse der Fabrikplanung übertragen. Ziel ist es, den Planungsprozess zu beschleunigen und bei Verringerung des Planungsaufwands gleichwohl qualitativ bessere Planungsergebnisse zu erzeugen. Dies wird mithilfe einer konsequenten Prozessorientierung auf Basis von standardisierten Prozessen, praxiserprobten Methoden, Modellen und Werkzeugen sowie exemplarischen Best-Practice-Beispielen erreicht. Dieser Beitrag erläutert den Aufbau und Inhalt des Prozessmodells der Fabrikplanung und veranschaulicht diesen anhand eines ersten softwarebasierten Prototyps.
Vertikale Fabriken reduzieren den Flächenverbrauch und erschließen die Vorteile urbaner Produktion, ihre mehrgeschossige Struktur erhöht jedoch die Planungskomplexität erheblich. Um diese zu reduzieren, stellt dieser Beitrag eine Typologie vor, die bewährte Lösungsansätze für wiederkehrende Herausforderungen in Planung und Betrieb vertikaler Fabriken vereint. Relevante Merkmale wurden anhand realer Fallbeispiele untersucht und in einem morphologischen Rahmenwerk strukturiert. Dieses wurde zu Fabriktypen konsolidiert, die Orientierung für die Konzeptplanung bieten und als Grundlage für eine intelligente Planungsunterstützung dienen.
Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 5 | Seite 68-76 | DOI 10.30844/I4SD.26.5.6
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
Flächenplanung in der Intralogistik ist aufgrund des dynamischen Umfelds keine einmalige Aufgabe, sondern ein wiederkehrender Entscheidungsprozess mit vielen Restriktionen bestehender Infrastruktur. Dabei werden Entscheidungen oft auf Basis unsicherer Daten getroffen, so dass das Risiko von Fehlentscheidungen und ineffizienten Flächennutzungen hoch ist. Dieser Beitrag stellt ein praxisorientiertes Vorgehensmodell für die Flächenbewertung im Brownfield vor: Es erhöht die Standardisierung und Konsistenz der Flächenbewertung und fördert Best Practices bei allen Beteiligten. Systematische Entscheidungen unterstützen eine optimierte Planung und Zuweisung von Ressourcen, so dass Risiken und kostspielige Fehler während der Implementierung vermieden werden. Die Demonstration des Vorgehensmodells erfolgt anhand einer Fallstudie bei einem Nutzfahrzeughersteller.
Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 3 | Seite 124-133
Künstliche Intelligenz (KI) bietet ein erhebliches Potenzial zur Verbesserung der industriellen Qualitätskontrolle, doch eine erfolgreiche Implementierung erfordert die sorgfältige Berücksichtigung ethischer und menschlicher Faktoren. Dieser Artikel untersucht, wie automatisierte Oberflächeninspektionssysteme eingesetzt werden können, um menschliche Fähigkeiten zu erweitern und gleichzeitig eine ethische Integration in die Arbeitsabläufe zu gewährleisten. Im Rahmen einer Design-Science-Research-Untersuchung (DSR) wurden zwölf Interessenvertreter aus sechs Organisationen auf drei Kontinenten befragt und zwölf soziotechnische Designanforderungen abgeleitet. Diese sind in Vorbereitungs- und Implementierungs-/Betriebsphasen unterteilt und befassen sich mit menschlichem Handeln, Mitarbeiterbeteiligung und verantwortungsvollem Wissensmanagement. Zu den wichtigsten Ergebnissen zählen die entscheidende Bedeutung einer sinnvollen Mitarbeiterbeteiligung während der ...
Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 1 | Seite 120-127 | DOI 10.30844/I4SD.26.1.120