Autor: Dominik Augenstein

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.

Softwareentwicklung ist ein grundlegender Schritt in der Digitalen Transformation und bedingt eine gute Datengrundlage für die Entwickler, damit sie die Software passgenau auf die Bedürfnisse des beauftragenden Fachbereichs zuschneiden können. Leider sind die dafür notwendigen Datenmodelle unvollständig, oftmals einseitig vom Entwicklungsbereich erstellt und nicht im Business-Kontext eingebettet. Dies macht es weder für Entwickler noch für KI einfach, die passgenauen Algorithmen zu finden. Der vorliegende Ansatz erhöht das Verständnis und den Austausch zwischen Fach- und Entwicklungsbereich und bietet eine digitale Assistenz bei der Datenmodellierung als Grundlage für die Softwareentwicklung. Ferner können auch hier Ansätze mit KI helfen, die Qualität und Vollständigkeit der Daten zu erhöhen.

Ladungsträger sind in Fertigungsunternehmen unverzichtbar für den Transport produzierter Teile. Meist sind diese trotz ihrer „Einfachheit“ teuer in der Anschaffung, da sie passgenau für den Zweck hergestellt werden. Zur Vermeidung des Verlusts der Ladungsträger können Trackingverfahren wie GPS-Tracking eingesetzt werden, was jedoch mit Überwachungsaufwand einhergeht und den Datenschutz herausfordert, sobald die Arbeitsleistungen der Mitarbeiter in der Intralogistik überwacht werden. Die Zuordnung von Ladungsträgern zu sogenannten Clustern und ihre gemeinsame Kontrolle bietet hierbei eine Lösung – ohne die Möglichkeit von Rückschlüssen auf die Leistung der Mitarbeiter. Und nicht nur das: Künstliche Intelligenz kann diesen Ansatz optimieren und gleichzeitig vor einem Diebstahl der Ladungsträger abschrecken.

Das stetige Fortschreiten der Digitalisierung konfrontiert Unternehmen mit neuen Herausforderungen und Chancen. Unmittelbare Datenverarbeitung ist mittlerweile allgegenwärtig und die Vorteile sind offensichtlich. Doch in Deutschland herrscht eine lückenhafte Breitbandversorgung, was die Prozessverbesserung erschwert. Mathematische Ansätze und Machine Learning ermöglichen zeitnahe Optimierungen und eine reibungslose Produktion.

Disruptive Veränderungen haben in Zeiten der Globalisierung immense Auswirkungen und erfordern neue Arbeitsmodelle. Die Digitale Transformation scheint Unternehmen auf diese Herausforderungen eine Antwort zu geben, erfordert jedoch Anpassungen in immer kürzeren Zyklen. Von zentraler Bedeutung ist dabei der Mensch, der in solch eine flexible Arbeitsumgebung eingebettet werden muss und dessen Kompetenzprofil sich stark wandelt. Zur Lösung dieser Herausforderungen wird im Folgenden ein Kompetenzprofil zur Arbeit im digitalen Wandel erstellt und gezeigt, wie ein Arbeitsmodell auf dieser Grundlage einem Unternehmen ermöglicht, schnell und flexibel auf Nachfrageänderungen reagieren zu können.

Getrieben von Industrie 4.0 stehen Unternehmen vor der Herausforderung, ihre Geschäftsmodelle wettbewerbsfähig zu gestalten, um ihre Wettbewerbsfähigkeit zu erhalten und neuen Kundenansprüchen gerecht zu werden. Stichworte wie „individuelle Produktion“ und „Losgröße 1“ setzen Unternehmen dabei zunehmend unter Druck, ihre bisherige Produktion zu verändern. Tatsächlich klingt dies auch oftmals nach einer 180 Grad Wendung, vor allem für Unternehmen, die bisher mit Massenprodukten ihr Geld verdient haben und deren Geschäftsmodell nun gefährdet ist. Zudem besteht bei Industrie 4.0 die Herausforderung, dass oftmals keine Best Practices existieren und somit eine Adaption solcher Best Practices nicht möglich ist. Eine strukturierte Transformation des eigenen Geschäftsmodells hin zu Industrie 4.0 ist dennoch möglich.