Branche: KMU

Industrie 4.0 – Fortschritt und Digitalisierung in der Schwebe

Industrie 4.0 – Fortschritt und Digitalisierung in der Schwebe

Status der nachhaltigen Transformation und Digitalisierung in der Produktionstechnik
Christian Donhauser ORCID Icon, Daniel Riepl
Digitalisierungsprojekte helfen dem Anwender, komplexe Prozesse einfacher und effizienter darzustellen. Allerdings gibt es viele Hemmnisse, welche die Umsetzung deutlich erschweren. Zurückhaltung bei der Umsetzung ist spürbar. Dies trifft unter anderem Arbeitgeber und Arbeitnehmer, die durch das Warten oder Vermeiden ins ökonomische Abseits geraten können. Diese Beobachtungen lassen sich auf eine übergeordnete wissenschaftliche Leitfrage zurückführen: Welche Barrieren und systemischen Herausforderungen erschweren eine nachhaltige Transformation im Rahmen von Industrie 4.0, insbesondere unter Berücksichtigung menschlicher Arbeit in der Produktionstechnik? Welche Fragen stellen sich die betroffenen Akteure? Das wesentliche Ziel dieser langfristig ausgelegten Forschungsarbeit ist es, diese Fragen dezidiert und im Detail zu konkretisieren, um daraus ein konzeptionelles Fundament zu entwickeln, das Forschung, Lehre und technologische Entwicklung integriert und die Potenziale ...
Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 3 | Seite 56-60
I4S 2/2026: Lernfabriken

I4S 2/2026: Lernfabriken

Motoren der Forschung – Lernumgebungen für die Industrie 4.0
Lernfabriken haben sich in den letzten Jahren zu zentralen Experimentierumgebungen im Kontext der vierten industriellen Revolution entwickelt. Neben ihrer Rolle als Ausbildungsstätten für Fachkräfte fungieren sie auch als Reallabore für die Wissenschaft. Diese Ausgabe von Industry 4.0 Science untersucht Lernfabriken als Einführungsorte neuer Ansätze und Technologien – ob digitale Assistenten, Cobots, Serious Gaming oder Digitale Zwillinge.
I4S 1/2026: Angewandte KI-Ethik am Arbeitsplatz

I4S 1/2026: Angewandte KI-Ethik am Arbeitsplatz

Eine gemeinsame Verantwortung – von der Radiologie und Sprachtherapie bis zur Montage
KI-Ethik am Arbeitsplatz liegt nicht allein in der Verantwortung von Unternehmen, sondern erfordert das bewusste Handeln von Individuen – ob Entwicklerin oder Nutzer, Führungskraft oder Mitarbeiter. Zentrale Themen drehen sich um ethische KI-Kompetenzen sowie Fragen von Governance und Arbeitnehmervertretung. Wie wird sich die Arbeitswelt von Radiologie und Sprachtherapie bis zu Montage und Qualitätskontrolle verändern?
Explainable AI – XAI

Explainable AI – XAI

Damit KI nicht nur clever klingt, sondern auch im Business funktioniert
sponsored
Europas Unternehmen investieren massiv in KI. Doch viele KI-Projekte bleiben in der Pilotphase stecken. Nicht, weil die Systeme schlecht sind, sondern weil sich ihre Ergebnisse niemand erklären kann. „Der Algorithmus hat’s gesagt“ ist keine Basis für teure Entscheidungen. Backwell Tech hat eine KI entwickelt, die nicht nur schlau, sondern auch nachvollziehbar ist. Nur so wird KI zum Marktvorteil.
Modelle zur strukturellen Einbindung von Künstlicher Intelligenz

Modelle zur strukturellen Einbindung von Künstlicher Intelligenz

Ein Vergleich verschiedener Organisationsansätze
Sascha Stowasser
Künstliche Intelligenz hält Einzug in alle Unternehmensbereiche. Jedoch fehlt oft die Antwort auf eine zentrale Frage: Wer steuert eigentlich den Einsatz von KI? Zwischen Pilotprojekt und Strategie klafft eine Lücke, wenn Rollen unklar und Strukturen diffus bleiben. Dieser Beitrag zeigt anhand von vier konkreten Modellen, wie Unternehmen KI organisatorisch verankern können. Ohne Organisation bleibt KI Stückwerk, mit der richtigen Struktur kann sie erfolgreich in den Unternehmensalltag integriert werden.
Industry 4.0 Science | 41. Jahrgang | 2025 | Ausgabe 5 | Seite 144-151 | DOI 10.30844/I4SD.25.5.144
Maschinelles Lernen zur Förderung von Nachhaltigkeit

Maschinelles Lernen zur Förderung von Nachhaltigkeit

Unternehmensanalyse auf Basis von Experteninterviews
Niklas Bode ORCID Icon, Lukas Nagel ORCID Icon, Oskay Ozen ORCID Icon, Matthias Weigold ORCID Icon
In diesem Beitrag werden die Ergebnisse von zehn Experteninterviews über den Einsatz von Maschinellem Lernen zur Förderung der unternehmerischen Nachhaltigkeit skizziert und der Literatur gegenübergestellt. Die Untersuchung zeigt, dass wirtschaftliche Faktoren den Einsatz von Maschinellem Lernen (ML) antreiben. Die Einführung der Technologie wird sowohl durch das Top-Management als auch durch die Fachabteilungen initiiert. Fundierte Strategien zur Umsetzung von ML-Anwendungsfällen sind selten vorhanden. Dabei basieren Anwendungsfälle häufig auf überwachtem Lernen. Die ökologischen Auswirkungen überwiegen gegenüber den sozialen Auswirkungen. Häufig können Emissionsreduktionen realisiert werden, wobei Quantifizierungen schwerfallen. Jedoch behindert der Mangel an Vertrauen, Fachwissen und Kommunikation die Einführung von Maschinellem Lernen, während einige technischen Herausforderungen bezüglich der Datenanforderungen auch Probleme für Maschinelles Lernen bereiten.
Industry 4.0 Science | 41. Jahrgang | 2025 | Ausgabe 4 | Seite 44-51 | DOI 10.30844/I4SD.25.4.44
Enabler für den Digitalen Zwilling

Enabler für den Digitalen Zwilling

Was ist erforderlich für eine Technische Dokumentation 4.0?
Christian Koch, Lukas Schulte, René Wöstmann, Jochen Deuse ORCID Icon
Die zunehmende Heterogenität und Komplexität industrieller Anlagenkomponenten verschiedener Hersteller erschwert die einheitliche Handhabung technischer Dokumentationen. Zusätzlich stellt die geforderte Flexibilität bei Systemänderungen eine Herausforderung für die langfristige Nutzbarkeit und rechtssichere Gestaltung dieser Dokumentationen über den gesamten Lebenszyklus cyber-physischer Produktionssysteme dar. Dieser Beitrag eröffnet eine Diskussion zur Technischen Dokumentation 4.0, indem er bestehende Vorgaben und Ansätze systematisch charakterisiert und daraus ein Konzept für ein ganzheitliches Dokumentationsschema ableitet.
Industry 4.0 Science | 41. Jahrgang | 2025 | Ausgabe 4 | Seite 76-85
Echtzeitfähige Überwachung des CO₂-Fußabdrucks für KMU

Echtzeitfähige Überwachung des CO₂-Fußabdrucks für KMU

Nachhaltigkeit in Echtzeit – Vom Betrieb bis zum fertigen Produkt
Henning Strauß ORCID Icon, Julian Sasse ORCID Icon
Obwohl KMU nicht direkt von den gesetzlichen Berichtspflichten zur CO₂-Bilanzierung betroffen sind, stehen sie als Zulieferer in der Pflicht, den Anforderungen der Nachhaltigkeitsberichterstattung gerecht zu werden. Hierfür ist neben einer ganzheitlichen Lebenszyklusanalyse eine qualitativ hochwertige Datenbasis innerhalb der Produktion erforderlich, um den spezifischen CO₂-Fußabdruck zu bestimmen. Ein zentrales Element ist dabei die Implementierung eines Machine Carbon Footprint (MCF). Die Entwicklung und Implementierung eines MCF unter dem Fokus der Anwendbarkeit für kleine und mittelständische Unternehmen soll Ziel dieses Beitrags sein. Hierfür werden Daten an einer Werkzeugmaschine in Echtzeit erfasst und visualisiert. Die Messdaten werden dann mithilfe von Open-Source Low-Code-Plattformen verarbeitet, gespeichert und visualisiert. Diese Echtzeitdaten bilden die Grundlage für die genaue Bestimmung des produktionsspezifischen CO₂-Fußabdrucks sowie in Verbindung mit ...
Industry 4.0 Science | 41. Jahrgang | 2025 | Ausgabe 3 | Seite 102-109
I4S 1/2025: 40 Jahre Digitale Transformation der Industrie

I4S 1/2025: 40 Jahre Digitale Transformation der Industrie

Zentrale Forschungsfragen der Produktion und Logistik von morgen
Die Digitale Transformation ist seit Jahren ein zentraler Fokus wissenschaftlicher Diskussionen. Fragen zu datengetriebenen Entscheidungen, Künstlicher Intelligenz und resilienten Lieferketten stehen im Mittelpunkt aktueller Forschung. Die Beiträge dieser Ausgabe erläutern zentrale Trends und präsentieren wissenschaftliche Erkenntnisse sowie praxisnahe Lösungen – von der Automatisierung über die Kreislaufwirtschaft bis hin zu Cloud Computing.
Large Language Models (LLM) im Produktionsumfeld

Large Language Models (LLM) im Produktionsumfeld

Eine Potenzialanalyse zur Transformation von Produktionsabläufen in modernen Fabriken
Pius Finkel ORCID Icon, Peter Wurster ORCID Icon, Robin Radler
Die rasante Entwicklung von generativer Künstlicher Intelligenz weist der produzierenden Industrie neue Wege inmitten des Fachkräftemangels. Mit Large Language Models lassen sich Produktionsabläufe in mittelständischen Unternehmen potenziell effizienter machen. Doch woran bemisst sich diese Stärke genau? Zentrale Einsatzfelder wie Kommunikation, Weiterbildung und Wissensmanagement zeigen, warum auch hier viel von der Akzeptanz der Mitarbeitenden abhängt.
Industry 4.0 Science | 40. Jahrgang | 2024 | Ausgabe 6 | Seite 48-55 | DOI 10.30844/I4SD.24.6.48
1 2 8