Design

Hybride Entscheidungsunterstützung in der Produktentstehung

Hybride Entscheidungsunterstützung in der Produktentstehung

Mit Data Science und Künstlicher Intelligenz die Leistungsfähigkeit erhöhen
Iris Gräßler ORCID Icon, Jens Pottebaum ORCID Icon, Peter Nyhuis ORCID Icon, Rainer Stark ORCID Icon, Klaus-Dieter Thoben ORCID Icon, Petra Wiederkehr ORCID Icon
Technische Systeme sind durch eine zunehmende Interdisziplinarität, Komplexität und eine immer stärkere Vernetzung gekennzeichnet. Produkt und Produktionssystem erfordern eine disziplinübergreifende Mehrzieloptimierung. Durch den Anspruch auf Nachhaltigkeit und Kreislauffähigkeit steigt die Komplexität nochmals. Die Leistungsfähigkeit bislang etablierter Verfahren der Ingenieurwissenschaften stößt an ihre Grenzen – die sich wiederum nur durch die systematische Einbeziehung von Daten überwinden lassen. Das ist Ziel einer „Hybriden Entscheidungsunterstützung“: Data Science und Künstliche Intelligenz sollen zur Ergänzung der menschlichen Fähigkeiten in Verbindung mit bisherigen Heuristiken, Methoden, Modellbildung und Simulation genutzt werden können, um die Leistungsfähigkeit der Produktentstehung zu erhöhen.
Industry 4.0 Science | 41. Jahrgang | 2025 | Ausgabe 1 | Seite 18-25 | DOI 10.30844/I4SD.25.1.18
Kreislaufwirtschaft als holistische Strategie

Kreislaufwirtschaft als holistische Strategie

Komplexitätsmanagement im Umgang mit den Herausforderungen der Nachhaltigkeit
Joseph W. Dörmann
Die Kreislaufführung hat sich seit Jahrzehnten als eine bedeutende Strategie zur Bewältigung der Herausforderungen im Bereich der Nachhaltigkeit etabliert. Ihr holistischer Ansatz zielt darauf ab, Ressourcen effizient zu nutzen und Abfälle zu minimieren. Einer erfolgreichen Umsetzung und Ausweitung dieses Konzepts stehen jedoch zahlreiche Herausforderungen entgegen. In diesem Beitrag werden die wichtigsten Hindernisse für die Kreislaufwirtschaft identifiziert und diskutiert. Dabei werden ökonomische, technologische, soziale und politische Aspekte beleuchtet, um einen umfassenden Einblick in die Komplexität dieser nachhaltigen Strategie zu geben. Es wird betont, dass eine erfolgreiche Kreislaufwirtschaft nur durch die koordinierte Zusammenarbeit verschiedener Akteure und die Entwicklung innovativer Lösungen für die identifizierten Herausforderungen erreicht werden kann.
Industry 4.0 Science | 41. Jahrgang | 2025 | Ausgabe 1 | Seite 60-67
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
Intelligente Shopfloor-Assistenten dank KI

Intelligente Shopfloor-Assistenten dank KI

Produktivitätssteigerung durch den Einsatz generativer KI
Eckart Uhlmann ORCID Icon, Julian Polte ORCID Icon, Christopher Mühlich ORCID Icon, Yassin Elsir
In modernen Produktionsbetrieben verkompliziert oft eine heterogene IT-Landschaft den Arbeitsalltag. Ein vielversprechendes Gegenmittel ist der Einsatz intelligenter Agenten. Diese nutzen generative KI für Routineaufgaben und können so die Effizienz steigern. Ob die Integration dieser intelligenten Systeme in bestehende Netzwerke gelingt, entscheidet darüber, ob der Informationsfluss verbessert und manueller Aufwand reduziert werden kann.
Industry 4.0 Science | 40. Jahrgang | 2024 | Ausgabe 6 | Seite 64-71
Parameteroptimierung für einen Lakeinjektor

Parameteroptimierung für einen Lakeinjektor

Entwicklung einer KI-Pipeline an einem Beispiel aus der Fleischindustrie
Tim Zeiser ORCID Icon, Alexander Prange ORCID Icon, Corinna Köters ORCID Icon, Maik Schürmeyer, Theo Lutz ORCID Icon
Die Herstellung von Kochschinken bringt einige Herausforderungen mit sich. Für die Produktion werden Fleischteile mithilfe von Salzlake in einem mehrstufigen Pökel- und Garprozess verarbeitet. Dabei kann es zu Qualitätsschwankungen kommen, die auf Strukturfehler im Fleisch zurückzuführen sind. Das Resultat: Die Salzlake wird nicht optimal aufgenommen. Ein auf historischen Daten trainiertes KI-Modell soll das Problem lösen.
Industry 4.0 Science | 40. Jahrgang | 2024 | Ausgabe 6 | Seite 40-46 | DOI 10.30844/I4SD.24.6.40
Referenzprozessmodell für KI-Entwicklung im Fahrzeug

Referenzprozessmodell für KI-Entwicklung im Fahrzeug

Praxisleitfaden für die normengerechte Entwicklung von KI-Funktionalitäten in der Automobilindustrie
Sebastian Grundstein ORCID Icon, Bernhard Burger, Andreas Aichele ORCID Icon
Künstliche Intelligenz wird zunehmend in Fahrzeuge integriert, doch herkömmliche Produktentwicklungsprozesse erfassen die spezifischen Anforderungen von KI-Projekten oft nicht vollständig. Um diesen Anforderungen gerecht zu werden, wurde ein Referenzprozessmodell speziell für die Entwicklung von KI-Funktionalitäten in der Automobilbranche entwickelt. Dieses Modell soll Unternehmen dabei unterstützen, ihre herkömmlichen Softwareentwicklungsprozesse einfacher an die Besonderheiten von KI- Projekten anzupassen.
Industry 4.0 Science | 40. Jahrgang | 2024 | Ausgabe 6 | Seite 96-101
Auf dem Weg zur grünen Künstlichen Intelligenz (KI)

Auf dem Weg zur grünen Künstlichen Intelligenz (KI)

KI-Energieeffizienz und die Minimierung des CO2-Fußabdrucks von KI-basierten Systemen
Marcus Grum ORCID Icon, Maximilian Ambros ORCID Icon, Marcel Rojahn ORCID Icon
Die Reduzierung von CO2-Emissionen ist eine der dringendsten Aufgaben unserer Zeit. Gleichzeitig schreitet die Entwicklung von Künstlicher Intelligenz schnell voran. Doch KI bringt oft eine erhebliche CO2-Belastung mit sich. Eine experimentelle Erprobung grüner KI-Strategien ist daher entscheidend für ihren langfristigen Erfolg. Ein Management-Tool kann diesen Prozess unterstützen, damit sowohl Anwender als auch Führungskräfte KI als Werkzeug optimal nutzen können.
Industry 4.0 Science | 40. Jahrgang | 2024 | Ausgabe 6 | Seite 18-30
Einrichtung von Montageassistenzsystemen

Einrichtung von Montageassistenzsystemen

System zur effizienten Konfiguration von Montageanweisungen und Assistenzfunktionen
Dennis Keiser, Dario Niermann ORCID Icon, Michael Freitag ORCID Icon
In der industriellen Montage arbeitet der Mensch dank Werkerassistenz immer enger mit Maschinen zusammen. Doch trotz ihres großen Potenzials ist die Implementierung digitaler Systeme zeitaufwendig, was hohe Schulungsanforderungen mit sich bringt. Vor allem kleine und mittlere Unternehmen stoßen hier an Grenzen. Ein neu entwickeltes Einrichtungssystem soll die Einführung und Nutzung solcher Montageassistenzsysteme erleichtern und ihre Akzeptanz erhöhen.
Industry 4.0 Science | 40. Jahrgang | 2024 | Ausgabe 6 | Seite 32-39
Künstliche Intelligenz (KI) als Enabler für die Industrie 4.0?

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

Auswirkungen auf den Reifegrad von Industrie 4.0-Technologien
Dennis Richter, Mildred Doe, Steffen Kinkel ORCID Icon
Künstliche Intelligenz wird oft in einem Atemzug mit der Industrie 4.0 genannt, doch die genaue Rolle von KI ist dabei unklar. Ist KI nur eine weitere I4.0-Technologie oder ein essenzieller „Befähiger“ für andere I4.0-Technologien? Sechs Expertinnen und Experten haben bewertet, wie stark sich KI auf 41 I4.0-Technologien auswirkt. KI könnte in der Tat ein eintscheidender Faktor sein, um das volle Potenzial der Industrie 4.0 zu entfalten.
Industry 4.0 Science | 40. Jahrgang | 2024 | Ausgabe 6 | Seite 80-87 | DOI 10.30844/I4SD.24.6.80
1 12 13 14 51