Design

STAG – Brückenbau zwischen Produktion und IT-Welt

STAG – Brückenbau zwischen Produktion und IT-Welt

Automatisiertes Mapping für einen verbesserten Zugang zu Betriebsdaten
Oliver Amft ORCID Icon, Dovydas Girdvainis ORCID Icon, Christoph Rathfelder ORCID Icon
Das Sammeln von Daten aus verschiedenen Quellen in der Produktion und die Bereitstellung dieser Daten für verschiedene IT-Systeme ist eine der Kernaufgaben im Prozess der Digitalisierung der Fabrik. Aufgrund der unterschiedlichen Protokolle und Schnittstellen ist die Datenerfassung mit besonderen Herausforderungen verbunden. Mit dem Sensor Technology Adapter Gateway (STAG) präsentieren wir eine Lösung, die die Lücke zwischen dem Shopfloor und den IT-Systemen schließt. STAG ist eine industrietaugliche Middleware, die die Übersetzung zwischen Datenmodellen und Protokollen automatisiert.
Industry 4.0 Science | 41. Jahrgang | 2025 | Ausgabe 3 | Seite 14-22 | DOI 10.30844/I4SD.25.3.14
I4S 3/2025: Digitaler Zwilling

I4S 3/2025: Digitaler Zwilling

Praxisorientierte Ansätze für Fertigung, Logistik und Lernumgebungen
In der vernetzten Welt eröffnen Digitale Zwillinge völlig neue Möglichkeiten: Sie bilden physische Anlagen, Prozesse oder Produkte virtuell ab. Zentrale Herausforderungen aber bleiben bestehen, darunter die Erfassung aktueller Produktdaten. Diese Ausgabe von Industry 4.0 Science deckt ein breites Themenspektrum ab, vom Grundkonzept des Digitalen Zwillings über seinen Nutzen in der Beschaffung bis zum Einsatz im Lieferketten-Management.
Die Lernfabrik „InTraLab“

Die Lernfabrik „InTraLab“

Digital transformierte Arbeit erfahren und lernen
Norbert Gronau ORCID Icon, Malte Teichmann ORCID Icon
Lernfabriken bieten eine praxisnahe Umgebung zur Simulation von Produktionsprozessen, in der Lernende Kompetenzen durch direkte Anwendung neuer Technologien erwerben können. Das Industrial Transformation Lab (InTraLab) simuliert hybride Produktionsprozesse und integriert reale Demonstratoren sowie virtuelle Simulationen. Dies ermöglicht Lernenden den Erwerb von Handlungskompetenzen und Fähigkeiten, die für die digital transformierte Arbeitswelt entscheidend sind.
Industry 4.0 Science | 41. Jahrgang | 2025 | Ausgabe 2 | Seite 46-51
Mit Digitalen Zwillingen den Budgetierungsprozess optimieren

Mit Digitalen Zwillingen den Budgetierungsprozess optimieren

Dashboards und Process Mining für ein prozessorientiertes Performance Measurement
Bettina C. K. Binder ORCID Icon, Frank Morelli ORCID Icon
Die traditionelle Budgetierung gleicht oft einem mühsamen Marathonlauf voller Excel-Tabellen, manueller Abstimmungen und zeitaufwändiger Datensammlung. Moderne Unternehmen benötigen jedoch agile, datengetriebene Lösungen, die Transparenz, Effizienz und strategische Vorausschau ermöglichen. Digitale Technologien wie Digitale Zwillinge, Dashboards und Process Mining eröffnen diese Möglichkeit: Sie transformieren den Budgetierungsprozess von einem statischen Zahlenwerk zu einem dynamischen, simulationsfähigen Steuerungsinstrument. Statt sich in Detailarbeit zu verlieren, können Unternehmen hiermit Prozesse in Echtzeit analysieren, Szenarien durchspielen und fundierte Entscheidungen treffen.
Industry 4.0 Science | 41. Jahrgang | 2025 | Ausgabe 2 | Seite 52-58
Schulungen im Industrial Metaverse

Schulungen im Industrial Metaverse

Buzzword oder Chance?
Leon Schellhammer ORCID Icon, Lucas Waag, Mert Cumert, Dieter Uckelmann ORCID Icon
Metaversum-basierte Trainingsprogramme bieten eine realitätsnahe und risikofreie Lernumgebung, die besonders im industriellen Kontext wertvolle Anwendungen findet – etwa in immersiven Schulungen und der Simulation von Arbeitsabläufen. Trotz erheblicher Potenziale bestehen Herausforderungen wie Datenschutz, technologische Akzeptanz und Integration in bestehende Systeme. Zur Untersuchung der Relevanz von Schulungen im Metaverse wurden vier Experteninterviews durchgeführt. Um die wissenschaftliche Strenge zu gewährleisten, wurde bei allen Interviews derselbe Fragebogen eingesetzt. Dies ermöglichte es, die Antworten zu analysieren und vergleichbare, verlässliche Daten zu erhalten.
Industry 4.0 Science | 41. Jahrgang | 2025 | Ausgabe 2 | Seite 102-108
Arbeitsintegriertes Lernen in der Industrie 4.0

Arbeitsintegriertes Lernen in der Industrie 4.0

Eine qualitative Analyse verschiedener Assistenzsysteme in der Montage
Kathleen Warnhoff ORCID Icon
Mit Industrie 4.0 stehen viele Industriebetriebe erneut umfassenden Transformationsdynamiken gegenüber. In Digitalisierungsprojekten greifen die Werks- bzw. Betriebsleitungen neuere technische Entwicklungen wie etwa kognitionsunterstützende Assistenzsysteme auf. Mit Blick auf die industrielle Montage in der Metall- und Elektroindustrie führt dies zu veränderten Arbeitsprozessen, bei denen oft noch unklar ist, inwieweit aus Beschäftigtensicht arbeitsintegriertes Lernen stattfindet. Gegenstand dieses Beitrages ist eine qualitative Analyse, mit der die Sicht von Beschäftigten auf die Chancen und Risiken von drei kognitionsunterstützenden Assistenzsystemen nachgezeichnet wird. Das Ergebnis: nicht alle Beschäftigten in der Montage scheinen gleichermaßen von den neuen Entwicklungen zu profitieren.
Industry 4.0 Science | 41. Jahrgang | 2025 | Ausgabe 2 | Seite 20-29 | DOI 10.30844/I4SD.25.2.20
Fehlermanagement in der Produktion

Fehlermanagement in der Produktion

Aktuelle Gegebenheiten und Herausforderungen in der Industrie
Johannes Prior ORCID Icon, Milan Brisse ORCID Icon, Nikita Govorov, Robert Egel ORCID Icon, Bernd Kuhlenkötter ORCID Icon
Die vorliegende Studie untersucht unter Teilnahme von 23 Unternehmen die Praxis des erfahrungsbasierten Fehlermanagements. Ziel dieser Untersuchung ist es, zentrale Kriterien für ein effektives Fehlermanagement in der Produktion zu identifizieren. Hierzu wurde ein Fragebogen mit 77 Fragen zu acht Themenbereichen entwickelt, darunter Fehlerkultur, Dokumentation, Ursachenforschung und softwaregestütztes Wissensmanagement. In der anschließenden Analyse werden positive und negative Maßnahmen herausgearbeitet, um daraus konkrete Handlungsempfehlungen zur Optimierung des erfahrungsbasierten Fehlermanagements abzuleiten.
Industry 4.0 Science | 41. Jahrgang | 2025 | Ausgabe 2 | Seite 38-45 | DOI 10.30844/I4SD.25.2.38
Digitaler Zwilling mittels semantischer Modellierung und KI

Digitaler Zwilling mittels semantischer Modellierung und KI

Selbstlernende Entwicklung und Simulation industrieller Produktionsanlagen
Wolfram Höpken ORCID Icon, Ralf Stetter ORCID Icon, Markus Pfeil ORCID Icon, Thomas Bayer ORCID Icon, Bernd Michelberger, Markus Till, Timo Schuchter, Alexander Lohr
Der KI-basierte selbstlernende Digitale Zwilling passt sich automatisch an das reale Systemverhalten an und stellt jederzeit ein optimales Abbild eines Produktionsprozesses dar. Ein ausdrucksstarkes, semantisches Gesamtmodell dient als Basis für neuartige Ansätze der künstlichen Intelligenz (KI). Die mittels Methoden der KI gewonnenen Erkenntnisse werden in das Gesamtmodell integriert und so die Interpretierbarkeit und Erklärbarkeit der KI-Modelle verbessert. Methoden aus dem Bereich der eXplainable AI ermöglichen die automatische Beschreibung von KI-Modellen und deren Erkenntnisse sowie den Aufbau selbsterklärender Modelle.
Industry 4.0 Science | 41. Jahrgang | 2025 | Ausgabe 2 | Seite 30-36 | DOI 10.30844/I4SD.25.2.30
Warum der Einstieg in die Kreislaufwirtschaft gelingen muss

Warum der Einstieg in die Kreislaufwirtschaft gelingen muss

Die zehn R-Regeln der nachhaltigen Unternehmensführung
Ralf T. Kreutzer
Die Kreislaufwirtschaft ist aufgrund ökologischer Dringlichkeiten wie Klimawandel und Ressourcenknappheit unverzichtbar geworden, wobei der Earth Overshoot Day die Übernutzung verdeutlicht. Gesetze auf nationaler und EU-Ebene verpflichten Unternehmen zu mehr Nachhaltigkeit, während die Kreislaufwirtschaft auch die wirtschaftliche Resilienz stärkt, Innovationen fördert und Wettbewerbsvorteile schafft. Die Auswirkungen auf den Arbeitsmarkt sind jedoch umstritten, da weniger Primärressourcen und neue Produkte benötigt werden.
Industry 4.0 Science | 41. Jahrgang | 2025 | Ausgabe 2 | Seite 68-76
Intelligentes Ladungsträgermanagement

Intelligentes Ladungsträgermanagement

KI-gestützte Überwachung und Reduktion von Verlusten in der Logistik
Dominik Augenstein, Lea Basler
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.
Industry 4.0 Science | 41. Jahrgang | 2025 | Ausgabe 2 | Seite 78-84
1 10 11 12 51