Design

Die Beschaffung hat im industriellen Management in den letzten drei Jahrzehnten kontinuierlich an Bedeutung gewonnen. Aktuelle Krisen wie die globale Corona-Pandemie und der Russland-Ukraine-Krieg haben diesen Effekt noch verstärkt. Dies macht eine stärkere strategische Ausrichtung notwendig, um der gestiegenen Relevanz der Beschaffung für den Unternehmenserfolg gerecht zu werden. Zukunftsorientierung ist dabei zentral, um verstärkt Innovationen aus den Beschaffungsmärkten beizusteuern. Dafür müssen Zukunftsthemen identifiziert, Herausforderungen auf dem Weg dorthin antizipiert und Lösungsansätze herausgearbeitet werden. Auf Basis einer umfassenden Delphi-Studie mit Einkaufsverantwortlichen hat dieser Beitrag zum Ziel, hierfür das Zukunftsbild einer „Innovativen Beschaffung 2030“ zu entwickeln und entsprechende Gestaltungsimpulse zu geben.

Obwohl die Innovation von kleinen und mittleren Unternehmen (KMU) für den wirtschaftlichen Erfolg eines Landes von entscheidender Bedeutung ist, geben diese verglichen mit großen Unternehmen weniger als die Hälfte ihrer finanziellen Mittel für Forschung und Entwicklung aus. Die „offene Innovation“ soll vor allem KMU helfen, ihre Wettbewerbsposition zu verbessern. Für Regionen, die von KMU dominiert werden, ist es wichtig, ein Ökosystem zu entwickeln, das offene Innovationsprozesse unterstützt. Universitäten können innerhalb dieses Ökosystems eine Schlüsselrolle spielen. Sie unterstützen KMU mit ihrem Fachwissen in den Bereichen Wissenschaft und Technik sowie im Innovations- und Projektmanagement. Wir stellen eine Fallstudie vor, um die Rolle einer Fachhochschule in einem offenen Innovationsökosystem zu demonstrieren.

Die Verrentung der Babyboomer-Generation stellt Unternehmen vor Herausforderungen. Insbesondere ein möglicher Verlust von implizitem Erfahrungswissen steht hierbei im Fokus. Dieses Wissen ist meist nur in den Beschäftigten verankert, schwierig zu explizieren und zu übertragen. Das Projekt KI_eeper zielt darauf ab, ein effizientes KI-basiertes System zu entwickeln, das implizite Erfahrungswissen automatisiert im Arbeitsprozess identifiziert und abspeichert. Die so geschaffene Wissensbasis soll als Assistenz im Arbeitsprozess allen Beschäftigten Hilfestellung bieten. Das System wird in Zusammenarbeit mit den Beschäftigten im Betrieb bedarfsgerecht gestaltet.

Je nach Industriezweig stellt die Versorgung von Produktionsprozessen und -gebäuden mit thermischer Energie einen bedeutenden Anteil am Gesamtenergiebedarf eines Industriestandortes dar. Die Nutzung von industrieller Abwärme bietet hier die Möglichkeit, den externen Bezug von Endenergien und damit die Ursache energiebedingter Emissionen und Kosten zu reduzieren. Aufgrund mangelnder Transparenz sowie ihrer Komplexität bleiben die Potenziale in der industriellen Praxis häufig ungenutzt. Im Forschungsverbundprojekt ETA im Bestand wurde eine anwenderorientierte Softwarelösung prototypisch realisiert. Diese ermöglicht die Entwicklung und Bewertung von industriellen Energiekonzepten, um somit Umsetzungshemmnisse zu reduzieren. Hierbei finden Ansätze aus den Forschungsgebieten des Operations Research sowie der dynamischen Simulation Anwendung.

Industrie 4.0 und die zugehörigen Technologien werden für Unternehmen immer wichtiger - nicht nur, um Produktivitäts- und Umsatzwachstum realisieren zu können [1]. Eine der Schlüsseltechnologien, die Industrie 4.0 vorantreiben, ist das Industrial Internet of Things (IIoT) [1-3]. Die zugehörigen Software-Plattformen und -lösungen sind von entscheidender Bedeutung, um physische Anlagen miteinander zu vernetzen und Daten zu übermitteln, zu überwachen, zu kombinieren und zu verarbeiten [2, 4]. Auch kleine und mittlere Unternehmen (KMU) sind zunehmend auf solche Softwarelösungen angewiesen; ihnen mangelt es aber häufig an Fähigkeiten, Wissen und anderen Ressourcen [5]. Um eine effiziente Aufwands-Nutzenabschätzung treffen zu können, werden in diesem Beitrag gängige IIoT-Anwendungen unter diesem Gesichtspunkt in einer praxisnahen Forschungsumgebung analysiert.

Die Integration der betrieblichen Anwendungen wird in der DIN IEC-62264 beschrieben und auch als Automatisierungspyramide bezeichnet [1]. Dieses Integrationsmodell wurde auf der Basis des Wasserfall Modells von MRP-II entwickelt, das für die damalige Zeit bahnbrechend war [2, 3, 4]. Hier werden die betrieblichen Anwendungen hierarchisch-sequenziell durchlaufen mit den bekannten Nachteilen: viele Schnittstellen, Zeitverzögerungen, Datenverluste, Inkonsistenzen. Das Modell wird den aktuellen informatorischen Möglichkeiten der Industrie 4.0 nicht mehr gerecht.

Routenflexibilität ermöglicht eine robuste, resiliente Gestaltung der Produktion. In hochverfügbaren, dezentral gesteuerten Produktionssystemen mit Zyklen im Materialfluss kann sie jedoch zu unerwünschtem deterministisch-chaotischen Verhalten führen. Dies kann Förderengpässe zur Folge haben, die dazu führen, dass die Systemverfügbarkeit in der Praxis hinter analytisch oder simulativ ermittelten Prognosen zurückbleibt. Im Beitrag wird eine Methode vorgestellt, die Ankunftszeiten analysiert und eine Messgröße für deterministisch-chaotisches Verhalten liefert. Mittels Algorithmen der Bildanalyse werden Daten aus speicherprogrammierbaren Steuerungen oder Embedded Systems ausgewertet. Anhand eines Beispiels eines Doppelgurtbandfördersystems wird gezeigt, dass sie sowohl im voll- als auch im teilautomatisierten Betrieb einsetzbar ist. Die Methode hat zudem das Potenzial, Industrie 4.0 Steuerungsprogramme nach IEC 61499 abzusichern.