Translate

Wie selbstverständlich sind viele Flächen neben unseren Autobahnen mit Logistikgebäuden besiedelt; doch in der ökologischen Diskussion tauchen häufig “nur” die LKWs auf der Straße auf. So ist die Transportlogistik mit rund 87 % der durch Logistik global freigesetzten Treibhausgasemissionen der Hauptverursacher. Doch auch die 13 %, die auf Logistikimmobilien entfallen, und etwa den jährlichen Emissionen Polens [1] entsprechen, bieten reichlich Verbesserungspotenzial [2]. Auf Basis einer umfangreichen Literaturrecherche, liefert der folgende Beitrag einen Einblick in den aktuellen Stand der Wissenschaft zum Thema ökologische Logistikgebäude.

Großprojekte der Bauindustrie, steigende Komplexitäten von Maschinenbau- und Produktionsanlagen, die Fertigung hochkomplexer Konstrukte sowie unzählige Projektbeteiligte: Alles unter einen Hut zu bekommen, erfordert bereits in der Planung hohe Genauigkeit. Digitale Mittel helfen dabei, Transparenz zu schaffen, den Überblick über anfallende Daten zu behalten und Fehlerquoten zu minimieren. Die Phase der realen Projektumsetzung prägt jedoch eine digitale Lücke. Digitale Daten, gespeichert und verarbeitet in Termin- und Ablaufplänen, Diagrammen oder CAD-Tools, finden ausgedruckt zurück ins Analoge. Involvierte Personen erfassen und dokumentieren Informationen während der Umsetzung nur auf Papier und nicht digital. Wenn doch, verbleiben Daten isoliert in Systemen. Innovative Projektmanagement-Software sorgt für Datenaustausch in Echtzeit und schließt damit die digitale Lücke.

Mithilfe von Industrie 4.0-Reifegradmodellen können Unternehmen ihren Leistungsstand im Kontext Industrie 4.0 systematisch erfassen. Mit der Ermittlung des Status Quos ist in aller Regel die Frage verbunden „Wo wollen wir zukünftig hin?“. Vor dem Hintergrund, dass Unternehmen aus unterschiedlichen Gründen nicht immer das grundsätzlich Mögliche einführen können, ist die Beantwortung dieser Frage nicht trivial. Ist sich ein Unternehmen über seine I4.0-Zielposition vermeintlich im Klaren, führen äußere Einflüsse häufig dazu, dass die Zielerreichung erschwert wird, was oftmals eine Anpassung der Zielposition zur Folge hat. Es gilt also, diese Umstände bereits in der Planung zu berücksichtigen. Der vorliegende Beitrag zeigt auf, wie Umfeldentwicklungen bei der Ermittlung einer Erfolg versprechenden I4.0-Zielposition von Unternehmen einbezogen werden können.

Der fortschreitende technologische Wandel, die Globalisierung der Märkte sowie zunehmend steigende Kundenanforderungen haben zu einem deutlichen Anstieg der Komplexität in produzierenden Unternehmen und deren Supply Chains geführt. Unternehmen und gesamte Wertschöpfungsketten begegnen dieser Entwicklung u. a. mit Produktmodularisierungsstrategien. In diesem Kontext findet jedoch die Untersuchung der Einflüsse von Produktmodularisierung auf die Supply Chain nur wenig Beachtung. Dies kann in der Folge zu ungenutzten Potenzialen und zusätzlichen Risiken, wie dem Verlust der Kernkompetenzen, führen. Vor diesem Hintergrund beschäftigt sich der vorliegende Beitrag mit Prozessen und Erfolgsfaktoren, die sich durch eine gemeinsame Betrachtung von Produktmodularisierung entlang der Supply Chain ergeben. Auf Basis einer systematischen Analyse wissenschaftlicher Literatur und leitfadengestützten Experteninterviews wurden ein Vorgehensmodell mit unterschiedlichen Phasen und Schritten ...

Die wachsende Menge verfügbarer Daten aufgrund der Digitalisierung der Wertschöpfung beschleunigt den Wandel produzierender Industrien zu Anbietern kundenorientierter Dienstleistungen. Smart Services als digitale Dienstleistungsangebote stehen exemplarisch dafür. Die Analyse von Experteninterviews als auch von Anwendungsfällen aus der Unternehmenspraxis zeigt jedoch, dass das Wissen, wie solche Smart Services entwickelt werden können, immer noch rudimentär ist. In diesem Beitrag wird ein Rahmenkonzept für ein Smart Service Lifecycle Management vorgestellt, das die systematische Entwicklung von Smart Services unter Berücksichtigung von Geschäftsmodellen und des Wertschöpfungsnetzwerks unterstützt. Das Rahmenkonzept wird anhand eines Anwendungsbeispiels aus der Textilindustrie exemplarisch implementiert und validiert.

Unternehmen befinden sich schon immer in einen konstanten Wandel, welcher heutzutage u. a. eng mit den Schlagworten „Digitalisierung“ und „Agilität“ verknüpft ist. Dabei können agile Methoden speziell in komplexen Projekten Wegbereiter für eine zielgerichtete Digitalisierung sein und andererseits digitale Technologien eine agilere Arbeitsweise fördern. Dieser Beitrag fokussiert durch Gruppendiskussionen mit Managern aus mittelständischen IT-Unternehmen die Frage, ob Agilität Voraussetzung oder Folge einer zielgerichteten Digitalisierung ist. Dieser Beitrag richtet sich an Entscheider aus dem IT-Mittelstand, welche den Grad an Agilität im Unternehmen im Kontext einer zunehmenden Digitalisierung erhöhen möchten.

Steigende Rechenleistungen und bessere Datengrundlagen bei gleichzeitig sinkenden Kosten für Rechen- und Speicherkapazitäten stellen die Basis für den Einsatz von Machine Learning (ML) in der Produktion dar. Herausforderungen bestehen in der Identifizierung aussichtsreicher Anwendungsgebiete, dem Erkennen der mit diesen verbundenen Learning Tasks sowie dem Aufdecken passender Datensätze. In diesem Beitrag werden daher folgende Fragen beantwortet: Welche Anwendungsgebiete in der Produktion bieten das größte Potenzial für den Einsatz von ML? Welche frei zugänglichen Datensätze eignen sich, um eigene Erfahrungen zu sammeln und welche Learning Tasks sind damit verbunden? Was sind Best Practices für die Anwendungsgebiete?

Die Integration industrieller Laser-Assistenzsysteme zur Werkerführung in die Steuerungsebene eröffnet Möglichkeiten der digitalen Transformation für produzierende Unternehmen. Diese Möglichkeiten werden am Beispiel der Digitalen Fabrik der Leuphana Universität Lüneburg dargestellt. In einem Praxisprojekt wird eine manuelle Montagestation mit einem industriellen Laser-Assistenzsystem entwickelt und in die SIMATIC Steuerungsebene der Digitalen Fabrik integriert. Der Werker interagiert mit dem Assistenzsystem und wird von diesem durch den auftragsbezogenen Montageprozess geleitet. Der Werker steht dabei im Zentrum des Geschehens.

Blockchains (BC) werden häufig direkt Bitcoin und andere Kryptowährungen verbunden. Dabei stellt BC die Technologie dar, auf der Bitcoin und Co basieren [1] und sind ein Anwendungsbeispiel unter vielen. Die BC besitzt einige Eigenschaften, die auch für das Supply Chain Management relevant sind. Produktrückrufe nehmen aufgrund der komplexen Supply Chains (SC) immer weiter zu. Dabei liegt die Herausforderung darin, einen Produktrückruf effizient vorzubereiten, durchzuführen und anschließend in die Ursachenanalyse einzusteigen. Genau an dieser Stelle kann die BC-Technologie unterstützen und Transparenz schaffen. So kann eine Reaktion schnell, kosteneffizient und situativ angemessen erfolgen. Ziel des Beitrags ist, einen Einblick in das Potenzial von BC für die Herausforderung „Produktrückruf“ zu geben.

Die digitale Transformation der Industrie hat mit ihren technologischen Komponenten einen unmittelbaren Einfluss auf die Ausrichtung der Logistikprozesse innerhalb von Unternehmen sowie in ganzen Unternehmensnetzwerken. Die Entwicklung und Integration neuer Technologien löst dabei mehr und mehr starre Unternehmensstrukturen und Steuerungsarchitekturen auf. Die Vision reicht von dezentralen Netzwerken aus modularer Förder- und Lagertechnik bis hin zur Anwendung von Künstlicher Intelligenz für smarte Services in der Logistik. Es besteht die Anforderung, die logistischen Objekte zu identifizieren, zu orten, zu steuern und deren Zustände zu erfassen, um eine zielorientierte Interaktion im Sinne einer ganzheitlichen Vernetzung zu bewerkstelligen.