Translate

Die öffentliche Diskussion über die Zukunft der Arbeit im Zeitalter der Digitalisierung wird von Vorstellungen von selbstfahrenden Autos, menschenleeren Fabriken oder vollautomatischer Logistik dominiert. Dies schafft Ängste vor einem massiven Verlust von Arbeitsplätzen und einem Rückgang der Beschäftigung in der Zukunft. Gleichzeitig hat dies zu intensiven Debatten über ein bedingungsloses Grundeinkommen geführt: Während die Produktivität steigen würde, würde ein deutlicher Rückgang der Zahl der Arbeitsplätze den Einkommensverteilungsmechanismus in Frage stellen, auf welchem unsere Arbeitsgesellschaften derzeit beruhen. Dieser Beitrag argumentiert, dass die Ersetzung bestehender Arbeitsplätze - oder zumindest von Aufgaben - durch Technologie zwar erfolgen wird und immer stattgefunden hat, dies aber nur eine Seite der Medaille ist. Die Zukunft der Arbeitsmärkte wird komplexer sein. Dies wird in der makroökonomischen, betrieblichen und internationalen Dimension ...

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.

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.

Digitalisierung ist ein Kernthema, das in den Strategien von Unternehmen berücksichtigt werden sollte. Aufgrund der unternehmensspezifischen Ausgangssituationen und Ziele existiert jedoch kein einheitliches Muster für die digitale Transformation. So sollte jedes Unternehmen seine eigene Strategie für die Gestaltung der Digitalisierung entwickeln. Dabei ist zu festzulegen, in welchen Bereichen ein Unternehmen nutzenstiftende Veränderungen im Kontext der Digitalisierung durchführen will.

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?