Regional Remanufacturing Networks

Im Rahmen dieses Prozesses können Produkte, die aus Baugruppen oder mehreren Einzelteilen bestehen, demontiert und wiederaufbereitet werden, um dann aufgearbeitet und gegebenenfalls teilweise ersetzt zu werden, damit sie wieder in das fertige Produkt eingebaut werden können. Auf diese Weise können die gesamte Baugruppe oder die demontierten Einzelteile wiederverwendet werden. Allerdings haben produzierende Unternehmen noch relativ wenige Berührungspunkte mit der Kreislaufwirtschaft und sind sich ihres Potenzials nicht bewusst [2].

Darüber hinaus ist eine kosteneffiziente Bewertung des Zustands der Einzelteile oft problematisch und die Bewertungsverfahren nach der Einzelteiltrennung sind technisch aufwendig (z. B. Scan- und Prüfverfahren). Zudem sind diese Bewertungsverfahren meist erst nach Abschluss der Demontage verfügbar. Hier können die Konzeptionierung, Datenerfassung und Simulation von Remanufacturing-Prozessen helfen. Vorabinformationen über die Produktnutzung mittels Machbarkeitsanalyse können den Demontageaufwand im Vorfeld entlasten und Aufschluss über verbaute Einzelteile und deren Zustand geben. Vorabinformationen ermöglichen, sofern sie zugänglich sind, auch den Einsatz von Komponenten anderer Hersteller, sodass eine größere Interoperabilität gewährleistet werden kann. Sie können somit den Wiederaufbereitungsprozess kosteneffizient machen und auch Informationen über das zukünftige Produktdesign liefern, um die Wiederaufbereitung neuer Produktvarianten zu erleichtern.

Ein großer Hemmschuh ist die Reduzierung des logistischen Aufwands, da dieser auch negative externe Effekte auf die Umwelt hat. Die Regionalisierung ist somit eine zusätzliche, aber letztlich konsequente Herausforderung für Refabrikations-Prozesse und -Ansätze. Entsprechend der skizzierten Problemstellung soll dieser Beitrag eine Lücke füllen, indem er einen Ex-Ante-Ansatz für die lokale Refabrikation liefert, insbesondere die Gestaltung lokaler Refabrikationsketten und die Simulation von Handlungsalternativen, einschließlich Machbarkeitsstudie und wirtschaftlicher Bewertung.

Ein regionaler Refabrikationsnetwerk-Ansatz

Das Prozessmodell für ein regionales Wiederaufbereitungsnetz muss Aufgaben abdecken, die über den allgemeinen Wiederaufbereitungsansatz hinausgehen. Die Absicht ist, dass die Wiederaufarbeitung von und mit Akteuren aus einer bestimmten Region durchgeführt wird. Hierfür müssen die richtigen Kompetenzen und die entsprechenden Spezialisten identifiziert werden. Fachleute und Kunden müssen von der Teilnahme an einem solchen Netzwerk überzeugt werden, indem die Machbarkeit und die wirtschaftliche Tragfähigkeit nachgewiesen werden. Der eigentliche Aufbereitungsprozess ist eingebettet in eine gemeinsame Planung für das gesamte regionale Netzwerk. Das Vorgehensmodell [3] umfasst somit Aufgaben der Produktionsplanung, des Supply Chain Managements, des Qualitätsmanagements und des Stakeholder-Managements, die durch ein Unternehmen in der Rolle eines Netzwerkmanagers sichergestellt werden.

1. Ein potenzieller Auslöser für den regionalen Remanufacturing-Prozess kann eine Kundenanfrage sein. Ihre Anfrage wird zusammen mit allen anderen Anfragen ausgewertet, um Trends oder akute Schwerpunktaufträge zu identifizieren, die priorisiert oder mit besonderer Systematik bearbeitet werden sollten. Der Kundenkontakt kann bei jedem Partnerunternehmen im Netzwerk initiiert werden. Auch die Bedarfsanalyse wird von allen Partnerunternehmen gemeinsam durchgeführt. Der Netzwerkmanager ist für die zentrale Pflege der Kundendaten, Kundenanfragen und Analyseroutinen verantwortlich.

2. Die Pflege und der Ausbau der Kontakte zu den Partnerunternehmen des Netzwerks ist eine weitere zentrale Aufgabe des Netzwerkmanagers. Das Netzwerk prüft, ob die notwendigen Kompetenzen vorhanden sind, um akute oder potenzielle Aufträge zu erfüllen. Die spätere Planung und Durchführung sind nicht selbstorganisiert. Dafür sind die individuellen Geschäftsziele und Rahmenbedingungen der beteiligten Unternehmen zu dominant. Die zentrale Planung arbeitet auf der Basis der Daten, die die Netzwerkteilnehmer ihrerseits selbstorganisiert dem Netzwerk zur Verfügung stellen.

Jedes Unternehmen muss sich bewusst sein, dass eine Beteiligung an einem Aufarbeitungsauftrag wahrscheinlicher ist, wenn die Informationen über die eigene Verfügbarkeit und Leistungsfähigkeit aktuell sind. Das Netzwerk kann sich z. B. auf bestimmte Branchen, Ausfallsicherheit und regionale Selbstversorgung konzentrieren. Diese strategischen Überlegungen müssen von allen Partnerunternehmen verstanden und unterstützt werden. Deshalb werden in speziellen Netzwerktreffen verschiedene Szenarien und Akteurskonstellationen durchgespielt. Hier werden neue Potenziale und effektive Beziehungen innerhalb des Netzwerks aufgedeckt und diskutiert. Der Netzwerkmanager pflegt die bereitgestellten Stammdaten der Partnerunternehmen und initiiert die strategische Vernetzung.

 3. In der Phase der Machbarkeitsprüfung wird die technische Umsetzung des Remanufacturing-Prozesses überprüft. Zentrale Fragen betreffen die korrekte Zerlegung und die notwendigen Produkt- und Akteursdaten, um diesen Prozess überhaupt steuerbar zu machen. Die Verifikation wird mittels einer Simulation durchgeführt. Bei einer Cyber-Physikalischen Simulation wird den Partnerunternehmen direkt aufgezeigt, auf welchen Arbeitsaufwand sie sich einstellen müssen bzw. welche Informationen noch zu liefern sind. Darüber hinaus können Probleme im Netzwerk simuliert werden und es wird festgestellt, ob sie mit den jeweils vorhandenen Informationen bewältigt werden können. Partnerunternehmen sollen hier Vertrauen gewinnen und die Notwendigkeit erkennen, Informationen mit Unternehmen auszutauschen, die außerhalb und innerhalb des Netzwerks Konkurrenten sein können.

Stellt sich heraus, dass ein bestimmtes Produkt nicht oder nicht umweltverträglich wiederaufbereitet werden kann, wird zur ersten Phase zurückgesprungen. Der Kundenbedarf und der Aufbau des Netzwerks werden von den Partnerunternehmen erneut geprüft, sodass im Idealfall neue und fehlende Kompetenzen sowie Informationen ausgetauscht werden. Der Netzwerkmanager organisiert die Machbarkeitsprüfung und ist für die Überwachung sowie Überarbeitung der nicht umsetzbaren Aufträge verantwortlich.

4. In der Vertriebsphase wird die grundsätzliche Machbarkeit des Remanufacturing-Prozesses bestätigt. Hier wird die konkrete Prozessplanung und -optimierung durchgeführt. Dies geschieht wiederum mit Informationen über Kapazitäten, Verfügbarkeiten und Kosten aus den Partnerunternehmen. Als Ergebnis werden dem Kunden ein konkreter Aufbereitungsprozess und Angebote für das Werkstück mit Angabe der beteiligten Unternehmen, Qualitätsstandards, Gesamtkosten und Gesamtfertigstellungstermin vorgelegt. Wenn keine Lösung gefunden werden kann oder das Angebot nicht angenommen wird, wird zu Phase 1 zurückgesprungen, damit die Partnerunternehmen die Leistung des Netzwerks überarbeiten können.

5. Die Ausführungsphase umfasst den eigentlichen Aufbereitungsprozess. Die Teilaufgaben werden höchstwahrscheinlich räumlich verteilt und über mehrere Netzwerkpartner abgewickelt. Daher müssen nicht nur die Teilaufgaben, sondern auch die Transporte des demontierten Werkstücks koordiniert werden. Dies geschieht durch den Netzwerkmanager.

6. Schließlich erfolgen die Auslieferung und die Bewertung der verteilten Gesamtleistung im Remanufacturing-Prozess. Hierbei werden auch die Phasen 1 bis 4 berücksichtigt. Die Einhaltung und Angemessenheit von Kosten, Zeiten und Ergebnisqualität werden überprüft und für zukünftige Prozesse berücksichtigt.

In Bild 1 ist das allgemeine Vorgehensmodell für ein regionales Refabrikationsnetzwerk dargestellt. Der Netzwerkmanager ist für den Betrieb der Anwendungssysteme verantwortlich, die von den Netzwerkpartnern im Remanufacturing-Netzwerk benötigt werden. Er integriert die Funktionen und Daten für den Gesamtprozess. Operativ bedeutet dies, dass er die Verfügbarkeit der Daten und die Ausführbarkeit der Teilaufgaben durch die Netzwerkpartner sicherstellt.

Der Netzwerkmanager ist nicht die zentrale Entscheidungsinstanz. Der erste Kundenkontakt läuft über die Netzwerkpartner. Der Netzwerkmanager sorgt lediglich für eine zentrale Kundendatenbank und ermöglicht Auswertungen über nachgefragte Produkte und Kompetenzen. Er fordert die relevanten Daten bei den Netzwerkpartnern an und pflegt sie. Die Unternehmen entscheiden selbst, welche Daten dem Netzwerk zur Verfügung gestellt werden. Das Gleiche gilt für Machbarkeitsanalysen, Terminplanung und Durchführung.

Viele der Aufgaben des Netzwerkmanagers können automatisiert werden: Erneuerung von Analysen, Datenaustausch, Mahnungen, Terminplanung, Kostenberechnungen und Berichterstattung über Leistungskennzahlen. Der Kundenkontakt muss also in der Regel gar nicht mehr bestehen. Intensiver Kontakt mit den Netzwerkpartnern findet nur im Schritt „Machbarkeitsprüfung“ statt. Dabei handelt es sich um strategisch wichtige Aufgaben (Simulationsworkshops), in denen die Netzwerkpartner unter der Moderation des Netzwerkmanagers die Partnerstruktur (Szenariomodellierung) und die technische Machbarkeit des Remanufacturing ermitteln.

Dieser Teilschritt ist nur dann komplex, wenn neue Produktkategorien oder neue Partner in das Netzwerk aufgenommen werden. Der Netzwerkmanager wird als unabhängiger und autonomer Akteur im Netzwerk benötigt. Er hat kein persönliches Interesse am eigentlichen Herstellungsprozess und kann sicherstellen, dass kritische Daten von Partnerunternehmen nur für die Planung verwendet, aber nicht direkt an die anderen Netzwerkpartner weitergegeben werden.

Potenziale und Herausforderungen regionaler Refabrikationsnetwerke

Ineffiziente Produktionsprozesse, der noch geglaubte wirtschaftliche Wachstumszwang und die Wegwerfgesellschaft verknappen unnötig die begrenzten natürlichen Ressourcen. Die Globalisierung hat zudem negative Effekte auf die Umwelt. In der Halbleiterindustrie wird z. B. ein Wafer dreimal um die Welt transportiert, bevor er an den Kunden ausgeliefert wird. Derartige lokale Optimierungen von Produktionsprozessen in Wertschöpfungsnetzwerken führen zu einem Raubbau an der Umwelt. Ein vielversprechender und aufstrebender Ansatz ist das Remanufacturing von Produkten. Unter dem Dach der Kreislaufwirtschaft ermöglicht dieser Ansatz eine Senkung des Ressourcenverbrauchs. Um konsequent zu sein, muss dieser Ansatz jedoch in einem lokalen Kontext umgesetzt werden, um den logistischen Aufwand und damit die negativen Auswirkungen auf die Umwelt zu verringern.

In diesem Beitrag wurde ein lokaler Remanufacturing-Ansatz vorgestellt, der es ermöglicht, den Ressourcenverbrauch zu reduzieren, lokale Unternehmen zu fördern und effiziente Lösungen für die regionale Wieder- und Weiterverwendung von Gütern anzubieten. Der Ansatz ist prinzipiell für eine Vielzahl von Produkten geeignet. Insbesondere ist dies jedoch stark von der regionalen Nachfrage und den vorhandenen Kompetenzen abhängig.

Besteht eine große regionale Nachfrage nach einer bestimmten Produktkategorie, ist der Aufbau eines RNN sinnvoll, auch wenn überregionale Kompetenzen einbezogen werden müssen. Wenn gute regionale Kompetenzen vorhanden sind, kann ein RRN gebildet werden, auch wenn die Nachfrage nach dieser Produktkategorie weniger aus der Region, sondern überregional kommt. Extremfälle sind z. B. billige Massenprodukte (z. B. Kaffeemaschinen) auf der einen Seite und große Spezialanfertigungen (z. B. Produktionsanlagen) auf der anderen Seite.

Dass die Kompetenzen innerhalb eines RRN komponierbar sind, ist ein notwendiges Kriterium. Das hinreichende Kriterium ist dann die wirtschaftliche Effizienz. Die Herausforderung für den Netzwerkmanager besteht darin, im Laufe der Zeit auszuloten, wie groß das Auftragsvolumen und die Produktkomplexität sein müssen oder können, damit das Netzwerk kostendeckend arbeitet.

Der RRN-Ansatz lässt sich nach unten skalieren, sodass Produktionsnetzwerke für bestimmte Produktkategorien nicht aufwändig simuliert, sondern direkt ohne Anspruch auf Wirtschaftlichkeit umgesetzt werden. Dies funktioniert jedoch nur, wenn es Netzwerkpartner gibt, die bestimmte Aktivitäten auf freiwilliger Basis durchführen (z. B. die Aufarbeitung von Kleingeräten in offenen Werkstätten).

Insbesondere bei der Umsetzung eines hybriden Simulationsansatzes ist es wahrscheinlich sinnvoll, mit großen, mittelkomplexen Produkten zu beginnen. Mit zunehmender Erfahrung kann das RRN dann auf komplexere Produkte oder auf Massenprodukte ausgeweitet werden. Für beide Ausrichtungen ist es sinnvoll, auch nicht-wirtschaftliche Wiederaufbereitungsszenarien in Betracht zu ziehen (Wiederaufbereitung von kostengünstigen Gegenständen für Bürger mit dem primären Ziel der Abfallvermeidung. Oder die Wiederaufbereitung von Spezialmaschinen, die für die regionale Wirtschaft existenziell wichtig sind). Dies wäre dann sogar ein Vorteil für die regionale Resilienz, damit man sich in Extremsituationen besser helfen kann.

Eine detaillierte Auflistung der Potenziale und Herausforderungen regionaler Wiederaufbereitungsnetzwerke ist in Bild 2 dargestellt.

Dieser Beitrag entstand teilweise im Rahmen der Nachwuchsforschungsgruppe ProMUT „Nachhaltigkeitsmanagement 4.0 – Transformative Potentiale digital-vernetzter Produktion für Mensch, Umwelt und Technik“ (Kennzeichen 01UU1705B), das vom Bundesministerium für Bildung und Forschung in Rahmen der Förderinitiative „Sozial-ökologische Forschung“ gefördert wird. Darüber hinaus entstand der Beitrag teilweise im Rahmen des Weizenbaum-Instituts, welches durch das Bundesministerium für Bildung und Forschung (Kennzeichen 16DII13 16DII131, 16DII137, “Deutsches Internet-Institut”) gefördert wird.

You might also be interested in

AI-Powered Lubrication Strategies for Thread Forming Adaptive spray jet control to increase process reliability and tool life Reinhard Schmied, Marco Susic, Christian Donhauser

Thread forming requires precise lubricant application because high contact pressures and process temperatures strongly influence tool loading, friction, and process stability. Although minimum quantity lubrication (MQL) systems are widely used, current spray-based approaches can still suffer from spray losses, insufficient wetting of the thread grooves, and unstable droplet transport. This article presents a concept for adaptive precision lubrication in thread forming based on computational fluid dynamics (CFD)-supported flow analysis, experimental validation, and artificial intelligence (AI)-assisted optimization. The focus is on droplet size, spray jet geometry, nozzle position, ambient flow conditions, and their influence on wetting intensity. Preliminary simulation-based investigations indicate that data-driven optimization can help identify wetting deficiencies and support the development of future control strategies for resource-efficient lubricant application.

Industry 4.0 Science | Volume 42 | 2027 | Edition 3 | Pages 76-83

Optimized Manual Processes in Automotive Production A module-based approach for the efficient creation of work system simulations Barbara Brockmann, Tobias Jurk, Beate Stoffels, Jochen Deuse

In the manufacturing industry, the integration of digital human models into the product development and manufacturing process is becoming increasingly important. Particularly in assembly, which is characterized by a high proportion of manual tasks, motion simulations enable a realistic representation of human work and thus make a significant contribution to the evaluation of motion economy, process validation, and efficiency improvement. However, widespread application in production planning faces various challenges, such as the high initial effort required to create human simulations as well as volatile planning conditions. This article presents a practice-oriented solution from the automotive assembly sector that enables the creation of simulations with reduced effort as well as their early and consistent use in the planning process.

Industry 4.0 Science | Volume 42 | 2026 | Edition 3 | Pages 48-55

SmartBending—Inline Measurement for Process Correction Inline process optimization for error compensation in swivel bending Christian Donhauser , Reinhard Schmied, Marco Susic

Swivel bending is an established forming process that minimizes material loss and enables efficient use of resources. However, the process requires complex optimizations that have traditionally relied heavily on the expertise of machine operators. This results in significant time and material costs, as optimization steps are performed iteratively. Given the shortage of skilled workers, a technological upgrade of the machines in line with Industry 4.0 is necessary. As part of a research project, intelligent sensor technology was used to record critical influencing factors that reveal correlations between product defects and machine deformations. Based on this, a methodology was developed that forms the foundation for inline compensation, enabling the equipment to autonomously adjust process parameters to correct product defects and, in the long term, enable defect-free production from the very first component.

Industry 4.0 Science | Volume 42 | 2026 | Edition 3 | Pages 134-141

Developing Virtual Reality in Learning Contexts Navigating efficiency, content relevance and scalability Stella Kanatouri , Oliver Sosna , Alexander Kulik, Sina C. Truckenbrodt , Friederike Klan , Christian Erfurth

While virtual reality can facilitate hands-on learning, its development faces barriers, including high costs and time demands and scalability challenges. This article presents two case studies that illustrate strategies for overcoming such barriers when training the next generation of skilled workers in environmental technologies. By examining approaches for streamlining development and increasing content relevance and scalability, we highlight lessons learned for future practice. We conclude by envisioning a future in which educational institutions can flexibly and cost-effectively prototype virtual reality in learning contexts, ensuring alignment with curricular goals and learners’ needs.

Industry 4.0 Science | Volume 42 | Edition 3 | Pages 26-34 | DOI 10.30844/I4SE.26.3.3

Digital Twins for Emission Reduction Ex-ante case study on a pump test bench in industrial production Felix Bischoff, Ingela Tietze , Peter Hertweck, Nina van Hasz

Digital twins are frequently referred to as a promising approach for reducing greenhouse gas (GHG) emissions in industrial production; however, robust empirical evidence of their benefits under real-world conditions is largely lacking. In this case study, the emission reduction potential of a digital twin—as a conceptually described target system—is quantified ex-ante via the example of a test bench for hydraulic pumps. To this end, the GHG emissions of the original test plan for the year 2025 are determined based on actual measured energy consumption of the tested pumps and time-resolved grid electricity emission intensities. This is followed by a rule-based rescheduling, in which energy-intensive test processes are shifted to time intervals with lower emissions. The rescheduling takes operational constraints into account so that processes and equipment remain unchanged. The savings potential is determined by comparing the GHG emissions of the reference and the optimized case.

Industry 4.0 Science | Volume 42 | 2026 | Edition 3 | Pages 16-24 | DOI 10.30844/I4SE.26.3.2

Digital Competence Lab (DCL) for Speech Therapy Designing a learning platform to advance digital skills Anika Thurmann , Antonia Weirich , Kerstin Bilda, Fiona Dörr , Lars Tönges

The digital transformation of healthcare results in lasting changes in speech therapy. Smart technologies and artificial intelligence (AI) are creating new opportunities to ensure therapy quality, address care bottlenecks, and actively involve patients in exercise processes. At the same time, these developments are expanding the role of speech therapists, who increasingly use digital systems as supportive tools in addition to their core therapeutic tasks. Based on a feasibility study of the AI-supported application ISi-Speech-Sprechen in a real-world setting of complex Parkinson's therapy (PKT), this article outlines the key challenges associated with implementing smart technologies.

Industry 4.0 Science | Volume 42 | 2026 | Edition 1 | Pages 110-118 | DOI 10.30844/I4SE.26.1.102