I4S+ Exklusiv für Abonnenten

Angesichts der drei großen globalen Transformationswellen der Globalisierung, Digitalisierung und Sustainabilisierung steht die Industrie vor großen Herausforderungen im Modernisierungsprozess in Hinblick auf Industrie 4.0. Zum einen muss sie die neuen Signale einer protektionistischen Industriepolitik, die vor allem von den USA ausgehen, ins Kalkül ziehen, zum anderen die Forderungen nach nachhaltiger Produktion und Klimaschutz stärker beachten. Beide Voraussetzungen sind auf Lernprozesse angewiesen, die neben der notwendigen Effizienz auch die Sozialverträglichkeit der Transformationen und die Umwelt- und Klimaverträglichkeit gleichberechtigt ins das eigene Zielsystem integrieren.

Die digitale Transformation schreitet immer weiter voran. Sie wird als „vierte industrielle Revolution“ betitelt und hat eine umfassende Vernetzung aller Lebens- und Wirtschaftsbereiche zur Folge [1] . Sie ist der Haupttreiber des sozialen, wirtschaftlichen und ökologischen Wandels [2]. Im Zuge dieses Wandels werden immer wieder neue Technologien entwickelt und Themen wie Künstliche Intelligenz, Big Data Analytics oder Blockchain rücken in den Fokus von Unternehmen und der breiten Öffentlichkeit. Ein Beispiel dieser schnellen Entwicklung stellt die Blockchain-Technologie und ihr erster Anwendungsfall Bitcoin dar [3]. Die Fortsetzung dieses zweiteiligen Beitrages folgt in der Ausgabe 1/2020 von Industrie 4.0 Management.

Gewinnerzielung ist zwar eine notwendige, aber keine hinreichende Bedingung für den langfristigen Unternehmenserfolg. Globale Probleme wie Klimawandel, Raubbau an natürlichen Ressourcen und Überbevölkerung, aber auch lokale Umweltbelastungen sowie die Betonung von sozialen Aspekten führen dazu, dass das Nachhaltigkeitsziel in der Industrie an Bedeutung gewinnt. Die Nachhaltigkeit ist bereits im Leitbild aller DAX 30-Unternehmen und bei 90 % der Fortune 500-Unternehmen als Handlungsmaxime etabliert [1]. Im vorliegenden Beitrag werden - ausgehend von einer Definition des Nachhaltigkeitsbegriffs - die Nachhaltigkeitseffekte von Industrie 4.0 in Bezug auf die drei Dimensionen Ökonomie, Ökologie und Gesellschaft diskutiert [2, 3]. Das Ziel des Beitrags ist aufzuzeigen, welche positiven und negativen Auswirkungen von Industrie 4.0 auf die Nachhaltigkeit zu erwarten sind, um Unternehmen Ansatzpunkte für diesbezügliche Aktivitäten zu liefern.

Industrie 4.0 beschreibt die Digitalisierung sowie horizontale und vertikale Vernetzung der industriellen Wertschöpfung. Dieser Entwicklung wird eine Reihe von Potenzialen und Chancen für Unternehmen zugeschrieben. Bislang werden allerdings insbesondere ökonomische und technologische Potenziale betrachtet, während ökologische Chancen durch Industrie 4.0 bisher kaum Beachtung finden. Dieser Beitrag untersucht die ökologischen Potenziale im Kontext von Industrie 4.0, basierend auf qualitativ-empirischen Daten aus 26 Experteninterviews und einer Literaturanalyse. Die Ergebnisse zeigen, dass Industrie 4.0 Verbesserungspotenziale in Bezug auf Ressourcennutzung, Energieverbrauch, Logistik und Transporte, Abfall und Emissionen bietet, woraus mehrere Thesen abgeleitet werden. Die Studie möchte insgesamt dazu beitragen, die ökologischen Potenziale von Industrie 4.0 besser zu verstehen, um zu einer nachhaltigeren industriellen Wertschöpfung beizutragen.

Viele Entscheidungsträger in Industrieunternehmen haben sicherlich die immer größer werdende Hektik im Vorfeld des Starts der DSGVO-Anwendbarkeit zum 25.05.2018 in mehr oder weniger guter Erinnerung. Zwar gilt die Industrie nicht als primärer Brennpunkt der DSGVO, dennoch werden auch hier in erheblichem Umfang personenbezogene Daten verarbeitet. Diese können sich bspw. auf Kunden, Mitarbeiter oder Lieferanten beziehen und müssen auch nicht immer als solche auf den ersten Blick erkennbar sein. So können sogar Maschinendaten, die sich einem Kundenauftrag zuordnen lassen, personenbezogen sein.

Die Nutzung von Kennzahlen (engl. Key Perfomance Indicators - KPIs) erlaubt eine umfassende Betrachtung vielfältiger Leistungsmerkmale eines Unternehmens und dient als fundierte Grundlage für Entscheidungen und Steuerungsaufgaben. Durch die Abbildung von Produktionssystemen in einem System aus Kennzahlen als Digitaler Twin steigt nicht nur die Menge an Daten, sondern auch deren Verfügbarkeit und Aktualität. Im Folgenden wird ein ganzheitliches übertragbares Kennzahlennetzwerk, welches zur Steuerung von Unternehmen eingesetzt werden kann, beschrieben. Strategische Ziele lassen sich durch das Kennzahlennetzwerk einfach operationalisieren. Anhand eines Industriebeispiels werden die Vorteile und Möglichkeiten des Einsatzes eines solchen Netzwerks demonstriert.

Unsere Produktions-, Logistik- und Kommunikationsnetzwerke nehmen stetig an Komplexität zu. Immer mehr Informationen müssen immer schneller vom Sender zum Empfänger. In dieser vernetzten, digitalen Welt interagieren immer mehr Menschen, Unternehmen, Maschinen oder auch Produkte miteinander. Jeder dieser Netzwerkteilnehmer hat spezifische Eigenschaften, die dessen Identität beschreiben. Anhand dieser Eigenschaften wird eine digitale Identität geschaffen, mit der es möglich ist, die Netzwerkteilnehmer direkt miteinander zu verbinden.

Um dem starken Zeitdruck bei der Entwicklung eines Schiffs zu begegnen, werden Prozesse parallelisiert. Der eigentliche Fertigungsstart liegt aufgrund dessen, wie in der Unikatfertigung üblich, vor der finalisierten Produktdefinition und der Fertigstellung aller Produktionsinformationen. Simultaneous Engineering bedingt einen hohen Grad an Kommunikation und einen stetigen Informationsfluss. Diese Datenrückführung aus der laufenden Produktion gilt es durch eine kontinuierliche, produkt- sowie prozessbezogene Datenerfassung zu befriedigen. Es ist daher notwendig, eine Methode zu entwickeln, die trotz Losgröße 1 den Bedarf an prozessbegleitenden Daten deckt. Eine große Herausforderung stellen dabei gering automatisierte oder gänzlich manuelle Prozesse wie die Ausrüstung von Schiffen dar, die einen zeitlichen Mehraufwand bei der Datenerfassung bedingen.

Um die zunehmende Komplexität und Automatisierung von Cyber-Physikalischen Produktionssystemen (CPPS) zu bewältigen, wurden wissensbasierte Instandhaltungsstrategien und -modelle als Schlüsselfaktor identifiziert. Durch diese, soll eine Sicherung und Verbesserung der Maschinenverfügbarkeit und Prozessstabilität erreicht werden. Trotz der Bereitschaft vieler Unternehmen, in besagte Neuerungen zu investieren, fehlen ihnen oftmals die hierfür nötigen Kompetenzen und Kapazitäten (z.B.: geeignete Methoden zur Datenanalyse und Prognose). Um diese Problematik zu lösen, stellen die AutorInnen ein ganzheitliches Reifegradmodell zur Bewertung und Identifizierung von Stärken und Schwächen der Instandhaltung auf operativer, taktischer und strategischer Ebene nach einem mehrdimensionalen analytischen Ansatz, vor.

intelligent production systems, lifecycle monitoring, cyber physical systems, industrial internet of things, smart maintenanceUm eine effiziente Fertigung zu gewährleisten, müssen Produktionssysteme die Fähigkeiten besitzen, mit Maschinen und Menschen in einer verteilten Umgebung zu kommunizieren und zu interagieren, den Verschleißzustand von funktionsrelevanten Komponenten zu überwachen und ihr Verhalten situationsbezogen selbst anzupassen. Dieser Beitrag gibt einen Überblick über die historische Entwicklung intelligenter Produktionssysteme. Des Weiteren werden technische und organisatorische Voraussetzungen für die Implementierung intelligenter Produktionssysteme mit dem Fokus auf Smart Maintenance in einem verfügbarkeitsorientierten Geschäftsmodell vorgestellt und kritisch diskutiert.