I4S+ Exklusiv für Abonnenten

Die jüngste Vergangenheit in verschiedenen Bereichen (z.B. Strom, Gas, Öl, etc.) hat wieder einmal gezeigt, dass eine einseitige Abhängigkeit von einem einzelnen Anbieter vermieden werden sollte. Dieses Prinzip lässt sich auch auf Cloud Computing übertragen. Hier wird vom sog. Vendor Lock-In gesprochen. Diese Arbeit zeigt, wie eine Cloud-Agnostische Plattform auf der PaaS-Ebene helfen kann, solche einseitigen Abhängigkeiten zu vermeiden. Ziel ist einen möglichst automatisierten Anbieterwechsel zu unterstützen, um damit vielfältige, Cloud-basierte Anwendungsszenarien zu entwickeln.

In modernen Produktionsbetrieben verkompliziert oft eine heterogene IT-Landschaft den Arbeitsalltag. Ein vielversprechendes Gegenmittel ist der Einsatz intelligenter Agenten. Diese nutzen generative KI für Routineaufgaben und können so die Effizienz steigern. Ob die Integration dieser intelligenten Systeme in bestehende Netzwerke gelingt, entscheidet darüber, ob der Informationsfluss verbessert und manueller Aufwand reduziert werden kann.

Künstliche Intelligenz wird zunehmend in Fahrzeuge integriert, doch herkömmliche Produktentwicklungsprozesse erfassen die spezifischen Anforderungen von KI-Projekten oft nicht vollständig. Um diesen Anforderungen gerecht zu werden, wurde ein Referenzprozessmodell speziell für die Entwicklung von KI-Funktionalitäten in der Automobilbranche entwickelt. Dieses Modell soll Unternehmen dabei unterstützen, ihre herkömmlichen Softwareentwicklungsprozesse einfacher an die Besonderheiten von KI- Projekten anzupassen.

Machine Learning bietet insbesondere im Produktionsumfeld eine Vielzahl an Potenzialen und gewinnt somit immer mehr an Bedeutung. Jedoch fehlte kleinen und mittleren Unternehmen ein Leitfaden, der spezifisch auf ihre individuellen Herausforderungen ausgelegt ist und sie Schritt für Schritt durch die Einführung leitet. Im Zusammenspiel mit einer Potenzialanalyse, der Ermittlung relevanter Voraussetzungen sowie einer Reifegraduntersuchung kann dieser Leitfaden Abhilfe leisten.

Ein neuer Blick in die Tiefe technischer Zeichnungen: Ein Deep-Learning-Framework liest CAD-Grafiken so genau wie nie zuvor – erkennt Formtoleranzen, Maße und jedes Detail. Was früher mühsam von Hand geschah, übernimmt nun eine KI, die sich in die Besonderheiten jeder Linie und Beschriftung einfühlt. Diese vielversprechende Technologie steigert nicht nur die Genauigkeit, sondern beschleunigt auch die Verarbeitung von Zeichnungen erheblich. So eröffnet das System neue Wege für Präzision in der Produktion.

Das stetige Fortschreiten der Digitalisierung konfrontiert Unternehmen mit neuen Herausforderungen und Chancen. Unmittelbare Datenverarbeitung ist mittlerweile allgegenwärtig und die Vorteile sind offensichtlich. Doch in Deutschland herrscht eine lückenhafte Breitbandversorgung, was die Prozessverbesserung erschwert. Mathematische Ansätze und Machine Learning ermöglichen zeitnahe Optimierungen und eine reibungslose Produktion.

In der industriellen Montage arbeitet der Mensch dank Werkerassistenz immer enger mit Maschinen zusammen. Doch trotz ihres großen Potenzials ist die Implementierung digitaler Systeme zeitaufwendig, was hohe Schulungsanforderungen mit sich bringt. Vor allem kleine und mittlere Unternehmen stoßen hier an Grenzen. Ein neu entwickeltes Einrichtungssystem soll die Einführung und Nutzung solcher Montageassistenzsysteme erleichtern und ihre Akzeptanz erhöhen.

Sind Sie Anbieter, Anwender, Forschungs- oder Weiterbildungseinrichtung? Dann bewerben Sie sich jetzt für die Factory Innovation Awards in diesen Kategorien: Internet of Things, Digitale Transformation, Plattformen, Industrie 4.0 in der Praxis, Künstliche Intelligenz, Manufacturing BI und Analytics, MES / MOM, Nachhaltigkeit, Digitaler Zwilling, Resilienz / Sicherheit, Schulung / Weiterbildung, Alarmsoftware, Werkerassistenz, Konnektivität.

Der Erfolg von Technologien hängt nicht nur von ihrer Innovationskraft und Akzeptanz ab, sondern auch vom Management. Entscheidungsträger bewerten Faktoren wie technische Rahmenbedingungen und organisatorische Voraussetzungen, wobei die Forderung nach Flexibilität die Komplexität zusätzlich erhöht. Industrie 4.0 adressiert dies durch Vernetzung, Transparenz und dezentrale Entscheidungen. Digitale Zwillinge, realisierbar mit Open Source Software, spielen dabei eine Schlüsselrolle.

Beim Remanufacturing werden Gebrauchtwaren auf das Qualitätsniveau eines Neuprodukts gebracht. Damit unterscheidet es sich vom Recycling, das Werkstoffe zurückgewinnt und in neue Einheiten oder Produkte umwandelt. Diverse Unsicherheiten, etwa hinsichtlich Zustand, Menge und Zeitpunkt der Rückführung, können mit Industrie 4.0-Ansätzen sowie Künstlicher Intelligenz minimiert werden. Ein spezielles Lernkonzept gewährleistet die geforderten Kompetenzprofile der Mitarbeitenden in diesem Kontext.