Künstliche Intelligenz

Mehrdimensionales Reifegradmodell für Digitale Zwillinge

Mehrdimensionales Reifegradmodell für Digitale Zwillinge

Methode zur systematischen Klassifikation und Bewertung
Michael Lütjen ORCID Icon, Eike Broda, Jan-Frederik Uhlenkamp, Jasper Wilhelm, Michael Freitag ORCID Icon, Klaus-Dieter Thoben ORCID Icon
Digitale Zwillinge sind ein wichtiger Bestandteil des Industrie 4.0-Gedankens. Sie spiegeln physische Güter in der digitalen Welt wider und erweitern diese mit zusätzlichen Fähigkeiten und Funktionen zur Analyse, Prognose und Entscheidungsfindung. Aufgrund der vielfältigen Gestaltungsmöglichkeiten von Digitalen Zwillingen sind auch ihr Design und ihre Implementierung sehr vielfältig. Diese Publikation leistet einen Beitrag zur Klassifikation und Bewertung von Digitalen Zwillingen mittels eines mehrdimensionalen Reifegradmodells. Die präsentierte Methode „DT-Assess“ ermöglicht eine anwendungsspezifische Bewertung von Digitalen Zwillingen. Die Entwicklung der Methode folgte der Vorgehensweise zur Entwicklung von Reifegradmodellen für das IT-Management. Das entwickelte Reifegradmodell besteht aus sieben Kategorien mit insgesamt 31 zu bewertenden Merkmalen. Die systematische Evaluation in fünf Anwendungsszenarien erlaubt erstmalig eine Einordnung der jeweiligen „Digitale ...
Industrie 4.0 Management | 38. Jahrgang | 2022 | Ausgabe 5 | Seite 7-11
Smart Connected Solutions

Smart Connected Solutions

Status Quo in der Praxis, Herausforderungen und initiale Handlungsempfehlungen für Industrieunternehmen
Jonas Peter
Resultierend aus technologischem Wandel und steigendem Konkurrenzdruck, stoßen traditionelle Industrieunternehmen oft an ihre Grenzen, langfristig marktfähig zu bleiben [1, 2]. Im Rahmen dieser Entwicklungen nimmt die Bedeutung von zusätzlichen digitalen Dienstleistungen zu [3, 4]. Gleichzeitig verändern sich Industrieprodukte zu komplexen Systemen, bei denen das Zusammenspiel aus Software, Hardware und Daten im Vordergrund steht. Hierbei umfassen Smart Connected Solutions (SCS) datenbasierte und serviceorientierte Lösungen für das Unternehmensportfolio [1, 5]. In diesem Kontext ist der Wandel zu SCS-Geschäftsmodellen ein essenzieller strategischer Handlungsspielraum [1, 6]. Dieser Beitrag liefert Erkenntnisse aus der Praxis zum SCS-Reifegrad, zu Herausforderungen beim Aufbau von SCS-Geschäftsmodellen sowie zu Handlungsempfehlungen für Industrieunternehmen.
Industrie 4.0 Management | 38. Jahrgang | 2022 | Ausgabe 5 | Seite 57-60
KI in der Arbeitswelt von morgen

KI in der Arbeitswelt von morgen

Veränderungen und Gestaltungsansätze
Andreas Heindl, Alexander Mihatsch
Künstliche Intelligenz (KI) ist bereits heute ein wichtiger Bestandteil der Geschäftsmodelle und Prozesse vieler Unternehmen. In naher Zukunft werden KI-Systeme unsere Arbeitswelt tiefgreifend verändern. KI-Systeme können dabei für Unternehmen der unterschiedlichsten Branchen und Domänen - insbesondere in der Industrie - völlig neue Potenziale entfalten. Bestehende Geschäftsmodelle können entlang der Wertschöpfungskette optimiert werden, indem Produktionsabläufe und Prozesse optimiert oder mit vorausschauender Wartung Stillstände in der Produktion vermieden werden (2). Gleichzeitig können KI-Systeme völlig neue Geschäftsmodelle ermöglichen und damit bestehende Marktstrukturen durch neue Akteure radikal verändern. Die KI-Wirtschaft von morgen wird individueller, präziser und nachhaltiger sein: Eine wettbewerbsfähige Wertschöpfung ohne KI wird in vielen Bereichen der Industrie nicht möglich sein (1).
Industrie 4.0 Management | 38. Jahrgang | 2022 | Ausgabe 4 | Seite 10-14
Passgenaue Schuhe mittels 3D-Druck

Passgenaue Schuhe mittels 3D-Druck

Deep Learning unterstützt die Defekt-Erkennung bei Mass Customization
Markus Trapp, Markus Kreutz, Alexander Böttjer, Michael Lütjen ORCID Icon, Michael Freitag ORCID Icon
Die additive Fertigung hat sich als Produktionsverfahren etabliert und auch Einzug in die Modeindustrie gefunden, in der individualisierte Schuhe im 3D-Druckverfahren hergestellt werden. Die Herstellung von solchen Einzelstücken stellt jedoch hohe Herausforderungen an eine automatisierte Qualitätskontrolle, da durch die vergleichsweise geringen Stückzahlen auch wenig Informationen über mögliche Defekte erzeugt werden. In diesem Beitrag wird ein Vorgehen zur Qualitätskontrolle durch Nutzung eines Autoencoders vorgestellt, welcher mittels Bildern von defektfreien Testobjekten so trainiert wird, dass auftretende Anomalien erkannt werden können. Mit einem ROC AUC score von 0,87 zeigen erste Tests vielversprechende Ergebnisse und belegen, dass durch diese Methode Defekte an den verwendeten Schuhmodellen erkannt werden können.
Industrie 4.0 Management | 38. Jahrgang | 2022 | Ausgabe 4 | Seite 15-18
KI-basierte Assistenzsysteme in betrieblichen Lernprozessen

KI-basierte Assistenzsysteme in betrieblichen Lernprozessen

Gergana Vladova, Norbert Gronau ORCID Icon
Assistenzsysteme finden im Kontext der digitalen Transformation immer mehr Einsatz. Sie können Beschäftigte in industriellen Produktionsprozessen sowohl in der Anlern- als auch in der aktiven Arbeitsphase unterstützen. Kompetenzen können so arbeitsplatz- und prozessnah sowie bedarfsorientiert aufgebaut werden. In diesem Beitrag wird der aktuelle Forschungsstand zu den Einsatzmöglichkeiten dieser Assistenzsysteme diskutiert und mit Beispielen illustriert. Es werden unter anderem auch Herausforderungen für den Einsatz aufgezeigt. Am Ende des Beitrags werden Potenziale für die zukünftige Nutzung von AS in industriellen Lernprozessen und für die Forschung identifiziert.
Industrie 4.0 Management | 38. Jahrgang | 2022 | Ausgabe 2 | Seite 11-14 | DOI 10.30844/I40M_22-2_11-14
So lernen wir

So lernen wir

Ein Best-Practice-Beispiel der Qualifizierung in KMU für Arbeit 4.0
Marc Schwarzkopf, Susann Zeiner-Fink, Angelika C. Bullinger-Hofmann
Der Prozess der Digitalisierung fordert von kleinen und mittelständischen Unternehmen (KMU) ihre Arbeits- und Produktionsprozesse zu überdenken. Ausgelöst durch diesen Wandel besteht die Anforderung sowohl die Produktion als auch die Mitarbeiterorganisation umzustrukturieren. In Folge dessen ändern und erweitern sich nicht nur die Tätigkeitsprofile der Mitarbeitenden, sondern auch die Art und Weise der Wissensvermittlung. In bestehende Ausbildungsprogramme sollten innovative und digitalisierte Formate integriert und gebrauchstauglich auf mobilen Endgeräten dargeboten werden. Daher bedarf es geeigneter und zielgruppenspezifischer Lehr-/Lernformate, die partizipative Methoden und digitale Kollaboration unterstützen.
Industrie 4.0 Management | 38. Jahrgang | 2022 | Ausgabe 2 | Seite 53-57
Arbeitsplatznahe Kompetenzentwicklung gestalten

Arbeitsplatznahe Kompetenzentwicklung gestalten

Gestaltungskriterien für den Einsatz digitaler Assistenzsysteme zur arbeitsplatznahen Kompetenzentwicklung
Wilhelm Bauer, Maike Link, Walter Ganz
Ein wichtiger Baustein für Unternehmen, um mit den Anforderungen der Arbeitswelt umzugehen, ist die kontinuierliche und bedarfsspezifische Weiterbildung der Mitarbeitenden. Die Möglichkeit von arbeitsplatznahem Lernen spielt dabei eine große Rolle. Im Folgenden wird beleuchtet, welche Formen digitaler Assistenzsysteme aktuell für die gezielte Unterstützung des arbeitsplatznahen Lernprozesses eingesetzt werden und welche Gestaltungsdimensionen bei der Einführung entsprechender Systeme relevant sind. Abschließend wird der unterstützende Einsatz von Künstlicher Intelligenz zur Gestaltung bedarfs- und personenspezifischer Lernprozesse beleuchtet.
Industrie 4.0 Management | 38. Jahrgang | 2022 | Ausgabe 2 | Seite 28-32
Anforderungen an den Einsatz von Digitalisierung und KI

Anforderungen an den Einsatz von Digitalisierung und KI

Anwendungen zur Steigerung der Energieeffizienz
Dennis Bode, Henry Ekwaro-Osire, Klaus-Dieter Thoben ORCID Icon
Energieeffizienz gewinnt eine immer stärkere Bedeutung in allen Branchen des produzierenden Gewerbes. Mit Technologien aus den Bereichen Digitalisierung und Künstlicher Intelligenz (KI) können innovative Lösungen für eine energieeffizientere Herstellung beispielsweise durch eine KI-gestützte Prozessführung einen entscheidenden Beitrag zur Nachhaltigkeit und zur Wettbewerbsfähigkeit eines Unternehmens leisten. Die Anforderungen an den Einsatz und die reibungslose Integration von KI in Unternehmensprozesse sind komplex und vielfältig. Verschiedene Beteiligte müssen bei der Erfassung der Anforderungen integriert und unterschiedliche Technologieaspekte und Geschäftsfelder beachtet werden. Gegenstand dieses Beitrags ist ein Vorgehen zur Erfassung dieser Anforderungen bei der Durchführung innovativer Digitalisierungs- und KI-Projekte zur Steigerung der Energieeffizienz im produzierenden Gewerbe.
Industrie 4.0 Management | 38. Jahrgang | 2022 | Ausgabe 1 | Seite 17-22 | DOI 10.30844/I40M_22-1_17-22
Bereit für Künstliche Intelligenz?

Bereit für Künstliche Intelligenz?

Empfehlungen für die KI-Transformation im Mittelstand
Ralf Klinkenberg, Philipp Schlunder
Künstliche Intelligenz (KI) ist die nächste Stufe der Digitalisierung der Wirtschaft. Auch für kleine und mittlere Unternehmen (KMU) bietet die Technologie großes Potenzial. Viele Mittelständler sind aber bei der KI-Einführung noch zurückhaltend und stehen bei der Digitalisierung erst am Anfang: Nur rund ein Fünftel aller KMU in Deutschland hat die eigenen Prozesse und Abteilungen durchghend digitalisiert [1]. Was bedeutet das für den Einsatz von KI in den Unternehmen? Welche Schritte sollten die Betriebe jetzt unternehmen, um die Chancen von KI zu nutzen? Und welche Stolpersteine gilt es zu vermeiden? Dieser Beitrag stellt praktische Umsetzungskonzepte für Unternehmen mit unterschiedlichen digitalen Reifegraden und KI-Einsatzfähigkeiten vor und zeigt die Bandbreite der Nutzenpotenziale von KI-Anwendungen in verschiedenen Branchen und mit unterschiedlichen Wertschöpfungsarchitekturen in mittelständischen Unternehmen auf.
Industrie 4.0 Management | 37. Jahrgang | 2021 | Ausgabe 6 | Seite 62-66
KrakenBox

KrakenBox

Deep Learning-basierter Fehlerdetektor für Cyber-Physische-Produktionssysteme
Sheng Ding, Tagir Fabarisov, Philipp Grimmeisen, Andrey Morozov
Deep Learning-basierte Methoden zur Fehlererkennung sind traditionellen Methoden aufgrund der stetig steigenden Komplexität technischer Systeme und der damit verbundenen Flexibilität und Skalierbarkeit von Deep-Learning-Techniken überlegen. Dieser Beitrag stellt die KrakenBox vor − einen autonomen Deep Learning-basierten Fehlerdetektor für Cyber-Physische-Produktions-Systeme (CPPS). Dieser nutzt ein in der Komplexität speicherreduziertes Long Short-Term Memory (LSTM) Netzwerk, das zur Online-Fehlererkennung geeignet ist und auf einer eingebetteten Plattform wie dem NVIDIA Jetson AGX Xavier oder der Google Coral Edge TPU eingesetzt werden kann. Dieser Beitrag beschreibt die Architektur der KrakenBox und demonstriert ihre Anwendung anhand von zwei Fallstudien.
Industrie 4.0 Management | 37. Jahrgang | 2021 | Ausgabe 6 | Seite 27-31
1 … 8 9 10 … 17