Lösung: Prozessmanagement

Ethische KI im Arbeitsumfeld durch wertebasierte Labels?

Ethische KI im Arbeitsumfeld durch wertebasierte Labels?

Lessons Learned aus der Anwendung des VCIO-Frameworks auf einen KI-basierten Assistenten
Natalie Martin ORCID Icon, Tobias Kopp ORCID Icon, Natalie Beyer, Jochen Wendel ORCID Icon, Steffen Kinkel ORCID Icon
Systeme der Künstlichen Intelligenz (KI) unterstützen Mitarbeitende zunehmend bei komplexen Entscheidungsprozessen. Dazu müssen Mitarbeitende die Vertrauenswürdigkeit von KI-basierten Empfehlungen valide beurteilen. KI-Ethik-Labels sollen Mitarbeitenden bei dieser Einschätzung helfen und die Entwicklung vertrauenswürdiger KI-Lösungen befördern. Die AI Ethics Impact Group entwickelte hierfür ein Label, das auf dem VCIO-Framework (Values, Criteria, Indicators, Observables) basiert und dezidiert relevante ethische Werte adressiert. Jedoch sind solche Labels noch wenig verbreitet, weshalb kaum Erfahrungswerte aus der praktischen Anwendung vorliegen. Damit bleiben die praktische Umsetzbarkeit und der Nutzen von KI-Labels unklar. Der geplante Beitrag bietet einen Überblick über existierende Labels für KI-Systeme, beleuchtet das VCIO-Framework in der Anwendung auf einen konkreten Anwendungsfall aus der Praxis und leitet Handlungsempfehlungen für die Gestaltung ethischer KI ab.
Industry 4.0 Science | 42. Jahrgang | 2026 | Ausgabe 1 | Seite 30-38 | DOI 10.30844/I4SD.26.1.30
Potenziale, Prämissen, Perspektiven

Potenziale, Prämissen, Perspektiven

Wie sich betriebliches Wissensmanagement dank LLMs neu interpretieren lässt
Vanessa Kuks ORCID Icon, Pius Finkel ORCID Icon, Peter Wurster ORCID Icon
Der demografische Wandel verstärkt den Arbeits- bzw. Fachkräftemangel in der produzierenden Industrie, wodurch das Thema Wissensmanagement für viele Unternehmen an Bedeutung gewinnt. Insbesondere die Erhebung und Konservierung impliziten Wissens stellt eine Herausforderung dar. Die vorliegende Studie beleuchtet, inwieweit Large Language Models (LLMs) im Bereich der Wissenserhebung mit Experteninterviews sinnstiftend unterstützen können. Drei Experten testen und bewerten den entwickelten Chatbot. Die Ergebnisse des Interviews sind vielversprechend, die Zusammenfassung hingegen zeigt Verbesserungspotenziale.
Industry 4.0 Science | 41. Jahrgang | 2025 | Ausgabe 6 | Seite 48-56 | DOI 10.30844/I4SD.25.6.48
Ableitung von MTM-Analysen aus Motion-Capturing-Daten

Ableitung von MTM-Analysen aus Motion-Capturing-Daten

Evaluation des Vorgehens und Vergleich mit manuell erzeugten MTM-Analysen
Silas Pöttker ORCID Icon, Maria Neumann ORCID Icon, Martin Benter ORCID Icon, Constantin Eckart ORCID Icon, Ulrike Wolf ORCID Icon, Peter Kuhlang ORCID Icon, Hermann Lödding ORCID Icon
Seit etwa 15 Jahren steigt die Arbeitsproduktivität je Arbeitsstunde mit deutlich weniger als einem Prozent pro Jahr. Gleichzeitig können detailliertere Produktivitätsanalysen in den Unternehmen hohe Potenziale ausweisen. Allerdings sind die hierfür geeigneten MTM-Analysen aufwendig und werden aktuell nicht in der erforderlichen Breite und Häufigkeit eingesetzt. Eine Lösung ist der Einsatz digitaler Technologien wie Motion Capturing. Diese ermöglichen es, Produktivitätsanalysen mit geringem Aufwand durchzuführen, da sie Daten bereitstellen, die die Analyse beschleunigen. Das Tool MTMmotion® der MTM ASSOCIATION e. V. (MTMA) wurde mit dem Ziel entwickelt, mit den bereitgestellten Daten unterschiedlicher Technologien valide und regelkonforme MTM-Analysen durchführen zu können. Dieser Beitrag vergleicht die für ein Motion-Capture-System und MTMmotion® entwickelte Methode mit einer konventionellen MTM-1®-Analyse. Wesentliches Ergebnis ist, dass mit digitalen Technologien ...
Industry 4.0 Science | 41. Jahrgang | 2025 | Ausgabe 5 | Seite 112-119 | DOI 10.30844/I4SD.25.5.112
Produktivitätssteigerung in der Engineer-to-Order-Produktion

Produktivitätssteigerung in der Engineer-to-Order-Produktion

Digitale Assistenz an der Schnittstelle zwischen Konstruktion und Produktion im Schiffbau
Jan Sender ORCID Icon, David Jericho ORCID Icon, Konrad Jagusch ORCID Icon
In Engineer-to-Order-Produktionssystemen werden Konstruktions- und Produktionsprozesse häufig parallelisiert, um kürzere Durchlaufzeiten zu realisieren. Der Schiffbau ist ein typisches Beispiel für diese Vorgehensweise. In der Praxis führt dies neben der Zeitersparnis jedoch zu Effizienzverlusten in der parallelen Arbeit von Konstruktion und Produktion. Dieser Artikel analysiert die Ursachen für diese Ineffizienzen. Basierend auf der Analyse erfolgt die Entwicklung digitaler Assistenzsysteme in der schiffbaulichen Prozesskette, um den Effizienzverlusten entgegenzuwirken. Grundlage der digitalen Assistenzsysteme ist ein digitaler Schatten des Schiffbauprozesses.
Industry 4.0 Science | 41. Jahrgang | 2025 | Ausgabe 5 | Seite 78-85 | DOI 10.30844/I4SD.25.5.78
Fachbereich trifft Code

Fachbereich trifft Code

Mit KI zur besseren Zusammenarbeit bei der Softwareentwicklung
Andreas Groche, Dominik Augenstein
Softwareentwicklung ist ein grundlegender Schritt in der Digitalen Transformation und bedingt eine gute Datengrundlage für die Entwickler, damit sie die Software passgenau auf die Bedürfnisse des beauftragenden Fachbereichs zuschneiden können. Leider sind die dafür notwendigen Datenmodelle unvollständig, oftmals einseitig vom Entwicklungsbereich erstellt und nicht im Business-Kontext eingebettet. Dies macht es weder für Entwickler noch für KI einfach, die passgenauen Algorithmen zu finden. Der vorliegende Ansatz erhöht das Verständnis und den Austausch zwischen Fach- und Entwicklungsbereich und bietet eine digitale Assistenz bei der Datenmodellierung als Grundlage für die Softwareentwicklung. Ferner können auch hier Ansätze mit KI helfen, die Qualität und Vollständigkeit der Daten zu erhöhen.
Industry 4.0 Science | 41. Jahrgang | 2025 | Ausgabe 4 | Seite 104-110
Erhöhung der Resilienz in der Logistik durch den Einsatz von IT

Erhöhung der Resilienz in der Logistik durch den Einsatz von IT

Am Beispiel von Supply-Chain-Risikomanagementinformationssystemen
Alexander Baur, Jasmin Hauser, Dieter Uckelmann ORCID Icon
Die Blockade des Suezkanals durch die Havarie des Containerschiffs Ever-Given im Jahr 2021 verdeutlicht exemplarisch die Notwendigkeit, globale Lieferketten so zu gestalten, dass sie schnell auf Störungen reagieren können. In der volatilen, unsicheren, komplexen und mehrdeutigen (VUCA) Umgebung stoßen konventionelle, auf Effizienz ausgerichtete Logistikprozesse und speziell Supply-Chain-Management-Methoden zunehmend an ihre Grenzen. Resilienz, die durch die Kombination von Robustheit und Agilität erreicht wird, ist essenziell, um diese Reaktionsfähigkeit sicherzustellen. Der vorliegende Artikel analysiert, wie Risikomanagementinformationssysteme (RMIS) die Resilienz erhöhen können. Die Analyse umfasst die Datenverfügbarkeit, die Datentransparenz, die Modellierung und Simulation von Risikoszenarien und die Erarbeitung von entsprechenden Notfallaktionsplänen. Die genannten Maßnahmen können, trotz der bestehenden Herausforderungen bei der Gestaltung der IT-Infrastruktur, ...
Industry 4.0 Science | 41. Jahrgang | 2025 | Ausgabe 4 | Seite 36-42
Maschinelles Lernen zur Förderung von Nachhaltigkeit

Maschinelles Lernen zur Förderung von Nachhaltigkeit

Unternehmensanalyse auf Basis von Experteninterviews
Niklas Bode ORCID Icon, Lukas Nagel ORCID Icon, Oskay Ozen ORCID Icon, Matthias Weigold ORCID Icon
In diesem Beitrag werden die Ergebnisse von zehn Experteninterviews über den Einsatz von Maschinellem Lernen zur Förderung der unternehmerischen Nachhaltigkeit skizziert und der Literatur gegenübergestellt. Die Untersuchung zeigt, dass wirtschaftliche Faktoren den Einsatz von Maschinellem Lernen (ML) antreiben. Die Einführung der Technologie wird sowohl durch das Top-Management als auch durch die Fachabteilungen initiiert. Fundierte Strategien zur Umsetzung von ML-Anwendungsfällen sind selten vorhanden. Dabei basieren Anwendungsfälle häufig auf überwachtem Lernen. Die ökologischen Auswirkungen überwiegen gegenüber den sozialen Auswirkungen. Häufig können Emissionsreduktionen realisiert werden, wobei Quantifizierungen schwerfallen. Jedoch behindert der Mangel an Vertrauen, Fachwissen und Kommunikation die Einführung von Maschinellem Lernen, während einige technischen Herausforderungen bezüglich der Datenanforderungen auch Probleme für Maschinelles Lernen bereiten.
Industry 4.0 Science | 41. Jahrgang | 2025 | Ausgabe 4 | Seite 44-51 | DOI 10.30844/I4SD.25.4.44
Fehlermanagement in der Produktion

Fehlermanagement in der Produktion

Aktuelle Gegebenheiten und Herausforderungen in der Industrie
Johannes Prior ORCID Icon, Milan Brisse ORCID Icon, Nikita Govorov, Robert Egel ORCID Icon, Bernd Kuhlenkötter ORCID Icon
Die vorliegende Studie untersucht unter Teilnahme von 23 Unternehmen die Praxis des erfahrungsbasierten Fehlermanagements. Ziel dieser Untersuchung ist es, zentrale Kriterien für ein effektives Fehlermanagement in der Produktion zu identifizieren. Hierzu wurde ein Fragebogen mit 77 Fragen zu acht Themenbereichen entwickelt, darunter Fehlerkultur, Dokumentation, Ursachenforschung und softwaregestütztes Wissensmanagement. In der anschließenden Analyse werden positive und negative Maßnahmen herausgearbeitet, um daraus konkrete Handlungsempfehlungen zur Optimierung des erfahrungsbasierten Fehlermanagements abzuleiten.
Industry 4.0 Science | 41. Jahrgang | 2025 | Ausgabe 2 | Seite 38-45 | DOI 10.30844/I4SD.25.2.38
Digitaler Zwilling mittels semantischer Modellierung und KI

Digitaler Zwilling mittels semantischer Modellierung und KI

Selbstlernende Entwicklung und Simulation industrieller Produktionsanlagen
Wolfram Höpken ORCID Icon, Ralf Stetter ORCID Icon, Markus Pfeil ORCID Icon, Thomas Bayer ORCID Icon, Bernd Michelberger, Markus Till, Timo Schuchter, Alexander Lohr
Der KI-basierte selbstlernende Digitale Zwilling passt sich automatisch an das reale Systemverhalten an und stellt jederzeit ein optimales Abbild eines Produktionsprozesses dar. Ein ausdrucksstarkes, semantisches Gesamtmodell dient als Basis für neuartige Ansätze der künstlichen Intelligenz (KI). Die mittels Methoden der KI gewonnenen Erkenntnisse werden in das Gesamtmodell integriert und so die Interpretierbarkeit und Erklärbarkeit der KI-Modelle verbessert. Methoden aus dem Bereich der eXplainable AI ermöglichen die automatische Beschreibung von KI-Modellen und deren Erkenntnisse sowie den Aufbau selbsterklärender Modelle.
Industry 4.0 Science | 41. Jahrgang | 2025 | Ausgabe 2 | Seite 30-36 | DOI 10.30844/I4SD.25.2.30
Mehr Wettbewerbsfähigkeit für die Kleinserienproduktion

Mehr Wettbewerbsfähigkeit für die Kleinserienproduktion

Skalierbare und flexible Rohkarosserie-Fertigungslinie mit kollaborativen mobilen Robotern
Walid Elleuch, Tadele Belay Tuli ORCID Icon, Martin Manns ORCID Icon
Durch den höheren Bedarf für eine Anpassung von Produkten an Kundengruppen und -bedürfnisse sind Body-In-White produzierende Unternehmen mit einer höheren Variantenmontage in den späteren Phasen der Produktionslinie konfrontiert, wodurch die Produktionskosten pro Einheit steigen. Flexible Produktionsprozesse mit flexiblen Materialflüssen und Fertigungsabläufen sowie der automatischen Rekonfiguration von Werkzeugen sind die Säulen eines resilienten Produktionssystems. In diesem Artikel wird eine konzeptionelle Lösung für die flexible Karosserierohbau-Blechfertigung mit autonomen kollaborativen Robotersystemen vorgestellt, um die Produktkosten für einen höheren Wettbewerbsvorteil zu senken.
Industry 4.0 Science | 41. Jahrgang | 2025 | Ausgabe 2 | Seite 60-67
1 2 … 14