Prozessmanagement

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
Verteilte Anwendungsintegration in Industriebetrieben

Verteilte Anwendungsintegration in Industriebetrieben

Einsatz von Microservices zur Enterprise Application Integration
Jan-Peer Rudolph ORCID Icon
Im Rahmen der Digitalen Transformation steigt die Anzahl der Softwareanwendungen in Unternehmen kontinuierlich an. Dies betrifft speziell Industriebetriebe, die aufgrund ihrer oft komplexen Geschäftsprozesse vor besonderen Herausforderungen stehen. Eine ganzheitliche und nachhaltige Integration dieser Geschäftsprozesse erfordert eine enge Verknüpfung der eingesetzten Informationssysteme. In diesem Kontext gewinnt die Anwendungsintegration, auch bekannt als Enterprise Application Integration (EAI), zunehmend an Bedeutung. Moderne Ansätze wie die Verwendung von Microservices bieten dabei eine besonders flexible und effiziente Lösung, um unterschiedliche Anwendungen nahtlos miteinander zu verbinden und so die Agilität und Skalierbarkeit der IT-Landschaft zu fördern.
Industry 4.0 Science | 41. Jahrgang | 2025 | Ausgabe 1 | Seite 74-80
Kreislaufwirtschaft als holistische Strategie

Kreislaufwirtschaft als holistische Strategie

Komplexitätsmanagement im Umgang mit den Herausforderungen der Nachhaltigkeit
Joseph W. Dörmann
Die Kreislaufführung hat sich seit Jahrzehnten als eine bedeutende Strategie zur Bewältigung der Herausforderungen im Bereich der Nachhaltigkeit etabliert. Ihr holistischer Ansatz zielt darauf ab, Ressourcen effizient zu nutzen und Abfälle zu minimieren. Einer erfolgreichen Umsetzung und Ausweitung dieses Konzepts stehen jedoch zahlreiche Herausforderungen entgegen. In diesem Beitrag werden die wichtigsten Hindernisse für die Kreislaufwirtschaft identifiziert und diskutiert. Dabei werden ökonomische, technologische, soziale und politische Aspekte beleuchtet, um einen umfassenden Einblick in die Komplexität dieser nachhaltigen Strategie zu geben. Es wird betont, dass eine erfolgreiche Kreislaufwirtschaft nur durch die koordinierte Zusammenarbeit verschiedener Akteure und die Entwicklung innovativer Lösungen für die identifizierten Herausforderungen erreicht werden kann.
Industry 4.0 Science | 41. Jahrgang | 2025 | Ausgabe 1 | Seite 60-67
Large Language Models (LLM) im Produktionsumfeld

Large Language Models (LLM) im Produktionsumfeld

Eine Potenzialanalyse zur Transformation von Produktionsabläufen in modernen Fabriken
Pius Finkel ORCID Icon, Peter Wurster ORCID Icon, Robin Radler
Die rasante Entwicklung von generativer Künstlicher Intelligenz weist der produzierenden Industrie neue Wege inmitten des Fachkräftemangels. Mit Large Language Models lassen sich Produktionsabläufe in mittelständischen Unternehmen potenziell effizienter machen. Doch woran bemisst sich diese Stärke genau? Zentrale Einsatzfelder wie Kommunikation, Weiterbildung und Wissensmanagement zeigen, warum auch hier viel von der Akzeptanz der Mitarbeitenden abhängt.
Industry 4.0 Science | 40. Jahrgang | 2024 | Ausgabe 6 | Seite 48-55 | DOI 10.30844/I4SD.24.6.48
Auf dem Weg zur grünen Künstlichen Intelligenz (KI)

Auf dem Weg zur grünen Künstlichen Intelligenz (KI)

KI-Energieeffizienz und die Minimierung des CO2-Fußabdrucks von KI-basierten Systemen
Marcus Grum ORCID Icon, Maximilian Ambros ORCID Icon, Marcel Rojahn ORCID Icon
Die Reduzierung von CO2-Emissionen ist eine der dringendsten Aufgaben unserer Zeit. Gleichzeitig schreitet die Entwicklung von Künstlicher Intelligenz schnell voran. Doch KI bringt oft eine erhebliche CO2-Belastung mit sich. Eine experimentelle Erprobung grüner KI-Strategien ist daher entscheidend für ihren langfristigen Erfolg. Ein Management-Tool kann diesen Prozess unterstützen, damit sowohl Anwender als auch Führungskräfte KI als Werkzeug optimal nutzen können.
Industry 4.0 Science | 40. Jahrgang | 2024 | Ausgabe 6 | Seite 18-30
Einrichtung von Montageassistenzsystemen

Einrichtung von Montageassistenzsystemen

System zur effizienten Konfiguration von Montageanweisungen und Assistenzfunktionen
Dennis Keiser, Dario Niermann ORCID Icon, Michael Freitag ORCID Icon
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.
Industry 4.0 Science | 40. Jahrgang | 2024 | Ausgabe 6 | Seite 32-39
Künstliche Intelligenz (KI) als Enabler für die Industrie 4.0?

Künstliche Intelligenz (KI) als Enabler für die Industrie 4.0?

Auswirkungen auf den Reifegrad von Industrie 4.0-Technologien
Dennis Richter, Mildred Doe, Steffen Kinkel ORCID Icon
Künstliche Intelligenz wird oft in einem Atemzug mit der Industrie 4.0 genannt, doch die genaue Rolle von KI ist dabei unklar. Ist KI nur eine weitere I4.0-Technologie oder ein essenzieller „Befähiger“ für andere I4.0-Technologien? Sechs Expertinnen und Experten haben bewertet, wie stark sich KI auf 41 I4.0-Technologien auswirkt. KI könnte in der Tat ein eintscheidender Faktor sein, um das volle Potenzial der Industrie 4.0 zu entfalten.
Industry 4.0 Science | 40. Jahrgang | 2024 | Ausgabe 6 | Seite 80-87 | DOI 10.30844/I4SD.24.6.80
Einführung von Machine Learning in die Produktion

Einführung von Machine Learning in die Produktion

Ein KMU-spezifischer, holistischer Leitfaden
Manuel Savadogo, Malte Stonis ORCID Icon, Peter Nyhuis ORCID Icon
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.
Industry 4.0 Science | 40. Jahrgang | 2024 | Ausgabe 6 | Seite 88-95
Echtzeit-Reaktionen für fahrerlose Transportsysteme (FTS)

Echtzeit-Reaktionen für fahrerlose Transportsysteme (FTS)

Überwachung und Steuerung bei großen Latenzzeiten
Dominik Augenstein, Lea Basler
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.
Industry 4.0 Science | 40. Jahrgang | 2024 | Ausgabe 6 | Seite 56-62
1 2 3 14