Open-Access-Beiträge

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.

Die Circular Economy gilt als eines der vielversprechendsten Konzepte auf dem Weg hin zu einer nachhaltigeren Wirtschaftsweise - welche die Gesellschaft zunehmend von Unternehmen einfordert. Die Erwartungshaltungen an eine verantwortungsvolle Unternehmensausrichtung steigen: Dies zeigt ein aktuelles Urteil des Bundesverfassungsgerichts, das verlangt, dass Deutschland die Klimaschutzziele ambitionierter gestalten muss [1]. Der European Green Deal sieht Klimaneutralität für die EU bis 2050 vor und der „Aktionsplan Kreislaufwirtschaft“ fordert einen effektiveren Umgang mit Ressourcen und Reserven [2]. In diesem Beitrag wird eine Methode beschrieben, mithilfe derer Unternehmen Ideen für zirkuläre und damit nachhaltigere und ressourcenschonendere Geschäftsmodelle entwickeln können.

Die Stärkung der Digitalisierung im Nachhaltigkeitsmanagement und das Schaffen einer einheitlichen sowie konsistenten Datenbasis können Unternehmen maßgeblich unterstützen, steigenden Nachhaltigkeitsanforderungen zu entsprechen und die Transparenz zur Nachhaltigkeit des Wirtschaftens zu gewährleisten. Dieser Beitrag stellt Anforderungen und einen serviceorientierten Ansatz zur Entwicklung einer Plattform für datengestütztes Nachhaltigkeitsmanagement in produzierenden Unternehmen vor.

Ein erheblicher Teil der globalen Treibhausgasemissionen wird durch die Industrie verursacht. Ihre Digitalisierung wird oft als Weg zu mehr Nachhaltigkeit gesehen. Zugleich zeichnen sich ökologische und soziale Risiken ab, deren Erforschung noch am Anfang steht. Bisherige Erkenntnisse zeigen multiple Herausforderungen auf. Soll eine nachhaltige Industrie 4.0 gelingen, müssen diese bereits konzeptionell einbezogen werden. Aufbauend auf einer konzeptionell-theoretischen Literaturanalyse präsentiert der folgende Beitrag aktuelle Entwicklungen aus Forschung, Wirtschaft und Politik. Wir beleuchten ausgewählte Ansätze, die auf eine nachhaltige Industrie 4.0 abzielen und skizzieren abschließend praktische Gestaltungsoptionen.

Der IPCC-Report aus dem August 2021 ist die jüngste einer Reihe von deutlichen Warnungen vor den Folgen des voranschreitenden Klimawandels. Alle Wirtschaftsbereiche stehen mehr denn je in der Verantwortung, ihre Treibhausgasemissionen schnell und umfassend zu senken. Die Logistik macht etwa 10 % des globalen CO2-Ausstoßes aus [1]. Der größte Anteil entfällt auf den Straßengüterverkehr. Aufgrund hoher Wachstumsraten, der anhaltenden Abhängigkeit von fossilen Brennstoffen und der hohen Fragmentierung des Markts ist die Senkung der CO2-Emissionen bzw. die sogenannte Dekarbonisierung des Straßengüterverkehrs besonders herausfordernd [2]. Auf Basis der Ergebnisse einer großen Umfrage wird in diesem Beitrag herausgearbeitet, wie kleine Transportdienstleister und ihre Auftraggeber einen Beitrag zur Erreichung globaler Klimaziele leisten können. Im ersten Schritt kann eine genauere Messung der CO2-Emissionen dabei helfen, die Vorteilhaftigkeit lange bekannter aber nicht immer ...

Die Werkstattführung im Rahmen des sogenannten Shopfloor Managements (SFM) greift zunehmend auf digital erfasste Daten zurück. Die im Rahmen des SFM erkannten Abweichungen führen im besten Fall zu einer systematischen und nachhaltigen Lösung der zugrundeliegenden Probleme. Besonders wertvoll ist dabei das in Form von Freitext dokumentierte Wissen der Beschäftigten in der Ursachenforschung und Maßnahmendefinition. Im Transferprojekt TexPrax werden daher Ansätze aus dem Natural Language Processing (NLP) auf diese Textdaten angewendet, um Assistenzfunktionen im SFM zu realisieren. Dieser Beitrag stellt verschiedene, erprobte Assistenzsysteme im digitalen SFM (dSFM) vor und zeigt situationsspezifische Umsetzungsstrategien für Unternehmen auf.

Obgleich die Umsetzungsgeschwindigkeit und das Wissen zu Industrie 4.0 in den vergangenen Jahren merklich zugenommen haben, stehen viele Entscheidungsträger weiterhin vor wesentlichen Herausforderungen bei der Implementierung von Industrie 4.0-Technologien. Hohe Investitionen stehen unklaren Performance-Steigerungen gegenüber, es gibt noch immer kein allgemeingültiges Verständnis des Begriffs Industrie 4.0 und in vielen Fällen ist die Umsetzung nicht über ein initiales „Industrie 4.0-Leuchtturmprojekt“ in dem jeweiligen Unternehmen hinausgegangen [1]. Inmitten dieser Transformation veröffentlichte die Europäische Kommission im Januar 2021 ein Whitepaper mit dem Titel „Industry 5.0 - Towards a sustainable, human-centric and resilient European industry” [2]. Kündigt sich hier somit bereits die nächste industrielle Revolution an? Dieser Beitrag erläutert den Begriff „Industrie 5.0“ in Bezug auf den Beitrag der Europäischen Kommission, die Verbindung mit aktuellen ...

Die Komplexität manueller Tätigkeiten in unterschiedlichen Unternehmensbereichen steigt durch verkleinerte Losgrößen, höhere Produktvarianzen und kürzere Produktlebenszyklen. Besonders sind davon die manuell geprägten Bereiche in der Montage und Logistik betroffen. Das Anlernen von neuen Mitarbeitenden oder das Qualifizieren von vorhandenen Mitarbeitenden wird deshalb deutlich aufwendiger. Bei der Auslegung solcher Systeme ist jedoch nicht nur die zu nutzende Technik entscheidend, zur erfolgreichen Implementierung muss eine soziotechnische Systemgestaltung zur Anwendung kommen. Das im vorliegenden Beitrag vorzustellende System bietet in diesem Rahmen neuartige Möglichkeiten, indem das individuelle Lernverhalten über Lernkurventheorien abgebildet wird und die Art der Informationsbereitstellung steuert.

Der digitale Zwilling dringt immer weiter in den Fokus von Produktionsunternehmen vor und wurde von Gartner als wichtige Schlüsseltechnologie identifiziert [1]. Volkswagen setzt die Technologie in der Cloud ein, um zukünftig die Produktion an allen Standorten digital zu planen, zu steuern und zu optimieren [2]. Dennoch ist diese Technologie im Mittelstand bisher kaum vertreten. Dieser Beitrag beschreibt ein flexibles Referenzmodell für die Planung und Optimierung der Produktion durch den digitalen Zwilling. Der Fokus liegt zum einen auf der Optimierung statischer Layouts und Materialflüsse und zum anderen auf der Optimierung der dynamischen Materialflüsse und der zeitlichen Organisation von Prozessen.

Die fortschreitende Verbreitung von vernetzten, intelligenten Produkten und Produktionsgütern im Rahmen von Industrie 4.0 verändert nicht nur die Produktion, sondern bewirkt auch die Entstehung von neuen Formen der Wertschöpfung und neuartigen Geschäftsmodellen. Unternehmen bietet dies die Möglichkeit zugehörige Dienstleistungen zu entwickeln und zu vermarkten. Dieser Trend hin zum Angebot von integrierten Produkten und Dienstleistungen wird als hybride Wertschöpfung bezeichnet und zielt darauf ab, dem Kunden ganzheitliche und individuelle Lösungen anzubieten. Die Entwicklung eines zugehörigen Geschäftsmodells hybrider Wertschöpfung erfordert eine multikriterielle Machbarkeitsüberprüfung. Dieser Beitrag befasst sich mit den Besonderheiten der Machbarkeitsstudie von Geschäftsmodellen hybrider Wertschöpfung.