Open-Access-Beiträge

In der heutigen Fertigungsindustrie sind Digitale Zwillinge ein entscheidender Schlüssel zur Optimierung von Produktionsprozessen und der effizienten Nutzung von Ressourcen. Das Erstellen Digitaler Zwillinge ist allerdings oft mit hohen oder schwer abschätzbaren Aufwänden verbunden und häufig werden unbekannte Kennwerte wie Materialparameter benötigt, was den Einsatz in der Realität erschwert. Mit RAPIDZ stellen wir ein Werkzeug zur Erstellung und Nutzung Digitaler Zwillinge vor, welches durch seinen modularen Aufbau, diese Barriere durchbricht. Die virtuellen Modelle physischer Systeme ermöglichen dann eine umfassende Analyse und Prognose von Materialflüssen, Energieverbrauch und Maschinenleistung in Echtzeit. Die Nutzung von RAPIDZ steigert die Effizienz von Produktionslinien, verbessert Flexibilität und Reaktionszeit und ermöglicht proaktive Wartungen, sodass Ausfallzeiten minimiert werden.

Firmen stehen vor der Herausforderung ihre globalen Supply Chain Netzwerke zu steuern, zu optimieren und agil sowie flexibel an sich verändernde Gegebenheiten anzupassen. Dies bedingt unter anderem die Einbindung der gesetzlichen Anforderungen des Lieferkettensorgfaltspflichtengesetzes (LkSG), der European Sustainability Reporting Standards (ESRS) oder die Berücksichtigung betriebswirtschaftlicher Interessen zur Steigerung der Performance. Folglich muss die Transparenz gesteigert und die Versorgungssicherheit resilienter gestaltet werden. Ziel ist eine effizientere Steuerung und Gewährleistung der Materialversorgung sowie Optimierung und Simulation von Szenarien zur Kostenminimierung.

Mit Industrie 4.0 stehen viele Industriebetriebe erneut umfassenden Transformationsdynamiken gegenüber. In Digitalisierungsprojekten greifen die Werks- bzw. Betriebsleitungen neuere technische Entwicklungen wie etwa kognitionsunterstützende Assistenzsysteme auf. Mit Blick auf die industrielle Montage in der Metall- und Elektroindustrie führt dies zu veränderten Arbeitsprozessen, bei denen oft noch unklar ist, inwieweit aus Beschäftigtensicht arbeitsintegriertes Lernen stattfindet. Gegenstand dieses Beitrages ist eine qualitative Analyse, mit der die Sicht von Beschäftigten auf die Chancen und Risiken von drei kognitionsunterstützenden Assistenzsystemen nachgezeichnet wird. Das Ergebnis: nicht alle Beschäftigten in der Montage scheinen gleichermaßen von den neuen Entwicklungen zu profitieren.

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.

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.

Im Entwicklungsprozess werden Entscheidungen mit Wirkung auf die Nachhaltigkeit von Produkten getroffen. Mit zunehmendem Entwicklungsfortschritt können auch Aussagen zur Nachhaltigkeit konkretisiert werden. Während zunächst nur Abschätzungen anhand von verwandten Produkten und Prozessen möglich sind, können später etwa Betriebs- und Maschinendaten genutzt werden. Werden Metriken für Kennzahlen verwendet, sollte die Qualität der verwendeten Daten nachvollziehbar sein. Dazu werden relevante Datenqualitätskriterien und -indikatoren ausgewählt und in Bezug gesetzt. Die Verfügbarkeit von Daten kann gesteigert werden, indem die Produktentwicklung auf Partner in Datenökosystemen zurückgreift. Die Grundlage bilden Datenräume wie Gaia-X, Catena-X und Manufacturing-X.

Die wichtigsten wertschöpfenden industriellen Geschäftsprozesse sind die Produktentstehung und die Auftragsabwicklung. Seit nunmehr 40 Jahren begleiten Industry 4.0 Science und ihre Vorgängertitel die Entwicklung und Nutzung von Software entlang dieser industriellen Geschäftsprozesse. Angesichts des 40. Jahrgangs dieses Mediums wird ein Vergleich mit früheren Untersuchungen vorgenommen, um Trends und Moden zu identifizieren, die heute im Gegensatz zu früher keine Rolle mehr spielen. Die Untersuchung ergab einige überraschende Erkenntnisse, welche Themen seit 40 Jahren eine wichtige Rolle spielen – und welche auch in Zukunft aktuell bleiben.

Gegenwärtige Entwicklungen der Digitalisierung und Datenökonomie, insbesondere multilateraler Plattformen zum Datenaustausch, bieten das Potenzial für eine beschleunigte Umsetzung von Kreislaufwirtschaftspraktiken in der produzierenden Industrie. Der Beitrag untersucht systematisch und anhand originärer Forschung, inwieweit die Digitalisierung als Katalysator der Kreislaufwirtschaft im Beschaffungswesen solcher Unternehmen dienen könnte. Dafür wurden acht Experten aus fünf weltweit führenden Herstellern und Zulieferern der Automobil- und Luftfahrtbranche interviewt. Es werden praxisnahe Hypothesen für die nachhaltige Gestaltung von Lieferketten entwickelt und zwei spezifische Use Cases für Kreislaufwirtschaftspraktiken vorgeschlagen, die dem Ressourceneinsatz proaktiv entgegenwirken können.

Technische Systeme sind durch eine zunehmende Interdisziplinarität, Komplexität und eine immer stärkere Vernetzung gekennzeichnet. Produkt und Produktionssystem erfordern eine disziplinübergreifende Mehrzieloptimierung. Durch den Anspruch auf Nachhaltigkeit und Kreislauffähigkeit steigt die Komplexität nochmals. Die Leistungsfähigkeit bislang etablierter Verfahren der Ingenieurwissenschaften stößt an ihre Grenzen – die sich wiederum nur durch die systematische Einbeziehung von Daten überwinden lassen. Das ist Ziel einer „Hybriden Entscheidungsunterstützung“: Data Science und Künstliche Intelligenz sollen zur Ergänzung der menschlichen Fähigkeiten in Verbindung mit bisherigen Heuristiken, Methoden, Modellbildung und Simulation genutzt werden können, um die Leistungsfähigkeit der Produktentstehung zu erhöhen.

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.