Industrie 4.0

Für eine erfolgreiche Implementierung sowie nachhaltige Nutzung und Pflege Digitaler Zwillinge für Produktions- und Logistiksysteme ist es notwendig, relevante Anwendungsfälle zu identifizieren und die damit einhergehenden Herausforderungen zu meistern. Dieser Beitrag analysiert wissenschaftliche Literatur zu gängigen Anwendungen und Herausforderungen bei der Implementierung Digitaler Zwillinge für die Planung und den Betrieb von Produktions- und Logistiksystemen. Um die Praxisrelevanz der Ergebnisse zu bestätigen, sind zudem die Resultate einer empirischen Befragung einbezogen worden. Aus den gewonnenen Erkenntnissen werden wesentliche Handlungsfelder für die erfolgreiche Implementierung und langfristige Nutzung von Digitalen Zwillingen in Produktion und Logistik abgeleitet.

Die Einführung Digitaler Zwillinge (DZ) scheitert oft an hohen Kosten, technischer Komplexität und fehlenden Fachkenntnissen. Diese Studie stellt ein kostengünstiges Modell eines DZ, welches mit Technology Readiness Level (TRL) 5 validiert ist. Es wurde innerhalb von nur zwei Wochen mithilfe von Open-Source-Lösungen und gängigen Unternehmenswerkzeugen entwickelt und integriert sensorbasierte Echtzeitdaten, prädiktive Analysen, Anomalieerkennung und automatisierte Benachrichtigungen, um Effizienz und Nachhaltigkeit in der Landwirtschaft zu steigern. Das System erreicht eine durchschnittliche relative Abweichung von nur 7,76 % und gibt automatisierte Warnungen in Echtzeit aus. Die Ergebnisse zeigen, wie fortschrittliche digitale Werkzeuge durch die Kombination von Open-Source-Technologien und Standardwerkzeugen zugänglich gemacht werden können: skalierbar, menschenzentriert und erschwinglich im Sinne von Industrie 5.0.

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.

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.