Industrie 4.0

Industrie 4.0 umfasst viel mehr als Sensoren, Aktoren und Vernetzungskomponenten. Die Technologien ermöglichen einerseits das Anbieten neuer Produkte und Dienstleistungen für den Kunden, andererseits führen sie zu internen Effizienzsteigerungen. Anhand des Industrie 4.0 Geschäftsmodells wird visualisiert, welche Ziele eine Industrie 4.0 Initiative verfolgt, welcher Wert für den Kunden entsteht, welche Leistungen intern zu erbringen sind, welche Technologien und Fähigkeiten benötigt werden und welche Informationssysteme die Vernetzung zwischen Kunden, Lieferanten und innerhalb des Unternehmens ermöglichen. Wichtig ist dabei, dass die Dimensionen der Industrie 4.0 Geschäftsmodelle aufeinander abgestimmt sind.

Trotz der hohen Anzahl kürzlich veröffentlichter Publikationen wächst das Ausmaß der Unklarheit über Bedeutung und Inhalt von Industrie 4.0. Dies begründet die Notwendigkeit einer Verständnisanalyse. Viele Untersuchungen betrachten zwar Chancen und Risiken einer Implementierung von Industrie 4.0 in die Geschäftsprozesse von Unternehmen, doch gilt es, die Wahrnehmung von Experten mit bestehenden Auffassungen abzugleichen. Um die potenzielle Implementierung der verschiedenen Elemente von Industrie 4.0 in Unternehmen umfassend zu beurteilen, sind Faktoren herauszuarbeiten, die entweder hemmende oder fördernde Effekte auf die Nutzung dieser neuen Technologien haben. Im Rahmen dieses Beitrags erfolgt hierzu sowohl eine quantitative als auch eine qualitative Betrachtung, basierend auf Experteninterviews. Die Ergebnisse werden detailliert dargestellt und mit einem Fazit zu möglichen Zukunftsaussichten verbunden.

Mit einem Ohr am Telefon, parallel E-Mails kontrollieren und gleichzeitig einen Text überarbeiten - so läuft es täglich in Büros weltweit ab. Der stetige digitale Wandel fordert viel von den Unternehmen und ihren Mitarbeitern. Ständige Erreichbarkeit, Multitasking, ein hoher Lärmpegel in Großraumbüros, permanente Störungen des Arbeitsprozesses und Arbeiten auf Zuruf zählen zu den Herausforderungen und Aufgaben, die es zu bewältigen gilt. Zusätzlich leiden sowohl die Kreativität als auch die Innovationskraft der Mitarbeiter. Dabei spielen gerade diese Aspekte in digitalen Unternehmen eine entscheidende Rolle. Wie können Mitarbeiter trotz der veränderten Arbeitswelt noch effizient und produktiv arbeiten? Sind Unternehmen auf die Anforderungen des digitalisierten Zeitalters vorbereitet? Welche Weichen müssen Unternehmen stellen, um einerseits Mitarbeiter vor Überforderung zu schützen und andererseits die Effizienz, Produktivität und Innovationskraft zu steigern?

Der deutsche Maschinen- und Anlagenbau gilt mit einem Umsatz von 218 Mrd. Euro als Rückgrat der deutschen Wirtschaft. Im Jahr 2015 arbeiteten über eine Million Menschen in 6.389 Unternehmen [1]. Bei der Neuausrichtung vor dem Hintergrund von Industrie 4.0 spielen technische Dienstleistungen eine Schlüsselrolle [2, 3]. Dieser Beitrag fasst Kernergebnisse der Studie „Serviceinnovation im Maschinenbau“ zusammen. Im Rahmen dieser Multi Case Study wurden Interviews mit Serviceverantwortlichen mittelständischer Unternehmen geführt, um die Umsetzung innovativer Servicemodelle zu untersuchen. Die dabei identifizierten kritischen Handlungsfelder von Partnering bis zur Verwendung unterstützender IT-Plattformen bilden den Schwerpunkt dieses Beitrags. Es zeigt sich, dass viele Unternehmen bereits daran arbeiten, ihre Geschäftsmodelle neu auszurichten. Innovative Geschäftsmodelle im Service werden jedoch überwiegend im Rahmen von Piloten erprobt und haben sich noch nicht ...

Die Digitalisierung betrieblicher Wertschöpfungs- und Kommunikationsprozesse erfährt mit Industrie 4.0 einen neuen Schub. Mit der Einführung von sozialen Netzwerken sollen die Kollaboration und der Wissensaustausch der Beschäftigten untereinander unterstützt und rationalisiert werden. Der Beitrag geht auf diese Enterprise Social Networks ein und diskutiert die sozialen Herausforderungen bei der betrieblichen Umsetzung. Auf Basis eines Unternehmensbeispiels werden Anwendungsempfehlungen abgeleitet.

Die fortschreitende Digitalisierung der Arbeitswelt führt zu neuen Möglichkeiten der Gestaltung und digitalen Unterstützung von Geschäftsprozessen. Insbesondere nicht F&E-intensive, zumeist kleine und mittlere Unternehmen stehen jedoch vor großen Herausforderungen, diese Potenziale zu realisieren. Im Rahmen dieses Beitrags wird aufgezeigt, welche Anwendungsfälle mithilfe des Einsatzes von Big Data Analytics in produzierenden Unternehmen realisiert werden können. Hierzu werden verschiedene Anwendungsszenarien skizziert. Anhand eines Praxisbeispiels der Auftragsabwicklung eines nicht F&E-intensiven Unternehmens wird aufgezeigt, wie die Beschaffung durch die Analyse und Prognose relevanter Daten, bspw. die Verfügbarkeit und Kosten von Bauteilen oder Prozessdaten, und die Angebotserstellung softwaretechnisch unterstützt werden können.

Aktuelle Entwicklungen erfordern zunehmend komplexere Produktionsprogramme. Die Kombination von additiver Fertigung und Industrie 4.0 ermöglicht neue Ansätze, die eine wirtschaftliche Fertigung jener erst ermöglichen. Die Bionic Smart Factory 4.0 gibt diesen Elementen einen Ordnungsrahmen und beschreibt sie hinsichtlich ihrer Anordnung und ihres Zusammenspiels. Die Wirkungsweise wird durch eine Beurteilung gegenüber Determinanten der Produktionsprogramme erläutert.

Die Dynamik und Komplexität der Arbeitswelt steigen u. a. in Folge der Digitalisierung stetig an. Arbeitnehmer werden dadurch mit Veränderungen wie zunehmender Mensch-Maschine-Interaktion, kurzzyklischem Wechsel der Arbeitstätigkeiten und einer Zunahme an Problemlöse- und Überwachungstätigkeiten konfrontiert. Der technische Fortschritt kann dafür sorgen, dass Beschäftigte neuen oder veränderten Belastungen ausgesetzt sind. Unklar ist aber, inwiefern die Digitalisierung psychosoziale Arbeitsbelastungen tatsächlich verändert und folglich gängige Instrumente der Gefährdungsbeurteilung psychischer Belastung (GB-Psyche) angepasst werden müssen. Angesichts dessen besteht das Ziel des Beitrags darin, die Auswirkungen der Digitalisierung auf psychosoziale Arbeitsbelastungen sowie die Anforderungen an die GB-Psyche in der Industrie zu untersuchen. Die Ergebnisse halbstrukturierter Interviews zeigen, dass die Digitalisierung (in-)direkt zu neuen Anforderungen führt. Um ...

Im Zuge der Industrie 4.0 wird auch die Gestaltung der zukünftigen Produktionslandschaften weiter vorangetrieben. Der Aufbau von resilienten Produktionssystemen stellt hierbei ein Kernelement dar, ist in den verschiedenen Branchen jedoch unterschiedlich weit entwickelt. Während die Automobilbranche Vorreiter ist, bedarf es in der mittelständisch geprägten Textilbranche noch einiger Anstrengungen. Da auch hier die Anforderungen an Individualisierung sowie Reaktionsfähigkeit steigen, wird ein für kleine und mittlere Unternehmen (KMU) tragfähiges Konzept benötigt. Daher arbeitet das futureTEX Basisvorhaben Smart Factory an der Beschreibung der Entwicklungsstufen der textilen Smart Factory. Im Beitrag werden die bisher beschriebenen Entwicklungsstufen der textilen Smart Factory vorgestellt.

Im Rahmen des vorliegenden Beitrags wird die Methodik eines effizienten Wissenstransfers von der Forschung in die industrielle Praxis im Kontext Cyber-Physischer Produktionssysteme vorgestellt. Die Methodik dient vor allem der Sensibilisierung kleiner und mittlerer Unternehmen auf die möglichen Potenziale der sogenannten Industrie 4.0 und der nachhaltigen Verankerung spezifischer Kompetenzen im Unternehmen. Wichtiger Ausgangspunkt hierfür ist die bedarfsorientierte und individuelle Spezifikation der benötigten Wissensinhalte. Einerseits kann dies als Basis für einen praxisnahen gezielten Wissenstransfer ins Unternehmen genutzt werden, etwa durch die wissenschaftlich begleitete Ideenfindung und Definition individueller Pilotumsetzungen, andererseits sind die definierten Wissensinhalte die Basis zur Entwicklung maßgeschneiderter Kompetenzprofile zukünftiger Mitarbeiter eines KMU, welche langfristig sicherstellen, dass die Thematik Industrie 4.0 nachhaltig im Unternehmen verankert ...