Industrie 4.0

Da Industrie 4.0 und Künstliche Intelligenz die Fähigkeiten von Organisationen neu gestalten, müssen traditionelle Schulungssysteme an die sich wandelnden Qualifikationsanforderungen angepasst werden. In diesem Beitrag wird Trendiation vorgestellt – eine strukturierte Methodik zur Umsetzung neuer Trends in umsetzbare Strategien – als systematischer Ansatz für diese Herausforderung. Anhand einer workshopbasierten Anwendung, die sich mit Edutainment, Human-Centered Design und Workforce Transformation befasst, zeigen wir, wie Organisationen von der abstrakten Trendidentifizierung zu konkreten Qualifikationsanforderungen und priorisierten Schulungsinitiativen gelangen können. Die Methode erzeugt eine nachvollziehbare Ergebniskette, die Trenddefinition, Bewertung von Kompetenzlücken und Implementierungspläne umfasst. Aus Sicht der Teilnehmer zeichnet sich der Ansatz durch hohe Klarheit und praktischen Nutzen aus. Durch die Verbindung von prospektivischer Trendanalyse und ...

Seit etwa 15 Jahren steigt die Arbeitsproduktivität je Arbeitsstunde mit deutlich weniger als einem Prozent pro Jahr. Gleichzeitig können detailliertere Produktivitätsanalysen in den Unternehmen hohe Potenziale ausweisen. Allerdings sind die hierfür geeigneten MTM-Analysen aufwendig und werden aktuell nicht in der erforderlichen Breite und Häufigkeit eingesetzt. Eine Lösung ist der Einsatz digitaler Technologien wie Motion Capturing. Diese ermöglichen es, Produktivitätsanalysen mit geringem Aufwand durchzuführen, da sie Daten bereitstellen, die die Analyse beschleunigen. Das Tool MTMmotion® der MTM ASSOCIATION e. V. (MTMA) wurde mit dem Ziel entwickelt, mit den bereitgestellten Daten unterschiedlicher Technologien valide und regelkonforme MTM-Analysen durchführen zu können. Dieser Beitrag vergleicht die für ein Motion-Capture-System und MTMmotion® entwickelte Methode mit einer konventionellen MTM-1®-Analyse. Wesentliches Ergebnis ist, dass mit digitalen Technologien ...

Die manuelle Kommissionierung ist aufgrund der hohen Anschaffungskosten von Unterstützungssystemen nach wie vor weit verbreitet. Dieser Beitrag gibt einen Überblick über bestehende Technologien, stellt einen auf Bildverarbeitung basierenden Prototyp vor und untersucht anhand der Literatur, wie die Kombination von Objekterkennung mit Sprachsystemen manuelle Arbeitsabläufe verbessern könnte. Die Ergebnisse deuten auf eine vielversprechende, kostengünstige Richtung für die Unterstützung von Mitarbeitern in der Logistik hin.

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.

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.