Technologie: Analytics

Normen zur Berechnung des CO₂-Fußabdrucks

Normen zur Berechnung des CO₂-Fußabdrucks

Stefanie Lewandowski, André Ullrich ORCID Icon, Norbert Gronau ORCID Icon
CO₂-Fußabdrücke sind ein aktuell viel diskutiertes Thema mit weitreichenden Implikationen für Individuen als auch Unternehmen. Firmen können einen proaktiven Beitrag zur Transparenz leisten, indem der unternehmens- oder produktbezogene CO₂-Fußabdruck ausgewiesen wird. Ist der Entschluss gefasst einen CO₂-Fußabdruck auszuweisen und die entstehenden Treibhausgase zu erfassen, existiert eine Vielzahl unterschiedlicher Normen und Zertifikate, wie die publicly available specification 2050, das Greenhouse Gas Protokoll oder die ISO 14067. Das Ziel dieses Beitrags ist es, diese drei Normen zur Berechnung des produktbezogenen CO₂-Fußabdrucks zu vergleichen, um Gemeinsamkeiten und Unterschiede sowie Vor- und Nachteile in der Anwendung aufzuzeigen. Die Übersicht soll Unternehmen bei der Entscheidungsfindung hinsichtlich der Eignung eines CO₂-Fußabdrucks für ihr Unternehmen unterstützen.
Industrie 4.0 Management | 37. Jahrgang | 2021 | Ausgabe 4 | Seite 17-20 | DOI 10.30844/I40M_21-4_S17-20
Modellieren des Umgangs mit Wissen für Industrie 4.0

Modellieren des Umgangs mit Wissen für Industrie 4.0

Norbert Gronau ORCID Icon
Dieser Beitrag beschreibt eine Analyse- und Gestaltungsmethode für ein Mensch und Maschine integrierendes Wissensmanagement im Zeitalter von Industrie 4.0.
Industrie 4.0 Management | 37. Jahrgang | 2021 | Ausgabe 3 | Seite 6-10 | DOI 10.30844/I40M_21-3_S6-10
Nutzbarmachung von heterogenen Metadaten

Nutzbarmachung von heterogenen Metadaten

Vorhersage von Kennzahlen der Senkerosionsanwendung auf Basis von Metadaten aus der Elektrodenherstellung
Thomas Bergs, Sebastian Weber, Grzegorz Stepien, Oliver Henrichs, Marcel Prümmer, Kristian Arntz
Die in der Konstruktion und Fertigung von Werkzeugen und Formen anfallenden Daten werden nur selten gezielt weiterverwendet. Dabei enthalten sie nicht zu unterschätzendes Wissen, mit dem sich wichtige Kenngrößen vorhersagen lassen. Aus den bei der CAM-Programmierung von Senkerosionselektroden anfallenden Metadaten lassen sich Parameter extrahieren, mithilfe derer sowohl die spätere Erosionsdauer vorhergesagt als auch die Einflussstärke jedes Parameters quantifiziert werden kann.
Industrie 4.0 Management | 37. Jahrgang | 2021 | Ausgabe 3 | Seite 40-44
Corona: Katalysator für Digitalisierung und Transparenz?

Corona: Katalysator für Digitalisierung und Transparenz?

Eine Studie über die Auswirkungen der Pandemie
Johannes Schnelle ORCID Icon, Henning Schöpper ORCID Icon, Wolfgang Kersten ORCID Icon
Die Corona-Krise hatte einen unübersehbaren Einfluss auf die Beschaffungssituation in den globalen Lieferketten, an den sich die Unternehmen schnell anpassen mussten. Die Auswirkungen verdeutlichen, dass sich die Unternehmen zur Reduzierung der Risiken mit der Struktur und der Transparenz in den Lieferketten beschäftigen müssen. Im folgenden Beitrag wird untersucht, über welche Kenntnisse die Akteure verfügen und wie sie diese durch die Digitalisierung verbessern wollen. Die Ergebnisse belegen, dass die Unternehmen bisher nur über geringe Kenntnisse jenseits ihrer direkten Lieferanten verfügen, jedoch zunehmend in der Lage sind, an benötigte Daten aus der Lieferkette zu gelangen. Zugleich zeigen die Ergebnisse, dass noch Potenzial zur Steigerung der Transparenz und der Nutzung von Daten vorhanden ist.
Industrie 4.0 Management | 37. Jahrgang | 2021 | Ausgabe 1 | Seite 27-31 | DOI 10.30844/I40M_21-1_S27-31
Suchverhalten am Arbeitsmarkt während der Corona-Krise

Suchverhalten am Arbeitsmarkt während der Corona-Krise

Evidenz auf Basis von Online-Tagesdaten
Christian Hutter, Enzo Weber
Unsere Untersuchung nutzt Tagesdaten zu Online-Aktivitäten auf der Jobbörse-Plattform der Bundesagentur für Arbeit und der internen Vermittlungssoftware VerBIS, umdie Suchintensität von Arbeitgebern und Arbeitsuchenden und - zum ersten Mal überhaupt- die Vermittlungsintensität der Arbeitsagenturen zu messen. Die Daten werden verwendet, um das Verhalten der Such- und Vermittlungsaktivitäten während der Corona-Pandemie 2020 zu untersuchen. Die Ergebnisse zeigen deutliche Effekte während der Krise. Such- und Vermittlungsaktivitäten sind deutlich eingebrochen und haben sich bis zuletzt noch nicht wieder vollständig erholt. Dies ist aber gerade im Hinblick auf den Arbeitsmarkt unumgänglich, damit sich neben dem bereits wieder normalisierten Entlassungsrisiko auch die Chancen auf Neueinstellungen weiter verbessern.
Industrie 4.0 Management | 37. Jahrgang | 2021 | Ausgabe 1 | Seite 45-49
People Analytics

People Analytics

Eine neue Stufe datengetriebenen Managements?
Uwe Vormbusch
Mit People Analytics sind Big Data auf der Ebene des Personalmanagements angekommen. Die algorithmenbasierte Analyse personen- und personalbezogener Daten soll zu faktenbasierten Entscheidungen in einem bislang als ‚soft‘ angesehenen Bereich unternehmerischen Handelns führen. Der Beitrag analysiert die Ziele und Herausforderungen eines datengetriebenen Personalmanagements sowie mögliche Konsequenzen für die Beschäftigten und die betriebliche Arbeitspolitik.
Industrie 4.0 Management | 36. Jahrgang | 2020 | Ausgabe 6 | Seite 14-16
Datenqualitätssteigerung als Enabler des Physical Internets

Datenqualitätssteigerung als Enabler des Physical Internets

Steigerung von Datenqualität mittels Methoden der Datenfusion und der Entscheidungsfusion
Jokim Janßen, Tobias Schröer
Das Physical Internet (PI) basiert auf einer physischen, digitalen und operativen Interkonnektivität, ohne die ein weltweit fragmentiertes und standardisiertes Gütertransportsystem nicht effizient arbeiten könnte. Zur Selbststeuerung von globalen Warenströmen sind valide Eingangsdaten notwendig [1]. Darüber hinaus ist ein hohes Vertrauen in Steuerungsentscheidungen für eine weitreichende Akzeptanz aller Akteure und Kunden der Logistikbranche unabdingbar. Diese beiden Ziele können nur durch eine hohe Datenqualität erreicht werden. Neben der Erhöhung der Datenqualität durch Automatisierung oder Einsatz von erweiterter Sensorik [2] bieten Methoden der Datenfusion und der Entscheidungsfusion große Potenziale [3]. Dieser Beitrag beschreibt ein methodisches Vorgehen zur Analyse dieser Potenziale. Darüber hinaus wird anhand eines Transitcenters dieses Vorgehen beispielhaft durchgeführt.
Industrie 4.0 Management | 36. Jahrgang | 2020 | Ausgabe 5 | Seite 11-14
Höchstleistungstechnologie für KMU

Höchstleistungstechnologie für KMU

Wie auch kleine und mittlere Unternehmen Simulationstechnologien nutzen können
Andreas Wierse
Eine effiziente Produktentwicklung kann im Unternehmenswettstreit entscheidend sein - da gerät schnell ins Hintertreffen, wer ohne Simulationstechnologien zurechtkommen muss. Für Großunternehmen längst Alltag, bleiben diese für kleine und mittlere Unternehmen aus Kapazitäts- und Know-How-Gründen oft Wunschdenken. Dabei können auch sie mit der richtigen Hilfestellung und passenden Weiterbildungsprogrammen von den Vorteilen der Simulation profitieren.
Industrie 4.0 Management | 36. Jahrgang | 2020 | Ausgabe 3 | Seite 61-64
CO2-Berechnungen komplexer Liefernetzwerke

CO2-Berechnungen komplexer Liefernetzwerke

Strukturierte Erfassung von Emissionsdaten auf Grundlage des SCOR-Models
Dieter Uckelmann ORCID Icon, Johannes Tonio Alt, Isabel Andujo
In der Folge des fortschreitenden Klimawandels rücken die ökologischen Auswirkungen der Unternehmenstätigkeit verstärkt in den Fokus interner und externer Shareholder [1]. In der Industrie entwickeln sich gleichzeitig immer komplexere Wertschöpfungsnetzwerke. Der Großteil der involvierten Prozesse in einer Wertschöpfungskette wird von global verteilten Partnern ausgeführt. Dieser Trend erschwert die Quantifizierung der Auswirkung einzelner Aktivitäten auf Unternehmensebene an der ökologischen Gesamtleistung der Supply Chain. Der folgende Beitrag untersucht auf Grundlage des SCOR-Models zur strukturierten Erfassung von Emissionsdaten globaler Supply Chains.
Industrie 4.0 Management | 35. Jahrgang | 2019 | Ausgabe 6 | Seite 16-20 | DOI 10.30844/I40M_19-6_S12-16
Maschinelles Lernen in der Produktion

Maschinelles Lernen in der Produktion

Anwendungsgebiete und frei verfügbare Datensätze
Hendrik Mende, Jonas Dorißen, Jonathan Krauß, Maik Frye, Robert Schmitt ORCID Icon
Steigende Rechenleistungen und bessere Datengrundlagen bei gleichzeitig sinkenden Kosten für Rechen- und Speicherkapazitäten stellen die Basis für den Einsatz von Machine Learning (ML) in der Produktion dar. Herausforderungen bestehen in der Identifizierung aussichtsreicher Anwendungsgebiete, dem Erkennen der mit diesen verbundenen Learning Tasks sowie dem Aufdecken passender Datensätze. In diesem Beitrag werden daher folgende Fragen beantwortet: Welche Anwendungsgebiete in der Produktion bieten das größte Potenzial für den Einsatz von ML? Welche frei zugänglichen Datensätze eignen sich, um eigene Erfahrungen zu sammeln und welche Learning Tasks sind damit verbunden? Was sind Best Practices für die Anwendungsgebiete?
Industrie 4.0 Management | 35. Jahrgang | 2019 | Ausgabe 4 | Seite 39-42 | DOI 10.30844/I40M_19-4_S39-42
1 3 4 5 9