Digitaler Zwilling

Obwohl KMU nicht direkt von den gesetzlichen Berichtspflichten zur CO₂-Bilanzierung betroffen sind, stehen sie als Zulieferer in der Pflicht, den Anforderungen der Nachhaltigkeitsberichterstattung gerecht zu werden. Hierfür ist neben einer ganzheitlichen Lebenszyklusanalyse eine qualitativ hochwertige Datenbasis innerhalb der Produktion erforderlich, um den spezifischen CO₂-Fußabdruck zu bestimmen. Ein zentrales Element ist dabei die Implementierung eines Machine Carbon Footprint (MCF). Die Entwicklung und Implementierung eines MCF unter dem Fokus der Anwendbarkeit für kleine und mittelständische Unternehmen soll Ziel dieses Beitrags sein. Hierfür werden Daten an einer Werkzeugmaschine in Echtzeit erfasst und visualisiert. Die Messdaten werden dann mithilfe von Open-Source Low-Code-Plattformen verarbeitet, gespeichert und visualisiert. Diese Echtzeitdaten bilden die Grundlage für die genaue Bestimmung des produktionsspezifischen CO₂-Fußabdrucks sowie in Verbindung mit ...

Die traditionelle Budgetierung gleicht oft einem mühsamen Marathonlauf voller Excel-Tabellen, manueller Abstimmungen und zeitaufwändiger Datensammlung. Moderne Unternehmen benötigen jedoch agile, datengetriebene Lösungen, die Transparenz, Effizienz und strategische Vorausschau ermöglichen. Digitale Technologien wie Digitale Zwillinge, Dashboards und Process Mining eröffnen diese Möglichkeit: Sie transformieren den Budgetierungsprozess von einem statischen Zahlenwerk zu einem dynamischen, simulationsfähigen Steuerungsinstrument. Statt sich in Detailarbeit zu verlieren, können Unternehmen hiermit Prozesse in Echtzeit analysieren, Szenarien durchspielen und fundierte Entscheidungen treffen.

Motion-Mining® ist eine Technologie, die mittels Bewegungssensoren und Mustererkennung eine automatisierte Prozessabbildung und Analyse manueller Arbeit ermöglicht. Dieser Beitrag bewertet die Vorteile und Grenzen ihres Einsatzes in Produktions- und Logistikprozessen. Dazu wird Motion-Mining® mit traditionellen Lean-Management-Tools zum Analysieren manueller Tätigkeiten verglichen. Erfahrungen aus vier Use Cases bieten Entscheidungsunterstützung bei der Auswahl der geeigneten Methode für einen bestimmten Anwendungsfall.

Das fachgerechte Recycling von ausgedienten Kühlgeräten spielt eine wichtige Rolle beim Schutz der Umwelt und des Klimas. Recyclinganlagen unterliegen regelmäßigen Audits, um die Einhaltung strenger Umweltvorschriften zu gewährleisten. Die Erhebung von prüfungsrelevanten Daten stellt jedoch eine anspruchsvolle und zeitaufwändige Aufgabe dar, da sie überwiegend manuell erfolgt und fehleranfällig ist. Ein Lösungsansatz für eine nachhaltigere und effizientere Überwachung ist die automatisierte digitale Datenerfassung mithilfe von Sensoren und Künstlicher Intelligenz. Dies ermöglicht eine direkte Schätzung vom erwarteten Umfang der enthaltenen Schadstoffe. Damit ebnet sie den Weg für eine kontinuierliche Leistungsüberwachung und ein effizientes Management von Kühlgeräte-Recyclinganlagen.

Die Integration der betrieblichen Anwendungen wird in der DIN IEC-62264 beschrieben und auch als Automatisierungspyramide bezeichnet [1]. Dieses Integrationsmodell wurde auf der Basis des Wasserfall Modells von MRP-II entwickelt, das für die damalige Zeit bahnbrechend war [2, 3, 4]. Hier werden die betrieblichen Anwendungen hierarchisch-sequenziell durchlaufen mit den bekannten Nachteilen: viele Schnittstellen, Zeitverzögerungen, Datenverluste, Inkonsistenzen. Das Modell wird den aktuellen informatorischen Möglichkeiten der Industrie 4.0 nicht mehr gerecht.