Thema: Industrie 4.0

Unterstützungssysteme wie Exoskelette können die Belegschaft an industriellen Arbeitsplätzen entlasten, indem sie die physischen Beanspruchungen gezielt reduzieren. Für die Absicherung der Entwicklung von Exoskeletten wurde eine Simulationspipeline erstellt. Diese nutzt muskuloskelettale Menschmodelle, die mit einem Exoskelettmodell gekoppelt sind. Diese Kopplung ermöglicht detaillierte Analysen der biomechanischen Interaktion zwischen Mensch und Exoskelett. Durch die Implementierung von Exoskelettstrukturen und deren Integration in bestehende muskuloskelettale Modelle soll die Entwicklung von Exoskeletten optimiert und gleichzeitig deren biomechanische Effekte verbessert werden.

In Deutschland sind Industrieunternehmen in einer zunehmend komplexen Welt mit dem demografischen Wandel und stagnierender Produktivität konfrontiert. Die manuelle Montage bleibt bei komplexen Produkten in geringen Stückzahlen unverzichtbar, doch Produktivität und Qualität leiden unter menschlicher Variabilität. Dieser Beitrag stellt ein Konzept für ein empathisches Montageassistenzsystem vor, das einen digitalen menschlichen Zwilling mit einer KI-basierten Schraubdatenanalyse in einer modularen Architektur vereint. Abweichungen im Schraubprozess werden klassifiziert, mit den abgeleiteten Zuständen der Mitarbeiter verknüpft und in Informationen und Handlungsempfehlungen überführt.

Die traditionelle Qualitätskontrolle stößt in Produktionsumgebungen mit hoher Produktvielfalt und geringen Stückzahlen aufgrund von Variabilität und Komplexität oft an ihre Grenzen. Dieses Projekt stellt eine fortschrittliche Workstation vor, die die industrielle Produktivität und Qualität durch die Verwendung eines axiomatischen Designs steigert, um so eine klare Verbindung zwischen Kundenbedürfnissen, funktionalen Anforderungen und Designlösungen zu gewährleisten. Polarisationskameras, hochauflösender Bildgebung, adaptiver Beleuchtung und Deep-Learning-basierte Bildverarbeitung ermöglichen präziseste Prüfungen von Menge, Qualität und Konformität Über eine intuitive Benutzeroberfläche bietet das digitale Assistenzsystem Echtzeit-Feedback. In kontrollierten Tests konnte es sowohl durch Praxistauglichkeit als auch durch Skalierbarkeit überzeugen.

Im Vergleich zu traditionellen KI-Systemen führt Generative Künstliche Intelligenz benutzerabhängige Eigenschaften ein, die einzigartige Herausforderungen für die KI-Governance in Organisationen mit sich bringen. Diese Herausforderungen hängen insbesondere mit menschlichen Faktoren zusammen, wie der Einstellung, dem Bewusstsein und den Fähigkeiten der Mitarbeitenden, die von bestehenden Governance-Rahmenwerken oft vernachlässigt werden. Diese qualitative Fallstudie untersucht, wie ein produzierendes Unternehmen Mechanismen der GenAI-Governance implementiert hat, um einen verantwortungsvollen Umgang mit dieser Technologie zu fördern. Die Ergebnisse zeigen, dass Unternehmen einen ganzheitlichen Ansatz verfolgen sollten, der strukturelle, prozessuale und relationale Mechanismen kombiniert, um Aspekte bezogen auf die Mitarbeitenden der GenAI-Governance zu berücksichtigen. Damit leistet diese Studie einen Beitrag zum wachsenden Forschungsfeld der GenAI-Governance und liefert ...

In diesem Beitrag werden die Ergebnisse von zehn Experteninterviews über den Einsatz von Maschinellem Lernen zur Förderung der unternehmerischen Nachhaltigkeit skizziert und der Literatur gegenübergestellt. Die Untersuchung zeigt, dass wirtschaftliche Faktoren den Einsatz von Maschinellem Lernen (ML) antreiben. Die Einführung der Technologie wird sowohl durch das Top-Management als auch durch die Fachabteilungen initiiert. Fundierte Strategien zur Umsetzung von ML-Anwendungsfällen sind selten vorhanden. Dabei basieren Anwendungsfälle häufig auf überwachtem Lernen. Die ökologischen Auswirkungen überwiegen gegenüber den sozialen Auswirkungen. Häufig können Emissionsreduktionen realisiert werden, wobei Quantifizierungen schwerfallen. Jedoch behindert der Mangel an Vertrauen, Fachwissen und Kommunikation die Einführung von Maschinellem Lernen, während einige technischen Herausforderungen bezüglich der Datenanforderungen auch Probleme für Maschinelles Lernen bereiten.

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.