Gemeinsamer Abschlussbericht zum Forschungsprojekt mit dem Bewilligungszeitraum vom 01.04.2016 bis 31.03.2019 und den Förderkennzeichen 03ET7549 A bis I.
Ziel des Forschungsvorhabens eSafeNet war die Erforschung, Konzeption und Demonstration eines innovativen informationstechnischen Kommunikationsansatzes für das Internet der Energie. Grundlegend sollten die Potenziale einer dedizierten Kommunikationsnetzinfrastruktur mittels Mobilfunk als Primärtechnologie und unterstützenden kabelgebundenen Übertragungstechnologien, wie z. B. Powerline, untersucht werden, um den Anforderungen sicherheitskritischer Strukturen an Stabilität, Zuverlässigkeit und Sicherheit gerecht zu werden. Zur Sicherstellung der Wirtschaftlichkeit wurde eine Dienstleistungsplattform entworfen, die sicherheitsrelevante und zusätzliche Smart Services durch Serviceprovider bereitstellt.
Unternehmen und ihre Instandhaltungsorganisationen wissen im Rahmen von Industrie 4.0 oftmals nicht, welche Aktivitäten ihre Instandhaltungsorganisation zielbringend und nachhaltig verbessern. Ein Grund dafür ist, dass oft schon keine klare Kenntnis darüber herrscht, wie die aktuelle Instandhaltungsorganisation über verschiedene Ebenen und Bereiche hinweg aufgestellt ist. Hier setzt der Reifegrad-Instandhaltungs-Check der GreenGate AG bzw. der IH-Check des FIR an der RWTH Aachen an. Beide verwandte Methoden ermöglichen eine schnelle und effektive Bewertung der Reife einer Instandhaltungsorganistion anhand von fünf Reifegradstufen. Gemeinsam mit Partnern werden in Workshops der aktuelle Reifegrad dem gewünschten Soll-Reifegrad gegenübergestellt. Das sich dadurch ergebende Gap wird mittels einer Roadmap adressiert, sodass die betroffenen Unternehmen sich schrittweise und zielgerichtet weiterentwickeln können. Hierfür wurden im Rahmen des gemeinsamen Vortrags nicht nur die Vorgehensweise dargelegt, sondern auch die Notwendigkeit sowie einige Praxisbeispiele demonstriert.
Der Weg zur Industrie 4.0 bedingt einen umfangreichen Wandel in der Arbeitswelt des Instandhalters. Infolge der steigenden Komplexität und Vernetzung industrieller Serviceprozesse werden neue Schwerpunkte im Leistungsprofil der Techniker erzeugt. Datenanalytik, Elektrotechnik, Steuerungstechnik sowie Programmieren gewinnen an Bedeutung. Diese Entwicklung wird auch durch den Branchenindikator Instandhaltung, der seit 2016 gemeinsam vom FIR an der RWTH Aachen und dem Forum Vision Instandhaltung erhoben wird, bestätigt.
Dieser Artikel zeigt Ergebnisse des Branchenindikators Instandhaltung auf und kombiniert sie mit Ergebnissen aus dem Forschungsprojekt ELIAS. Hierzu werden zwei Use Cases für das Arbeitsbezogene Lernen vorgestellt.
Durch das Erneuerbare-Energien-Gesetz und den Wandel in der Energieversorgung ergeben sich immer neue Herausforderungen. Aufgrund der zunehmenden Einspeisung durch fluktuierende Erneuerbare-Energie-Erzeugungsanlagen ist der Ausbau von Energienetzen in Kopplung mit einer sicheren, schnell verfügbaren, energieeffizienten und wirtschaftlichen Informations- und Kommunikationstechnologie unabdingbar. Im Rahmen des Forschungsprojekts ‚eSafeNet‘ werden verschiedene Funk- und Kabelübertragungstechnologien auf ihr Potenzial für das Internet der Energie untersucht. Des Weiteren wird eine
Dienstleistungsplattform für Smart Services entwickelt. Ein interaktiver Demonstrator wird kreiert, der die Lösungsansätze für eine sichere Informations- und Kommunikations- sowie Energieinfrastruktur erlebbar darstellen soll. Das Vorhaben 03ET7549A der Forschungsvereinigung FIR e. V. an der RWTH Aachen wird über den PTJ durch das Bundesministerium für Wirtschaft und Energie (BMWi) aufgrund eines Beschlusses des Deutschen Bundestages gefördert.
Prinzipien zur erfolgreichen Umsetzung von KI-Geschäftsmodellinnovationen
In Zeiten des zunehmenden globalen Wettbewerbs und hoch vernetzter Wertschöpfungsketten entwickelt sich Künstliche Intelligenz zu einem immer wichtiger werdenden Wettbewerbsfaktor für Unternehmen am Wirtschaftsstandort Deutschland. Durch den Einsatz von KI-Verfahren können nicht nur interne Geschäftsprozesse kostensenkend optimiert, sondern auch neue, digitale Geschäftsfelder und -modelle erschlossen werden. Es lassen sich zum einen Trends identifizieren, denen der Einsatz von KI in deutschen Unternehmen folgt. Zum anderen zeigt sich, dass sich KI unterschiedlich stark auf verschiedene Dimensionen innovativer Geschäftsmodelle auswirkt. Insgesamt lassen sich so Prinzipien ableiten, die die erfolgreiche Umsetzung von KI-Geschäftsmodellinnovationen beschreiben.
Neue Technologie- und Anwendungstrends kennzeichnen KI-Nutzung
Die tatsächliche KI-Landschaft in den Wertschöpfungsketten von KI-nutzenden Unternehmen ist durch Trends gekennzeichnet. Diese lassen sich in Technologie- und Anwendungstrends unterteilen. Experteninterviews zeigen beispielsweise, dass KI-Anwendungen bevorzugt auf Cloud-Infrastrukturen entwickelt und bereitgestellt werden. Das wiederum rückt die Frage nach der Wahrung der Datensouveränität in den Vordergrund. Anwendung findet KI tendenziell zur Prognose und Überwachung.
Sechs Prinzipien beeinflussen die erfolgreiche Umsetzung von KI-Geschäftsmodellinnovationen
Fallstudien über ein breites Spektrum der deutschen Wirtschaft beleuchten, welche Aspekte eines KI-basierten Geschäftsmodells den größten Effekt auf das Unternehmen haben. Hier lässt sich ein besonders hoher Einfluss von KI auf das Nutzenversprechen neuartiger, digitaler Leistungen der Unternehmen an die Kundinnen und Kunden feststellen. So lassen sich sechs Erfolgsprinzipien zur erfolgreichen Implementierung von KI-Technologien identifizieren, um die wirtschaftliche Nutzung von KI für Unternehmen in Deutschland im globalen Wettbewerb weiter zu steigern. So empfiehlt es sich zum Beispiel – neben der Auswahl des richtigen KI-Anwendungsfalles – ebenfalls darauf zu achten, dass die KI-Anwendung sowohl den Anbietenden wie auch den Anwendenden nützt. Diese und weitere Erfolgsprinzipien werden detailliert in der Studie Künstliche Intelligenz – Geschäftsmodellinnovationen und Entwicklungstrends beschrieben.
Instandhaltungs-Roadmap
(2019)
Die Instandhaltung unterliegt, bedingt durch ein sich permanent veränderndes Umfeld, einem anhaltenden Wandel. Neue, vielversprechende digitale Technologien, wie z. B. Predictive Maintenance oder Data-Analytics, prallen auf gewachsene Organisationsstrukturen und Unternehmenskulturen. Die Transformation zur Smart Maintenance, bei der Wissen datenbasiert und bedarfsgerecht zur Verfügung steht, wird damit zu einer wichtigen Aufgabe, um das volle Potential einer intelligenten Instandhaltungsorganisation ausschöpfen zu können. Die Experten des VDI Fachausschusses Instandhaltung setzen sich im Rahmen ihrer Richtlinienarbeit kontinuierlich mit diesen Entwicklungen auseinander und tauschen Erfahrungen über Aktivitäten zu aktuellen Themenstellungen aus. Anlässlich der fortschreitenden Erfahrungen, die auf diesem Weg gesammelt werden, haben die Experten des VDI-Fachausschusses Instandhaltung die bisherige Instandhaltungsroadmap auf den Prüfstand gestellt. Neben einem neuen Ordnungsrahmen wurden aktuelle Themen hinsichtlich ihrer Implikationen auf die Aufgaben einer Instandhaltungsorganisation ergänzt. Die überarbeitete Instandhaltungsroadmap des VDI-Fachausschusses Instandhaltung dient somit als Orientierungshilfe für Unternehmen auf dem Weg zur Smart Maintenance und wurde bereits im Rahmen des 40. VDI-Forums Instandhaltung am 04.06.2019 in Duisburg dem Fachpublikum vorgestellt.
Die Instandhaltung, konsequent zu Ende gedacht, ist ein zentraler Treiber für den Unternehmenswert und damit für viele produzierende Unternehmen ein strategischer Erfolgsfaktor. Da für die meisten Unternehmen ein umfangreicher Mitarbeiter- und Ressourcenaufbau nicht in Frage kommt, stehen diese Unternehmen vor der Herausforderung, den Wertbeitrag vorhandener Mitarbeiter und Ressourcen zu maximieren. Dies führt zum Konzept Return on Maintenance (RoM). Der Wertbeitrag der Instandhaltung geht dabei über die reine Herstellung von Verfügbarkeit zu möglichst geringen Kosten weit hinaus. Zielgrößen wie Ausschussrate, Energieeffizienz, Materialeffizienz aber auch die Minimierung von Rüstzeiten zeigen die vielfältigen Zielgrößen der Instandhaltung auf.
Die Instandhaltung, konsequent zu Ende gedacht, ist ein zentraler Treiber für den Unternehmenswert und wird damit für viele produzierende Unternehmen zum strategischen Erfolgsfaktor. Da für die meisten Unternehmen ein umfangreicher Mitarbeiter- und Ressourcenaufbau nicht in Frage kommt, stehen diese Unternehmen vor der Herausforderung, den Wertbeitrag vorhandener Mitarbeiter und Ressourcen zu maximieren. Dies führt zum Konzept Return on Maintenance (RoM). Der Wertbeitrag der Instandhaltung geht dabei über die reine Herstellung von Verfügbarkeit zu möglichst geringen Kosten weit hinaus. Zielgrößen wie Ausschussrate, Energieeffizienz, Materialeffizienz aber auch die Minimierung von Rüstzeiten zeigen die vielfältigen Zielgrößen der Instandhaltung auf.
The FIR at the RWTH Aachen University continuously develops the concept and the principles of RoM further. It is already noticeable that the gap between companies that began preparing their maintenance departments for Industrie 4.0 years ago and those that are still struggling with the mere foundations of a professional maintenance organisation is rapidly increasing.
The first driver of the development sparked by Industrie 4.0 is the collection of and work with condition data. It is used to create a digital shadow of a service, e.g. maintenance measures in a specific
context. In the future, critical machine functions will be monitored continuously within production processes.
Based on these observations, the likelihood of machine failures can be predicted, which makes it possible to prioritize data-based maintenance measures. This means that maintenance activities, i.e. production plans, are based on prognoses regarding machine failures. By doing so, the currently existing separation between inspection, maintenance and reactive measures can be overcome, resulting in a holistic approach to maintenance. Maintenance specialists receive support from assistance systems, which give them access to all relevant information (e.g. machine history, spare part availability, proposals for measures, etc.). As a result, they can take on routine tasks in different areas as well and contribute to the increased flexibility of the production process. Although data is becoming an increasingly important driver of successful maintenance strategies,
maintenance employees continue to be central to specific tasks, machines and systems. In the future, it can be expected that they choose to become experts in a certain field and, ideally, actively share their knowledge with others within an open maintenance culture. Systems for interdisciplinary collaboration will be made part of everyday practice.
The maintenance department will be a center and distributor of knowledge in the agile company of the future.Only through the interaction of the outlined success principles, which amount to a paradigm shift within the maintenance department, the potential
benefit of maintenance as defined by RoM can be fully exploited, creating a long-term competitive advantage for those who consistently follow the path towards Industrie 4.0 in maintenance.
Die beschriebenen unterschiedlichen Ausprägungen der sechs Gestaltungsfelder im Rahmen der Smart-Maintenance-Roadmap stellen Meilensteine dar, die Unternehmen bei der eigenen Transformationen ihrer Instandhaltungsorganisation unterstützen. Smart Maintenance sollte jedoch nicht als eine endgültige Entwicklungsstufe betrachtet werden. Vielmehr beschreibt Smart Maintenance das Verständnis um den dazugehörigen Transformationsprozess selbst: erfolgreiche Smart-Maintenance-Unternehmen kennen also die Zusammenhänge, die zwischen den jeweiligen Entwicklungsphasen bestehen und können diese für die Umsetzung der folgenden Transformationsschritte ihrer Instandhaltung aber auch angrenzender Organisationseinheiten nutzen. Dabei hilft eine zyklische Betrachtung der nachfolgenden vier Schritte, um den Weg zur Smart Maintenance aktiv und zielgerichtet zu gestalten:
1. Entwicklung eines gemeinsamen Zielverständnisses
2. Regelmäßige Bestimmung der eigenen Position im Smart-Maintenance-Transformationsprozess
3. Ableitung und Sortierung der Entwicklungsschritte in einer individuellen Roadmap
4. Umsetzung der nächsten Entwicklungsschritte auf Basis der zuvor erledigten "Hausaufgaben"
Today, maintenance exceeds this definition, it is significantly more.
In many companies, it plays the role of an incubator for development
and drives digital transformation forward. The very essence of
Industrie 4.0 is the optimisation of the flow of information within as
well as outside of a company to accelerate the adjustment of company
organisations in the context of increasing competitive pressure.
Because of the variety of interfaces, information and data that
is available as well as its service character, maintenance lends itself easily as the area of choice for a company to make Industrie 4.0 real. Whilst doing so, the aim is not to equip employees with the
latest “gimmick“ for order processment or to be the company with
the highest number of lighthouse projects. Instead, maintenance
ensures reliable and cost-efficient production and, consequently,
the primary creation of added value of the manufacturing company.
Those who were identified as top performers during the “Smart
Maintenance“ consortium benchmarking by FIR at RWTH Aachen
University gain particular useful ideas twice as often as other follower companies directly from staff, thus releasing the right potential.
Information and data help to reach these goals and transfer the
vision of smart maintenance into actual pratice. But what is smart
maintenance exactly and how far along are you in the development
of your individual smart maintenance concept?
Bei der Erbringung von After-Sales-Dienstleistungen stoßen kleine und mittlere Unternehmen (KMU) oftmals an Kapazitätsgrenzen ihrer Ressourcen (Material und Personal). Um die Ressourcenengpässe zu überwinden, zielt das Forschungsprojekt 'ScaleUp' darauf ab, KMU einen Leitfaden zur Identifikation geeigneter digitaler Technologien und zur Steigerung ihrer Prozesseffizienz für After-Sales-Dienstleistungen bereitzustellen. Der Leitfaden soll in Form eines Digitalisierungsnavigators implementiert werden und relevante Technologien in Bezug auf ihren Mehrwert beim Leistungserbringungsprozess bewertbar machen. Zu diesem Zweck wurde nach Recherche geeigneter digitaler Technologien das Scoring-Modell als wissenschaftliche Bewertungsmethodik ausgewählt. Es ermöglicht, die verschiedenen Technologien in Bezug auf ihre unternehmensspezifische Eignung zu vergleichen und die am besten
passende Technologie zu identifizieren.
Von Instandhaltung zu Smart Maintenance - einer der primären Anwendungsfälle von Industrie 4.0
(2020)
Der Industriestandort Deutschland befindet sich im Wandel. Neue, digitale Technologien ermöglichen es, Betriebs-, Zustands- und Ereignisdaten in stetig steigender Menge zu erfassen, aufzubereiten, zu analysieren und für die industrielle Anwendung nutzbar zu machen. Der Instandhaltung bzw. dem industriellen Service eröffnen sie das große Potenzial, eine bedarfsgerechte Verfügbarkeit von Maschinen und Anlagen datenbasiert effektiver und effizienter zu erreichen als bisher. Dieser Wandel, ergänzt durch organisatorische sowie kulturelle Anpassungsprozesse zur Nutzung neuer Technologien, kann als Transformation zur Smart Maintenance verstanden werden. Auf Basis von digitalen Daten und Erfahrungswissen wird mittels Smart Maintenance die selbständige Weiterentwicklung der Instandhaltungsorganisation angestrebt, mit dem Ziel, den größtmöglichen Wertbeitrag für das produzierende Unternehmen zu leisten. In diesem Artikel wird dazu passend die Smart-Maintenance-Roadmap vorgestellt, die nach Vorgabe der drei Zieldimensionen die Schrittweise Weiterentwicklung einer Instandhaltungsorganisation aufzeigt. So werden bspw. Predictive-Maintenance-Initiativen gegenüber Condition-Monitoring-Aktivitäten zurückgestellt, um eine schrittweise Weiterentwicklung der Fähigkeiten zu erreichen.
Predictive Maintenance hat sich in der Instandhaltung als Begriff etabliert. Produzierende Unternehmen versuchen durch vorausschauende Instandhaltungsaktivitäten, die bedarfsgerechte Verfügbarkeit ihrer Maschinen und Anlagen bei möglichst geringen Kosten sicherzustellen. Die Instandhaltung soll damit noch effektiver und effizienter werden.
Dieser Artikel zeigt, wie mit Hilfe des Ansatzes des "Smart Service Engineering" vom Center Smart Services ein Predicitive Maintenace Service bei Heidelberger Druckmaschinen in Zusammenarbeit mit der KATANA Plattform von USA Software entworfen und ausgerollt wurde. Auf Basis der gewonnen Erkenntnisse wurden zudem weitere Services aufgebaut, die über den Use Case Predictive Maintenance sogar noch hinaus gehen.
Digitale Technologien gewinnen für kleine und mittlere Unternehmen (KMU) des Maschinenbaus zunehmend an Bedeutung, da durch deren Einsatz bestehende Ressourcenengpässe minimiert und ungenutzte Potenziale aufgedeckt werden können. Besonders relevant ist der Einsatz digitaler Technologien zum Ausbau von After-Sales-Dienstleistungen, da bedingt durch sinkende Margen im Neumaschinengeschäft Dienstleistungen zunehmend zum entscheidenden Faktor zur Realisierung von Umsatzpotenzialen werden. Trotz der wachsenden Bedeutung von After-Sales-Dienstleistungen im Maschinenbau sind insbesondere KMU oftmals nicht in der Lage, ihr Kerngeschäft durch Dienstleistungen auszubauen. Grund hierfür sind vorrangig mangelnde Ressourcen wie beispielsweise Personalengpässe, begrenzte finanzielle Möglichkeiten sowie fehlendes Know-how. Damit Unternehmen des Maschinenbaus, die zum größten Teil KMU darstellen, die Potenziale im Dienstleistungsgeschäft voll ausschöpfen und somit ihre Wettbewerbsfähigkeit langfristig sichern können, bedarf es KMU-gerechter Methoden und Lösungen zur Auswahl sowie Bewertung und Implementierung digitaler Technologien. Das Forschungsprojekt ScaleUp liefert als Kernergebnis einen dreimoduligen Softwaredemonstrator, der es KMU ermöglicht, digitale Technologien für die Digitalisierung ihrer After-Sales-Dienstleistungsprozesse zu identifizieren (1. Modul) und im Hinblick auf Kosten und Nutzen (2. Modul) sowie des zur Nutzung notwendigen Kompetenzprofils der Mitarbeiter (3. Modul) zu bewerten. Im Rahmen des ersten Moduls findet eine Bewertung von Schwachstellen im Leistungserbringungs- bzw. Kommunikationsprozess statt. Anhand der Bewertung können schwachstellenspezifisch digitale Technologien ausgewählt und mittels dreier Bewertungskriterien miteinander verglichen werden. Zusätzlich werden weiterführende Informationen zu Stärken/Schwächen sowie Anbietern dieser Technologien bereitgestellt. Für das zweite Modul liefert der Demonstrator ein Modell, dass es ermöglicht, digitale Technologien aus Kosten- und Nutzensicht zu bewerten. Zur vereinfachten Anwendung werden sowohl eine schriftliche als auch eine visuelle Anleitung zu Verfügung gestellt. In letzter Instanz können im dritten Modul aktuelle Mitarbeiterkompetenzen ermittelt und Soll-Profile für die erfolgreiche Nutzung der ausgewählten digitalen Technologien gegenübergestellt werden. Mittels eines bereitgestellten Entwicklungsplans können diese Lücken zielgerichtet geschlossen werden. ScaleUp gibt somit KMU einen Leitfaden an die Hand, den diese nutzen können, um ihre eigenen After-Sales-Prozesse effizienter zu gestalten und somit ihren Ressourceneinsatz zu optimieren und ihre Wettbewerbssituation langfristig zu verbessern.
Das Forschungsprojekt "ScaleUp" zielt darauf ab, kleinen und mittleren Unternehmen (KMU) einen Digitalisierungsnavigator zur Verfügung zu stellen, der es ihnen ermöglichen wird, digitale Technologien strukturiert zu identifizieren, zu bewerten und zu implementieren.
Nach Validierung der Kernfunktionen für den After-Sales-Dienstleistungsprozess mithilfe des Referenzmodells nach Kallenberg wurden Informationsflüsse entlang der Serviceprozesskette identifiziert und Schwachstellen aufgedeckt. Diese wurden durch ermittelte unternehmensspezifische Ressourcenverbräuche klassifiziert.
Viele Unternehmen im industriellen Service können keine zuverlässige Aussage darüber treffen, wie gut ihr Leistungserbringungsprozess tatsächlich ist und wie mögliche Verbesserungen zur effizienten Befriedigung der Kundenbedürfnisse aussehen können. Zum einen fehlen hierzu oft geeignete Kennzahlen, die eine Messung der Service-Performance ermöglichen. Zum anderen ist meist nicht bekannt, welche Stellhebel zu betätigen sind, um die Performance gemäß den gesteckten Zielen zu steigern. In diesem fünften Teil der Beitragsreihe zum Aachener Lean-Services-Zyklus wird beschrieben, wie Kennzahlen zur Performance-Messung zur Erreichung des Ziels "Perfektion anstreben" beitragen.
Industrie 4.0 is said to have major positive effects on productivity in manufacturing companies. However, these effects are not visible yet. One reason for this is the lack of understanding of maintenance services as a crucial value contributing partner in production processes, although scientific literature already highlighted the importance of indirect maintenance costs. In order to retrieve the unused potential of maintenance services, a digital shadow in form of a sufficiently precise digital representation is required, providing a data model for the value of maintenance actions so that asset and maintenance strategies can be optimized later on. Using case study research for process manufacturers, the first research contribution of this paper consists of 21 value contributing elements being identified. The second contribution is a reference processes model, showing seven major process steps as well as the required intra-organization interaction on an information technology system level. Therefore, it provides the base for the missing data model shaping the targeted digital shadow of maintenance services’ value contribution. [https://link.springer.com/chapter/10.1007/978-3-030-57993-7_69]
Das Dienstleistungsgeschäft gehört bereits seit einigen Jahren zum zentralen Wachstumstreiber vieler Unternehmen in Deutschland. Auch kleine und mittlere Unternehmen (KMU) des Maschinenbaus haben diesen Trend erkannt und sind bestrebt, ihr Leistungsangebot hinsichtlich After-Sales-Services (AS-Services) auszubauen. Dabei stoßen sie allerdings immer wieder an Kapazitätsgrenzen. Das vorhandene und hochqualifizierte Personal ist häufig bereits voll ausgelastet, während der Mangel an Fachkräften ein geeignetes Gegensteuern erschwert. Somit beschränken die Ressourcenengpässe KMU des Maschinenbaus, ihr eigenes Geschäft mit AS-Services auszubauen.
Digitale Technologien bieten in diesem Zusammenhang das Potenzial, diesen Engpässen entgegenzuwirken, indem die vorhandenen Ressourcen effizienter eingesetzt werden. Ein prominentes Beispiel hierfür ist der Einsatz von Datenbrillen im Bereich des Remote-Service. Statt dass ein Servicetechniker gezwungen ist, wegen einer Maschinenstörung zum Kunden zu fahren, können die Diagnose und auch einfache Maßnahmen zur Störungsbehebung vom Kunden selber vor Ort durchgeführt werden, während der Servicetechniker mittels Datenbrille live zugeschaltet ist und anleiten kann. Dadurch können Reisezeiten, in den der Servicetechniker üblicherweise nicht wertschöpfend tätig ist, reduziert und im besten Fall mehr Serviceaufträge pro Servicemitarbeiter bearbeitet werden.
Im Zuge der fortschreitenden digitalen Vernetzung durch Industrie 4.0 sind in den letzten Jahren viele digitale Technologien entwickelt und zur Marktreife gebracht worden. Die große Vielfalt dieser technischen Lösungen macht es insbesondere KMU mit ihren ohnehin schon begrenzten Ressourcen fast unmöglich, einen angemessenen Überblick zu behalten. Zusätzlich können Verantwortliche und Fachkräfte der KMU nur schwer beurteilen, welche digitale Technologie sich für ihre unternehmensspezifischen Anforderungen überhaupt eignet. Eine Bewertung, die eine technologieübergreifende Vergleichbarkeit ermöglichen würde, fehlt. Genau hier setzt das erste Modul des Digitalisierungsnavigators an, der als Demonstrator auf dem AiF Forschungsprojekt ScaleUp entstanden ist.