Refine
Document Type
- Conference Proceeding (17)
- Contribution to a Periodical (8)
- Report (4)
- Internet Paper (3)
- Book (2)
- Part of a Book (2)
- Working Paper (2)
- Lecture (1)
Language
- German (18)
- English (17)
- Multiple languages (4)
Is part of the Bibliography
- no (39)
Keywords
- 3 (1)
- 5G (4)
- ADAM (2)
- AI (2)
- Agriculture (1)
- Artificial Intelligence (1)
- Ausbildung (1)
- Auto-ML (2)
- BMBF (1)
- BlueSAM (1)
- CPS (2)
- Carrier (1)
- Compliance (1)
- Conversational Interfaces (1)
- Cornet (1)
- Datenaustausch (1)
- Datensouveränität (1)
- Datenverarbeitungssystem (1)
- Delphi study (1)
- Digital Technologies (1)
- Digitalisierung (4)
- Digitalization (4)
- E-Learning (1)
- EFRE-0801386 (1)
- Fallstudien (1)
- Freight Forwarder (1)
- Förderkennzeichen 100451351 (1)
- Förderkennzeichen: 02K19K013 (1)
- IT-2-1-025a (1)
- IT-2-1-025a / EFRE-0801386 (1)
- IT-Architektur (1)
- IT-OT-Integration (3)
- Industrie 4.0 (10)
- Industrie 5.0 (1)
- Industry 4.0 (1)
- Industry 5.0 (1)
- Information Management (1)
- Informationsmanagement (1)
- Informationstechnologie (1)
- Intelligente Produkte (2)
- Internet der Dinge (1)
- Internet of Things (1)
- IoT (1)
- KI (1)
- KMU (4)
- Klein- und Mittelbetrieb (1)
- Konsortial-Benchmarkingstudie (1)
- Künstliche Intelligenz (2)
- Machine Learning (2)
- Management (1)
- Manufacturing Companies (1)
- Matching (1)
- Nähmaschine (1)
- PTKA (1)
- Product-Service-Systems (1)
- Produktdatenmanagement (1)
- Regulation (1)
- Reifegradmodell (1)
- Relay Traffic (1)
- Route Sectioning Algorithm (1)
- SV7185 (1)
- SV7190 (1)
- SV7394 (1)
- Schatten-IT (1)
- Self-Assessment (1)
- Shopfloor (1)
- Smart Farming (1)
- Smart Machines (1)
- Smart Products (1)
- Studie (1)
- Supervised Learning (1)
- Sustainability (1)
- Swarm Robotics (1)
- Systemintegration (1)
- Technologiemanagement (4)
- Technology-Radar (2)
- Transport Order (1)
- UI (1)
- User-Interface (1)
- Vernetzung (1)
- Workshop (1)
- Zielsystem (1)
- agile development (1)
- artificial intelligence (1)
- benefit measurement (1)
- communication technology (1)
- compliance (1)
- crisis (1)
- data-ecosystem (1)
- development process (1)
- digital sovereignty (1)
- digital technologies (1)
- digitale Transformation (1)
- event-driven it-architecture (1)
- industry 4.0 (1)
- it-ot-integration (1)
- regulation (1)
- resilience (1)
- rev (10)
- self-managed (1)
- smart farming (1)
- smart products (1)
- smart services (1)
- sustainability (1)
- user acceptance (1)
- Öffentlichkeitsarbeit (1)
Institute
Vor sich finden Sie den Leitfaden zur Anwendung der „MarryIT“-Methodik zur Vernetzung der Systeme auf ihrem Shopfloor mit den Systemen auf Ihrem Office-Floor. Bei den Shopfloor-Systemen wird oft von OT-Systemen (Operational Technology) und bei den Office-Floor-Systemen von IT-Systemen gesprochen. Das Ziel ist es, die Anwendungsfälle (auch als Nutzenpotenziale bezeichnet) auszuwählen, die sich für eine Vernetzung eignen und mit der bestehenden Systemlandschaft ermöglicht werden können. Darüber hinaus können Sie mit der vorliegenden Methode gezielt entscheiden, wie Sie Ihre Systemlandschaft zur Realisierung der Anwendungsfälle weiterentwickeln können. Die Methode soll Ihnen helfen, diesen Prozess durch den Einsatz eines strukturierten Vorgehens anzugehen und dabei unterstützen, die für Sie besten Entscheidungen zu treffen. Sie können statt der analogen Variante ebenfalls die mobile Webanwendung zur Durchführung der Methode verwenden: marryit-tool.fir.de
Der Einsatz Intelligenter Produkte versetzt produzierende Unternehmen in die Lage, ihre Kunden auf Basis der entstehenden Nutzungsdaten zu verstehen und daraus erfolgreich Mehrwertdienste abzuleiten. Im Rahmen der neuen Konsortialbenchmarkingstudie ‚Intelligente Produkte‘ wollen wir gemeinsam mit einem Konsortium aus unterschiedlichen Industrieunternehmen die technische Umsetzung Intelligenter Produkte und die dazugehörigen Mehrwertdienste sowie Aspekte der wirtschaftlichen Realisierung im Rahmen eines erfolgreichen Geschäftsmodells beleuchten.
Das Ziel des Forschungsprojekts ‚MarryIT‘ war es, KMU bei der Umsetzung von Industrie-4.0-Anwendungsfällen (sog. Nutzenpotenzialen) zu unterstützen. Sie sollen eine Entscheidungsgrundlage erhalten, die es ihnen ermöglicht, ressourcenschonend die auf Basis ihrer Ausgangssituation am besten geeigneten Nutzenpotenziale auszuwählen. Dies soll durch die gezielte und strukturierte Aufnahme der Ist-Landschaft im Unternehmen geschehen. Diese soll mit den gewählten Nutzenpotenzialen abgeglichen werden. Auf dieser Basis soll den Unternehmen eine Grundlage für eine erfolgreiche Investitionsentscheidung geboten werden, die die Unternehmen benötigen. So erhalten KMU die Möglichkeit, ihre begrenzten finanziellen Mittel unterstützt durch ein methodisches Vorgehen mit Bedacht einzusetzen und das Risiko einer Fehlinvestition zu umgehen.
Diese Zielsetzung wurde konkret durch die Entwicklung einer mobilen Anwendung umgesetzt, die es den Unternehmen ermöglicht, die in ‚MarryIT‘ entwickelte Methode anzuwenden. Dafür werden zunächst Nutzenpotenziale selektiert. Als nächstes wird mithilfe des entwickelten Steckbriefs die Ist-Systemlandschaft, bestehend aus IT-Systemen, Schnittstellen und OTSystemen, aufgenommen. Diese wird dann mit den ausgewählten Nutzenpotenzialen automatisiert abgeglichen. Daraus wird ersichtlich, welche Nutzenpotenziale direkt umsetzbar sind und welche Nutzenpotenziale welchen Übereinstimmungrad mit den anderen selektierten Nutzenpotenzialen aufweisen. Daraufhin wird die Schwierigkeit der Umsetzung für jedes Nutzenpotenzial für die Integration sowie konkrete Handlungsmaßnahmen zur Integration, auf Einzelsystemebene abgeleitet.
Heutzutage steigen die Technologievielzahl und -vielfalt täglich an. Unternehmen, die sich im Zuge der Digitalisierung für die Einführung eines cyber-physischen Systems interessieren, müssen sich zu Beginn einen schnellen Überblick über den verfügbaren Technologiemarkt verschaffen, der sich stündlich ändert. Darauf ausgerichtet hat das Projekt TechRad zum Ziel, dieses Technologiescouting in Form eines plattformbasierten Radars zu automatisieren, welches eine permanent aktuelle Übersicht über verfügbare Technologien liefert. Die Befüllung der Plattform wird durch ein gezieltes Webcrawling nach Technologien realisiert. Das Entwicklungsvorgehen des Radars soll als Referenzmodell dienen, um zukünftigen Scouting-Plattformen einen Leitfaden zur schnellen und effizienten Entwicklung zur Verfügung zu stellen, und beinhaltet neben den technischen Vorgaben auch einen rechtlichen Rahmen, der bei dem Crawling von Daten berücksichtigt werden muss. Das Vorhaben IT-2-1-025a / EFRE-0801386 der Forschungsvereinigung FIR e. V. an der RWTH Aachen wird über den PTJ durch den europäischen Fond für regionale Entwicklung in NRW (EFRE) mit Mitteln der europäischen Union (EU) gefördert.
Die Intransparenz in der eigenen Systemlandschaft und die Vielzahl an Industrie-4.0-Anwendungsfällen erschwerten KMU die nutzenorientierte Vernetzung von IT-Systemen und Shopfloor, die sogenannte IT-OT-Integration. Die richtige Auswahl von Digitalisierungsmaßnahmen mithilfe einer funktionalen und technischen Evaluation des Systembestands reicht häufig schon aus, um die vorhandenen Nutzenpotenziale zu heben. Im Forschungsprojekt ‚MarryIT‘ wurde eine Methodik entwickelt, die KMU gezielt bei der Aufnahme und Ableitung individueller Handlungsempfehlungen unterstützt. Mit Abschluss des Projekts im Mai 2021 wurde das Vorgehen zur vereinfachten Anwendung und Verfügbarkeit zusätzlich in ein Online-Tool (marryit-tool.fir.de) überführt, das nun kostenlos zur öffentlichen Nutzung bereitsteht.
Aufgrund der überwältigenden Menge an Informationsquellen wird ein systematisches Technologiemanagement, insbesondere für KMU, immer schwieriger. Daher hat das Projekt ‚TechRad‘ zum Ziel, den Technologiescouting-Schritt in diesem Prozess durch einen softwareplattformbasierten Radar zu automatisieren, der KMU eine permanent aktuelle, individuelle Übersicht über verfügbare Technologien bereitstellt. Der TechRadar wird durch KI-Algorithmen automatisch Daten aus relevanten Quellen sammeln, die Relevanz der jeweiligen Technologie (d. h. ihren Reifegrad) bewerten und diese dann auf einer Radarkarte visualisieren. Als Teilziel dieses Projekts muss eine intuitiv zu bedienende grafische Benutzeroberfläche entwickelt werden. Die Anforderungsaufnahme dafür wird häufig in einem Wireframing-Workshop durchgeführt. Die Umstellung des normalerweise physischen Workshop-Formats auf ein virtuelles ist Hauptthema des Artikels. Das Vorhaben IT-2-1-025a / EFRE-0801386 der Forschungsvereinigung FIR e. V. an der RWTH Aachen wird über den PTJ durch den europäischen Fond für regionale Entwicklung in NRW(EFRE) mit Mitteln der Europäischen Union (EU) gefördert.
Die vernetzte Digitalisierung als Befähiger für Intelligente Produkte und datenbasierte Geschäftsmodelle stellt Unternehmen vor zahlreiche und vielfältige Herausforderungen auf dem Weg durch die digitale Transformation. Zur Unterstützung dieser Unternehmen wurden in den vergangenen Jahren diverse Referenzarchitekturmodelle entwickelt. Eine detaillierte Analyse derselben und insbesondere ihrer Nutzung durch Unternehmen zeigte schnell, dass aktuell bestehende Referenzmodelle große Schwächen in der Praxistauglichkeit aufweisen. Mit dem Aachener Digital-Architecture-Management (ADAM) wurde ein Framework entwickelt, das gezielt die Schwächen bestehender Referenzarchitekturen adressiert und ihre Stärken gezielt aufnimmt. Als holistisches Modell, speziell für die Anwendung durch Unternehmen entwickelt, strukturiert ADAM die digitale Transformation von Unternehmen in den Bereichen der digitalen Infrastruktur und der Geschäftsentwicklung ausgehend von den Kundenanforderungen. Systematisch werden Unternehmen dazu befähigt, die Gestaltung der Digitalarchitektur unter Berücksichtigung von Gestaltungsfeldern voranzutreiben. Die Beschreibung der Gestaltungsfelder bietet einen detaillierten Einblick in die wesentlichen Aufgaben auf dem Weg zu einem digital vernetzten Unternehmen. Dabei stellt das Modell nicht nur eine Strukturierungshilfe dar, sondern beinhaltet mit den Gestaltungsfeldern einen Baukasten, um das Vorgehen in der digitalen Transformation zu konfigurieren. Das Vorgehen differenziert zwischen der Entwicklung der Digitalisierungsstrategie und der Umsetzung der Digitalarchitektur. Drei unterschiedliche Case-Studys zeigen zudem auf, wie ADAM in der Industrie konkret genutzt, welche Strukturierungshilfe es leisten und wie die digitale Transformation konfiguriert werden kann. Durch die Breite und Tiefe von ADAM werden Unternehmen befähigt, den Weg der digitalen Transformation systematisch und strukturiert zu bestreiten, ohne die wertschöpfenden Bestandteile der Digitalisierung außer Acht zu lassen. Dies qualifiziert ADAM zu einem nachhaltigkeitsorientierten Framework, da es die wirtschaftliche Skalierung, die bedarfsgerechte Anpassung und die zukunftsgerichtete Robustheit von Lösungsbausteinen in den Fokus der digitalen Transformation rückt.
Die vorliegende Publikation soll dazu dienen, ein aktuelles Stimmungsbild der Industrie zu der Einführung von 5G einzufangen. Dazu wird analysiert, wie eine 5G-Einbindung in bereits bestehende IoT-Plattformen gelingen kann und welche Möglichkeiten zukünftig realisierbar werden. Dazu stellen wir fünf Hypothesen zum Einfluss von 5G auf IoT-Plattformen auf und leiten daraus ein Visionsbild eines 5G-Plattformkonzepts ab. Um den Einfluss der industriellen Einführung der Mobilfunkgeneration 5G auf IoT-Plattformen bewerten zu können, wurden sowohl Visionsbild als auch Hypothesen innerhalb strukturierter Interviews mit IoT-Plattformanbietern diskutiert und aufgearbeitet. Nachdem in Kapitel 2 die relevanten Grundlagen hinsichtlich des neuen Mobilfunkstandards 5G und Plattformen erarbeitet werden, werden in Kapitel 3 die Ergebnisse und Erkenntnisse der Interviews mit den Plattformanbietern zusammengefasst und erörtert. Basierend auf den Interviews geben wir einen Überblick über die konkreten Herausforderungen, das Interesse diverser Stakeholder und die aktuellen Entwicklungen rund um das Thema.
Industry 4.0 is driven by Cyber-Physical Systems and Smart Products. Smart Products provide a value to both its users and its manufacturers in terms of a closer connection to the customer and his data as well as the provided smart services. However, many companies, especially SMEs, struggle with the transformation of their existing product portfolio into smart products. In order to facilitate this process, this paper presents a set of smart product use-cases from a manufacturer’s perspective. These use-cases can guide the definition of a smart product and be used during its architecture development and realization. Initially the paper gives an introduction in the field of smart products. After that the research results, based on case-study research, are presented. This includes the methodological approach, the case-study data collection and analysis. Finally, a set of use-cases, their definitions and components are presented and highlighted from the perspective of a smart product manufacturer.
Methods of machine learning (ML) are notoriously difficult for enterprises to employ productively. Data science is not a core skill of most companies, and acquiring external talent is expensive. Automated machine learning (Auto-ML) aims to alleviate this, democratising machine learning by introducing elements such as low-code / no-code functionalities into its model creation process. Multiple applications are possible for Auto-ML, such as Natural Language Processing (NLP), predictive modelling and optimization. However, employing Auto-ML still proves difficult for companies due to the dynamic vendor market: The solutions vary in scope and functionality while providers do little to delineate their offerings from related solutions like industrial IoT-Platforms. Additionally, the current research on Auto-ML focuses on mathematical optimization of the underlying algorithms, with diminishing returns for end users. The aim of this paper is to provide an overview over available, user-friendly ML technology through a descriptive model of the functions of current Auto-ML solutions. The model was created based on case studies of available solutions and an analysis of relevant literature. This method yielded a comprehensive function tree for Auto-ML solutions along with a methodology to update the descriptive model in case the dynamic provider market changes. Thus, the paper catalyses the use of ML in companies by providing companies and stakeholders with a framework to assess the functional scope of Auto-ML solutions.