FIR e. V. an der RWTH Aachen
Refine
Year of publication
Document Type
- Contribution to a Periodical (553)
- Doctoral Thesis (370)
- Master's Thesis (288)
- Conference Proceeding (234)
- doctorallecture (209)
- Bachelor Thesis (170)
- Part of a Book (152)
- Lecture (99)
- Report (70)
- Working Paper (63)
Language
- German (1825)
- English (400)
- Multiple languages (116)
- Spanish (2)
Is part of the Bibliography
- no (2343)
Keywords
- 1 (3)
- 2 (1)
- 3 (2)
- 3 PhasenKonzept (1)
- 3-Phasen-Konzept (2)
- 3D Druck (1)
- 3D-Druck (5)
- 3GPP (1)
- 3PhasenKonzept (7)
- 5G (23)
Institute
- FIR e. V. an der RWTH Aachen (2343)
- Produktionsmanagement (544)
- Dienstleistungsmanagement (482)
- Informationsmanagement (342)
- Business Transformation (196)
Smart-Logistic-Grids
(2016)
Ziel des Forschungsvorhabens Smart-Logistic-Grids ist die Entwicklung eines Systems, welches, basierend auf einer erhöhten Informationsverfügbarkeit, Handlungsalternativen aufzeigt und ökonomisch bewertet. Hierfür ist eine barrierefreie Integration unterschiedlicher Akteure innerhalb eines Logistiknetzwerks notwendig. Das Ergebnis dieses Systems eröffnet den Nutzern nicht nur Effizienzsteigerungen und eine erhöhte Robustheit des Gesamtsystems, sondern auch die Reduzierung der CO2 –Emissionen.
Im Forschungsprojekt BigPro wird die Frage beantwortet, wie Big Data aus der Produktion genutzt werden können, um das Störungsmanagement zu unterstützen. Dazu wurde ein Vorgehen entwickelt, das sicherstellt, dass die erforderlichen Informationen in der richtigen Form zu Verfügung stehen und das System zielgerichtet auf- und eingesetzt werden kann. Das Projekt „BigPro“ wird
über das Bundesministerium für Bildung und Forschung (BMBF) im Rahmen des Förderprogramms IKT 2020 – Forschung für Innovationen mit dem Förderkennzeichen 01IS14011 gefördert
Vor dem Hintergrund des unvorhersehbaren Unternehmensumfelds gewinnt das Risiko-Management in Produktionsnetzwerken zunehmend an Bedeutung. Um den dynamischen Anforderungen gerecht zu werden, ist der Aufbau von Flexibilitätspotenzialen besonders wichtig. Da jedoch für die auftragsspezifische Fertigung keine Sicherheitsbestände aufgebaut werden können, ist ein alternativer Ansatz zur Flexibilitätssicherung zu finden. Im diesem Artikel wird ein Ansatz zur Bewertung des Nutzens der Bestellflexibilität vorgestellt.
Der strategische Wandel von einem reinen Sachgüterhersteller hin zu einem Lösungsanbieter mit einem individuellen Dienstleistungsangebot geht einher mit umfangreichen Veränderungen hinsichtlich der Aktivitäten, des Verhaltens und der Strukturen des Unternehmens. Dies stellt insbesondere kleine und mittlere Unternehmen (KMU) vor Herausforderungen. So müssen beispielsweise neue Kompetenzen aufgebaut, das eigene Rollenverständnis des Personals neu definiert und der Wille zur Veränderung in der Organisation verankert werden. Damit KMU geeignete Maßnahmen zur Veränderung des Unternehmens ableiten und bewerten können, muss bereits vor Beginn des eigentlichen Transformationsprozesses klar sein, inwiefern ein Unternehmen dazu in der Lage ist, strategische, organisatorische sowie prozessuale Veränderungen zu planen und umzusetzen. Das im Projekt fit4solution entwickelte Transformations-Assessmentwerkzeug unterstützt KMU bei der Identifikation relevanter Stellhebel und dient gleichzeitig der Wirksamkeitsbewertung der zu entwickelnden Maßnahmen
Der Bereich der intelligenten Gebäudetechnik bietet großes Potenzial zur Entwicklung von datenbasierten Dienstleistungen und innovativen Geschäftsmodellen. Mithilfe moderner Sensor- und Kommunikationstechnologien können bspw. Energiereinsparpotenziale bei der Gebäudenutzung realisiert oder das Wohlbefinden der Nutzer gesteigert werden. Nicht nur große Unternehmen, sondern auch kleine und mittelständische Unternehmen (KMU) aus dem Bereich technischer Gebäudeausrüstung (TGA) haben dieses Potenzial erkannt. Zunächst gilt es daher, das Geschäftsfeld Smart Building zu strukturieren, mögliche Geschäftsmodelle zu identifizieren und durch eine Umfeldanalyse Transparenz für die Hersteller von TGA zu gewährleisten und so eine potenzielle Neuausrichtung der Geschäftstätigkeiten zu erleichtern.
Eines der grundlegenden Geschäftsmodelle im Umfeld der digitalen Technologien stellt eine der größten Bedrohungen der Privatsphäre von Kunden dar: die Monetarisierung sensitiver Daten, ermöglicht durch das Sammeln und die Speicherung von Nutzerdaten. Unternehmen haben verschiedene Anwendungsfelder für die Verwendung von personenbezogenen Daten identifiziert, sei es die Berechnung von Absatzmärkten, die Prognose von Kundenverhalten oder das individuelle Pricing eines Produkts. Gleichzeitig sind sich Kunden zwar bewusst darüber, dass ihre privaten Daten gespeichert und verwertet werden, sie wissen jedoch überraschend wenig über die Art der Daten und den Umfang, in welchem die Verwertung stattfindet. Zentraler Bestandteil des geplanten Forschungsprojekts myneData ist ein Datencockpit, das Unternehmen und Kunden hilft, den vorliegenden Zielkonflikt zwischen der Nutzbarkeit von Daten und den Privatsphäreanforderungen zu überwinden und einen völlig neuen Gestaltungsspielraum für Technologien und (Daten-)Wirtschaft zu ermöglichen.
Die zentrale Herausforderung vieler Unternehmen besteht derzeit darin, den Prozess der Transformation im Sinne einer grundlegenden Neugestaltung zentraler Prozesse oder gar des gesamten Unternehmens zu bewältigen. Im Mittelpunkt steht die Frage, wie Unternehmen die mit dem Umfang einer Transformation und den notwendigen inhaltlichen Veränderungen einhergehende Komplexität bewältigen und die Effizienz und den Erfolg der Transformation gewährleisten können. Die Herausforderung besteht darin, zeitgleich auf der Sachebene neue Strukturen und Systeme zu gestalten und zudem etablierte Verhaltensmuster aufuzubrechen und neue Forderungen zu ertablieren. Der vorliegende Beitrag leistet einen konkreten Mehrwert zur Lösung der dargestellten Herausforderungen, indem er einen Ordnungsrahmen für die Bewältigung der mit einer Transformation einhergehenden Managementaufgaben liefert.
Personal user data is collected and processed at large scale by a handful of big providers of Internet services. This is detrimental to users, who often do not understand the privacy implications of this data collection, as well as to small parties interested in gaining insights from this data pool, e.g., research groups or small and middle-sized enterprises. To remedy this situation, we propose a transparent and user-controlled data market in which users can directly and consensually share their personal data with interested parties for monetary compensation. We define a simple model for such an ecosystem and identify pressing challenges arising within this model with respect to the user and data processor demands, legal obligations, and technological limits. We propose myneData as a conceptual architecture for a trusted online platform to overcome these challenges. Our work provides an initial investigation of the resulting myneData ecosystem as a foundation to subsequently realize our envisioned data market via the myneData platform.
Das vorherrschende Geschäftsmodell führender Internetfirmen besteht darin, persönliche Daten in großem Maße zu sammeln und in bare Münze zu verwandeln. Die weitreichende Erfassung und Verarbeitung von (persönlichen) Daten lässt zwar einerseits „den Rubel rollen“ und kann zudem hilfreich sein bei der Unterstützung der Behörden im Rahmen der Verbrechensbekämpfung, kann aber andererseits für den Einzelnen mehr von Schaden als von Nutzen sein – zumal er oder sie häufig keinerlei Kontrolle über das jeweilige Maß an gewahrter Privatsphäre hat, oft in völliger Unkenntnis über die Weiterverarbeitung und ggf. -veräußerung der Datenbestände gehalten und selten an dem aus seinen oder ihren Daten erwirtschafteten Gewinn beteiligt wird. Eine gesetzliche Regelung, mittels derer die Interessen beider Seiten berücksichtigt werden, ist bisher nicht in Sicht.
Durch die digitale Transformation der Wirtschaft verfügen insbesondere Unternehmen des Maschinenbaus über eine Vielzahl an bisher ungenutzten Daten. Darauf aufbauend ist zunehmend die Anwendung von Business-Analytics in den verschiedenen Bereichen der Unternehmen zu erkennen. Im Dienstleistungsgeschäft von Unternehmen des Maschinenbaus ist bisher aktuell nur eine geringe Anzahl der Unternehmen in der Lage, Daten so zu analysieren, dass hieraus ein Mehrwert generiert wird. Vor diesem Hintergrund werden im Forschungsvorhaben ServiceAnalytics geeignete Analytics-Algorithmen entwickelt, evaluiert und in ein für kleine und mittlere Unternehmen (KMU) geeignetes Implementierungsvorgehen überführt, um die Profitabilität und Innovationsfähigkeit des Geschäftsfeldes industrieller Dienstleistungen in KMU des Maschinenbaus zu steigern. Das IGF-Vorhaben 19164 N der Forschungsvereinigung FIR e. V. an der RWTH Aachen, Campus-Boulevard 55, 52074 Aachen wurde über die AiF im Rahmen des Programms zur Förderung der industriellen Gemeinschaftsforschung (IGF) vom Bundesministerium für Wirtschaft und Energie aufgrund eines Beschlusses
des Deutschen Bundestages gefördert.
Laut BITKOM stehen reine Hersteller von Anlagen vor einem Wandel hin zu Dienstleistern und damit vor der Herausforderung einer steigenden Bedeutung von Service und Support.
Der Einsatz und die Integration von Sensorik innerhalb der Anlagen liefern kontinuierlich Daten über den Zustand ihrer Komponenten (bspw. Verschleiß, Warnungen, Störungsmeldungen, Fehlercodes, Ereignismeldungen, aber auch Umgebungsdaten wie Temperatur, Feuchtigkeit, etc.). Auf diese können die Hersteller nun mit Hilfe des Internets zugreifen und damit ihr Dienstleistungsportfolio erweitern. Die Daten können auf Ereignisse hin untersucht werden und mit bekannten Daten verglichen werden. So können bspw. Nutzungsprofile angelegt oder präventive Wartungsmaßnahmen durchgeführt werden. Um die generierten Daten zu nutzen, müssen sich Unternehmen neu orientieren und das Geschäftsfeld der datenbasierte Dienstleistungen für Smart Buildings aufbauen. Dabei durchlaufen die Unternehmen einen Transformationsprozess, der durch maßgebliche Herausforderungen gekennzeichnet ist. So stoßen die potenziellen Anbieter der datenbasierten Dienstleistungen während des Wandels auf eine dynamische Unternehmensumwelt. Wechselnde Kundenbedürfnisse, schnell reagierende Wettbewerber und sich rasant wandelnde Technologien sind nur einige der Faktoren, die auf die Unternehmen wirken. Diese Herausforderungen gilt es durch geeignete Instrumente zu adressieren und das neue Geschäftsfeld datenbasierter Dienstleistungen gezielt aufzubauen.
Das IGF-Vorhaben 18858 N der Forschungsvereinigung FIR e.V. an der RWTH Aachen Forschungsinstitut für Rationalisierung, Campus-Boulevard 55, 52074 Aachen würde über die AiF im Rahmen des Programms zur Förderung der industriellen Gemeinschaftsforschung (IGF) vom Bundesministerium für Wirtschaft und Energie aufgrund eines Beschlusses des Deutschen Bundestages gefördert.
Smart Building
(2017)
Wenige Entwicklungen wurden bisher in der TGA so häufig und kontrovers diskutiert, wie das Themenfeld Smart Building. Dieser Umstand ist nicht zuletzt dem Sachverhalt geschuldet, dass der Begriff zwar vielfach definiert, sich bisher jedoch kein allgemeingültiges und anerkanntes Begriffsverständnis durchgesetzt hat. Zudem sind die Anwendungsszenarien zahlreich und die beteiligten Branchenakteure stark heterogen. Nicht zuletzt durch eine steigende Anzahl oftmals technologieorientierter Start-ups wird dieser Umstand noch verschärft. In diesem Spannungsfeld besteht die Frage, welche Rolle TGA-Fachplaner zukünftig spielen und wie sie sich optimal im Bereich Smart Building positionieren können.
Als Reaktion auf den Wandel richten produzierende Unternehmen ihr Augenmerk nun verstärkt auf die Bereitstellung von Dienstleistungen und hybride Lösungen aus physischem Produkt, traditioneller und digitaler Dienstleistung. Sie ermöglichen es, sich von Mitbewerbern abzuheben und gleichzeitig die eigenen Margen zu erhöhen. Das Angebot und den Verkauf solcher Produkt-Dienstleistungs-Kombinationen bezeichnet man als Lösungsverkauf oder Solution-Selling. Am Beispiel der Automobilindustrie wird deutlich, wie vielfältig Lösungsangebote sein können, die über das traditionelle Produktgeschäft hinausgehen.
Das Forschungsprojekt ‚DiCES‘ bringt verschiedene Industriepartner zusammen, um gemeinsam ein datenbasiertes, integriertes Wertschöpfungssystem für eine nachhaltige, multidimensionale Kreislaufwirtschaft zu entwickeln. Zur Sicherstellung der Praxisnähe des Projekts fanden Workshops mit Industriepartnern aus unterschiedlichen Industriezweigen statt. Dabei wurden Anforderungen an IT-Systeme, Produktkonfigurationen, Geschäftsmodelle und Produktionskonzept behandelt. Alle erhobenen Anforderungen wurden anschließend für die Kategorisierung aufbereitet.
Der Digitale Produktpass (DPP) ist ein Konzept zur Erfassung und Bereitstellung produktbezogener Informationen während des gesamten Produktlebenszyklus, um Transparenz bezüglich Herkunft, Zusammensetzung und End-of-Life-Behandlungsoptionen zu schaffen. Somit bildet er eine wesentliche Grundlage für die Kreislaufwirtschaft. Es existieren bereits Ansätze für die inhaltliche Konzeption eines DPP für verschiedene Branchen, Datenstandards zur Erfassung von Produktinformationen und mehrere Marktlösungen zur praktischen Umsetzung. Allerdings sind Unternehmen nicht ausreichend auf die Umsetzung von DPP vorbereitet. Eine Herausforderung besteht darin, die relevanten Daten zur Deckung des Informationsbedarfs im Kontext der Kreislaufwirtschaft zu identifizieren und diese Daten mithilfe der bereits vorhandenen IT-Systemlandschaft zu konsolidieren. Die Analyse eines MES liegt hierbei im Fokus, da neben Bauteildaten auch die in der Produktion anfallenden Prozessdaten von Bedeutung sind.
Das Forschungsziel ist demnach die Überführung der im MES anfallenden Daten zu Informationen, die für einen auf die Ermöglichung von Remanufacturing ausgerichteten DPP relevant sind. Dazu wird zunächst eine Literaturrecherche zur Identifizierung potenziell relevanter Prozessdaten in MES sowie in einem DPP für das Remanufacturing erforderlichen Informationen durchgeführt. Um den aktuellen Stand der Technik zu berücksichtigen und konkrete Datenbedarfe für das Remanufacturing zu erfassen, werden diese Grundlagen mit Experteninterviews im produzierenden Sektor angereichert. Die Gegenüberstellung des Informationsbedarfs eines DPP und Datenangebots eines MES erlaubt die Ableitung einer Methodik zur Überführung relevanter Daten in einen DPP. Diese Methodik wird anschließend in der DFA Demonstrationsfabrik Aachen GmbH prototypisch validiert. Die Ergebnisse sollen produzierende Unternehmen unterstützen, mit ihrer bestehenden IT-Systemlandschaft DPP im Kontext des Remanufacturing umzusetzen.