Produktionsmanagement
Refine
Year of publication
Document Type
- Contribution to a Periodical (19)
- Conference Proceeding (8)
- Working Paper (8)
- Book (7)
- Lecture (3)
- Part of a Book (2)
- Internet Paper (2)
- Report (2)
Language
- German (39)
- English (10)
- Multiple languages (2)
Is part of the Bibliography
- no (51)
Keywords
- 02 (1)
- 3PhasenKonzept (1)
- Anforderungsmanagement (1)
- Auftragsabwicklung (1)
- Beratung (1)
- Big Data (5)
- BigPro (2)
- Blockchain (2)
- Blockchaintechnologie (1)
- Business Applications (1)
Institute
- Informationsmanagement (51) (remove)
Failure management in the production area has been intensely analyzed in the research community. Although several efficient methods have been developed and partially successfully implemented, producing companies still face a lot of challenges. The resulting main question is how manufacturers can be assisted by a sustainable approach enabling them to proactively detect and prevent failures before they occur. A high-resolution production system based on analyzed real-time data enables manufacturers to find an answer to the main question. In this context, Big Data technologies have gained importance since the critical success factor is not only to collect real-time data in the production but also to structure the data. Therefore, we present in this paper the implementation of Big Data technologies in the production area using the example of an actual research project. After the literature review, we describe a Big Data based approach to prevent failures in the production area. This approach mainly includes a real-time capable platform including complex event processing algorithms to define appropriate improvement measures.
eStep Mittelstand: Analyse der Nutzung und Verbreitung von E-Business-Standards bei Unternehmen
(2016)
Im Forschungsprojekt »eStep Mittelstand – Modulare Lösungen für den Mittelstand zur Stärkung der eigenständigen Integration von E-Business-Standards in komplexe Lieferkettenprozesse« (im Folgenden kurz „eStep Mittelstand“ genannt) werden Lösungen erarbeitet, um den Einsatz von E-Business-Standards in den Geschäftsprozessen von kleinen und mittleren Unternehmen (KMU) zu stärken und auszubauen. Dazu werden geeignete Methoden und Modelle entwickelt, welche es KMU erlauben, E-Business-Projekte trotz hoher Komplexität erfolgreich umzusetzen. Die Umstellung auf standardbasierte, elektronische Geschäftsprozesse wird durch das Self-Assessment-Tool
(SAT), den Entscheidungsbaum (EB) und die Middleware (MW) erheblich erleichtert. Eine DIN SPEC, welche in Zusammenarbeit mit dem Deutschen Institut für Normung (DIN) e. V. erarbeitet wurde, stellt nun auch einen Leitfaden zur Weiterentwicklung und zum Ausbau der Funktionalität des SATs und des EBs bereit. Das Förderprojekt "eStep Mittelstand" ist Teil der Förderinitiative "eStandards: Geschäftsprozesse standardisieren, Erfolg sichern", die im Rahmen des Förderschwerpunkts "Mittelstand-Digital – IKT-Anwendungen in der Wirtschaft" vom Bundesministerium für Wirtschaft und Energie (BMWi) gefördert wird.
Da die heutigen Logistiknetzwerke den Anforderungen nicht mehr gerecht werden, rückt das Supply-Chain-Risk-Management von Wertschöfungsketten zunehmend in den Mittelpunkt unternehmerischer Überlegungen. Störungen in Logistiknetzwerken treten wegen unzureichender Datenmengen, -qualität und -integration der realen Welt nicht in den Informationssystemen auf. Eine echtzeitfähige Reaktion auf diese Störungen und proaktive Korrekturmaßnahmen innerhalb der Logistikprozesse sind folglich unmöglich. Daher kann ein erhöhter Bedarf an ganzheitlicher Transparenz innnerhalb der Logistiknetzwerke abgeleitet werden. Mit diesem Thema beschäftigt sich das Forschungsprojekt Smart-Logistic-Grids.
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
Im Forschungsprojekt „eStep Mittelstand - Modulare Lösungen für den Mittelstand zur Stärkung der eigenständigen Integration von E-Business-Standards in komplexe Lieferketten-Prozesse" wurden Lösungen erarbeitet, um den Einsatz von E-Business-Standards in den Geschäftsprozessen von kleinen und mittleren Unternehmen (KMU) zu stärken und auszubauen. Hierzu wurden geeignete Methoden und Modelle entwickelt, welche es KMU erlauben, E-Business-Projekte trotz hoher Komplexität erfolgreich umzusetzen. Die Umstellung auf standardbasierte, elektronische Geschäftsprozesse wird durch das Self-Assessment-Tool (SAT), den Entscheidungsbaum (EB) und die eStep-Mittelstand-Middleware (eMiMi) erheblich erleichtert. Eine DIN SPEC, welche in Zusammenarbeit mit dem Deutschen Institut für Normung (DIN) e. V. erarbeitet wurde, stellt darüber hinaus einen Leitfaden zur Weiterentwicklung und zum Ausbau der Funktionalität des SATs und des EBs bereit.
Ziel des Forschungsvorhabens "SurE" ist die Erhöhung der Effizienz und Effektivität von Suchanfragen in ERP-Systemen. Dabei soll der Aufwand für den Nutzer reduziert und die Qualität der Ergebnisse verbessert werden. Die Ziele werden durch die Entwicklung einer selbstlernenden, kontextbasierten Suchmaschine für ERP-Systeme realisiert. Mit der Berücksichtigung des Kontextes einer Suchanfrage, des Benutzerverhaltens und einer Ergebnisbewertung durch den Anwender wird die Ergebnisqualität von Suchanfragen kontinuierlich gesteigert. Durch die Entwicklung eines Demonstrators gegen Ende des Projekts soll der Nutzen des Konzepts veranschaulicht werden. Zudem soll der Demonstrator in verschiedenen Szenarien erprobt und anhand einer Wirtschaftlichkeitsbetrachtung bewertet werden.
Energieflexibilität stellt eine mögliche Lösung dar, um die Herausforderungen der steigenden Volatilität in den Versorgungsnetzen in Deutschland zu beherrschen. Die Bundesregierung gibt den Weg vor: Die Energieversorgung Deutschlands wird in Zukunft verstärkt bis ganzheitlich durch erneuerbaren Energien gedeckt werden. Heute gibt es jedoch wenige innovative Energiedienstleistungen, die dieses Ziel verfolgen und die beschriebene Herausforderung in Zukunft beherrschbar machen.
Im Projekt "FlAixEnergy" wird eine Roadmap innovativer Energiedienstleistungen entwickelt. Diese zeigt auf, welche Smarten Services derzeit im Markt fehlen und in Zukunft erforderlich werden. Das Projekt wird mit Mitteln des Bundesministeriums für Wirtschaft und Energie (BMWi) gefördert.
Im Rahmen des Forschungsprojekts "FlAixEnergy" sollen kleine und mittlere Unternehmen (KMU) sowohl als dezentrale Erzeuger von regenerativer Energie als auch als Energieverbraucher (Smart Industrial Customer) zu Flexibilitätsclustern zusammengefasst werden. Ziel des Projekts ist die Entwicklung einer Plattform zwischen Energieversorgungsunternehmen (EVU) und Unternehmen, mittels derer die bewertete Energieflexibilität der energieverbrauchenden Unternehmen aggregiert und so die Partizipation am Energiemarkt ermöglicht wird. Ein in diesem Kontext relevantes Thema ist die Charakterisierung der eingebundenen industriellen Verbraucher bezüglich ihres Energiebedarfsverhaltens und ihrer Flexibilität. Hierzu soll ein sogenannter "energetischer Fingerabdruck" entwickelt werden, der dazu dient, Flexibilitätspotenziale und Lastprognosen von industriellen Stromverbräuchen systematisch an Energieversorgungsunternehmen zu kommunizieren. Das Projekt wird mit Mitteln des Bundesministeriums für Wirtschaft und Energie (BMWi) gefördert.
With big data-technologies on the rise, new fields of application appear in terms of analyzing data to find new relationships for improving process under-standing and stability. Manufacturing companies oftentimes cope with a high number of deviations but struggle to solve them with less effort. The research project BigPro aims to develop a methodology for implementing counter measures to disturbances and deviations derived from big data. This paper proposes a methodology for practitioners to assess predefined counter measures. It consists of a morphology with several criterions that can have a certain characteristic. Those are then combined with a weighting factor to assess the feasibility of the counter measure for prioritization.
Das (volks-)wirtschaftliche Umfeld produzierender Unternehmen wird aktuell mehr denn je durch unvorhersehbare und tiefgreifende Veränderungen geprägt. Die deutsche Industrie muss die Dynamik zukünftig aus eigener Kraft beherrschen. Teilweise nachteilige Standortfaktoren müssen kompensiert werden, um die Produktion in Deutschland langfristig zu sichern. Wandlungs- und Echtzeitfähigkeit in Prozessen und Strukturen stellen die zentralen Enabler zur Beherrschung des Produkt-Produktionssystems dar.
PLM trifft ERP
(2013)
In recent years supply chain participants are increasingly suffering the effects of disturbances in transportation supply chains. Both, dynamics in consumer demands and global supply chains lead to a growth in unplanned supply chain events. These can cause from rather manageable disturbances through to complete break-downs of transportation chains, resulting in high follow-up and penalty costs.
Consequently, concepts for an efficient supply chain disturbance management are needed, preferably with a real-time identification and reaction to disturbance events. Therefore in the following paper the research results of the German research project Smart Logistic Grids with the focus on designing an integrated model for the real-time disturbance management in transportation supply networks are presented. This includes the introduction of elaborated classification models for disturbances and action patterns as well as an associated costs and performance measurement system. Finally, a procedure model for the disturbance management is presented.
Der Begriff „Digitaler Schatten“ steht für ein hinreichend genaues, digitales Abbild der Prozesse, Information und Daten eines Unternehmens. Dieses Abbild wird benötigt, um eine echtzeitfähige Auswertebasis aller relevanten Daten zu schaffen, um hieraus letztendlich Handlungsempfehlungen abzuleiten. Die Bildung des Digitalen Schattens ist damit ein zentrales Handlungsfeld von Industrie 4.0 und stellt die Grundlage für alle weitergehenden Aktivitäten dar.
Im Kontext Industrie 4.0 kommt der Erfassung der anfallenden Daten in der Produktion und deren Nutzung eine zentrale Bedeutung zu. Analysen betrieblicher Daten, welche auf verschiedenen Ebenen generiert werden, lassen Rückschlüsse und Erkenntnisse zur besseren Entscheidungsfindung zu. Die Basis für den Einsatz von Verfahren der Datenanalyse und -auswertung stellt ein hinreichend genaues Abbild der relevanten Daten - der Digitale Schatten - in der Auftragsabwicklung, Produktion, Entwicklung oder angrenzenden Bereichen dar.
Im Rahmen des vorliegenden Beitrages wird ein Modell für den Digitalen Schatten in der Auftragsabwicklung vorgestellt, welches die Basis für die Implementierung von Methoden der Datenanalytik darstellt.
Der High-Resolution-Supply-Chain-Management-Ansatz erlaubt es Unternehmen, in Echtzeit auf dynamische Einflüsse des Marktes reagieren zu können.
Echtzeitfähige Planungs- und Regelungsprozesse können den Planungsaufwand reduzieren und gleichzeitig mit den zur Verfügung stehenden Echtzeitinformationen die Planungsqualität verbessern.
Planungsprozesse auf Basis von Echtzeitinformationen setzen voraus, dass ein konsistenter Informationsaustausch zwischen den unterschiedlichen Planungsebenen besteht sowie ein hoher Autonomiegrad innerhalb der einzelnen Planungsinstanzen.
Industrie 4.0 ist in Politik, Medien, Wissenschaft und Wirtschaft derzeit omnipräsent. Intelligenter, individueller, effizienter, schneller, vernetzter – so lauten nur einige Versprechen dieses neuen industriellen Zeitalters. Tatsächlich sind die Potenziale gerade für den deutschen Maschinen- und Anlagenbau gewaltig: Sowohl für Anbieter als auch für Anwender von Technologien rund um das Thema Industrie 4.0. Aber noch existieren viele ungelöste Fragen, Unsicherheiten und Aufgaben. Hier wollen wir mit unserer Readiness-Studie ansetzen und Hilfestellung leisten. Denn ein Selbstläufer wird Industrie 4.0 nicht. Mit der vorliegenden Studie soll die große Vision näher an die betriebliche Realität gebracht werden. Auch zeigen wir die anspruchsvollen Wegmarken auf, die für viele Unternehmen hinsichtlich ihrer Industrie 4.0-Fähigkeit noch zu passieren sind. Die Studie untersucht, an welcher Stelle der Maschinen- und Anlagenbau aktuell bei der Umsetzung steht. Motivation und Hemmnisse der Unternehmen werden ebenso in den Blick genommen wie die Unterschiede, die sich zwischen Mittelstand und großen Unternehmen ergeben. Im Ergebnis ist es erstmals möglich, die „Industrie 4.0-Readiness“ der Maschinenbau-Industrie detailliert und systematisch abzubilden.
Industrie 4.0 is all around us today: in politics, in the media, and on the agendas of researchers and entrepreneurs. Smarter, faster, more personalized, more efficient, more integrated – those are just some of the promises of this new industrial era. The potential, especially for Germany ́s mechanical
engineering industry and plant engineering sector, is indeed great, both for providers and for users of technologies across the spectrum of Industrie 4.0.
But there are still many unresolved questions, uncertainties, and challenges. Our readiness study seeks to address this need and offer insight. Because Industrie 4.0 will not happen on its own.
This study is intended to bring the grand vision closer to the business reality. We also highlight the challenging milestones that many companies must still pass on the road to Industrie 4.0 readiness.
The study examines where companies in the fields of mechanical and plant engineering currently stand, focusing on what motivates them and what holds them back, and on the differences that emerge between small and medium enterprises on the one hand and large enterprises on the other.
The results make it possible for the first time to develop a detailed, systematic picture of Industrie 4.0 readiness in the engineering sector.
The study concludes with recommendations for action in the business community, complementing the diverse suite of programs and activities offered by VDMA’s Forum Industrie 4.0. We would like to take this opportunity to thank the two sponsors of this project from the VDMA Forum, Dietmar Goericke and Dr. Christian Mosch, whose efforts played a critical role in making this study a success.
We are convinced that Industrie 4.0 can become a success story for Germany’s engineering sector. May our “Industrie 4.0 Readiness” study do its part in this effort.
The digital transformation brings up various new tasks to manage new business application software and integrate them into existing business processes and legacy systems, which are necessary to keep e.g. a production system running. Today, all these tasks are on the one hand not clearly defined and on the other hand, responsibility of these cross-disciplinary tasks is unclear in companies being mostly structured in a function-oriented way. While quality management has developed to a firmly established function of process excellence years ago, IT-application management is still to become an inevitable part of the digital transformation. There are just a few authors trying to define and describe this part, the related tasks, and necessary roles in an organization. In this paper, we show how the business needs of a company can influence the ideal adaptation of the digitization solutions and thus become the success of the digital transformation. We base the paper on a use case in manufacturing companies. We then describe how companies deal with business application systems today. Based on the framework Aachen Digital Architecture Management we describe how a company can holistically improve the management of business application systems.
Crises are becoming more and more frequent. Whether natural disasters, economic crises, political events, or a pandemic - the right action mitigates the impact. The PAIRS project plans to minimize the surprise effect of these and to recommend appropriate actions based on data using artificial intelligence (AI). This paper conceptualizes a cascading model based on scenario technique, which acts as the basic approach in the project. The long-term discipline of scenario technique is integrated into the discipline of crisis management to enable short-term and continuous crises management in an automated manner. For this purpose, a practical crisis definition is given and interpreted as a process. Then, a cascading model is derived in which crises are continuously thought through using the scenario technique and three types of observations are classified: Incidents, disturbances, and crises. The presented model is exemplified within a non-technical application of a use case in the context of humanitarian logistics and the COVID-19 pandemic. Furthermore, first technical insights from the field of AI are given in the form of a semantic description composing a knowledge graph. In summary, a conceptual model is presented to enable situation-based crisis management with automated scenario generation by combining the two disciplines of crisis management with scenario technique.
„Daten sind das Öl des 21. Jahrhunderts.“ Dieser Satz impliziert die große Bedeutung, die Daten heutzutage zugerechnet wird. Während die technischen Systeme immer ausgereifter werden und die Erzeugungsrate von Daten unaufhaltsam steigt, stehen viele Unternehmen, gerade im Produktionsumfeld, vor der Herausforderung, diese Daten zu nutzenbringenden Informationen zu verarbeiten.
In BigPro haben Experten aus dem Informations- und Kommunikationstechnik-Umfeld mit Anwendungspartnern aus der Fertigungsbranche zusammengearbeitet, um dieses Problem zu adressieren. Ziel des gemeinsamen Vorhabens war es, das Reaktionsmanagement von Störungen in fertigenden Unternehmen mittels Big-Data-Technologien zu verbessern und so die durch Produktionsausfälle entstehenden hohen Kosten zu reduzieren. Hierzu wurde eine Big-Data-Plattform entwickelt, die in der Lage ist, heterogene Daten aus unterschiedlichsten Quellen des Produktionsumfelds aufzunehmen, zu verarbeiten und in einen Kontext miteinander zu setzen. Neben den klassischen Datenquellen im Produktionsumfeld wurde die Datenbasis in BigPro um den „Sensor“ Mensch erweitert, um das digitale Abbild der Produktionsumgebung durch die Wahrnehmung, Stimmung und Sprache der Mitarbeiter noch transparenter darzustellen.
Durch den Einsatz der im Projektverlauf entwickelten Mustererkennung ist die BigPro-Plattform in der Lage, die generierten und gesammelten Daten expliziten Störungsmustern zuzuordnen. Diese bilden die Grundlage, aufgezeichnete Datenkonstellationen in Echtzeit mit bekannten Störungsmustern im Produktionsumfeld abzugleichen und bei sich anbahnender Übereinstimmung geeignete Maßnahmen einzuleiten, um den Störungen proaktiv entgegenzuwirken. Hierzu wurde ein Katalog mit störungsbehebenden Maßnahmen methodisch aufgebaut, aus welchem, je nach Anwendungsfall, manuell oder automatisch geeignete Maßnahmen initiiert werden. Eine Methodik, welche die Effektivität der Maßnahmen analysiert und bewertet, stellt sicher, dass etwa fehlgeschlagene Maßnahmen erkannt und überprüft werden können. Sollte für eine Störung keine geeignete Maßnahme hinterlegt sein, wird der Maßnahmenkatalog dynamisch durch situationsabhängig neu generierte Maßnahmen erweitert. Die Informationsbereitstellung sowie -rückführung des Reaktionsmanagements erfolgt in Form einer skalierbaren Visualisierung bedarfsgerecht für die unterschiedlichen Nutzergruppen. Durch ein hinterlegtes Eskalationsmodell werden den Mitarbeitern alle nötigen Informationen entsprechend der Maßnahme direkt und vor allem nutzerspezifisch (z. B. aggregiert für die Produktionsleitung, detailliert für den Analysten, etc.) zur Verfügung gestellt.
Die entwickelte BigPro-Plattform trägt durch die technologische Integration einer Störungsfrüherkennung, einem dynamischen Maßnahmenkatalog sowie einer bedarfsgerechten Informationsbereitstellung essentiell dazu bei, die von zunehmender Dynamik geprägte Produktion durch ein proaktives Reaktionsmanagement robuster gegenüber Abweichungen zu machen, um kostspielige Produktionsausfälle zu vermeiden.
Die vorliegende Publikation beinhaltet die Projektergebnisse des Forschungsprojekts „FlAixEnergy – Innovative Energieflexibilitätsplattform zur Synchronisation und Vermarktung des regionalen Stromverbrauchs industrieller Anwender mit dezentraler Energieerzeugung in der Modellregion Aachen“ (Förderkennzeichen 0325819A-I). Dieses Forschungs- und Entwicklungsprojekt wurde mit Mitteln des Bundesministeriums für Wirtschaft und Energie (BMWi) gefördert und vom Projektträger Jülich (PTJ) betreut. Die Autoren sind für den Inhalt der Veröffentlichung verantwortlich.
Digitales Prozessmanagement
(2022)
Crises pose significant short and long-term threats to companies. The research project PAIRS aims to strengthen the resilience of actors in the supply-chain, en-ergy, and healthcare sectors in crisis situations. The basis for this is the newly created potential in data exchange, which is leveraged by combining internal with external (company-)data, e.g. in the GAIA-X network. AI is then the key to iden-tifying the time of the crisis and deriving appropriate actions to deal with it. Therefore, crisis scenarios are generated, and risks are assessed. In this paper, the project fundamentals are discussed. This includes the development of a project definition of the term "crisis", which is based on literature research of various scientific disciplines (e.g. economics or political science), as well as interviews with professional and academic experts from different fields. Moreover, a specif-ic example from the supply-chain domain is introduced to illustrate the process of requirement identification.
Künstliche Intelligenz (KI) hat als Technologie in den vergangenen Jahren Marktreife erlangt. Es existiert eine Vielzahl benutzerfreundlicher Produkte und Services, welche die Anwendung von KI im Alltag und im Unternehmen vereinfachen. Die Herausforderung, vor denen Anwendende, gerade im betriebswirtschaftlichen Kontext, stehen, ist nicht die technische Machbarkeit einer KI-Applikation, sondern deren organisatorisch und rechtlich zulässige Gestaltung. Zu einer zunehmenden Dynamik in der Gesetzgebung kommt ein gesellschaftliches Interesse an der Kontrolle und Transparenz über die für KI-Modelle erhobenen Daten. Die Diskussion über Datensouveränität im geschäftlichen und privaten Alltag rückt mehr und mehr in das Zentrum der öffentlichen Aufmerksamkeit.
Datenbasierte KI-Anwendungen stehen damit in einem Spannungsfeld zwischen den Potenzialen, die das Erheben und Teilen von Daten über Unternehmensgrenzen hinweg bietet, und der Herausforderung, die Datensouveränität der involvierten Personen zu wahren. Die vorliegende Studie soll erstens über die Auswirkungen der Datensouveränität und die damit verbundenen aktuellen und kommenden Regularien auf KI-Anwendungsfälle aufklären. Dafür wurden Expertinnen und Experten aus den Bereichen Recht, KI- und Organisationsforschung befragt. Zweitens zeigt die Studie Potenziale und Best Practices von KI-Anwendungsfällen mit überbetrieblichem Datenaustausch auf. Dafür wurden Fallstudien in Unternehmen durchgeführt, die bereits erfolgreich Datenaustausch in ihre Geschäftsmodelle integriert haben, um ihre KI-Applikationen zu betreiben und zu verbessern.
Im neu gestarteten Forschungsprojekt ‚STAFFEL‘ soll eine Internetplattform entstehen, die mithilfe von KI-Algorithmen Langstrecken des Straßengüterverkehrs in Teilstrecken
zerlegt. Speditionen können dann die Teilstrecken ihrer Touren über einen Lenkzeiten-Marktplatz an geeignete Frachtführer vermitteln. Am Ende einer Teilstrecke sollen die Trailer durch digitalisierte IoT-Schlösser schlüssellos an den nächsten, ausgeruhten Fahrer übergeben werden. Durch die IoT-Schlösser soll ein sicherer und robuster Übergabeprozess etabliert werden, sodass die Übergabe des Trailers auch speditionsübergreifend gewährleistet werden kann. Zudem sollen weiterführende Services für Fahrer wie Hotelreservierung oder Mautbuchung inkludiert und so der Planungsprozess für die
Fahrer vereinfacht werden.
Besonders in den letzten Krisen konnte die Anfälligkeit unserer gesamten Wert-schöpfungsnetzwerke beobachtet werden. Auch, wenn sich alle Krisen im Detail fundamental unterscheiden, haben alle Eines gemeinsam: eine frühzeitige Risiko-bewertung sowie eine gezielte Reaktion sind zur Bewältigung einer Krise notwen-dig. Um dies zu ermöglichen, wird im Forschungsprojekt PAIRS (Privacy-Aware, In-telligent and Resilient CrisiS Management) eine szenariobasierte Krisenmanage-mentplattform entwickelt, in welcher auf Basis von hybriden KI-Methoden Krisen identifiziert und deren Entwicklung antizipiert werden können. Hierfür wurden ver-schiedene Anwendungsfälle erfasst und deren domänenübergreifenden Wechselwirkungen systematisch untersucht.
Klar Schiff
(2009)
Im Rahmen dieser Studie untersuchten das Forschungsinstitut für Rationalisierung e. V. an der RWTH Aachen und die Universität St. Gallen
(Lehrstuhl Produktionsmanagement) 24 Veröffentlichungen von 11 Beratungsunternehmen. Dabei wurden über 200 Aussagen zur Bewältigung der Krise bewertungsneutral identifiziert und analysiert.
Im "Data Quality Center" widmen sich Experten und Forscher der Hochschule Heilbronn, des FIR und des Trovarit Competence Centers Datenmanagement gemeinsam der Frage, mit welchen Werkzeugen und Methoden Unternehmen effizient die Qualität ihrer Stammdaten messen und verbessern können. Erstes Ziel ist die Entwicklung einer Methodik und Toolchain für das betriebliche Stammdatenmanagement zur Evaluierung und Sicherung der Stammdatenqualität. Der Beitrag liefert erste Ergebnisse sowie eine Marktübersicht zu MDM-Lösungen. Außerdem wird die DQC-Methodik zur Bewertung der Stammdatenqualität im Unternehmen beschrieben.
Die digital vernetzte industrielle Produktion verspricht schnellere und effizientere Prozesse - in Entwicklung und Produktion wie auch in Service, Marketing und Vertrieb oder bei Anpassung ganzer Geschäftsmodelle. Agil zu handeln und in Echtzeit Veränderungen vorzunehmen, wird in der Industrie 4.0 zur strategischen Erfolgseigenschaft eines Unternehmens. Voraussetzung dafür ist der Aufbau einer immer breiteren Datenbasis. Ob deren Potenzial effektiv genutzt wird, hängt jedoch auch wesentlich von der Organisationsstruktur und Kultur eines Unternehmens ab.
Die vorliegende acatech STUDIE stellt ein neues Instrument vor, mit dem produzierende Unternehmen den Weg zum lernenden, agilen Unternehmen individuell gestalten können. Der acatech Industrie 4.0 Maturity Index ist als sechsstufiges Reifegradmodell aufgebaut und analysiert die in der digitalisierten Industrie benötigten unternehmerischen Fähigkeiten in den Gestaltungsfeldern Ressourcen, Informationssysteme, Kultur und Organisationsstruktur. Jede erreichte Entwicklungsstufe verspricht produzierenden Unternehmen einen konkreten Zuwachs an Nutzen. Das Modell wurde in der praktischen Anwendung in einem mittelständischen Betrieb validiert.
Digitally connected industrial production promises faster and more efficient processes - in development and production, services, marketing & sales and for adapting entire business models. Agility and the ability to make changes in real time are strategic chracteristics of successful companies in Industrie 4.0. To acquire these features, it is necessary to create a continuously expanding data base. However, a company's organisational structure and culture also play an important part in determining whether this data's potential is leveraged effectively.
This acatech STUDY describes a new tool for helping manufacturing enterprises to forge their own individual path towards becoming a learning, agile company. The acatech Industrie 4.0 Maturity Index is a six-stage maturity model that analyses the capabilities in the area of resources, information systems, culture and organisational structure that are required by companies operating in a digitalised industrial environment. The attainment of each development stage promises concrete additional benefits for manufacturing companies. The model's practical application was validated in a medium-sized company.
Industrie-4.0-Applikationen entwickeln sich gerade von Individuallösungen zur frei zugänglichen Handelsware. Durch diesen Trend, in dem Industrie-4.0-Lösungen zur Commodity werden, werden Unternehmen dazu befähigt, fundamentale Transformationen entlang aller Geschäftsprozesse zu vollziehen. Insbesondere kleine und mittlere Unternehmen (KMU) haben die besten Voraussetzungen dafür, die Einführung von Industrie 4.0 voranzutreiben. Denn KMU verfügen über die notwendige Flexibilität und flache Hierarchien - eine wesentliche Grundlage für die digitale Transformation. Bevor jedoch Industrie-4.0-Projekte initiiert werden, ist aufgrund der personell und finanziell limitierten Kapazitäten von KMU eine intensive Auseinandersetzung über die Bedeutung von Industrie 4.0 für das eigene Unternehmen und seine Produkte unabdingbar.
Während die Einsatzpotenziale digitaler Technologien häufig bekannt sind, stellt die Umsetzung dieser insbesondere für KMU eine große Herausforderung dar. "Digital in NRW - Das Kompetenzzentrum für den Mittelstand" unterstützt und befähigt diese Unternehmen mit breitgefächerten Services, um Industrie 4.0 einen Schritt näher zu kommen. Ein solcher ist die Ermittlung des Digitalisierungsgrads von KMU in NRW, welcher im folgenden Beitrag genauer beleuchtet wird.
Digital in NRW
(2019)
Das Interesse am Themenfeld Industrie 4.0 ist besonders für KMU ungebrochen, weiterhin aber auch unübersichtlich und wenig greifbar. Best practices von Methoden und Technologien sind in der industriellen Praxis nicht oder nur unzureichend vorhanden. In diesem Zusammenhang fehlen passende Angebote, die auf die spezifischen Bedürfnisse von KMU zugeschnitten sind. Das Bundesministerium für Wirtschaft und Energie (MBWi) hat diese Problemstellung erkannt und gezielte Maßnahmen im Sinne des Aufbaus von Mittelstand 4.0-Kompetenzzentren zur Unterstützung des deutschen Mittelstands ergriffen. Einen großen Beitrag im Kontext dieser Unterstützung leistet das mit dem FIR e.V. an der RWTH Aachen seit 2016 gegründete Mittelstand 4.0-Kompetenzzentrum Dortmund "Digital-in-NRW".
Mehrwerte aus Daten
(2019)
Moderne datenbasierte Lösungen können wichtige Bausteine sein, um Prozesse, Produkte und sogar das eigene Geschäftsmodell weiterzuentwickeln oder neu auszurichten. Die Möglichkeiten, die durch die Digitalisierung entstehen, stehen nicht nur großen internationalen Konzernen offen, sondern können auch gerade von kleinen und mittleren Unternehmen gewinnbringend genutzt werden. Diese wichtige Erkenntnis scheint beim Mittelstand in Nordrhein-Westfalen angekommen zu sein. Die Bedeutung und die Potenziale von Mehrwerten aus Daten scheinen mehrheitlich erkannt. Unsere Umfrage hat gezeigt, dass bereits rund die Hälfte der befragten Mittelständler über einen systematischen Umgang mit Daten verfügt. Allerdings ist dieser Umgang meist noch durchschnittlich und ein stärkerer Ausbau zu höheren Reifegraden ist möglich und mit Blick auf die zukunftssichere Weiterentwicklung des Wirtschaftsstandorts Nordrhein-Westfalen auch nötig. Die vorgestellten Leuchttürme machen aber zwei Sachen deutlich: Erstens erzeugen KMU bereits heute in Nordrhein-Westfalen Mehrwerte aus Daten. Zweitens weisen diese Leuchttürme ein enormes Transferpotenzial auf und können vielen KMU in Nordrhein- Westfalen und darüber hinaus Hinweise geben, auf welchen Wegen eine Optimierung der eigenen Wertschöpfung durch Daten möglich ist.
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.
Künstliche Intelligenz (KI) hat sich über die letzten Jahre stetig zu einem Thema mit strategischer Priorität für Unternehmen entwickelt. Das zeigt sich nicht zuletzt in der gesteigerten Investitionsbereitschaft deutscher Unternehmen in KI-Projekte. Wirtschaftliche Akteure haben erkannt, dass durch eine sinnvolle Nutzung von KI-Technologien Wettbewerbsvorteile erzielt werden können. Die vorliegende Studie legt das Augenmerk auf den industriellen Einsatz einer KI-Technologie, die bereits heute von vielen Unternehmen erfolgreich genutzt wird: Die natürliche Sprachverarbeitung (engl. Natural Language Processing, kurz NLP). Die wirtschaftlichen Potenziale der Technologie liegen dabei in ihrer Fähigkeit, betriebliche Abläufe zu automatisieren und die Schnittstelle zwischen Mensch und Maschine zu verbessern und zu vereinfachen. Ziel der Studie ist es, die Potenziale der NLP-Technologie für Unternehmen nutzbar zu machen, indem konkrete Anwendungsfälle und allgemeine Handlungsempfehlungen sowie Nutzen und Risiken aufgezeigt werden.
The COVID-19 pandemic has shown companies that their on-premise infrastructures often reach their limits with a large number of remote accesses. The transition to cloud-based solutions could represent a more efficient alternative. However, many German companies, especially small and medium-sized enterprises (SME), are still hesitant to take this big step of transferring applications to the cloud. For this reason, this paper examines the question of whether existing migration approaches in the analysis phase fit the specific requirements of SMEs. Using a literature review methodology, we first identify and analyze determinant factors for cloud adoption in SMEs. On this basis, we analyze existing methods in the analysis phase for migrations from on-premise software to cloud solutions. We investigate whether these factors are considered in the analysis phase of the approaches and conclude their suitability for SMEs. Of the migration approaches we examined, none included all the factors we identified as relevant to SMEs. Fewer have considered all factors fully and in detail. We present the results of the literature search process in tabular form and conclude this paper with a discussion and synthesis of the literature as well as an outlook on further research fields.
Die Kulmbacher Brauerei AG schafft mit der Auswahl einer geeigneten ‚Tracking & Tracing‘-Lösung die Grundlage für digitale Prozesse bei dem Zusammenstellen und der Rücknahme von Leihartikeln. Gemeinsam mit dem FIR an der RWTH Aachen wurden dafür Anforderungen und Potenziale einer ‚Tracking & Tracing‘-Lösung aufgenommen, verschiedene Technologiekonzepte entwickelt und schließlich potenzielle Anbieter identifiziert und bewertet.
Die ersten Fahrzeuge sind übergeben, viele weitere sollen es demnächst werden. Besucher, die das Werk 1 der e.GO Mobile AG (kurz e.Go) auf dem ehemaligen Philips-Gelände in Aachen-Rothe Erde betreten, sehen zunächst eines: e.GO-Life-Fahrzeuge, die nur darauf warten, das Werk zu verlassen und das Straßenbild um ein weiteres Fahrzeugmodell zu ergänzen. Danach fällt der Blick auf die Montagelinie. Besuchern, die bereits Montagen anderer Automobilhersteller kennengelernt haben, fällt sofort auf, dass in dieser Fabrik etwas anders ist: Anstelle von Förderbändern und Hängebahnen bewegen sich die Fahrzeuge in der Montagelinie auf sogenannten „Fahrerlosen Transportsyste- men“ (kurz „FTS“) durch die verschiedenen Stationen.1 Vernetzt werden die FTS, wie auch andere Geräte, deren Daten erfasst werden sollen, über 5G. Im Juni 2019 stellte e.GO zusammen mit seinen Partnern Vodafone und Ericsson die erste auf Basis von 5G vernetzte Automobilproduktion in Deutschland vor.2 Mitarbeiter des FIR an der RWTH Aachen waren dabei intensiv an den Vorbereitungen, Planungen und der Umsetzung beteiligt. Durch 5G sollen eine komplette Vernetzung und die Industrie-4.0- Referenzfabrik entlang des Internet of Pro- duction (im Folgenden „IoP“ genannt, s. Bild 1, S. 15) realisiert werden. Damit soll es möglich sein, ein Produkt wie den e.GO Life in einem Hochlohn- land wie Deutschland zu fertigen und zu einem konkurrenzlosen Preis in dieser Fahrzeugklasse anbieten zu können. Als Partner der ersten Stunde war und ist das FIR in den vielfältigsten Aufgaben- bereichen bei e.GO involviert. Als Experten für Digitalisierung und Industrie 4.0 haben die Mitarbeiter des FIR entlang der drei Zyklen des IoP und an dem Infrastrukturaufbau sowie an der Umsetzung der Industrie-4.0-Referenzfabrik maßgeblich mitgewirkt.
The number of cyber-attacks on small and medium enterprises (SMEs) is constantly increasing. SMEs do not recognize the attacks until the damage has occurred. Only then, they fight with measures to increase IT-security and IT-safety. Many studies come to the point that this refers to a lack of budget, expertise and awareness of the need for IT-security. There are many compendia with recommendations for action, but they are too comprehensive and unspecific to the individual needs of SMEs. In this paper, we present the results of a research activity on the gaps that address the challenges faced by SMEs. In addition, we develop a concept for a serious gaming approach that includes an economic perspective on IT-security measures and shows how SMEs can derive their own IT-seurity target state
Rund ein Jahr haben DIN und DKE in einem gemeinsamen Projekt mit dem Bundesministerium für Wirtschaft und Energie und zusammen mit ca. 300 Fachleuten aus Wirtschaft, Wissenschaft, öffentlicher Hand und Zivilgesellschaft an der Normungsroadmap Künstliche Intelligenz gearbeitet. Eine hochrangige Steuerungsgruppe unter dem Vorsitz von Prof. Wolfgang Wahlster hat die Erarbeitung koordiniert und begleitet.
Ziel der Roadmap ist die frühzeitige Entwicklung eines Handlungsrahmens für die Normung und Standardisierung, der die internationale Wettbewerbsfähigkeit der deutschen Wirtschaft unterstützt und europäische Wertmaßstäbe auf die internationale Ebene hebt. Mit der Normungsroadmap KI wird eine wesentliche Maßnahme der KI-Strategie der Bundesregierung umgesetzt, in der eines von zwölf Handlungsfeldern sich explizit dem Thema "Standards setzen" widmet.
Blockchain ist eines der großen Trendwörter der Digitalindustrie. Die damit verbundene Technologie sorgt bereits seit geraumer Zeit für Gesprächsstoff und ist wohl eine der in den vergangenen Jahren am meisten diskutierte digitale Innovation. Außerhalb der Fachkreise von Informatikern, Mathematikern oder Ökonomen ist der Begriff für viele eng mit der Kryptowährung Bitcoin verknüpft. Dabei ist das weltweit verwendbare, dezentrale und digitale Zahlungssystem nur ein Anwendungsfeld für die Blockchain.
Heutige Implementierungsprojekte sind davon geprägt, dass nach dem Go-Live keine Prozesse zur Verfügung stehen, die es ermöglichen, dass neue Anforderungen effizient und kostengünstig umgesetzt werden. Dies resultiert in einem sinkenden Nutzen für die Anwender. Erst, wenn das eingesetzte System durch zahlreiche Workarounds und selbst entwickelte Anwendungen nicht mehr handhabbar ist, werden kostenintensive Anpassungs- und Neueinführungsprojekte angestoßen. Ein Ausweg hieraus kann ein konsequent umgeetztes, kontinuierliches und kurzzyklisches Anforderungsmanagement sein, dass Prozesse und eingesetzte IT-Lösungen deckungsgleich hält.
Since 2016, the “Digital in NRW” Competence Centre has been supporting SMEs in the manufacturing industry in designing their individual digital transformation. With an Industry 4.0 maturity assessment, we define the status quo of SMEs, derive SME-specific measures from this, develop a digitalization roadmap and accompany the SME transformation. This paper presents the results of the four-year SME support. By analyzing the results of all maturity assessments, potential analysis and design workshops, we present the most frequent and most effective measures for a successful digital transformation of SMEs. The result of the paper is an action guideline for SMEs to initiate their own digital transformation based on formalized experience.
Im "Data Quality Center" widmen sich Experten und Forscher der Hochschule Heilbronn, des FIR und des Trovarit Competence Centers Datenmanagement gemeinsam der Frage, mit welchen Werkzeugen und Methoden Unternehmen effizient die Qualität ihrer Stammdaten messen und verbessern können. Erstes Ziel ist die Entwicklung einer Methodik und Toolchain für das betriebliche Stammdatenmanagement zur Evaluierung und Sicherung der Stammdatenqualität. Der Beitrag liefert erste Ergebnisse sowie eine Marktübersicht zu MDM-Lösungen. Außerdem wird die DQC-Methodik zur Bewertung der Stammdatenqualität im Unternehmen beschrieben.