TY - THES A1 - Wagner, Mario T1 - Industrie 4.0 und demografische Entwicklung aus strukturationstheoretischer Sicht T1 - Industry 4.0 and demographic development from a structural theory perspective BT - Praxiserfahrungen und Handlungsempfehlungen BT - practical experience and recommendations for action N2 - Das Ziel der Arbeit ist die Entwicklung eines heuristischen Bezugsrahmens zur Erklärung der Komplexität im Kontext von Industrie 4.0 und der demografischen Entwicklung aus strukturationstheoretischer Sicht. Dabei sind in Bezug auf die zukünftig zu erwartenden kognitiven Anforderungen an die Beschäftigten die Fragen essentiell, vor welchen Herausforderungen Unternehmen bezüglich der Einstellung und dem Verhalten sowie dem Erfahrungswissen der Beschäftigten stehen und welche Lösungsansätze sich im Umgang mit den Herausforderungen in der Praxis bisher als hilfreich erweisen. In Kapitel 1 erfolgt zunächst die Beschreibung der Ausgangslage. Es werden die Begriffe Industrie 4.0 und demografische Entwicklung inhaltlich diskutiert und in einen theoretischen Zusammenhang gebracht. In Kapitel 2 erfolgt die theoretische Fundierung der Arbeit. Dabei wird eine strukturationstheoretische Sicht auf Unternehmen als soziotechnische Systeme eingenommen. Durch diese „nicht deterministische“ Sichtweise wird ein prozessualer Blick auf den Wandlungsprozess in Unternehmen geschaffen, der es möglich macht, die Beschäftigten als aktiv handelnde Akteure im Sinne von „organisieren“ zur Erklärung möglicher Zusammenhänge zwischen Industrie 4.0 und der demografischen Entwicklung mit einzubeziehen. Der soziotechnische Systemansatz und die Strukturationstheorie bilden in diesem Sinne den „Kern“ des zu entwickelnden heuristischen Bezugsrahmens. Die inhaltliche Gestaltung des theoriebasierten heuristischen Bezugsrahmens erfolgt in Kapitel 3 und Kapitel 4. Kapitel 3 beschreibt ausgewählte Aspekte zukünftiger Anforderungen an die Arbeit, die durch eine systematische Aufbereitung des derzeitigen Forschungsstandes zu Industrie 4.0 ermittelt wurden. Sie bilden die „Gestaltungsgrenzen“, innerhalb derer sich je nach betrieblicher Situation unterschiedliche neue oder geänderte Anforderungen an die Beschäftigten bei der Gestaltung von Industrie 4.0 ableiten lassen. In Kapitel 4 werden ausgewählte Aspekte menschlichen Handelns am Beispiel älterer Beschäftigter in Form zweier Schwerpunkte beschrieben. Der erste Schwerpunkt betrifft mögliche Einflussfaktoren auf die Einstellung und das Verhalten älterer Beschäftigter im Wandlungsprozess aufgrund eines vorherrschenden Altersbildes im Unternehmen. Grundlage hierzu bildete die Stigmatisierungstheorie als interaktionistischer Ansatz der Sozialtheorie. Mit dem zweiten Schwerpunkt, den ausgewählten handlungstheoretischen Aspekten der Alternsforschung aus der Entwicklungspsychologie, wird eine Lebensspannenperspektive eingenommen. Inhaltlich werden die komplexitätsinduzierten Faktoren, die sich aus handlungstheoretischer Perspektive mit der Adaptation von älteren Beschäftigten an veränderte äußere und persönliche Lebensbedingungen beschäftigen, systematisiert. Anschließend wird auf Grundlage der bisherigen theoretischen Vorüberlegungen ein erster theoriebasierter Bezugsrahmen abgeleitet. Kapitel 5 und Kapitel 6 beschreiben den empirischen Teil, die Durchführung teilstrukturierter Interviews, der Arbeit. Ziel der empirischen Untersuchung war es, neben der theoretischen Fundierung den theoriebasierten heuristischen Bezugsrahmen um Praxiserfahrungen zu konkretisieren und gegebenenfalls zu ergänzen. Hierzu wurde auf Grundlage des theoriebasierten heuristischen Bezugsrahmens mittels teilstrukturierter Interviews das Erfahrungswissen von 23 Experten in persönlichen Gesprächen abgefragt. Nachdem in Kapitel 5 die Vorgehensweise der empirischen Untersuchung beschrieben wird, erfolgt in Kapitel 6 die Beschreibung der Ergebnisse aus der qualitativen Befragung. Hierzu werden aus den persönlichen Gesprächen zentrale Einflussfaktoren bei der Gestaltung und Umsetzung von Industrie 4.0 im Kontext mit der demografischen Entwicklung analysiert und in die übergeordneten Kategorien Handlungskompetenzen, Einstellung/ Verhalten sowie Erfahrungswissen geclustert. Anschließend wird der theoriebasierte heuristische Bezugsrahmen durch die übergeordneten Kategorien und Faktoren aus den Expertengesprächen konkretisiert und ergänzt. In Kapitel 7 werden auf Grundlage des heuristischen Bezugsrahmens sowie der Empfehlungen aus den Experteninterviews beispielhaft Implikationen für die Praxis abgeleitet. Es werden Interventionsmöglichkeiten zur Unterstützung einer positiven Veränderungsbereitschaft und einem positiven Veränderungsverhalten für den Strukturwandel aufgezeigt. Hierzu gehören die Anpassung des Führungsverhaltens im Wandlungsprozess, der Umgang mit der Paradoxie von Stabilität und Flexibilität, der Umgang mit Altersstereotypen in Unternehmen, die Unterstützung von Strategien zu Selektion, Optimierung und Kompensation sowie Maßnahmen zur Ausrichtung von Aktivitäten an die Potenzialrisiken der Beschäftigten. Eine Zusammenfassung, ein Resümee und ein Ausblick erfolgen abschließend in Kapitel 8. N2 - The aim of the work is to develop a heuristic frame of reference to explain complexity in the context of industry 4.0 and demographic development from a structural theory perspective. With regard to the cognitive requirements to be expected from employees in the future, it is essential to ask which challenges companies face in terms of attitude and behaviour, as well as the experience and knowledge of their employees, and which approaches have so far proved helpful in dealing with these challenges in practice. In Chapter 1, the current situation is described first. The terms industry 4.0 and demographic development are discussed and brought into a theoretical context. In Chapter 2 , the theoretical foundation of the work is given. In doing so, a structure-theoretical view of companies as socio-technical systems is adopted. This "non-deterministic" view creates a process view of the process of change in companies, which makes it possible to include employees as actively acting actors in the sense of "organising" in an explanation of possible connections between industry 4.0 and demographic development. In this sense, the socio-technical systems approach and the structuring theory form the "core" of the heuristic reference framework to be developed. The content of the theory-based heuristic frame of reference follows in Chapter 3 and Chapter 4. Chapter 3 describes selected aspects of future work requirements, which were determined by a systematic preparation of the current state of research on Industry 4.0. They form the "design limits" within which different new or changed demands on employees in the design of Industry 4.0 can be derived, depending on the operational situation. In Chapter 4, selected aspects of human activity are described using the example of older employees in the form of two focal points. The first focus concerns possible influencing factors on the attitude and behaviour of older employees in the change process due to a prevailing age structure in the company. The basis for this was the stigmatisation theory as an interactionist approach of social theory. The second focus, the selected action-theoretical aspects of ageing research from developmental psychology, takes a life span perspective. The complexity-induced factors that deal with the adaptation of older employees to changed external and personal living conditions from an action-theoretical perspective are systematized. Subsequently, a first theory-based frame of reference is derived on the basis of previous theoretical preliminary considerations. Chapters 5 and 6 describe the empirical part, conducting semi-structured interviews, of the work. The aim of the empirical study was, in addition to the theoretical foundation, to concretise the theory-based heuristic frame of reference with practical experience and, if necessary, to supplement it. Based on the theory-based heuristic frame of reference, the experience of 23 experts was tested in personal interviews by means of partially-structured interviews. After Chapter 5 describes the procedure of the empirical investigation, Chapter 6 describes the results of the qualitative survey. For this purpose, the personal conversations become influential factors in the design and implementation of Industry 4.0 in the context of demographic development were analysed and clustered into the superordinate categories of action competence, attitude/behaviour and empirical knowledge. Subsequently, the theory-based heuristic frame of reference is concretised and supplemented by the superordinate categories and factors from the expert discussions. In Chapter 7 , exemplary implications for practice are derived on the basis of the heuristic reference framework and the recommendations from the expert interviews. Possibilities for intervention to support a positive willingness to change and a positive change behaviour for the structural change are then pointed out. These include; adapting management behavior in the change process, dealing with the paradox of stability and flexibility, dealing with age stereotypes in companies, supporting strategies for selection, optimization and compensation, and measures to align activities with the potential risks of employees. In conclusion, a summary, a precis and an outlook will then be given in Chapter 8. KW - Industrie 4.0 KW - demografische Entwicklung KW - Strukturationstheorie KW - Veränderungsverhalten KW - Veränderungsbereitschaft KW - Arbeitsverhalten KW - demographic change KW - structuration theory KW - change readiness KW - change behavior Y1 - 2017 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:517-opus4-412230 ER - TY - THES A1 - Schumacher, Jochen T1 - Entwicklung eines Industrie 4.0 Reifegradindex für produzierende Unternehmen T1 - Development of an Industry 4.0 maturity index for manufacturing companies N2 - Das Ziel dieser Arbeit ist die Entwicklung eines Industrie 4.0 Reifegradindex für produzierende Unternehmen (KMU und Mittelstand) mit diskreter Produktion. Die Motivation zu dieser Arbeit entstand aus dem Zögern vieler Unternehmen – insbesondere KMU und Mittelstand – bei der Transformation in Richtung Industrie 4.0. Im Rahmen einer Marktstudie konnte belegt werden, dass 86 Prozent der befragten produzierenden Unternehmen kein für ihr Unternehmen geeignetes Industrie 4.0 Reifegradmodell gefunden haben, mit dem sie ihren Status Quo bewerten und Maßnahmen für einen höheren Grad der Reife ableiten könnten. Die Bewertung bestehender Reifegradmodelle zeigte Defizite hinsichtlich der Industrie 4.0 Abdeckung, der Betrachtung der sozio-technischen Dimensionen Mensch, Technik und Organisation sowie der Betrachtung von Management und Unternehmenskultur. Basierend auf den aktuellen Industrie 4.0 Technologien und Handlungsbereichen wurde ein neues, modular aufgebautes Industrie 4.0 Reifegradmodell entwickelt, das auf einer ganzheitlichen Betrachtung aller sozio-technischen Dimensionen Mensch, Technik und Organisation sowie deren Schnittstellen basiert. Das Modell ermittelt neben dem Overall Industry 4.0 Maturity Index (OI4MI) vier weitere Indizes zur Bewertung der Industrie 4.0 Reife des Unternehmens. Das Modell wurde bei einem Unternehmen validiert und steht nun als Template für darauf aufbauende Forschungsarbeiten zur Verfügung. N2 - The aim of this work is the development of an Industry 4.0 maturity index for manufacturing companies (SMEs and medium-sized companies) with discrete production. The motivation for this work arose from the hesitation of many companies – especially SMEs and medium-sized companies – in the transformation towards Industry 4.0. A market study showed that 86 percent of the manufacturing companies surveyed did not find an Industry 4.0 maturity model suitable for their company, with which they could assess their status quo and derive measures for a higher degree of maturity. The evaluation of existing maturity models showed deficits with regard to Industry 4.0 coverage, the consideration of the socio-technical dimensions of people, technology and organization as well as the consideration of management and corporate culture. Based on the current Industry 4.0 technologies and areas of action, a new, modular Industry 4.0 maturity model was developed, which is based on a holistic consideration of all socio-technical dimensions of people, technology and organization as well as their interfaces. In addition to the Overall Industry 4.0 Maturity Index (OI4MI), the model determines four other indices to eval-uate the company's Industry 4.0 maturity. The model was validated at a company and is now available as a template for research based on it. KW - Industrie 4.0 KW - Industry 4.0 KW - Reifegradmodell KW - maturity model KW - Produktion KW - production KW - Digitalisierung KW - digitalization KW - ERP KW - ERP KW - MES KW - MES KW - PLM KW - PLM KW - Smart Factory KW - smart factory KW - Supply Chain KW - supply chain KW - Produktlebenszyklus KW - product life cycle KW - Geschäftsmodelle KW - business models Y1 - 2022 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:517-opus4-554642 ER - TY - THES A1 - Kunkel, Stefanie T1 - Green industry through industry 4.0? Expected and observed effects of digitalisation in industry for environmental sustainability T1 - Grüne Industrie durch Industrie 4.0? Erwartete und beobachtete Auswirkungen der Digitalisierung in der Industrie auf ökologische Nachhaltigkeit N2 - Digitalisation in industry – also called “Industry 4.0” – is seen by numerous actors as an opportunity to reduce the environmental impact of the industrial sector. The scientific assessments of the effects of digitalisation in industry on environmental sustainability, however, are ambivalent. This cumulative dissertation uses three empirical studies to examine the expected and observed effects of digitalisation in industry on environmental sustainability. The aim of this dissertation is to identify opportunities and risks of digitalisation at different system levels and to derive options for action in politics and industry for a more sustainable design of digitalisation in industry. I use an interdisciplinary, socio-technical approach and look at selected countries of the Global South (Study 1) and the example of China (all studies). In the first study (section 2, joint work with Marcel Matthess), I use qualitative content analysis to examine digital and industrial policies from seven different countries in Africa and Asia for expectations regarding the impact of digitalisation on sustainability and compare these with the potentials of digitalisation for sustainability in the respective country contexts. The analysis reveals that the documents express a wide range of vague expectations that relate more to positive indirect impacts of information and communication technology (ICT) use, such as improved energy efficiency and resource management, and less to negative direct impacts of ICT, such as electricity consumption through ICT. In the second study (section 3, joint work with Marcel Matthess, Grischa Beier and Bing Xue), I conduct and analyse interviews with 18 industry representatives of the electronics industry from Europe, Japan and China on digitalisation measures in supply chains using qualitative content analysis. I find that while there are positive expectations regarding the effects of digital technologies on supply chain sustainability, their actual use and observable effects are still limited. Interview partners can only provide few examples from their own companies which show that sustainability goals have already been pursued through digitalisation of the supply chain or where sustainability effects, such as resource savings, have been demonstrably achieved. In the third study (section 4, joint work with Peter Neuhäusler, Melissa Dachrodt and Marcel Matthess), I conduct an econometric panel data analysis. I examine the relationship between the degree of Industry 4.0, energy consumption and energy intensity in ten manufacturing sectors in China between 2006 and 2019. The results suggest that overall, there is no significant relationship between the degree of Industry 4.0 and energy consumption or energy intensity in manufacturing sectors in China. However, differences can be found in subgroups of sectors. I find a negative correlation of Industry 4.0 and energy intensity in highly digitalised sectors, indicating an efficiency-enhancing effect of Industry 4.0 in these sectors. On the other hand, there is a positive correlation of Industry 4.0 and energy consumption for sectors with low energy consumption, which could be explained by the fact that digitalisation, such as the automation of previously mainly labour-intensive sectors, requires energy and also induces growth effects. In the discussion section (section 6) of this dissertation, I use the classification scheme of the three levels macro, meso and micro, as well as of direct and indirect environmental effects to classify the empirical observations into opportunities and risks, for example, with regard to the probability of rebound effects of digitalisation at the three levels. I link the investigated actor perspectives (policy makers, industry representatives), statistical data and additional literature across the system levels and consider political economy aspects to suggest fields of action for more sustainable (digitalised) industries. The dissertation thus makes two overarching contributions to the academic and societal discourse. First, my three empirical studies expand the limited state of research at the interface between digitalisation in industry and sustainability, especially by considering selected countries in the Global South and the example of China. Secondly, exploring the topic through data and methods from different disciplinary contexts and taking a socio-technical point of view, enables an analysis of (path) dependencies, uncertainties, and interactions in the socio-technical system across different system levels, which have often not been sufficiently considered in previous studies. The dissertation thus aims to create a scientifically and practically relevant knowledge basis for a value-guided, sustainability-oriented design of digitalisation in industry. N2 - Die Digitalisierung der Industrie, auch „Industrie 4.0“ genannt, wird von zahlreichen Akteuren als Chance zur Reduktion der Umweltauswirkungen des industriellen Sektors betrachtet. Die wissenschaftlichen Bewertungen der Effekte der Digitalisierung der Industrie auf ökologische Nachhaltigkeit sind hingegen ambivalent. Diese kumulative Dissertation untersucht anhand von drei empirischen Studien die erwarteten und beobachteten Auswirkungen der Digitalisierung der Industrie auf ökologische Nachhaltigkeit. Ziel der Dissertation ist es, Chancen und Risiken der Digitalisierung auf verschiedenen System-Ebenen zu identifizieren und Handlungsoptionen in Politik und Industrie für eine nachhaltigere Gestaltung der Digitalisierung der Industrie abzuleiten. Ich nutze einen interdisziplinären, soziotechnischen Zugang und betrachte ausgewählte Länder des Globalen Südens (Studie 1) und das Beispiel Chinas (alle Studien). In der ersten Studie (Kapitel 2, gemeinsame Arbeit mit Marcel Matthess) untersuche ich mittels qualitativer Inhaltsanalyse Digital- und Industriestrategien aus sieben verschiedenen Ländern in Afrika und Asien auf politische Erwartungen hinsichtlich der Auswirkungen von Digitalisierung auf Nachhaltigkeit und vergleiche diese mit den erwartbaren Potenzialen der Digitalisierung für Nachhaltigkeit in den jeweiligen Länderkontexten. Die Analyse ergibt, dass die Dokumente ein breites Spektrum vager Erwartungen zum Ausdruck bringen, die sich eher auf positive indirekte Auswirkungen der Nutzung von Informations- und Kommunikationstechnologie (IKT), wie etwa auf höhere Energieeffizienz und ein verbessertes Ressourcenmanagement, und weniger auf negative direkte Auswirkungen der IKT, wie etwa auf den Stromverbrauch durch IKT, beziehen. In der zweiten Studie (Kapitel 3, gemeinsame Arbeit mit Marcel Matthess, Grischa Beier und Bing Xue) führe und analysiere ich mittels qualitativer Inhaltsanalyse Interviews mit 18 Industrie-Vertreter*innen der Elektronikindustrie aus Europa, Japan und China zu Maßnahmen der Digitalisierung in Lieferketten. Wir stellen fest, dass zwar positive Erwartungen hinsichtlich der Effekte digitaler Technologien für Nachhaltigkeit der Lieferkette bestehen, deren tatsächlicher Einsatz und beobachtete Effekte jedoch noch begrenzt sind. Interviewpartner*innen können nur wenige Beispiele aus den eigenen Unternehmen nennen, die zeigen, dass durch die Digitalisierung der Lieferkette bereits Nachhaltigkeitsziele verfolgt oder Nachhaltigkeits-Effekte, wie Ressourceneinsparungen, nachweisbar erzielt wurden. In der dritten Studie (Kapitel 4, gemeinsame Arbeit mit Peter Neuhäusler, Marcel Matthess und Melissa Dachrodt) führe ich eine ökonometrische Panel-Daten-Analyse durch. Ich untersuche den Zusammenhang zwischen dem Grad von Industrie 4.0 und dem Energieverbrauch sowie der Energieintensität in zehn Fertigungssektoren in China im Zeitraum zwischen 2006 und 2019. Die Ergebnisse deuten darauf hin, dass es insgesamt keinen signifikanten Zusammenhang zwischen dem Grad von Industrie 4.0 und dem Energieverbrauch bzw. der Energieintensität in Fertigungs-Sektoren in China gibt. Es können jedoch Unterschiede in Sub-Gruppen von Sektoren festgestellt werden. Ich stelle eine negative Korrelation von Industrie 4.0 und Energieintensität in hoch digitalisierten Sektoren fest, was auf einen Effizienz-steigernden Effekt von Industrie 4.0 hindeutet. Andererseits besteht eine positive Korrelation von Industrie 4.0 und Energieverbrauch für Sektoren mit niedrigem Energieverbrauch, was dadurch erklärt werden könnte, dass Digitalisierung, etwa die Automatisierung zuvor hauptsächlich arbeitsintensiver Sektoren, Energie erfordert und außerdem Wachstumseffekte hervorruft. Im Diskussionsteil (Kapitel 6) dieser Dissertation nutze ich das Ordnungsschema der drei Ebenen Makro, Meso und Mikro, sowie von direkten und indirekten Umwelteffekten für die Einordnung der empirischen Beobachtungen in Chancen und Risiken, etwa hinsichtlich der Wahrscheinlichkeit von Rebound-Effekten der Digitalisierung auf Mikro-, Meso- und Makro-Ebene. Ich verknüpfe die untersuchten Akteurs-Perspektiven (Politiker*innen, Industrievertreter*innen), statistischen Daten und zusätzliche Literatur über die System-Ebenen hinweg und berücksichtige dabei auch Gedanken der politischen Ökonomik, um Handlungsfelder für nachhaltige(re) digitalisierte Industrien abzuleiten. Die Dissertation leistet damit zwei übergeordnete Beiträge zum wissenschaftlichen und gesellschaftlichen Diskurs. Erstens erweitern meine drei empirischen Studien den begrenzten Forschungsstand an der Schnittstelle zwischen Digitalisierung in der Industrie und Nachhaltigkeit, insbesondere durch Berücksichtigung ausgewählter Länder im Globalen Süden und des Beispiels Chinas. Zweitens ermöglicht die Erforschung des Themas durch Daten und Methoden aus unterschiedlichen disziplinären Kontexten und unter Einnahme eines soziotechnischen Standpunkts, eine Analyse von (Pfad-)Abhängigkeiten und Unsicherheiten im soziotechnischen System über verschiedene System-Ebenen hinweg, die in bisherigen Studien häufig nicht ausreichend berücksichtigt wurden. Die Dissertation soll so eine wissenschaftlich und praktisch relevante Wissensbasis für eine werte-gleitete, auf Nachhaltigkeit ausgerichtete Gestaltung der Digitalisierung der Industrie schaffen. KW - digitalization KW - sustainable industrial development KW - Industry 4.0 KW - information and communication technologies KW - sustainable supply chain management KW - Global Value Chains KW - environmental upgrading KW - Artificial Intelligence KW - Big Data Analytics KW - Digital Rebound KW - China KW - patent KW - robot KW - sustainability KW - Künstliche Intelligenz KW - Big Data Analytics KW - China KW - Digital Rebound KW - Globale Wertschöpfungsketten KW - Industrie 4.0 KW - Digitalisierung KW - ökologisches Upgrading KW - Informations- und Kommunikationstechnologien KW - Patent KW - Roboter KW - Nachhaltigkeit KW - nachhaltige industrielle Entwicklung KW - nachhaltiges Lieferkettenmanagement KW - Industrial Internet of Things KW - Industrielles Internet der Dinge Y1 - 2023 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:517-opus4-613954 ER -