Refine
Has Fulltext
- no (6) (remove)
Language
- German (6) (remove)
Is part of the Bibliography
- yes (6)
Keywords
Institute
Die Digitalisierung des deutschen Mittelstandes schreitet weiterhin schleppend voran. So verfügt zwar ein wachsender Teil dieser Unternehmen über vereinzelte Informations- und Kommunikationssysteme, die zielführende Vernetzung und Integration dieser Systeme stellt jedoch weiterhin eine große Aufgabe dar [1]. Besonders vor dem Hintergrund wachsender Bedürfnisse für Informationen und Transparenz sehen sich Unternehmen zunehmend mit der analyseorientierten Nutzbarmachung der Unternehmensdaten konfrontiert [2].
In der Theorie bieten dezentrale Steuerungsansätze im Produktionskontext einige Vorteile gegenüber monolithischen Zentralsystemen, die sämtliche Funktionen in einer oder wenigen Instanzen vereinen. Allerdings bedarf die praktischen Umsetzung der Anpassung des allgemeinen Konzepts der Dezentralität an die individuellen und spezifischen Anwendungsfälle insbesondere hinsichtlich ihres sinnvollen Umfangs. Ein Anwendungsfall ist die Montage von variantenreichen Produkten. Der vorliegende Beitrag zeigt, wie mittels der geeigneten Kombination von zentralen und dezentralen Ansätzen eine bessere Planbarkeit und Steigerung des Durchsatzes erreicht werden kann. Mit einer flexiblen Taktsteuerung der Arbeitsstationen und geeigneter Assistenz am Montagearbeitsplatz kann die bisherige werkstatt-orientierte Organisation zu einer serienähnlichen Fertigung transformiert werden. Dies geschieht unter Einsatz einer mehrschichtigen Infrastruktur, die den Industrie 4.0-Paradigmen der dezentralen Informationsverarbeitung durch autonome vernetzte Systeme folgt.
Um in der digitalisierten Wirtschaft mitzuspielen, müssen Unternehmen, Markt und insbesondere Kunden detailliert verstanden werden. Neben den „Big Playern“ aus dem Silicon Valley sieht der deutsche Mittelstand, der zu großen Teilen noch auf gewachsenen IT-Infrastrukturen und Prozessen agiert, oft alt aus. Um in den nächsten Jahren nicht gänzlich abgehängt zu werden, ist ein Umbruch notwendig. Sowohl Leistungserstellungsprozesse als auch Leistungsangebot müssen transparent und datenbasiert ausgerichtet werden. Nur so können Geschäftsvorfälle, das Marktgeschehen sowie Handeln der Akteure integrativ bewertet und fundierte Entscheidungen getroffen werden. In diesem Beitrag wird das Konzept der Data-Driven Organization vorgestellt und aufgezeigt, wie Unternehmen den eigenen Analyticsreifegrad ermitteln und in einem iterativen Transformationsprozess steigern können.
Für die Transformation der industriellen Fertigung stellt die Integration der Realwelt und die parallele Abbildung in der Digitalwelt eine wichtige Anforderung dar. Hier greift das Konzept des digitalen Zwillings zur digitalen Repräsentation physischer Objekte. Zur Verbesserung der Mensch-Maschinen-Interaktion zwischen Fabrikpersonal, Anlagen sowie Werkstücken und Steigerung der Transparenz am Shopfloor, kann ein solcher digitaler Zwilling relevante Daten liefern. In diesem Beitrag wird ein Konzept zur Visualisierung des digitalen Zwillings mittels Augmented Reality vorgestellt und evaluiert.
Integriert statt isoliert
(2022)
Dass Daten und Analysen Innovationstreiber sind und nicht mehr nur einen Hygienefaktor darstellen, haben viele Unternehmen erkannt. Um Potenziale zu heben, müssen Daten zielführend integriert werden. Komplexe Systemlandschaften und isolierte Datenbestände erschweren dies. Technologien für die erfolgreiche Umsetzung von datengetriebenem Management müssen richtig eingesetzt werden.
Künstliche Intelligenz (KI) gewinnt in zahlreichen Branchen rasant an Bedeutung und wird zunehmend auch in Enterprise Resource Planning (ERP)-Systemen als Anwendungsbereich erschlossen. Die Idee, dass Maschinen die kognitiven Fähigkeiten des Menschen imitieren können, indem Wissen durch Lernen auf Basis von Beispielen in Daten, Informationen und Erfahrungen generiert wird, ist heute ein Schlüsselelement der digitalen Transformation. Jedoch charakterisiert der Einsatz von KI in ERP-System einen hohen Komplexitätsgrad, da die KI als Querschnittstechnologie zu verstehen ist, welche in unterschiedlichen Unternehmensbereichen zum Einsatz kommen kann. Auch die Anwendungsgrade können sich dabei erheblich voneinander unterscheiden. Um trotz dieser Komplexität den Einsatz der KI in ERP-Systemen erfassen und systembezogen vergleichen zu können, wurde im Rahmen dieser Studie ein Reifegradmodell entwickelt. Dieses bildet die Ausgangsbasis zur Ermittlung der KI-Reife in ERP-Systemen und grenzt dabei die folgenden vier KI- bzw. systembezogenen Ebenen voneinander ab: 1) Technische Möglichkeiten, 2) Datenreife, 3) Funktionsreife und 4) Erklärfähigkeit des Systems.