Handbuch Industrie 4.0

Die digitale Transformation ist ein Prozess entlang vier unterschiedlicher Entwicklungsstufen, die aufeinander aufbauen. Entlang dieser vier Stufen, namentlich der Digitalisierung, Virtualisierung, Vernetzung und Autonomisierung, werden neue Systemarchitekturen möglich, die die Basis für gravierende Veränderungen im Umgang mit und dem Nutzen von technischen Systemen schaffen. Der vorliegende Beitrag stellt konkrete Auswirkungen dieser Veränderungen auf Unternehmen, Wertschöpfungssysteme, Geschäftsmodelle sowie die Wirtschaft und die gesamte Gesellschaft vor und führt in die vier Entwicklungsstufen der Digitalen Transformation sowie deren wesentlichen Treiber ein.

Im Kontext von Industrie 4.0 stellen die Steuerungssysteme und deren Vernetzung mit Aktoren und Sensoren in Maschinen und Produktionssystemen eine der wichtigsten Basistechnologien dar. Insbesondere durch die Verschmelzung von Informationstechnologien und Steuerungsaufgaben sind neuartige Steuerungsarchitekturen möglich und sinnvoll. Mit den bestehenden starren Steuerungsarchitekturen und -systemen lassen sich innovative Konfigurations-, Planungs- und Optimierungsalgorithmen nicht umsetzen. Aus diesem Grund wird im Folgenden eine zukunftsfähige Steuerungsarchitektur näher erläutert.

Durch die Entwicklungen der vergangenen Jahre hin zu technisch komplexeren Maschinen und Anlagen steigt die Bedeutung der Instandhaltung als wesentlichem Schlüssel zur Sicherung der Verfügbarkeit von Maschinen und Anlagen. Wesentliche Ansatzpunkte zur Verbesserung sind hier die Verfügbarkeit von Informationen, voraussagende Instandhaltungsstrategien und eine verbesserte Informationsbereitstellung. Diese können auf technischer Ebene durch spezialisierte Cyberphysische Systeme realisiert werden. In diesem Beitrag wird ein Überblick über die wesentlichen Bausteine, aus smarten Komponenten, smarten Planungssystemen und smarten Benutzerschnittstellen gegeben, die für eine erfolgreiche Umsetzung notwendig sind.

Das Konzept von Industrie 4.0 verspricht hierarchielose Kommunikationsstrukturen, in denen das zu fertigende Produkt selbst die Produktion steuert. Die starre Struktur der Automatisierungspyramide wird als Folge Platz schaffen für flexible, dezentral organisierte Unternehmenssteuerungsnetzwerke. Wie schaffen Fertigungsunternehmen den entscheidenden Schritt von einer „nur“ automatisierten Produktion hin zur „Smart Factory“ – also zu einer intelligenten, selbstorganisierten Produktion? Der Beitrag geht auf die entscheidenden Prozesse ein und zeigt die zu erfüllenden (informations-) technologischen Voraussetzungen.

In diesem Beitrag wird das Thema Qualitätssicherung im Kontext von Industrie 4.0 (I4.0) unter dem Aspekt der Bildverarbeitung und Signalanalyse betrachtet. Es werden sowohl hardware- als auch softwaretechnische Anforderungen und Rahmenbedingungen ausgeführt. An ausgewählten Anwendungsbeispielen werden die beschriebenen Techniken näher erläutert.

Nicht selten werden Daten als das Öl des 21. Jahrhunderts bezeichnet und die Künstliche Intelligenz (KI) als Werkzeug zur „Raffinierung“ dieses Rohstoffs. Daten fallen dabei auch in zunehmendem Maße in der industriellen Produktion an und es stellt sich die Frage, wie KI genutzt werden kann, um Mehrwerte aus Produktionsdaten zu ziehen, sei es um die Anlageneffizienz zu erhöhen, Produktqualität zu steigern oder Ressourcen zu sparen. In diesem Beitrag wird eine Vielzahl sogenannter „Quick Checks“ vorgestellt und ausgewertet. Hierbei handelt es sich um Machbarkeitsuntersuchungen für KI-Anwendungsfälle produzierender Unternehmen oder deren Ausrüster, welche in den Jahren 2018 und 2019 am Fraunhofer IPA durchgeführt wurden. Um Struktur und Inspiration zu bieten, werden die Quick Checks den Themenfeldern Robotik, Bildverarbeitung, Signalanalyse und vertrauenswürdige KI sowie einzelnen Branchen zugeordnet. Abschließend werden Trends der KI, die für das Produktionsumfeld relevant sind, thematisiert.

Industrie 4.0 strebt auf Grundlage der Vernetzung von cyber-physischen und autonomen Systemen in Richtung Autonomer Produktion. Die Autonome Produktion beschreibt ein mit der Umgebung vernetztes, situationsadaptives, selbstlernendes und vorausschauendes Produktionssystem. Der Mensch fungiert als Dirigent von Prozessen und übernimmt Kontrollaufgaben nur in Ausnahmefällen. Der Grad der Autonomie eines Systems hängt davon ab, in welchem Maße diese zuvor genannten Kriterien erfüllt werden. Dieser Beitrag präsentiert wissenschaftliche Modelle zur Charakterisierung der Autonomen Produktion sowie eine Methodik für das Technologiemanagement mit Bezug zur Autonomen Produktion.

Arbeit in der „Industrie 4.0“ (I4.0) bedeutet die Notwendigkeit des Umgangs mit anspruchsvollem und schnellem organisatorisch-technischem Wandel, der in kleinen und mittleren Unternehmen (KMU) in der Regel mit wesentlich geringeren finanziellen und personellen Ressourcen vollzogen werden muss als in Großunternehmen. Nach einer Darstellung von I4.0 einschließlich relevanter Entwicklungen der Künstlichen Intelligenz (KI) (Abschn. 1) und der Bedeutung der Gestaltung von Mensch-Maschine-Schnittstellen für die jeweilige Ausprägung von I4.0 (Abschn. 2), befasst sich dieser Beitrag mit den Kompetenzanforderungen von I4.0 sowie mit Möglichkeiten verstetigter Kompetenzentwicklung in KMU. Abschn. 3 nennt gegenwärtige Kompetenzanforderungsbereiche und stellt ein Konzept zur fallspezifischen Ermittlung von Kompetenzanforderungen vor. Abschn. 4 beschreibt Möglichkeiten zur arbeitsprozessnahen Kompetenzentwicklung sowie digitale Lernformate und Ausprägungen von digitalen Assistenzsystemen.

Die Arbeit in der industriellen Produktion wird sich durch Industrie 4.0 in Zukunft stark ändern. Das Future Work Lab macht als Innovationslabor für Arbeit, Mensch und Technik die Gestaltung zukunftsorientierter Arbeitskonzepte für Unternehmen, Verbände sowie Mitarbeitende und Gewerkschaften durchgängig erfahrbar. Das Labor verbindet die Demonstration konkreter Industrie-4.0-Anwendungen mit Angeboten zur Kompetenzentwicklung und integriert den aktuellen Stand der Arbeitsforschung. Aktuelle Erkenntnisse der ganzheitlichen Forschungsaktivitäten zur kognitiven Produktionsarbeit 4.0 werden aufgezeigt.

Technologischer Fortschritt hilft die Effizienz von Produktionssystemen stetig zu steigern. Auch der Mensch inmitten dieser Systeme ist darauf angewiesen neue Technologien zur Unterstützung seiner täglichen Arbeit zu erhalten. Damit Mitarbeiter gezielt und schnell die Hilfe anderer hinzuziehen können, wird ein Video- und Audio-Livestream zwischen Smartphones aufgebaut. Über diesen können spezifische Situationen diskutiert werden ohne dass alle Personen anwesend sein müssen, wobei grafische Interaktionsmöglichkeiten aller Teilnehmer die Kommunikation wesentlich vereinfachen. Augmented Reality wird genutzt, um die daraus gewonnenen Informationen nachhaltig zur Verfügung zu stellen.

Durch die fortschreitende Technisierung und Automatisierung industrieller Prozesse im Zuge der vierten industriellen Revolution stellt sich immer häufiger die Frage, was der Mensch in der Fabrik von Morgen für eine Rolle spielen wird. Damit er nicht als Fremdkörper, sondern als steuernder sowie als überwachender Akteur in diese modernen Prozesse eingebunden wird, bedarf es innovativer und adaptiver Benutzerschnittstellen. T. Bauernhansl (Hrsg.) (AR) erlaubt es, dem Benutzer Informationen situationsabhängig dort anzuzeigen, wo sie benötigt werden: Direkt im Blickfeld und auf dem betreffenden Objekt. Innerhalb des Forschungsprojektes SmARPro wurde ein System entwickelt, das Informationen kontext- und rollenbasiert aufbereitet und über Augmented Reality dem Benutzer zur Verfügung stellt.

Der vorliegende Beitrag befasst sich mit den qualifikatorischen Auswirkungen von KI-Assistenz auf das Tätigkeitsspektrum der Beschäftigten im produzierenden Gewerbe. In einem ersten Schritt setzt der Beitrag die Themen Industrie 4.0, künstliche Intelligenz und digitale Assistenz in Bezug zu einer zukunftsorientierten Gestaltung der beruflichen Bildung. Anschließend stellt der Beitrag die Informations- und Kommunikationssysteme in der industriellen Produktion vor, beschreibt die Entwicklungsstufen KI-basierter Systeme und skizziert die Funktionen digitaler Assistenzsysteme. In einem nächsten Schritt bilanziert der Beitrag aktuelle Studien zum industriellen Einsatz von KI und digitalen Assistenzsystemen. Zusätzlich erfolgt eine erste Kategorisierung anhand der Cluster prozessorientierte, kommunikationsfördernde und qualifikationsbezogene Assistenz. Daraufhin werden die Entwicklungslinien des technisch-produktiven Wandels erläutert, die als Bezugsgrößen zur Einordnung der tätigkeitsbezogenen Auswirkungen dienen. In einem weiteren Schritt werden die qualifikatorischen Auswirkungen diskutiert, um die technikdidaktischen Anforderungen herauszuarbeiten. Im Fokus dieser qualifikatorischen Analyse stehen überfachliche Kompetenzen, Datenkompetenzen in der Wissensarbeit und die Prozessorientierung. In Hinblick auf die dahingehenden Kompetenzbedarfe werden anschließend Annahmen dazu formuliert, wie die Implementierung von KI-Assistenz qualifikatorisch zu begleiten ist, um die Entwicklung von KI-Kompetenzen zu fördern.

Im Ergebnis stellen sich die KI-basierten Assistenzsysteme als technologische Teilantwort zur Unterstützung der qualifikatorischen Herausforderungen auf dem Weg zur Industrie 4.0 dar. Über eine Reduktion der Komplexität schaffen digitale Assistenzfunktionen neue kognitive und zeitliche Spielräume für Mitarbeitende, die wiederum neue Autonomieräume nach sich ziehen. In der Folge rücken insbesondere die metakognitiven Kompetenzen, die Information und Data Literacy sowie das Thema Explainable AI in den Fokus der lehr-lernbezogenen Konzeptionen. Einer dahingehenden Akzeptanzhemmung der Mitarbeitenden sollte im Rahmen interdisziplinärer Beteiligungsprozesse begegnet werden, um sinnstiftend zur Überwindung von Unsicherheiten zu befähigen und Vertrauen in den Mehrwert von KI zu fördern. Vor diesem Hintergrund stellt sich etwa der Einfluss des industriellen KI-Einsatzes auf das Sensemaking im Kontext der datenbasierten Prozessoptimierung als ein aktuelles Desiderat dar. In einem abschließenden Fazit trägt der Beitrag die Handlungsempfehlungen zur Gestaltung einer qualifikatorischen Begleitung zusammen und leistet einen Ausblick zur Rolle der KI-Assistenz auf dem Weg zur Industrie 4.0 aus der Perspektive der Technikdidaktik.

Die Digitalisierung führt zu einem grundlegenden Wandel der industriellen Produktion und bringt neue Herausforderungen mit sich, in deren Umgang Mitarbeitende in der produzierenden Industrie geschult werden müssen. Ein Planspiel des Fraunhofer-Instituts für Produktionstechnik und Automatisierung (IPA) unterstützt diesen Veränderungsprozess, von der Lean Production hin zur Digitalisierung in der Produktion, durch eine spielbasierte Qualifikation.

Die Digitale Transformation hat erhebliche Auswirkungen auf Ganzheitliche Produktionssysteme. In diesem Beitrag wird der Ordnungsrahmen Ganzheitlicher Produktionssysteme den weitrechenden Veränderungen der Digitalen Transformation gegenübergestellt, sowohl in zwei Literaturreviews als auch in einer Studie mit Industriefirmen. Das Resultat sind abgeleitete Veränderungsdimensionen für Ganzheitliche Produktionssysteme 4.0 und Richtlinien für die Gestaltung zukunftsfähiger Produktionssysteme. Der bestehende Ordnungsrahmen bedarf gezielter Anpassungen auf allen Ebenen, insbesondere hinsichtlich digitaler Methoden und Werkzeuge.

Everything-as-a-Service-Geschäftsmodelle (XaaS) werden in einem dynamischen Umfeld immer interessanter – sowohl für Anbieter als auch Kunden. Anbieter können neue Umsatzquellen erschließen und Kunden profitieren von flexiblen sowie kundennutzenorientierten Bezahlmodellen. In diesem Beitrag wird Praktikern mit Grundlagen und Praxisbeispielen der Einstieg ins Themenfeld ermöglicht. Darüber hinaus wird das Potenzial der kollaborativen Umsetzung von XaaS-Geschäftsmodellen in Business-Ökosystemen beleuchtet. Eine Auswahl an Herausforderungen und Handlungsoptionen bei der Zusammenarbeit in Business-Ökosystemen wird anhand eines aktuellen Projektbeispiels erläutert.

Digitale Ökosysteme sind derzeit fest in der Vision der nationalen Standardisierung verankert und werden als der nächste und wichtigste Schritt für Industrie 4.0 angesehen. Interoperabilität, d. h. die umfassende Vernetzung von technischen Systemen und Prozessen in solchen Ökosystemen, gewinnt derzeit enorm an Bedeutung. Aktuelle Themen wie Digitaler Zwilling, Künstliche Intelligenz oder 5G zeigen bspw. Lücken bei Technologie- oder Datenstandards auf. Diese müssen rasch geschlossen werden, da nur so die Interoperabilität in komplexen Ökosystemstrukturen gewährleistet werden kann. Aus diesem Grund werden derzeit zahlreiche Normen entwickelt, bei denen Deutschland mit seiner Standardisierungsstrategie eine Vorreiterrolle einnimmt.

Die wachsende Innovationsgeschwindigkeit hat den Druck auf die Unternehmen erhöht. Künftig werden reale und virtuelle Welt miteinander verschmelzen und ganzheitlich miteinander vernetzt sein. Wie in der Vergangenheit braucht ein Unternehmen auch in der Zukunft ein stabiles Fundament. Tatsächlich realisierbar sind die Ansätze von Industrie 4.0 nur dann, wenn eine fehler- und störungsfreie Automatisierung in allen Prozessen und dadurch eine hohe Verfügbarkeit erreicht wird. Die Herausforderung, die es dabei zu meistern gilt: Mensch, Technik und IT im Arbeitsprozess intelligent miteinander kombinieren (vergl. Soder 2015).

Um die Füllstandsänderungen von C-Teile-Behältern in der Produktion ortsunabhängig echzeitnah zu überwachen, wurde ein cloudbasiertes C-Teile-Managementsystem in einem gemeinsamen Projekt von Fraunhofer IPA und Bossard Deutschland GmbH entwickelt. Dieser Lösungsansatz ermöglicht, dass die Füllstände der C-Teile-Behälter regelmäßig verfolgt werden, sodass bei niedrigem Füllstand neue C-Teile mit einem fahrerlosen Transportsystem (FTS) zum Behälter transportiert werden. Zusätzlich werden die Bestell- und Lieferzeiten der C-Teile mithilfe einer automatischen Nachbestellung im Falle der Unterschreitung eines festgelegten Mindestbestands reduziert.