Der lange Weg zur Smart Factory

Digitale Transformation in der Industrie

Der lange Weg
zur Smart Factory

Bild: Atreus GmbH

Alle reden von der Fabrik der Zukunft, aber die unternehmerische Wahrheit ist eine andere. Zwar hat der deutsche Mittelstand die Tragweite der digitalen Transformation erkannt. Doch hapert es aber noch immer an der Umsetzung.


Lange bevor die Smart Factory kommt, erfordern die veränderten Erwartungen der Kunden vor allem in den Branchen Maschinen- und Anlagenbau, Automotive sowie in der Stahl-, Metall- und Kunststoffindustrie eine zunehmende Flexibilität und Vernetzung der Produktion – weg vom eher angebotsorientierten hin zum nachfrageorientieren Ansatz. Um neue Technologien wie künstliche Intelligenz (KI), kollaborative Robotik und additive Fertigung gewinnbringend für sich nutzen zu können, müssen Unternehmen aber zunächst die Basics der Digitalisierung beherrschen.

Grundstein legen

Zunächst einmal gilt es daher die Operational Excellence – das ständige Verbessern von Prozessen entlang der Wertschöpfungskette – zu verinnerlichen und nachhaltig zu implementieren. Kein Geheimnis und seit Jahrzehnten propagiert. Die betriebliche Wahrheit zeigt jedoch, dass bei etlichen Unternehmen noch erheblicher Optimierungsbedarf bei diesem Thema besteht. Da dies jedoch kein rein deutsches Phänomen ist, entstehen auch Möglichkeiten für die hiesigen Unternehmen, sich im internationalen Wettbewerb positiv zu differenzieren. Für den mittelständischen Maschinenbau ist es ein pragmatischer Weg, durch tagtägliche Verbesserung aus der Mittelmäßigkeit herauszutreten und sich flexibler und effizienter aufzustellen. Statt immer schneller die gleichen Produkte in immer höheren Stückzahlen zu produzieren, zählen heute vor allem Flexibilität und Vielfalt, um die immer differenzierten Kundenanforderungen bedienen zu können. Vier wesentliche Faktoren spielen dabei eine vorgeordnete Rolle:

  • Effizienz in Ablauf- und Aufbauorganisation
  • Datentransparenz und Verlässlichkeit
  • Realistisches Ist-Bild
  • Marktgerechte Produkte und Komplexitätsmanagement

Unternehmen im Maschinen- und Anlagenbau sollten an erster Stelle diese vier Kernbereiche erkennen und als Grundvoraussetzung akzeptieren. Flexibel vernetzbare und erweiterbare Prozessmodule müssen Einzug halten, Datentransparenz und Offenheit als Basis für schnellere Entscheidungsfindung herhalten und letztlich der Ist-Zustand in der Organisation einer transparenten Bewertung unterzogen werden. Hier besteht noch einiges an Nachholbedarf. Darüber hinaus müssen die Produkte modular designed und Punkte für die Variantenentstehung möglichst ans Ende der Wertschöpfungskette verlagert werden. So erreicht man eine geringe Komplexität nach innen und hohe Komplexität, sprich Variantenvielfalt, nach außen.

Wandel begreifen und gestalten

Die Gestaltung und Ausführung dieser der Smart Factory zugrunde liegenden Faktoren ist darüber hinaus in erster Linie ein Führungsthema. Denn der Wandel muss nicht nur gestaltet, sondern auch verantwortungsbewusst gegenüber den Mitarbeitern umgesetzt werden. Die Abläufe werden sich gravierend verändern, sodass es durchaus zu Bedenken auf Seiten der Arbeitnehmer kommen kann. Denn digitale Transformationsprozesse sind nicht nur technologisch, innovative Organisationsverbesserungen, sondern bringen immer auch eine unternehmenskulturelle Revolution mit sich, die durchaus Verunsicherungen hervorrufen kann. Dabei gibt es eine Vielzahl von Personen, die behaupten, dass im Zuge dieser Veränderungen der Faktor Mensch obsolet würde. Doch der Mensch wird auch in der Smart Factory eine zentrale Rolle spielen. Zwar werden sich ganz sicher die Aufgabenbereiche in der Produktion verändern und Hilfstätigkeiten deutlich reduziert werden, aber der Mensch bleibt die Ideen gebende und treibende Kraft hinter der Innovation. Keine Technologie kann die menschliche Kreativität und das Einfühlungsvermögen ersetzen.

Seiten: 1 2Auf einer Seite lesen

Atreus GmbH
www.atreus.de

Das könnte Sie auch Interessieren

Anzeige

Anzeige

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.

Bild: ©Stock57/stock.adobe.com
Bild: ©Stock57/stock.adobe.com
KI-Verfahren für die Produktion

KI-Verfahren für die Produktion

Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Chancen und Herausforderungen von Machine Learning in der Fertigung

Chancen und Herausforderungen von Machine Learning in der Fertigung

Automatisierung, künstliche Intelligenz (KI), Internet of Things (IoT) und Machine Learning (ML) sind heutzutage bekannte Technologien und kommen bereits in vielen Unternehmen zum Einsatz. Mit Hilfe von Machine Learning wird es IT-Systemen ermöglicht, Muster und Zusammenhänge aus Daten zu lernen und sich selbst zu verbessern. Dabei ist keine explizite Programmierung notwendig. Die Bearbeitung von Kundenanfragen, die Erkennung möglicher Störfälle sowie unerwarteter Ereignisse wie z.B. Cyberangriffe sind klassische Anwendungsfelder von ML. Aber auch die Unterstützung bei einer rein datengestützten Entscheidungsfindung und die Interpretation großer Datenmengen gehören dazu.

Bild: ©Shuo/stock.adobe.com
Bild: ©Shuo/stock.adobe.com
Sensoren lernen das Denken

Sensoren lernen das Denken

Im Fraunhofer-Leitprojekt NeurOSmart forscht das Fraunhofer IPMS zusammen mit vier weiteren Instituten (ISIT, IMS, IWU, IAIS) unter Leitung des Fraunhofer ISIT gemeinsam an energieeffizienten und intelligenten Sensoren für die nächste Generation autonomer Systeme. Dabei sollen die Brücken zwischen Wahrnehmung und Informationsverarbeitung durch innovative Elektronik neu definiert werden.

Bild: ©ipopba/stock.adobe.com
Bild: ©ipopba/stock.adobe.com
Wie KI 2022 praktikabel wird

Wie KI 2022 praktikabel wird

Künstliche Intelligenz war bereits in der Vergangenheit in aller Munde, schaffte es aber doch oft nicht bis in die Anwendung. Das wird sich 2022 ändern – auch weil sich langsam Standards etablieren und sich neue, konkrete Einsatzmöglichkeiten ergeben. In welchen Bereichen Business-Implementierungen zu erwarten sind, erläutert Bernhard Niedermayer, Head of AI bei Cloudflight.

Anzeige

Anzeige

Anzeige