Eine Zukunft, in der alles auf Basis von Informations- und Kommunikationstechnologien miteinander verbunden ist, verspricht das Internet der Dinge. Dass dabei ein einzelnes globales System die Grundlage für die nahtlose Kommunikation zwischen Dingen ist, scheint aus heutiger Sicht, auf Basis von vielfältigen heterogenen Sub-Systemen und anwendungsspezifischen Lösungen, unmöglich. Man steht damit einer Landschaft aus einer Vielzahl an isolierten „Intranets der Dinge“ gegenüber, welche sich nicht mühelos miteinander verbinden lassen [1]. Dieses Problem lässt sich in vielen Bereichen und Branchen identifizieren (Smart Cities, Smart Factory etc.), in denen intelligente Produkte miteinander interagieren sollen. Ein wesentlicher Ansatz zur Problemlösung ist die Erhöhung der Interoperabilität auf verschiedenen Ebenen der Hard- und Software. Der folgende Beitrag beschreibt einen Lösungsansatz, um Plattform- und Domänen-übergreifende Interoperabilität zwischen Systemen herzustellen.

Die Digitalisierung betrieblicher Wertschöpfungs- und Kommunikationsprozesse erfährt mit Industrie 4.0 einen neuen Schub. Mit der Einführung von sozialen Netzwerken sollen die Kollaboration und der Wissensaustausch der Beschäftigten untereinander unterstützt und rationalisiert werden. Der Beitrag geht auf diese Enterprise Social Networks ein und diskutiert die sozialen Herausforderungen bei der betrieblichen Umsetzung. Auf Basis eines Unternehmensbeispiels werden Anwendungsempfehlungen abgeleitet.

Industrie 4.0 mit der Digitalisierung von Produkten und Prozessen bietet Unternehmen einen großen Pool an Informationen für die Prozessoptimierung. Diese können in der Textilindustrie aber häufig nicht direkt genutzt werden, da Rohstoffe natürlichen Schwankungen unterliegen und zu vielen Produkt- und Prozessparametern die Einflussfaktoren und Wechselwirkungen nur unvollständig bekannt sind. Nachfolgend wird ein Ansatz präsentiert, der die Informationen aus der Produktion mit dem Erfahrungswissen der Beschäftigten kombiniert und damit bei der Produkt- und Prozessoptimierung unterstützt. Dabei kommt das maschinelle Lernverfahren „Fallbasiertes Schließen“ zum Einsatz.

In heutigen komplexen Produktionssystemen sind die systematische Identifikation und realitätsnahe Bewertung von Verbesserungspotenzialen schwierig umzusetzen. Die fortschreitende Entwicklung in der Digitalisierung und die Vernetzung der Produktion bieten in solchen hochkomplexen Umgebungen aber immer bessere Möglichkeiten, Prozesse detailliert zu analysieren und Informationen zum Energie- und Instandhaltungsbedarf von Produktionsmaschinen zu sammeln. Energieautarke Sensortechnik, mobile Kommunikation und Mensch-Technik-Interaktion nehmen in diesem Kontext eine wichtige Rolle ein. Mobile Smart Devices wie Tablet-Computer und Smartphones verfügen heutzutage über ein breites Spektrum an Funktionalitäten und bieten sich daher als ergonomische Schnittstelle zwischen Mensch und Maschine an. Produktionsprozesse können durch die Bereitstellung von nutzerspezifisch aufbereiteten Maschinendaten zukünftig wirtschaftlich und ökologisch effizienter gestaltet werden.