Big Data hat die Personalabteilungen erreicht, ihr Einsatz ist durch den Datenschutz in Deutschland aber noch begrenzt. Uwe Vormbusch ist Professor für Soziologische Gegenwartsdiagnosen an der FernUniversität in Hagen und forscht zu People Analytics, also der Nutzung von Daten für Personalentscheidungen. Statt Foto und Sympathie entscheiden dann Daten, welche Bewerberinnen und Bewerber ausgewählt werden – aber ist das wirklich fairer?

Die komplexen Systeme in der digitalisierten Industrie sind zunehmend vernetzt und generieren heterogene Daten. Das Fog Computing soll eine effiziente Datenverarbeitung im Internet of Things (IoT) ermöglichen, dessen zukünftige Entwicklung jedoch noch ungewiss ist. Die Frage ist, wie die Zukunft des IoT im verarbeitenden Gewerbe Deutschlands aussieht, welche Rolle das Fog Computing darin spielt und welche Implikationen sich für die digitale Arbeitswelt ergeben. Die Ergebnisse eines interdisziplinären Szenarioprozesses liefern Einblicke in mögliche Zukunftsbilder.

Industrie 4.0 in Deutschland ist „work in progress“. Digitale Technologien wie IoT, KI, Cloud oder Big Data Analytics werden in Unternehmen vermehrt eingeführt. Allerdings stellen Mensch und Organisation, neben der Technologie, die zentralen Erfolgsfaktoren der Digitalen Transformation dar. Diese Erkenntnis trägt dazu bei, dass in vielen Industrieunternehmen Weiterbildung im Sinne des lebenslangen Lernens, agile Organisationsstrukturen und Unternehmenskultur an Bedeutung gewinnen. Studienergebnisse zu den Kompetenzanforderungen für die industrielle Arbeit 4.0 zeichnen ein Bild von erforderlichen Kompetenzen, die weit über die elementare Nutzung der Technik hinausgehen. Zusätzlich gefragt sind Eigenschaften wie Offenheit, Überblickswissen, interdisziplinäre Zusammenarbeit und Agilität. Bringen heutige Hochschulabsolventen als Fach- und Führungskräfte der Industrie 4.0 diese Kompetenzen mit? In diesem Beitrag werden Forschungsergebnisse zu Kompetenzanforderungen und dem Status quo bei den Young Professionals aus NRW erläutert und die damit verbundenen Konsequenzen thematisiert.

Durch die zunehmende Digitalisierung der Wertschöpfungskette werden Unternehmen mit neuen Herausforderungen, wie etwa einer höheren Variantenvielfalt oder steigenden Individualisierungswünschen von Kunden, konfrontiert. Zur Bewältigung der wachsenden Herausforderungen bietet die Implementierung von Industrie 4.0-Lösungen großes Potenzial. Dennoch agieren gerade kleine und mittlere Unternehmen bei deren Einführung zurückhaltend. Dies ist vor allem auf den hohen fi nanziellen Aufwand für Industrie 4.0-Lösungen und eine unzureichende Abschätzbarkeit der Auswirkungen ihrer Einführung zurückzuführen. Im Rahmen des EFRE-Forschungsprojekts »Synus« wurden Methoden und Tools zur Unterstützung von kleinen und mittleren Unternehmen bei der Bewertung und Auswahl von Industrie 4.0-Lösungen entwickelt. Inhalt dieses Beitrags ist die Präsentation des Potenzial-Modells, welches kleine und mittlere Unternehmen zur Auswahl geeigneter Industrie 4.0-Lösungen in Abhängigkeit der individuellen Sachlagen und Präferenzen befähigt.

Der Beitrag widmet sich den Potenzialen und Grenzen KI-basierter Arbeitssysteme zur Unterstützung individueller und organisationaler Lernprozesse. Die Veranschaulichung erfolgt an den Einsatzmöglichkeiten adaptiver Systeme in der Produktion und gibt Beispiele guter Praxis, wie sich künstliche und individuelle Intelligenz im Arbeitsprozess wechselseitig ergänzen können. Dafür werden in konzeptioneller Hinsicht unterschiedliche Verfahren des maschinellen Lernens vorgestellt und um lerntheoretische Perspektiven ergänzt, die sich mit individuellen und organisationalen Lernprozessen beschäftigen.

Zur Rückverfolgbarkeit von Produkten werden in Großunternehmen Traceability-Systeme eingesetzt. Obwohl diese helfen, Qualitäts- und Kostenrisiken zu vermeiden, werden sie in KMU u. a. aufgrund fehlender Markttransparenz nur zögerlich eingesetzt. Folglich bedarf es einer Methodik, die es KMU ermöglicht, ihre Anforderungen mithilfe von Referenzprodukten und -prozessen zu erfassen und auf Softwarelösungen zu übertragen. Dieser Beitrag behandelt eine Methodik, die den Auswahlprozess vereinfacht und dabei die Herangehensweise zur Erstellung der Referenzprodukte und -prozesse fokussiert.

Ein schneller Informationsfluss innerhalb der gesamten Lieferkette ist für eine Risikominimierung unvermeidlich und in unbeständigen Zeiten bzw. Krisensituationen diskussionslos. Der Informationsfluss innerhalb der Supply Chain ist dabei von verschiedenen Übertragungsformen geprägt: EDI, Cloud-Anwendungen und andere System-Schnittstellen sind in den verschiedenen Bereichen der Wertschöpfungsnetzwerke zur digitalen Risikoüberwachung und Prozesseffizienzsteigerung vorhanden. Werden die Unternehmensprozesse genauer betrachtet, bleibt ein Bereich bisher digital unterrepräsentiert: Der digitale Zwilling eines Produktionswerkzeugs. Den Umgang mit diesen Produktionswerkzeugen gilt es nun auf eine neue Ebene zu heben.

Bedingt durch erhöhte Produkt- und Variantenvielfalt wächst der Bedarf nach flexibel gestalteten Montagesystemen. Im Gegensatz zur klassischen Linienproduktion mit vorherrschend starrer Fördertechnik werden in einer frei verketteten Montage effiziente, individuelle Montagerouten mit taktunabhängigen Bearbeitungszeiten durch intelligente Steuerung und fahrerlose Transportsysteme (FTS) realisiert. Herausforderungen bei der Implementierung sind neben der Neuanordnung von Arbeitsstationen auf dem Shopfloor auch die Anpassung der bestehenden IT-Systeme und die Schaffung einer einheitlichen Datenlandschaft. Dieser Beitrag stellt die wichtigsten Faktoren zur IT-seitigen Umsetzung einer frei verketteten Montage dar und zeigt auf, welche bestehenden Standards aus dem Bereich Industrie 4.0 hierfür eingesetzt werden können.