Auch nach der Coronavirus-Pandemie wird die fertigende Industrie mit anhaltendem Fachkräftemangel konfrontiert sein. Mitarbeiterqualifizierung bleibt eine zentrale Zukunftsaufgabe. Wie fördern produzierende Betriebe effizientes digitales Lernen in einer von der digitalen Transformation geprägten Arbeitswelt?

Die Digital Moulds GmbH bietet Digitalisierungslösungen für den Werkzeug- & Formenbau an, die sich hauptsächlich im Bereich der Werkzeugüberwachung und des Werkzeugmanagements bewegen. Mit diesen innovativen Lösungen konnte man den deutschen Fahrzeughersteller BMW Group als Kunden gewinnen, der bekannt ist für seine Premium-Modelle und den Einsatz von innovativen Technologien. BMW Group setzt gerade auch in der Produktion Maßstäbe, etwa durch die kontinuierliche Optimierung der Wertschöpfungskette, die Verwendung von künstlicher Intelligenz oder von Digitalisierungslösungen. Und genau in diesem Bereich unterstützt Digitial Moulds ab sofort den OEM.

Die Arbeitswelt verändert sich – und manche Arbeitsumgebungen besonders. Wie gelingt dieser Prozess in Unternehmen? Wie holt man die Mitarbeiterinnen und Mitarbeiter an Bord? Die beiden Professoren Eric Grosse und Stefan Morana von der Universität des Saarlandes geben Antworten. 
 

Die Werkstattführung im Rahmen des sogenannten Shopfloor Managements (SFM) greift zunehmend auf digital erfasste Daten zurück. Die im Rahmen des SFM erkannten Abweichungen führen im besten Fall zu einer systematischen und nachhaltigen Lösung der zugrundeliegenden Probleme. Besonders wertvoll ist dabei das in Form von Freitext dokumentierte Wissen der Beschäftigten in der Ursachenforschung und Maßnahmendefinition. Im Transferprojekt TexPrax werden daher Ansätze aus dem Natural Language Processing (NLP) auf diese Textdaten angewendet, um Assistenzfunktionen im SFM zu realisieren. Dieser Beitrag stellt verschiedene, erprobte Assistenzsysteme im digitalen SFM (dSFM) vor und zeigt situationsspezifische Umsetzungsstrategien für Unternehmen auf.

Die Komplexität manueller Tätigkeiten in unterschiedlichen Unternehmensbereichen steigt durch verkleinerte Losgrößen, höhere Produktvarianzen und kürzere Produktlebenszyklen. Besonders sind davon die manuell geprägten Bereiche in der Montage und Logistik betroffen. Das Anlernen von neuen Mitarbeitenden oder das Qualifizieren von vorhandenen Mitarbeitenden wird deshalb deutlich aufwendiger. Bei der Auslegung solcher Systeme ist jedoch nicht nur die zu nutzende Technik entscheidend, zur erfolgreichen Implementierung muss eine soziotechnische Systemgestaltung zur Anwendung kommen. Das im vorliegenden Beitrag vorzustellende System bietet in diesem Rahmen neuartige Möglichkeiten, indem das individuelle Lernverhalten über Lernkurventheorien abgebildet wird und die Art der Informationsbereitstellung steuert.

Obgleich die Umsetzungsgeschwindigkeit und das Wissen zu Industrie 4.0 in den vergangenen Jahren merklich zugenommen haben, stehen viele Entscheidungsträger weiterhin vor wesentlichen Herausforderungen bei der Implementierung von Industrie 4.0-Technologien. Hohe Investitionen stehen unklaren Performance-Steigerungen gegenüber, es gibt noch immer kein allgemeingültiges Verständnis des Begriffs Industrie 4.0 und in vielen Fällen ist die Umsetzung nicht über ein initiales „Industrie 4.0-Leuchtturmprojekt“ in dem jeweiligen Unternehmen hinausgegangen [1]. Inmitten dieser Transformation veröffentlichte die Europäische Kommission im Januar 2021 ein Whitepaper mit dem Titel „Industry 5.0 - Towards a sustainable, human-centric and resilient European industry” [2]. Kündigt sich hier somit bereits die nächste industrielle Revolution an? Dieser Beitrag erläutert den Begriff „Industrie 5.0“ in Bezug auf den Beitrag der Europäischen Kommission, die Verbindung mit aktuellen Industrie 4.0-Initiativen und zeigt dadurch Optionen für die Zukunft der industriellen Produktion auf.

Intelligente Assistenzsysteme unterstützen die Mitarbeiter in der Produktion und erhöhen die Effizienz durch das Einblenden von situationsbasierten Aufgabeninformationen. Im Projekt Advanced Robot Assistance Solution (ARAS) im Rahmen des Kuka Innovation Awards 2021 wurde eine Assistenztechnologie entwickelt, um automatisiert Roboterprogramme für Montageabläufe zu generieren. Durch innovative Mensch-Maschine-Schnittstellen werden Montageschritte per maschinellem Lernen erkannt und in ausführbare Programme für Industrieroboter übersetzt. Dadurch können roboterbasierte Montageprozesse innerhalb von Minuten auf neue Produkte angepasst werden, ohne dass die Mitarbeiter über Kenntnisse des Programmierens oder der Robotik verfügen müssen. Ein Mitarbeiter muss den Montageprozess nur einmal vormachen. Das ARAS-System ermöglicht die kosten- und zeiteffiziente Integration und Adaption von Industrierobotern in der Montage für große und mittelständische Unternehmen.

Daten spielen in unserer Welt – und u. a. auch in der Produktionstechnik – eine immer größere Rolle. Unternehmen sind steigenden Kundenanforderungen und einem erhöhten Wettbewerbsdruck ausgesetzt. Weiterhin erfordert der Trend zu kleineren Losgrößen und zunehmender Variantenvielfalt eine schnelle Reaktionsfähigkeit und Agilität der Unternehmen. Um unter diesen Voraussetzungen die richtigen Entscheidungen treffen zu können, müssen Daten erzeugt und analysiert werden, um daraus Erkenntnisse abzuleiten. Oftmals sind bereits Unmengen an ungenutzten Daten im Unternehmen vorhanden, sodass eine Verarbeitung notwendig ist, um z. B. mithilfe von KI-Algorithmen Mehrwert daraus zu generieren.