Die additive Fertigung ist eine zunehmend an Bedeutung gewinnende Fertigungstechnologie mit einem großen wirtschaftlichen Potenzial. Ihre Beliebtheit geht jedoch mit hohen Material- und Zeitverlusten einher, da fehlerbehaftete Werkstücke in vielen Fällen erst sehr spät im Fertigungsprozess erkannt werden. Ein Lösungsansatz für eine nachhaltigere und effizientere Produktion ist das automatisierte und frühzeitige Erkennen von Fertigungsfehlern mit Verfahren der Künstlichen Intelligenz. Dieser Beitrag beschreibt die Digitalisierung des Fehlererkennungsprozesses im 3D-Druck mithilfe eines bildbasierten, lernenden Systems. Dabei wird neben den einzelnen Arbeitsschritten zur automatisierten Fehlererkennung auch auf die Leistung des Systems eingegangen.

Die Auswirkungen des rasanten technologischen Wandels in einem wettbewerbsintensiven globalen Markt beeinflussen kleine und mittlere Unternehmen (KMU) in einem zunehmenden Ausmaß. Die digitale Transformation erhöht die Vernetzung zwischen der Fertigung, Produkt und dem Kunden und erfordert gleichzeitig die Erweiterung des Wertangebots über den gesamten Lebenszyklus. Als weitere Herausforderung kommt die Notwendigkeit hinzu, trotz verkürzter Produktzyklen nachhaltiger zu agieren. Angesichts dieser Trends müssen die KMU sowohl ihre Geschäftsprozesse, als auch ihre technologische Ausstattung verbessern, um interne und externe Nachhaltigkeitsziele, z.B. basierend auf den UN Sustainable Development Goals, erreichen zu können, effizienter und effektiver auf dem Markt zu sein und die Bedürfnisse ihrer Kunden befriedigen zu können. In diesem Artikel werden die Chancen der Digitalisierung zur Erreichung dieser Ziele anhand zweier Anwendungsfälle aus KMU vorgestellt.

Die Herstellung von Produkten bindet Energie sowie auch materielle Ressourcen. Viel zu langsam entwickeln sich sowohl das Bewusstsein der Konsumenten sowie der Produzenten als auch gesetzgebende Aktivitäten, um einen nachhaltigen Umgang mit den zur Verfügung stehenden Ressourcen zu realisieren. In diesem Beitrag wird ein lokaler Refabrikations-Ansatz vorgestellt, der es ermöglicht, effiziente Lösungen für die regionale Wiederund Weiterverwendung von Gütern anzubieten sowie lokale Unternehmensnetzwerke zu fördern.

Die anhaltende politische und gesellschaftliche Forderung nach umweltverträglichen Produkten setzt Unternehmen zunehmend unter Druck. Insbesondere kleine und mittelständische Unternehmen müssen nun schnell Lösungen für diese Anforderungen finden oder entwickeln. In diesem Beitrag wird daher ein methodischer Ansatz vorgestellt, der die bewährten Strategien agiler Produktentwicklungsmethoden mit den etablierten spezifischen Aktivitäten des sogenannten Ökodesigns (engl. „Ecodesign“) verbindet. Die Methodik wird zunächst theoretisch erörtert und dann anhand einer Fallstudie eines Handwerkszeugs in einem realen Unternehmenskontext experimentell evaluiert und diskutiert.

Der Klimawandel stellt eine der größten Herausforderungen für Unternehmen dar. Um Strategien für die Dekarbonisierung der eigenen Geschäftstätigkeiten festlegen zu können, ist die Berechnung von Treibhausgasemissionen notwendig. Insbesondere die Erfassung von Daten entlang der vor- und nachgelagerten Wertschöpfungskette (Scope 3) ist gegenwärtig ein komplexer, ressourcenintensiver und häufig ungenauer Prozess. Entsprechend wächst der Bedarf nach innovativen Lösungen, um das Scope 3-Carbon Accounting zu verbessern. Dieser Beitrag zeigt auf, wie digitale Technologien das Scope 3-Carbon Accounting unterstützen können.

Wegen der immer stärker fortschreitenden Durchdringung von KI in Unternehmen [1] scheint ein Ordnungsrahmen für Begrifflichkeiten und Betrachtungsaspekte der Anwendung von Künstlicher Intelligenz im Industrie 4.0-Kontext wünschenswert. Methoden der Künstlichen Intelligenz lassen sich nach verschiedenen Aspekten strukturieren. Auch Anwendungen innerhalb von Industrie 4.0 können mithilfe des RAMI-Frameworks oder mithilfe des ISA95-Standards in Ebenen und Prozessgruppen eingeordnet werden. Allerdings fehlt eine Taxonomie, welche die Klassifikation der Anwendungsbereiche mit den durch Machine-Learning-Methoden verbesserten Prozessen in Beziehung setzt, sie verortet und bewertet. Ein solcher Ordnungsrahmen hilft, neue Prozesse und Lösungen einzuordnen und unterstützt im Finden passender Machine-Learning-Verfahren für konkrete Problemstellungen im Industrie 4.0-Kontext.

Aufgrund der stark gestiegenen Energiepreise rückt im Rahmen des Energiemanagements die Druckluft, bzw. die Kompressorleistung und dessen Stromverbrauch wieder in den Vordergrund. Aufgrund der Tatsache, dass Druckluft gerne und oft über Leckagen entweicht und diese schwer zu lokalisieren bzw. zu messen sind, wird hier ein Nischenthema wieder sehr aktuell. Eine automatisierte Leckagenerkennung kann den Bedarf für die Reparatur ermitteln und dabei helfen die Energieeffizienz zu erhöhen. Dabei ist es wichtig, dass nicht nur Leckagen erkannt werden, sondern auch das Ausmaß der Leckagen quantifiziert werden kann. Eine kostengünstige Methode, um Leckagen zu erkennen, ist das Energiemonitoring des Druckluftkompressors. Durch eine kontinuierliche Überwachung und Auswertung der Energiedaten kann schnell reagiert werden.

Mit der zunehmenden Vernetzung steigt die Heterogenität der Plattformen in einem IoT-System. Endpunkte verschiedener Leistungsklassen haben unterschiedliche Arten von Betriebssystemen und Prozessoren, während das Gesamtsystem zusätzlich noch zentrale Server oder die Cloud umfasst. Edge-Geräte werden heute zusätzlich noch integriert, um den steigenden Leistungsanforderungen gerecht zu werden und hohe Durchsätze und niedrige Latenzen zu erreichen. Die sichere und portierbare Programmierung dieser Geräte für anspruchsvolle Aufgaben im industriellen Umfeld, wie zum Beispiel Computer Vision, ist eine Herausforderung. Bytecode-basierte Virtuelle Maschinen haben diese beiden Eigenschaften und sind mit Java seit längerer Zeit vertreten. Seit einigen Jahren strebt WebAssembly auf, das aus beliebigen Programmiersprachen übersetzt werden kann, und findet zunehmend Verbreitung über den Browser hinaus. Dieser Beitrag beschreibt die technischen Grundlagen und zeigt Möglichkeiten auf, wie WebAssembly eine skalierbare Lösung als Baustein der Operational Cybersicherheit von industriellen Anwendungen werden kann.