Vor dem Hintergrund der Energiewende bieten sich insbesondere auch mit Digitalisierungstechnologien für Produktions- und Versorgungssysteme erhebliche Potenziale, durch einen effizienten sowie flexiblen Energieeinsatz die energiebezogenen Kosten an den Produktionsstandorten zu reduzieren. Durch eine thermohydraulische Vernetzung von Maschinen, technischer Gebäudeausstattung und dem Gebäude selbst wird in der ETA-Modellfabrik am Campus der TU Darmstadt demonstriert, wie u. a. Abwärme aus dem Produktionsprozess effizient zurückgewonnen und als Nutzenergie zur Klimatisierung und Prozesswärmeversorgung bereitgestellt werden kann. Dieser Ansatz einer gesamtenergetischen Betrachtung industrieller Produktionsbetriebe erhöht erheblich das Einsparungspotenzial, führt jedoch unweigerlich zu einer gesteigerten Komplexität der interagierenden (Teil-)Systeme. Durch das in diesem Beitrag beschriebene Konzept einer vorausschauenden (prädiktiven) Energieflussregelung, können auch unter dynamisch veränderlichen Randbedingungen, z. B. in volatilen Energiemärkten, die Erzeuger- und Speichersysteme im vielschichtigen Verbund optimal betrieben und Energiekosten reduziert werden.

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.

Die Nutzung Digitaler Zwillinge birgt vielfältige Anwendungsfälle und Chancen zur Optimierung von Prozessen entlang des gesamten Lebenszyklus technischer Systeme. Jedoch trifft das Konzept im Anlagenbau auf spezifische Besonderheiten innerhalb der Entwicklung, der Errichtung sowie dem Betrieb der Anlagen. Dieser Beitrag erläutert diese Besonderheit und die daraus folgenden Herausforderungen für die Erstellung und die Anwendung Digitaler Zwillinge im Anlagenbau. Als Lösungsansatz wird das Digitale Abbild als Grundlage Digitaler Zwillinge sowie dessen Konzept, Voraussetzungen und Potenziale vorgestellt.

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.