„Internet+“: Digitalisierungstrends in Chinas Industrien

Christoph Mingtao Shi, Sigrun Abels

Erfolgsfaktoren, die Chinas Wirtschaftsboom lange beflügelt hatten, haben zunehmend ihre Antriebskraft verloren. In den letzten zwei Dekaden hat die Heranreifung wettbewerbsstarker indigener Technologieunternehmen in den IT-, Telekommunikation- und Softwarebranchen Chinas Plan industrieller Digitalisierung begünstigt, die das Land dringend benötigt, um ökonomisch zukünftig mehr auf Technologie und Innovation basierend und damit nachhaltiger weiter zu wachsen. Internet+ repräsentiert das derzeitig in der Wirtschaft, Politik und Medieninformation eifrig debattierte Konzept, das für die Digitalisierung in Chinas Industrien richtungsweisend sein soll. Dabei wird die Integration der Informationstechnologie mit anderen produzierenden Industriezweigen besonders hervorgehoben. Der Beitrag erläutert den Hintergrund, den Begriff und wirft einen Blick auf das Marktmodell sowie einige technische Aspekte von Internet+. Eine Fallstudie begleitet den „Ausflug“ nach China und gibt einen ersten Eindruck über die Umsetzung.

[mehr]



Digitalisierung

Standardisierung für Industrie 4.0 in KMU - Welche Herausforderungen werden von kleinen und mittleren Unternehmen durch Standardisierung hinsichtlich Industrie 4.0 gesehen? Ein Branchenvergleich.

Julian Müller, Kai-Ingo Voigt

Industrie 4.0 erfordert hinsichtlich der Standardisierung zahlreiche Anstrengungen für alle in einer Wertschöpfungskette beteiligten Unternehmen. Der Begriff Standardisierung wird dabei in unterschiedlichen Zusammenhängen verwendet. So lassen sich notwendige Maßnahmen zur Standardisierung beispielsweise hinsichtlich Daten und deren Austausch, technischen Standards, rechtlichen oder auch organisatorischen Standards finden. Auch stellt sich die Frage, in welchen Hierarchieebenen Standardisierung erforderlich ist. Hierzu gehören die Standardisierung im eigenen Unternehmen, die Standardisierung der Schnittstellen zu anderen Unternehmen oder die Schaffung einheitlicher Standards im gesamten Unternehmensumfeld. Die Anzahl erforderlicher Maßnahmen der drei Hierarchieebenen ist dabei sehr umfangreich. Dieser Beitrag befasst sich mit der grundsätzlichen Frage, in welchen Hierarchieebenen die größten Anstrengungen zur Standardisierung im Branchenvergleich erforderlich sind und gibt kurze Handlungsempfehlungen.

[mehr]



Digitalisierung

WebAssembly für die Industrie 4.0 - Sichere, skalierbare Plattformen mit Bytecode-basierten Virtuellen Maschinen

Stefan Wallentowitz und Markus Friedrich

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.

[mehr]



Digitalisierung

Optische Erfassung von Messwerten - Maschinelle Lernverfahren zur Digitalisierung manueller Ablese- und Messvorgänge

Matthias Mühlbauer, Hubert Würschinger, Nico Hanenkamp und Svyatoslav Funtikov

m Fabrikbetrieb kommen häufig Messmittel zum Einsatz, bei denen noch keine automatische Abspeicherung oder Weiterverarbeitung des gemessenen Werts erfolgt. Mitarbeiter müssen in diesem Fall den Messwert manuell erfassen und weiterverarbeiten. Folgend wird ein Ansatz zur optischen Erfassung und Digitalisierung von Messwerten mithilfe Maschineller Lernverfahren vorgestellt. Dies soll zur Entlastung der Mitarbeiter beitragen, Ablesefehler reduzieren sowie eine automatisierte Dokumentation ermöglichen.

[mehr]



Digitalisierung

How to Gaia-X? - Ein Vorgehensmodell zur erfolgreichen Teilnahme an interoperablen und dezentralen Datenökosystemen am Beispiel von Gaia-X

Erik Konietzko, Cansu Tanrikulu, Florian Schwarz, Kai Lindow, Christoph Heinbach, Henning Gösling und Oliver Thomas

Wie können Organisationen erfolgreich an interoperablen und dezentralen Datenökosystemen teilnehmen? In diesem Beitrag wird ein Vorgehensmodell am Beispiel der Transportlogistikbranche vorgestellt, welches methodisch die gemeinsame und interdisziplinäre Entwicklung von Services im dezentralen föderierten Datenökosystem Gaia-X [6] beschreibt.

[mehr]



Interview

„Dann ist es plötzlich wichtig, dass ich wichtig erscheine“

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?

[mehr]



Interview

Der Konsum steigt und steigt

Carla Rebecca Lüps studiert Umweltorientierte Logistik an der Hochschule für Technik in Stuttgart. Ein Gespräch über digitale Umweltsünden, die Verantwortung der Verbraucher und welche Fragen sich Unternehmen stellen sollten, um nachhaltiger zu wirtschaften.

[mehr]



Digitalisierung

Digitale Verzahnung in variantenreicher Fertigung - Komplexe Produktions- und Logistikprozesse mittels mobiler Apps harmonisieren

Sven Winkelhaus, Eric Grosse und Michael Bauer

Industrie 4.0 und Logistik 4.0 sind Phänomene, die in vielen Branchen sowohl die strategische Ausrichtung von Unternehmen als auch die operativen Prozesse prägen. Neben paradigmatischen Veränderungen sind insbesondere technische Lösungen im Fokus dieser Entwicklung. Mittels neuer Technologien kann die Komplexität individualisierter Produkte und komplexer Prozesse handhabbar werden. Auf Shopfloorebene können unbekannte Technologien jedoch auf Widerstand bei der Implementierung stoßen. Hier bieten Apps für mobile Endgeräte eine geeignete Möglichkeit, Produktions- und Logistikprozesse im Rahmen einer Digitalisierungsstrategie mitarbeiterfreundlich zu unterstützen. In diesem Beitrag wird die Verzahnung von Produktion und Logistik in der Industrie 4.0 näher beleuchtet und ein Fokus auf die Mitarbeitenden in dieser Entwicklung gelegt. An einem Beispiel wird verdeutlicht, wie Apps zu einer erfolgreichen digitalen Transformation beitragen können.

[mehr]



Digitalisierung

Betriebliches Nachhaltigkeitsmanagement 4.0 - Informationsdurchgängigkeit mittels Methoden der Wissensrepräsentation

Grischa Beier, Malte Reißig, Silke Niehoff und André Ullrich

Der Einfluss der Digitalisierung auf Wirtschaft und Gesellschaft ist omnipräsent und kann nicht losgelöst von der Debatte zur nachhaltigen Entwicklung betrachtet werden. Vor dem Hintergrund von Industrie 4.0 bietet das betriebliche Nachhaltigkeitsmanagement (BNM) besonderes Potenzial, sich den Themen nachhaltiges Wirtschaften und Digitalisierung aus Perspektive der Unternehmen zu nähern. Ein digitalisiertes Nachhaltigkeitsmanagement in industriellen Unternehmen mit Informationen zu unterstützen, bedarf jedoch einer Durchgängigkeit von Informationen. Um diese zu erreichen und zugleich Informationen aus verschiedenen Disziplinen zu integrieren, sind Methoden der Wissensrepräsentation geeignet. Aktuelle Herausforderungen und Ansätze für die Entwicklung eines offenen und konzeptionellen BNM-Modells werden in diesem Beitrag vorgestellt.

[mehr]



Digitalisierung

Maschinelles Lernen in der Produktion Anwendungsgebiete und frei verfügbare Datensätze

Jonathan Krauß, Jonas Dorißen, Hendrik Mende, Maik Frye und Robert H. Schmitt

Steigende Rechenleistungen und bessere Datengrundlagen bei gleichzeitig sinkenden Kosten für Rechen- und Speicherkapazitäten stellen die Basis für den Einsatz von Machine Learning (ML) in der Produktion dar. Herausforderungen bestehen in der Identifizierung aussichtsreicher Anwendungsgebiete, dem Erkennen der mit diesen verbundenen Learning Tasks sowie dem Aufdecken passender Datensätze. In diesem Beitrag werden daher folgende Fragen beantwortet: Welche Anwendungsgebiete in der Produktion bieten das größte Potenzial für den Einsatz von ML? Welche frei zugänglichen Datensätze eignen sich, um eigene Erfahrungen zu sammeln und welche Learning Tasks sind damit verbunden? Was sind Best Practices für die Anwendungsgebiete?

[mehr]



Seiten