Refine
Document Type
- Contribution to a Periodical (6)
- Master's Thesis (4)
- Bachelor Thesis (1)
- Part of a Book (1)
- Conference Proceeding (1)
Language
- German (6)
- English (5)
- Multiple languages (2)
Is part of the Bibliography
- no (13)
Keywords
- IoT (13) (remove)
Institute
Die wertsteigernde Kreislaufwirtschaft gewinnt in der Industrie angesichts drängender globaler Probleme zunehmend an Bedeutung. Neben der begrenzten Verfügbarkeit von Rohstoffen und steigender Umweltbelastung durch energieintensive Produktionen wachsen auch die Anforderungen der Verbraucher:innen an die Unternehmen.
Zu beobachten ist insbesondere ein gestiegenes Umweltbewusstsein, das sich in einer stärkeren Nachfrage nach nachhaltigen Produkten sowie der Forderung nach transparenten und umweltfreundlichen Produktionsprozessen äußert. Nachhaltigkeit ist zu einem zentralen Element im Wettbewerbsumfeld geworden.
Nicht zuletzt als Schlüsseltechnologie der digitalen Transformation, sondern vor allem als Enabler einer digitalisierten Wirtschaft ist das Potenzial von 5G eindeutig. Die im Folgenden vorgestellte 5G-Vision verbindet Informations- sowie Anwendungsbedarfe an industriellen 5G-Schnittstellen mit IoT-Anwendungen und ergänzenden Services. Durch die Einbindung von 5G als Kommunikationsschnittstelle in IoT-Plattformen können erstmals auch Anwendungen mit hohen Anforderungen an Drahtlos-Übertragungstechnologien an eine IoT-Plattform angebunden werden.
Dabei spiegelt der vorliegende Artikel das aktuelle Stimmungsbild der Industrie hinsichtlich der Einbindung von 5G als Katalysator von IoT-Plattformen wider. Es wird analysiert, wie eine 5G-Einbindung in bereits bestehende IoT-Plattformen gelingen kann und welche Möglichkeiten dadurch zukünftig realisierbar werden. Als Ergebnis werden fünf Potenziale zum Einfluss von 5G auf IoT-Plattformen aufgeführt, mithilfe derer eine Vision eines 5G-Plattformkonzepts abgeleitet wird.
Smart Service Prototyping
(2021)
This chapter is dedicated to prototyping, one of the steps of the Smart Service Engineering Cycle. It includes three phases: realizing core functionalities, developing core functionalities, and testing functionalities with customers. In order to realize prototypes successfully, methodical aspects of rapid IoT prototyping are used.
First of all, this chapter explains the motivation behind rapid prototyping and provides an introduction to the approach. The concept of rapid IoT prototyping is based on the idea of developing short-cycle solution variants on the basis of benefit hypotheses or benefit promises and user stories focusing on them. The aim is to achieve data acquisition, aggregation, linkage, processing, and finally visualization by developing it in a vertically integrated manner. Once this is accomplished, the prototype can be evaluated with customers, which also makes it possible to put the benefit hypotheses to the test. Finally, the collected customer feedback can be incorporated more quickly into the development process of new prototype versions, leading to a continuous improvement of the user experience as well as a constant focus on prioritizing the user. Another component of rapid IoT prototyping is working and thinking in terms of minimum viable products (MVP), i.e., solutions that do not meet all of the defined requirements in the first iteration, but are nevertheless already functional. [https://link.springer.com/chapter/10.1007/978-3-030-58182-4_6]
Lernen aus Daten
(2019)
Die Verfügbarkeit von Daten in Unternehmen ist in den vergangenen Jahren stark angestiegen und wird aufgrund der vernetzten Digitalisierung immer weiterwachsen. Unternehmensintern werden Daten in verschiedensten Abteilungen für die verschiedensten Prozesse in unterschiedlichsten Formaten und Qualitäten erzeugt: Klickdaten im Marketing, Testdaten in der Entwicklung, Maschinendaten in der Produktion oder Kundennutzungsdaten der eigenen Produkte und Services. Die Verwertung der Daten beschränkt sich heute oft auf abteilungsinterne Fälle. Das liegt daran, dass andere Abteilungen weder Transparenz über verfügbare Daten haben noch diese erhalten. Eine zusätzliche Herausforderung besteht darin, dass einige Anwendungssysteme eine übergreifende Datennutzung nicht zulassen, weil sie Daten in proprietären Formaten anbieten. Unternehmen fehlen damit die Voraussetzungen für optimierte Prozesse, moderne Kundenkommunikation und durchgängig datenbasierte Services. Es muss daher eine unternehmenseinheitliche Strukturierung der Datenverwaltung geschaffen werden.
In der Smart-Service-Welt-Veröffentlichung der acatech von 2015 wird beschrieben, dass „Deutschland nur mit führenden softwaredefinierten Plattformen und Serviceplattformen zum digitalen Marktführer bei Smart Services aufsteigen kann". Mit diesen Plattformen können auf Datenanalysen basierende Services neu erstellt oder Produkte für den Kunden automatisiert individualisiert werden, wie zum Beispiel eine prädiktive Überwachung der Produkte oder die Einführung eines Software-Marktplatzes. Um dieses Ziel zu erreichen, haben Unternehmen eigene Softwarelösungen entwickelt. Der Betrieb solcher Software erfordert jedoch einen hohen Aufwand in der Pflege.
Es wird ein besseres Verständnis für Qualitätskontroll- und Materialmanagementstrategien für IoT-Startups zu erlangt. Dazu werden Abnahmeprüfungssysteme und Materialmanagementstrategien von ProGlove, einem Produzenten von tragbaren Technologien, analysiert. Fokus wird dabei auf die Implementierung von auf Materialmanagement basierten Kanban-Karten-Systemen gelegt. Die Thesis wird ein Acceptance Quality Limit (AQL) implementieren.
Development of a phase model for the implementation of an IoT-platform within a production company
(2019)
Industry 4.0 & Digital Transformation: Importance of Bit Data and relevant Technologies; Digitazation, digital transformation and digitazation become more significant for manufacturing industries; Declaration of Industry 4.0 in 2011; Developments of novel technologies. Shift from Pipeline Models to Platform-based Business Models: The traditional pipeline business models are now seen as alack of connectivity and closed-loop models; Platform based business models are disrupting the economies and business models including manufacturing sector; Growth of business ecosystem culture. Growth of Industrial IoT: A reflection of platform model in production; Technical advantages of IIoT; Monetization opportunities of IIoT; Challenging competition environment in manufacturing companies. Purpose of the Study: Bringing concrete understanding to the technology; Merging the reference models (RAMI & IICA); Simplfying the platform implementation processes in an enterprise; Resolving broad range of concerns; Objective approach; Discussions for further developments; Systematical roadmap based on a Project management approach.
Trotz des enormen wirtschaftlichen Potenzials, das durch datenbasierte Geschäftsmodelle beziffert wird, fokussieren Unternehmen der Lebensmittelindustrie weiterhin traditionelle, produktzen- trierte Geschäftsmodelle. Die Digitalisierung wird lediglich als Möglichkeit zur internen Optimierung von Produktions- und Serviceprozessen gesehen. Große Mengen heute verfügbarer Daten entlang der gesamten Wertschöpfungskette bieten jedoch über die reine Effizienzsteigerung hinaus die Chance, eine mehrwertstiftende Datenökonomie in der Lebensmittelindustrie zu schaffen. Ziele des Forschungsprojekts ‚EVAREST‘ sind die Entwicklung und Verwertung von Datenprodukten im Ökosystem der Lebensmittelproduktion. Auf Basis einer herstellerübergreifenden, offenen Datenplattform so- wie begleitend entwickelter ökonomischer und rechtlicher Nutzungskonzepte werden die (rechts-) sichere Verwertung von Daten als Wirtschaftsgut und die Bereitstellung nutzerspezifischer Smart Services für verschiedene Anspruchsgruppen angestrebt. Das Verbundprojekt ‚EVAREST‘ wird durch das Bundesministerium für Wirtschaft und Energie (BMWi) mit dem Kennzeichen 01MT19003A gefördert und vom Projektträger DLR betreut.