Open Access

The research outlines a concept to conduct the double materiality assessment through the synergistic use of Generative AI and the AHP method. In the first step, we employ interactive, moderated workshops as our chosen methodology to create a tailored set of sustainability target criteria. This process is enriched by the inclusion of Generative AI. The outcome is a comprehensive set of company-specific sustainability target criteria.

Im Rahmen des Forschungsprojekts ‚IPPSLaBeM‘ (Intelligente Produktionsplanung und -steuerung für das Laser-Beam-Melting) entwickelt das FIR an der RWTH Aachen in Kooperation mit dem Fraunhofer IAPT ein Produktionsplanungstool für die additive Fertigung (AM). Durch einen Simulations- und KI-Ansatz soll der manuelle Aufwand zur Fertigungsplanung minimiert und die Anlagenauslastung erhöht werden. Miteinbezogen werden Expertinnen und Experten von Anlagenherstellern, Fertigungsdienstleistern und Softwareentwicklern aus der Industrie, um einen Planungsansatz für betriebliche Anwendungssysteme der PPS zu entwickeln. Nach einer Integration in die IT-Systemlandschaft anhand eines Usecase entsteht ein Leitfaden, sodass eine praktische Umsetzung in produzierenden Unternehmen selbstständig vorgenommen werden und ein Transfer der Erkenntnisse in die Wirtschaft erfolgen kann.

Die Kreislaufwirtschaft bietet erhebliche Potenziale im Kampf gegen den Klimawandel und Ressourcenknappheit, stellt jedoch auch produzierende Unternehmen vor bedeutende Herausforderungen. Die Neugestaltung der Produktionsprozesse revolutioniert den Produktlebenszyklus und verringert den Ressourcenverbrauch in der Produktion. Dennoch sehen sich produzierende Unternehmen bei der Umsetzung dieser Maßnahmen mit zusätzlichen Herausforderungen konfrontiert. Dazu zählen etwa die sinkende Zahlungsbereitschaft der Kund*innen für nachhaltige Produkte, eine geringere Wettbewerbsfähigkeit aufgrund fehlender langfristiger Profitabilität sowie ein erhöhter Produktionsaufwand. Bekannte Herausforderungen in Bezug auf den Produktionsaufwand sind unter anderem die Entwicklung effizienter Produktionsprozesse für Remanufacturing und Refurbishment (auch ReX-Prozesse genannt), einschließlich eines optimierten Demontageprozesses und einer funktionierenden rückwärtsgerichtete Logistik (engl. Reverse Logistics). Trotzdem sind noch nicht alle Herausforderungen bekannt, da viele erst während der Implementierung des ReX-Prozesses erkannt werden können. Daher wurden im Austausch mit verschiedenen Industriepartnern aus dem produzierenden Gewerbe die Herausforderungen bei der Implementierung von ReX-Prozessen identifiziert und kategorisiert. Dies unterstützt eine effiziente Einführung von ReX-Prozessen in einem produzierenden Unternehmen.

Die additive Fertigung, insbesondere das Laser-Beam-Melting (LBM), bietet großes Potenzial für eine wirtschaftlich flexible Produktion hochkomplexer Bauteile. Gleichzeitig stellt ihre Integration Unternehmen vor erhebliche Herausforderungen: Hohe Investitionen in Maschinen und Personal führen häufig dazu, dass Fertigungsaufträge an spezialisierte Dienstleister ausgelagert werden. Diese Dienstleister stehen nun vor der Herausforderung, trotz einer Vielzahl unterschiedlicher Fertigungsaufträge eine effiziente Auftragsabwicklung zu gestalten. Durch die komplexen Zusammenhänge in der Auftragsabwicklung liegt die durchschnittliche Maschinenauslastung derzeit jedoch bei unter 60 Prozent. Die Folge sind hohe Bauteilkosten, welche wiederum die breite industrielle Anwendung hemmen. Um die Auftragsabwicklung von LBM-Dienstleistern effizienter zu gestalten, wurde das Forschungsprojekt „Intelligente Produktionsplanung und -steuerung für das Laser-Beam-Melting“ (IPPSLaBeM) gestartet. Im Rahmen dessen wurde ein angepasster Auftragsabwicklungsprozess auf Basis des Aachener PPS-Modells entwickelt. Er zielt darauf ab, die Auftragsabwicklung entlang etablierter Best Practices systematisch zu strukturieren und dadurch Effizienz, Transparenz und Wirtschaftlichkeit zu steigern. Eine Orientierung am Referenzprozess ermöglicht nicht nur eine Senkung der Kosten durch verbesserte Prozessqualität, sondern eröffnet auch neue Chancen für die Digitalisierung und Prozessautomatisierung. Zur Integration der theoretischen Ansätze in den betrieblichen Ablauf wurde der vorliegende Leitfaden entwickelt. Er befähigt LBM-Dienstleister, ihre bestehenden Auftragsabwicklungsprozesse gezielt anhand des Referenzmodells anzupassen. Durch praxisnahe Handlungsempfehlungen unterstützt der Leitfaden KMU dabei, ihre ge-wachsenen Strukturen zu hinterfragen, zu transformieren und eine Grundlage für die digitale Transformation zu schaffen. Das Vorgehensmodell ist in drei Phasen unterteilt, die Unternehmen Schritt für Schritt bei der Anpassung ihrer Auftragsabwicklung an das Referenzprozessmodell unterstützen. Dabei beginnt das Vorgehensmodell mit der systematischen Überprüfung der Voraussetzungen und Rahmenbedingungen für die Anwendung des Vorgehensmodells. Sind diese sichergestellt, folgt eine Phase mehrschrittiger Handlungsanweisungen, die KMU befähigen, einen Teilbereich der eigenen Auftragsabwicklung zu modellieren sowie zu analysieren, Strategien zur Prozessangleichung aufzustellen und letztlich die Veränderungen im Unternehmen zu verankern. Die finale Phase dient der Reflexion der Vorgehensweise und der Entscheidung über das weitere Verfahren. Dadurch entsteht ein iteratives Vorgehen, welches zur kompletten Angleichung der Auftragsabwicklung führt.

Die Koordination von Material- und Informationsflüssen ist entscheidend für die Existenz von effizienten und nachhaltigen Netzwerken zwischen produzierenden Unternehmen und Logistikdienstleistern (LDL). Das Ergebnis des Forschungsprojekts ‚SynLApp‘ ist ein Assistenzsystem, mit dem die Zusammenarbeit zwischen Produktionsunternehmen und LDL unterstützt und gefördert werden kann. Die Hauptaufgabe des Tools ist es, gegenseitig den Auftragsstatus der Partner einzusehen, um Produktionsschwankungen sowie Maschinenausfälle zu erkennen und die Daten zu verarbeiten und aufzubereiten. Darauf basierend können optimierte Handlungsoptionen für die Unternehmen erstellt werden. Das SynLApp-Assistenzsystem reduziert die Kosten aller Beteiligten, indem es dabei unterstützt, Waren bedarfsgerecht an der Laderampe bereitzustellen. Neben der Entwicklung eines Befähigungsmodells für Unternehmen sind die modellierte Softwarearchitektur und die Implementierung einer Testumgebung die Kerninhalte des Projekts. In diesem Artikel werden die relevanten Projektergebnisse sowie dem Aufbau des Assistenzsystems und die mögliche Nutzung durch KMU diskutiert. Der SynLApp-Agent konnte bereits projektbegleitend von verschiedenen Unternehmen aus der Industrie validiert werden. Zudem dient das Projekt dem Aufbau zweier Demonstratoren, welche für Industrieinteressenten frei zugänglich sind. ‚SynLApp‘ ist ein weiteres gutes Beispiel dafür, wie zielführend Industrie-4.0-Technologien sein können.