Refine
Document Type
- Conference Proceeding (1)
- Contribution to a Periodical (1)
- Master's Thesis (1)
- Report (1)
Language
- German (2)
- English (1)
- Multiple languages (1)
Is part of the Bibliography
- no (4)
Keywords
- 01 (2)
- 02 (1)
- 03 (1)
- AR (1)
- Anreizsysteme (1)
- Augmented reality (1)
- Datenaufbereitung (1)
- KI (2)
- Künstliche Intelligenz (2)
- Lifecycle-based information model (1)
Institute
In einer sich ständig verändernden Welt, die geprägt ist vom demografischen Wandel, von den Anforderungen einer Wissensgesellschaft und einem immer akuter werdenden Fachkräftemangel, bedarf es innovativer Lösungen mehr denn je. Solch eine Lösung gelang im Verbundprojekt ‚DM4AR‘, das Ende Mai 2023 erfolgreich beendet werden konnte. Mit der Entwicklung einer AR-Plattform, die individuelles Wissen in organisatorischen Mehrwert transformiert, beantwortete das DM4AR-Projektteam diese Herausforderungen. Die DM4AR-Plattform sammelt, verarbeitet und teilt Expert:innenwissen, was zu effizienterem und ressourcenschonenderem Arbeiten im industriellen Service führt. Somit ermöglichen die Projektergebnisse von DM4AR einen wichtigen Fortschritt in der Nutzung von Augmented Reality zur Wissenskonservierung, -erweiterung und -weitergabe.
Ziel des Forschungsprojekts ‚DM4AR‘ war es, Servicewissen skalierbar und einfach nutzbar zu machen, indem automatisch Augmented-Reality-Inhalte aus verschiedenen Datenquellen generiert werden.
Nutzen für die Zielgruppe:
Durch die Ergebnisse des Projekts ‚DM4AR‘ kann zukünftig die wesentliche Barriere für die flächendeckende und produktive Nutzung der AR-Technologie durch die Etablierung eines plattformbasierten und automatisierten Ansatzes zur Datenaufbereitung überwunden werden. Dabei steht die einfache Integration in den operativen Serviceprozess im Vordergrund, um den Nutzen zu maximieren und die Umstellung der Serviceprozesse zu vereinfachen. Die ‚DM4AR‘-Ergebnisse ermöglichen somit die Sicherung und den gezielten Einsatz des im Unternehmen vorhandenen Wissens.
Information Requirements for Data-Driven Upgrade Engineering to Enable an Upgrade Circular Economy
(2025)
In today’s environment, organizations face mounting challenges to reconcile eco-nomic efficiency with ecological responsibility and social sustainability. Upgrade Engineering offers a promising alternative to traditional maintenance strategies by combining technical upgrades with broader organizational and strategic sustaina-bility goals. Through a qualitative and exploratory research design that includes in-depth expert interviews across various industrial sectors and a systematic liter-ature review, a lifecycle-based information model was developed. This model de-scribes the information and data needs from the planning stage through construc-tion, usage, and improvement phases. The findings reveal that adopting an inte-grated data infrastructure that captures both quantitative sensor readings and qual-itative expert feedback is essential for effective decision-making and continuous improvement. The study concludes with practical recommendations and empha-sizes the necessity of interdisciplinary collaboration. Future research should fur-ther investigate interrelationships between the information collected in the plant life cycle phases and the technical, economic, and social dimensions of Upgrade Engineering in order to be able to steer upgrade decisions even more effectively.
