Refine
Document Type
- Article (1)
- Book (2)
- Part of a Book (2)
- Conference Proceeding (18)
- Contribution to a Periodical (8)
- Lecture (1)
- Internet Paper (3)
- Report (4)
- Working Paper (2)
Language
- German (18)
- English (19)
- Multiple languages (4)
Is part of the Bibliography
- no (41)
Keywords
- 01 (1)
- 02 (8)
- 03 (2)
- 04 (1)
- 5G (4)
- 5G use case (1)
- 5G-Technology (1)
- ADAM (2)
- AI (3)
- Agriculture (1)
Institute
Feeding the growing world population is a scientific and economic challenge. The target variables to be optimised are the yield that can be produced on a given area and the reduction of the resources used for this purpose. High-wage countries are faced with the problem that the use of personnel is a significant cost driver. Developing countries, on the other hand, usually operate on much smaller field sizes, so that the work in the field is still strongly characterised by manual labour. One solution to meet these challenges is the use of smaller autonomous harvesting robots. These can be networked into a swarm of machines to work even larger fields. The networking of autonomous agricultural machines is a key use case for rural 5G networks. 5G technology can offer many advantages over older mobile communications standards and therefore make use cases more efficient or enable new ones. Various use cases are also conceivable in the field of agriculture, yet it is unclear how 5G networks can and must be specified for this purpose. In this paper, using the example of 5G-connected harvesters powered by swarm robotics, we present the challenges that have arisen and the specification that has been developed.
The agricultural industry is facing unprecedented challenges in meeting the growing demand for food while minimizing its impact on the environment. To address these challenges, the industry is embracing technological advancements such as 5G networks to improve efficiency and productivity. However, the benefits of 5G technology must be weighed against the costs of implementing a suitable network. This paper presents cost-benefit dimensions that are needed to assess the economic feasibility of implementing 5G networks for several agricultural applications. The paper describes the costs of deploying and maintaining a 5G network and the benefits of several 5G-specific use cases, including precision agriculture, livestock monitoring, and swarm robotics. Using industry reports and case studies, the model quantifies the benefits of 5G networks, such as enabling new digital agricultural processes, increased productivity, and improved sustainability. It also considers the costs associated with equipment and infrastructure, as well as the challenges of deploying a network in rural areas. The results demonstrate that 5G networks can provide significant benefits to agricultural businesses and provide an overview about the cost factors. Both benefit and cost dimensions are analyzed for the 5G-specific agricultural use cases.
Im Forschungsprojekt „Legitimise IT“ wurde ein einheitlicher Ansatz zur Nutzung von Schatten-IT für produzierende kleine und mittlere Unternehmen (KMU) entwickelt. Dadurch sollen KMU zur kontrollierten Legitimierung nutzenstiftender Schatten-IT unter Berücksichtigung vorhandener Risiken befähigt werden.
Schatten-IT ist in den meisten Unternehmen vorhanden. Durch den unkontrollierten Einsatz von Schatten-IT im Unternehmen entstehen zahlreiche Risiken, welche zu Ineffizienzen und Fehleranfälligkeiten bei den Betriebsabläufen führen können. Dabei wird die Entstehung von Schatten-IT nicht zuletzt durch die Schnelllebigkeit und Vielfalt der technologischen Entwicklungen weiter beschleunigt. Der Ansatz, durch eine strikte Vorgabe der Unternehmensführung lediglich auf genehmigte und zentral verwaltete IT-Anwendungen zurückzugreifen, um Schatten-IT zu unterbinden, hat sich in der unternehmerischen Praxis nicht bewährt. Bisherige Ansätze adressieren nicht die Gründe für die Notwendigkeit von Schatten-IT und bieten keinen organisatorischen und insbesondere technologischen Rahmen, um deren Vorteile unternehmerisch zu nutzen.
Daher wurde im Projekt ein Ansatz entwickelt, der einerseits die aufgezeigten Risiken minimiert und andererseits Mitarbeitenden die notwendigen Freiheiten für eigene, kreative Lösungen bietet. Damit Unternehmen ihre großen Herausforderungen bei der Abschätzung der Risiken- und Nutzenaspekte wie auch beim strikten Verzicht auf die eingesetzten Schatten-IT-Anwendungen bewältigen können, wird eine entsprechende Methodik gefordert.
Produzierende Unternehmen stehen vor der Herausforderung, die Digitalisierung ihrer Systemlandschaften nutzenorientiert auszurichten. Aufgrund der oftmals historisch gewachsenen Shopfloors und IT-Systeme sind die Möglichkeiten mit den bereits existierenden Bestandssystemen undurchsichtig. Eine Vielzahl an Anwendungsfällen ist bereits mit geringem Mehraufwand, im Kontrast zu umfassenden Neuanschafungen, umsetzbar. Entscheidend ist eine systematische Ermittlung von Handlungsbedarfen, die auf den individuellen Bestandssystemen und Zielsetzungen basieren. Ziel des Forschungsprojekts ‚MarryIT‘ ist es, KMU durch eine methodisch angeleitete Erfassung und Bewertung des IT-OT-Integrationsstands zu unterstützen. IT-OT-Integration beschreibt die Vernetzung der Shopfloorsysteme (OT-Systeme wie MES, Produktionsmaschinen, Sensoren, Waagen, Scanner etc.) mit den Officefloorsystemen (IT-Systeme wie IoT-Plattformen, ERP, PLM, Supply-Chain-Management-Systeme etc.).
Das Ziel des Forschungsprojekts ‚MarryIT‘ war es, KMU bei der Umsetzung von Industrie-4.0-Anwendungsfällen (sog. Nutzenpotenzialen) zu unterstützen. Sie sollen eine Entscheidungsgrundlage erhalten, die es ihnen ermöglicht, ressourcenschonend die auf Basis ihrer Ausgangssituation am besten geeigneten Nutzenpotenziale auszuwählen. Dies soll durch die gezielte und strukturierte Aufnahme der Ist-Landschaft im Unternehmen geschehen. Diese soll mit den gewählten Nutzenpotenzialen abgeglichen werden. Auf dieser Basis soll den Unternehmen eine Grundlage für eine erfolgreiche Investitionsentscheidung geboten werden, die die Unternehmen benötigen. So erhalten KMU die Möglichkeit, ihre begrenzten finanziellen Mittel unterstützt durch ein methodisches Vorgehen mit Bedacht einzusetzen und das Risiko einer Fehlinvestition zu umgehen.
Diese Zielsetzung wurde konkret durch die Entwicklung einer mobilen Anwendung umgesetzt, die es den Unternehmen ermöglicht, die in ‚MarryIT‘ entwickelte Methode anzuwenden. Dafür werden zunächst Nutzenpotenziale selektiert. Als nächstes wird mithilfe des entwickelten Steckbriefs die Ist-Systemlandschaft, bestehend aus IT-Systemen, Schnittstellen und OTSystemen, aufgenommen. Diese wird dann mit den ausgewählten Nutzenpotenzialen automatisiert abgeglichen. Daraus wird ersichtlich, welche Nutzenpotenziale direkt umsetzbar sind und welche Nutzenpotenziale welchen Übereinstimmungrad mit den anderen selektierten Nutzenpotenzialen aufweisen. Daraufhin wird die Schwierigkeit der Umsetzung für jedes Nutzenpotenzial für die Integration sowie konkrete Handlungsmaßnahmen zur Integration, auf Einzelsystemebene abgeleitet.
Vor sich finden Sie den Leitfaden zur Anwendung der „MarryIT“-Methodik zur Vernetzung der Systeme auf ihrem Shopfloor mit den Systemen auf Ihrem Office-Floor. Bei den Shopfloor-Systemen wird oft von OT-Systemen (Operational Technology) und bei den Office-Floor-Systemen von IT-Systemen gesprochen. Das Ziel ist es, die Anwendungsfälle (auch als Nutzenpotenziale bezeichnet) auszuwählen, die sich für eine Vernetzung eignen und mit der bestehenden Systemlandschaft ermöglicht werden können. Darüber hinaus können Sie mit der vorliegenden Methode gezielt entscheiden, wie Sie Ihre Systemlandschaft zur Realisierung der Anwendungsfälle weiterentwickeln können. Die Methode soll Ihnen helfen, diesen Prozess durch den Einsatz eines strukturierten Vorgehens anzugehen und dabei unterstützen, die für Sie besten Entscheidungen zu treffen. Sie können statt der analogen Variante ebenfalls die mobile Webanwendung zur Durchführung der Methode verwenden: marryit-tool.fir.de
Die Intransparenz in der eigenen Systemlandschaft und die Vielzahl an Industrie-4.0-Anwendungsfällen erschwerten KMU die nutzenorientierte Vernetzung von IT-Systemen und Shopfloor, die sogenannte IT-OT-Integration. Die richtige Auswahl von Digitalisierungsmaßnahmen mithilfe einer funktionalen und technischen Evaluation des Systembestands reicht häufig schon aus, um die vorhandenen Nutzenpotenziale zu heben. Im Forschungsprojekt ‚MarryIT‘ wurde eine Methodik entwickelt, die KMU gezielt bei der Aufnahme und Ableitung individueller Handlungsempfehlungen unterstützt. Mit Abschluss des Projekts im Mai 2021 wurde das Vorgehen zur vereinfachten Anwendung und Verfügbarkeit zusätzlich in ein Online-Tool (marryit-tool.fir.de) überführt, das nun kostenlos zur öffentlichen Nutzung bereitsteht.
Eine Herausforderung für produzierende Unternehmen in der Entwicklung intelligenter Produkte besteht darin, dass die Zielstellung, die mit einem intelligenten Produkt verfolgt wird, nicht expliziert ist. Zudem ist oftmals nicht spezifiziert, in welchem Anwendungsfall ein intelligentes Produkt agieren soll. Produzierende Unternehmen benötigen Unterstützung, um eine zielorientierte und folglich wirtschaftliche Melioration existierender Produkte zu gewährleisten. Ebendiese Melioration wird im Kontext von intelligenten Produkten als Smartifizierung bezeichnet und stellt damit einen Entwicklungsprozess dar, der ein bestehendes Produkt als Ausgangssituation im Sinne einer Anpassungskonstruktion expliziert. Die originäre Produktfunktion wird folglich nicht verändert, sondern das Produkt um digitale Funktionen und Dienstleistungen erweitert. Der Artikel befasst sich daher erstens mit der Beschreibung generischer Ziele für den Einsatz intelligenter Produkte im Maschinenbau. Eine Zusammenstellung und Erläuterung solcher Ziele unterstützt Unternehmen, eine Präzisierung der Zielfestlegung in der Initiierungsphase eines Smartifizierungsprojekts durchzuführen. Zweitens wird unter Anwendung der Ziel-Mittel-Beziehung ein Anwendungsfall intelligenter Produkte beschrieben. Abschließend werden beide Aspekte in einer Methode zusammengefasst, wie mittels Ziel- und Anwendungsfallbetrachtung Anforderungen abgeleitet und wie diese Elemente in Vorgehensmodelle der Produktentwicklung eingebettet werden können. Exemplarisch wird anhand einer Stanzmaschine aufgezeigt wie die Methode und die sich daraus ableitenden Ergebnisse im Smartifizierungsprozess zur Entwicklung einer intelligenten Stanzmaschine eingesetzt werden.
Welche Innovationen sind entscheidend für Ihr Unternehmen und wie ist deren Entwicklungsstand? Mit dem Projekt Techrad sollen auch KMU die Antwort auf diese Frage im Blick behalten können.
Techniktrends zu überblicken, ist für KMU oft nicht möglich, aber wettbewerbsentscheidend. Das Projekt Techrad arbeitet an einer Lösung dieses Dilemmas.
Fünf Unternehmen erarbeiten ein Technologieradar für KMU. NLP ist ein Teilgebiet Künstlicher Intelligenz und macht das Technologieradar erst möglich. Anwender erhalten von Techrad eine personalisierte Auswertung über die aktuell verfügbaren Technologien und deren Reifegrad.
Heutzutage steigen die Technologievielzahl und -vielfalt täglich an. Unternehmen, die sich im Zuge der Digitalisierung für die Einführung eines cyber-physischen Systems interessieren, müssen sich zu Beginn einen schnellen Überblick über den verfügbaren Technologiemarkt verschaffen, der sich stündlich ändert. Darauf ausgerichtet hat das Projekt TechRad zum Ziel, dieses Technologiescouting in Form eines plattformbasierten Radars zu automatisieren, welches eine permanent aktuelle Übersicht über verfügbare Technologien liefert. Die Befüllung der Plattform wird durch ein gezieltes Webcrawling nach Technologien realisiert. Das Entwicklungsvorgehen des Radars soll als Referenzmodell dienen, um zukünftigen Scouting-Plattformen einen Leitfaden zur schnellen und effizienten Entwicklung zur Verfügung zu stellen, und beinhaltet neben den technischen Vorgaben auch einen rechtlichen Rahmen, der bei dem Crawling von Daten berücksichtigt werden muss. Das Vorhaben IT-2-1-025a / EFRE-0801386 der Forschungsvereinigung FIR e. V. an der RWTH Aachen wird über den PTJ durch den europäischen Fond für regionale Entwicklung in NRW (EFRE) mit Mitteln der europäischen Union (EU) gefördert.
Die vorliegende Publikation soll dazu dienen, ein aktuelles Stimmungsbild der Industrie zu der Einführung von 5G einzufangen. Dazu wird analysiert, wie eine 5G-Einbindung in bereits bestehende IoT-Plattformen gelingen kann und welche Möglichkeiten zukünftig realisierbar werden. Dazu stellen wir fünf Hypothesen zum Einfluss von 5G auf IoT-Plattformen auf und leiten daraus ein Visionsbild eines 5G-Plattformkonzepts ab. Um den Einfluss der industriellen Einführung der Mobilfunkgeneration 5G auf IoT-Plattformen bewerten zu können, wurden sowohl Visionsbild als auch Hypothesen innerhalb strukturierter Interviews mit IoT-Plattformanbietern diskutiert und aufgearbeitet. Nachdem in Kapitel 2 die relevanten Grundlagen hinsichtlich des neuen Mobilfunkstandards 5G und Plattformen erarbeitet werden, werden in Kapitel 3 die Ergebnisse und Erkenntnisse der Interviews mit den Plattformanbietern zusammengefasst und erörtert. Basierend auf den Interviews geben wir einen Überblick über die konkreten Herausforderungen, das Interesse diverser Stakeholder und die aktuellen Entwicklungen rund um das Thema.
Der Technologie- und Trendradar 2022 enthält die neusten Technologien und Trends des vergangenen Jahres. Im aktualisierten Radar wurden die Technologiereifegrade in den Steckbriefen neu bewertet, die Anwendungen, Potenziale und Herausforderungen der Technologien wo nötig aktualisiert und neue Technologien aufgenommen.
Der Technologie- und Trendradar 2022 enthält elf neue Steckbriefe. Das Technologiefeld Vernetzung wurde um Eventgetriebene IT-Architekturen, Internet of Behaviors und Web3 erweitert. Dem Feld Virtualisierung wurde die Technologie Metaverse hinzugefügt. Das Technologiefeld Datenverarbeitung wurde um den Trend Data-Centric AI ergänzt, das Feld Prozesse um den Trend Digitale Souveränität. Im Technologiefeld Produkte wurden die Technologien Edge AI, Inter Planetary File System (IPFS), Photonische Siliziumchips, Soft-Robotik und Neuromorphic Computing aufgenommen.
Numerous traditional, agile and hybrid development approaches have been proposed for the development of CPS. As the choice of development process is crucial to the success of development projects, it has become a major challenge to identify the best-suited process. This paper introduces a methodology for identifying the best-suited CPS development process, based on the individual boundary conditions for a certain development project within a company. The authors used a set of eight indicators to assess a CPS-development project. The results of the assessment were matched with CPS-development approaches. Based on the matching results a best-suited development process was selected. The application is shown for a use case in the German manufacturing industry. The developed method aims to reduce the risk of project failure due to the wrong choice of development process.
Companies are transforming from transactional sales to providing solutions for their customers. Mostly, smart products, enabling companies to enhance their products by providing smart services to their customers, are a key building block in this transformation. However, the development of a smart product requires many digital skills and knowledge, which regular companies do not have. To facilitate the design and conceptualization of smart products, this paper presents a use-case-based information systems architecture prototype for smart products. Furthermore, the paper features the application and evaluation of the architecture on two different smart product projects. The use of such an architecture as a reference in smart product development serves as a huge advantage and accelerator for inexperienced companies, allowing faster entry into this new field of business. [https://link.springer.com/chapter/10.1007/978-3-031-14844-6_16]
Digital technologies have gained significant importance in the course of the 4th Industrial Revolution and these technologies are widely implemented, nowadays. However, it is necessary to bear in mind that an ill-considered use can quickly have a negative impact on the environment in which the technology is used. For more responsible and sustainable use, the regulation of digital technologies is therefore necessary today. Since the government is taking a very slow response, as the example of the AI Act shows, companies need to take action themselves today. In this context, one of the central questions for companies is: "Which digital technologies are relevant for manufacturing companies in terms of regulation? This paper conducted a quantitative Delphi study to answer this question. The results of the Delphi study are presented and evaluated within the framework of a data analysis. In addition, it will be discussed how to proceed with the results so that manufacturing companies can benefit from them. Furthermore, the paper contributes to the development of an AI platform in the German research project PAIRS by investigating the compliance relevance of artificial intelligence applications.
Digital technologies such as 5G, augmented reality, and artificial intelligence (AI) are currently being used in various ways by manufacturing companies. As the fourth industrial revolution progresses, it has become apparent that reckless use and inadequate regulation of these technologies have a detrimental effect on the environment in which they are utilized. Therefore, regulation of digital technologies is imperative today to ensure more responsible and sustainable use. While governments usually establish regulations, progress is not keeping pace with the demands and hazards of employing digital technologies. The European AI law serves as an example of the considerable distance yet to be covered before binding guidelines are established. Consequently, companies must take proactive measures today to ensure that they use digital technologies responsibly in their environments. In this context, identifying which digital technologies are pertinent to manufacturing companies in terms of regulation is crucial. Furthermore, a comprehensive approach is required to design compliance holistically for digital technologies and to systematically derive the corresponding guidelines. This paper introduces a set of models that not only determine the importance of
compliance in the application of different technologies but also present a framework for methodically designing compliance. Furthermore, the paper contributes to the development of an AI platform in the German research project PAIRS by investigating the compliance relevance of applications such as artificial intelligence.
Industry 4.0 is driven by Cyber-Physical Systems and Smart Products. Smart Products provide a value to both its users and its manufacturers in terms of a closer connection to the customer and his data as well as the provided smart services. However, many companies, especially SMEs, struggle with the transformation of their existing product portfolio into smart products. In order to facilitate this process, this paper presents a set of smart product use-cases from a manufacturer’s perspective. These use-cases can guide the definition of a smart product and be used during its architecture development and realization. Initially the paper gives an introduction in the field of smart products. After that the research results, based on case-study research, are presented. This includes the methodological approach, the case-study data collection and analysis. Finally, a set of use-cases, their definitions and components are presented and highlighted from the perspective of a smart product manufacturer.
Methods of machine learning (ML) are notoriously difficult for enterprises to employ productively. Data science is not a core skill of most companies, and acquiring external talent is expensive. Automated machine learning (Auto-ML) aims to alleviate this, democratising machine learning by introducing elements such as low-code / no-code functionalities into its model creation process. Multiple applications are possible for Auto-ML, such as Natural Language Processing (NLP), predictive modelling and optimization. However, employing Auto-ML still proves difficult for companies due to the dynamic vendor market: The solutions vary in scope and functionality while providers do little to delineate their offerings from related solutions like industrial IoT-Platforms. Additionally, the current research on Auto-ML focuses on mathematical optimization of the underlying algorithms, with diminishing returns for end users. The aim of this paper is to provide an overview over available, user-friendly ML technology through a descriptive model of the functions of current Auto-ML solutions. The model was created based on case studies of available solutions and an analysis of relevant literature. This method yielded a comprehensive function tree for Auto-ML solutions along with a methodology to update the descriptive model in case the dynamic provider market changes. Thus, the paper catalyses the use of ML in companies by providing companies and stakeholders with a framework to assess the functional scope of Auto-ML solutions.
Methods of machine learning (ML) are difficult for manufacturing companies to employ productively. Data science is not their core skill, and acquiring talent is expensive. Automated machine learning (Auto-ML) aims to alleviate this, democratizing machine learning by introducing elements such as low-code or no-code functionalities into its model creation process. Due to the dynamic vendor market of Auto-ML, it is difficult for manufacturing companies to successfully implement this technology. Different solutions as well as constantly changing requirements and functional scopes make a correct software selection difficult. This paper aims to alleviate said challenge by providing a longlist of requirements that companies should pay attention to when selecting a solution for their use case. The paper is part of a larger research effort, in which a structured selection process for Auto-ML solutions in manufacturing companies is designed. The longlist itself is the result of six case studies of different manufacturing companies, following the method of case study research by Eisenhardt. A total of 75 distinct requirements were identified, spanning the entire machine learning and modeling pipeline.