Refine
Year of publication
Document Type
- Article (3)
- Book (4)
- Part of a Book (3)
- Conference Proceeding (25)
- Contribution to a Periodical (1)
- Internet Paper (2)
- Preprint (1)
- Report (1)
- Working Paper (3)
Is part of the Bibliography
- no (43) (remove)
Keywords
- 02 (5)
- 3GPP (1)
- 5G (5)
- 5G mobile communication (2)
- 5G use case (1)
- 5G-Mobilfunk (1)
- 5G-Technology (1)
- Abschlussbericht (1)
- Agriculture (1)
- BITKOM (1)
Institute
- Informationsmanagement (43) (remove)
Anwendungsfälle wie intelligente Routenoptimierung und fortschrittliche Simulationsalgorithmen repräsentieren das riesige Einsatzspektrum von Methoden der künstlichen Intelligenz. Steigende Anforderungen an Liefertermintreue, Flexibilität und Transparenz wie bspw. Emissionsverfolgung, erfordern zunehmend den Einsatz von KI. Die Nutzung dieser Schlüsseltechnologie und die Hebung der Potenziale scheitern oft an der Komplexität in Bezug auf die Eingrenzung und Identifikation von wirtschaftlich relevanten Anwendungsfällen. Unternehmen müssen den Business Fit zwischen den wirtschaftlichen Erfolgsaussichten und den dafür benötigten digitalen Bausteinen herstellen. Mit dem Digital-Architecture Management lassen sich die relevanten KI-basierten Anwendungsfälle identifizieren und eine Roadmap aufbauen, um die datenbasierte Entscheidungsfähigkeit in der Logistik zu verbessern.
Industrie 4.0 ist in Politik, Medien, Wissenschaft und Wirtschaft derzeit omnipräsent. Intelligenter, individueller, effizienter, schneller, vernetzter – so lauten nur einige Versprechen dieses neuen industriellen Zeitalters. Tatsächlich sind die Potenziale gerade für den deutschen Maschinen- und Anlagenbau gewaltig: Sowohl für Anbieter als auch für Anwender von Technologien rund um das Thema Industrie 4.0. Aber noch existieren viele ungelöste Fragen, Unsicherheiten und Aufgaben. Hier wollen wir mit unserer Readiness-Studie ansetzen und Hilfestellung leisten. Denn ein Selbstläufer wird Industrie 4.0 nicht. Mit der vorliegenden Studie soll die große Vision näher an die betriebliche Realität gebracht werden. Auch zeigen wir die anspruchsvollen Wegmarken auf, die für viele Unternehmen hinsichtlich ihrer Industrie 4.0-Fähigkeit noch zu passieren sind. Die Studie untersucht, an welcher Stelle der Maschinen- und Anlagenbau aktuell bei der Umsetzung steht. Motivation und Hemmnisse der Unternehmen werden ebenso in den Blick genommen wie die Unterschiede, die sich zwischen Mittelstand und großen Unternehmen ergeben. Im Ergebnis ist es erstmals möglich, die „Industrie 4.0-Readiness“ der Maschinenbau-Industrie detailliert und systematisch abzubilden.
Industrie 4.0 is all around us today: in politics, in the media, and on the agendas of researchers and entrepreneurs. Smarter, faster, more personalized, more efficient, more integrated – those are just some of the promises of this new industrial era. The potential, especially for Germany ́s mechanical
engineering industry and plant engineering sector, is indeed great, both for providers and for users of technologies across the spectrum of Industrie 4.0.
But there are still many unresolved questions, uncertainties, and challenges. Our readiness study seeks to address this need and offer insight. Because Industrie 4.0 will not happen on its own.
This study is intended to bring the grand vision closer to the business reality. We also highlight the challenging milestones that many companies must still pass on the road to Industrie 4.0 readiness.
The study examines where companies in the fields of mechanical and plant engineering currently stand, focusing on what motivates them and what holds them back, and on the differences that emerge between small and medium enterprises on the one hand and large enterprises on the other.
The results make it possible for the first time to develop a detailed, systematic picture of Industrie 4.0 readiness in the engineering sector.
The study concludes with recommendations for action in the business community, complementing the diverse suite of programs and activities offered by VDMA’s Forum Industrie 4.0. We would like to take this opportunity to thank the two sponsors of this project from the VDMA Forum, Dietmar Goericke and Dr. Christian Mosch, whose efforts played a critical role in making this study a success.
We are convinced that Industrie 4.0 can become a success story for Germany’s engineering sector. May our “Industrie 4.0 Readiness” study do its part in this effort.
Nowadays, cyber physical systems support the improvement of efficiency in intralogistics by controlling and manipulating the production and logistic environment autonomously. Due to the complexity of the individual production processes, designing suitable cyber-physical systems based on their existing production environment is a challenge for companies.
This paper presents a new methodology on how to design cyber-physical systems conceptually to suit an individual production environment. Compared to existing design approaches, this methodology matches immediately the required functions to existing information and communication technology’s components insisting on the neutral assimilation of requirements.
Therefore, the requirement specification asks for needed functions in relating to offered functions of information and communication technology (ICT) components. The paper focusses the use case of implementing a cutting-edge mobile network technology into an existing tracking and tracing process.
Increasing the energy efficiency and meanwhile avoiding unplanned maintenance breaks are keys for manufacturing companies to stay competitive in the future. This paper presents an energy saving and maintenance cost reducing approach for manufacturing environments. The approach describes first occurring types of energy wastage within manufacturing and characterizes them in more detail. Including additional external information, the significance of an identified on-going wastage can be determined. Based on the type of wastage and the significance; concrete recommendations for measures to prevent the wastage are delivered. The identified wastage facilitates detecting inefficient operating mode as well as wearing and malfunctioning at machines. By using complex event processing technologies realtime information can forwarded directly to the responsible persons to enable quick reactions to prevent energy wastage and unplanned downtimes. The paper presents an approach to identify detection and propose concepts for manufacturing enterprises. The information processing procedure is used for the implementation of two Use Cases.
In recent years supply chain participants are increasingly suffering the effects of disturbances in transportation supply chains. Both, dynamics in consumer demands and global supply chains lead to a growth in unplanned supply chain events. These can cause from rather manageable disturbances through to complete break-downs of transportation chains, resulting in high follow-up and penalty costs.
Consequently, concepts for an efficient supply chain disturbance management are needed, preferably with a real-time identification and reaction to disturbance events. Therefore in the following paper the research results of the German research project Smart Logistic Grids with the focus on designing an integrated model for the real-time disturbance management in transportation supply networks are presented. This includes the introduction of elaborated classification models for disturbances and action patterns as well as an associated costs and performance measurement system. Finally, a procedure model for the disturbance management is presented.
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.
Künstliche Intelligenz (KI) hat sich über die letzten Jahre stetig zu einem Thema mit strategischer Priorität für Unternehmen entwickelt. Das zeigt sich nicht zuletzt in der gesteigerten Investitionsbereitschaft deutscher Unternehmen in KI-Projekte. Wirtschaftliche Akteure haben erkannt, dass durch eine sinnvolle Nutzung von KI-Technologien Wettbewerbsvorteile erzielt werden können. Die vorliegende Studie legt das Augenmerk auf den industriellen Einsatz einer KI-Technologie, die bereits heute von vielen Unternehmen erfolgreich genutzt wird: Die natürliche Sprachverarbeitung (engl. Natural Language Processing, kurz NLP). Die wirtschaftlichen Potenziale der Technologie liegen dabei in ihrer Fähigkeit, betriebliche Abläufe zu automatisieren und die Schnittstelle zwischen Mensch und Maschine zu verbessern und zu vereinfachen. Ziel der Studie ist es, die Potenziale der NLP-Technologie für Unternehmen nutzbar zu machen, indem konkrete Anwendungsfälle und allgemeine Handlungsempfehlungen sowie Nutzen und Risiken aufgezeigt werden.
Prinzipien zur erfolgreichen Umsetzung von KI-Geschäftsmodellinnovationen
In Zeiten des zunehmenden globalen Wettbewerbs und hoch vernetzter Wertschöpfungsketten entwickelt sich Künstliche Intelligenz zu einem immer wichtiger werdenden Wettbewerbsfaktor für Unternehmen am Wirtschaftsstandort Deutschland. Durch den Einsatz von KI-Verfahren können nicht nur interne Geschäftsprozesse kostensenkend optimiert, sondern auch neue, digitale Geschäftsfelder und -modelle erschlossen werden. Es lassen sich zum einen Trends identifizieren, denen der Einsatz von KI in deutschen Unternehmen folgt. Zum anderen zeigt sich, dass sich KI unterschiedlich stark auf verschiedene Dimensionen innovativer Geschäftsmodelle auswirkt. Insgesamt lassen sich so Prinzipien ableiten, die die erfolgreiche Umsetzung von KI-Geschäftsmodellinnovationen beschreiben.
Neue Technologie- und Anwendungstrends kennzeichnen KI-Nutzung
Die tatsächliche KI-Landschaft in den Wertschöpfungsketten von KI-nutzenden Unternehmen ist durch Trends gekennzeichnet. Diese lassen sich in Technologie- und Anwendungstrends unterteilen. Experteninterviews zeigen beispielsweise, dass KI-Anwendungen bevorzugt auf Cloud-Infrastrukturen entwickelt und bereitgestellt werden. Das wiederum rückt die Frage nach der Wahrung der Datensouveränität in den Vordergrund. Anwendung findet KI tendenziell zur Prognose und Überwachung.
Sechs Prinzipien beeinflussen die erfolgreiche Umsetzung von KI-Geschäftsmodellinnovationen
Fallstudien über ein breites Spektrum der deutschen Wirtschaft beleuchten, welche Aspekte eines KI-basierten Geschäftsmodells den größten Effekt auf das Unternehmen haben. Hier lässt sich ein besonders hoher Einfluss von KI auf das Nutzenversprechen neuartiger, digitaler Leistungen der Unternehmen an die Kundinnen und Kunden feststellen. So lassen sich sechs Erfolgsprinzipien zur erfolgreichen Implementierung von KI-Technologien identifizieren, um die wirtschaftliche Nutzung von KI für Unternehmen in Deutschland im globalen Wettbewerb weiter zu steigern. So empfiehlt es sich zum Beispiel – neben der Auswahl des richtigen KI-Anwendungsfalles – ebenfalls darauf zu achten, dass die KI-Anwendung sowohl den Anbietenden wie auch den Anwendenden nützt. Diese und weitere Erfolgsprinzipien werden detailliert in der Studie Künstliche Intelligenz – Geschäftsmodellinnovationen und Entwicklungstrends beschrieben.
Künstliche Intelligenz (KI) hat als Technologie in den vergangenen Jahren Marktreife erlangt. Es existiert eine Vielzahl benutzerfreundlicher Produkte und Services, welche die Anwendung von KI im Alltag und im Unternehmen vereinfachen. Die Herausforderung, vor denen Anwendende, gerade im betriebswirtschaftlichen Kontext, stehen, ist nicht die technische Machbarkeit einer KI-Applikation, sondern deren organisatorisch und rechtlich zulässige Gestaltung. Zu einer zunehmenden Dynamik in der Gesetzgebung kommt ein gesellschaftliches Interesse an der Kontrolle und Transparenz über die für KI-Modelle erhobenen Daten. Die Diskussion über Datensouveränität im geschäftlichen und privaten Alltag rückt mehr und mehr in das Zentrum der öffentlichen Aufmerksamkeit.
Datenbasierte KI-Anwendungen stehen damit in einem Spannungsfeld zwischen den Potenzialen, die das Erheben und Teilen von Daten über Unternehmensgrenzen hinweg bietet, und der Herausforderung, die Datensouveränität der involvierten Personen zu wahren. Die vorliegende Studie soll erstens über die Auswirkungen der Datensouveränität und die damit verbundenen aktuellen und kommenden Regularien auf KI-Anwendungsfälle aufklären. Dafür wurden Expertinnen und Experten aus den Bereichen Recht, KI- und Organisationsforschung befragt. Zweitens zeigt die Studie Potenziale und Best Practices von KI-Anwendungsfällen mit überbetrieblichem Datenaustausch auf. Dafür wurden Fallstudien in Unternehmen durchgeführt, die bereits erfolgreich Datenaustausch in ihre Geschäftsmodelle integriert haben, um ihre KI-Applikationen zu betreiben und zu verbessern.