Refine
Document Type
- Book (2)
- Part of a Book (2)
- Conference Proceeding (17)
- Contribution to a Periodical (8)
- Lecture (1)
- Internet Paper (3)
- Report (3)
- Working Paper (2)
Language
- German (17)
- English (17)
- Multiple languages (4)
Is part of the Bibliography
- no (38) (remove)
Keywords
- 01 (1)
- 02 (7)
- 03 (1)
- 04 (1)
- 5G (4)
- ADAM (2)
- AI (2)
- Agriculture (1)
- Artificial intelligence (1)
- Ausbildung (1)
Institute
Aufgrund der überwältigenden Menge an Informationsquellen wird ein systematisches Technologiemanagement, insbesondere für KMU, immer schwieriger. Daher hat das Projekt ‚TechRad‘ zum Ziel, den Technologiescouting-Schritt in diesem Prozess durch einen softwareplattformbasierten Radar zu automatisieren, der KMU eine permanent aktuelle, individuelle Übersicht über verfügbare Technologien bereitstellt. Der TechRadar wird durch KI-Algorithmen automatisch Daten aus relevanten Quellen sammeln, die Relevanz der jeweiligen Technologie (d. h. ihren Reifegrad) bewerten und diese dann auf einer Radarkarte visualisieren. Als Teilziel dieses Projekts muss eine intuitiv zu bedienende grafische Benutzeroberfläche entwickelt werden. Die Anforderungsaufnahme dafür wird häufig in einem Wireframing-Workshop durchgeführt. Die Umstellung des normalerweise physischen Workshop-Formats auf ein virtuelles ist Hauptthema des Artikels. 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 vernetzte Digitalisierung als Befähiger für Intelligente Produkte und datenbasierte Geschäftsmodelle stellt Unternehmen vor zahlreiche und vielfältige Herausforderungen auf dem Weg durch die digitale Transformation. Zur Unterstützung dieser Unternehmen wurden in den vergangenen Jahren diverse Referenzarchitekturmodelle entwickelt. Eine detaillierte Analyse derselben und insbesondere ihrer Nutzung durch Unternehmen zeigte schnell, dass aktuell bestehende Referenzmodelle große Schwächen in der Praxistauglichkeit aufweisen. Mit dem Aachener Digital-Architecture-Management (ADAM) wurde ein Framework entwickelt, das gezielt die Schwächen bestehender Referenzarchitekturen adressiert und ihre Stärken gezielt aufnimmt. Als holistisches Modell, speziell für die Anwendung durch Unternehmen entwickelt, strukturiert ADAM die digitale Transformation von Unternehmen in den Bereichen der digitalen Infrastruktur und der Geschäftsentwicklung ausgehend von den Kundenanforderungen. Systematisch werden Unternehmen dazu befähigt, die Gestaltung der Digitalarchitektur unter Berücksichtigung von Gestaltungsfeldern voranzutreiben. Die Beschreibung der Gestaltungsfelder bietet einen detaillierten Einblick in die wesentlichen Aufgaben auf dem Weg zu einem digital vernetzten Unternehmen. Dabei stellt das Modell nicht nur eine Strukturierungshilfe dar, sondern beinhaltet mit den Gestaltungsfeldern einen Baukasten, um das Vorgehen in der digitalen Transformation zu konfigurieren. Das Vorgehen differenziert zwischen der Entwicklung der Digitalisierungsstrategie und der Umsetzung der Digitalarchitektur. Drei unterschiedliche Case-Studys zeigen zudem auf, wie ADAM in der Industrie konkret genutzt, welche Strukturierungshilfe es leisten und wie die digitale Transformation konfiguriert werden kann. Durch die Breite und Tiefe von ADAM werden Unternehmen befähigt, den Weg der digitalen Transformation systematisch und strukturiert zu bestreiten, ohne die wertschöpfenden Bestandteile der Digitalisierung außer Acht zu lassen. Dies qualifiziert ADAM zu einem nachhaltigkeitsorientierten Framework, da es die wirtschaftliche Skalierung, die bedarfsgerechte Anpassung und die zukunftsgerichtete Robustheit von Lösungsbausteinen in den Fokus der digitalen Transformation rückt.
Der Einsatz Intelligenter Produkte versetzt produzierende Unternehmen in die Lage, ihre Kunden auf Basis der entstehenden Nutzungsdaten zu verstehen und daraus erfolgreich Mehrwertdienste abzuleiten. Im Rahmen der neuen Konsortialbenchmarkingstudie ‚Intelligente Produkte‘ wollen wir gemeinsam mit einem Konsortium aus unterschiedlichen Industrieunternehmen die technische Umsetzung Intelligenter Produkte und die dazugehörigen Mehrwertdienste sowie Aspekte der wirtschaftlichen Realisierung im Rahmen eines erfolgreichen Geschäftsmodells beleuchten.
Manufacturing companies face the challenge of selecting digitalization measures that fit their strategy. Measures that are initiated and not aligned with the company’s strategy carry the risk of failing due to lack of relevance. This leads to an ineffective use of scarce human and financial resources. This paper presents a target system to help companies select relevant digitalization measures compliant with their strategy for IT-OT-integration projects. The target system was developed based on literature research and expert interviews, and later validated in two use cases. The target system considers the goals of production companies and combines them with digitalization measures. The measures are classified by different maturity levels required for their realization. Thus, the target system enables manufacturing companies to evaluate digitalization measures with regards to their strategic relevance and the required Industrie 4.0 maturity level for their realization. This ensures an effective use of resources.
The number of available technologies is constantly rising. Be it additive manufacturing, artificial intelligence (AI) or distributed ledger technologies. The choice of the right technologies may decide the fate of a company. Due to the overwhelming amount of information sources, regular technology market research becomes increasingly challenging, especially for SMEs. In order to assist the technology management process, the authors will introduce the architecture of an automated, AI-based technology radar. The architecture will automatically collect data from relevant sources, assess the relevance of the respective technology (i.e. their maturity level) and then visualize it on the radar map.
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.
This paper addresses the challenge of modelling individual cyber-physical systems (CPS) for small and medium-sized enterprises (SMEs) in manufacturing industries. CPS are key technology building blocks for the implementation of Industrie 4.0. Especially for SMEs the increase of production efficiency and reduction of manufacturing costs through CPS offer potential to maintain their competitiveness and innovation capacity. Although SMEs perceive the potential of CPS, they often lack financial and human resources to acquire the necessary CPS-competencies as well as an overview of all the currently available technological solutions. To overcome this issue a matching platform will offer SMEs support in finding suitable CPS-components by letting them express their functional and technical requirements. The matching logic is based on a set of morphologies that encompasses the functional and requirement spectrum of CPS-components. The matching algorithm analyses the input for congruence of requirements and available technologies and suggests suitable technology combinations. This paper describes the methodology of the matching platform, and introduces the research work to define and to develop the technology morphologies. The presented results facilitate the selection and configuration of CPS for SMEs.
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.
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.).
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.
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.
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.
In road haulage, transports are interrupted by truck drivers to comply with driving and rest times. On long-distance routes, these interruptions lead to a considerable increase in transport time. Transport interruption can be avoided by so-called relay traffic: a vehicle (e. g. semi-trailer) is handed over to a rested driver at the end of the driving time. This type of transport requires a certain company size. In Germany, however, transport companies have 11 employees on average. Intra-company relay traffic is therefore not economically viable for most transport companies. To organize an intermodal transport across forwarding companies, long-distance routes need to be split into partial routes to divide them between freight forwarders and carriers. This paper presents a data concept for an algorithm to find the best possible route sections along a previously defined start and endpoint. The developed data concept includes order-specific data, forwarder-specific data, real-time traffic data, geographical data as well as data from freight forwarding software and telematics to be the basis for the route sectioning algorithm. In this paper, different data sources, external services and logistic systems are analyzed and evaluated. It is shown which data is needed and what the best ways are to select and derive this data from the different data sources.
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.
Feasibility Analysis of Entity Recognition as a Means to Create an Autonomous Technology Radar
(2021)
Mit den neuesten Technologietrends auf dem Laufenden zu bleiben, ist für Fertigungsunternehmen eine entscheidende Aufgabe, um auf einem global wettbewerbsfähigen Markt erfolgreich zu bleiben. Die Erstellung eines Technologieradars ist ein etablierter, jedoch meist manueller Prozess zur Visualisierung der neuesten Technologietrends.
Der Herausforderung, Technologien zu identifizieren und zu visualisieren, widmet sich das Projekt TechRad, das maschinelles Lernen einsetzt, um ein autonomes Technologie-Scouting-Radar zu realisieren. Eine der Kernfunktionen ist die Identifizierung von Technologien in Textdokumenten. Dies wird durch natürliche Sprachverarbeitung (NLP) realisiert.
Dieser Beitrag fasst die Herausforderungen und möglichen Lösungen für den Einsatz von Entity Recognition zur Identifikation relevanter Technologien in Textdokumenten zusammen. Die Autoren stellen eine frühe Phase der Implementierung des Entity Recognition Modells vor. Dies beinhaltet die Auswahl von Transfer Learning als geeignete Methode, die Erstellung eines Datensatzes, der aus verschiedenen Datenquellen besteht, sowie den angewandten Modell-Trainings-Prozess. Abschließend wird die Leistungsfähigkeit der gewählten Methode in einer Reihe von Tests überprüft und bewertet.
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.
Digitalisierung findet überall in Unternehmen statt, jede Abteilung beschäftigt sich damit, die eigenen Prozesse effizient zu digitalisieren oder neue Geschäftsmodelle zu entwickeln. Gleichzeitig hat das Jahr 2021 gezeigt: Geht man dabei nicht mit Bedacht vor, steigt die Gefahr von Cyber-Angriffen und Datenschutzverstößen deutlich. Bei dieser Gradwanderung soll ausgerechnet das seit Jahren totgesagte EAM ein Baustein sein, um Unternehmen zu unterstützen? Wir sagen: Ja!
Allerdings muss EAM dafür die Besenkammer der IT verlassen und komplett neu gedacht werden. Viele existierende Methoden und Ansätze sind dabei sinnvoll und wertstiftend aber ohne einen entsprechenden sinnstiftenden Überbau und einer Integration von EAM in die Fachbereiche und Unternehmensprozesse kann EAM in der Praxis nicht gelingen. Nur bei einer Neuausrichtung der IT-Organisation, einer Neudefinition der notwendigen Kompetenzen und Veränderungen des Mindsets in EAM-Funktionen von Unternehmen kann diese echte Mehrwerte für das Gesamtunternehmen schaffen.
In diesem Vortrag skizzieren wir die Sicht des FIR e. V. an der RWTH Aachen darauf, wie man ein pragmatisches EAM gestaltet und wie man dieses in Unternehmensprozesse & -strukturen integriert.
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.
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.