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)
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.
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.
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.).
Crisis situations can lead to extreme consequences for society and the economy, such as the disruption of supply chains and the collapse of critical infrastructure. The challenge for optimal crisis preparation lies in the unpredictability of causes, duration and scope, and severity. AI-based resilience services can aid in crisis preparation by providing software-based warnings, recommendations, and countermeasures. The aim of this paper is to present a method for evaluating such services in terms of their usefulness and acceptance. A questionnaire is presented, and the results of its piloting phase are disseminated. With these results, existing and projected AI-based services for crisis prevention can be evaluated.
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.
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
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.
Dieses Forschungs- und Entwicklungsprojekt wurde durch das Bundesministerium für Bildung und Forschung (BMBF) im Rahmen des Programms „KMU-innovativ: Produktionsforschung“ (Förderkennzeichen 02K19K010) gefördert und vom Projektträger Karlsruhe (PTKA) betreut. Die Verantwortung für den Inhalt dieser Veröffentlichung liegt bei den Autoren.
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.