Stefan Kokorski
Refine
Year of publication
- 2023 (5) (remove)
Document Type
- Part of a Book (1)
- Contribution to a Periodical (3)
- Working Paper (1)
Language
- German (2)
- Multiple languages (3)
Is part of the Bibliography
- no (5)
Keywords
- 01 (4)
- 02 (1)
- AI (1)
- AR-Format (1)
- AR-Plattform (1)
- AR-Technologie (1)
- Additive Fertigung (1)
- Akzeptanz (1)
- Augmented Reality (1)
- Datenintegration (1)
- Datenmodell (1)
- Digitalisierung (1)
- IIoT (1)
- Industrie 4.0 (1)
- Instandhaltung (2)
- Instandhaltungsplanung (1)
- KI (1)
- Komplexitätsmanagement (2)
- Künstliche Intelligenz (1)
- Maintenance (1)
- Predictive Maintenance (1)
- Predictive maintenance (1)
- Serviceprozess (1)
- Smart maintenance (1)
- artificial intelligence (1)
- complexity management (2)
- industrial services (1)
- industrielle Dienstleistungen (2)
Institute
Ziel des Forschungsprojekts ‚DM4AR‘ war es zum einen, eine AR-Plattform (Datenintegration, Schnittstellen und Datenmodell) zu schaffen, die der automatisierten Aufbereitung und Umwandlung der Daten in ein gängiges AR-Format dient. Zum anderen sollten die Mitarbeitenden mit geeigneten Ziel- und Anreizsystemen sowie Referenzprozessen in der Bereitstellung von implizitem Wissen unterstützt werden.
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.
Das Projekt ‚KI-LIAS – Künstliche Intelligenz für lernförderliche industrielle Assistenzsysteme (Laufzeit: 23.11.2020 – 22.11.2023) diente dem Ziel, die Einbindung digitaler und KI-unterstützter Produkte wie etwa Apps als Entscheidungsunterstützung in der Industrie zu untersuchen und ein Lebenszyklusmodell dieser Produkte von der Einführung bis zur Nutzung zu entwickeln. Vor allem kleine und mittlere Unternehmen
(KMU) stehen bei der Einführung von Künstlicher Intelligenz (KI) vor erheblichen Herausforderungen und können nun von den Projektergebnissen und den dezidiert validierten Handlungsempfehlungen des Projekts ‚KI-LIAS‘ profitieren.
Die Dienstleistungswende und die steigende Individualisierung machen die stetige Erweiterung von Serviceportfolien unerlässlich. Doch gleichzeitig wird damit die Übersichtlichkeit des Portfolios geringer und es entstehen Kosten, die sich direkt oder indirekt langfristig in den Bilanzen von Unternehmen niederschlagen. Zu Beginn unseres Projekts ‚KomID‘ wurden hierzu die größten Komplexitätstreiber identifiziert und diese im Rahmen einer Fragebogenstudie validiert. Im nächsten Schritt werden Lösungsansätze erarbeitet. Zur Lösung dieser Probleme und als Antwort auf die Komplexitätstreiber wurden bereits erste Ansätze wie die KI-geführte Beantwortung von Support-Anfragen aufgenommen. Gemeinsam mit dem Forschungsinstitut für Unternehmensführung, Logistik und Produktion der Technischen Universität München erforscht das FIR im Projekt ‚KomiD – Komplexitätsmanagement industrieller Dienstleistungssysteme‘ diese Lösungsansätze.
Stets praxisnah ausgerichtet, hat die Fachgruppe Smart Maintenance am FIR zwei Formate etabliert: Gemeint sind der Branchenindikator Instandhaltung und der gleichnamige Arbeitskreis. Beide dienen als Grundlage für den Transfer aus der anwendungsnahen Forschung im Bereich Smart Maintenance, liefern Impulse für Industriepartner:innen und bieten den Raum für eine Diskussion unter Praktiker:innen.
Diese Formate dienen gleichzeitig als Ideen- und Austauschplattform.