Add Thesis

Industry 4.0 from a technology adoption perspective

A case study at Sandvik Coromant

Written by E. Winberg, J. Ahrén

Paper category

Master Thesis

Subject

Business Administration>Management

Year

2018

Abstract

Masterarbeit: Die vierte industrielle Revolution zeichnet sich ab, in der die vernetzte und datengesteuerte Produktion das Potenzial hat, selbstoptimierende Fabriken zu schaffen, in denen Maschinen und Systeme in Echtzeit miteinander kommunizieren. Die Einführung neuer Technologien kann jedoch große Veränderungen mit sich bringen, aber auch Wettbewerbsvorteile für Unternehmen schaffen, was bei Industrie 4.0 sicherlich der Fall ist. Ziel der Studie war es, die Hauptfaktoren zu ermitteln, die sich auf die Einführung von Industrie 4.0 in Produktionsunternehmen auswirken, und herauszufinden, wie Probleme in automatisierten Produktionszellen durch die Einführung von Industrie 4.0-Konzepten reduziert werden können. Die Studie wurde als Fallstudie bei Sandvik Coromant durchgeführt, wo Beobachtungen und Interviews durchgeführt wurden. Die Studie ergab, dass es verschiedene Faktoren gibt, die sich auf die Einführung von Industrie 4.0 auswirken, und zwar technologische, organisatorische und externe/Umwelt-Faktoren. Im Hinblick auf die Technologie haben kleine Anwendungen, eine erhöhte Transparenz durch Vernetzung und eine verstärkte Integration von Informationssystemen positive Auswirkungen auf die Einführung von Industrie 4.0. Im organisatorischen Kontext müssen die Produktionsunternehmen digitale Kompetenzen erwerben, ihre IT-Organisation in ihre Produktion integrieren und die Kultur und Einstellung zur Einführung von Industrie 4.0 ändern. Darüber hinaus sind Standardisierung, Schaffung eines Ökosystems und IT-Sicherheit die wichtigsten externen/umweltbezogenen Aspekte, die die Einführung von Industrie 4.0 beeinflussen. Bei Sandvik Coromant wurden elf Probleme identifiziert, die durch die Umsetzung von Konzepten der Industrie 4.0 reduziert werden können. Die Studie schlägt die Nutzung von Konnektivität, Visualisierung und Datenanalyse vor, um diese Probleme zu reduzieren. Die Einführung neuer Technologien kann den Unternehmen, denen es gelingt, diese Technologien zu übernehmen, Wettbewerbsvorteile verschaffen, aber sie kann auch große Veränderungen auf dem Markt und in der Art und Weise, wie Unternehmen geführt werden, bewirken. Dazu gehören Veränderungen der internen Abläufe und des Kundenangebots, was die Unternehmen unter Druck setzt, diese neuen Technologien zu übernehmen (Lanzolla & Suarez, 2012). Unternehmen, die es versäumen, neue aufkommende Technologien zu übernehmen, können von erfolgreicheren Konkurrenten überholt werden. Tornatzky & Fleischer (1990) stellten fest, dass die Technologieübernahme nicht nur durch die Technologie selbst beeinflusst wird und dass eine Organisation auch andere Aspekte berücksichtigen sollte (Baker, 2011). Zur Beschreibung der Technologieübernahme in Organisationen schufen Tornatzky & Fleischer (1990) das Technology-Organisation-Environmental Framework, das anerkennt, dass bei der Technologieübernahme nicht nur der technologische Kontext selbst, sondern auch der organisatorische und umweltbezogene Kontext berücksichtigt werden muss (Baker, 2011). Wenn eine neue Technologie von Akteuren innerhalb einer Organisation genutzt werden soll, reicht es nicht aus, wenn die Organisation die Technologie nur übernimmt. Lanzolla & Suarez (2012) schlagen vor, dass Organisationen auch sicherstellen müssen, dass die übernommenen Technologien von den vorgesehenen Nutzern akzeptiert werden. Andernfalls riskieren Organisationen unnötige Anstrengungen und Investitionen in Technologien, die von den beabsichtigten Nutzern schließlich als überflüssig angesehen werden (Lanzolla & Suarez, 2012). Um Technologieakzeptanz zu ermöglichen, kann das Technologieakzeptanzmodell (TAM-Modell) verwendet werden, um zu erklären, wie Technologien von Nutzern akzeptiert werden. Es besagt, dass die Akzeptanz von zwei Hauptmerkmalen abhängt: der wahrgenommenen Nützlichkeit und der wahrgenommenen Benutzerfreundlichkeit (Davis, 1989).Die Produktionsindustrie war in der Vergangenheit mit zahlreichen Technologieeinführungen konfrontiert, von denen die wichtigsten in die vier industriellen Revolutionen eingeteilt werden. Diese Revolutionen haben in vielen Ländern technologische Fortschritte und eine Industrialisierung ermöglicht, die zu den heutigen Produktionssystemen geführt haben (Liao, et al., 2017). Die erste industrielle Revolution begann in der zweiten Hälfte des 18. Jahrhunderts mit der Einführung von Maschinen und mechanischer Produktion. Zu Beginn des 20. Jahrhunderts fand die zweite industrielle Revolution statt, die das Fließband und die elektrisch betriebene Massenproduktion einführte. Die dritte industrielle Revolution, die immer noch im Gange ist, begann in den 1970er Jahren und umfasst die Anwendung von Informationstechnologie und Elektronik in Produktionssystemen, um den Grad der Produktionsautomatisierung zu erhöhen. Die nächste industrielle Revolution, Industrie 4.0, wird in hohem Maße durch Internet, Digitalisierung und Technologie vorangetrieben, um ein weitaus intelligenteres und vernetztes Industriezeitalter zu ermöglichen (Kagermann, et al., 2013). Auch wenn die vierte industrielle Revolution noch nicht vollständig vollzogen ist, so wird doch erwartet, dass sie erhebliche Veränderungen in bestehenden Branchen und Organisationen bewirken wird. Viele Länder haben strategische Initiativen entwickelt und Milliarden von Euro bereitgestellt, um die Digitalisierung und den Übergang zur Industrie 4.0 zu unterstützen. Dazu gehören Länder wie Deutschland, Japan, die USA, das Vereinigte Königreich, Singapur und Schweden (Swedish Government Office, 2017) sowie die Europäische Union (Liao, et al., 2017), um nur einige zu nennen. Die bevorstehende industrielle Revolution, Industrie 4.0, könnte durch eine verstärkte Digitalisierung und eine bessere Abbildung der physischen Welt in den digitalen Systemen, die in der Produktion verwendet werden, eine noch anspruchsvollere Produktionsindustrie ermöglichen. Einige Merkmale von Industrie 4.0 sind, dass Maschinen und Prozesse in der Wertschöpfungskette selbstständig kommunizieren und agieren sowie optimierte und proaktive Entscheidungen treffen können (Kagermann, et al., 2013). 1 EINFÜHRUNG(96)2 ein großes Potenzial zur Kostensenkung und Effizienzsteigerung. In einer Umfrage unter 235 europäischen Herstellern glauben 36 %, dass Industrie 4.0 die Effizienz in 5 Jahren um 11-20 % steigern wird, während 37 % eine Effizienzsteigerung von über 20 % erwarten. In derselben Umfrage gehen 35 % der Produktionsunternehmen davon aus, dass Industrie 4.0 die Kosten um 11-20 % senken wird, während 21 % eine Kostensenkung von über 20 % erwarten. Einige der vielversprechendsten Bereiche von Industrie 4.0 sind eine bessere Kontrolle und Planung von Produktionsprozessen, verbesserte Qualität und erhöhte Flexibilität durch die Ermöglichung von Datenanalyse, Informationsaustausch und Nutzung von Echtzeitdaten (Geissbauer, et al., 2014). Es liegt auf der Hand, dass die Einführung von Industrie 4.0 bei richtiger Anwendung enorme Vorteile in Bezug auf Qualität, Kostenvorteile, Flexibilität und Produktanpassung bringen kann (Baheti & Gill, 2011; MacDougall, 2014).Ein Wegbereiter von Industrie 4.0 ist das Internet der Dinge (IoT), ein Konzept zur Verbindung und zum Informationsaustausch von Objekten wie Maschinen, Geräten, Sensoren und anderen Objekten (Dorsemaine, et al., 2015). Das IoT in einem industriellen Umfeld ermöglicht die Verbindung der physischen und der digitalen Welt, wodurch diese noch stärker integriert werden und ein Cyber-Physical System (CPS) entsteht. CPS bieten die Möglichkeit, die physischen Einheiten eines Systems in einer virtuellen Umgebung darzustellen, wobei sich Änderungen im physischen System auf das virtuelle Pendant auswirken und umgekehrt (Baheti & Gill, 2011). Für Produktionsprozesse ermöglicht CPS die Entwicklung von Smart-Factory-Fähigkeiten wie Echtzeit- und vorausschauende Steuerung, Lernfähigkeit, Selbstoptimierung und dezentrale Entscheidungsfindung (MacDougall, 2014; Tantik & Anderl, 2016; Pai, et al., 2018; Lu, 2017). Der Einsatz von IoT und CPS in der Produktion erzeugt riesige Daten- und Informationsmengen, die verarbeitet und analysiert werden können, um den Menschen im Unternehmen Einblicke und Entscheidungshilfen zu geben. Die Verarbeitung und Analyse großer Datenmengen wird als Big Data bezeichnet. Um das Potenzial von Big Data voll ausschöpfen zu können, sind jedoch neue Fähigkeiten erforderlich, und eine hohe Datenqualität ist von entscheidender Bedeutung (Yi, et al., 2014; Demchenko, et al., 2013). Auch wenn in der Industrie 4.0 vermehrt Maschinen eingesetzt werden, die Informationen verarbeiten und selbstständig darauf reagieren können, wird erwartet, dass der Mensch dank intelligenter Kommunikation und Datenanalyse ein zentraler Bestandteil der künftigen Produktionssysteme sein wird (Lu, 2017; Chen, et al., 2017). Durch die Gestaltung der Produktionssysteme rund um den Menschen können starke menschliche Fähigkeiten wie Kreativität und Flexibilität verbessert werden, während die Anzahl monotoner und redundanter Aufgaben reduziert werden kann. So können Datenanalyse und Konnektivität durch IoT und CPS genutzt werden, um Informationen oder Entscheidungshilfen für Bediener auf die richtige Art und Weise, zur richtigen Zeit und an die richtige Person zu liefern (Gorecky, et al., 2014).Zusammenfassend lässt sich sagen, dass IoT und CPS im Kontext von Industrie 4.0 die Möglichkeit bieten, eine verstärkte Konnektivität und den Informationsaustausch zu ermöglichen. Gleichzeitig ermöglicht die Datenanalyse die Verarbeitung dieses Informationsflusses, um Erkenntnisse und Entscheidungshilfen zu liefern. Schließlich wird der Mensch auf viele dieser Erkenntnisse reagieren und mit Maschinen und Systemen interagieren müssen, was eine Mensch-Maschine-Interaktion erfordert. Diese Konzepte, die Verknüpfung der physischen Welt, die Analyse von Daten und die Mensch-Maschine-Interaktion sind die Schwerpunktbereiche von Industrie 4.0 in diesem Bericht.1.2ProblemstellungWährend die Vorteile von Industrie 4.0 als hoch eingeschätzt werden, gibt es noch viele Herausforderungen zu bewältigen. Einige der größten Hindernisse für die Einführung von Industrie 4.0 in der Produktion sind, dass die spezifischen Vorteile unklar sind und dass die Anfangsinvestitionen hoch sind. Darüber hinaus besteht ein Bedarf an mehr qualifiziertem Personal sowie an Technologie- und Daten-/IT-Standardisierung (Geissbauer, et al., 2014). In einer Umfrage unter 1.600 teilnehmenden Unternehmen gaben nur 15 % an, dass sie bereit sind, intelligente Technologien einzuführen. Darüber hinaus ist die Fähigkeit zur Aufrüstung aktueller Anlagen ein wichtiger Einflussfaktor für Technologieinvestitionen (Deloitte Insights, 2017). 1 EINFÜHRUNG(96)3 Bei der Einführung neuer Technologien gibt es viele Faktoren, die sich auf den Erfolg solcher Prozesse auswirken. Die Einführung von Industrie 4.0 in Produktionsunternehmen kann als die Einführung eines Bündels von Technologien und Konzepten und nicht nur einer Technologie betrachtet werden. Obwohl das Potenzial von Industrie 4.0 als hoch eingeschätzt wird, sind viele Unternehmen noch nicht bereit, Industrie 4.0 zu implementieren, und es fällt ihnen schwer, genauer zu bestimmen, wie Industrie 4.0 einen Mehrwert für ihre Produktionsprozesse schaffen kann. Daher muss genauer ermittelt werden, welche Faktoren Produktionsunternehmen berücksichtigen müssen, um sich besser auf Industrie 4.0 einzustellen, aber auch, wie Produktionsprozesse durch die Übernahme von Industrie 4.0-Konzepten konkret verbessert werden können. Um die Investitionskosten zu senken und die aktuellen Produktionsanlagen zu nutzen, kann die Identifizierung der aktuellen Produktionsprozesse darüber hinaus Hinweise darauf geben, welche Konzepte sich am besten für die Einführung in die bestehenden Prozesse eignen.Das Werk von Sandvik Coromant in Gimo ist die größte Produktionsanlage für Schneidwerkzeuge (Sandvik, 2017). Mit einem hohen Grad an mechanischer Automatisierung und dem Einsatz von IT-Systemen hat Sandvik Coromant viele der Vorteile der dritten industriellen Revolution genutzt. Die Maschinenbediener sind jedoch nach wie vor für die Prozessüberwachung, Auftragsplanung und Qualitätssicherung verantwortlich, bei denen es nur wenig Anleitung durch die Produktionssysteme gibt. Es gilt also zu untersuchen, ob und wie Industrie 4.0 das Potenzial hat, die aktuellen Produktionsprozesse zu verbessern und die Maschinenbediener zu unterstützen. Darüber hinaus ist es für Sandvik Coromant wichtig zu verstehen, welche Faktoren die Einführung von Industrie 4.0 beeinflussen und begünstigen werden.1.3ZweckDer Zweck dieser Studie besteht darin, Bereiche in den automatisierten Produktionszellen von Sandvik Coromant zu identifizieren, in denen Industrie 4.0 eingesetzt werden kann, um die Unterstützung der Maschinenbediener zu verbessern und Probleme zu lösen. Darüber hinaus soll ermittelt werden, welche Faktoren die Einführung von Industrie 4.0 in Produktionsunternehmen beeinflussen und wie sie berücksichtigt werden sollten, um die Einführung von Industrie 4.0 zu ermöglichen.1.4ForschungsfragenUm den Zweck zu erfüllen und die Forschung zu strukturieren, wurden zwei Forschungsfragen formuliert:RQ 1:Wie ist der aktuelle Stand der automatisierten Produktionszellen von Sandvik Coromant und wie können Industrie 4.0-Konzepte genutzt werden, um die von den Produktionsmitarbeitern geäußerten Probleme zu verringern?RQ 2:Welche Hauptfaktoren beeinflussen die Einführung von Industrie 4.0 in Produktionsunternehmen?1 .5EinschränkungenUm in der zur Verfügung stehenden Zeit eine ausreichende Forschungstiefe zu erreichen, wurden mehrere Einschränkungen vorgenommen, die alle im Folgenden aufgeführt werden. Bei den einbezogenen Konzepten der Industrie 4.0 handelt es sich in erster Linie um solche, die mit der verstärkten Erzeugung und Nutzung von Daten zusammenhängen. Diese Konzepte sind IoT, CPS, Big Data und Mensch-Maschine-Interaktion. Die additive Fertigung, intelligente Roboter oder andere physische Aspekte von Industrie 4.0 sind in diesem Projekt nicht enthalten. 1 EINLEITUNG(96)4Die Produktionseinheit, in der die Studie durchgeführt wird und für die Empfehlungen für künftige Anforderungen gegeben werden, ist auf einen bestimmten Typ von automatisierten Produktionszellen (Fräszellen) beschränkt. Diese ist am häufigsten anzutreffen und weist das homogenste Layout auf.1.6Erwarteter BeitragDiese Forschung bietet eine umfassende Untersuchung des Technologie-Organisations-Umwelt-Rahmens (TOE-Rahmen) im Kontext von Industrie 4.0, die sowohl für die Forschung als auch für die Unternehmen einen Beitrag leistet, indem sie die Faktoren ermittelt, die von den verschiedenen Interessengruppen in der Fertigungsindustrie als am wichtigsten angesehen werden. Darüber hinaus zielt diese Forschung darauf ab, einen empirischen Beitrag durch die Konkretisierung von Industrie 4.0-Anwendungen in automatisierten Produktionszellen zu leisten. Dies kann Anhaltspunkte dafür liefern, wie Industrie 4.0 in Fabriken eingeführt werden kann, um die Unsicherheit im Zusammenhang mit Industrie 4.0-Investitionen zu verringern. Schließlich soll die Forschung einen Beitrag für das Fallunternehmen leisten, indem sie Probleme in den derzeitigen automatisierten Produktionszellen identifiziert und aufzeigt, wie Industrie 4.0 eingeführt werden kann, um diese Probleme zu beseitigen und die Unterstützung der Bediener zu erhöhen. Somit hebt diese Studie die wichtigen Bereiche hervor, auf deren Lösung sich künftige Lösungen konzentrieren sollten.1.7GliederungDer Bericht besteht aus sechs Kapiteln, die in der folgenden Tabelle (Tabelle 1) dargestellt sind.Tabelle 1. Gliederung des Berichts mit Beschreibungen zu den einzelnen Kapiteln.KapitelBeschreibungEinleitungEinführendes Kapitel, in dem der Hintergrund und das Ziel der Studie vorgestellt werden. MethodikDieses Kapitel gibt dem Leser die Möglichkeit, die gewählten Methoden kritisch zu bewerten und die Qualität der Ergebnisse einzuschätzen.LiteraturstudieIn diesem Kapitel wird die Technologieeinführung in Unternehmen vorgestellt, gefolgt von einer Darstellung der Industrie 4.0 und ihrer Anwendungen und Risiken. In diesem Kapitel werden die Faktoren, die die Einführung von Industrie 4.0 beeinflussen, vorgestellt und im Zusammenhang mit der Einführung von Technologien analysiert. 2 METHODIK(96)52MethodikIn diesem Kapitel werden der Forschungsansatz und das Forschungsdesign vorgestellt, gefolgt von den Methoden der Datenerfassung und der Diskussion über Forschungsqualität und Ethik.2.1ForschungsansatzBlomkvist & Hallin (2015) empfehlen einen explorativen Forschungsansatz, wenn der Zweck darin besteht, zugrunde liegende Beziehungen und Merkmale eines neu erforschten Phänomens zu finden. Das Ziel dieser Studie ist es, herauszufinden, welche Faktoren die Einführung von Industrie 4.0 beeinflussen und wie diese berücksichtigt werden sollten, aber auch, ob und wie Industrie 4.0 in automatisierte Produktionszellen bei Sandvik Coromant eingeführt werden kann. Für die Verwendung von Literatur und Theorien gibt es zwei Strategien: Entweder wird die Theorie verwendet, um Ideen zu formulieren, die während der Studie getestet werden, oder sie wird verwendet, um die empirischen Ergebnisse zu verstehen (Blomkvist & Hallin, 2015). Die erste Strategie wird als Deduktion bezeichnet, während die zweite Strategie als Induktion bezeichnet wird. Letztere hat den Nachteil, dass sie zeitaufwändig sein kann, da die Theorien im Laufe der Forschung ihre Relevanz verlieren können. Die Vorteile der Induktion liegen jedoch darin, dass sie einen explorativen Ansatz und die Möglichkeit bietet, während des Prozesses flexibel zu sein. Aufgrund des explorativen Ansatzes verringert die Verwendung der Induktion das Risiko, dass die vorab ausgewählten Theorien und Literatur die Forschung einschränken, da die Theorien kontinuierlich bewertet und ersetzt werden können (Blomkvist & Hallin, 2015). Bei der Verwendung eines induktiven und explorativen Ansatzes ist es wichtig, dass Theorie und Literatur kontinuierlich überprüft werden, damit sie für die erhobenen Daten relevant sind (Blomkvist & Hallin, 2015). Daher wurden die Literaturstudie, die empirische Datenerhebung und die Analyse während des gesamten Projekts gleichzeitig durchgeführt. Dies ermöglicht es, den Forschungsschwerpunkt einzugrenzen und die Theorie mit dem empirischen Material abzugleichen (siehe Abbildung 1). Forschungsansatz.2.1.1FallstudieEine qualitative Fallstudie ermöglicht den Zugang zu einer größeren Vielfalt an Datenquellen, was besonders bei kleinen Projekten und bei der Untersuchung von Phänomenen aus verschiedenen Perspektiven nützlich ist (Blomkvist & Hallin, 2015; Denscombe, 2009). Diese Methode wird daher in diesem Projekt verwendet. Da die Einführung von Industrie 4.0 verschiedene Interessengruppen innerhalb des Unternehmens betreffen kann, wurden verschiedene Datenquellen bevorzugt, die eine multiperspektivische Forschung ermöglichen. Die Produktionseinheit von Sandvik Cormorant in Gimo wurde als Fallobjekt für diese Studie ausgewählt. Die Produktion besteht in erster Linie aus automatisierten Produktionszellen und die Mitarbeiter haben Erfahrung in der Produktion, der Geschäftsentwicklung sowie in externen Abteilungen mit Fokus auf Digitalisierung und Industrie 4.0. Eine Fallstudienforschung ist besonders geeignet, wenn es darum geht, verschiedene Aspekte eines Phänomens zu untersuchen, um tiefergehende Erkenntnisse zu gewinnen. 2 METHODIK(96)6einblick zu erhalten, da sie viele Arten von Datenerhebungsmethoden zulässt (Denscombe, 2009). Da es notwendig war, ein Verständnis für die Einführung von Industrie 4.0 im praktischen Umfeld der Produktion und der automatisierten Produktionszellen zu erlangen, war es notwendig, Zugang zu Daten von einer Vielzahl von Interessengruppen zu erhalten. Erstens: Um die aktuelle Zellenproduktion und ihre Probleme zu definieren, war der Zugang zu den automatisierten Produktionszellen und die Befragung der Beteiligten erforderlich. Zweitens war es für ein tieferes Verständnis der Industrie 4.0 und der Faktoren, die sich auf die Einführung auswirken, erforderlich, Zugang zu anderen Akteuren innerhalb des Unternehmens zu erhalten. Zu diesen Akteuren gehören Manager, IT-Mitarbeiter, Projektleiter usw. Um die Ergebnisse innerhalb des Unternehmens zu untermauern und einen Beitrag zur Fallorganisation zu leisten, wurden schließlich ergänzende Datenquellen außerhalb der Organisationen ermittelt. Dieser Ansatz stärkt nicht nur die Ergebnisse innerhalb der Organisation durch Triangulation (Denscombe, 2009), sondern ermöglicht auch die Berücksichtigung weiterer Perspektiven. Erstens ist ein Großteil der benötigten Daten innerhalb des Fallunternehmens leicht zu beschaffen. Zum anderen erhöht sich die Zugänglichkeit zu externen Organisationen, da das Fallunternehmen bei der Organisation der Interviews behilflich sein kann.2.2ForschungsdesignDie Fallstudie wurde in zwei Teile unterteilt: Vorstudie und Hauptstudie. Die Vorstudie war breiter angelegt und eher unstrukturiert, da sie es ermöglichte, das Problem zu identifizieren und die besten Schwerpunktbereiche für die Hauptstudie zu finden, die stärker fokussiert und strukturiert war. Alle Aktivitäten und ihre Dauer sind in Abbildung 2 dargestellt.Abbildung 2. Projektaktivitäten und Zeitplan.2.2.1VorstudieDie Vorstudie wurde in den ersten vier Wochen der Untersuchung durchgeführt. Der Grund für die Durchführung einer unstrukturierten Vorstudie war es, eine effiziente Erkundung des Forschungsfeldes und des Fallunternehmens zu ermöglichen sowie die Forschungsrichtung für die anschließende Hauptstudie festzulegen. Die Vorstudie umfasste unstrukturierte Interviews mit Forschern der KTH und Interessenvertretern des Fallunternehmens (siehe Anhang A), was besonders nützlich ist, wenn es darum geht, das Forschungsfeld zu erkunden und die Richtung für die weitere Forschung vorzugeben (Denscombe, 2009). Erste Beobachtungen wurden im Fallunternehmen mit dem Ziel durchgeführt, alle Prozesse zu identifizieren und einen Überblick über die automatisierten Produktionszellen zu erhalten. Dies wird von Denscombe (2009) befürwortet, der feststellt, dass erste Beobachtungen ein breiteres, weniger geplantes Design haben sollten, um einfach einen Überblick zu erhalten und zentrale Aspekte und Prozesse zu identifizieren. Schließlich umfasste die Vorstudie auch eine Literaturrecherche, bei der Theorien und Literatur mit Bezug zu unseren Beobachtungen und Interviews untersucht wurden. 2 METHODIK(96)72.2.2HauptstudieDie Hauptstudie wurde mit internen Interviews eingeleitet, die ein besseres Verständnis der Prozesse und der Dynamik des Fallunternehmens ermöglichten. Diese Interviews dienten dazu, den aktuellen Zustand der automatisierten Produktionszellen zu erfassen und Probleme in den automatisierten Produktionszellen zu identifizieren. Sobald ein detaillierteres Bild des Fallobjekts gewonnen war, wurden externe Interviews durchgeführt, die es ermöglichten, die Einführung von Industrie 4.0 aus verschiedenen Perspektiven zu untersuchen. Dies ist besonders in der Sozialwissenschaft nützlich, wo verschiedene Perspektiven ein besseres Verständnis der Prozesse und ihrer Beziehungen ermöglichen können (Blomkvist & Hallin, 2015; Denscombe, 2009). Ein weiterer Vorteil der Verwendung verschiedener Datenquellen besteht darin, dass wir die Ergebnisse triangulieren können, was die Gültigkeit der Ergebnisse stärken kann (Blomkvist & Hallin, 2015; Denscombe, 2009). Da ein explorativer Ansatz verwendet wird, wenn Ungewissheit über die potenziellen Ergebnisse besteht, können sich der Schwerpunkt und die Problematik der Forschung im Laufe der Untersuchung entwickeln und ändern (Blomkvist & Hallin, 2015). Um eine Anpassung an unerwartete Veränderungen zu ermöglichen, wurden die internen und externen Interviews integriert und zeitlich überlappend durchgeführt.2.3DatenerhebungsmethodenEs wurden verschiedene Quellen für die Datenerhebung genutzt, darunter Literaturrecherche, Interviews und Beobachtungen. Diese Methoden werden im Folgenden im Detail vorgestellt.2.3.1LiteraturstudieDie Literaturstudie wurde aus drei Gründen durchgeführt. Erstens, um Wissen und Know-how in den relevanten Bereichen zu sammeln, um Antworten auf die Forschungsfragen zu finden; dies schließt Literatur zu Industrie 4.0 sowie zur Einführung und Akzeptanz von Technologien ein. Zweitens sollten Erkenntnisse darüber gewonnen werden, wie diese Bereiche in der Theorie umgesetzt und angenommen werden sollten, um die Vorteile der Konzepte und Technologien voll auszuschöpfen. Das Ziel bestand darin, die Ergebnisse mit dem konkreten Fall in dieser Studie zu vergleichen. Der dritte und letzte Zweck war es, einen Überblick über das Wissen und die Forschung zu erhalten, die in diesem Bereich bereits vorhanden sind, und zu erfahren, wie diese Studie zu den bereits durchgeführten Forschungen beitragen könnte.Die Literatursuche wurde hauptsächlich in der Bibliotheksdatenbank der KTH, Primo, durchgeführt, die Zugang zu allen Zeitschriften und Verlagen hat, mit denen die KTH eine Vereinbarung getroffen hat. Ergänzend wurden auch Recherchen in Scopus, Google scholar und Google durchgeführt. Die gesamte Literatur wurde unter Verwendung der in Tabelle 2 unten definierten Schlüsselwörter beschafft. Tabelle 2. Verwendete SchlagwörterTechnologieadoption "Technologieadoption", "Technologieakzeptanz", "TOE", "TAM", "Business Ecosystem "Industrie 4.0 "Industrie 4.0", "Cyber-Physical Systems", "Internet of Things", "Big Data", "Visualisierung", "Operator", "HMI", "Smart Production "Die identifizierten Referenzen innerhalb einer Quelle wurden verwendet, um weitere Quellen zu finden. Dieser Ansatz kann zu einer Überrepräsentation von Veröffentlichungen aus einer bestimmten Gruppe führen, da Forscher in größerem Umfang die Arbeit von Freunden und Kollegen als Quellen nutzen könnten. Um dem entgegenzuwirken, wurden in der Studie immer wieder neue Artikel direkt über die Schlüsselwörter gefunden. 2 METHODIK(96)82.3.1.1QuellenkritikDie Literaturstudie stützte sich auf vier Arten von Literatur: akademische Artikel, Bücher, Berichte von Beratungsfirmen und Regierungen sowie interne Dokumentation (z. B. Handbücher und Systemspezifikationen). Je nach Art der Literatur ist die Glaubwürdigkeit und Unabhängigkeit unterschiedlich, weshalb die Quellen daraufhin geprüft wurden, ob sie ihre Meinung aus anderen Gründen äußern. In erster Linie wurde nur Literatur verwendet, die eine hohe Glaubwürdigkeit aufweist. Falls es sich um parteiische Quellen handelte, wurden diese ausgeschlossen oder von den Autoren im Bericht diskutiert. Wichtig war, dass dies bei der Auswahl und Diskussion der Quellen stets berücksichtigt wurde. Die Grundlage der Literaturstudie bildeten akademische Artikel. Sie wurden herangezogen, um theoretische Erkenntnisse im Zusammenhang mit den Forschungsfragen zu finden und für die Studie relevante Konzepte zu definieren. Artikel aus akademischen Zeitschriften haben den Vorteil, dass sie einer Peer-Review unterzogen werden (Denscombe, 2009). Dies ist jedoch keine Qualitätsgarantie, weshalb in der Studie zusätzliche Faktoren berücksichtigt wurden. Denscombe (2009) beschreibt fünf Faktoren für die Bewertung der Glaubwürdigkeit der Artikel: Alter der Zeitschrift, Status in der Forschungsgemeinschaft, Glaubwürdigkeit der Herausgeber, ob die Zeitschrift bei der Auswahl ihrer Artikel einen bestimmten Schwerpunkt hat (z. B. einen nationalen Schwerpunkt), ob die Zeitschrift im Auftrag von Stiftungen veröffentlicht und ob der Artikel klare Verweise auf andere Qualitätsartikel enthält. Diese Kriterien wurden im Rahmen des Projekts kontinuierlich zur Bewertung der verwendeten Artikel herangezogen. In Konferenzbeiträgen veröffentlichte Artikel können von geringerer Qualität sein, daher wurden in erster Linie von Fachkollegen überprüfte Artikel verwendet, um eine ausreichende Qualität zu gewährleisten. Bücher wurden verwendet, um ein ganzheitlicheres Bild von einigen der in der Literaturstudie beschriebenen Konzepte zu vermitteln. Da sich der Bereich Industrie 4.0 in einer rasanten Entwicklung befindet, wurden nur kürzlich veröffentlichte Bücher verwendet. Bücher haben viele der gleichen Vorteile wie akademische Artikel, wenn sie vor ihrer Veröffentlichung geprüft wurden. Um Zuverlässigkeit zu gewährleisten, wurden nur geprüfte Bücher verwendet. Berichte von Regierungen und Beratungsunternehmen wurden herangezogen, um Beispiele für Bereiche zu finden, die durch Industrie 4.0 verbessert werden können. Da der Begriff Industrie 4.0 von der deutschen Regierung geschaffen wurde, um zu bestimmen, wie ihre Industrie entwickelt werden sollte, wurden auch ihre Berichte und Veröffentlichungen verwendet. Berichte von Regierungen haben im Allgemeinen eine hohe Glaubwürdigkeit, da sie oft das Ergebnis langer Projekte sind, an denen Experten aus der Industrie und der Wissenschaft beteiligt waren (Denscombe, 2009). Berichte von Beratungsfirmen und anderen Unternehmen können jedoch weniger glaubwürdig sein. Die Firmen und Unternehmen, die diese Berichte verfassen, sind in der Regel auch diejenigen, die anderen Unternehmen Lösungen oder fachliche Beratung zu dem Thema anbieten. Dabei besteht die Gefahr, dass sie neue Konzepte und ihre Anwendungen als vielversprechender darstellen wollen, als sie sind. Daher wurde eine Triangulation zwischen Beratungsberichten und akademischen Artikeln vorgenommen, um die Validität des Beratungsberichts sicherzustellen. Der Grund für die Einbeziehung von Beratungsberichten liegt vor allem darin, dass sie weniger theoretisch sind und einen Beitrag dazu leisten, wie Industrie 4.0 konkret umgesetzt werden kann.2 Zur Beantwortung der ersten Forschungsfrage wurde die interne Dokumentation zur Bewertung des aktuellen Stands zusammen mit den in Abschnitt 2.3.3 beschriebenen Beobachtungen herangezogen. Auf diese Weise kann das Ergebnis trianguliert werden, um die Schlussfolgerungen zu untermauern.2.3.2Qualitative InterviewsInterviews sind eine Methode, um Primärdaten darüber zu erhalten, was Menschen zu einem bestimmten Thema denken und fühlen (Saunders, et al., 2012). Nach Denscombe (2009) sind qualitative Interviews geeignet, wenn es darum geht, Informationen über komplexe Phänomene zu sammeln, bei denen Erfahrungen, Meinungen und Fachwissen eine wichtige Rolle spielen, was bei dieser Untersuchung der Fall ist. Was die Wahl der Interviews betrifft, so können sie entweder strukturiert, unstrukturiert oder halbstrukturiert sein. Strukturierte Interviews ermöglichen eine Kontrolle, da jedem Befragten dieselben Fragen gestellt werden, was zu einer einfacheren Kodierung der Daten führt. Sie sind jedoch weniger geeignet für die Erhebung qualitativer Daten und wenn der Kontext wichtig ist, 2 METHODIK(96)9 aufgrund ihrer einfachen Natur. Unstrukturierte Interviews sind das Gegenteil davon, da der Interviewer so wenig wie möglich eingreift, indem er nur ein Thema einführt und den Befragten frei ausreden lässt. Dies ermöglicht eine Kontextualisierung, aber auch eine geringe Kontrolle des Befragten über die relevanten Bereiche. Halbstrukturierte Interviews verwenden Themen, die während des Interviews behandelt werden sollen, und ermöglichen Flexibilität und ausführliche Antworten, aber auch eine bessere Möglichkeit, Antworten aus verschiedenen Interviews zu vergleichen und in Beziehung zu setzen (Denscombe, 2009). Die Interviews in dieser Studie wurden als halbstrukturierte Interviews durchgeführt, da dies sowohl Flexibilität in der Interviewumgebung als auch die Verwendung gemeinsamer Themen ermöglicht, um verschiedene Interviews miteinander in Beziehung zu setzen. Dies bietet eine gute Kombination aus Strukturierung durch die Verwendung von Themen, aber auch Kontextualisierung, indem der Befragte die zentralen Aspekte erklären und in den Mittelpunkt stellen kann. Die Interviews sind in zwei Kategorien unterteilt: interne Interviews und externe Interviews. Die internen Interviews wurden mit Produktionsmitarbeitern geführt, darunter sowohl Bediener als auch Produktionsleiter, um Informationen über den aktuellen Stand, die Probleme und die Einstellung zu Industrie 4.0 zu erhalten. Darüber hinaus wurden interne Interviews auch mit anderen Arten von Stakeholdern geführt, wie z. B. Change Leaders, Produktionsingenieuren, IT-Mitarbeitern, Projektleitern und Managern. Dies ermöglichte es uns, Informationen über den Ist-Zustand und seine Probleme aus einer zusätzlichen Perspektive zu erhalten, aber auch Faktoren zu untersuchen, die die Einführung von Industrie 4.0 beeinflussen können. Zu den externen Interviewpartnern gehörten Akteure aus anderen Organisationen (einschließlich eines Spin-off-Unternehmens der Sandvik-Gruppe), die auf die industrielle Digitalisierung spezialisiert sind. In diesen Interviews wurden die Faktoren erörtert, die die Einführung von Industrie 4.0 beeinflussen. Die Kategorien werden im Folgenden vorgestellt.2.3.2.1 Interne InterviewsDie internen Interviews wurden mit Produktionsmitarbeitern wie Produktionsleitern und Bedienern, aber auch mit anderen Akteuren, die nicht in der Produktion arbeiten, geführt. Die beiden Kategorien der internen Befragten werden im Folgenden vorgestellt. Die erste Kategorie interner Interviews besteht aus 22 Interviews und wurde mit Bedienern und Produktionsleitern geführt. In diesen Interviews wurden der aktuelle Stand und die Probleme der automatisierten Produktionszellen in Verbindung mit der Wahrnehmung und Einstellung zur Einführung neuer Technologien erörtert. Die Interviews wurden in Zweiergruppen geführt, wobei einer der Befragten Notizen machte, während der andere Fragen stellte und die zuvor beschriebenen zentralen Themen diskutierte. Die Ergebnisse dieser Interviews wurden verwendet, um den aktuellen Stand der automatisierten Produktionszellen zu erfassen, ihr zentrales Problem zu identifizieren und die Faktoren zu ermitteln, die die Einstellung zu neuen Technologien beeinflussen.Tabelle 3. Interviews mit Produktionsmitarbeitern.KategorieAnzahl der InterviewsBesprochener BereichBediener18Aktueller Zustand, Probleme und TechnologieeinsatzProduktionsleiter4Aktueller Zustand, Probleme und TechnologieeinsatzDie zweite Kategorie von Interviews besteht aus acht Interviews mit Mitarbeitern von Sandvik Coromant wie Änderungsleitern, Produktionsingenieuren, IT-Mitarbeitern, Projektleitern und Managern. Die Themen, die in diesen Interviews behandelt wurden, waren Industrie 4.0, Faktoren, die die Einführung beeinflussen, sowie Risiken und Probleme, mit denen Sandvik Coromant derzeit konfrontiert ist. Die Ergebnisse dieser Interviews wurden verwendet, um einen ganzheitlicheren Blick auf die aktuelle Situation und die Herausforderungen zu ermöglichen, die für das Fallunternehmen bei der Einführung von Industrie 4.0-Konzepten relevant sind. Die befragten Personen sind in Tabelle 4 aufgeführt. 2 METHODIK(96)10Tabelle 4. Interviews mit nicht-operativen Mitarbeitern bei Sandvik Coromant. NameRolleOrtDatumBefragter 1InstandhaltungsingenieurGimo GV2017-02-16Befragter 2InstandhaltungsingenieurGimo GH2018-02-21Befragter 3Change LeaderGimo GV2018-02-27Befragter 4ChefarchitektSandvik HQ2018-03-05Befragter 5Senior IT-EntwicklerGimo GT2018-03-07Befragter 6IT-EntwicklerGimo IT2018-03-07Befragter 7Projektleiter (Industrie 4. 0)Gimo GH2018-03-13Interviewee 8Technical ManagerGimo GV2018-03-202.3.2.2Externe InterviewsDie externen Interviews wurden mit fünf externen Akteuren durchgeführt; Swerea IVF, Siemens, ÅF Digital Business, Roland Berger und Sandvik Center of Digital Excellence (CODE) (Beschreibung der Unternehmen siehe Anhang B). Alle diese Unternehmen befassen sich mit der Strategieentwicklung, der Umsetzung und dem Design von Digitalisierungskonzepten und -dienstleistungen in der Fertigungsindustrie. Die befragten Personen aus diesen Unternehmen verfügen über umfangreiche Erfahrungen mit dem industriellen Wandel und der Digitalisierung in der Produktion. CODE und Sandvik Coromant gehören zum selben Geschäftsbereich des Sandvik-Konzerns, CODE ist jedoch eine unabhängige Organisation innerhalb der Sandvik Machining Solution (SMS)-Organisation, die alle verschiedenen Marken unterstützt. CODE entwickelt auch Dienstleistungen und Geschäfte für SMS-Kunden, die sowohl mit den Dienstleistungen von Sandvik Coromant als auch mit denen der Wettbewerber kompatibel sind. In diesem Zusammenhang wird CODE also als externes Unternehmen betrachtet. Eine ausführliche Beschreibung der befragten externen Unternehmen finden Sie in Tabelle 5.Tabelle 5. Interviews mit externen Organisationen. NameFirmaAbteilungRolleDatumBefragter 9SiemensDigital FactoryGeschäftsbereichsleiter2018-03-09Befragter 10SiemensPlant Data ServicesVertriebsleiter2018-03-12Befragter 11Swerea IVFDigitalisierungsProjektleiter2018-03-15Befragter 12Sandvik GroupCODE Innovation Manager2018- 03-19Interviewee 13Sandvik GroupCODEPresident2018-03-27Interviewee 14ÅFDigital BusinessBusiness Area Manager2018-04-10Interviewee 15SandvikGroupCODECTO2018-04-12Interviewee 16Roland Berger-Consultant2018-04-17Die Themen der externen Interviewpartner waren Industrie 4. 0-Konzepte, Faktoren, die sich auf die Einführung in Produktionsunternehmen auswirken, sowie Risiken und Faktoren, die bei der Umstellung einer Organisation auf Industrie 4.0-Konzepte berücksichtigt werden sollten. 2 METHODIK(96)112.3.3BeobachtungenEs bestand die Notwendigkeit, die Prozesse vollständig zu verstehen und die verschiedenen Teile der Zellen in ihrer natürlichen Umgebung zu identifizieren, da das Forschungsziel darin bestand, Industrie 4.0 in Bezug auf automatisierte Produktionszellen zu untersuchen. Aus diesem Grund wurden die Interviews mit Bedienern und Produktionsleitern durch Beobachtungen ergänzt. Diese Wahl ist durch Denscombe (2009) motiviert, der Beobachtungen als besonders nützlich ansieht, wenn es darum geht, die natürliche Dynamik einer Situation zu erhalten. Um eine effiziente Dokumentation während der Beobachtungen zu gewährleisten, wurden diese immer zu zweit durchgeführt, wobei einer der Beobachter Notizen machte. Laut Denscombe (2009) kann das Anfertigen von Notizen die natürliche Umgebung stören, insbesondere wenn die Identität und das Ziel des Beobachters unbekannt sind. Da die Betreiber jedoch aus ethischen Gründen informiert wurden, wurde argumentiert, dass der Nutzen einer ordnungsgemäßen Dokumentation größer sei. Einzelheiten zu den durchgeführten Beobachtungen finden sich in Anhang A, Tabelle II. Die Beobachtungen wurden in zwei Runden durchgeführt (Vorstudie und Hauptstudie), wobei in der ersten Runde das Ziel darin bestand, einen Überblick über den aktuellen Zustand zu erhalten. Dieser Ansatz steht im Einklang mit der Auffassung von Denscombe (2009), der vorschlägt, dass eine erste Feldstudie, die aus Beobachtungen besteht, einen breiteren, weniger fokussierten Charakter haben und als Grundlage für gezieltere Beobachtungen dienen sollte. Um einen umfassenden Überblick zu erhalten und keine Aufgaben oder wichtigen Ereignisse zu verpassen, dauerten die Beobachtungen jeweils 8 Stunden. Die erste Beobachtungsrunde ergab, dass eine Zelle mit einer größeren Anzahl von Prozessen und Interaktionen die Analyse weniger abhängig von der Wahl des Zellentyps machen würde. Daher wurden nur automatisierte Produktionszellen mit Fräsvorgängen als Schwerpunkt für die Studie ausgewählt. Die zweite Beobachtungsrunde wurde an automatisierten Produktionszellen mit einem ähnlichen Aufbau durchgeführt: Kalibrierung, Fräsen und Messen. Die Beobachtungen wurden während des gesamten Projekts kontinuierlich durchgeführt, oft in Verbindung mit Interviews mit den Bedienern. In der ersten Runde wurde in erster Linie der Ist-Zustand ermittelt, während die zweite Runde dazu diente, fehlende Teile der ersten Bestandsaufnahme zu ergänzen. Die Beobachtungen ermöglichten es auch, von den Betreibern geäußerte Probleme zu ermitteln. In der zweiten Beobachtungsrunde wurde versucht, den Fokus auf zentrale Themen und Prozesse zu lenken, wie sie von Denscombe (2009) identifiziert und empfohlen wurden.2.4DatenanalyseDie gesammelten Daten können bei der Durchführung qualitativer Forschung nicht in ihrem ursprünglichen Zustand präsentiert werden, sondern müssen verarbeitet und analysiert werden (Denscombe, 2009). Die Art und Weise der Datenanalyse kann jedoch auf unterschiedliche Weise durchgeführt werden. Denscombe (2009) hat die wichtigsten Schritte identifiziert, die zum Prozess der Datenanalyse gehören. Diese sind: Vorbereitung, Einarbeitung, Interpretation (Kodierung, Kategorisierung usw.), Überprüfung und Präsentation. In der Vorbereitungsphase wurden die Aufzeichnungen dokumentiert und jeder Teil der Dokumentation wurde mit einer Kennzeichnung versehen. Dies ermöglichte es, in späteren Phasen zurückzugehen und festzustellen, woher eine bestimmte Art von Daten stammt. In der Einarbeitungsphase wurden die Dokumentationen gründlich gelesen, um ein tieferes Verständnis für die Bedeutung der Daten zu erlangen und einen Einblick in wichtige Aspekte zu erhalten, die in den Interviews angesprochen wurden. In der Interpretationsphase wurden die Daten kodifiziert und kategorisiert, wobei ähnliche Datentypen gemeinsam kategorisiert wurden. In dieser Phase ging es darum, allgemeine Bedeutungen der gesammelten Daten zu erhalten und zentrale Themen und wichtige Aspekte zu identifizieren. In dieser Phase wurden die Daten in drei Kategorien eingeteilt: technologischer Kontext, organisatorischer Kontext und Umweltkontext, bestehend aus einigen Unterkategorien. 2 METHODIK(96)12 kategorien. In der Überprüfungsphase wurden verschiedene Arten von Quellen verglichen, um gemeinsame Ansichten zu Themen, aber auch widersprüchliche Meinungen zu ermitteln. In der Präsentationsphase wurden die Daten in Kombination mit der Analyse präsentiert, um sie besser zu integrieren.2.5ForschungsqualitätEiner der Hauptnachteile einer qualitativen Fallstudie als Methode ist, dass sie stark vom Kontext und der spezifischen Situation abhängig ist (Saunders, et al., 2012). Bei der Durchführung jeder Art von wissenschaftlicher Forschung ist es wichtig, sicherzustellen, dass das Ergebnis korrekt und vertrauenswürdig ist. Daher ist es wichtig, dass das Ergebnis auf irgendeine Weise überprüft werden kann, um eine hohe Forschungsqualität zu gewährleisten (Denscombe, 2009). Die drei Hauptkonzepte der Forschungsqualität werden im folgenden Abschnitt vorgestellt. Diese sind: Gültigkeit, Verallgemeinerbarkeit und Zuverlässigkeit (Denscombe, 2009). Es ist schwierig, diese Aspekte der Forschungsqualität in qualitativen Studien zu kontrollieren, da es in vielen Fällen unmöglich ist, die Forschung zu wiederholen. Dies verleiht der Darstellung, wie diese Konzepte im Bericht gehandhabt wurden, zusätzliches Gewicht (Denscombe, 2009).2.5.1ValiditätValidität ist der Parameter, der misst, ob die gewählte Theorie und die Methoden für das, was untersucht wird, geeignet sind. Validität in der wissenschaftlichen Forschung bedeutet, dass alle Teile der Forschung mit den untersuchten Phänomenen in Zusammenhang stehen. Indem sichergestellt wird, dass die Literaturstudie, die Quellen, die Methoden der Datenerhebung und die Diskussion mit dem Forschungszweck und den Forschungsfragen in Zusammenhang stehen und kontextualisiert werden, kann die Validität erhöht werden (Blomkvist & Hallin, 2015). Eine Quelle kann eine hohe Zuverlässigkeit und Vertrauenswürdigkeit haben, aber wenn sie im falschen Kontext verwendet wird, kann die Validität trotzdem gering sein. Das bedeutet, dass es wichtig ist, zu begründen, warum die Methoden und Datenquellen für die spezifische Studie geeignet sind (Denscombe, 2009). Um sicherzustellen, dass die empirischen Daten valide sind, kann die Datentriangulation eingesetzt werden. Die Datentriangulation ist kein Mittel zur Gewährleistung der Validität, sondern eine Methode zur Erhöhung der Vertrauenswürdigkeit einer Quelle durch den Vergleich mit anderen Quellen, sowohl zeitlich als auch kontextbezogen (Denscombe, 2009). In dieser Studie wurde die Triangulation durchgeführt, indem die internen Interviews durch acht externe Interviews ergänzt wurden. Dies ermöglichte eine Bestätigung des empirischen Ergebnisses, was folglich die Validität erhöht (Denscombe, 2009). Zweitens wurde die Datentriangulation genutzt, um Daten aus Quellen mit unterschiedlichen Perspektiven und Kontexten zu sammeln. Das Risiko, dass ein Ergebnis in hohem Maße mit einer anderen Methode oder einer anderen Auswahl von Quellen korreliert, wurde durch die Verwendung verschiedener Datenerhebungsmethoden und die Untersuchung unterschiedlicher Perspektiven verringert (Denscombe, 2009). Der größte Nachteil der Triangulation besteht darin, dass die Ergebnisse widersprüchlich sein können (Denscombe, 2009), was bei dieser Untersuchung jedoch kein Problem war. Außerdem könnten in diesem Fall die Ergebnisse der qualitativen Interviews durch die Durchführung eines quantitativen Fragebogens verstärkt werden. Um sicherzustellen, dass die Daten und die Literatur miteinander in Beziehung gesetzt und in den richtigen Kontext gestellt werden, wurden eine kontinuierliche Datenanalyse und eine Literaturübersicht durchgeführt. Dadurch wurde sichergestellt, dass frühere Theorien, die nicht mehr gültig sind, eliminiert oder ergänzt werden können (Blomkvist & Hallin, 2015). Bei den Interviews ist es wichtig, dass sie so geführt werden, dass das Ergebnis für den beabsichtigten Zweck nützlich ist (Blomkvist & Hallin, 2015). Daher wurden die Befragten stets über den Zweck des Projekts informiert und es wurden ihnen klärende Fragen gestellt, um das Risiko von Missverständnissen zu verringern. Dies stellt sicher, dass die Daten im richtigen Kontext erhoben werden und erhöht die Validität (Blomkvist & Hallin, 2015). 2 METHODIK(96)132.5.2VerallgemeinerbarkeitDer Mangel an Verallgemeinerbarkeit ist ein Hauptnachteil der qualitativen Forschung, insbesondere im Rahmen einer Einzelfallstudie. Der Hauptgrund dafür ist, dass die Stichprobengröße zu klein ist, um Rückschlüsse auf eine allgemeine Bevölkerung ziehen zu können. Es ist nicht der Zweck oder die Stärke der Fallstudienforschung, statistische Verallgemeinerungen zu liefern. Stattdessen zielt sie darauf ab, eingehende und umfassende Ergebnisse zu liefern (Denscombe, 2009). Trotzdem sollten die Forscher versuchen, die Verallgemeinerbarkeit so weit wie möglich zu erhöhen, wenn die Forschung für jemanden außerhalb des Fallunternehmens von Bedeutung oder Relevanz sein soll. Im Gegensatz zur statistischen Verallgemeinerbarkeit kann die qualitative Verallgemeinerbarkeit als die Möglichkeit beschrieben werden, Ergebnisse von einem Fall auf einen anderen zu übertragen und zu bestimmen, inwieweit es sinnvoll wäre, ähnliche Ergebnisse in einem anderen Fall zu finden (Denscombe, 2009). Um die qualitative Verallgemeinerbarkeit und die Übertragbarkeit der Ergebnisse dieser Studie auf andere Fälle zu erhöhen, ist es wichtig, die Fallstudie zu präsentieren und zu erläutern, inwiefern die Fallstudie im Kontext der Forschung relevant ist (Denscombe, 2009). Das Ziel dieser Studie ist es, die Einführung von Industrie 4.0 in Produktionsunternehmen und automatisierten Produktionszellen zu untersuchen. Denscombe (2009) empfiehlt, ein unabhängiges Fallobjekt mit klaren Grenzen zu verwenden, da es den Kontext weiter konkretisiert, und daher wurde eine Produktionseinheit mit automatisierten Produktionszellen ausgewählt. Die Notwendigkeit der Datentriangulation durch die Untersuchung verschiedener Perspektiven, um ein vollständiges Bild der Fallstudie zu erhalten und die Validität zu erhöhen, erfordert ein Fallstudienobjekt, das Zugang zu verschiedenen Interessengruppen als nur den Betreibern der automatisierten Produktionszellen bieten kann. Auf der Grundlage dieser Merkmale wurde der Fall Sandvik Coromant ausgewählt. Sandvik Coromant verfügt über eine Produktionseinheit, in der der Zugang zum Betriebspersonal möglich ist, aber auch über Abteilungen für Geschäftsentwicklung und Strategie, in denen weitere Datenquellen gesammelt werden können. Eine weitere Beschreibung der Fallstudie und ihrer Eignung findet sich in Abschnitt 1.3. Um die Verallgemeinerbarkeit zu erhöhen, wurden acht verschiedene Interviews mit fünf verschiedenen Organisationen durchgeführt. In gewisser Weise wird dadurch die Verallgemeinerbarkeit erhöht, da mehr als eine Organisation einbezogen wurde. Auch wenn Maßnahmen ergriffen wurden, um die Verallgemeinerbarkeit zu erhöhen, sollte die Tatsache, dass die Fallstudienforschung im Vergleich zu anderen Methoden eine schlechte Verallgemeinerbarkeit bietet, nicht unterschätzt werden (Denscombe, 2009). Sie kann bis zu einem gewissen Grad durch Triangulation verstärkt werden, indem Datenquellen außerhalb der Organisation verwendet werden. Dies bedeutet, dass die Ergebnisse innerhalb des Fallunternehmens durch externe Erkenntnisse gestärkt werden können, aber auch, dass sie weitere Perspektiven für die Forschung liefern können. 2.5.3ZuverlässigkeitZuverlässigkeit bestimmt, wie die Arbeit durchgeführt wird und ob man dem Ergebnis vertrauen kann (Blomkvist & Hallin, 2015). Dies hängt zum Teil mit der Zuverlässigkeit der ausgewählten Quellen zusammen, aber auch mit der Parteilichkeit der Forscher, da ein Forscher von den Ergebnissen beeinflusst werden könnte, was die Analyse und das Ergebnis der Studie beeinflussen kann. Um dieses Risiko zu verringern, wurden alle Quellen kritisch überprüft und die Methoden, die für die Datenerhebung und -analyse verwendet wurden, im vorherigen Abschnitt transparent dargestellt und argumentiert. Dies gibt dem Leser die Möglichkeit, die Angemessenheit der während des Forschungsprozesses getroffenen Entscheidungen zu bewerten und zu beurteilen (Denscombe, 2009). In diesem Bericht wird durch die ausführliche Darstellung des Forschungsansatzes und -designs (Abschnitt 2.1 und 2.2), der Methoden der Datenerhebung (Abschnitt 2.3), der Datenanalyse (Abschnitt 2.4) und der Forschungsqualität (Abschnitt 2.5) die Transparenz des Forschungsprozesses erhöht und damit die Zuverlässigkeit der Forschung gestärkt (Denscombe, 2009). 3 LITERATURSTUDIE(96)143LiteraturstudieIn diesem Kapitel wird der literarische Hintergrund des Projekts vorgestellt. Zunächst wird Industrie 4.0 vorgestellt, gefolgt von einer spezifischeren Darstellung der Industrie 4.0-Konzepte sowie der Risiken und Anforderungen. Zusammen bilden diese Abschnitte den Hintergrund für die Analyse und Interpretation der Ergebnisse. Für eine konzeptionelle Struktur der Literaturstudie siehe Abbildung 3. Struktur der Literaturstudie..Abbildung 3. Struktur der Literaturstudie.3.1Einführung in das Thema Industrie 4.0Die produzierende Industrie befindet sich derzeit in der vierten industriellen Revolution, die auf der Hannover Messe 2011 definiert wurde, um die Wettbewerbsfähigkeit der deutschen produzierenden Industrie durch Digitalisierung zu steigern (Lee, 2013; Santos, et al., 2017; Santos, et al., 2017). Seitdem hat sich der Begriff verbreitet und verschiedene Bezeichnungen angenommen, darunter auch Industrie 4.0 (Kagermann, et al., 2013; Schlaepfer, et al., 2015). In den Vereinigten Staaten und den englischsprachigen Ländern werden andere Begriffe verwendet, um die Zukunft der Produktion zu beschreiben. Zum Beispiel "Internet of Things", "Internet of Everything" und "Industrial Internet" (Schlaepfer, et al., 2015). In der vierten industriellen Revolution wird erwartet, dass ganze Lieferketten mithilfe digitaler Technologien weiter integriert werden, wobei alle Teile kommunizieren und dezentralisierte Entscheidungen unabhängig treffen können (Kagermann, et al., 2013; Schlaepfer, et al., 2015). Zur Veranschaulichung der vier industriellen Revolutionen siehe Abbildung 4.Einführung in Industrie 4.0Konzepte und Anwendungen von Industrie 4.0Risiken und Anforderungen von Industrie 4.0 3 LITERATURSTUDIE(96)15Abbildung 4. Die vierte industrielle Revolution (Roser, 2015).Die allgemeine Beschreibung von Industrie 4.0 ist eine digitale Transformation der Produktionsindustrien mit Fokus auf automatischer Informationssammlung, -analyse und -kommunikation zwischen Fabriken, Maschinen und Menschen (Schlaepfer, et al., 2015).Viele verschiedene Konzepte werden unter dem Begriff Industrie 4.0 zusammengefasst, die in Abbildung 5 zu finden sind (LEAP Australia, 2017). Es gibt jedoch keine genaue Definition der Konzepte, die zu Industrie 4.0 gehören, sondern es gibt Unterschiede zwischen den Forschern. Ein Grund dafür ist, dass der Begriff Industrie 4.0 relativ neu ist und daher tendenziell mit vielen neuen Produktionskonzepten in Verbindung gebracht wird (Qin, et al., 2016).Abbildung 5. Definition von Industrie 4.0 (LEAP Australia, 2017).Der Begründer von Industrie 4.0, das BMBF, beschreibt Industrie 4.0 als eine zunehmend vernetzte Industrie, in der Teile ganzer Wertschöpfungsketten kommunizieren und selbstoptimierte Entscheidungen treffen, wodurch ein Ökosystem von Technologien und Dienstleistungen entsteht. Des Weiteren zielt die Umsetzung von Industrie 4.0 auf eine horizontale Integration, eine vertikale Integration sowie eine durchgängige Integration von Technik über die gesamte Wertschöpfungskette hinweg ab (Kagermann, et al., 2013; Santos, et al., 2017). Horizontale Integration bedeutet, verschiedene Systeme zu integrieren und die Kommunikation von allen Stufen der Lieferkette zu ermöglichen. Dies umfasst die Verbindung zwischen Logistik, Produktion und Design usw. innerhalb und zwischen verschiedenen Unternehmen. Durch die Ermöglichung der horizontalen Integration wird es möglich, End-to-End-Lösungen zu entwickeln (Kagermann, et al., 2013; Santos, et al., 2017).Vertikale Integration bezieht sich auf die Kombination verschiedener Systeme, die unterschiedliche Hierarchieebenen haben. Dazu gehört die Kombination von Informationen aus Sensoren, Maschinen, Anlagen, Produktionsmanagementsystemen sowie Kunden- und Unternehmensplanungssystemen. Zusammen bieten vertikale und horizontale Integration 3 LITERATURSTUDIE(96)16einen umfassenderen Ansatz für Lösungen und Dienstleistungen und ermöglichen eine durchgängige Integration von Engineering-Prozessen über Wertschöpfungsketten hinweg (Kagermann, et al., 2013; Santos, et al., 2017). Es ist wichtig, die Mitarbeiter einzubeziehen und Produktionsmitarbeiter, Datenwissenschaftler und Softwareentwickler zusammenarbeiten zu lassen, zumal Industrie 4.0 die Produktion näher an digitale Lösungen heranführt (Gorecky, et al., 2014; Wittenberg, 2016). Ein Beispiel für die Integration der physischen und digitalen Welt sind CPS, die im Folgenden näher beschrieben werden.3.1.1Cyber-Physical SystemDer wichtigste Enabler von Industrie 4.0 ist die Entwicklung und Nutzung von IoT und CPS: "Im Wesentlichen wird Industrie 4.0 die technische Integration von CPS in Produktion und Logistik sowie die Nutzung des Internets der Dinge und Dienste in industriellen Prozessen beinhalten. Dies wird sich auf die Wertschöpfung, die Geschäftsmodelle, die nachgelagerten Dienstleistungen und die Arbeitsorganisation auswirken" (Kagermann, et al., 2013).IoT ist ein weit gefasster Begriff, der das Netzwerk von Objekten beschreibt, die miteinander verbunden sind und es ermöglichen, Daten und Informationen von und zu diesen Objekten auszutauschen (Xia, et al., 2012). Aufgrund der billigeren und besseren Technologie und ihrer weit verbreiteten Möglichkeiten hat sich sowohl aus akademischer als auch aus industrieller Sicht ein zunehmendes Interesse am IoT entwickelt (Chen & Chen, 2016; Xia, et al., 2012). Der Einsatz des IoT ermöglicht die Schaffung eines CPS. Ein CPS ist das Konzept, ein digitales Äquivalent der physischen Welt zu schaffen und diese beiden Welten miteinander zu verbinden, so dass sich die digitale und die physische Welt gegenseitig beeinflussen können.Ein CPS kann als ein System beschrieben werden, das physische Arbeit mit Hilfe von IT-Rechenkapazitäten verrichtet. Selbstfahrende Autos sind ein Beispiel dafür, wie durch den Einsatz von IT in einer physischen Umgebung ein CPS entsteht (Monostori, 2015).Ein CPS ermöglicht auch die Kommunikation und den Informationsfluss zwischen physischen Objekten, wie Maschinen und Menschen.Durch CPS wird die Industrie in der Lage sein, die horizontale und vertikale Integration zu ermöglichen, die zuvor in diesem Abschnitt beschrieben wurde (Kagermann, et al., 2013; Santos, et al., 2017). Die Entwicklung von CPS ermöglicht es, riesige Datenmengen zu generieren, die analysiert und visualisiert werden können und folglich zur Verbesserung der Produktivität, Flexibilität und Anpassung genutzt werden können. CPS können es auch ermöglichen, Prozesse in der gesamten Lieferkette auf der Grundlage der aktuellen Situation zu optimieren und kontinuierlich und selbstoptimierende Entscheidungen zu treffen (Kagermann, et al., 2013; Lu, 2017; Pai, et al., 2018; MacDougall, 2014).Ein von der deutschen Regierung identifizierter strategischer Bereich ist die Nutzung bestehender Produktionsanlagen in Kombination mit neuen IT- und IKT-Technologien, wodurch Produktionseinheiten in CPS umgewandelt werden. CPS können auf verschiedene Weise realisiert werden, unter anderem durch die CPS-Plattform, die eine zentrale Plattform ist, die alle Teile verwaltet und miteinander verbindet. Die Plattform ermöglicht außerdem die Bereitstellung von Diensten und Anwendungen, die die Zusammenarbeit in Unternehmensnetzwerken und Ökosystemen ermöglichen (Kagermann, et al., 2013). Je nach der aktuellen Situation und dem aktuellen Zustand des Unternehmens können die Komplexität und die notwendigen Schritte zur vollständigen Implementierung von CPS variieren. Darüber hinaus kann der Intelligenzgrad eines CPS variieren. Lee et al. (2015) haben fünf Stufen definiert, um die Intelligenz eines CPS-Systems zu charakterisieren: Smart Connection Level, Data-to-Information Conversion Level, Cyber Level, Cognition Level und Configuration Level, siehe Abbildung 6. 3 LITERATURSTUDIE(96)17Abbildung 6. CPS-Rahmenwerk (Lee, et al., 2015): "Die erste Ebene, die intelligente Verbindungsebene, umfasst die Informationstransparenz, indem sie es ermöglicht, Daten von verschiedenen Objekten zu sammeln, die durch Sensoren oder sekundäre Systeme erfasst werden. Es ist wichtig, dass die Daten nahtlos gesammelt und an ein zentrales System übertragen werden können. Hier wird der erste Schritt zur Verbindung der physischen und digitalen Welt eingeleitet. Im nächsten Schritt, der Daten-zu-Informations-Konvertierungsstufe, werden die gesammelten Daten verarbeitet, um sie sinnvoll zu nutzen. Im Kontext der Produktion betreffen diese Schritte Maschinen und Komponenten, die sich ihrer aktuellen Leistung bewusst sind und einfachere Vorhersagen über ihre verbleibende Lebensdauer machen können. Dies führt zu selbstbewussten Objekten, die ihre Umgebung über ihre aktuelle und künftige Leistung informieren können und die Identifizierung von Ursachen und Fehlern ermöglichen. Auf der Cyber-Ebene werden die Daten aller Objekte im System auf einer zentralen Plattform zusammengeführt. Dies ermöglicht den Überblick und den Vergleich zwischen verschiedenen Maschinen, um Abweichungen zu erkennen, wobei der Zustand einzelner Maschinen auf einen größeren Maschinenpark bezogen werden kann. Auf der Erkennungsebene kann das System die Informationen analysieren, um ein höheres Maß an Wissen über das überwachte System zu erlangen, indem es z. B. vorschlägt, wie das System arbeiten sollte, um Ausfallzeiten zu verringern. Dieses Wissen wird dem Menschen präsentiert, der schließlich in geeigneter Weise auf diese Vorschläge reagiert. Auf der Konfigurationsebene schließlich ist das System selbst in der Lage, dem überwachten System Feedback zu geben. Das bedeutet, dass das System sich selbst anpasst, um es so optimal wie möglich zu gestalten. In der letzten Stufe funktioniert das System ohne menschliche Eingriffe (Jiang, 2017; Lee, et al., 2015; Qin, et al., 2016; Vijayaraghavan, et al., 2008).CPS können auf drei Komplexitätsebenen eingesetzt werden, der Komponenten-, der Maschinen- und der Produktionssystem-Ebene. Auf der Komponentenebene können Sensoren an kritischen Komponenten angebracht werden, um Daten zu sammeln und diesen Komponenten Selbsterkenntnis und Vorhersagen zu ermöglichen. Auf der nächsten Ebene werden zusätzliche Maschinendaten, die oft komplexer sind, mit den Informationen dieser kritischen Komponenten kombiniert, um Maschinen-CPS zu erstellen. Schließlich werden CPS auf Maschinenebene kombiniert, um CPS für Prozesse zu erstellen, die eine Gruppe von Maschinen oder eine ganze Fabrik umfassen können. Diese drei Schritte bieten eine sequenzielle Methodik zur Steigerung der Intelligenz von Fabrikprozessen (Lee, et al., 2015; Qin, et al., 2016). Die Implementierung von CPS mit aktuellen Produktionsinformationssystemen kann einige Herausforderungen mit sich bringen. Erstens kann die Verfügbarkeit von Echtzeitdaten unzureichend sein, was dazu führt, dass das CPS nicht in Echtzeit funktionieren kann. Zweitens befinden sich viele IT-Systeme in der Produktion in Informationssilos und haben möglicherweise 3 LITERATURSTUDIE(96)18unterschiedliche Kommunikationsstandards, was die Flexibilität und Skalierbarkeit des CPS verringert (Pai, et al., 2018; Yao, et al., 2017). Schließlich sind die aktuellen Systeme möglicherweise nicht an die Verarbeitung von unbekanntem Wissen angepasst und verfügen nicht über eine unterstützende Schnittstelle, um die erforderlichen Erkenntnisse zu liefern (Yao, et al., 2017). Eines der größten Hindernisse liegt jedoch nicht bei den CPS selbst, sondern bei den Organisationen, die sie einführen. Unternehmen haben oft enge Margen, die keine Initiativen mit großen strategischen Unsicherheiten zulassen, was die Bereitschaft zu einem vollständigen Engagement für CPS verringert. Um dieses Hindernis zu überwinden, kann CPS schrittweise für einfachere Anwendungen eingeführt werden, die nur begrenzte Investitionen erfordern, und erst später schrittweise in der Fabrikhalle eingeführt werden (Wang, et al., 2015).3.2Konzepte von Industrie 4.0CPS und Industrie 4.0 sind eng miteinander verwandt und beschreiben in vielerlei Hinsicht dieselben Phänomene: vernetzte und intelligente Produktionssysteme.Darüber hinaus können die zentralen Aspekte von Industrie 4.0 in der Produktion als Digitalisierung aller Prozesse beschrieben werden, die den Austausch und die Verarbeitung von Informationen ermöglicht, um bessere Entscheidungen zu treffen, häufig in Form einer intelligenten Fabrik (Kagermann, et al., (Kagermann, et al., 2013).Während das Konzept von Industrie 4.0 breiter und konzeptioneller angelegt ist, konkretisiert CPS die Umsetzung von Industrie 4.0 in mehreren Schritten und auf verschiedenen Ebenen mit unterschiedlicher Komplexität, indem es zum Beispiel auf einzelne Komponenten, Maschinen oder ganze Prozesse angewendet wird. Darüber hinaus beinhalten sowohl Industrie 4.0 als auch CPS die Konzepte der Vernetzung der physischen Welt und der Verarbeitung von Daten und Informationen zur Entscheidungsunterstützung des Menschen und später zur Ermöglichung selbstoptimierender Fähigkeiten. Aus diesen Gründen konzentrieren wir uns auf die Konzepte der Konnektivität, der Datenanalyse und der Mensch-Maschine-Interaktion, die in den folgenden Unterkapiteln vorgestellt werden, siehe Abbildung 7.Abbildung 7. Die wichtigsten Konzepte von Industrie 4.0.3.2.1KonnektivitätDie Konzepte von Industrie 4.0 konzentrieren sich darauf, wie Daten genutzt werden können, um Fabriken und Lieferketten mit einem höheren Maß an Kommunikation und selbstoptimierenden Eigenschaften zu schaffen. Um viele dieser Konzepte zu ermöglichen, müssen die physischen Teile innerhalb der Fabriken miteinander verbunden werden, um Daten zu generieren (Badarinath & Prabhu, 2017; Lee, 2013; Schlaepfer, et al., 2015). Dies ist sicherlich der Fall bei den CPS, deren Einsatz von der Verbindung mit der realen Welt abhängt. Zusammenfassend lässt sich sagen, dass die Ermöglichung der Kommunikation in einer Fabrik die Grundlage für die Einführung von Industrie 4.0 und CPS ist (Lee, 2013). Um Konnektivität zu ermöglichen, ist es erforderlich, dass ein Objekt sowohl Informationen von anderen Objekten senden als auch empfangen kann. Dies kann sowohl durch verdrahtete als auch durch drahtlose Kommunikationsmethoden erreicht werden. Kabelgebundene Verbindungen sind robuster, aber auch statischer und weniger flexibel für Umstrukturierungen in der Fabrikhalle. Drahtlose Verbindungen sind einfacher zu installieren und zu warten, haben aber möglicherweise eine geringere Leistungsstabilität. Da drahtlose Verbindungen jedoch noch relativ neu sind, gibt es noch keine Industriestandards für die drahtlose Kommunikation. Dies setzt die Unternehmen zusätzlich unter Druck, verschiedene Arten von Verbindungen zu verwalten. 3 LITERATURSTUDIE(96)19Konnektivitätsquellen zu verwalten und eine sichere und stabile Kommunikation zu ermöglichen, um Datenverluste und Ausfälle zu vermeiden (Weyrich, et al., 2014).Eine der gängigsten Techniken für drahtlose Verbindungen ist die Radiofrequenz-Identifikation (RFID)-Technologie, bei der ein Etikett am Objekt angebracht wird, das eine drahtlose Kommunikation mit umliegenden Empfängern ermöglicht. Diese Lösung kann für verschiedene Anwendungen in der Produktion eingesetzt werden, z. B. für die Bestandskontrolle und die Verfolgung von Produkten in der Lieferkette, wobei die Datenerfassung autonom erfolgt (Chen & Chen, 2016). Darüber hinaus hat die Konnektivität die Möglichkeit, die Kommunikation zwischen Maschinen und die Datenerfassung zu ermöglichen, die für Analysen und Vorhersagen verwendet werden und eine bessere Entscheidungsunterstützung für Menschen in der Fabrik ermöglichen (Lee, 2013).Die Verwendung von Verbindungen durch Sensoren oder andere Techniken kann verschiedene Formen der Informationsübertragung von und zwischen Komponenten, Maschinen, Systemen und Menschen ermöglichen. Informationen werden in einer Fabrik übertragen und können im Allgemeinen in drei Kommunikationskategorien unterteilt werden: Maschine zu Maschine (M2M), Mensch zu Maschine (H2M) und Mensch zu Mensch (H2H) (Kalyani & Sharma, 2015).Die Definition von Maschinen umfasst auch Anwendungen, Geräte, Datenerfassungssysteme und Server. Unabhängig davon, wie Maschineninformationen kommuniziert werden, kann die Konnektivität vielfältige Anwendungsfälle ermöglichen. Sie kann beispielsweise zur Überwachung des Maschinenstatus und des Zustands von Komponenten, zur Identifizierung von Vermögenswerten in Echtzeit, zur Fernsteuerung, zur vorausschauenden Wartung und zur digitalen Simulation genutzt werden (Cochran, et al., 2016; Gorecky, et al., 2014; Deloitte, 2013). Durch die Verbindung von Produkten oder Werkzeugen wird der Umstellungsprozess beim Wechsel von einem Produkt oder Werkzeug auf ein anderes effizienter (Küpper, et al., 2017). Viele der treibenden Kräfte der Konnektivität bestehen darin, den Menschen auf verschiedene Weise zu unterstützen, was es ihm ermöglicht, sich auf andere, wertschöpfende Aufgaben zu konzentrieren (Coleman, et al., 2017).Während Konnektivität allein nicht notwendigerweise irgendeinen Wert bringt, hat sie das Potenzial, viele der Industrie-4.0-Konzepte zu ermöglichen, die von einem erhöhten Maß an Vernetzung der physischen Welt abhängen. Um beispielsweise die Nutzung von Big Data voranzutreiben, ermöglicht die Konnektivität das Sammeln der erforderlichen Daten (Demchenko, et al., 2014). Im Hinblick auf die Unterstützung des Bedieners in einer zukünftigen Fabrik kann die Konnektivität eine bessere Mensch-Maschine-Interaktion durch bessere Visualisierung und Entscheidungsunterstützung ermöglichen (Lee, et al., 2015). In den nächsten Abschnitten werden die Konzepte der Datenanalyse und der HMI vorgestellt.3.2.2Datenanalyse Seit dem Beginn der dritten industriellen Revolution ist die Datenmenge stetig gestiegen (Demchenko, et al., 2013; Yan, et al., 2017; Yi, et al., 2014). Mit der Einführung von Industrie 4.0 und Big Data hat die traditionelle Datenanalyse in der Industrie jedoch die Möglichkeit, sich zu verändern. Big Data wird die Wertschöpfung in Unternehmen und deren Organisation verändern, da aus den Daten neue Erkenntnisse gewonnen werden können. Dies wird zur Schaffung neuer Produkte und Dienstleistungsstrategien sowohl für Industrie- als auch für IT-Unternehmen führen (um z. B. Industrieunternehmen mit Datenmanagement zu bedienen). Big Data ist auch ein Hauptbestandteil des IoT. Da alle Geräte miteinander verbunden sind, entstehen große Datenmengen, die verwaltet und analysiert werden müssen (Demchenko, et al., 2013; Santos, et al., 2017).Big Data ist ein Konzept zur Nutzung und Verwaltung großer Datenmengen. Dieses Konzept gilt für viele Bereiche, doch in diesem Bericht liegt der Schwerpunkt auf industriellen Anwendungen und Implementierungen. Bei der Einführung des Konzepts verwendeten viele Forscher in diesem Bereich die 3 Vs: Volume, Velocity und Variety als Definition von Big Data. Damit wurde eine Abgrenzung zu einfacheren Datenanalysen vorgenommen, die nur eine begrenzte Anzahl von Datenpunkten verwenden. Die Definition hat sich seither weiterentwickelt und wird nun durch die 5 Vs definiert, wobei zwei weitere Vs hinzugefügt wurden: Wert und Wahrhaftigkeit 3 LITERATURSTUDIE(96)20(Babiceanu & Seker, 2016; Demchenko, et al., 2013; Demchenko, et al., 2014; Lau, et al., 2016; Yan, et al., 2017).Das herausragendste Merkmal von Big Data ist das Volumen, das auch eine der Herausforderungen bei der Implementierung von Datenanalysen darstellt. Die Definition des Volumens umfasst die Größe, den Umfang, die Menge und die Dimension der Daten. Dies ergibt sich vor allem daraus, dass die Anzahl der Dinge, die Daten erzeugen, als Nebenprodukt des IoT zunimmt und jeder verbundene Prozess immer datenreicher wird. Die Spezifikationen des Computersystems müssen daher im Vergleich zu traditionell großen Datenmengen die Möglichkeit bieten, alle erzeugten Daten lokal oder in Datenbanken zu speichern, die für die Nutzer überschaubar und zugänglich sind und in denen sie suchen können (Demchenko, et al., 2013; Demchenko, et al., 2014). Außerdem müssen sie Informationen priorisieren, um sicherzustellen, dass die kritischsten Informationen zuerst verarbeitet werden können, und die Datenübertragung so planen, dass die Kapazität des Netzes gewährleistet ist. In der Big-Data-Umgebung werden Daten in hoher Geschwindigkeit generiert, z. B. durch Daten, die in Echtzeit von Sensoren in Maschinen erzeugt werden. Daraus ergibt sich eine weitere Anforderung an die Implementierung. Es muss berücksichtigt werden, wie die Daten gespeichert, analysiert und komprimiert werden, da die erzeugten Daten direkt in Echtzeit oder nahezu in Echtzeit verarbeitet werden müssen. Daraus ergeben sich auch spezifische Anforderungen an die Übertragungsgeschwindigkeiten und die für die Datensysteme benötigte Rechenleistung (Demchenko, et al., 2013; Demchenko, et al., 2014).Die zunehmende Datenvielfalt, die durch die steigende Anzahl vernetzter Geräte entsteht, führt zu einer steigenden Komplexität bei der Speicherung von Daten im selben System (Demchenko, et al., 2014). Im Allgemeinen können Daten in drei Kategorien unterteilt werden: strukturierte Daten (Informationen von z. B. Sensoren und Messgeräten), halbstrukturierte Daten (z. B. Kundenfeedback im XML-Format) und unstrukturierte Daten (Mediendaten, z. B. Audio und Videos). Diese unterschiedlichen Datentypen stellen neue Anforderungen an Datenbanken (Demchenko, et al., 2013; Yan, et al., 2017).Der Wert der gesammelten Daten ist ein wichtiger Faktor, den es zu ermitteln gilt. Der Wert der Daten hängt von den Prozessen ab, die sie darstellen, und von der Art der Daten (stochastisch, probabilistisch, regelmäßig, zufällig usw.). Der Wert der Daten bestimmt, wie die Informationen gespeichert werden. Wertvolle Daten werden in ihrer Gesamtheit für lange Zeiträume gespeichert, während weniger wertvolle Informationen für einen kürzeren Zeitraum gespeichert oder komprimiert werden, um nur die allgemeinen Trends der Daten zu speichern (Demchenko, et al., 2013; Demchenko, et al., 2014).Computersoftware- und Dienstleistungsunternehmen haben bereits damit begonnen, die Vorteile von Big Data zu nutzen. Netflix beispielsweise nutzte Big-Data-Analysen bereits vor der Entwicklung der Fernsehserie "House of Cards". Mit all ihren Nutzerinformationen wussten sie, dass die britischen Serien beliebt waren und welche Schauspieler und Regisseure von ihren Nutzern am meisten geschätzt wurden, und konnten dies kombinieren, um eine Serie zu schaffen, von der sie wussten, dass sie beliebt sein würde, noch bevor sie mit der Produktion begannen (Rondeau, 2001; Yi, et al., 2014).In der Produktionsbranche können Big-Data-Analysen der Industrie helfen, aus den gesammelten Daten Nutzen zu ziehen. Mit Big-Data-Analysen lassen sich beispielsweise Maschinenausfälle besser vorhersagen, Wartungsarbeiten planen, bevor es zu Ausfällen kommt, und die Maschinen durch eine intelligente Auftragsabwicklung besser auslasten (Coleman, et al., 2017; Yan, et al., 2017; Yi, et al., 2014). Heutzutage gibt es immer noch viele verborgene Faktoren, die sich auf den Produktionsprozess auswirken, wie z. B. die Kombination von Umweltfaktoren und wie sie sich auf die Produktion auswirken. Mit der Big-Data-Analyse können alle Umweltfaktoren zusammen mit z. B. Maschineninformationen analysiert werden, um z. B. Qualitätsprobleme zu erkennen (Yan, et al., 2017). Die Vorhersage von Ausfällen ist jedoch ein komplexer Prozess, weshalb der Einsatz von Sensoren und die Visualisierung des aktuellen Zustands von Teilen ein Sprungbrett für fortschrittlichere, prädiktive Lösungen sein könnte (Deloitte Digital, 2017). Dies verringert die Notwendigkeit regelmäßiger Wartungskontrollen 3 LITERATURSTUDIE(96)21 und hat das Potenzial, den Bediener darüber zu informieren, wann Maßnahmen erforderlich sind, bevor es zu einem Ausfall kommt (Küpper, et al., 2017).Die Qualitätsprüfung wird in der Regel nach der Bearbeitung durchgeführt, häufig in einem externen KMG oder manuell durch Bediener. Automatisierte 3D-Scanning-Methoden liefern genaue Messungen, sind schnell und einfach und machen eine manuelle oder CMM-Nachbearbeitung überflüssig. Bei dieser Technologie werden Scanner eingesetzt, um ein 3D-Bild des bearbeiteten Teils zu erstellen, das dann mit Hilfe von Datenalgorithmen mit dem CAD-Modell des Teils verglichen wird. Diese Technologien sind jedoch mit hohen Kosten verbunden und erfordern eine leistungsstarke Hardware (Pai, et al., 2018). Die Vorteile sind, dass eine höhere Qualität effektiver sichergestellt werden kann und der Zeitaufwand für die Inspektion reduziert wird (Deloitte, 2017).Die Datenanalyse hat die Fähigkeit, Sensorinformationen in Informationen umzuwandeln, die entweder von automatisierten Systemen oder von Bedienern verwendet werden können. Wenn Bediener die erzeugten Informationen nutzen sollen, müssen diese jedoch so bewertet werden können, dass sie die Informationen aufnehmen können.3.2.3Mensch-Maschine-InteraktionAuch wenn die visionäre Zukunft von CPS und Industrie 4.0 selbstlernende und optimierende Fabriken beinhaltet, ist noch Entwicklungsarbeit nötig, um diesen Zustand zu erreichen. Während dieses Prozesses soll der Mensch eine wichtige Rolle spielen und als Entscheidungsträger fungieren (Lee, et al., 2015). Dies wird besonders in den ersten vier der fünf Intelligenzstufen eines CPS deutlich, in denen das System eingesetzt wird, um den Menschen besser zu unterstützen (Lee, et al., 2015; Qin, et al., 2016). Die ersten vier Schritte umfassen das Sammeln, Sortieren, Analysieren und schließlich Visualisieren von Daten, um den Menschen in der intelligenten Produktion eine intelligente Entscheidungshilfe zu bieten (Lee, et al., 2015). Die Forschung zeigt auch, dass es einen Rückgang grundlegender und sich wiederholender Aufgaben geben wird, aber dass der Mensch in der zukünftigen Produktionsindustrie extrem wichtig sein wird, insbesondere für Aufgaben, die nicht automatisiert werden können oder bei denen die Flexibilität und Kreativität des Menschen wertvoll ist (Becker & Stern, 2016; Gorecky, et al., 2014). Dies könnten zum Beispiel Aufgaben mit einer eher leitenden Rolle sein (Chen, et al., 2017), zum Beispiel durch die Überwachung mehrerer Maschinen und vor allem durch die Lösung von Problemen, wenn sie auftreten (Cochran, et al., 2016; Gorecky, et al., 2014; Wittenberg, 2016).Durch den zunehmenden Einsatz von Daten und IT in der Industrie 4.0 kann das Produktionssystem für Menschen noch schwieriger zu kontrollieren und zu bedienen sein. Daher ist es wichtig, Industrie 4.0 rund um die menschlichen Fähigkeiten zu entwickeln, um diese so weit wie möglich zu stärken (Pellicciari & Peruzzini, 2017). Dies setzt die Gestaltung der Mensch-Maschine-Schnittstelle (HMI) unter Druck, um die Produktionsmitarbeiter zu unterstützen und sie auf die am besten geeignete Weise mit Informationen zu versorgen (Gorecky, et al., 2014). Produktionsmitarbeiter können physisch unterstützt werden, zum Beispiel durch Roboter, aber auch bei Aufgaben, die eine Entscheidungsfindung beinhalten. Der wichtigste Faktor für eine solche unterstützende Visualisierung sind Faktoren wie Konnektivität und Datenanalyse, die Bediener mit Echtzeitdaten und Entscheidungshilfen versorgen können, um sie in ungewöhnlichen oder neuen Situationen zu unterstützen (Chen, et al., 2017; Gorecky, et al., 2014).Es gibt viele Technologien, die eine effiziente HMI und Bedienerunterstützung ermöglichen können, zum Beispiel VR, AR, Mobiltelefone, Tablets, Uhren oder Smart Glasses. Unabhängig von der Technologie sollte sie die Person vor Ort unterstützen und nützliche Informationen in geeigneter Form bereitstellen. Beispiele für Anwendungen sind die Live-Videounterstützung von Wartungsarbeiten oder die Visualisierung von Echtzeitdaten, die es den Mitarbeitern ermöglichen, auf unvorhergesehene Ereignisse zu reagieren. Allerdings wird jede HMI-Implementierung unabhängig von der Technologie 3 LITERATURSTUDIE(96)22 erfordert jedoch eine unterstützende Infrastruktur, die die Möglichkeit bietet, Daten zu verarbeiten und zu analysieren sowie Informationen zu kommunizieren (Gorecky, et al., 2014; Wittenberg, 2016).Durch die Visualisierung haben die vermehrten Informationen in der Industrie 4.0 die Möglichkeit, die Bedienerunterstützung zu verbessern. Es ist jedoch wichtig, dass die Visualisierung effizient ist, damit der Bediener nicht von den Informationen überwältigt wird, was die Wirksamkeit der Visualisierung verringert. Daher müssen die Schnittstellen intuitiv und einfach zu bedienen sein. In der Vergangenheit wurde der Gestaltung von industriellen Visualisierungsschnittstellen keine besondere Bedeutung beigemessen. Mit der zunehmenden Verbreitung von Smartphones und Tablets sind einfache Benutzeroberflächen jedoch zur Norm geworden, die sich auch in industriellen Anwendungen durchsetzt. Es ist wichtig, bei der Entwicklung verschiedener Anwendungen Standardschnittstellen zu verwenden, um die Benutzerfreundlichkeit zu verbessern und die Lernkurve für neue Benutzer oder die Einführung neuer Systeme zu verkürzen. Dazu gehört auch die Platzierung von Informationen auf der Benutzeroberfläche sowie die Verwendung von Standardsymbolen und -farben, die so weit wie möglich standardisiert sein sollten. Eine weitere Möglichkeit zur Verbesserung der Visualisierung besteht darin, zu überlegen, wann, wo und wie Informationen angezeigt werden. Insgesamt gibt es drei Möglichkeiten, dies zu ermöglichen. Erstens die benachrichtigungsbasierte Information, bei der Informationen nur dann angezeigt werden, wenn eine Aktion ausgelöst wird, z. B. im Falle eines Maschinenausfalls. Die zweite Art ist die ortsbezogene Information, bei der die Informationen nur an den richtigen Ort weitergeleitet werden, wodurch die Menge an unnötigen Informationen an Stellen, an denen sie nicht benötigt werden, reduziert wird. Der letzte Typ ist die benutzerbasierte Information, bei der verschiedene Arten von Benutzern verschiedene Arten von Informationen erhalten. Eine Art von Anwendung, bei der HMI und Visualisierung eingesetzt werden können, ist die Echtzeit-Überwachung von Anlagen und Verarbeitungsparametern, um anzuzeigen, wie gut etwas funktioniert (Küpper, et al., 2017), was beispielsweise durch die Anbringung von Sensoren an Teilen einer Maschine zur Messung von Kraft, Druck und Temperatur möglich ist. Solche Teile könnten Spindeln, Lager, Schneidwerkzeuge usw. sein. So kann dem Bediener nicht nur angezeigt werden, wenn etwas von seiner normalen Leistung abweicht (Pai, et al., 2018), die Daten können auch gesammelt und analysiert werden, was Vorhersagen, Trenderkennung oder die automatische Auslösung von Servicemaßnahmen wie Ferndiagnose ermöglicht (Herterich, et al., 2015).Ein weiterer Bereich, in dem die neue Visualisierung den Arbeitsablauf und die Flexibilität des Bedieners verbessern kann, ist die Fernsteuerung und -überwachung der Maschinen (Gorecky, et al., 2014). Eine Lösung für die Implementierung von Fernsteuerungen ist die Verwendung eines dezentralen speicherprogrammierbaren Steuerungssystems (SPS) (Chen, et al., 2017). Mit einem ferngesteuerten SPS-System ist es möglich, von einem entfernten Computer oder Tablet aus auf eine automatisierte Maschine und ihre Steuerungen zuzugreifen. Dies ermöglicht es dem Bediener, die Maschine aus der Ferne zu steuern und zu überwachen, so dass er gleichzeitig weitere automatisierte Maschinen (Zellen) überblicken kann und dennoch über aktuelle Informationen zu allen Systemen gleichzeitig verfügt. Remote PLC hat den Vorteil, dass die Investitionskosten relativ gering sind. Vereinfacht gesagt, ist nur ein Hardware-Upgrade erforderlich; eine neue SPS-Einheit mit der Möglichkeit zur Netzwerkverbindung und eine Anwendung für das mobile Gerät, um die Schnittstelle des Steuerungscomputers zu spiegeln (Chen, et al., 2017).Fabriken verwenden normalerweise tägliche manuelle Aktivitäten, um auf Abweichungen zu reagieren und Probleme zu korrigieren, zum Beispiel durch die Überprüfung von Key Performance Indicators (KPIs) auf einer täglichen Besprechungsbasis. Der Nachteil dieser Methode ist, dass Maßnahmen auf der Grundlage dieser KPIs nicht in Echtzeit durchgeführt werden. Durch die Verwendung von Echtzeitdaten können die Produktionsmitarbeiter die Ursachen von Problemen schneller erkennen und folglich früher proaktiv auf die Informationen reagieren, wodurch mögliche Störungen reduziert werden (Küpper, et al., 2017). Ein Beispiel für eine solche Anwendung ist das ActiveCockpit von Bosch, eine Kommunikationsplattform zur Verarbeitung und Visualisierung von Echtzeit-Produktionsdaten. Die Plattform kann aus der Ferne auf Computern, Industrie-Tablets oder einem zentralen Bildschirm in der Fertigung genutzt werden. Die Plattform kombiniert Daten aus verschiedenen Systemen und ermöglicht es dem Benutzer, einfach auszuwählen, welche Daten visualisiert werden sollen. Die Plattform kann in täglichen Besprechungen genutzt werden 3 LITERATURSTUDIE(96)23 verwendet werden, um Abweichungen in der Produktion durch intuitive Visualisierung schnell zu erkennen, aber auch aus der Ferne durch das Management oder die Bediener an der Werkshalle. Die Hauptvorteile bestehen darin, dass dem Personal relevante Echtzeitdaten in einer Weise präsentiert werden, die eine schnelle Identifizierung der Ursachen und Maßnahmen ermöglicht. Darüber hinaus ermöglicht die Plattform die Entwicklung von Anwendungen, die die Echtzeitdaten nutzen (Rexroth, 2018).Ein weiteres Beispiel dafür, wie Daten in der Produktion einen Mehrwert schaffen können, ist die Wartung. Anstatt nach einem Ausfall oder in festen Zeitintervallen zu reparieren, kann die Datenanalyse genutzt werden, um vorherzusagen, wann eine Maschine kaputt gehen wird (Coleman, et al., 2017). Und selbst wenn die vorausschauende Instandhaltung aufgrund ihrer Komplexität nicht der erste Schritt ist, könnte die Erfassung von Daten die Visualisierung des aktuellen Zustands und die Ermittlung von Trends ermöglichen, um festzustellen, wann ein Parameter abweicht. Dies kann auch eine fortschrittlichere Datenanalyse ermöglichen (Deloitte Digital, 2017).3.3Risiken und Anforderungen von Industrie 4.0 Auch wenn Industrie 4.0 ein etabliertes Konzept ist, ist es noch nicht vollständig konkretisiert worden. Viele Unternehmen tun sich noch schwer, die spezifischen Vorteile von Industrie 4.0 zu erkennen und sind noch nicht bereit, digitale Technologien vollständig zu übernehmen (Geissbauer, et al., 2014; Deloitte Insights, 2017). Darüber hinaus weisen Hofmann & Rüsh (2017) darauf hin, dass ein Risiko bei Industrie 4.0 darin besteht, dass es nur ein "Buzzword" bleibt, das keine praktischen Auswirkungen hat. Der Hauptgrund dafür ist, dass viele Unternehmen und Beratungsfirmen Berichte mit einem breiteren Fokus veröffentlichen, die nicht erkennen lassen, wie Industrie 4.0 im Einzelnen Nutzen bringen kann. Die deutsche Regierung und der Begründer von Industrie 4.0, das BMBF, hat acht Bereiche identifiziert, die wichtig und entwicklungsbedürftig sind, wenn Industrie 4.0 erfolgreich in Organisationen eingeführt werden soll (Kagermann, et al., 2013). Diese Aufgaben sind relevant für die Gesellschaft, ihre Organisationen, aber auch für die Menschen in den Organisationen. Die acht Bereiche werden im Folgenden vorgestellt.3.3.1 Daten- und KommunikationsstandardisierungWie beschrieben, wird erwartet, dass Industrie 4.0 Maschinen und Geräte sowohl innerhalb als auch außerhalb der Fabrik näher zusammenbringt. Um eine effiziente Kommunikation zwischen verschiedenen Objekttypen von unterschiedlichen Anbietern zu ermöglichen, bedarf es einer standardisierten Architektur, wie Daten erfasst, gespeichert und kommuniziert werden. Unabhängig von den technischen Implementierungen, die die Kommunikation ermöglichen, ist ein Standardprotokoll für die Kommunikation zwischen Geräten erforderlich (Kagermann, et al., 2013). Dies ermöglicht den vollständigen Austausch von Informationen und eine effiziente Integration neuer und bestehender Systeme (Chen, et al., 2017). Dies ermöglicht nicht nur Flexibilität und Skalierbarkeit bei der Verwendung von Geräten verschiedener Anbieter, sondern auch die Möglichkeit, Echtzeitdaten einfacher und schneller zu übertragen. Auch die Art und Weise, wie Informationen präsentiert werden, sollte standardisiert werden, damit die Mitarbeiter innerhalb einer Organisation mit der Nutzung neuer Daten vertraut sind (Kagermann, et al., 2013). Es wird empfohlen, einen Bottom-up-Ansatz zu entwickeln, indem alle verschiedenen Standardisierungsarchitekturen, die in den verschiedenen Teilen und Abteilungen einer Produktionseinheit eines Unternehmens existieren, identifiziert werden. Diese sollten dann bewertet und weiterentwickelt werden, um in die neuen Standards zu migrieren, die für alle geeignet sind (Kagermann, et al., 2013; Holmes, 2015).3.3.2Management komplexer SystemeDie Komplexität von Produkten und ihrer Produktion nimmt aufgrund der zunehmenden Funktionalität, der flexiblen Anpassung, der Lieferanforderungen und der Notwendigkeit, verschiedene technische Disziplinen zu kombinieren, zu. Um diese erhöhte Komplexität zu bewältigen, können Planungs- und Erklärungsmodelle eingesetzt werden. Zu den Planungsmodellen gehört die Erhöhung der Transparenz in den Entwicklungsprozessen, in denen Ingenieure und Konstrukteure festhalten, wie etwas entworfen wurde. Dies ermöglicht es, die Entwicklung zu einem früheren Zeitpunkt zu bewerten. 3 LITERATURSTUDIE(96)24. Erklärungsmodelle sind zum Beispiel Simulationsmodelle, die Ingenieuren bei Berechnungen und Überprüfungen helfen können. Dies könnte bei der Simulation laufender Produktionsanlagen, aber auch bei der Simulation der Einführung eines neuen Produkts in den Produktionsablauf eingesetzt werden. Allerdings sind solche Modelle heute noch nicht weit verbreitet oder genormt, was eine höhere Akzeptanz solcher Methoden erfordert. Außerdem müssen sich die Unternehmen darüber im Klaren sein, dass eine umfangreichere Modellierung zu einem früheren Zeitpunkt im Lebenszyklus eines Produkts zu höheren Anfangskosten führen kann. Der Grund für die Verwendung von Modellen ist jedoch die Einsparung von Kosten, die später im Lebenszyklus anfallen können.(Kagermann, et al., 2013)3.3.3BreitbandinfrastrukturWenn eine breite Einführung von CPS und Industrie 4.0 möglich sein soll, ist eine bessere Infrastruktur für die Datenkommunikation erforderlich, die den Hochgeschwindigkeitstransport großer Datenmengen ohne Datenverlust ermöglicht. Wichtig sind auch garantierte Latenzzeiten durch die Netzbetreiber, da die Latenzzeiten einen erheblichen Einfluss auf die Gesamtleistung des Systems haben. (Kagermann, et al., 2013; Tupa, et al., 2017) Damit Unternehmen diese Technologien übernehmen können, benötigen die Regierungen einen ganzheitlichen Ansatz und einen detaillierten Plan, wie diese Systeme für die Produktionsindustrie bereitgestellt werden sollen. Die wichtigsten Anforderungen an eine solche Breitbandinfrastruktur sind, dass sie einfach, leicht zu skalieren, sicher und für kleine und große Organisationen erschwinglich ist (Kagermann, et al., 2013).3.3.4Sicherheit und SchutzDie Sicherheit und der Schutz werden mit der Einführung von Industrie 4.0 immer wichtiger. Die geschaffenen Systeme müssen sicher für die Umwelt sein und dürfen keine Gefahr für die Mitarbeiter oder andere Menschen darstellen. Außerdem steigt mit dem zunehmenden Anteil der Produktion, der mit IT-Systemen verbunden ist, das Risiko von Störungen von außerhalb und innerhalb des Unternehmens (Kagermann, et al., 2013; Tupa, et al., 2017). IT-Probleme im lokalen System können zu einem Produktionsstopp führen. Es wird prognostiziert, dass Cyberangriffe von außen zunehmen und zunehmend auf Industrieunternehmen abzielen werden. Mit der Vernetzung der Produktion werden mehr sensible Informationen mit dem System verbunden und könnten bei Angriffen preisgegeben werden, was ebenfalls zu einem Produktionsstopp führen kann. IT-Sicherheit lässt sich nur schwer gewährleisten, wenn die Lösungen bereits aufgebaut sind, und muss daher von Anfang an berücksichtigt werden. Daher ist ein proaktiver Ansatz für die IT-Sicherheit erforderlich (Kagermann, et al., 2013).3.3.5Organisation und ArbeitsgestaltungMit der Einführung von Industrie 4.0 werden sich die Organisationen wahrscheinlich verändern, da viele Arbeitsplätze wegfallen und andere neu entstehen werden. Neue Mitarbeiter in Organisationen müssen eine größere Vielfalt an Aufgaben bewältigen und zunehmend als Problemlöser fungieren. Dies erfordert außerdem, dass die Mitarbeiter in höherem Maße selbständig handeln und weniger von den Initiativen anderer abhängig sind. Es wird erwartet, dass die Arbeit zufriedenstellender wird, da die Aufgaben anregender sind (Kagermann, et al., 2013; Tupa, et al., 2017).Die zukünftigen Mitarbeiter benötigen auch mehr IT- und digitale Kenntnisse, da die Fabriken zunehmend digitalisiert werden. Diese Nachfrage nach mehr IT-Fachkräften kann zu sozialen Auswirkungen führen und erfordert, dass die Regierungen mit der Entwicklung von Plänen zur Bewältigung der veränderten Anforderungen an die Arbeitnehmer beginnen (Kagermann, et al., 2013).3.3.6Aus- und WeiterbildungDie neuen und zunehmenden Qualifikationen, die von den Arbeitnehmern in der künftigen Industrie verlangt werden, werden auch Anforderungen an die Aus- und Weiterbildung der Arbeitnehmer stellen, sowohl für Unternehmen als auch für den Bildungssektor. Die Arbeitnehmer müssen geschult werden, um die für die Arbeit in einer digitalisierten Fabrik erforderlichen Fähigkeiten zu erwerben. Dazu gehört auch die Umwandlung der derzeitigen akademischen Ausbildung in eine Ausbildung 3 LITERATURSTUDIE(96)25 Studenten zu schulen, aber auch die Möglichkeit zu erhöhen, dass Menschen später im Leben umgeschult werden, da die sich schnell verändernde Industrie ständig neue Arten von Fertigkeiten verlangen wird. Auch die Unternehmen sind dafür verantwortlich, ihre eigenen Ausbildungsprogramme anzubieten, um ihren Arbeitnehmern die für die Zukunft erforderlichen Fähigkeiten zu vermitteln. Dies ist auch für Unternehmen wichtig, um wettbewerbsfähig zu bleiben.(Kagermann, et al., 2013)3.3.7RegelungenWenn es zu grundlegenden technologischen Innovationen kommt, müssen Regelungen getroffen werden, um Regelungsprobleme zu vermeiden. Heute sind die Vorschriften nicht auf die Industrie 4.0 abgestimmt, und es bedarf geänderter Vorschriften insbesondere in den Bereichen Schutz von Unternehmensdaten, Haftung, Handelsbeschränkungen und Umgang mit personenbezogenen Daten. Mit der zunehmenden Verknüpfung sensibler Daten in Unternehmen besteht ein Bedarf an einer besseren Regulierung, die die Daten vor der Preisgabe schützt, einschließlich der Frage, welche Informationen Organisationen speichern und mit anderen Akteuren teilen dürfen. Auch die Haftung bei Datendiebstahl durch Dritte muss geklärt werden.(Kagermann, et al., 2013)3.3.8Effiziente RessourcennutzungDie produzierende Industrie ist einer der größten Rohstoffverbraucher. Bei Metallen ist der Prozess der Gewinnung von Rohstoffen aus Erzen ein großer Verursacher von CO2-Gasen und trägt zur globalen Erwärmung bei, was die Notwendigkeit einer Reduzierung des Rohstoffverbrauchs verstärkt. Die Unternehmen müssen anfangen, mehr recyceltes Material für ihre Produkte zu verwenden, aber auch ein geschlossenes Ökosystem für ihre Produkte schaffen, indem sie ihr eigenes Recycling anbieten. Industrie 4.0 bietet auch die Möglichkeit, die Effizienz der Produktion zu steigern, wozu auch die Effizienz der Veredelung von Rohstoffen gehört. Die Umstellung auf Industrie 4.0 erfordert jedoch auch Investitionen in zusätzliche Ressourcen, die mit den Vorteilen solcher Investitionen verglichen werden müssen, um sicherzustellen, dass die Ressourcen effizient genutzt werden.(Kagermann, et al., 2013) Read Less