Industrie 4.0: Gestaltung cyber-physischer Logistiksysteme zur Unterstützung des Logistikmanagements in der Smart Factory

Roy, Daniel Thomas Book Industrie 4.0: Gestaltung cyber-physischer Logistiksysteme zur Unterstützung des Logistikmanagements in der Smart Factory Schriftenreihe Logistik der Technischen Universität Berlin, No. 38 Provided in Cooperation with: Universitätsverlag der TU Berlin, Technische Universität Berlin Suggested Citation: Roy, Daniel Thomas (2017) : Industrie 4.0: Gestaltung cyber-physischer Logistiksysteme zur Unterstützung des Logistikmanagements in der Smart Factory, Schriftenreihe Logistik der Technischen Universität Berlin, No. 38, ISBN 978-3-7983-2945-4, Universitätsverlag der TU Berlin, Berlin, https://doi.org/10.14279/depositonce-6033 This Version is available at: https://hdl.handle.net/10419/280158 Standard-Nutzungsbedingungen: Die Dokumente auf EconStor dürfen zu eigenen wissenschaftlichen Zwecken und zum Privatgebrauch gespeichert und kopiert werden. Sie dürfen die Dokumente nicht für öffentliche oder kommerzielle Zwecke vervielfältigen, öffentlich ausstellen, öffentlich zugänglich machen, vertreiben oder anderweitig nutzen. Sofern die Verfasser die Dokumente unter Open-Content-Lizenzen (insbesondere CC-Lizenzen) zur Verfügung gestellt haben sollten, gelten abweichend von diesen Nutzungsbedingungen die in der dort genannten Lizenz gewährten Nutzungsrechte. Terms of use: Documents in EconStor may be saved and copied for your personal and scholarly purposes. You are not to copy documents for public or commercial purposes, to exhibit the documents publicly, to make them publicly available on the internet, or to distribute or otherwise use the documents in public. If the documents have been made available under an Open Content Licence (especially Creative Commons Licences), you may exercise further usage rights as specified in the indicated licence. https://creativecommons.org/licenses/by/4.0/ Schriftenreihe Logistik der Technischen Universität Berlin Band 38 Hrsg.: Frank Straube, Helmut Baumgarten, Raimund Klinkner Universitätsverlag der TU Berlin Daniel Thomas Roy Industrie 4.0 – Gestaltung cyber-physischer Logistiksysteme zur Unterstützung des Logistikmanagements in der Smart Factory Daniel Thomas Roy Industrie 4.0 – Gestaltung cyber-physischer Logistiksysteme zur Unterstützung des Logistikmanagements in der Smart Factory Die Schriftenreihe Logistik der Technischen Universität Berlin wird herausgegeben von: Prof. Dr.-Ing. Frank Straube, Prof. Dr.-Ing. Raimund Klinkner, Prof. Dr.-Ing. Dr. rer. pol. h.c. Helmut Baumgarten Schriftenreihe Logistik der Technischen Universität Berlin | 38 Daniel Thomas Roy Industrie 4.0 – Gestaltung cyber-physischer Logistiksysteme zur Unterstützung des Logistikmanagements in der Smart Factory Universitätsverlag der TU Berlin Bibliografische Information der Deutschen Nationalbibliothek Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie; detaillierte bibliografische Daten sind im Internet über http://dnb.dnb.de abrufbar. Universitätsverlag der TU Berlin, 2017 http://verlag.tu-berlin.de Fasanenstr. 88, 10623 Berlin Tel.: +49 (0)30 314 76131 / Fax: -76133 E-Mail: [email protected] Zugl.: Berlin, Techn. Univ., Diss., 2017 Gutachter: Prof. Dr.-Ing. Frank Straube Gutachter: Prof. Dr.-Ing. Roland Jochem Die Arbeit wurde am 23. Juni 2017 an der Fakultät VII unter Vorsitz von Prof. Dr. Rüdiger Zarnekow erfolgreich verteidigt. Diese Veröffentlichung – ausgenommen Zitate – ist unter der CC-Lizenz CC BY lizenziert. Lizenzvertrag: Creative Commons Namensnennung 4.0 http://creativecommons.org/licenses/by/4.0/ Druck: docupoint GmbH Satz/Layout: Daniel Thomas Roy ISBN 978-3-7983-2944-7 (print) ISBN 978-3-7983-2945-4 (online) ISSN 1865-3170 (print) ISSN 2197-0564 (online) Zugleich online veröffentlicht auf dem institutionellen Repositorium der Technischen Universität Berlin: DOI 10.14279/depositonce-6033 http://dx.doi.org/10.14279/depositonce-6033 DANKSAGUNG Die vorliegende Dissertation entstand im Rahmen meiner dreijährigen Tätigkeit am Fachgebiet Logistik der Technischen Universität Berlin. Mein besonderer Dank während dieser Tätigkeit gilt meinem Doktorvater Professor Dr.-Ing. Frank Straube. Er hat nicht nur mit seiner Betreuung die vorliegende Arbeit ermöglicht, sondern mich stets durch Offenheit und Vertrauen bei meiner Entwicklung unterstützt, gefördert und gefordert. Auch möchte ich Herrn Professor Dr.-Ing. Jochem und Herrn Professor Dr. Zarnekow danken. Herr Jochem für die Unterstützung des Dissertationsverfahrens ebenso wie für spannende Treffen und Diskussionen über die Qualifizierung der Zukunft. Herrn Zarnekow möchte ich für den Vorsitz und die Begleitung des Verfahrens danken. Zudem möchte ich meinen ehemaligen Kollegen am Fachgebiet Logistik danken. Insbesondere „The Fox“: Anna, Timo und Dustin. Darüber hinaus Seyit, meinem Brollegen Jan sowie Julia, Martina und Christoph. Neben der Arbeit am Fachgebiet oder am Forschungsprojekt Smart Logistcs Grid fanden wir immer wieder Zeit bei dem einen oder anderen Bier, beim Beachvolleyball oder bei einem Spaziergang die Leichtigkeit des Seins zu genießen. Ich möchte mich bei meinen Freunden Andrea, Steffi, Chris, Martin und Robert bedanken, die mich insbesondere in schwierigen Phasen moralisch unterstützt, abgelenkt und nach den zahllosen Tagen in der Bibliothek bei sich aufgenommen haben. Zudem bedanke ich mich bei Laura, Gregor, Janosch und Simon. Für die Diskussionen, Anregungen, der geteilten Freud und dem geteilten Leid während der Erstellung der Dissertation. Mein allergrößter Dank gilt meiner Familie ohne die diese Arbeit nicht möglich gewesen wäre. Meinen Eltern und meinen Schwestern möchte ich danken, dass sie mich bei meinem Werdegang vorbehaltlos unterstützt haben und mir ein Umfeld ermöglicht haben, welches maßgeblich für den Erfolg dieser Dissertation war. Ihnen möchte ich diese Arbeit widmen. Daniel Thomas Roy VI INHALTSÜBERSICHT INHALTSVERZEICHNIS ............................................................................................ VII ABBILDUNGSVERZEICHNIS ................................................................................... XII TABELLENVERZEICHNIS ....................................................................................... XIV ABKÜRZUNGSVERZEICHNIS ................................................................................. XV 1 EINLEITUNG ........................................................................................................... 1 2 THEORETISCHES BEZUGSSYSTEM ................................................................. 14 3 KONZEPTIONELLES BEZUGSSYSTEM ........................................................... 44 4 EMPIRISCHE ANALYSE ...................................................................................... 74 5 GESTALTUNG CYBER-PHYSISCHER LOGISTIKSYSTEME ....................... 114 6 ZUSAMMENFASSUNG UND AUSBLICK ....................................................... 167 7. ANHANG .............................................................................................................. 175 8. LITERATURVERZEICHNIS ............................................................................... 191 XIII Abbildung 37: KANO-Modell und Matrix der Zielpriorisierung ................................. 141 Abbildung 38: Wertstromanalyse ................................................................................. 143 Abbildung 39: Einfluss-Matrix und System-Grid ........................................................ 146 Abbildung 40: Relationen-Diagramm .......................................................................... 147 Abbildung 41: Prozessregelkreis .................................................................................. 147 Abbildung 42: Technologieattraktivität und Ressourcenstärke .................................... 149 Abbildung 43: Technologie-Portfolio-Analyse ............................................................ 150 Abbildung 44: Digitale Durchgängigkeit in der Smart Factory ................................... 151 Abbildung 45: Entwicklung cyber-physischer Logistiksysteme in der Smart Factory 153 Abbildung 46: Cyber-physische Prozesslandschaft ...................................................... 154 XIV TABELLENVERZEICHNIS Tabelle 1: Relevante Theorieansätze .............................................................................. 14 Tabelle 2: Unterschiede Systemtheorie und Kybernetik ................................................ 16 Tabelle 3: Informationssysteme des Logistikmanagements ........................................... 31 Tabelle 4: Terminologie cyber-physischer Systeme ....................................................... 49 Tabelle 5: Terminologie Industrie 4.0 ............................................................................ 56 Tabelle 6: Industrie 4.0-Technik: Assistierte Entscheider (Assistenzsysteme) .............. 62 Tabelle 7: Industrie 4.0-Technik: Intelligente Objekte ................................................... 64 Tabelle 8: Industrie 4.0-Technik: Integrationsplattformen (Anwendungen) .................. 67 Tabelle 9: Ergebnis literaturbasierte Eigenschaftsanalyse .............................................. 69 Tabelle 10: Ergebnis literaturbasierte Anforderungsanalyse .......................................... 70 Tabelle 11: Fallstudienauswahl ...................................................................................... 80 Tabelle Anhang 12: Automatisierungssysteme ............................................................ 176 Tabelle Anhang 13: Iterativer Auswahlprozess der systematischen Literaturanalyse . 179 Tabelle Anhang 14: Referenzen Basisliteratur Kagermann et al. (2013) ..................... 180 Tabelle Anhang 15: Referenzen Basisliteratur Spath (2013) ....................................... 180 Tabelle Anhang 16: Beiträge Basisliteratur Bauernhansl et al. (2014) ........................ 181 Tabelle Anhang 17: Referenzen Basisliteratur Bauernhansl et al. (2014) .................... 182 Tabelle Anhang 18: Ergebnis syst. Literaturanalyse: Industrie 4.0-Techniken ............ 183 Tabelle Anhang 19: Ergebnis syst. Literaturanalyse: Anforderungen .......................... 187 Tabelle Anhang 20: Ergebnis syst. Literaturanalyse: Eigenschaften ........................... 189 Tabelle Anhang 21: IoE-Ansätze .................................................................................. 190 XV ABKÜRZUNGSVERZEICHNIS AG Aktiengesellschaft AM Advanced Manufacturing APS Advanced Planning and Scheduling System AS Automatisierungssystem AT Automatisierungstechnologie B2B Business-to-Business B2C Business-to-Consumer BDE Betriebsdatenerfassung Bitkom Bundesverband Informationswirtschaft, Telekommunikation und neue Medien e.V. BIP Bruttoinlandsprodukt BMBF Bundesministerium für Bildung und Forschung BSC Balanced Scorecard CPLS Cyber-physisches Logistiksystem CPPS Cyber-physisches Produktionssystem CPS Cyber-physisches System Eb Exabyte ERP Enterprise Resource Planning System EU Europäische Union GmbH Gesellschaft mit beschränkter Haftung HM Hannover Messe I4.0 Industrie 4.0 IdD Internet der Dinge IDT Identifikationstechnologie IKT Informationsund Kommunikationstechnologie IoE Internet of Everything IP Internet Protocol XVI LIS Logistisches Informationssystem KAP Kundenauftragsabwicklungsprozess KEZ Kennzahlensystem KI Künstliche Intelligenz MAS Multiagentensystem MDE Maschinendatenerfassung MES Manufacturing Execution System MRP-I Material Requirements Planning MRP-II Manufacturing Resources Planning PPS Produktionsplanung und -steuerung RFID Radio Frequency Identification RHB Roh-, Hilfsund Betriebsstoffe RWTH Rheinisch-Westfälische Technische Hochschule SOA Service-Orientied Architecture SCEM Supply Chain Event Management SPS Speicherprogrammierbare Steuerung TMS Transport Management System TPA Technologie-Portfolio-Analyse TU Technische Universität TUM Technische Universität München US United States USA United States of America VDMA Verband Deutscher Maschinenund Anlagenbau WMS Warehouse Management System ZVEI Zentralverband Elektrotechnikund Elektronikindustrie 1 1 EINLEITUNG Ausgehend von der Motivation und Relevanz für Praxis und Wissenschaft (Abschnitt 1.1) werden in diesem einleitenden Kapitel die Zielstellung und die primäre Forschungsfrage dieser Arbeit entwickelt (Abschnitt 1.2). Der letzte Abschnitt 1.3 dieses Kapitels erläutert das Forschungsdesign zur Erreichung des Forschungsziels. 1.1 Motivation und Relevanz „Industrie 4.0“ steht für die vierte industrielle Revolution 1 . Diese Revolution ist gekennzeichnet durch Trends in Informationsund Kommunikationstechnologien (IKT), der Automation sowie einer zunehmenden Vernetzung über das Internet, die die Grenzen von physischer und digitaler Welt sukzessive auflöst. Dieser Revolution wird eine vergleichbare Auswirkung auf die Wirtschaft und Arbeitsorganisation wie den vorangegangenen industriellen Revolutionen zugetraut. 2 Die Erwartungen sind immens, so rechnet der Zentralverband Elektrotechnikund Elektronikindustrie e.V. (ZVEI) mit einer knappen Vervierfachung des weltweiten Bruttoinlandsproduktes (BIP) pro Kopf im Vergleich zur dritten industriellen Revolution (Abbildung 1). Abbildung 1: Industrielle Revolutionen im Vergleich 3 Volkswirtschaften weltweit adressieren zunehmend diese Entwicklung und unterstützen den Prozess aktiv mit Programmen und Initiativen. 4 Das Engagement scheint gerecht1 Vgl. Spath (2013), S. 22 2 Vgl. Kagermann (2014), S. 603 3 Eigene Darstellung (kaufkraftbereinigt in Mrd. $ pro Jahr) in Anlehnung an Bauernhansl (2014), S. 5 f.; Wahlster (2014), S. 3; ZVEI (2013), S. 28 f. 4 Vgl. Kagermann et al. (2013), S. 74 f. 1 2 3 4 684 2.753 20.042 ca. 90.000 Auswirkung auf BIP pro Kopf in USD ~ 1880 ~ 1913 ~ 1980 ~ 2020 2 fertigt. Im Rahmen der Digitalisierung wird für Europa ein Wertschöpfungspotenzial in Höhe von über 1 Bio. € erwartet. Auf Deutschland entfallen in diesem Szenario 425 Mrd. € bis 2025. 5 Verantwortlich ist u. a. der Beitrag zum Geschäftserfolg, der 2016 bereits bei 43 % (2015: 27 %) liegt. Die gewerbliche Wirtschaft weist mit 60 % Anteil an digitalisierten Produkten und Diensten einen höheren Anteil auf als das verarbeitende Gewerbe mit 27 %. 6 Daher stößt die vierte industrielle Revolution in der deutschen Industrie auf zunehmendes Interesse. Laut einer Studie erwarten in den nächsten fünf Jahren 88 % der Befragten in Deutschland eine hohe bis sehr hohe Bedeutung der Industrie 4.0 (I4.0) für die Wettbewerbsfähigkeit des Wirtschaftsstandorts Deutschlands. Der erwartete zusätzliche Umsatz von ca. 30 Mrd. € pro Jahr stützt diese positive Einschätzung 7 und veranlasst deutsche Unternehmen bis 2020 zu geplanten jährlichen Investitionen in I4.0-Lösungen in Höhe von 40 Mrd. €. 8 Trotz des relativ geringen Bekanntheitsgrads des Begriffs „Industrie 4.0“ (57 %) sind die Unternehmen von dessen nachhaltiger Auswirkung auf das Wirtschaftsleben überzeugt. 9 Die Ergebnisse der Umfragen decken sich mit Erkenntnissen von Interviews aus den Jahren 2014 und 2015, die u. a. auf der Hannover Messe 10 (HM) geführt wurden. Die Interviewten bemängelten, dass die Möglichkeiten der zunehmenden Digitalisierung industrieller Prozesse Ausrüstern wie Anwendern kaum bekannt sind. Insbesondere bemängelten die Anwender die unzureichende Transparenz über Nutzungsmöglichkeiten. Ausrüster wiesen auf die noch unzureichende Umsetzung neuer Geschäftsmodelle hin. Ein möglicher Grund für die asymmetrische Wissensverteilung besteht darin, dass kein einheitliches Verständnis über I4.0 und die angrenzenden Konzepte existiert. Dennoch teilten beide Marktseiten den Optimismus für das erwartete Potenzial von I4.0. Aktuell ist zu beobachten, dass Messen, Symposien, Forschungsprojekte und Veröffentlichungen im Kontext der I4.0 zunehmen. Die Meinungen bzgl. Begrifflichkeiten oder Potenzialen differieren jedoch. Dennoch ist die vorherrschende Meinung, dass I 4.0 kommt, lediglich dessen konkrete Gestalt ist noch ungewiss. „Industrie 4.0 ist ein vergleichsweise unbestimmter Begriff“ 11 , weswegen eine der zentralen Forderungen in der Beschreibung, Definition und Abgrenzung von Begriffen sowie der Etablierung eines gemeinsamen Verständnisses von Zielen, Potenzialen und Herausforderungen besteht. 12 Im Kontext von I4.0 werden die Konzepte „Internet of Things“, „Smart Factory“ und „cyber-physische Systeme“ thematisiert. Die Zunahme diesbezüglicher Internet-Suchanfragen (Abbildung 2), kann als positiver Trend der weltweiten Relevanz interpretiert werden. 5 Vgl. Roland Berger Strategy Consultants (2015), S. 7 6 Vgl. BMWi (2016), S. 9 7 Vgl. PWC und Strategy& (2014), S. 31 ff. 8 Vgl. PWC und Strategy& (2014), S. 14 9 Vgl. IDC (2014), S. 2 ff. 10 „Industrie 4.0“ stellt seit 2013 das Leitmotto der Messe dar. 11 Bienzeisler et al. (2014), S. 8 12 Vgl. Kagermann et al. (2013), S. 45 f.; Dais (2014), S. 625; Interviewpartner HM (2014) 3 Abbildung 2: Relevanzermittlung mittels Anzahl der Suchanfragen im Internet13 I4.0 als „Umsetzung des Internets der Dinge“14 ist 2012 durch die Veröffentlichung des „Zukunftsprojektes Industrie 4.0“ der Bundesregierung erstmalig in Erscheinung getreten. Neben der begrifflichen Eruierung liegt der Forschungsbedarf aus Sicht der Praxis in der Entwicklung von Ansätzen des Technologieeinsatzes im Fabrikbetrieb für die positive Beeinflussung von Kosten, Qualität und Liefertreue.15 Dazu bedarf es der Erforschung von Ordnungsrahmen, Referenzarchitekturen, Plattformen und Systemansätzen.16 Diese Modelle sollten die Anforderungen der Anwender sowie die Analyse von Modellierungsund Steuerungskonzepten berücksichtigen.17 Internet of Things – als ältestes Konzept – findet im zeitlichen Verlauf die größte Verbreitung und wurde in den letzten Jahren zunehmend nachgefragt. Grund ist die Ausdehnung des Konzeptes auf Dinge, Daten, Dienste und Menschen zum Internet of Everything (IoE) sowie deren Vernetzung in der industriellen Anwendung. Die Smart Factory als industrielles Ökosystem für Produktion und Logistik weist ebenfalls eine Relevanzzunahme auf und adressiert die Netzwerkbildung der Elemente des IoE hin zu cyber-physischen Logistikund Produktionssystemen (CPLS bzw. CPPS). CPLS sind Netzwerke in einer Smart Factory, bestehend aus Produkt-, Objektund Subjektsystemen, die die Erfüllung von Zielen und Aufgaben des Logistikmanagements zur Befriedigung der Kundenwünsche unterstützen. Cyber-physische Systeme (CPS) bilden die technologische Basis der anderen Konzepte und bestehen aus dezentralen, autonomen eingebetteten Systemen, die die physische mit der virtuellen Realität vernetzen. Die internet-basierte Relevanzermittlung zeigt für CPS im Vergleich zu den anderen Konzepten eine steigende, aber geringere Popularität auf. 13 Eigene Darstellung basierend auf Google Trends (2016), Stand: 04.03.2016. Google Trends zeigt das relative Maß für die Anzahl von Suchanfragen in einem bestimmten Zeitintervall. 14 Interviewpartner auf der HM (2014). 15 Vgl. Interviewpartner auf der HM (2014). 16 Vgl. Geisberger und Broy (2012), S. 72 ff.; Niggemann et al. (2014), S. 174 ff.; ten Hompel (2010), S. 6 f.; Westkämper (2013b), S. 313 f. 17 Vgl. Geisberger und Broy (2012), S. 170 ff. 2012 2013 2014 2015 2016 Industrie 4.0 Internet of Things Smart Factory Cyber-Physical Systems Anzahl Suchanfragen Industrie 4.0 Internet of Things Smart Factory Cyber - Physical Systems Anzahl Suchanfragen 4 Aufgrund der Aktualität des Forschungsgegenstandes existieren kaum wissenschaftliche Publikationen, die explizit Bezug auf I4.0 im logistischen Kontext nehmen. Die ersten Analysen zu logistischen Planungsund Steuerungsaufgaben zeigen das gleiche Bild, obwohl diese insbesondere in der Vision der I4.0 relevant sein sollen. Die zukünftigen Entwicklungen, Potenziale und Herausforderungen lassen erwarten, dass die Logistik nicht im Zentrum dieser Entwicklung stehen wird. Das in Abbildung 3 vorgestellte Ergebnis der systematischen Literaturanalyse, in der 49 Literaturquellen identifiziert, analysiert und untersucht wurden, zeigt den Forschungsbedarf auf. 18 Abbildung 3: Anzahl der Beiträge auf Basis der systematischen Literaturanalyse 19 Die Literatur beschreibt Konzepte und Anwendungen von Unternehmen, Forschungsinstituten sowie anderen Einrichtungen. Bislang fehlt gänzlich eine Konzeptionierung und stringente Darstellung der Zusammenhänge von I4.0 sowie angrenzender Konzepte. Die Schwerpunkte liegen in der Erforschung von Grundlagen in der Produktion, während die Logistik bisher nur im Rahmen des Internets der Dinge und einiger Anwendungsbeispiele berücksichtigt wurde. Die Auseinandersetzung mit CPS und der Smart Factory mit Bezug zu Logistik und CPLS findet bisher kaum statt, obwohl die Entwicklung und Erforschung von CPLS im industriellen Einsatz von der Bundesregierung wie von Unternehmen gefordert wird. 20 Logistik ist die „herausragende[n] Anwendungsdomäne der vierten industriellen Revolution“. 21 Dennoch betrachten nur 49 % der Befragten die Logistik auf I4.0 vorbereitet. 22 Mit 2,8 Mio. Beschäftigten in Deutschland und einem Umsatz in Höhe von 228 Mrd. € in 2014 stellt sie den drittgrößten Wirtschaftszweig in Deutschland dar. 23 Die Logistik – und somit die Branchen, mit denen sie in Wechselwirkung steht – ist in den kommenden Jahren mit Herausforderungen und Trends konfrontiert. Stetig steigende und sich verändernde Kundenerwartungen an Produkte, Prozesse und Dienstleistungen in Unterneh18 Das Vorgehen der Literaturanalyse wird in Kapitel 3 vorgestellt. 19 Eigene Darstellung. 20 Vgl. Kagermann et al. (2013), S. 89 ff. 21 ten Hompel und Henke (2014), S. 615 22 Vgl. McKinsey & Company (2015), S. 54 23 Vgl. BVL.de (2014), Zugriff 22.01.2015 Grundlagen Produktion Logistik Andere 0 31 13 5 4 0 7 0 0 34 Cyber-physische Systeme Internet der Dinge, Daten, Dienste, Menschen Smart* Industrie 4.0 0 20 7 5 men erhöhen u. a. die Variantenvielfalt. 24 Individualisierte Kundenwünsche, die Vernetzung der Wirtschaft, der Kostendruck, der Mangel an qualifiziertem Personal sowie die Bedeutung neuer Technologien sind für das Logistikmanagement Treiber und Hemmnis zugleich. Die kürzeren Produktund Innovationszyklen sowie die Zunahme von Logistikzielen und deren teils diametral entgegengesetzte Priorisierungen verstärken die Komplexität zukünftiger Entscheidungsfindungsprozesse, die z. B. durch End-to-EndIntegration, integrierte Planung sowie koordinierte Investitionen in Basistechnologien unterstützt werden können. 25 Aktuell fokussiert die Wissenschaft und Praxis im Kontext von I4.0 die Produktion in und außerhalb von Unternehmensnetzwerken. Neben CPPS wird im industriellen Einsatz die Auseinandersetzung mit bisher kaum erforschten und entwickelten CPLS angestrebt, 26 da es aufgrund der Verbundenheit von Produktion und Logistik „eine Industrie 4.0 [nicht] ohne adaptive, cyber-physische Logistiksysteme“ 27 geben wird. 1.2 Zielstellung Diese Arbeit setzt sich das Ziel, ein cyber-physisches Logistiksystem im Kontext der I4.0 zu gestalten und dessen Beitrag zur Unterstützung des Logistikmanagements in einer Smart Factory zu untersuchen. Der Fokus liegt auf der internen Sicht der taktischen und operativen Ebene von Beschaffungs-, Produktionsund Distributionslogistik produzierender Industrieunternehmen. Fallweise wird er auf externe Schnittstellen, wie z. B. Lieferanten und Kunden, erweitert, um dem integrierten, ganzheitlichen Anspruch der Logistik gerecht zu werden. 1.2.1 Forschungsfragen Als primäre Forschungsfrage ergibt sich daraus: Wie lässt sich ein cyber-physisches Logistiksystem der Industrie 4.0 für das Logistikmanagement in der Smart Factory gestalten? Zur Beantwortung der primären Forschungsfrage wurden sechs sekundäre Forschungsfragen formuliert. Die erste sekundäre Forschungsfrage beschreibt die logistischen und technologischen Trends von I4.0 sowie deren Auswirkungen auf das Logistikmanagement innerhalb des theoretischen Bezugssystems. F.1 Welche Auswirkungen im Kontext von Industrie 4.0 können für das Logistikmanagement festgestellt werden? Die zweite und dritte sekundäre Forschungsfrage thematisieren die Terminologie und den Status quo von I4.0. Integriert in ein konzeptionelles Bezugssystem wird neben dem 24 Vgl. Jochem et al. (2010), S. 2 25 Vgl. Handfield et al. (2013), S. 45 ff. 26 Vgl. Kagermann et al. (2013), S. 89 ff. 27 Günthner et al. (2014), S. 321 6 Konzept I4.0 dessen Zusammenhang zu den Konzepten CPS, des Internets der Daten, Dienste, Dinge und Menschen sowie der Smart Factory beschrieben und abgegrenzt. Anschließend erfolgen die Identifikation und Zuordnung von Technologien und Techniken sowie deren Eigenschaften und die an sie gestellten Anforderungen. F.2 Welche Konzepte können im Kontext von Industrie 4.0 beschrieben und abgegrenzt werden? F.3 Welche Technologien und Techniken können der Industrie 4.0 zugeordnet werden und welche Eigenschaften und Anforderungen existieren prinzipiell? Die vierte sekundäre Forschungsfrage erforscht im Rahmen des empirischen Teils den gegenwärtigen Einsatz von I4.0 innerhalb der Smart Factory und eruiert die relevanten Eigenschaften und Anforderungen aus der Perspektive des Logistikmanagements. F.4 Warum und wie wird Industrie 4.0 in der industriellen Logistik eingesetzt und welche Anforderungen und Eigenschaften präferiert das Logistikmanagement? Die letzten beiden sekundären Forschungsfragen beinhalten die Gestaltung des cyberphysischen Logistiksystems unter Berücksichtigung der zuvor gewonnenen Erkenntnisse sowie die Ableitung von Handlungsempfehlungen. F.5 Wie können cyber-physische Logistiksysteme gestaltet werden? F.6 Welche Handlungsempfehlungen können für das Logistikmanagement im Kontext von Industrie 4.0 abgeleitet werden? 1.2.2 Aufbau Ausgehend von der Darstellung von Motivation und Relevanz der Arbeit werden in Kapitel 1 die Zielstellung sowie der Forschungsrahmen aufgezeigt. Nach der Definition von forschungsrelevanten Theorien und Lehren sowie der Logistik und deren Technologien werden die Auswirkungen auf das Logistikmanagement (Kapitel 2) beschrieben. Kapitel 3 thematisiert das konzeptionelle Bezugssystem, in dem Konzepte der I4.0 beschrieben, abgegrenzt sowie deren Technologien und Techniken identifiziert werden. Anschließend erfolgen die Identifikation von Eigenschaften und Anforderungen und die Zuordnung zu den Konzepten. Kapitel 4 enthält die empirische Analyse, in der mit Hilfe von Gruppenbefragung und Fallstudienforschung der Einsatz von I4.0-Lösungen in der Logistik erforscht wird. Zudem erfolgt die Aufnahme und Priorisierung von Eigenschaften und Anforderungen aus der Perspektive des Logistikmanagements. Die gewonnenen Erkenntnisse münden in die Gestaltung des cyber-physischen Logistiksystems (Kapitel 5). Auf die Gestaltung folgen die Validierung sowie die Ableitung von Handlungsempfehlungen. Die vorliegende Arbeit schließt in Kapitel 6 mit einer Zusammenfassung, kritischen Würdigung sowie einem Ausblick. In grafischer Form stellt sich der Aufbau der Arbeit (Abbildung 4) wie folgt dar: 13 erhöhen die Reproduzierund Generalisierbarkeit von möglichen Erkenntnissen 62 und erfüllen somit u. a. die geforderte Triangulation. Die Anwendung der Fallstudienforschung bietet sich insbesondere bei der Betrachtung primär qualitativer und subjektiver Problemstellungen an, deren wissenschaftlicher Erkenntnisstand aufgrund geringer Strukturiertheit und Formalisierung zunächst exploratorisch erfasst und verstanden werden muss. 63 Das aktuelle und kaum erforschte Konzept I4.0 bietet sich daher für die Fallstudienforschung explizit an. 62 Vgl. Eisenhardt (1989), S. 534 f.; Yin (2003), S. 53 63 Vgl. Meyer (2003), S. 478 14 2 THEORETISCHES BEZUGSSYSTEM Kapitel 2 setzt sich mit dem theoretischen Bezugssystem der Arbeit auseinander. Zunächst werden in Abschnitt 2.1 die Theorien und Lehren der Systemtheorie, Kybernetik, Netzwerktheorie sowie der Managementlehre beschrieben. Abschnitt 2.2 bindet Theorien und Lehren in das Begriffsverständnis der Logistik ein und spezifiziert die Abgrenzung des Untersuchungsgegenstandes. In Abschnitt 2.3 werden relevante Technologien der industriellen Logistik vorgestellt. Die Auswirkungen von Entwicklungen in Logistik und Technologien münden in Abschnitt 2.4 in die Beantwortung der ersten sekundären Forschungsfrage: F.1 Welche Auswirkungen im Kontext von Industrie 4.0 können für das Logistikmanagement festgestellt werden? Die Auswirkungen werden anhand von Trends, Herausforderungen und erwarteten Anwendungspotenzialen im Kontext von I4.0 beschrieben. Kapitel 2 schließt mit einer Abgrenzung und Zusammenfassung. 2.1 Theorien und Lehren Tabelle 1 zeigt die forschungsleitenden Theorien bzw. Lehren des theoretischen Bezugssystems, auf die im Folgenden detailliert eingegangen wird. Allgemeine Systemtheorie Kybernetik Netzwerktheorie Managementlehre Lehre vom Aufbau und der Klassifikation von Systemen Lehre von der Struktur und dem Verhalten dynamischer Systeme Lehre von der Netzwerkanalyse zwischen Akteuren und deren Mustern Lehre vom Gestalten und Lenken zweckorientierter sozialer Systeme Tabelle 1: Relevante Theorieansätze 64 Systemtheorie und Kybernetik bieten Erklärungsansätze für die Planung und Steuerung von Systemen, den zugehörigen Elementen und der Abgrenzung zur Umwelt. Diese Arbeit bedient sich der Systembetrachtung für die Smart Factory als System von Systemen und den darin zu gestaltenden CPLS. Die Netzwerktheorie ermöglicht die Betrachtung der entstehenden kurzbis langfristigen Netzwerke aus Systemelementen. Für die entstehenden Wechselwirkungen zwischen den Elementen bedarf es im betrieblichen Umfeld etablierter Regelwerke, mit denen Zielkonflikte vermieden und Verantwortlichkeiten geregelt werden. Die Managementlehre ermöglicht Erklärungsansätze für die Planung, Steuerung und Kontrolle des Gesamtsystems Smart Factory bzw. der CPLS sowie der darin befindlichen Elemente. 64 Vgl. Stegbauer (2010), S. 48; Ulrich (2001), S. 244 15 2.1.1 Systemtheorie Nach SCHWANINGER ist die „Systemtheorie […] eine formale Wissenschaft von der Struktur, den Verknüpfungen und dem Verhalten komplexer Systeme“ 65 , die sich auf den Aufbau und die Planung und weniger auf die Steuerung von Systemen konzentriert. 66 Das Ziel liegt in der Unterstützung der Lösungsfindung für komplexe Fragestellungen, einem Ordnungssystem für Prozesse und Aktivitäten sowie in der Entwicklung einheitlicher, allgemeingültiger Betrachtungsebenen. Dieser Rahmen hilft, die unterschiedlichen Untersuchungsgegenstände miteinander zu vergleichen und zu systematisieren. 67 Die systemorientierte Managementlehre wird „als Mittler zwischen Theoriebildung und Grundlagenforschung einerseits, der Unternehmungspraxis andererseits“ 68 verstanden. Die Systemtheorie unterstützt die Entwicklung eines Bezugsystems für einen ganzheitlichen, integrierten Ansatz für die Managementlehre. 69 Nach BERTALANFFY besteht ein System aus einer Vielzahl von Elementen, die miteinander in Beziehung stehen. 70 Analog besteht für KRALLMANN et al. ein System „aus einer Menge (im mathematischen Sinne) von Elementen, die durch eine Menge von Relationen miteinander verbunden sind“. 71 Systemelemente sind fundamentale Eigenschaftsträger der untersten Betrachtungsebene bestimmter Objekte der Realität. Existieren Wirkungszusammenhänge zwischen unterschiedlichen Elementen, stellen diese Relationen die Funktion des Elementes dar, bei denen mindestens ein Output einem Input entspricht. Input meint in diesem Kontext den Einfluss der Umwelt auf ein System, Output den Einfluss eines Systems auf die Umwelt. Die Systemgrenze ist durch die inhärenten Systemelemente determiniert. 72 Von geschlossenen und offenen Systemen werden selbstreferentielle Systeme (Abbildung 7) unterschieden. Abbildung 7: Unterschiede von Systemgrenzen 73 65 Schwaninger (2004), S. 4 66 Vgl. Schwaninger (2004), S. 4 67 Vgl. Bertalanffy (1969), S. 34; Ulrich (2001), S. 42 68 Ulrich (2001), S. 59 69 Vgl. Ulrich (2001), S. 59 f. 70 Vgl. Bertalanffy (1969), S. 18 71 Krallmann et al. (2002), S. 24 72 Vgl. Krallmann et al. (2002), S. 24 f. 73 Vgl. Brosze (2011), S. 17 f.; Steffens (2014), S. 110 f. Geschlossene Systeme Offene Systeme Selbstreferentielle Systeme Umwelt Umwelt System System System Systemelement Subsystem 16 Geschlossene Systeme streben einen Gleichgewichtszustand an und sind durch undurchlässige Systemgrenzen sowie eine hierarchische Struktur charakterisiert. Offene Systeme dagegen besitzen durchlässige Systemgrenzen, tauschen sich mit der Umwelt aus und passen sich dieser durch Selbstorganisation und -optimierung an. Selbstreferentielle Systeme können sowohl offen als auch geschlossen sein. Zentral sind bei diesen Systemen die Elemente und deren Verknüpfungen. 74 Elemente bzw. ihre Systeme können auf gleichen oder unterschiedlichen Hierarchiestufen in Wechselbeziehung zueinander stehen. Diese Beziehungen können auf den horizontalen oder vertikalen Hierarchieebenen existieren. Ob ein System als dynamisch oder statisch klassifiziert wird, hängt von der zeitlichen Stabilität von Merkmalen der Beziehungen und Elemente ab. Ist diese konstant und unverändert, handelt es sich um ein stabiles System. Verändern sich hingegen die Relationen im Zeitverlauf, ist das System dynamisch. 75 2.1.2 Kybernetik Die Kybernetik zielt auf die Gestaltung und Steuerung dynamischer Systeme ab. 76 Sie „ist die Wissenschaft von Kommunikation und Regelung.“ 77 Die Unternehmensführung ist eng mit der Gestaltung und Lenkung von dynamischen Systemen verknüpft, daher ist es erstrebenswert, kybernetische Überlegungen für die Unternehmensführung zu übernehmen. BROSZE erweitert das Verständnis der Kybernetik als Wissenschaft und nennt neben der Lenkung die Anpassung und Kommunikation von Systemen als Aufgaben. 78 Tabelle 2 zeigt die Unterschiede von Kybernetik und Systemtheorie. Kybernetik Systemtheorie Ursprung aus diversen Wissenschaften, speziell der Regelungstechnik und künstlichen Intelligenz Ursprung vordergründig in Naturwissenschaften, speziell der Biologie Grundlage sind alle möglichen Systemzustände mit ihrer Kommunikationsstruktur unabhängig von der tatsächlichen Realisierbarkeit Grundlage sind existierende und tatsächliche Systeme Untersucht Verhalten, Prozesse und zirkuläre Kommunikation Untersucht bei Gesamtheiten und Teilen deren Interaktionen und Hierarchien Funktionsweise und Lenkung, Anpassung und Kommunikation von dynamischen Systemen Aufbau und Planung (Ebenen) von statischen und dynamischen Systemen Tabelle 2: Unterschiede Systemtheorie und Kybernetik 79 Die Steuerung von Prozessen ist in der Kybernetik mit dem Regelkreis verknüpft. Bei diesem werden ermittelte Ausgangsgrößen in Form von Ist-Werten an die Regelinstanz „rückgekoppelt“, um mit den definierten Soll-Werten abgeglichen zu werden. Sind Ab74 Vgl. Steffens (2014), S. 110 f. 75 Vgl. Krallmann et al. (2002), S. 26 f. 76 Vgl. Ulrich (2001), S. 42 f. 77 Beer (1962), S. 21 78 Vgl. Brosze (2011), S. 19 79 In Anlehnung an Brosze (2011), S. 16; Duffy (1984), S. 35; Schwaninger (2004), S. 4 f. 17 weichungen identifiziert, werden Korrekturmaßnahmen vorgeschlagen oder direkt eingeleitet. Die anvisierten Prozesskorrekturen können immer nur rückblickend auf Grundlage historischer Daten ausgeführt werden. Um prospektiv agieren zu können, existiert das Prinzip der Vorkopplung, durch das den Auswirkungen möglicher Störungen im Vorfeld durch antizipative Entscheidungen begegnet werden kann. 80 Der Rückkopplungsprozess beginnt mit der Zieldefinition. Anschließend wird jedes Ziel kontinuierlich auf Zielerreichung und -abweichung hin kontrolliert (Soll-Ist-Abgleich). Am Ende des Prozesses fließen Informationen wieder in den Anfangszustand für eine etwaige Zielanpassung ein (Rückkopplung). Alle drei Phasen sind in einem Regelkreis durch eine Kontrollschleife verknüpft. Die kontinuierlich zirkulierenden Informationen über die Prozessergebnisse werden in definierten Intervallen zwischen Quelle und Senke ausgetauscht. So wird eine Selbstregelung des Systems angestrebt, die unabhängig von Einwirkungen der Umwelt ist. Entsteht eine Kommunikation mit der Umwelt, wird ein offener Regelkreis mit den entsprechenden Schnittstellen definiert. 81 Nach SIMON wird die Konzeption technischer Rückkopplungssysteme als Kybernetik erster Ordnung bezeichnet. 82 Diese erforscht die „Steuerung und Regelung des Verhaltens von Systemen, die von ihrer Umwelt und vom Beobachter isoliert sind“ 83 , d. h. der Regler ist nicht Teil des Systems. Seine Aufgabe besteht in der Einflussnahme auf in der Umwelt begründete Störungen. Er selbst wird von einer Führungsinstanz überwacht, die über Variation der Einflussgrößen auf den Regler einwirkt. 84 Die dadurch generierte Perspektive für Anpassungsmaßnahmen ermöglicht es, das selbstregelnde System in ein selbstorganisiertes umzuwandeln. 85 Der Integration des Beobachters trägt die Kybernetik zweiter Ordnung Rechnung, in der die Selbstorganisation, Autonomie sowie die Befähigung zur Selbststeuerung (z. B. sozialer Systeme) im Vordergrund stehen. 86 Diese erforscht die „Steuerung und Regelung des Verhaltens in den übergeordneten Systemen, die entstehen, wenn man den Beobachter mit einschließt“ 87 , d. h. der Regler und das beobachtete System sind Teil des übergeordneten Systems. Damit kann der Regler innerhalb des definierten Zielkorridors eigenständige Entscheidungen fällen. Durch die Abkehr von der Trennung von Beobachter und beobachtetem System kann die Analyse, Auswertung und Entscheidungsfindung zur Realisierung des selbstorganisierten Systems beitragen. 88 Während sich die Systemtheorie auf den Aufbau und die Planung von Systemzielen, -grenzen sowie -elementen und die Kybernetik sich auf die Steuerung, Kontrolle 80 Vgl. Brosze (2011), S. 19 f. 81 Vgl. Duffy (1984), S. 35 f. 82 Vgl. Simon (2013), S. 18 83 Simon (2013), S. 41 f. 84 Vgl. Schwaninger (1994), S. 23 85 Vgl. Beer (1979), S. 63 ff. 86 Vgl. Schwaninger (1994), S. 23 f. 87 Simon (2013), S. 41 f. 88 Vgl. Brosze (2011), S. 20 18 und Anpassung dynamischer, heterarchischer Systeme im Regelkreis konzentriert, fokussiert die Netzwerktheorie den Aufbau von Netzwerken, die aus Systemen bestehen. 2.1.3 Netzwerktheorie In der Managementpraxis wird im Kontext von Netzwerken häufig die vernetzte Zusammenarbeit thematisiert. Der Begriff „Netzwerk“ ist in der Wissenschaft nicht einheitlich definiert und wird in unterschiedlichen Zusammenhängen dargestellt. 89 Dementsprechend ist die junge Wissenschaftsdisziplin der Netzwerkanalyse und Netzwerktheorie ebenfalls unbestimmt. 90 Netzwerktheoretische Ansätze wurden ursprünglich in der Soziologie zur Beschreibung und Analyse sozialer Netzwerke entwickelt. 91 „Bei der Analyse sozialer Netzwerke […] handelt es sich sowohl um eine Reihe von formalen Verfahren zur Analyse von Beziehungen zwischen Akteuren und deren Mustern als auch um eine Theorieperspektive auf eben solche Beziehungen.“ 92 Die Netzwerkanalyse adressiert somit Aspekte der Systemtheorie und Kybernetik. Neben der Untersuchung sozialer Beziehungen und der Identifikation von Mustern, thematisiert die Netzwerkanalyse als empirische Methode die Analyse von Voraussetzungen und Konsequenzen dieser Muster sowie die Strukturerfassung und -beschreibung. 93 Diese Ansätze können nach THOM als Beschreibungsmodelle genutzt werden, um Unternehmensnetzwerke zu erforschen. 94 Nach MILES und SNOW ist ein Unternehmensnetzwerk „a unique combination of strategy, structure and management processes“ 95 , welche in ein Netz von Unternehmen oder Organisationseinheiten eingeflochten sind. 96 Unterschieden wird zwischen interund intraorganisationalen Netzwerktypen. Der interorganisationale Netzwerkbegriff untersucht die Vernetzung rechtlich unabhängiger Unternehmen. 97 Intraorganisationale Netzwerke dagegen fokussieren die Vernetzung innerhalb des Unternehmens zwischen unterschiedlichen Modulen, Einheiten oder Abteilungen. 98 Diese Module, Einheiten oder Abteilungen in internen Netzwerken tauschen Leistungen zu einem Marktpreis untereinander aus. Die dadurch häufig entstehende Modularisierung von Leistungsstellen ist gekennzeichnet durch dezentrale Organisationsmodule, die eine eigene Ergebnisverantwortung haben. 99 Die zentrale und dezentrale Planung, Steuerung und Kontrolle von Modulen, Einheiten oder Abteilungen in internen Netzwerken sind Funktionen der Managementlehre. 89 Vgl. Sydow (1993), S. 61 90 Vgl. Stegbauer (2010), S. 11 91 Vgl. die Ausführungen von Sparsam (2015); Stegbauer (2010); Sydow (2003) 92 Stegbauer (2010), S. 48 93 Vgl. Sydow (1993), S. 121 94 Vgl. Thom (2007), S. 25 95 Miles und Snow (1986), S. 62 96 Vgl. Sydow (2003), S. 1 97 Vgl. Sydow und Windeler (1997), S. 8 f. 98 Vgl. Sydow (1993), S. 57 f. 99 Vgl. Thom (2007), S. 26 19 2.1.4 Managementlehre HUNGENBERG und WULF stellen die Koordination von Menschen im Unternehmen in den Vordergrund und betonen deren Einflussnahme auf das Gesamtunternehmen auf allen Hierarchiestufen (untere, mittlere, obere Führungsebene). Die Unternehmensführung stufen sie als Institution ein. Neben der institutionellen Einordnung gilt die Führung eines Unternehmens als Funktion oder Tätigkeit. Zur Unterstützung der Entscheidungsfindung dienen die drei Hauptaufgaben Planung, Steuerung und Kontrolle. Für den Führungsprozess stellt die Planung den Ausgangspunkt dar. Hier werden Ziele bestimmt, Analysen durchgeführt sowie Strategien und Maßnahmen formuliert, bewertet und ausgewählt. Die Steuerung dient der Verknüpfung von Planung und Umsetzung. Sie fokussiert die Festlegung von Verantwortlichkeiten sowie die Steuerung der Mitarbeiter. Im Rahmen der Erfolgskontrolle werden Ergebnisse und deren Abweichungen vom Ziel kontinuierlich überprüft. Liegen Abweichungen vor, werden etwaige Gegenmaßnahmen ergriffen. Die Kontrolle finalisiert den Kreisprozess und stößt gleichzeitig eine erneute Planung an. 100 MALIK weist auf die häufige Beschränkung der Management-Disziplin auf das Führen von Menschen hin. Er plädiert hingegen für einen erweiterten Begriff. Das Management soll nicht nur auf das Führen von Menschen, Gruppen oder Teams beschränkt sein, sondern muss die Gesamtinstitution berücksichtigen und dementsprechend als Unternehmensführung bzw. als Führen von Organisationen verstanden werden. Nach MALIK liegen die Aufgaben des Managements in der Zieldefinition, der Organisation, der Entscheidung, dem Kontrollieren und der Entwicklung von Mitarbeitern. 101 ULRICH unterteilt die Teilfunktionen des Managements in Lenken, Gestalten und Entwickeln. Diese werden in Bezug auf Hierarchiestufen beschrieben, da wesentliche Unterschiede der Funktionen in der zeitlichen und inhaltlichen Reichweite der angestrebten Zielerreichung liegen. Während sich die Funktion der Entwicklung auf der strategischen, d. h. oberen Führungsebene bewegt, ist die Lenkung auf der operativen Managementebene angesiedelt. Die Gestaltungsfunktion ist keiner der Ebenen eindeutig zuordenbar, vielmehr hat sie die Aufgabe, die operativen Systeme so zu gestalten, dass sie innerhalb des Zielkorridors für die strategische Führungsebene lenkfähig sind. Ein Gestaltungsmodell, in dem die Auswahl von Menschen und Objekten aus der Umwelt und deren Darstellung als Komponenten eines Systems mit ihren spezifischen Merkmalen in einer noch zu entwerfenden Wirklichkeit verknüpft sind, 102 wird in die Gestaltung des cyber-physischen Logistiksystems einfließen. Die Betriebswirtschaftslehre als Managementund Führungslehre thematisiert die Gestaltung, Lenkung sowie die Entwicklung von sozialen Systemen, 103 d. h. Unterneh100 Vgl. Hungenberg und Wulf (2011), S. 21 f. 101 Vgl. Malik (2005), S. 45 f. 102 Vgl. Ulrich (2001), S. 66 ff. 103 Vgl. Ulrich (1984), S. 168 20 men. 104 Unternehmen werden überwiegend hierarchisch mittels einer oder mehrerer Leitungsebenen koordiniert. Die oberste Ebene hat die Aufgabe, die strategischen Ziele und Pläne für das Unternehmen mit langfristigem (ca. fünf Jahre) Planungshorizont festzulegen. Auf der zweiten Ebene des mittleren Managements werden taktische, d. h. mittelfristige (bis zu drei Jahren) Pläne ausgearbeitet, um die Strategien der oberen Ebene umzusetzen. Die operativen Manager realisieren und überwachen die taktischen Pläne. ALPAR et al. betonen die Abnahme hierarchischer Organisationen und die sinkende Überwachung und Weitergabe von Informationen durch die Leitungsebene. Ziel ist die Führung möglichst vieler Mitarbeiter durch wenige Führungskräfte. Der wachsende Einsatz von Informationssystemen unterstützt diesen Prozess, 105 der Einfluss auf cyber-physische Logistiksysteme haben wird. 2.2 Logistik Für die Abgrenzung des Untersuchungsgegenstandes soll der definitorischen Beschreibung der Logistik von STRAUBE gefolgt werden: „Logistik umfasst die Gestaltung des Wertschöpfungsnetzwerks sowie die Planung des Kundenauftragsprozesses und die Erfüllung von Kundenaufträgen. Die dabei zum Einsatz kommenden Informationssysteme, Technologien und Managementkonzepte dienen der Ausrichtung aller an der Leistungserstellung beteiligten Akteure und Prozesse auf die Kundenanforderungen hinsichtlich Servicequalität, Kundennutzen, Kosteneffizienz und Nachhaltigkeit“ 106 . Das übergeordnete Unternehmensziel der Erhöhung der Produktivität mit den Dimensionen Qualität, Kosten und Zeit sowie Erfüllung und Erhöhung der Kundenzufriedenheit gilt gleichfalls in der Logistik. 107 Dafür ist es essentiell, Kundenwünschen und deren Schwankungen gerecht zu werden. STRAUBE und PFOHL betonen daher die Erfüllung der Kundenanforderungen zur Erreichung eines nachhaltigen Gewinnbeitrages. 108 Der Kunde determiniert den Kundenauftragsabwicklungsprozess (KAP), der nach BAUMGARTEN im ganzheitlich integrierten Prozesskettenmodell in Abbildung 8 dargestellt ist. Eine Prozesskette ist durch die Verknüpfung aller Prozesse beschrieben, die einem gemeinsamen Ziel folgen. Ein Prozess definiert sich durch das gemeinsame Wirken von Mensch, Maschine, Material und Arbeitsweise, das in eine spezifische Dienstleistung bzw. Produkt mündet. 109 104 Vgl. Ulrich (2001), S. 44 105 Vgl. Alpar et al. (2014), S. 19 f. 106 Straube (2014a), S. 11 107 Vgl. Jochem et al. (2015), S. 75; Pfohl (2010), S. 33; Straube (2004), S. 303 108 Vgl. Pfohl (2010), S. 33; Straube (2014a), S. 10 109 Vgl. Baumgarten und Darkow (2000), S. 4 ff. 21 Abbildung 8: Prozesskettenmodell der Logistik 110 Ausgangspunkt des Prozesskettenmodells ist der Kunde als Auftraggeber und Leistungsempfänger. Die drei Systeme des Prozesskettenmodells, die zwischen dem Anfangsund Endkunden zur Erfüllung der Kundenanforderungen stehen, setzen sich aus der Versorgung, der Auftragsabwicklung sowie der Entsorgung zusammen. Die drei Subsysteme einer ganzheitlichen Logistik sind sequentiell und parallel miteinander verknüpft. Es entsteht ein Regelkreis 111 , der der Logik der Kybernetik folgt und Wechselwirkungen erzeugt. Die Auftragsabwicklung bildet den Kern der Prozesskette und unterteilt sich in fünf Subsysteme. Die Entsorgung schließt den Regelkreis und gewährleistet die Rückführung der Ressourcen aus der Leistungserstellung der ersten beiden Systeme. Dem Integrationsaspekt widmet sich STRAUBE, indem er neben der materialbezogenen Verzahnung der innerund außerbetrieblichen Leistungserstellung die Gestaltungsbereiche des Prozesskettenmodells um den Aspekt der Informationsund Kommunikationssysteme erweitert. Dem Informationsaspekt der zuvor präsentierten Definition wird so Rechnung getragen. Die Zunahme an Informationsund Kommunikationssystemen wird die Veränderung von „allen Prozessketten der Logistik und an allen Schnittstellen zu Wertschöpfungspartnern“ 112 zur Folge haben. Diese Arbeit untersucht die Veränderungen infolge von I4.0 in der innerbetrieblichen Auftragsabwicklung und den darin zu gestaltenden CPLS. 2.2.1 Logistiksysteme und -netzwerke Die Betrachtung logistischer Problemstellungen im Rahmen des Systemdenkens stößt in Praxis und Wissenschaft zunehmend auf Interesse. Ziel ist die Erforschung definitorischer, beschreibender, erklärender und gestaltender Ansätze. 113 Logistiksysteme sind durch Akteure (z. B. Industrieunternehmen) gekennzeichnet, deren zahlreiche Standorte (z. B. Fabriken) über Kunden-Lieferanten-Beziehungen verknüpft sind. Ein Logistiksystem kann zwecks Analyse und Darstellung als Netzwerk modelliert 110 In Anlehnung an Baumgarten (2002); Straube (2004), S. 6 111 Vgl. Straube (2014a), S. 28 112 Straube (2004), S. 5 f. 113 Vgl. Pfohl (2010), S. 27 Kunde als Auftraggeber Kunde als Leistungsempfänger Auftragsdurchlauf Produktion Distribution After-SalesServices Produktionsplanung steuerung und Entwicklung Bedarfsermittlung Einkauf Beschaffungslogistik Wiedereinsteuerung Behandlung Rückführung Entsorgung Versorgung IKT IKT IKT IKT IKT IKT IKT IKT IKT IKT IKT Auftragsabwicklung IKT IKT 22 werden, welches derart zu gestalten und zu betreiben ist, dass die geforderten Logistikleistungen kostenoptimal erfüllt werden können. 114 „Ein Logistiknetzwerk ist eine durch Abstraktion gewonnene, vereinfachte Abbildung eines realen Logistiksystems, wobei Knoten und Pfeile die relevanten Elemente des Realsystems und deren Beziehungen darstellen.“ 115 Knoten dienen der temporären Speicherung oder zur Überleitung von fließenden Objekten zu anderen Knoten. Die Kanten beschreiben den Bewegungskorridor von Objekten durch das Netzwerk zur Erreichung anderer Knoten. 116 Knoten und Kanten zwischen Wareneingang und -ausgang sind z. B. Lageroder Transportsysteme, die nach GUDEHUS einen geringen Vernetzungsgrad in der Fabrik aufweisen. 117 In I4.0 dagegen wird eine Erhöhung des Vernetzungsbzw. Integrationsgrades dieser Systeme erwartet. Nach MEYER sind Gestaltungsobjekte von Logistiksystemen  Organisation (Einheiten und hierarchische Gliederung),  I&K-Systeme (Erfassung, Verarbeitung und Bereitstellung von Informationen),  technische Anlagen (Unterstützung der Kernprozesse, z. B. Lagerung) und  Logistikprozesse (zeitlich/räumliche Transformation von Materialund Informationen). 118 Die Hauptaufgabe innerbetrieblicher Logistiksysteme besteht in der „Versorgung und Entsorgung der Maschinenund Handarbeitsplätze zwischen Wareneingang und Warenausgang“ 119 . In diesem Netzwerk besitzen die Knoten materialflussoder produktionstechnische Funktionen wie z. B. die Beund Entladung, Verteilung, Pufferung oder die Lagerung. Die Konzepte der technischen Realisierung unterscheiden sich je nach Branche und beziehen neben dem physischen Materialfluss und der Materialbereitstellung den Informationsfluss mit ein. 120 In Anlehnung an Abschnitt 2.1 können Gestaltungsobjekte von innerbetrieblichen Logistiksystemen der System-, Technologieund Netzwerkebene zugeordnet werden. Da Einheiten bzw. Elemente in CPLS technische Anlagen (Objekte) und Mitarbeiter (Subjekte) darstellen können, stehen die Systemund Technologieebene in Wechselwirkung. Die Netzwerkebene adressiert diese Wechselwirkung durch die hierarchische Gliederung und deren Regelwerk. Logistikprozesse sind ebenfalls Teil von Logistiksystemen und werden im Rahmen der funktionalen und institutionellen Abgrenzung der innerbetrieblichen Industrielogistik nach PFOHL entlang des Materialflusses bzgl. der Beschaffungs-, Produktionsund Distributionslogistik sowie mit den Schnittstellen zu Beschaffungsund Absatzmarkt betrachtet. 121 114 Vgl. Arnold et al. (2008), S. 934; Gudehus (2010), S. 550 115 Arnold et al. (2008), S. 934 116 Vgl. Pfohl (2010), S. 5 117 Vgl. Gudehus (2010), S. 551 118 In Anlehnung an Meyer (2007), S. 19 119 Arnold et al. (2008), S. 19 120 Vgl. Arnold et al. (2008), S. 18 f. 121 Vgl. Pfohl (2010), S. 14 ff.; Schuh und Stich (2013), S. 7 29 Informationen in prozesswirksame Handlungen physischer Art Aktoren. 155 In der Automatisierungseinrichtung (Regler bzw. Steuereinrichtung) werden die aktuellen Prozessinformationen aus den Sensoren sowie Umfeldinformationen mit den zuvor definierten Vorgaben des Personals verarbeitet. Das Ergebnis gelangt als Stellsignal zur Aktorik oder mittels eines geeigneten Mediums zum Mitarbeiter. Das geeignete Medium für Informationseingaben und -ausgaben existiert in Form einer Mensch-MaschineSchnittstelle (HMI), die an menschliche Sinne adressiert ist. 156 Neben den Materialund Informationsflüssen sind für ein AS Energieflüsse zum Betrieb relevant, 157 die nicht im Fokus der Arbeit stehen. Informationstechnisch hat sich als funktionale und hierarchische Beschreibung die Automatisierungspyramide (Abbildung 12) etabliert. 158 Abbildung 12: Automatisierungspyramide 159 Auf der Feldebene befindet sich der Herstellungsprozess und die daran beteiligten Objekte und Subjekte, wie z. B. Mensch und Maschine. Durch die manuelle Betriebsdatenerfassung (BDE) via Dokumente oder Erfassungsgeräte und die automatisierte maschinelle Erfassung mittels Sensoren (MDE) wird die Datensammlung von Ist-Werten meist über binäre Signale im Prozess im Sekundentakt oder schneller erfasst, gemessen und angepasst. Die binären Ein-/Ausgangssignale stellen die technische Schnittstelle zum Produktionsprozess dar und werden in der darüber liegenden Ebene, der Regelungsund Steuerungsebene, über Sensoren in Steuerund Regelsystemen gesammelt. Um die Prozessstabilität zu gewährleisten, erfolgt auf dieser Ebene die manuelle oder automatisierte Steuerung sowie Überwachung des physischen Prozesses in Stundenbis Sekundenintervallen. Mit Hilfe von speicherprogrammierbaren Steuerungen (SPS) werden die Teilsysteme (i. d. R. Maschinen) gesteuert oder geregelt. Der Materialflussrech155 Vgl. Litz (2012), S. 5 f.; Weller (2008), S. 12 156 Vgl. Weller (2008), S. 12 ff. 157 Vgl. VDI 2206 (2004), S. 16 158 Vgl. Scholz-Reiter und Höhns (2006), S. 763 159 Eigene Darstellung in Anlehnung an Haehnel (2010), S. 312; DIN EN 62264-1 (2014), S. 17 Arbeitsplatzrechner Personalcomputer Technisches Büro Unternehmensleitebene Betriebsleitebene Prozessleitebene Steuerungsund Regelungsebene Feldebene Materialflussrechner Sensoren Aktoren Steuerung Steuerung Leitrechner DV Horizontale Kommunikation Vertikale Kommunikation DV: Datenverarbeitung 30 ner (MFR) kann sich auf der zweiten, der dritten oder der Prozessleitebene befinden und diese miteinander verknüpfen. Der MFR ist für die Informationsverteilung in der Fabrik zuständig. Dafür werden Messwerte der unteren drei Schichten für das ganze System (inklusive den oberen beiden Schichten) aggregiert und für die Koordination des Herstellungsprozesses tage-, schichtenbis sekundenweise geplant, gesteuert und kontrolliert. Systeme zur Überwachung und Steuerung von technischen Prozessen für das Gesamtsystem werden als Supervisory Control and Data Acquisition (SCADA) 160 bezeichnet. Auf den höchsten beiden Ebenen, der Unternehmensbzw. Betriebsleitebene (Ebene der Unternehmensplanung und Logistik), erfolgt die Grobplanung für die Produktion und Logistik, wie z. B. der Materialverbrauch oder die Anlieferung. Zusätzlich werden die Lagerbestände und die Materialzulieferung sichergestellt. Die Informationen aus den vorangegangenen Ebenen sind essentiell für die oberste Ebene. Die Unternehmensleitebene arbeitet im Monats-, Wochenoder Tageszyklus. 161 Die untersten drei Ebenen bilden die Materialflusssteuerung (d. h. die industrielle Umgebung) ab, wohingegen die beiden oberen Ebenen die Planungsebene (d. h. die administrative Umgebung) abbilden. Auf den Ebenen kommen Informationssysteme zum Einsatz, die Mensch und Maschine bei der Durchführung logistischer Aufgaben unterstützen. 2.3.4 Informationssysteme ALPAR et al. definieren ein Informationssystem als „ein künstliches, konkretes System, das aus maschinellen und menschlichen Elementen besteht und seine Nutzer mit Informationen versorgt.“ 162 Die Hauptaufgaben liegen in der Sammlung, Speicherung, Bearbeitung, Sicherung und Optimierung von Informationen. Die Komponenten bestehen aus Hardware (Rechner), dem Netzwerk (Infrastruktur) sowie aus Software (Datenbank, Programm, Betriebssystem). Die vorliegende Arbeit fokussiert logistische Informationssysteme. Ein logistisches Informationssystem (LIS) hat die Aufgabe, die richtigen Informationen zur richtigen Zeit am richtigen Ort für Logistikprozesse bereit zu stellen, um Material und Produkte in der richtigen Menge, zum richtigen Zeitpunkt, in der richtigen Qualität an den richtigen Ort zu liefern. Auf der operativen Ebene bedeutet dies die Erfassung, Speicherung, Verarbeitung und Ausgabe von Daten für die Steuerung und Kontrolle des Materialund Informationsflusses. 163 Auf den unterschiedlichen Ebenen der Automatisierungspyramide kommen LIS zum Einsatz, die die Verbindung von Objekten und Subjekten innerhalb der Organisation ermöglichen und Planungs-, Steuerungsund Kontrollaufgaben unterstützen. Die Vielzahl der LIS ist abhängig von ihrem Einsatzgebiet, weswegen in dieser Arbeit eine Auswahl vorgestellt wird. Tabelle 3 zeigt den Überblick über die Funktionsbreite sowie die Zuteilung der hier behandelten LIS zu 160 Mehrere HMI bilden in der Regel ein SCADA-System. 161 Vgl. DIN EN 62264-1 (2014), S. 16 f.; Fallenbeck und Eckert (2014), S. 404 ff.; Haehnel (2010), S. 312; Pritschow et al. (1996), S. 10 ff.; Scholz-Reiter und Höhns (2006), S. 763 162 Alpar et al. (2014), S. 24 163 Vgl. Martin (2014), S. 504 31 Planungs-, Steuerungsund Kontrollaufgaben. Die Beschreibung der Informationssysteme befindet sich im Anhang. APS/SCM ERP MES WMS TMS SCEM Planung Produktionsprogrammplanung       Mengenplanung    ()   Terminund Kapazitätsplanung       Steuerung & Kontrolle       Auftragsveranlassung       Auftragsüberwachung       Tabelle 3: Informationssysteme des Logistikmanagements 164 LIS beeinflussen durch Planungs-, Steuerungsund Kontrollaufgaben Prozessabläufe und machen häufig eine Systemanpassung der Abläufe notwendig. Unter den diversen LIS existieren Lösungen unterschiedlicher Anbieter, die eine unternehmensweite Vernetzung und einen einheitlichen Informationsfluss zwischen den Systemen erschweren. Die Integration der Systeme der Feldebene mit den Informationssystemen der höheren Ebenen stellt die Systemarchitekten vor technische Herausforderungen. Während Maschinen und deren SPS, Sensoren und Aktoren der Steuerungsbzw. Feldebene industrielle Bussysteme zur Kommunikation nutzen, kommunizieren LIS via Ethernet und Internet. Die Nutzung von Internetprotokollen wird als Voraussetzung von I4.0 angesehen. Für die Überwindung von Schnittstelleninteroperabilität, -standardisierung und -integration werden bspw. plattformunabhängige OPCund OPC UA-Standards 165 für Geräte der Steuerungsebene sowie BDE und MDE diskutiert. 166 2.4 Auswirkungen logistischer und technologischer Trends Aktuelle logistische und technologische Trends beeinflussen das Logistikmanagement durch alte und neue Herausforderungen sowie Anwendungspotenziale. In diesem Kontext bietet I4.0 zusätzliche Werkzeuge, um die Auswirkungen proaktiv zu gestalten. 2.4.1 Logistische Trends Die Schnittstellenfunktion der Logistik gestaltet das Aufgabenfeld der Planer zunehmend komplexer und setzt sie einer Vielzahl von inneren und äußeren Einflüssen aus. Die Einflüsse und Trends für die Logistik – und somit die Branchen, mit denen sie in Wechselwirkung steht – konfrontieren Logistikverantwortliche mit einer Zunahme von 164 In Anlehnung an Fallenbeck und Eckert (2014), S. 404 ff.; Schuh und Lassen (2006), S. 196; Straube (2013), S. 29; Straube (2014b), S. 22. Beschreibungen der LIS im Anhang. 165 OPC UA = Operation Planning and Control Unified Architecture. In der OPC-Foundation haben sich in den letzten Jahren ca. 470 Unternehmen zusammengeschlossen, um das Standardprotokoll OPCUA zu entwickeln. 166 Vgl. Bildstein und Seidelmann (2014), S. 585 f. 32 Logistikzielen sowie deren teils konträren Priorisierungen. Abbildung 13 zeigt die Logistiktrends der nächsten Jahre, deren Relevanz ausnahmslos zunehmen wird. Abbildung 13: Logistiktrends 167 Die stetig steigenden Kundenerwartungen mit einhergehender Individualisierung der Kundenwünsche, die zunehmende Vernetzung der Wirtschaft und der Kostendruck sind die wichtigsten Logistiktrends der nächsten Jahre. Folgende Ausführungen basieren – wenn nicht anders gekennzeichnet – auf dieser Studie. Steigende Kundenerwartungen und Individualisierung der Kundenwünsche Die zunehmenden Kundenerwartungen bedeuten für das Logistikmanagement eine Vielfalt an kundenspezifischen Wünschen, die das Logistiknetzwerk fragmentieren und komplexer werden lassen. Die Komplexität äußert sich insbesondere in der Zunahme der Variantenvielfalt. Unternehmen sind angehalten, Varianten vorzuhalten, die z. B. unterschiedliche Verpackungsdesigns sowie unterschiedliche logistische Vereinbarungen mit Partnern auf globalen Märkten zur Folge haben. Gleichzeitig werden eine hohe Qualität, niedrige Kosten, zuverlässige Lieferungen und CO2-arme Lösungen erwartet. Die zunehmende Vernetzung unterschiedlicher privater, industrieller oder öffentlicher Anspruchsgruppen verstärkt diesen Trend und die damit verbundenen Zielkonflikte. Zunehmende Vernetzung der Wirtschaft Um der Zunahme an Varianten und Komplexität mit erhöhter Flexibilität zu begegnen, vernetzen sich Unternehmen. Dies äußert sich in vermehrtem Informationsaustausch, der Zunahme an Kooperationen sowie dem Outsourcing von z. B. Bestandsmanagement oder Planungsaufgaben. Die Bündelung von und Vergabe einer Vielzahl von Logistikleistungen ermöglicht z. B. in der Automobilindustrie durch informatorische Vernetzung echtzeitfähige Bestandsüberwachungen durch den Lieferanten. Die zunehmende horizontale und vertikale Vernetzung der Akteure sowie die digitale Durchgängigkeit 167 In Anlehnung an Handfield et al. (2013), S. 14 ff. Heute In 5 Jahren Kundenerwartungen Vernetzte Wirtschaft Kostendruck Globalisierung Mangel an qualifizierten Mitarbeitern Volatilität Nachhaltigkeit Zunahme von Risiken Neue Technologien Unzuverlässige Logistikinfrastruktur Zunahme staatlicher Vorgaben Kulturelle Unterschiede 1 1,5 2 2,5 3 Niedrig Hoch 33 ist in I4.0 ein zentraler Baustein, 168 erhöht jedoch auf der anderen Seite Abhängigkeiten und kann die Prozessstabilität beeinträchtigen. Zunehmender Kostendruck und Zielkonflikte 69 % der Befragten bewerten den Kostendruck als konstant bzw. steigend. Die Erfüllung der Kundenerwartungen sowie die termingerechte Lieferung bilden die wichtigsten Ziele. Im Jahr 2008 waren dies noch die Lieferzuverlässigkeit sowie die Logistikkosten. Dabei weisen Leistungskennzahlen wie die Lieferzeit, -flexibilität und -zuverlässigkeit, in Deutschland einen negativen Trend auf, obwohl sie in direktem Zusammenhang mit den beiden wichtigsten Zielen stehen. Das Logistikmanagement sieht sich somit mit einer Vielzahl an Zielen konfrontiert, die im Konflikt zueinander stehen, in der Priorität schwanken oder durch neue Ziele ergänzt werden. 169 2.4.2 Technologische Trends Die Dynamik aktueller technologischer Trends im Kontext der I4.0 wird für die Logistik zusätzlich weitreichende Veränderungen zur Folge haben. Virtualisierung und Digitalisierung In der aktuellen Entwicklung von Technologien im industriellen Umfeld findet der Begriff „Digitalisierung“ häufig Verwendung. Eine enge Definition beschreibt Digitalisierung als Transformation von analogen zu digitalen Daten. 170 Im weiteren Sinne bildet die IKT die Basis einer Digitalisierung, die alle Lebensbereiche der Gesellschaft zunehmend beeinflusst. 171 Im industriellen Umfeld führt die IKT-Anwendung zu einer Verlagerung geschäftlicher Aktivitäten von der realen in die virtuelle Umgebung. Diese Virtualisierung führt zu einer zunehmenden Vernetzung der Wertschöpfungspartner. Die Dynamik dieses Vernetzungsprozesses einer breiten gesellschaftlichen Basis auf Grundlage von IKT nimmt seit Jahren stetig zu 172 , weshalb von einer „digitalen Transformation“ 173 gesprochen wird. Die digitale Transformation beschleunigt die domänenübergreifende Schließung von Medienbrüchen mit Hilfe von IKT, IDT und AT. Auflösung der Automatisierungspyramide und Dezentralisierung Abbildung 14 zeigt den Paradigmenwechsel in der Automation, mittels dessen die Verbände VDI und VDE die sukzessive Auflösung der Automatisierungspyramide durch vernetzte dezentral organisierte bzw. teilweise selbstorganisierende Dienste skizzieren. 168 Vgl. BMBF (2013), S. 6; Kagermann et al. (2013), S. 24 169 Vgl. Handfield et al. (2013), S. 45 ff. 170 Vgl. Deloitte & Touche GmbH (2013), S. 8 171 Vgl. Bitkom (2012), S. 3 172 Nach PWC und Strategy& (2014), S. 15 nimmt der Digitalisierungsgrad von 2014 bis 2019 in horizontalen und vertikalen Wertschöpfungsketten um das Vierfache zu. 173 Vgl. Deloitte & Touche GmbH (2013), S. 2 ff. 34 Abbildung 14: Auflösung der klassischen Automatisierungspyramide 174 Die Verschiebung von hierarchischen, zentral organisierten Aufgaben hin zu vernetzten dezentral (selbst-) organisierten Einheiten und Diensten 175 hat Einfluss auf Steuerungsund Planungsaufgaben. Die Ausstattung von Elementen der Feldebene mit „Intelligenz“, die einer zentralen Planung und Steuerung kaum mehr bedarf, wird weitreichende Konsequenzen haben. 176 Zusätzlich werden Miniaturisierung, Systemintegration, Konvergenz und Vernetzung auf die Logistik und Produktion Einfluss nehmen. 177 Für die Logistik, als relevantes Anwendungsfeld, sind diese Veränderungen bisher kaum erforscht. 178 Sind es auf der IKT-Seite insbesondere die Verschiebung von zentralen zu dezentralen Ansätzen, von Software-Suiten zu Apps (SaaS) und von zeitversetzten Informationen zu Echtzeitinformationen, 179 wird in der Automation u. a. die Auflösung der klassischen Automatisierungspyramide die Folge sein. Die AT ist durch die stetige Zunahme von IKT beeinflusst. 180 Der Art der Kommunikationssysteme zwischen Objekten kommt bei dezentralen Automatisierungskonzepten eine wichtige Rolle zu, da der Kommunikationsbedarf zwischen diesen Einheiten zunehmen wird. 181 Vernetzung von Objekten und Subjekten via Internet Bis zum Jahr 2020 prognostiziert der Netzwerkausrüster CISCO die Vernetzung von 50 Mrd. Geräten – eine Verdopplung im Vergleich zum Jahr 2015. 182 Im industriellen Umfeld wird die Zunahme von intelligenten Objekten und Produkten im Netzwerk durch die technische vertikale und horizontale Integration von CPS, als zentrales Element der I4.0, 183 realisiert. In dem entstehenden „Internet of Everything“ (IoE) wird alles mit allem vernetzt sein und im Austausch stehen. Neben den Objekten werden operative und strategische Logistikmanager in den Mittelpunkt der Entscheidungsfindung rücken. Neben internen Objekten und Subjekten sollen Kunden in die Smart Factory über intel174 Eigene Darstellung in Anlehnung VDI und VDE (2013), S. 4 175 Vgl. VDI und VDE (2013), S. 4 176 Vgl. ten Hompel und Henke (2014), S. 615 177 Vgl. Botthof et al. (2009), S. 11 f. 178 Vgl. ten Hompel und Henke (2014), S. 615 179 Vgl. Vgl. Bauernhansl (2014), S. 29 180 Vgl. Vogel-Heuser et al. (2013), S. 672 181 Vgl. Haehnel (2010), S. 309 182 Vgl. IBSG (2011), S. 3 183 Vgl. Bauer et al. (2014), S. 18; Schuh et al. (2014), S. 281; ten Hompel und Henke (2014), S. 621; Vogel-Heuser (2014), S. 39 APS SCADA SCM ERP MES PPS 35 ligente Produkte in das Wertschöpfungsnetzwerk integriert werden und in Echtzeit über den aktuellen Status ihres Produktes informiert werden. 184 Inwiefern Kunden aktiv in den Leistungserstellungsprozess eingreifen, ist bisher unklar. Integration von Daten, Diensten, Objekten und Subjekten durch Plattformen „Die Plattformisierung ist ein Megatrend, der die Märkte stark verändert.“ 185 Im Rahmen des Konzeptes I4.0 wird daher dem Plattformgedanken hohe Relevanz zugesprochen. 186 Mittels Cloud Computing-Lösungen ist es möglich, größere Datenmengen als bei herkömmlichen innerbetrieblichen Lösungen für die Analyse, Planung, Regelung und Optimierung von (intelligenten) Fabriken den Anwendern (z. B. Planer) zur Verfügung zu stellen. Über die Cloud können z. B. die (intelligenten) Objekte mittels der Kommunikationsnetze verbunden sowie diverse Dienstleistungen im Intraund Internet angeboten werden. 187 Auf der operativen Ebene werden die Entwicklungen bei IDT durch Sensorik und Aktorik die technischen Voraussetzungen für die Kommunikation zwischen z. B. Betriebsmitteln oder Behältern realisieren. Diese sollen in die Lage versetzt werden, selbstständig Informationen in Echtzeit auszutauschen und sich gegenseitig zu steuern. Die Vernetzung von Anlagen wird durch horizontale Kommunikation realisiert, die i. d. R. Echtzeitbedingungen (Millisekunden) benötigt. Die Vernetzung der Informationssysteme wird durch vertikale Kommunikation mit weniger strengen Anforderungen (Sekunden bis Millisekunden) realisiert. 188 Diese Kommunikation wird die Datenmengen weiter ansteigen lassen, was als eine der größten Herausforderungen im Kontext von I4.0 angesehen wird. Die Daten müssen analysiert und für die Anwender aufbereitet werden, um die notwendigen Maßnahmen ableiten zu können. 189 Die resultierende Zunahme der Daten wird unter dem Stichwort Big Data diskutiert. 190 Für die jährliche Datenzunahme allein für den mobilen Datenverkehr wird von 2015 bis 2018 eine Erhöhung von 4,4 Eb 191 auf 15,9 Eb erwartet. 192 Werden Daten zu Informationen, entstehen „Smart Data“. Die Entwicklungen in IKT, IDT und AT stellen die Basis der digitalen Transformation dar, die sich in dieser Arbeit in den Konzepten der CPS, des IoE und der Smart Ecosystems widerspiegelt. Logistische und technologische Trends beeinflussen das Logistikmanagement in Form von Herausforderungen und damit verbundenen Anwendungspotenzialen. Technologische Herausforderungen werden im Rahmen dieser Arbeit nur skizziert. 184 Vgl. BMBF (2013), S. 32 f. 185 Baums et al. (2015), S. 8 186 Vgl. Fallenbeck und Eckert (2014), S. 427 ff. 187 Vgl. Bauer et al. (2014), S. 21 188 Vgl. Hoppe (2014a), S. 263 189 Kleinemeier (2014), S. 573 190 Vgl. Kagermann (2014), S. 605 f. 191 Ein Exabyte (Eb) entspricht einer Mrd. Gigabyte. 192 Vgl. Cisco Systems Inc. (2014), S. 5 36 2.4.3 Herausforderungen für das innerbetriebliche Logistikmanagement Zielkonflikte Das Logistikmanagement ist internen und externen Zielkonflikten unterworfen, die eine Ausschöpfung von Potenzialen auf Systemebene erschweren können. Interne Zielkonflikte bestehen z. B. im Spannungsfeld von Lieferservice, Beständen sowie dem Durchsatz der Produktionsund Logistiksysteme. Wird ein hoher Lieferservice angestrebt, wird dies z. T. durch höhere Bestände zwischen den Arbeitsstationen realisiert. Die Erhöhung des Durchsatzes von Logistiksystemen ist daher häufig mit einer Entkopplung der Materialflüsse sowie dem Aufbau von Lägern verbunden. Das Spannungsfeld von Logistikkosten und -leistung in innerbetrieblichen Logistiksystemen führt i. d. R. zu einer suboptimalen Ausschöpfung des Systemoptimums zwischen Bereichen, Abteilungen oder Akteuren von Logistiknetzwerken. 193 Intransparenz und isolierte, zeitversetzte Planung, Steuerung und Kontrolle Informationen werden mehrheitlich am Anfang bzw. Ende eines Bearbeitungsschrittes aufgenommen, der Status logistischer Einheiten dazwischen ist unklar. 194 Nicht synchronisierte Materialund Informationsflüsse erzeugen Asymmetrien in der Qualität der Planungsund Steuerungsparameter bei langfristigen Prognosen oder kurzfristigen Anpassungen. 195 Die generierte Intransparenz der Informationsbereitstellung über innerbetriebliche Abläufe hat direkten Einfluss auf die Entscheidungsqualität des Personals, wenn die steigende Datenund Informationskomplexität nicht benutzergerecht für die Anwender aufbereitet wurde. Die unterschiedlichen Anwender agieren in unterschiedlichen Bereichen und Planungsebenen, wie z. B. der Vertriebsund Produktionsplanung. Dies führt zu einer (zentralen) isolierten Planung, Steuerung und Kontrolle von Materialund Informationsflüssen sowie zu Zeitund Mentalitätsunterschieden. Daraus resultiert u. a. eine fehlende Rückkopplung (bzw. Regelkreise) bei Änderungen im Ablauf sowie bei einer beeinträchtigten Verfügbarkeit, Aktualität und Verteilung von Daten innerhalb der Prozesse. 196 Dieses Defizit wird durch die fehlende Echtzeitfähigkeit verstärkt, was z. B. kurzfristige Terminänderungen oder die Feinsteuerung für Auslastungsgrade erschwert. Grund können neben unterschiedlichen Zeitanforderungen der Ebenen Medienbrüche in der Datenaufnahme sowie die nicht konsequente Ausstattung des Materialflusses mit IDT sein. 197 Die resultierende Informationsasymmetrie zwischen Realität und Virtualität erhöht asynchrone Materialund Informationsflüsse und erschwert die Integration für Planungs-, Steuerungsund Kontrollaufgaben in den KAP. Die Vernetzung findet über193 Vgl. Schuh und Stich (2013), S. 22 f. 194 Interviewpartner Fallstudienforschung (2016) 195 Vgl. Schuh et al. (2014), S. 289 ff. 196 Vgl. Straube (2004), S. 130 ff. 197 Interviewpartner Fallstudienforschung (2016) 37 wiegend zu angrenzenden vorbzw. nachgelagerten Ebenen, wie bei der klassischen Automatisierungspyramide, statt. Dies führt zu einer erhöhten Informationsdichte sowie erhöhter Verarbeitungsleistung in vertikaler Richtung, da Informationssysteme wie SCM, ERP oder MES die Informationen der jeweils untergeordneten Stufe nutzen. Die unteren Ebenen benötigen dagegen eine erhöhte Verfügbarkeit von Daten und Informationen, die zu den höheren Hierarchieebenen abnimmt. 198 Inadäquate Nutzung von Kundeninformationen Als Folge von Bereichsdenken sowie isolierter, zeitversetzter Teilplanungen werden Auftragsdaten des Kunden nicht direkt an die involvierten Akteure weitergeleitet. Daten des Vertriebs werden verzögert und/oder unvollständig der Beschaffung, Produktion etc. zur Verfügung gestellt, was u. a. Redundanzen und Wiederholungsprozesse zur Folge hat. Anpassungen werden z. T. kurzfristig vorgenommen, ohne tiefergehend die Konsequenzen der Entscheidungen zu bewerten. 199 Bereichsdenken und Führungsverhalten Kennzahlenbasierte Zielkonflikte können durch organisatorische Hemmnisse aufgrund unterschiedlicher interner und externer Anspruchsgruppen verstärkt werden. 200 Logistische Aktivitäten sind im Unternehmen i. d. R. auf unterschiedliche Bereiche aufgeteilt. Durch ihre Querschnittsfunktion sind sie mit Silodenken und lokalen Bereichszielen konfrontiert, die den Systemzielen entgegenstehen. Treffen Organisationseinheiten lokale Priorisierungen und ändern diese, werden die Auswirkungen auf das Gesamtsystem schwieriger einschätzbar bzw. einsehbar, was wiederum zu Suboptima führt. Dies stellt ein häufiges Szenario in Unternehmen dar. Der Einkauf z. B. ist darin bestrebt, hohe Volumina für bessere Einkaufsbedingungen zu ordern, was in Lager und Produktion zu hohen Beständen führt, die aufgrund der Entkopplung vom eigentlichen Bedarf u. U. abgeschrieben werden müssen. 201 Zusätzlich führt das Bereichsdenken zu asynchroner Kommunikation aufgrund der Informationsautonomie zentraler Instanzen und der damit fehlenden oder verspäteten Informationsweitergabe. Verzögerungen oder Vorenthaltungen können Entscheidungen über Kapazitäten und Bestände negativ beeinflussen, zu Folgefehlern und Störungen führen. 202 Infolge der Datenzunahme werden Führungskräfte und Mitarbeiter einer erhöhten Prozessund Informationskomplexität ausgesetzt. Für die Gewährleistung der Akzeptanz sowie der Vermeidung von Überforderung werden Qualifizierungsmaßnahmen und ein Umdenken in der Arbeitsorganisation und -gestaltung nötig. 203 198 Vgl. Stich et al. (2013), S. 271 f. 199 Vgl. Straube (2004), S. 130 ff. 200 Interviewpartner Fallstudienforschung (2016) 201 Vgl. Schuh und Stich (2013), S. 23 f. 202 Vgl. Straube (2004), S. 130 ff. 203 Vgl. Günthner et al. (2014), S. 311 f.; IDC (2014), S. 6; Kagermann et al. (2013), S. 5 ff. und Kagermann et al. (2013), S. 562 ff.; Schuh et al. (2014), S. 279 ff. 38 Heterogene Systemlandschaften, Standards und Datensicherheit Organisch gewachsene Systemund Technologielandschaften durch Unternehmenszukäufe münden in heterogene Verteilungen von Funktionen. Resultat sind fehlende Standards und Kompatibilitätsprobleme zwischen den Schnittstellen der Geschäftsprozesse. Aus der heterogenen Systemlandschaft und fehlender Kompatibilität resultiert eine Komplexitätszunahme, die das Spannungsverhältnis zwischen Logistikund Technologieanforderungen erhöhen kann. 204 Kürzere Anpassungszyklen von Logistiknetzen und Technologien in immer kürzerer Frequenz werden notwendig. Die systembedingte Inflexibilität zur Gestaltung und Adaption von Informationssystemen und Logistiktechnologien für Systeme und Prozesse stoßen an die Grenzen der tatsächlichen Machbarkeit. Eine Konsequenz ist die entstehende Automatisierungslücke, die durch Asymmetrien in der internetbasierten Integration zwischen realer Welt (Objekte und Subjekte) und virtueller Welt (Informationssysteme) entsteht. 205 Bei der zukünftig zu bewältigenden Datenübertragung, -haltung und -verarbeitung wird die Datensicherheit und -qualität zu einer elementaren Voraussetzung für die Systemverfügbarkeit. 206 Zusätzlich sind aktuell die Leistungsfähigkeit, der wirtschaftliche Nutzen sowie rechtliche Fragestellungen zur Datennutzung und Produkthaftung für I4.0-Lösungen unklar. 207 Die intransparente Angebotskomplexität im sich neu definierenden „I4.0-Markt“ verstärkt die Unsicherheit. 2.4.4 Anwendungspotenziale für das Logistikmanagement Zur Adressierung von Trends und Herausforderungen wird in Deutschland verstärkt auf die Potenziale durch die zukünftigen Entwicklungen hingewiesen. So fordert der Verband BITKOM, dass „Deutschland [...] der weltweit führende Standort für Industrie 4.0 werden“ 208 müsse. Dies gilt insbesondere für Maschinenbauunternehmen, deren Fokus als Anwender und Ausrüster in der konventionellen Abwicklung auf physischen Produkten und Prozessen liegt, durch I4.0 aber eine Verschiebung zu Vernetzung und Dienstleistung erfahren wird. 209 Marktund Einsparpotenzial Die Forderung scheint gerechtfertigt, wenn man sich das geschätzte Gesamtpotenzial von bis zu 425 Mrd. € bis zum Jahr 2025 in Deutschland und von 1,25 Bio. € in Europa vergegenwärtigt. 210 Das Potenzial für die Volkswirtschaft Deutschland scheint immens. Umso erstaunlicher ist, dass der drittgrößte Wirtschaftszweig – die Logistik – bisher kaum thematisiert wurde. Dies gilt insbesondere vor dem Hintergrund, dass die Logistik 204 Vgl. Kagermann et al. (2013), S. 5 ff.; PWC und Strategy& (2014), S. 37; Straube (2014f), S. 24 ff. und den dort zitierten Quellen. 205 Vgl. Straube (2014f), S. 24 ff. und den dort zitierten Quellen. 206 Vgl. Diemer (2014), S. 369 ff. 207 Interviewpartner Fallstudienforschung (2016) 208 Bitkom (2014), S. 21 209 Interviewpartner HM (2014) 210 Vgl. Roland Berger Strategy Consultants (2015), S. 7 45 Fehlen einer breiten wissenschaftlichen Basis 232 sowie dem Ursprung von I4.0 in Deutschland wird das Schneeballverfahren mit drei deutschen Basiswerken aus den Jahren 2013 und 2014 sowie der Analyse derer Referenzen angewendet.  Kagermann; Wahlster; Helbig (2013): Deutschlands Zukunft als Produktionsstandort sichern – Umsetzungsempfehlungen für das Zukunftsprojekt Industrie 4.0. Abschlussbericht des Arbeitskreises Industrie 4.0.  Spath (2013): Produktionsarbeit der Zukunft - Industrie 4.0.  Bauernhansl; ten Hompel; Vogel-Heuser (2014): Industrie 4.0 in Produktion, Automatisierung und Logistik. Anwendung, Technologien, Migration. Die ersten beiden Werke gelten als die Grundlagenliteratur im Kontext der I4.0, auf die aktuelle Veröffentlichungen verweisen. Das Sammelwerk von BAUERNHANSL et al. ist auf Empfehlung von Wissenschaft und Praxis, der Aktualität, der Fülle an Beiträgen sowie der Bezugnahme zur Logistik ausgewählt. Der Selektionsprozess erfolgt iterativ dreistufig anhand der Suchbegriffe:  (<Industrie 4.0> OR <Industry 4.0> OR <Smart Factory> OR <Intelligent Factory> OR <Internet of Things> OR <Cyber-Physical Systems>) AND  (<Logistics> OR <Logistik> OR <Supply Chain> OR <Production> OR <Produktion> OR <Production Logistics> OR <Manufacturing>). Nach der Definition von Kriterien und Suchbegriffen erfolgt deren Anwendung, wie es in Abbildung 16 dargestellt ist. Abbildung 16: Selektionsprozess der systematischen Literaturanalyse 233 Zunächst werden die Begriffe auf den Titel, dann auf die Zusammenfassung und letztlich auf den Text angewendet. Die 49 identifizierten Beträge werden anschließend mittels qualitativer Inhaltsanalyse ausgewertet. Die Inhaltsanalyse nutzt im Besonderen die drei Gruppen:  Gruppe 1: (<Grundlage> OR <Definition> OR <Begriffe>)  Gruppe 2: (<Technologie> OR <Technik> OR <Element> OR <Objekt> OR <Paradigma> OR <Technologie-Paradigma> OR < Personal> OR < Mensch> OR <Plattform> OR <Intelligente*>)  Gruppe 3: (<Eigenschaft> OR <Anforderung> OR <Fähigkeit>) 232 Die datenbankbasierte Suche über Ebsco Business Source Complete, Emeraldinsight sowie ieeexplore führte zu keinem geeigneten Ergebnis in 2016. 233 Eigene Darstellung. Identifikation durch die Basisliteratur (574) Selektion durch Inklusionsund Exklusionskriterien (250) Selektion durch Suchbegriffe (87) Selektion durch Doppelnennung und Verfügbarkeit (49) 35 Beiträge 539 Referenzen 35 Beiträge 215 Referenzen 34 Beiträge 52 Referenzen 34 Beiträge 15 Referenzen Ermittlung des Untersuchungsgegenstandes 5 Interviews 7 Veranstaltungen 46 Gruppe 1 fokussiert die zweite sekundäre Forschungsfrage für die Beschreibung und Abgrenzung von Konzepten im Kontext von I4.0. In Anlehnung an Merkmale der Gestaltungsebenen der Logistiksysteme aus Kapitel 2 untersucht Gruppe 2 Technologien und Techniken der I4.0, da diese für die Unterstützung des taktisch/operativen Logistikmanagements als maßgeblich erachtet werden. Gruppe 3 dient zur abschließenden Beantwortung der dritten sekundären Forschungsfrage sowie als Vorbereitung für die Beantwortung der vierten sekundären Forschungsfrage der empirischen Analyse. Literaturbasiert werden die Leistungsfähigkeit (Eigenschaften) und die Bedürfnisse (Anforderungen) ermittelt und in Kapitel 4 mit der Perspektive des Logistikmanagements abgeglichen und ergänzt. Die Auswertung sowie die Darstellung der Ergebnisse wird in diesem Kapitel sukzessive vorgenommen. In Summe wurden 86 Autoren/Institute in den 49 Veröffentlichungen identifiziert, die den wissenschaftlichen Erkenntnisfortschritt innerhalb der Literaturanalyse unterstützen. Eine deskriptive Analyse durch absolute Häufigkeiten der Autoren liefert Abbildung 17. Zu den Autoren konnten vier Forschungsgruppen und ein Unternehmen in Abhängigkeit von der Anzahl der Veröffentlichungen identifiziert werden. Abbildung 17: Ergebnisse der systematischen Literaturanalyse: Führende Autoren 234 Die Autoren der Forschungsunion und acatech 235 KAGERMANN, WAHLSTER und HELBIG erarbeiteten die Umsetzungsempfehlungen und zahlreiche Veröffentlichungen bzgl. der Grundlagen der I4.0. Die Forschungsgruppe des Fraunhofer IAO um SPATH (Schlund, Gerlach, Hämmerle, Krause) greift Grundlagen der I4.0 und in Bezug auf die Produktion auf. Die Technische Universität München (TUM) mit den Autoren BROY und VOGEL-HEUSER fokussiert CPS-Literatur bezogen auf die Grundlagen, Produktion und insbesondere die Automation. GÜNTHNER (TUM) legt seinen Schwerpunkt auf die Logistik im Rahmen von I4.0 und Internet der Dinge. Ebenfalls von der TUM sind PANTFÖRDER und MAYER, die die Produktion im Kontext von CPS und der Smart Factory erforschen. Die vierte Forschungsgruppe um TEN HOMPEL und HENKE (beide Fraunhofer IML) legt den Schwerpunkt auf die Logistik um die Konzepte des Internets der Dinge und I4.0. Die beiden Vertreter der Wittenstein AG SCHLICK und STEPHAN fokussieren innerhalb von I4.0 die Produktion. Neben den Forschungsgruppen wurden 75 weitere Autoren identifiziert, die eine Veröffentlichung tätigten und teils mit 234 Eigene Darstellung. 235 Acatech = Deutsche Akademie der Technikwissenschaften. 2 32 2 2 2 62 2 5 2 47 den oben genannten zusammenarbeiten. Die I4.0-Literatur weist damit ein fragmentiertes Bild auf. Zur Identifikation von Gestaltungsebenen konnte daher nicht auf die Literatur explizit zurückgegriffen werden. Daher werden die Ebenen auf Basis des in der Arbeit entwickelten theoretischen Bezugssystems erarbeitet. Die Ausdetaillierung erfolgt innerhalb des konzeptionellen Bezugssystems und der empirischen Forschung. 3.2 Konzepte der Industrie 4.0 Die Entwicklungen in IKT, IDT und AT stellen die Basis der digitalen Transformation dar, die sich in dieser Arbeit in den Konzepten der CPS, des IoE, der Smart Ecosystems, der I4.0 sowie der Smart Factory widerspiegelt. Im industriellen Kontext bildet der Übergang von I3.0 (AT und IKT) zu I4.0 (Mechatronik, CPS und Virtualisierung) den Paradigmenwechsel vom Lean Management (Lean Production und Logistics) zur Smart Factory (Smart Production und Logistics) 236 im IoE (Abbildung 18). Abbildung 18: Entwicklungspfad im konzeptionellen Bezugssystem 237 Auf Basis der systematischen Literaturanalyse konnten neun Beiträge zu CPS, vier zu IoE, fünf zur Smart Factory (hier zunächst Smart Ecosystems) und 31 zur I4.0 identifiziert werden. Aufgrund der fehlenden Beschreibung und Abgrenzung der Konzepte in der Literatur, dient Abschnitt 3.2 der Schließung dieser Forschungslücke. 3.2.1 Cyber-physische Systeme Für CPS stellt die cloudbasierte Steuerung das Fundament für die Vernetzung und Bereitstellung von Infrastruktur und Rechenleistung für den zukünftigen Informationsaustausch. 238 Abbildung 19 zeigt die Auflösung der Automatisierungspyramide über die cloudbasierte Steuerung hin zur CPS-basierten Automation. Innerhalb des Netzwerkes 236 In Anlehnung an Günthner et al. (2014), S. 297 237 Eigene Darstellung in Anlehnung an Kagermann et al. (2013), S. 17 238 Vgl. Verl und Lechler (2014), S. 239 f. Infrastruktur + Dienste über Netze = Cloud Computing Miniaturisierung + Internet = Ubiquitous Computing Leistungsfähige, autonome Kleinstcomputer + Internet (kabellos) = Embedded Systems IPv6-Standard Industrie 4.0 PC + PC = Intelligente Geräte (Smart Devices) Cyber-physische Systeme 1 Internet of Everything 2 3 Smart Ecosystems (Smart Factory) Industrie 3.0 48 können Hardware, Daten, Dienste und verdichtete Informationen auf beliebige Knoten in funktionalen Modulen verteilt werden. Dadurch wird die Nutzung dezentraler Dienste insbesondere für die Mensch-Maschine Schnittstelle eine hohe Bedeutung einnehmen. Abläufe, Funktionen, Daten und Dienste müssen nicht mehr über die klassischen Automatisierungsebenen abgewickelt werden, sondern z. B. auf der operativen Ebene über Dienste in einer Cloud. In welchem Umfang Funktionen, Daten oder Dienste zentral in einer Cloud oder dezentral in einem Objekt zur Verfügung stehen, ist abhängig vom Anwendungsfall und weitestgehend ungeklärt. 239 Abbildung 19: CPS-basierte Automation 240 Integrierte Sensoren und Aktoren sollen in Computern kleine Netzwerke entstehen lassen, die als eingebettete Systeme Alltagsgegenstände wie Smart Phones über das Internet miteinander vernetzen. Im industriellen Umfeld sollen Echtzeitfähigkeit, dezentrale Prozesssteuerung und situationsgerechte Entscheidungsunterstützungen realisiert werden. 241 Eigenschaften wie Anpassungsfähigkeit oder Selbstorganisation werden Einfluss auf Logistik und Produktion nehmen und Prozessabläufe effizienter gestalten. 242 Durch den industriellen Einsatz wird die Entwicklung zu cyber-physischen Produktionsund Logistiksystemen (CPPS bzw. CPLS) angestrebt, wie dies geschehen soll, ist bisher aber noch unklar. 243 Für CPS existiert keine einheitliche Definition. 244 Auf Grundlage der systematischen Literaturanalyse wurden in Tabelle 4 Erklärungsansätze von CPS zusammengetragen. 239 Vgl. VDI und VDE (2013), S. 3 f. 240 Eigene Darstellung in Anlehnung an VDI und VDE (2013), S. 4 241 Vgl. BMBF (2013), S. 6 242 Vgl. VDI und VDE (2013), S. 3 f. 243 Vgl. Kagermann et al. (2013), S. 89 ff. 244 Vgl. VDI und VDE (2013), S. 2 f. APS SCADA SCM ERP MES PPS 49 Autor Cyber-physische Systeme … Lee (2008) „are integrations of computation with physical processes. Embedded computers and networks monitor and control the physical processes, usually with feedback loops where physical processes affect computations and vice versa.” Broy (2010) „adressieren die enge Verbindung eingebetteter Systeme zur Überwachung und Steuerung physikalischer Vorgänge mittels Sensoren und Aktuatoren über Kommunikationseinrichtungen mit den globalen digitalen Netzen.“ VogelHeuser (2011) „sind die konsequente Weiterentwicklung eingebetteter Systeme aus Sicht der Informatik. Aus Sicht der Automatisierungstechnik sind CPS die Einbeziehung der unternehmensübergreifenden globalen Vernetzung und der sich selbst adaptierenden Supply-Chains.“ Geisberger und Broy (2012) „umfassen eingebettete Systeme, also Geräte, Gebäude, Verkehrsmittel und medizinische Geräte, aber auch Logistik-, Koordinationsund Managementprozesse sowie Internet-Dienste, die mittels Sensoren unmittelbar physikalische Daten erfassen und mittels Aktoren auf physikalische Vorgänge einwirken, Daten auswerten und speichern sowie auf dieser Grundlage aktiv oder reaktiv mit der physikalischen und der digitalen Welt interagieren, mittels digitaler Netze untereinander verbunden sind, und zwar sowohl drahtlos als auch drahtgebunden, sowohl lokal als auch global, weltweit verfügbare Daten und Dienste nutzen, über eine Reihe multimodaler Mensch-Maschine-Schnittstellen verfügen, […].“ Kagermann et al. (2013) „Unternehmen werden zukünftig ihre Maschinen, Lagersysteme und Betriebsmittel als CPS weltweit vernetzen. Diese umfassen in der Produktion intelligente Maschinen, Lagersysteme und Betriebsmittel, die eigenständig Informationen austauschen, Aktionen auslösen und sich gegenseitig selbstständig steuern.“ Spath (2013) „sind mit einer eigenen dezentralen Steuerung (engl. embedded systems) versehene intelligente Objekte, welche in einem Internet der Daten und Dienste miteinander vernetzt sind und sich selbstständig steuern.“ Bauernhansl (2014) „sind Objekte, Geräte, Gebäude, Verkehrsmittel, aber auch Produktionsanlagen, Logistikkomponenten etc., die eingebettete Systeme enthalten, die kommunikationsfähig gemacht werden. Diese Systeme können über das Internet kommunizieren und Internetdienste nutzen. Cyber-physische Systeme können ihre Umwelt unmittelbar mit ihrer entsprechenden Sensorik erfassen, sie mit Hilfe weltweit verfügbarer Daten und Dienste auswerten, speichern und sie können mit Hilfe von Aktoren auf die physikalische Welt einwirken.“ Tabelle 4: Terminologie cyber-physischer Systeme Aus der Perspektive der einzelnen Autoren sowie der Vielzahl der Erklärungsansätze wird ersichtlich, wie wenig ein einheitliches Verständnis über den Begriff der CPS besteht. Aus den identifizierten Erklärungsansätzen und Definitionen können Elemente, Komponenten und Funktionen abgeleitet werden. Diese werden in Abbildung 20 durch die Entwicklung des prinzipiellen Aufbaus eines CPS dargestellt. 50 Abbildung 20: Aufbau eines cyber-physischen Systems 245 steigern. 246 Dadurch integrieren CPS die Informationseingabe sowie -ausgabe, d. h. die Benutzerbzw. Maschinenschnittstelle ist inhärenter Bestandteil eines CPS bzw. kann z. B. in Form eines Smart Phones selbst ein CPS darstellen und liegt nicht außerhalb 247 , wie dies bei einem AS der Fall ist. Zusätzlich zu den Benutzerund Prozessschnittstellen kann die externe Kommunikationsschnittstelle inhärenter Bestandteil eines CPS sein und erlaubt diesem funkoder kabelbasiert mit anderen Netzwerken (andere CPS, Personal oder dem physischen Prozess) in Kontakt zu treten und dadurch die physische mit der virtuellen Welt zu verschmelzen. 248 Diese räumliche Integration der CPS kann durch smarte Sensoren und Aktoren realisiert werden. Die Hauptaufgabe smarter Sensoren liegt in der Messung analoger physikalischer Größen (z. B. Druck), der Digitalisierung dieser Messwerte sowie der Übertragung der Signale an die Informationsverarbeitung (Mikroprozessor bzw. -controller). Die digitalen Signale von Prozessor und Controller steuern direkt die smarten Aktoren an. Die digitalen Signale werden in analoge rückverwandelt, verstärkt und in Aktionen (Kraft oder Bewegung) transformiert. 249 Im Fokus von Hardund Software-Komponenten für Mensch-Maschine-Interaktionen stehen vordergründig Funktionen wie Identifizieren & Erfassen sowie Analysieren & Entscheiden. Die Sonderrolle smarter Sensoren und Aktoren wird insbesondere durch Aktoren bestimmt, mit deren Hilfe das Entscheiden & Reagieren ermöglicht wird. Der Realisierungsgrad dieser ist vorangeschritten. Die technologischen Komponenten exis245 Eigene Darstellung. 246 Vgl. Bauernhansl (2014), S. 15 ff.; Vogel-Heuser (2014), S. 37 f. 247 Wesentliches Charakteristikum der Kybernetik zweiter Ordnung. 248 Vgl. Bauer et al. (2014), S. 19 249 Vgl. VDI 2206 (2004), S. 15 Mikrocontroller und -prozessor Informationsausgabe Informationseingabe Smart AktorSmart Sensor CPS M2MHMI Sonstige Interne Kommunikationsschnittstelle Externe Kommunikationsschnittstelle Mensch (Subjekt) Maschine (Objekt) Umgebung Prozess Die wesentlichen Unterschiede zum klassischen AS liegen in der Ausdehnung, den Schnittstellen sowie Komponenten. Die Verbreitung von CPS in zukünftigen Fabriken wird logistische Objekte und Subjekte über Schnittstellen miteinander interagieren lassen. Autonome Entscheidungsfindungen unterstützen durch Visualisierung das Personal, um mit der Komplexität der Datenzunahme umgehen zu können. Mensch-Maschine-Schnittstellen im industriellen Umfeld werden zusätzlich die Komplexität vvvvvvvvvvvvv 51 tieren seit geraumer Zeit. Das Neue bei CPS ist die Vernetzung von Hardund Software-Komponenten wie Sensoren, Aktoren über offene und globale Kommunikationsnetzwerke wie dem Internet. 250 Neben Mikrocontrollern, die i. d. R. für die Steuerung verantwortlich sind, übernehmen Mikroprozessoren 251 die Verarbeitung der Daten. Mikrocontroller erzeugen die „Intelligenz“ eines CPS. 252 Mikrocontroller integrieren auf einem Speicherchip 253 Mikroprozessor, Programmund Datenspeicher, Einund Ausgabestellen sowie Hardware, die die Verbindung mit externen Komponenten wie z. B. Sensoren und Aktoren ermöglicht. 254 Im Gegensatz zu AS ist der technische Prozess i. d. R. nicht Bestandteil eines CPS. CPS beginnen erst mit der Aufnahme diskreter, binärer Daten durch smarte Sensoren und Aktoren. 255 Neben Materialund Informationsflüssen ist die Energieversorgung analog zum AS für ein CPS unentbehrlich. Der entwickelte Aufbau kann das Begriffsverständnis unterstützen. Für die Arbeit sollen CPS wie folgt definiert sein: „CPS sind dezentrale, autonome eingebettete Systeme, die auf Basis von IKT, IDT und AT in physische Objekte integriert sind und via Internet direkt miteinander interagieren. Die Technologien gewährleisten die Kommunikations-, Netzwerkund Internetfähigkeit, mit denen die physische mit der virtuellen Realität vernetzt wird. Materialisiert in technischen Komponenten besitzen CPS die Funktionen Daten zu identifizieren & zu erfassen (smarte Sensoren), zu speichern, zu analysieren & entscheiden (Mikrocontroller und -prozessor), zu reagieren (smarte Aktoren) sowie diese darzustellen (HMI).“ Die Diskussion, inwiefern ein CPS als intelligentes Objekt verstanden werden kann, ist in der Wissenschaft nicht eindeutig geklärt. Im Rahmen der Literaturanalyse wurde festgestellt, dass diverse Begriffe in englischer sowie in deutscher Sprache synonym Verwendung finden. Begriffe sind u. a. CPS, eingebettete Systeme oder intelligente Objekte. Auf Komponentenebene definieren Autoren die Intelligenz eines Objektes anhand dessen Fähigkeit, Daten und Informationen zu verarbeiten. Die Verarbeitungsfunktion stellt eine Grundvoraussetzung für autonomes und dezentrales Verhalten intelligenter Objekte dar. Der Prozess der Verarbeitung kann außerhalb des intelligenten Objektes im übergeordneten System, eingebettet in dem Objekt oder in kombinierter Weise 256 erfolgen. 257 Die Komponenten Mikrocontroller und -prozessor, smarte Sensoren und Aktoren sowie die Kommunikationssysteme können aus einem passiven Objekt ein intelligentes Objekt machen. 258 D. h. CPS können als intelligente Objekte interpretiert wer250 Vgl. Geisberger und Broy (2012), S. 20 251 Nach Kagermann (2014), S. 604 f. sind Prozessoren heute zu 98 % in intelligenten Objekten und Produkten integriert. 252 Vgl. Bauer et al. (2014), S. 19 253 Speicher sind Read-Only Memory (ROM) und Random Access Memory (RAM). 254 Vgl. Isermann (2008), S. 536 ff. 255 Vgl. Vogel-Heuser (2014), S. 39 256 Im Mikrocontroller und -prozessor und/oder in der Cloud. 257 Vgl. Deindl (2013), S. 83 258 Vgl. Bauer et al. (2014), S. 19 52 den. 259 Während ein intelligentes Objekt i. d. R. immer ein CPS ist, muss ein CPS nicht unbedingt ein intelligentes Objekt sein. In dieser Arbeit ist die „Intelligenz“ eines CPS durch den Ort der Informationsverarbeitung, seine Funktionen und Eigenschaften determiniert. Die alleinige Ausstattung eines CPS z. B. mit der Funktion „identifizieren“ erfüllt den Terminus nicht vollständig, da die Funktionen auch isoliert voneinander einen Zweck erfüllen. Erst deren integrierte Wechselwirkung in einem CPS befähigt Objekte u. a. dezentrale, autonome oder selbststeuernde Eigenschaften anzunehmen und somit „intelligent“ zu agieren. Die Auseinandersetzung mit Eigenschaften wird in Kapitel 4 vorgenommen. 3.2.2 Internet of Everything Es existiert weder eine einheitliche Begriffsdefinition 260 , noch stellt das Internet der Dinge (IdD) eine geschlossene Technologie dar. IdD wird im Rahmen der Arbeit als Konzept verstanden. Im angelsächsischen Raum wird der Begriff häufig synonym mit den Konzepten „Ubiquitous Computing“ (UC) oder „Pervasive Computing“ (PC) verwendet. Nach BRAND et al. geht das IdD über UC und PC hinaus. Während UC und PC die „Ausstattung von Objekten mit technischer Logik und der (dezentralen) Verarbeitung akquirierter Umgebungsdaten“ inkludieren, fokussiert das IdD autonomes Handeln von Dingen/Objekten in einem Netzwerk. 261 Die Vision des IdD wurde erstmalig von MARK WEISER im Jahr 1991 formuliert, in der „specialised elements of hardware and software connected by wires, radio waves and infrared, will be so ubiquitous that no one will notice their presence“. 262 Der Begriff „Internet of Things“ (Internet der Dinge) wurde erstmals von KEVIN ASHTON im Jahr 1999 als ein „informationstechnisch vernetztes System autonom interagierender Gegenstände und Prozesse, die sich durch eine zunehmende Selbstorganisation charakterisieren und zu einer wachsenden Verschmelzung physischer Dinge mit der digitalen Welt des Internets führen“ 263 beschrieben. 2001 fasste sein Mitarbeiter DAVID BROCK in der Vision einer „Smart World“ den Begriff als „an intelligent infrastructure linking objects, information and people through the computer network. This new infrastructure will allow universal coordination of physical resources through remote monitoring and control by humans and machines. Our objective is to create open standards, protocols and languages to facilitate worldwide adoption of this network – forming the basis for a new “Internet of Things” 264 zusammen. Nach SCHLICK et al. existiert im IdD die allgegenwärtige Vernetzung über das Internet, mit dessen Unterstützung Alltagsgegenstände erfasst, gelesen, gefiltert und inter259 Vgl. Capgemini (2014), S. 6 260 Vgl. Brand et al. (2009), S. 14; Schlick et al. (2014), S. 57 f. 261 Vgl. Brand et al. (2009), S. 14 262 Weiser (1991), S. 94 263 Brand et al. (2009), S. 13 264 Brock (2001), S. 5 53 pretiert werden können. Mit den Dingen und deren Funktionen wird eine allgegenwärtige Assistenz für den Menschen realisiert, der neben den Objekten interpretiert und reagiert. Zudem ermöglicht die allgegenwärtige Intelligenz die übergeordnete Steuerung und Regelung von Prozessen im technischen Regelkreis. 265 Die Koordination, Steuerung und Kontrolle physischer Prozesse kann im IdD durch Mensch oder Maschine erfolgen. Grundlage ist ein intelligentes Netzwerk von Computern, gemeinsame Ontologien 266 sowie Standards für eine weltweite Integration. Die Alltagsgegenstände haben kabelgebunden oder -los Netzwerkzugriff, sind via IPv6 adressiert und können mittels eigener Rechenleistung und Schnittstellen eindeutig identifiziert werden, Daten aus der Umwelt sammeln und diese manipulieren. 267 Die durchgängige Vernetzung ermöglicht die Schließung von Medienbrüchen zwischen virtueller und physischer Welt und erweitert das Angebot von Mehrwertdiensten. 268 Die über das Internet der Dinge vernetzten Gegenstände weisen damit gleiche Charakteristika wie CPS auf. Das Internet der Dienste und Daten ist „Teil des Internets, der Dienste und Funktionalitäten als granulare, web-basierte Software-Komponenten abbildet. […]. Über Internetdiensttechnologien sind die einzelnen Software-Bausteine beziehungsweise Dienstleistungen miteinander integrierbar. Unternehmen können die einzelnen Software-Komponenten zu komplexen und dennoch flexiblen Lösungen orchestrieren (diensteorientierte Architektur).“ 269 Das Internet der Daten bezieht seine Eingangsgrößen aus dem IdD und entwickelt aus den verarbeiteten Informationen ein Internet der Dienste, die dem IdD zur Verfügung stehen. Das Internet der Dienste bezieht sich demnach auf Dienste, die den Objekten des Internets der Dinge zur Verfügung stehen und durch die Funktionen der CPS ermöglicht werden. Neben dem Internet der Dinge, Dienste und Daten dehnt sich das Konzept durch die Integration des Menschen sukzessive aus. Die Veränderungen von Querschnittstechnologien und CPS haben durch Computer seit dem Ende der 1940er Jahre eine beschleunigte Entwicklung erfahren, in der Rechenleistung, Speichergrößen und Netzkapazitäten exponentielle Wachstumskurven mit reziproker Kostendegression die Folge waren. Gleichzeitig macht die technologische Konvergenz einen kostengünstigen und flächendeckenden Einsatz zuvor separierter Technologien möglich, die mit dem Internet der Dinge, Dienste, Daten und Menschen ein „Internet of Everything“ entstehen lassen, in dem (intelligente) Subjekte und Objekte im virtuellen und physischen Raum in Echtzeit in Austausch treten können. 270 Subjekte und Objekte befinden sich in allen gesellschaftlichen Bereichen. Städte, Mobilität, Energie 265 Vgl. Schlick et al. (2014), S. 58 266 Nach Busse et al. (2014), S. 286 ist Ontologie eine „formale Definition von Begriffen und deren Beziehungen als Grundlage für ein gemeinsames Verständnis“. 267 Vgl. Schöning und Dorchain (2014), S. 544 268 Vgl. Schlick et al. (2014), S. 57 269 Kagermann et al. (2013), S. 85 270 Vgl. Kagermann (2014), S. 604 54 und Gebäude 271 werden ebenso vom IoE erfasst wie Unternehmen und Industrie. 272 Die Vielzahl an Konzepten und Erklärungsansätzen für das Internet der Dinge, Daten, Dienste und Menschen macht die Schwierigkeit der Begriffsbildung deutlich. Für die Arbeit ist das IoE wie folgt definiert: „Das Internet of Everything ist die Vernetzung von Dingen, Diensten, Daten und Menschen via Internet. Basis bilden konvergierende IKT, IDT und AT in cyber-physischen Systemen, die Subjekte und Objekte mit einer IP-Adresse versehen und kurz-, mitteloder langfristige virtuelle oder physische Netzwerke formen. In diesen Netzwerken tauschen Dinge und Menschen in Echtzeit Dienste und Daten domänenübergreifend aus, indem sie dezentral und autonom identifizieren, erfassen, speichern, analysieren, entscheiden, reagieren sowie darstellen.“ Im weiteren Verlauf der Arbeit werden die Konzepte des Internets der Dinge, Dienste, Daten und Menschen unter dem IoE zusammengefasst. Die Anwendung des IoE im industriellen Umfeld beschreibt die Smart Ecosystems. 3.2.3 Smart Ecosystems Das OXFORD ADVANCED LEARNED DICTIONARY übersetzt den Begriff „smart“ mit „clever, schlau, intelligent“ im technischen Kontext als „computer-controlled of a device, especially (...) to act in an intelligent way“. 273 In Internet und Literatur existiert eine Vielzahl von Zusammenhängen, in denen der Begriff verwendet wird. Für „Intelligenz“ existiert ebenfalls keine einheitliche Definition. Beide Begriffe werden in der Arbeit synonym verwendet und folgen der im Abschnitt der CPS erarbeiteten Abgrenzung. Begriffe wie „Internet der […]“ und „Smart […]“ werden i. d. R. synonym verwendet, wie z. B. beim „Internet der Energie“ und dem „Smart Grid“. In dieser Arbeit soll für intelligente Anwendungsfelder der Begriff der „Smart Ecosystems“ verwendet werden. Darunter werden industrielle Ökosysteme verstanden, die im Wettbewerb zueinander stehen oder sich gegenseitig ergänzen können. „Ökosystem“ beschreibt hier ein vernetztes System oder eine Gruppe, in der strategische Allianzen zwischen den Akteuren entstehen. Diese Ökosysteme beruhen auf Plattformen und Standards. 274 Smart Ecosystems sind demnach die industrielle Anwendung des IoE. Unter einem Smart Ecosystem können auch nicht kommerzielle Anwendungen gemeinnütziger Organisationen subsumiert werden, was im Rahmen dieser Arbeit jedoch vernachlässigt wird. Weder für die einzelnen Ökosysteme noch als übergeordnetes Konzept existieren einheitliche Definitionen, daher werden Smart Ecosystems wie folgt definiert: 271 Synonym wird in diesem Kontext z. B. vom Internet der Energie etc. gesprochen. 272 Vgl. Kagermann et al. (2013), S. 43 273 Oxford Press (2005), S. 1442 f. 274 Vgl. Geisberger und Broy (2012), S. 183 61 tigkeiten übernehmen. 301 Mensch-Maschine-Schnittstellen wurden im Rahmen von Hardund Software-Komponenten der CPS bereits diskutiert und sind für den assistierten Entscheider von Relevanz. Insbesondere mobile Anwendungen werden durch die „iPhonisierung“ 302 zur mobilen Datenerfassung sowie zur Mitarbeiterintegration nachhaltig beeinflusst und besitzen Potenzial für den Einsatz im betrieblichen Umfeld. Die Berührungspunkte mit mobilen Geräten aus dem privaten Umfeld kann die Akzeptanz des Personals positiv beeinflussen. Diese mobilen Geräte und Anwendungen können durch ihre Unterstützung in der Mensch-Maschine-Kooperation als Assistenzsysteme beschrieben werden. In Form der Assistenzsysteme sollen sie den assistierten Entscheider bei Störungen mit geringer Frequenz oder bei unbekannten Situationen unterstützen. Abhängig vom Kontext sollen sie Informationen bereitstellen und sich an die menschlichen Bewegungen und Aktionen dynamisch anpassen. Die Unterstützung kann direkt am Arbeitsplatz z. B. mittels Objekt-, Gestenoder Spracherkennung, die bspw. in den CPS integriert sind, erfolgen. 303 Beispiele von Assistenzsystemen für den assistierten Entscheider liefert Tabelle 6. Menschen: Assistierte Entscheider Augmented Reality  Computerunterstützte Erweiterung der wahrgenommenen Realität mit Verknüpfung realer und virtueller Objekte und/oder Informationen  Benutzung von Handykamera oder Datenbrillen Virtual Reality  Nachbildung und gleichzeitige Wahrnehmung der Realität mit Hilfe einer computergenerierten 3D-Welt in Echtzeit  3D-Abbildung von Anlagen und Verknüpfung mit realen Steuerungssystemen. Anzeige von Auswirkungen der Steuerungsbefehle im 3D-Modell für Produktentwicklung/Qualifizierung Gamification und Avatare  Übertragung spielerischer Erfahrungen auf das Arbeitsumfeld  Mitarbeiter lernen z. B. Selbststeuerung und Entscheidungsautonomie  Virtuelles Abbild, z. B. des Kommissioniers, mit Ausprägungen, wie Kraft, Genauigkeit und Geschwindigkeit. Spielfortschritt als Punktesystem für Gut-/Schlechtleistung hat direkten Einfluss auf die tatsächlich ausgeführte Arbeit Mobile Computing  Portable Rechner (Smart Phone, Tablet, etc.)  Oft in Verbindung mit Smart Devices (aktiver Gegenstand, vernetzt sowie für Benutzer konfigurierbar und in Teilen autonom)  Über individualisierte Zugänge können via Apps einzelne Aufgaben mit den jeweiligen Zugangsrechten ausgeführt werden 301 Vgl. Günthner et al. (2014), S. 309 f. 302 Bienzeisler et al. (2014), S. 12 ff.; Gorecky et al. (2014), S. 530 f. 303 Vgl. Gorecky et al. (2014), S. 535 f. 62 Sprachund Gestenerkennung  Automatisierte Umwandlung in Text und umgekehrt mittels Orientierung an der natürlichen, zwischenmenschlichen Kommunikation  Bedienkomfort und Vereinfachung des Informationsaustausches  Erkennung mit Übersetzung ermöglicht Echtzeitinteraktion in unterschiedlicher Sprache Objektund Mustererkennung  Kamerabasierte Verfahren für Objekterkennung und Bildverarbeitung  Objektund Mustererkennung häufig in Zusammenhang mit Augmented/Virtual Reality  Im Qualitätsmanagement zur Fehleranalyse von Oberflächen eingesetzt Tabelle 6: Industrie 4.0-Technik: Assistierte Entscheider (Assistenzsysteme) 304 Anforderungen der Assistenzsysteme werden u. a. sein, die individuellen Fähigkeiten des Personals oder des Kunden durch die Konzeption cyber-physischer Logistiksysteme und gezielter Qualifizierungsmaßnahmen soweit zu unterstützen, dass weder eine Übernoch Unterforderung durch die erhöhte Prozessund Informationskomplexität eintritt. 305 Unterstützt wird dies z. B. durch mehr Transparenz, indem mobile Geräte so viele Informationen wie nötig zur Entscheidungsunterstützung für den Bediener zur Verfügung stellen. Neben der Entscheidungsunterstützung erwartet das BMBF die Abmilderung der Auswirkungen des demografischen Faktors durch die unterstützende Arbeit von Robotern mit älteren Mitarbeitern. 306 In welcher Form die Rolle des Menschen im Kontext von I4.0 ausgefüllt wird, ist noch nicht abschließend geklärt. Eindeutig erscheint die Zunahme der Mitarbeiterintegration durch Subjekt-Objekt-Interaktionen, sei es durch die Nutzung von Tablets oder Smart Phones oder durch die direkte Zusammenarbeit mit intelligenten Objekten. Der assistierte Entscheider folgt somit der Logik der Kybernetik, in der der Beobachter Teil des zu betrachtenden Systems wird und auf dieses einwirkt. Intelligente Objekte werden durch die Entwicklungen der I4.0-Technologien sukzessive „menschlicher“ und dringen in Einflussbereiche von operativem und strategischem Personal ein. Selbstständige Entscheidungen für Routinetätigkeiten wie z. B. die Nachbestellung von Materialien werden die Disposition in Techniksysteme verlagern. Die Zunahme von künstlicher Intelligenz wird weitere Ziele und Aufgaben in diese Systeme verlagern und die „Menschwerdung“ von Objekten beschleunigen. 3.3.2 Dinge: Intelligente Objekte und Produkte Ein „Objekt“ definiert sich nach dem Duden als „[…] Erscheinung der materiellen Welt, auf die sich das Erkennen, die Wahrnehmung richtet“. Im Informatikkontext kann es „[…] Daten enthalten und verarbeiten sowie Nachrichten mit anderen Objekten aus304 In Anlehnung an Bienzeisler et al. (2014), S. 12 ff.; Gorecky et al. (2014), S. 530 f.; Günthner et al. (2014), S. 319 f. 305 Vgl. Günthner et al. (2014), S. 309 f. 306 Vgl. BMBF (2013), S. 28 63 tauschen“. 307 Aktuell werden in Wissenschaft und Praxis Objekte im digitalen Kontext als selbststeuernde oder intelligente Objekte thematisiert. Ein selbststeuerndes Objekt zeichnet sich nach WINDT durch die Fähigkeit aus, in nicht-deterministischen Systemen mit heterarchischen Strukturen autonom Entscheidungen treffen zu können, um Anforderungen an die Logistik durch eine höhere Leistungsfähigkeit begegnen zu können. 308 Ein intelligentes Objekt geht über ein selbststeuerndes hinaus. Wie in Abschnitt 3.2.1 thematisiert, definiert sich nach DEINDL die Intelligenz eines Objektes nach dem Ort der Informationsverarbeitung. 309 Für einen Praxispartner definiert sich die Intelligenz nach der Anzahl der Sensoren und Aktoren, also der Interaktionsfähigkeit des Objektes. 310 In dieser Arbeit wird der Interpretation von DEINDL gefolgt, ergänzt um Funktionen und Eigenschaften, die durch I4.0 zur Verfügung stehen. Im logistischen Kontext der Arbeit können intelligente Objekte Betriebsmittel, Ladungsträger, Transportfahrzeuge und Produkte sein. Ergänzt werden sie durch Lager, da diese für Praxispartner von Relevanz sind. Tabelle 7 gibt eine Übersicht der I4.0-Techniken auf der Ebene des Internets der Dinge. Dinge: Intelligente Objekte (Intelligente) Betriebsmittel  Unter „intelligenten Betriebsmitteln“ werden Maschinen und Anlagen wie Werkzeugmaschinen oder Förderanlagen verstanden. Zusätzlich halboder vollautomatische Roboter, die isoliert oder mit dem Menschen interagieren  Im innerbetrieblichen logistischen Netzwerk stellen sie Knoten und/oder Kanten mit den Aufgaben Bearbeiten, Fördern, Puffern, Sammeln und Verteilen dar (Intelligente) Ladungsträger  Unter „intelligenten Ladungsträgern“ werden Behälter, Paletten etc. subsumiert  Stellen vordergründig Knoten innerhalb eines innerbetrieblichen logistischen Netzwerkes mit den Aufgaben Lagern, Puffern und Sammeln dar (Intelligente) Transportfahrzeuge  Unter „intelligenten Transportfahrzeugen“ werden fahrerlose Stapler etc. subsumiert  Stellen vordergründig Kanten innerhalb eines innerbetrieblichen logistischen Netzwerkes mit den Aufgaben Fördern und Verteilen dar (Intelligente) Lager  Unter „intelligenten Lägern“ werden Hochregallager, Kleinteilelager, etc. subsumiert  Stellen vordergründig Knoten innerhalb eines innerbetrieblichen logistischen Netzwerkes mit den Aufgaben Lagern, Puffern, Sammeln und Verteilen dar 307 Vgl. Duden (2015), Zugriff 10.12.2015 308 Vgl. Windt (2006), S. 283 f. 309 Vgl. Deindl (2013), S. 105 f. 310 Interviewpartner im Rahmen der Fallstudie B 64 (Intelligente) Produkte und Materialien  Unter „intelligenten Produkten“ werden Halbfertigund Fertigerzeugnisse verstanden  Unter „intelligenten Materialien“ werden Roh-, Hilfsund Betriebsstoffe verstanden Tabelle 7: Industrie 4.0-Technik: Intelligente Objekte 311 Bereits heute sind intelligente Betriebsmittel in Geschäftsund Produktionsprozesse über Aufträge aus dem MES eingebunden. In I4.0 sollen sie in die Lage versetzt werden, mit anderen intelligenten Objekten und unter sich autonom zu kommunizieren und die zuvor fixen Produktionsund Logistikpläne an kundenindividuelle Produktveränderungen kontinuierlich anzupassen. Die Eigenschaften der I4.0 Techniken werden Intelligenz und Kommunikationsfähigkeit der Objekte erhöhen. Die damit verbundenen Kommunikationsund Koordinationsprozesse resultieren in einem vermehrten Datenvolumen, wenn um die 100 Sensoren pro Objekt bei einer Vielzahl von Prozessschritten Daten erfassen, speichern und verarbeiten. Das Datenaufkommen wird mit Anwendungspotenzialen der Prozessoptimierung einhergehen, in dem z. B. Störungen früher erkannt werden. 312 Von der Datenanalyse bzw. der Ableitung von Maßnahmen sollen zusätzlich andere I4.0-Techniken wie intelligente Ladungsträger und Transportfahrzeuge profitieren. BAUERNHANSL stellt diese Techniken mit den CPS gleich, die über die Cloud verbunden sind. 313 Intelligente Läger wurden in der zugrunde liegenden Literatur nicht thematisiert. In ihrer Funktion als Lager-, Puffer-, Sammelund Verteilplatz in Hochregaloder Kleinteilelagern haben sie das Potenzial, Suchzeiten, Flächenverbrauch sowie Bestände zu reduzieren. Im Rahmen dieser Arbeit werden logistische Objekte betrachtet, daher nehmen intelligente Produkte und Materialien in innerbetrieblichen logistischen Netzwerken der I4.0 als direkte Verbindung zum Kunden eine Sonderrolle ein. Diese Rolle beschreiben PORTER und HEPPELMANN, die eine Veränderung des Wettbewerbs durch intelligente Produkte erwarten. Diese Veränderung wird durch eine Evolution des Produktes zu einem intelligenten Produkt (mit den inhärenten Funktionen Überwachen, Steuern, Optimieren und Automatisieren), zu einem intelligenten, vernetzten Produkt (mit z. B. Smart Phones), zu einem Produktsystem (weitere Produkte) und zu einem System von Systemen (andere Branchenanwendungen) erfolgen. 314 In der Smart Factory sollen intelligente Produkte befähigt werden, sich selbst ubiquitär zu identifizieren, zu lokalisieren, aktuelle und historische Zustände zu erkennen und den angestrebten Zielzustand in Echtzeit selbst zu bewerten. Die horizontale und vertikale digitale Durchgängigkeit schafft die Vernetzung des intelligenten Produktes mit dem gesamten Wertschöpfungssystem als virtuelle Abbildung des Endkunden. Das Wissen über den eigenen Herstellungsprozess unterstützt die selbststeuernde Bestimmung einzelner Arbeitsstationen 311 In Anlehnung an Arnold et al. (2008), S. 19 312 Vgl. Kleinemeier (2014), S. 575 f. 313 Vgl. Bauernhansl (2014), S. 21 f. 314 Vgl. Porter und Heppelmann (2014), S. 8 ff. 65 (intern und extern) sowie den optimalen Ressourceneinsatz für den Leistungserstellungsprozess über den gesamten Lebenszyklus. 315 Für VOGEL-HEUSER sind „intelligente“ Produkte diejenigen, die „alle ihre Eigenschaften kennen und beispielsweise wissen, wie sie gefertigt werden wollen oder mit welchen anderen Produkten (Teilen einer Maschine, Anlage) sie wie verbunden werden können.“ 316 Die inhärenten Kundendaten in intelligenten Produkten können als Abbild der Kundenanforderungen im Herstellungsprozess dienen, das die Kundenintegration unterstützt. Nach HOFMANN nimmt die Komplexität der Interaktionen zwischen Objekten und Subjekten mit der Anzahl der Akteure zu. Die Komplexität resultiert u. a. aus der Zunahme der Schnittstellen und der damit nötigen standardisierten Interoperabilität sowie dem Datenaustausch der diversen Softwaresysteme. 317 BAUER et al. thematisieren die Entwicklung hin zu sozialen Netzwerken, die aus Objekten bestehen, 318 die mit Menschen vernetzt werden können. Abhängig vom Dezentralisierungsgrad wird die Vernetzung direkt zwischen den Akteuren oder mittels Plattform realisiert werden. 3.3.3 Daten und Dienste: Integrationsplattformen Eine direkte Vernetzung von sechs intelligenten Objekten oder Subjekten in einem Netzwerk resultiert in 30 Verbindungen (fünf Verbindungen je Teilnehmer). Die Nutzung einer (Integrations-) Plattform resultiert in nur einer Verbindung je Teilnehmer. Durch diese Lösung wird die Komplexität in Austausch und Nutzung von Daten und Diensten reduziert. 319 Das Ergebnis der Literaturanalyse betont die Relevanz von Plattformen als präferierte Lösung zur Vernetzung von Objekten und Subjekten. Dieser Umstand steht allerdings der Forderung von 100 %iger Dezentralität in I4.0 entgegen. Integrationsplattformen 320 werden für die Realisierung der digitalen Durchgängigkeit und den Austausch von Daten und Diensten innerhalb der Smart Factory als wichtiger Bestandteil erachtet. Im industriellen Umfeld ist es das Ziel, neben der allgemeinen Prozesskomplexität einzelne Prozesse, Objekte und Subjekte zu Systemen zu vernetzen sowie Leistungsverluste von Insellösungen durch einen Systemansatz zu reduzieren. Diese Entwicklung hin zu Integrationsplattformen schließt mehrere Systemfamilien ein und erweitert die Funktionen um (de-)zentrale Dienste, die von dezentral vernetzten Objekten für übergreifende Lösungen in der Fabrik abgerufen werden können. 321 Plattformen des Internets der Dienste und Daten verknüpfen Dienstleistungen für intelligente Objekte in bedarfsgerechten Lösungen für kooperative Aktivitäten der Akteure. Über das Internet bereitgestellte IKT-Anwendungen, Infrastrukturen und Dienste werden 315 Vgl. Kagermann et al. (2013), S. 5 ff. 316 Vogel-Heuser (2014), S. 42 f. 317 Preisträger des Industrie 4.0-Awards 2013 mit der Maschinenfabrik Reinhausen. 318 Vgl. Bauer et al. (2014), S. 20 319 Vgl. Hofmann (2015), S. 9 ff. 320 Synonym zu CPS-, Digital Enterpriseoder Cloud-Plattformen. 321 Vgl. Westkämper (2013), S. 137 ff. 66 dadurch integraler Bestandteil modularer Angebote in der Smart Factory. 322 Die Integration soll für I4.0 über den gesamten Produktionslebenszyklus erfolgen. WESTKÄMPER empfiehlt einerseits Plattformen, die sich auf den gesamten Lebenszyklus beziehen und andererseits solche, die explizit in einer Smart Factory zum Einsatz kommen. Für die Realisierung werden Anforderungen an Plattformen gestellt. Zusammengefasst sind das u. a. eine offene, flexibel konfigurierte Systemarchitektur mit standardisierten Schnittstellen und eine sichere, zuverlässige IKT, um unterschiedliche Produktlebensdauern, Prozesse sowie Logistikund Produktionssysteme wirtschaftlich zu gestalten. 323 Herausforderungen in diesem Kontext sind insbesondere die Gewährleistung von Datenschutz, -sicherheit und -qualität als kritische Infrastruktur in I4.0. 324 Die Vernetzungsaufgabe sowie der Austausch von Daten und Diensten erfordert Anwendungen wie die Big & Smart Data, Cloud Computing, Marktplätze und Agentensysteme (Tabelle 8). Daten und Dienste: Integrationsplattformen Big und Smart Data (Advanced Data Analytics)325  Big Data beschreibt die Zusammenführung und effiziente Analyse von Daten zur Optimierung von Ressourceneinsatz und Geschäftsprozessen  Durch Korrelations-, Prognoseund Wahrscheinlichkeitsanalysen (Predictive Computing) sowie der Auswertung von un-/strukturierten Daten (Bilder, Dokumente, Blogs,…) werden aus Big Data (Daten) Smart Data (Informationen)  Operative Daten werden zur Steuerung und Überwachung von z. B. Produktionsabläufen eingesetzt. Die Verknüpfung von Qualitätsmit Auslastungsdaten einzelner Objekte (Condition Monitoring) mit der Auftragslage generiert Entscheidungsgrundlagen Cloud Computing326  IT-Infrastruktur zur globalen, zentralen Sammlung, Speicherung, dezentralen, lokalen Verarbeitung und Bereitstellung von Daten, Programmen und Diensten  Gilt mit Skalierbarkeit, Verfügbarkeit, Echtzeit-, Netzwerkund Vernetzungsfähigkeit als Basis für I4.0. Unterstützt dadurch neue Dienstleistungen (Smart Services) und die automatisierte Orchestrierung intelligenter Objekte und Subjekte  Nutzung von Daten und Informationen von unterschiedlichen Ebenen der Automatisierungspyramide über eine einheitliche Software-Plattform  Zusammenführung von Objektdaten in der „Cloud“ zur Bereitstellung von z. B. Überwachungsfunktionen für die Echtzeitüberwachung, Fehlersuche und Simulation 322 Vgl. Kagermann et al. (2013), S. 85 323 Vgl. Westkämper (2013), S. 139 f. 324 Vgl. Fallenbeck und Eckert (2014), S. 401 ff.; Kagermann (2014), S. 605 f. 325 Vgl. Kaufmann (2014), S. 364 ff.; Kagermann (2014), S. 605 f. 326 Vgl. Fallenbeck und Eckert (2014), S. 401 ff.; Kagermann (2014), S. 605 f. 67 (Online-) Marktplatz327  Verfügbarkeit von Daten, Diensten und Anwendungen über offene Plattform via Cloud  Über die Sammlung von Daten über Sensoren und der Reaktion auf die Umwelt über Aktoren können netzbasierte Dienstleistungen angeboten werden  Die kollaborative und serviceorientierte Struktur von Marktplätzen ermöglicht intelligenten Objekten bzw. CPS über die gesamte Wertschöpfungskette z. B. als Anbieter und Kunden von Kapazitätsbedarfen virtuell in Austausch zu treten (Multi-) Agentensysteme328  Für den Austausch von Systemen, wie auf einem Marktplatz, kommen Agenten zum Einsatz  Hardoder Software-Agenten gehören zu den problemlösenden AS, besitzen definierte Ziele, können autonom handeln und selbstständig auf äußere Ereignisse reagieren  Agentensysteme können aus einer Vielzahl von Agenten bestehen, die in Austausch bzw. in „Verhandlungen“ mit anderen Agenten und Systemen treten können  Software-Agenten verwalten auftragsspezifische Informationen direkt auf dem intelligenten Objekt, um Abläufe dezentral zu steuern und zu überwachen Tabelle 8: Industrie 4.0-Technik: Integrationsplattformen (Anwendungen) In der Smart Factory kann die Steuerung und Überwachung des Materialflusses in Echtzeit durch Sensoren und Aktoren realisiert werden, während Agenten die Kommunikation und Interaktion mit weiteren Entitäten 329 realisieren. Der dezentrale hierarchielose Einsatz von Agenten, Markplätzen oder der Cloud für ein verteiltes Netzwerk zur Nutzung von Daten und Diensten für einen breiten Teilnehmerkreis basiert auf dem Ansatz eines übergeordneten Problemlösungsprozesses. Dieser besteht nach ROIDL aus den drei Phasen: Zerlegung des Problems in Teilprobleme, Lösung dieser Teilprobleme sowie die anschließende Zusammenführung der Teilprobleme zur Lösung des Gesamtproblems. Die Steuerung von Materialflusssystemen besitzt die analoge Charakteristik für die Zerlegung in Teilprobleme. 330 Dafür ist eine gemeinsame Plattform nötig, die dem Prinzip der funktionsorientieren Modularisierung nach dem Baukastenprinzip folgt. 331 D. h. Teilprobleme können als einzelne Dienste interpretiert werden, die die Reduzierung bzw. Auflösung der Steuerungshierarchien zur Folge haben können. 332 Dieser modulare Baukasten erweitert die Wechselwirkung von auf der Plattform angebotenen Daten und Diensten mit intelligenten Objekten des IdD. Für die Smart Factory können die modularisierten Anwendungen eines ERP, wie z. B. die Terminoder Mengenplanung, einzeln bei Bedarf von dem jeweiligen Objekt nachgefragt werden, ohne Lizenzen für alle Objekte oder Subjekte zu benötigen. Dadurch wird der Datenaus327 Vgl. Geisberger und Broy (2012), S. 183; Kagermann (2014), S. 609 f. 328 Vgl. Günthner et al. (2014), S. 302 f.; Roidl (2010), S. 65 f.; Spath (2013), S. 98; VDI/VDE 2653 (2010), S. 3; Weller (2008), S. 153 und 165 f. 329 Nach VDI und VDE (2014), S. 4 sind Entitäten „Gegenstände, die in der Informationswelt eigene Objekte zu ihrer Verwaltung und Nutzung besitzen”. 330 Vgl. Roidl (2010), S. 65 f. 331 Vgl. Günthner et al. (2014), S. 302 f. 332 Vgl. Kuzmany et al. (2010), S. 53 f. 68 tausch z. B. mittels Smart Phones und Tablets über die ITund Unternehmensgrenzen hinweg möglich. „In Verbindung mit den Daten aus Sensoren von cyber-physischen Systemen in Produktion und Logistik können so alle Beteiligten auf die für sie relevanten Daten entlang des Produktlebenszyklus jederzeit von überall in nahezu Echtzeit zugreifen.“ 333 I4.0 soll mit den vorhandenen Technologien und Techniken im industriellen Umfeld die zukünftigen Trends aufnehmen, Herausforderungen mildern und die Potenziale generieren. Dazu werden im industriellen Umfeld Eigenschaften zur Verfügung gestellt, um die Produktion und Logistik zu unterstützen. Dies geht einher mit Anforderungen, die an die neuen Möglichkeiten der Konzepte gestellt werden. 3.4 Eigenschaften und Anforderungen der Industrie 4.0 Wie in Abschnitt 3.1 bereits thematisiert, werden in diesem Kapitel mittels qualitativer Inhaltsanalyse der 49 identifizierten Beiträge Eigenschaften und Anforderungen auf Basis des konzeptionellen Bezugsystems erfasst, dem jeweiligen Konzept zugeordnet und im Kontext von Logistik (und Produktion) ausgearbeitet. 3.4.1 Eigenschaften In Summe liefert die Literaturanalyse 52 Eigenschaften, von denen 50 dem konzeptionellen Bezugssystem zugeordnet werden konnten. Das Konzept der CPS liefert mit 23 die meisten Eigenschaften, gefolgt von I4.0 mit 11 und dem IoE mit 9. Für die Smart Factory konnten 7 Eigenschaften ermittelt werden. Tabelle 9 liefert einen Überblick. Eigenschaften nach Konzepten Cyber-physische Systeme nach Broy (2010); Geisberger und Broy (2012); Hoppe (2014a); VDI und VDE (2013); Vogel-Heuser et al. (2013); Vogel-Heuser (2014)  Adaptivität  (Technische) Integration  Entscheidungsfähigkeit  Autonomie (Verhandeln, Handeln, Steuern)  Kontexterfassung und -verarbeitung  Konflikterkennung und -auflösung  Selbstanalyse, -diagnose, -reflexion, -dokumentation und -heilung  Kognitive Fähigkeiten und Lernfähigkeit Internet of Everything nach Günthner (2010); Nettsträter und Kuzmany (2010)  Dezentrale Eigenschaften  Selbstkoordination  Spontane Vernetzungsfähigkeit  Reaktionsfähigkeit Industrie 4.0 nach Bürger und Tragl (2014); Hoppe (2014a); Schlick et al. (2014); Spath (2013); ten Hompel und Henke (2014); VDE und DIN (2013); Wegener (2014)  Vollständige Autonomie  Selbstoptimierung und -organisation  Integration technische und Mgt.-prozesse  Künstliche Intelligenz 333 Vgl. Bildstein und Seidelmann (2014), S. 586 f. 69 Smart Factory nach Kaufmann (2014); Pantförder et al.(2014); Vogel-Heuser; Bayrak (2011)  Verhandlungsfähigkeit in Echtzeit  Reaktion bei geänderten Kundenwünschen Tabelle 9: Ergebnis literaturbasierte Eigenschaftsanalyse Auf Grundlage des konzeptionellen Bezugsystems baut I4.0 und die Smart Factory auf den anderen beiden Konzepten auf, d. h. Eigenschaften von CPS und IoE können Eigenschaften der Smart Factory und I4.0 sein, wodurch die dargestellte Anzahl in der Tabelle reduziert wurde. Konzeptübergreifend wurden Adaptivität, die technische Integration, Entscheidungsfähigkeit, Autonomie, Kognition sowie Formen der Selbststeuerung oder -organisation identifiziert. „Dezentral“ wird in der Literatur häufig nicht separat, sondern in Kombination mit Funktionen und Eigenschaften wie Steuerung oder Autonomie benutzt. I4.0 erweitert die Autonomie zu einer vollständigen Autonomie und mit ihr die Selbstoptimierung und -organisation. 334 Zusätzlich zur technischen Integration der CPS werden in I4.0 die Geschäftsprozesse integriert. 335 Zudem wird die künstliche Intelligenz für intelligente Maschinen in der Produktion erwartet. 336 Logistikspezifische Eigenschaften in I4.0 konnten nicht identifiziert werden, Existieren im IoE hingegen als spontane Vernetzung. 337 Die Smart Factory erweitert die Eigenschaften um die echtzeitfähige Verhandlungsfähigkeit sowie die kundenzentrierte Reaktion bei Änderungen in den Kundenwünschen. 338 Die Diskussion in Wissenschaft und Praxis zeigt ein breites fragmentiertes Bild über Eigenschaften innerhalb der Konzepte und kaum Auseinandersetzung mit der Logistik. Die empirische Analyse wird in Kapitel 4 diese Lücke schließen. 3.4.2 Anforderungen An die Konzepte werden in der Wissenschaft Anforderungen gestellt. Das Ergebnis der Literaturanalyse liefert ein ähnlich fragmentiertes Bild wie bei den Eigenschaften. Die Anforderungen werden im Rahmen der empirischen Analyse um die konkrete Perspektive des Logistikmanagements erweitert werden. In Summe liefert die Literaturanalyse 133 Anforderungen, von denen 108 dem konzeptionellen Bezugssystem zugeordnet werden konnten. Das Konzept der CPS liefert mit 49 identifizierten die meisten Anforderungen, gefolgt von der Smart Factory (22) und dem IoE (20). Für I4.0 liegen mit 17 am wenigsten Anforderungen vor. Tabelle 10 liefert einen Überblick. 334 Vgl. Bürger und Tragl (2014), S. 561; Hoppe (2014a), S. 251 335 Vgl. VDE und DIN (2013), S. 7 336 Vgl. Schlick et al. (2014), S. 61 337 Vgl. Günthner (2010), S. 349 f. 338 Vgl. Pantförder et al. (2014), S. 147 ff. 70 Anforderungen nach Konzepten Cyber-physische Systeme nach Broy (2010); Geisberger und Broy (2012); Hoppe (2014a); VDI und VDE (2013); Schuh et al. (2014); Vogel-Heuser et al. (2013); Vogel-Heuser (2014)  Flexibilität und Wandlungsfähigkeit  Echtzeitfähigkeit  Komm.- u. Interaktionsfähigkeit  Vernetzungsund Netzwerkfähigkeit  Interaktionsfähigkeit  Datendurchgängigkeit, Standards  Verarbeitungsund Kommunikationsgeschwindigkeit  Mensch-Maschine-Interaktion und -Kooperation  Datenschutz und Zugriffssicherheit  Zuverlässigkeit Internet of Everything nach Günthner (2010); Hahn-Woernle (2010); Nettsträter und Kuzmany (2010); Schuh et al. (2014)  Datenverfügbarkeit  Modularität Industrie 4.0 nach Fallenbeck und Eckert (2014); Hoppe (2014a); Spath (2013)  Geräteunabhängigkeit  Semantische Erweiterbarkeit  Skalierbarkeit  Robustheit gegenüber Schwankungen  Transparenz in Echtzeit  Ressourceneffizienz und Produktivität Smart Factory nach Westkämper (2013a); Westkämper (2013b); Kaufmann (2014)  Eindeutige Identifikation und Lokalisation von Objekten jederzeit  Stabilität  Individualität von Prozessen, Produkten etc.  Horizontale und vertikale Vernetzung  Komplexitätsbeherrschung Tabelle 10: Ergebnis literaturbasierte Anforderungsanalyse Technische Anforderungen überwiegen in der Analyse. Wie bei den Eigenschaften baut I4.0 und die Smart Factory auch hier auf den anderen beiden Konzepten auf, d. h. Anforderungen an CPS und IoE können indirekt Anforderungen an die Smart Factory und I4.0 sein, wodurch wiederum die dargestellte Anzahl in der Tabelle reduziert wurde. Übergreifend werden die Anforderungen Flexibilität & Wandlungsfähigkeit, Echtzeit-, Kommunikations-, Vernetzungsund Netzwerkfähigkeit an die Konzepte gestellt. Hinzu kommen die Standardisierung, die Mensch-Maschine-Interaktion sowie Datenschutz und Zugriffssicherheit. Explizite Anforderungen an I4.0 konnten auf der technischen Seite bei HOPPE identifiziert werden. Darunter befinden sich (Hersteller-) Unabhängigkeit, Compliance von Standards, Sicherheit der Datenübertragung, (Daten-) Transport über Standards, Modellierbarkeit von realen zu virtuellen Objekten, Discovery zur Beschreibung der Zugangsdaten und der angebotenen Funktion (Dienste), zudem semantische Erweiterbarkeit und Skalierbarkeit, die die horizontale und vertikale Kommunikation für alle Ebenen durch Hinzufügen bzw. Wegnahme von Hardund Software-Komponenten gewährleisten soll. 339 Anwenderseitig konnten Transparenz in Echtzeit 340 sowie die klassischen Ziele von Produktion und Logistik, Ressourceneffizienz und Produktivität in Form von hoher Lieferfähigkeit mit kurzen Lieferzeiten bei 339 Vgl. Hoppe (2014b), S. 338 ff. 340 Vgl. Spath (2013), S. 113 77 4.1.2.2 Eigenschaftsanalyse Für die Gruppenbefragung wird vor der Durchführung des Arbeitskreises eine Auswahl literaturbasierter Eigenschaften mit Begriffsbeschreibungen verteilt, diskutiert, angepasst und selektiert. Anschließend wird das Anwendungspotenzial in Kleingruppen auf I4.0-Techniken verteilt. Abbildung 24 zeigt zusammengefasst das Anwendungspotenzial einzelner Eigenschaften aus Systemsicht. Abbildung 24: Anwendungspotenzial Eigenschaften 352 Für I4.0-Techniken in Summe besitzt die Reaktivität das größte Anwendungspotenzial. Diese Eigenschaft wurde bei der Zuordnung zu den I4.0-Techniken immer unter den ersten drei Rängen priorisiert. Die Integrationsfähigkeit sowie die Selbststeuerung wurden ähnlich bewertet, erhielten allerdings wesentlich weniger Punkte als die Reaktivität. Während die Integrationsfähigkeit bei den Transportfahrzeugen und bei den Produkten keine Rolle zu spielen scheint, erhielt die Selbststeuerung bei allen Techniken Relevanz, insbesondere bei Betriebsmitteln, Transportfahrzeugen, Lager und den Produkten. Systemisch betrachtet sind diese drei Eigenschaften für die Arbeitskreisteilnehmer aus dem Logistikmanagement die relevantesten, gefolgt von der Entscheidungsfähigkeit und der Adaptivität. Die Entscheidungsfähigkeit ist bei Produkten mit dem größten Potenzial bewertet worden, gefolgt von Transportfahrzeugen, Lager sowie den assistierten Entscheidern. Die Adaptivität besitzt beim Lager und den Produkten keine Relevanz, bei Ladungsträgern und den Entscheidern hingegen die größte. Analog verhält es sich mit der (Teil-) Autonomie, die für Ladungsträger und Entscheider ebenfalls die relevanteste Eigenschaft darstellt. Die Kognition wurde für Transportfahrzeuge, Lager und Betriebsmittel ähnlich bewertet. Für alle anderen I4.0-Techniken ist sie nicht relevant. Die Eigenschaft der dezentralen Selbstplanung wurde durch die Teilnehmer als weniger 352 Eigene Darstellung. 0 10 20 30 40 50 Selbstplanung Selbststeuerung (Teil-) Autonomie Reaktivität Adaptivität Entscheidungfähigkeit Integrationsfähigkeit Kognition 78 relevant beurteilt. Möglicherweise sind Vorbehalte durch Verluste der Planungskompetenz oder wenig Erfahrung in diesem Kontext aus Sicht der Logistik eine Erklärung. Die Selbstplanung erhielt lediglich bei den Ladungsträgern eine geringe Punktbewertung. Die Zuteilung von Eigenschaften zu den I4.0-Techniken intelligente Betriebsmittel, Ladungsträger, Transportfahrzeuge, Lager, Produkte sowie assistierten Entscheidern aus Sicht des Logistikmanagements stellt die Detailanalyse der Eigenschaften dar. Die Bewertung der Gruppe Betriebsmittel ergab die Betonung der Eigenschaften Reaktivität und Integrationsfähigkeit mit fast identischer Bewertung. An dritter Stelle mit größerem Abstand zu den ersten beiden wurden die Selbststeuerung, die (Teil-) Autonomie sowie die Kognition bewertet. Selbstplanung und Entscheidungsfähigkeit von Betriebsmitteln wurde keine Relevanz beigemessen. Die Integrationsfähigkeit wurde bei intelligenten Ladungsträgern als die wichtigste Eigenschaft bewertet, was u. a. an ihrem Einsatz in unterschiedlichen Prozessbereichen intern und extern als Netzwerkknoten liegt. Mit Abstand wurde die Adaptivität an zweiter Stelle bewertet. (Teil-) Autonomie sowie die Reaktivität besitzen fast die gleiche Relevanz wie die Adaptivität. Entscheidungsfähigkeit und Kognition werden bei Ladungsträgern als nicht relevant erachtet. Für Transportfahrzeuge stellen Reaktivität und Selbststeuerung die beiden relevantesten Eigenschaften dar. Adaptivität, Entscheidungsfähigkeit und Kognition spielen eine untergeordnete Rolle. Selbstplanung, (Teil-) Autonomie sowie Integrationsfähigkeit besitzen keine Relevanz. Die vierte Gruppe adressiert Lager, deren relevanteste Eigenschaften zum einen die Integrationsfähigkeit und zum anderen die Selbststeuerung sind. Gleichauf, aber weniger relevant wurden dem Lager die Eigenschaften Reaktivität, Entscheidungsfähigkeit sowie Kognition zugeordnet. Selbstplanung, (Teil-) Autonomie und Adaptivität spielen nach Aussage der Logistikmanager keine Rolle. Für die Gruppe der intelligenten Produkte sind Reaktivität und Entscheidungsfähigkeit die relevantesten Eigenschaften, gefolgt von der Selbststeuerung. Alle anderen Eigenschaften besitzen für intelligente Produkte keine Relevanz. Die Konzentration auf die drei Eigenschaften ist insbesondere auf die Verbindung zu den Kundenbedürfnissen zurück zu führen. Die letzte Gruppe rückt das Personal als assistierten Entscheider in den Mittelpunkt. Dieser wird mit Reaktivität, Adaptivität sowie der (Teil-) Autonomie in Verbindung gebracht. Mit geringerer Punktzahl wurde die Entscheidungsfähigkeit bewertet. Die übrigen Eigenschaften, wie die Kognition oder die Selbstplanung wurden beim Personal direkt antizipiert. 4.1.3 Zusammenfassung Die Gruppenbefragung konnte Anforderungen sammeln und diese in drei Gruppen systematisieren. Auf Seiten der Basisanforderungen und im Übergang zu den anderen Gruppen konnten Automatisierung, Fehlerminimierung, die klassischen Zielgrößen wie Servicegrad, Prozesseffizienz und Durchlaufzeiten sowie ein dynamisches Entscheidungsunterstützungssystem und die (Daten-) Sicherheit identifiziert werden. Die zweite 79 Gruppe, mit Potenzial die Kundenzufriedenheit zu steigern, bilden die Leistungsanforderungen, zu denen technische Anforderungen, wie die Lokalisation, Echtzeitfähigkeit, Kompatibilität und die Automatisierung von Transport und Kommissionierung zählen. Zusätzlich wurden in dieser Gruppe Logistikaufgaben wie selbstständige Steuerung und Überwachung von Produktparametern beim Transport und die Liefertermintransparenz identifiziert. Weitere Logistikaufgaben, wie die Vereinfachung der Managementaufgaben, Verfügbarkeitsmanagement und die Echtzeitkapazitätsplanung, wurden im Übergang zu den Begeisterungsanforderungen identifiziert. Begeisterungsanforderungen besitzen ein hohes Potenzial die Kundenzufriedenheit zu erhöhen und wurden von den Teilnehmern in der Ergonomie und Prognosefähigkeit gesichtet. Die klassischen Logistikziele wie die Verbesserung der Durchlaufzeiten sind Teil des Logistikmanagements und daher in der Auswahl von Anforderungen und Eigenschaften indirekt inkludiert. Die Analyse der Eigenschaften aller intelligenten Objekte und Subjekte ergab, dass die Reaktivität das größte Anwendungspotenzial im innerbetrieblichen Netzwerk besitzt. Ihrer Priorisierung im System folgend, wurde die Integrationsfähigkeit, die Selbststeuerung, die Entscheidungsfähigkeit, Adaptivität sowie die (Teil-) Autonomie bewertet. Selbstplanung und Kognition spielen eine untergeordnete Rolle. Bezogen auf die I4.0Techniken ist für intelligente Betriebsmittel die Reaktivität und die Integrationsfähigkeit, für Ladungsträger die Integrationsfähigkeit und Adaptivität, für Transportfahrzeuge die Reaktivität und Selbststeuerung, für Lager die Integrationsfähigkeit und Selbststeuerung, für intelligente Produkte die Reaktivität, Entscheidungsfähigkeit sowie die Selbststeuerung und für assistierte Entscheider die Reaktivität, Adaptivität sowie (Teil-) Autonomie mit den größten Anwendungspotenzialen bewertet worden. Auf Basis von Literatur und Praxis konnten für I4.0 Anforderungen und Eigenschaften ausgearbeitet werden, die im zweiten Teil der empirischen Analyse in Form des „Wie“ weiter ausgebaut werden. Zunächst wird in Abschnitt 4.2 das Design der Erhebung sowie das „Warum“ erforscht. 4.2 Fallstudienforschung Ziel der Fallstudienforschung der vorliegenden Arbeit ist die Erforschung des „Warum“ und des „Wie“ des I4.0-Einsatzes. Den primären Fokus bildet die innerbetriebliche industrielle Logistik produzierender Maschinenbauunternehmen in der Smart Factory. 4.2.1 Design Abgeleitet aus der Forschungsfrage wird das Vorgehen der explorativen Fallstudie in Anlehnung an KITTEL-WEGNER und MEYER 353 vorgenommen. Nach der Fallauswahl und der Entwicklung des Fallstudienrasters folgt die Auswahl geeigneter Methoden. Die Auswahl der Fallstudie ist ein wesentlicher Bestandteil des Forschungsprozesses und 353 Vgl. Kittel-Wegner und Meyer (2002), S. 22 80 sollte theoriegeleitet sein. Die geeignete Wahl wirkt sich direkt auf die Qualität der Ergebnisse aus, die im Erkenntnisgehalt begründet liegt. Es wird die Mehrfachfallstudie genutzt, da die Variation von geeigneten Fallstudien die Generalisierbarkeit unterstützen kann. 354 Für die Auswahl von Unternehmen/Vertretern werden zunächst Selektionskriterien definiert: Die Marktposition (An: Anwender, Au: Ausrüster) für Anwendungsbreite und Erfahrungswerte. Vorträge, Veröffentlichungen und Messeauftritte (V), die Beteiligung an Initiativen (I) sowie Preisträgerschaft (P) für die Bewertung von I4.0Aktivitäten. Für die Expertise werden Führungskräfte mit I4.0-Bezug aus Produktion und Logistik (PL) ausgewählt. Die Fallstudienforschung dieser Arbeit fokussiert das interne Logistiknetzwerk produzierender Maschinenbauunternehmen mit Skizzierung der Schnittstellen. In Summe wurden vier Fallstudien durchgeführt (Tabelle 11). Marktposition I4.0-Aktivitäten Expertise An Au V I P I 4.0 PL Unternehmen A        Unternehmen B        Unternehmen C        Unternehmen D        Tabelle 11: Fallstudienauswahl Das Fallstudienraster orientiert sich an dem „Warum“ in Form von Motivation, (erwarteten) Potenzialen und Herausforderungen sowie dem „Wie“. Das „Wie“ beschreibt in einem ersten Schritt das jeweilige Anwendungsbeispiel mit seinen Logistikprozessen. Anschließend werden die Anforderungen der Unternehmen aufgenommen, um das „Wie“ anhand der Gestaltungsebenen System, Netzwerk und Technologie zu komplettieren. Als Erhebungsmethode wird die Mehrfachfallstudie mittels ca. 1,5-stündigen Interviews mit mindestens einem Unternehmensvertreter durchgeführt. Zudem wird nicht-/öffentlich zugängliches Unternehmensmaterial in die Betrachtung mit einbezogen. Gemeinsam fließen die verschiedenen Quellen in die Beschreibung der Fallstudien ein. Die Berichte werden mit den Interviewten besprochen, auf Richtigkeit hin untersucht, und anschließend werden fallübergreifende Schlüsse gezogen, die in den Gestaltungsansatz einfließen. 4.2.2 Beschreibung Unternehmen A Unternehmen A ist mit einem hohen dreistelligen € Mio. Umsatz und mehreren Tausend Mitarbeitern ein global agierendes Unternehmen. Das Produktportfolio bietet Lösungen zur Informationsaufbereitung für Produktivitätssteigerungen und in der Hochspannungstechnik. Im Rahmen der Digitalisierung besitzt das Unternehmen eine ca. 30 jährige Erfahrung. Unternehmen A ist u. a. Preisträger in der Mitarbeiterzufriedenheit, der „Operational Excellence“ sowie mit seiner Fertigungslösung in I4.0. 354 Vgl. Eisenhardt (1989), S. 536 f. 81 4.2.2.1 Motivation, Potenziale und Herausforderungen Motiviert wurden Aktivitäten aus dem operativen Bereich (bottom-up) auf Initiative der Produktionsprogrammierer. Haupttreiber war die fehlende Transparenz über betriebliche sowie technische Abläufe mit papierbasierten Prozessunterlagen, deren Aussagekraft nicht genügte. Die vorhandenen Lösungen resultierten in hohen Bearbeitungsaufwänden durch Erklärungsbedarf und der Bindung von Abteilungsressourcen. Das Ziel bestand darin, den Virtualisierungsund Automatisierungsgrad sämtlicher Prozessunterlagen zu erhöhen, um zur Schließung von Medienbrüchen und zur Beschleunigung der Entscheidungsfindung beizutragen. Ergebnisse konnten in der Senkung nicht wertschöpfender Tätigkeiten sowie der Reduzierung von Prozesszeiten festgestellt werden. Die verschiedenen Digitalisierungsaktivitäten wurden in den letzten Jahren unter dem Begriff I4.0 gebündelt, welchen Unternehmen A als Integration aller partizipierenden Produzenten, Lieferanten, Kunden etc. einer Wertschöpfungskette beschreibt. Diese Entwicklung ist erst am Beginn und wird als Prozess, nicht als Revolution angesehen. Subsumiert werden in diesem Kontext Begriffe wie „Interdisziplinarität, Social Media, Mobile Computing, Virtualisierung, Smarte Objekte, Big Data, Analyse, Optimierung und Vorhersage (Data Mining), Internet der Dinge und Dienste, Assistenzsysteme, CPS sowie die Smart Factory“. Die Erfolge im Fertigungsbereich führten mit der Unterstützung der Geschäftsführung zu konkreten Zielformulierungen: Wirtschaftliche Realisierung der kleinstmöglichen Losgröße, Beherrschung der Variantenkomplexität sowie Reduzierung der Lieferzeit. Übergeordnetes Ziel im Kontext der industriellen Logistik ist die „Hochleistungsfertigung“. Erreicht werden soll dies mittels der kontinuierlichen Verbesserung von Prozessen, um erstens mehr Kundenbedarfe zu geringeren Stückkosten zu bedienen und zweitens durch digitale Geschäftsmodelle Softwareund Beratungsleistungen anbieten zu können. Treiber für einen erfolgreichen I4.0-Einsatz wurden von Unternehmen A in standardisierten, transparenten Prozessen unter Lean Management-Gesichtspunkten skizziert. Auf der technologischen Seite ist die Stammdatenqualität, der Aufbau von Datenbanken über das nötige Inventar 355 , ein sicheres (Maschinen-) Netzwerk mit eigenen IPs sowie ein stabiles und sicheres WLAN innerhalb der Fabrik notwendig. Zudem sollten etwaige Lösungen von der strategischen IT-Abteilung mitgetragen werden. Das größte Hemmnis liegt in der Zunahme der Schnittstellenbandbreite bei einer 1:1-Verbindung aller Objekte. Ein vollständiger dezentraler Ansatz wird abgelehnt und die Nutzung einer Integrationsplattform präferiert. Die gesamte Lösung sollte demnach aus einer Mischung deund zentraler Elemente bestehen, um die Bandbreite des Netzwerkes zu reduzieren. Zudem muss der Mitarbeiter in den Entwicklungsund Veränderungsprozess integriert werden, um Ablehnung im Vorfeld abzubauen. 355 Verzicht auf Excel-Listen. 82 4.2.2.2 Anwendungsbeispiel und Logistikprozesse Das Anwendungsbeispiel fußt auf der digitalen Durchgängigkeit der Produktion und Logistik, d. h. der Virtualisierung aller Abläufe sowie der Bereitstellung der generierten Daten über die (logistischen) Abläufe für die operativen Bediener mit Hilfe von Assistenzsystemen. Das Assistenzsystem mit Plattforminfrastruktur stellt die I4.0-Lösung von Unternehmen A für eine Smart Factory dar. Die Plattform wird zusätzlich als MES genutzt. Dieses verbindet das ERP-System direkt mit dem operativen Bereich (vertikale Integration) und gewährleistet zugleich die Vernetzung einzelner Prozessschritte (horizontale Integration). Das Assistenzsystem läuft direkt auf der Browser-Oberfläche der Maschinensteuerung und kann vollautomatisierte Aufgaben erledigen (z. B. die Datenanreicherung) sowie Entscheidungsgrundlagen liefern, die der Mitarbeiter anfordert. Im Intranet der Dienste existiert für jede Dienstleistung ein Dialog, wie z. B. „Wenn der Behälter voll ist, bestellt die Maschine sich einen Gabelstapler zur Entleerung.“ Analog existieren Dialoge für die Rohteilebelieferung oder z. B. für die Bestellung von Fachpersonal bei Störungen. Ursprünglich wurden Behältertransporte durch Zuruf organisiert. Heute kontrolliert der Mitarbeiter den Behälterstatus und löst den Bestellvorgang aus. Der Staplerfahrer erhält ein visuelles Signal auf sein Tablet und startet den Abholprozess. Dadurch wurde eine Lieferzeitreduzierung erzielt. Herausforderungen liegen in der Stammdatenqualität, explizit in der Vollständigkeit der Daten, da fehlende Daten nicht mehr durch Annahmen bzw. Erfahrungswerte ausgeglichen werden. Des Weiteren ist es anspruchsvoll, intuitiv ablaufende, nicht ausgesprochene Denkleistungen und Tätigkeiten (d. h. kognitive Denkprozesse) in die Sprache der IT zu übersetzen und damit zu digitalisieren und papierlos zu machen. Zur Realisierung wurde zunächst die Virtualisierung des gesamten Fertigungsprozesses mittels der Digitalisierung der statischen Systeme (Maschinen z. B.) angestrebt. Der zweite Schritt liegt in der Virtualisierung von dynamischen Systemen. Dies wird durch das Ausund Einbuchen von z. B. Transporten realisiert. Die Unterstützung von Zielen, der Planung, Steuerung und Kontrolle wird durch den webbasierten Zugriff auf Echtzeitdaten zur Kommunikation z. B. browserfähiger Maschinen ohne zusätzliche Hardware, ergonomische, einfache Benutzeroberflächen und Bedienbarkeit ohne manuelle Dateneingabe, standardisiertes Schnittstellenmanagement, Datenanalysewerkzeuge mittels statistischen Verfahren sowie die Skalierbarkeit bei der Erweiterung des Maschinenparks realisiert. Mittels Auslösung des Fertigungsauftrages im PPS wird der gesamte Kreislauf aller Roh-, Hilfsund Betriebsstoffe (RHB) wie Werkzeuge mit allen dazugehörigen Daten papierlos im operativen Bereich gesteuert und überwacht. Der Ablauf wird transparent über den gesamten Informationsfluss innerhalb der Fabrik gewährleistet und unterschiedliche Prozesszustände werden abrufbar. Rohdaten werden gesammelt, mit weiteren Daten angereichert und ermöglichen die Offenlegung von Abweichungen des tatsächlichen Status zur kontinuierlichen Verbes- 83 serung. Die Informationen werden für das Personal als Entscheidungsgrundlage aufbereitet. Mittels Vernetzung von mehreren Maschinen mit individuellen RHB-Kreisläufen wird ein ganzheitlicher Ansatz verfolgt. Mit dem System konnte eine bessere Produktivität sowie Prozessund Produktqualität erzielt werden, indem z. B. fehlerhafte Eingaben durch das Personal eliminiert wurden. Die I4.0-Lösung im Kontext der Logistik von Unternehmen A erstreckt sich über Beschaffung, Produktion und Distribution. Ausgangspunkt bildet die Produktion, die bisher den größten Fortschritt in Bezug zu Digitalisierungsaktivitäten aufweist. Die Produktion erzeugt dadurch eine Sogwirkung auf die anderen Bereiche, die sich ebenfalls sukzessive virtualisieren. Dies wird bis auf externe Kunden ausgeweitet. Die bisher integrierten bzw. abgebildeten Logistikprozesse sind das Transportieren, Lagern und Disponieren von Werkzeugen, Rohteilen und Vorrichten. Der Transport soll in Zukunft durch organisierte Routenzüge von Gabelstaplern erfolgen, die im Schwarm Fertigungssegmente an Bushaltestellen liefern. 4.2.2.3 Anforderungen Die abgeleitete Anforderung an Logistiksysteme der Smart Factory besteht in der Verortung sowie der Lokalisation aller un-/bewegten Objekten (Transportmittel, RHB etc.). Zweitens ist die Steuerung aller Abläufe in Echtzeit zu gewährleisten, muss eine Abkehr von sequentieller Datenverarbeitung (sogenannter Batchverarbeitung) erfolgen, in der die Berechnung in der Nacht erfolgt und damit einer statischen Steuerung entspricht. Für ein leistungsfähiges Logistikmanagement wurde zunächst die Standardisierung der Prozesse mit Lean-Methoden notwendig. Weitere Standardisierung erzielte der Virtualisierungsprozess. Um die Sicherheit und Stabilität zu gewährleisten, werden Angriffe mit externen Partnern durchgeführt. 4.2.2.4 Systemund Netzwerkebene Die Logistikziele bestehen in der Kontrolle aller Bewegungsdaten, um Leerzeiten und -fahrten zu reduzieren, die Auslastung von Behältern, Staplern etc. zu erhöhen sowie unnötige Transporte gänzlich zu vermeiden. Zusammenfassend wurde die Reduzierung nicht-wertschöpfender Tätigkeiten gemäß dem Lean Management erzielt. Ausgangspunkt ist die auftragsspezifische Fertigung zur Losgrößenreduzierung. Zusätzlich konnte das System durch digitale Auftragsdaten in der Rüstablaufplanung mittels verschlankter Reihenfolgeplanung unter Berücksichtigung aller Maschinen den Rüstaufwand reduzieren und dadurch Bestände abbauen. Die sparsamere Bewegung im Lager reduzierte die Transporte für Werkzeugund Hilfsmittelkreisläufe. Der positive Effekt der verkürzten Durchlaufzeiten für Rüstund Transportprozesse sowie die Bestandsabnahme überwog somit häufigeres Rüsten infolge von kleineren Losgrößen. In das aktuelle System sind Betriebsmittel (Maschinen), Transportfahrzeuge (Routenzug) und das Personal integriert. Die Anbindung eines Hochregallagers sowie die In- 84 tegration von Ladungsträgern befinden sich in der Planung. Die logistische Anwendung besteht aus einem internen Kunden (Maschine)-Lieferanten Netzwerk, das durch ein Intranet der Dinge realisiert wurde. Hierzu wurde mittels eigener IP je Maschine ein Netzwerk etabliert. Das Assistenzsystem vernetzt mit Hilfe einer Plattform alle beteiligten Objekte und Subjekte der Fertigungsprozesse miteinander. Die Vernetzung bezieht direkte und indirekte Bereiche mit ein. Die entwickelte Lösung folgt der diskutierten Logik aus Abschnitt 3.3.3, in der eine oder mehrere zentrale Plattformen für die Vernetzung unterschiedlicher Akteure präferiert wird. 4.2.2.5 Technologieebene Die Ausstattung von Objekten mit IDT ist aktuell in Planung, da z. B. Stati über den Ort von Materialien während des Transportes unbekannt sind. Die Ausstattung von Transportmitteln wird im Zuge eines neuen Logistikzentrums erfolgen. Zur Integration der Mitarbeiter werden Assistenzsysteme zur Entscheidungsunterstützung und Steigerung der Entscheidungsqualität verwendet. Weitere Technologien im Bereich der Assistenzsysteme sind eine digitale Werkermappe sowie Tablets für den Routenverkehr. Smart Phones können in der neuesten Version der Lösung integriert werden. Das Ziel von Assistenzsystemen liegt in der Entlastung des operativen Personals von Routinetätigkeiten. Im vorliegenden Anwendungsfall wurde das manuelle Einpflegen der Daten durch Barcode-Scanner sowie Planungsberechnungen teilbis vollständig automatisiert. Dadurch wurde die Parallelisierung von Tätigkeiten schneller, sicherer, bequemer und einfacherer. Über einen Entwicklungszeitraum von 30 Jahren konnten die Mitarbeiter sukzessive integriert werden. Beim Vertrieb der Lösung werden externe Mitarbeiter durch die Mitarbeit an der bereits bestehenden Lösung in Lernfabriken geschult, um Vorbehalte abzubauen. 4.2.2.6 Zusammenfassung Unternehmen A entwickelte über einen längeren Zeitraum eine zentrale Integrationsplattform zur horizontalen und vertikalen Integration von Unternehmensleitebene und operativem Bereich als ganzheitliches Assistenzsystem zur Planung und Steuerung des Milkrun, in dem die 1:1-Vernetzung zu Gunsten einer Integrationsplattform aufgelöst wurde. Somit konnte die Virtualisierung der Fabrik vorangetrieben werden, eine Lösung, die von anderen Unternehmen nachgefragt wird und bei Unternehmen A als Grundlage für neue Geschäftsmodelle sowie kontinuierliche Verbesserungsprozesse zusätzlicher Bereiche dient. 4.2.3 Beschreibung Unternehmen B Als Ausrüster und Anwender von technologischen Lösungen ist Unternehmen B in den Segmenten Kraftfahrzeugtechnik, Gebrauchsgüter, Industrietechnik sowie Energieund Gebäudetechnik aktiv. Mit einem weltweiten zweistelligen € Mrd. Umsatz sowie mehre- 85 ren hunderttausenden Mitarbeitern gilt das Unternehmen als weltweit führend im Bereich der Sensorik und Aktorik. Das Unternehmen ist u. a. Preisträger in I4.0und Logistikdisziplinen sowie Mitinitiator der „Connected Industry e.V.“ sowie Mitglied des nordamerikanischen „Industrial Internet Consortium“. 4.2.3.1 Motivation, Potenziale und Herausforderungen Unternehmen B führt zahlreiche Aktivitäten im Kontext von I4.0 durch. I4.0 ist die Virtualisierung industrieller Prozesse für die Erstellung eines digitalen Abbildes. Die Virtualisierung der Fabrik geht mit einer Vernetzung der gesamten Abläufe einher, um eine flexible, wandlungsfähige Produktion bis zur Losgröße 1 zu realisieren. Im Jahr 2008 startete Unternehmen B mit Auto-ID-Initiativen für die Materialversorgung auf Werksebene. Aus den RFID-Aktivitäten und der damit einhergehenden Prozessvirtualisierung wurden sukzessive weitere Projekte angestoßen, die in den letzten Jahren unter dem Konzept I4.0 auf der strategischen Entscheidungsebene formuliert und erweitert wurden. Für Unternehmen B liegen die Ziele der Smart Factory in der automatisierten Datenerfassung innerhalb von Prozessen, d. h. manuelle Buchungspunkte zu reduzieren und durch Auto-ID-Technologien zu ersetzen. Die Daten dienen der Realisierung selbststeuernder Algorithmen zum Aufbau von Assistenzsystemen, um das Personal mit Entscheidungsgrundlagen in der Prozesssteuerung und -optimierung zu unterstützen. Dies soll durch geringe Rüstzeiten sowie die schnelle Reaktion auf sich verändernde Marktbedingungen (Kundenbedürfnisse) realisiert werden, die Produktivität und Qualität erhöhen sowie eine Ressourcenschonung ermöglichen. Treiber und Hemmnisse für einen erfolgreichen I4.0-Einsatz werden in bereichsübergreifender Denkweise, einem Prozess-, ITund Gesamtsystemverständnis und der Stammdaten-, Infrastruktur-, sowie Prozessqualität gesehen. Zu beachten ist zudem vorab die Entwicklung einer detaillierten Strategie mit anwendungsgetriebenen Lösungen (bottom-up) sowie das schrittweise nicht „effekthaschende“ Vorgehen in Pilotprojekten. Hier liegt auf Anwenderseite das Risiko einer überzogenen Erwartungshaltung. Des Weiteren bietet I4.0 Vorteile in der Steigerung der Produktivität, der Transparenz sowie der Offenlegung von Schwächen im Ablauf, die durch Technologien gezielt unterstützt werden können, um eine ganzheitliche, übergreifende Optimierung zu ermöglichen. Der Technologieeinsatz für die Schwachstellenanalyse sowie die frühzeitige Mitarbeitereinbindung können den I4.0-Einsatz fördern. Dabei wird es zu einer Beschränkung der Freiheitsgrade für den Menschen in Bezug auf intuitive Entscheidungen kommen, die standardisierten Zieldefinitionen entgegenstehen. 4.2.3.2 Anwendungsbeispiel und Logistikprozesse Im betrachteten Werk wird der gesamte innerbetriebliche Transport für die Rohmaterialversorgung mittels RFID gesteuert und überwacht. Für die Realisierung wird die Materialentnahme in der Fertigung direkt am Anlieferregal (Supermarkt), d. h. am Ver- 86 brauchsort, mittels RFID-Scannung automatisch erfasst. Nach Erfassung der Entnahme wird automatisch ein Transportauftrag erzeugt, der eine Nachlieferung im Logistikzentrum auslöst. Hier wird nach der Auslagerung das Material routengerecht für die Versorgung im Fertigungsbereich auf den Milkrun mittels RFID kommissioniert. Die Zustellung auf den Milkrun wird ebenfalls durch RFID eventbasiert dokumentiert. Im internen Transport wird die Ware durch RFID-Gates an definierten Umschlagsorten erfasst und wiederum als Event dokumentiert. Dadurch werden kontinuierlich Daten über den Status der Ware gesammelt. Unternehmen B deckt mit Hilfe von Auto-ID-Lösungen Nachbestellungsprozesse von Verpackungen, Werkzeugen und RHB ab. Die Herausforderung besteht in der Integration und virtuellen Abbildung der gesamten Fabrik über alle Ebenen. Angestrebt ist eine flächendeckende, durchgängige Lösung, für die erstens physische Prozesse analysiert, zweitens die fragmentierte IT-Infrastruktur integriert und drittens die Managementebenen involviert werden müssen. Für den Gesamtprozess spielen unterschiedliche Abteilungen, Kulturen und Zielsetzungen eine Rolle; so präferiert z. B. der Einkauf großzahlige Volumina, ein Lean Manager dagegen kleine. Bzgl. der automatisierten Planung und Steuerung sind heterogene ITSystemlandschaften und Datenquellen zu berücksichtigen sowie die Komplexität der Vernetzung und Verkettung in verschiedenen Systemen und Ebenen sowie die Integration dieser unterschiedlichen Planungsebenen. Grundlage hierfür sind echtzeitnahe Daten, die die Basis für eine nachhaltige Planung darstellen. Die heutige Bedarfsplanung z. B. ist mit einer hohen Unschärfe bzgl. der Daten konfrontiert. Die Planung basiert aktuell nicht auf Lean-Prozessen, d. h. die tatsächlichen Bestände sind nicht bekannt. Die aufgenommenen Daten aus der Feldebene sind nicht synchron mit den Daten des ERP (z. B. aufgrund des Zeitverzugs). Dieser Umstand reduziert die Planungsqualität und führt u. a. zu Bullwhip-Effekten, so dass die Prozesse auf die Spitzen der Schwankungen ausgelegt werden müssen. Das Anwendungsbeispiel erstreckt sich über die Beschaffungs-, Produktionsund Distributionslogistik. Die Integration der Lieferanten ist über das Logistikzentrum erfolgt. Die Integration der Kunden wird nur fallweise durchgeführt. Wie im Anwendungsfall skizziert, sind im Kontext der Lösung bisher die logistischen Kernprozesse von Transportieren, Kommissionieren und Lagern abgebildet. Aktuell werden weitere logistische Prozesse als Bausteine der Prozessintegration sukzessive ausgebaut. „Verpacken“ folgt der einfachen Logik „Wie bringe ich physische Dinge zusammen?“. Der Prozess der Funktionalität „Verpacken“ wird aktuell in der technischen Sprache erfasst und übersetzt. Dafür sind die Setzung der Datenpunkte sowie die Entscheidung über notwendige Daten erforderlich. I. d. R. wird die Planung über etwaige prognostizierte Verbräuche geregelt. Der Ansatz von Unternehmen B ist durch eine Max-Min-Steuerung durch Implementierung technischer Regelkreise realisiert. Die Kombination eines analogen Kanban-Systems mit den Eigenschaften der I4.0 zu eKanbans mit technischen Regelkreisen etablierte die Selbststeuerung. Dadurch wurden die Planungsebenen auf die tiefst mög- 93 abgelehnt. Die Ladungsträger bei Unternehmen C sind keine informationstechnische Einheit, die informationstechnische Einheit ist der Auftrag (kann ein oder mehr Ladungsträger beinhalten). Die Wechselwirkungen durch die diversen Buchungspunkte übten einen hohen Einfluss auf die Produktionsplanung aus, da die einzelnen auf die Maschinen verplanten Aufträge Transporte entstehen lassen. Die Integration des Netzwerkes über eine „digitale Plantafel“ bildet die Basis an digitaler Infrastruktur. 356 Da unterschiedliche Objekte wie Werkzeuge und RHB transportiert werden, konnten positive Effekte auf andere Bereiche durch sukzessive Digitalisierung übertragen werden. 4.2.4.5 Technologieebene Aktuell werden 2D-Barcodes, Tablets und Handscanner eingesetzt, um die Identifikation von Aufträgen und Stellflächen zu realisieren. Vor dem Anwendungsfall wurde die notwendige Granularität der Transparenz analysiert. In diesem Zusammenhang wurden andere Lösungen wie RFID betrachtet, im Rahmen der Kosten-Nutzen-Betrachtung aber verworfen. Ein höherer Level an dezentraler Intelligenz durch I4.0-Eigenschaften wird für den aktuell notwendigen Umsetzungsstand als informationstechnisch nicht erforderlich betrachtet. 4.2.4.6 Zusammenfassung Der Anwendungsfall von Unternehmen C zeichnet sich durch die zweistufige Lösung der Virtualisierung von Planungstafeln sowie der Nutzung dieser zur operativen Steuerung aus. Die virtuelle Planungsund Steuerungstafel zur Planung und Steuerung des Milkrun im operativen Bereich konnte durch den Aufbau einer digitalen Buchungsinfrastruktur realisiert werden. Mittels Barcode-Ausstattung von u. a. Anund Ablieferungsflächen konnte die Virtualisierung der Fabrik und die Schließung von Medienbrüchen forciert werden. Beide Lösungen zusammen senken den Planungsund Steuerungsaufwand sowie perspektivisch Transportzyklen und Wegstrecken. 4.2.5 Beschreibung Unternehmen D Unternehmen D bietet als Anwender und Ausrüster von pneumatischen und elektromechanischen Antrieben sowie Motoren, Controller, Steuerungstechnik, Sensoren und Bildverarbeitungssystemen ein breites Portfolio. Mit einem € Mrd. Umsatz und rund 17.800 Mitarbeitern besitzt das Unternehmen zusätzlich einen eigenen Geschäftsbereich für die industrielle Ausund Weiterbildung. Im Rahmen von I4.0 unterstreichen Veröffentlichungen, Messeauftritte und Forschungsprojekte die Aktivitäten. Als Mitglied der Plattform I4.0 wird sich insbesondere in der Erstellung von Referenzarchitekturen engagiert. Der vorgestellte Anwendungsfall nimmt als kürzlich fertig gestellte „GrüneWiese-Fabrik“ eine Sonderrolle für die digitale Produktion und Logistik ein. 356 Interpretiert kann diese als Integrationsplattform. 94 4.2.5.1 Motivation, Potenziale und Herausforderungen Projekte im Virtualisierungsumfeld existieren in Unternehmen D seit Jahrzehnten. Aktivitäten zu I4.0 begannen im Jahre 2011 auf der Hannover Messe und wurden durch den Vorstand initiiert und motiviert. 2013 wurde die Produktentwicklung getrieben aus der Produktsicht im I4.0-Kontext konkretisiert. In 2015 wurde begonnen, unternehmensübergreifende (Virtualisierungs-) Aktivitäten weltweit und interdisziplinär unter einem gemeinsamen Dach zu bündeln. Das Potenzial von I4.0 wird in der Differenzierung durch die Exploration neuer Geschäftsfelder gesehen sowie als Werkzeug zur klassischen Zielgrößenerreichung bzgl. Kosten, Qualität und Zeit betrachtet. I4.0 stellt für das Unternehmen einen ganzheitlichen Ansatz aus Technologie, Mensch und Bildung dar. Technologisch werden intelligente Komponenten, Modularität, vernetzte Gesamtsysteme sowie Integrationsund Miniaturisierungslösungen fokussiert. Der Bereich Mensch ist insbesondere durch die Mensch-Maschine-Interaktion, adaptive und intelligente Technik, eine einfache und intuitive Bedienung sowie die Anpassung an sich wandelnde Arbeitswelten gekennzeichnet. Bildung adressiert die Ausbildung, die Qualifizierung der Mitarbeiter sowie die Nutzung von Lernfabriken. Die Lehrinhalte beziehen alle Bereiche des Unternehmens sowie neueste technologische Entwicklungen bzgl. Netzwerkkommunikation, Energie Management, Zustandsüberwachung oder Prozessoptimierung mit ein. Die Herausforderungen für I4.0 werden in der ganzheitlichen Systembetrachtung sowie einem notwendigen Grad an Standardisierung durch Lean Management und Transparenz gesehen. Erfolgreiche Projekte sollten schrittweise erfolgen und nicht zu sehr parallelisiert werden. Neben der Verbindlichkeit der Führungskräfte ist es notwendig, die übrigen Mitarbeiter einzubinden. Treiber zum vorigen System ist der Produktivitätszuwachs durch eine durchgängige Prozesssicht eines übergreifenden, ganzheitlichen Planungsteams für die gesamte Fabrik. Lean Management sowie eine sich flexibel anpassende Logistik gilt als Basis. Hemmnisse liegen im Datenaustausch, insbesondere über Unternehmensgrenzen hinweg. Cloud-Infrastrukturen und -Dienste werden als wichtig erachtet, viele Sicherheitsfragen sind aber noch ungeklärt. Als letztes Hemmnis wurde die Wirtschaftlichkeit genannt, da die Ableitung tragender Geschäftsmodelle im Entstehen ist und einzelne Projekte keine direkte Rendite liefern. 4.2.5.2 Anwendungsbeispiel und Logistikprozesse Die Logistikprozesse transportieren, umschlagen, kommissionieren, lagern und disponieren sind von der Anlieferung bis zur Arbeitsstation voll automatisiert. Definierte Kanban-Behälter werden vom Lieferanten mit einer definierten Ware und in einer definierten Menge angeliefert, so wie es in der Montage benötigt wird. In diesem Status werden die Kanban-Behälter ohne weiteren Bearbeitungsaufwand in das Hochregallager eingelagert. Sobald die Fertigung einen Abruf tätigt, wird die definierte Losgröße voll- 95 automatisch kommissioniert, in sogenannte „Racks“ einsortiert und zu definierten Montagehaltestellen transportiert. Der erste manuelle Prozess beginnt erst mit dem Montagemitarbeiter. Die hochautomatisierte durchgehende Lagerung, Kommissionierung und Ablieferung unterschiedlicher Behältertypen konnte nach Aussage des Unternehmens durch eine flexible, dezentrale und echtzeitfähige „Logistik 4.0“ realisiert werden. Ziel der Logistikplanung war eine technische und organisatorische Logistiklösung zur flexiblen Produktionsversorgung als langfristige Lösung. Realisiert wird dies durch einen hohen Automatisierungsgrad mit flexibler Materialflussversorgung, der z. B. Volumenschwankungen ausgleichen kann. Ein Beispiel ist die Anwendung unterschiedlicher Logistikstrategien (make-to-order oder -stock) in unterschiedlichen Bereichen der Fabrik für unterschiedliche Volumina und Versorgungszeiten (z. B. durch automatische Anpassung der Logistikflächen). In Anlehnung an den KAP sind Vertrieb, Beschaffung, Produktion, Distribution und After-Sales integriert. Die Lieferantenintegration ist im Beschaffungsprozess wie oben beschrieben durchgehend standardisiert. Die Kundenintegration ist via Vertrieb und After-Sales im KAP realisiert. Die B2C-Lösung 357 wurde für Kunden entwickelt, die via Web-Shop Produkte mittels eines Konfigurators individualisieren und Ad hocBestellungen in verhältnismäßig kleinen Mengen tätigen können. Für B2B-Kunden 358 sind die Abläufe standardisiert und automatisiert, in dem die externen Aufträge mit den internen vernetzt sind. Kein Vertrieb oder Konfigurator ist aktiv. 4.2.5.3 Anforderungen Die Anforderungen beziehen sich vordergründig auf die technischen Anlagen, wie z. B. das Verhältnis von manuellen zu automatisierten Prozessschritten, eine dynamische Kapazitätsauslastung oder Liefervorschriften. Die Logistik ist nicht gestalterisch tätig, d. h. die gesamte Organisation ist nach Wertströmen ausgerichtet, die Logistik hat allein die Funktion der Auftragsabarbeitung. Die neu erstellte Smart Factory soll flexibel, wandlungsfähig und agil sein, d. h. sich auf organisatorisch und technologisch unterschiedlichen Ebenen an Kundenbedürfnisse anpassen können. Diese Anpassungsfähigkeit soll die ansteigende interne und externe Komplexität beherrschbar machen. 4.2.5.4 Systemund Netzwerkebene Für das Logistikmanagement ist die Komplexitätsbeherrschung das wichtigste Ziel in der industriellen Logistik in I4.0. Hauptkriterien sind die Termintreue (innerhalb von zwei Stunden) bzgl. interner Kunden sowie eine schnelle Reaktionszeit für Aufträge. Das Logistiksystem ist in der Lage, sich schnell an sich verändernde Kundenbedürfnisse anzupassen. Realisiert wurde dies u. a. durch die Behälter der Beschaffungslogistik, die ihr transportiertes Produkt, die Menge, den dazugehörigen Lieferant, den Qualitätsund 357 B2C (Business to Consumer): Privatkundengeschäft. 358 B2B (Business to Business): Industrielle Großkunden. 96 Bearbeitungsstatus kennen. Diese Informationen können in Echtzeit abgerufen und visualisiert werden. Die Mitarbeiter sind mit Smart Phones ausgestattet, mit denen Informationen für ein Störungsmanagement genutzt werden oder mittels integrierter Produktabbildungen aktuelle Arbeitsanweisungen mit Fotos etc. über ein bestimmtes Werkstück eingesehen werden. Motoren von Anlagen werden auslastungsgetrieben gesteuert. Sobald die Auslastung geringer wird, fährt der Motor mit geringerer Drehzahl, um Energie zu sparen. Das Hochregallager mit seiner vollautomatischen Kommissionierung und Anlieferung konnte bereits realisiert werden. Die Behälter kennen ihr Ziel und werden an definierten Punkten gesteuert. Aktuell wird der Mensch zunehmend adressiert. In Kombination mit sogenannten „Wearables“ (hier Handschuh) sollen die Logistikmitarbeiter bei den Routenzügen, der Kommissionierung sowie der Einlagerungsstation unterstützt werden. Bei Routenzügen werden Informationen und Aufträge direkt an den Handschuh zur Einsicht gesendet. Zusätzlich ist in dem Handschuh ein Barcode-Scanner integriert. Der Logistikmitarbeiter hat durch den Handschuh die Hände für Entnahme, Transport und Kommissionieren frei. Die Lösungen sollen ergonomischer und effizienter sein als die bisherigen Lösungen. 4.2.5.5 Technologieebene Smart Glasses u. a. befinden sich aktuell in der Testphase, die Vorteile sind aktuell nicht klar erkennbar und aufgrund des relativ hohen Automatisierungsgrades im Unternehmen eventuell nicht nötig. Die Einarbeitungszeit durch Smart Glasses hat sich bei dem Pilottest als sehr hoch erwiesen, daher werden akustische Anweisungen präferiert. Für die Datenerfassung werden 2D-Barcode-Scanner-Label präferiert. RFID-Lösungen haben sich aufgrund der benötigten Lesegeschwindigkeiten von Behältern in Höhe von 2 m/s als nicht relevant erwiesen. 4.2.5.6 Zusammenfassung Unternehmen D liefert eine Reihe ausgereifter Anwendungsfälle. Im Vergleich zu den anderen Fallstudien liegt dies im „Grüne Wiese“-Charakter des Werkes begründet. Das logistische Anwendungsbeispiel hat die vollautomatische Einlagerung, Kommissionierung und Auslagerung von Wareneingang bis zur Montage zum Gegenstand. Die Besonderheit liegt in der Integration vieler Netzwerkelemente. Ein adaptives Logistiksystem, ein automatisiertes Hochregallager, ein intelligentes Energiemanagement von Maschinen, die Integration der Werker über Eskalationsprozesse sowie die unterschiedlichen Möglichkeiten der Kundenintegration im Auftragsabwicklungsprozess betonen den Systemansatz. 97 4.2.6 Fallstudienübergreifende Zusammenfassung und Auswertung Die fallstudienübergreifende Auswertung thematisiert die Ergebnisgegenüberstellung der Fallstudien anhand des „Warum“ und „Wie“. Anforderungen und Eigenschaften werden in Kombination mit der Gruppenbefragung in Abschnitt 4.3 abschließend ausgewertet. Der Schwerpunkt der Anwendungsbeispiele liegt auf der innerbetrieblichen Materialversorgung in Beschaffung und Produktion. 4.2.6.1 Motivation, Potenziale und Herausforderungen Die ausgewählten Unternehmen sind seit geraumer Zeit im Umfeld der Digitalisierung aktiv. Dieser evolutionäre Prozess hat durch politische Initiativen und Projekte seit 2012 eine Beschleunigung erfahren. Die strategischen Ebenen initiieren zunehmend Projektaktivitäten im Umfeld von IKT, IDT und AT und bündeln diese unter einem systemischen I4.0-Ansatz. Potenziale auf der strategischen Ebene sind u. a. die Steigerung der Effizienz (Kosten, Qualität und Zeit) und Transparenz, die wirtschaftliche Realisierung kundenindividueller Produkte sowie die Beherrschung der Varianten-, Prozessund Informationskomplexität. Motiviert ist dieser Prozess aus Problemstellungen des operativen Tagesgeschäfts mit klassischen Zielgrößen, wie die Reduzierung von Beständen, Durchlaufzeiten, Leerfahrten und Buchungsaufwänden sowie die Erhöhung von Auslastungen. Betont werden ebenfalls die Senkung nicht-wertschöpfender Tätigkeiten, die Entlastung der Mitarbeiter von Routinetätigkeiten sowie die Beschleunigung und Verbesserung der Entscheidungsqualität. Die Zielerreichung strategischer und operativer Ebenen wird durch neue Instrumente innerhalb von I4.0 unterstützt. Dies stimmt mit den Erkenntnissen der Literatur überein. Herausforderungen sind eine Motivation, sich mit I4.0 auseinander zu setzen. Zusätzlich zu den in Kapitel 2 thematisierten Herausforderungen konnten im konkreten Einsatz unternehmensübergreifend z. B. die Stammdatenund Infrastrukturqualität als Herausforderung festgestellt werden. Neben der zunehmenden Variantenvielfalt sind die Formulierung einer Digitalstrategie, die Komplexitätsbeherrschung, die Integration von Führungskräften und operativem Personal, ein ganzheitliches, bereichsübergreifendes Systemverständnis sowie standardisierte Prozesse als wesentliche Voraussetzungen für einen erfolgreichen I4.0-Einsatz thematisiert worden. Zusätzlich wurde aus Sicht der Projektinitiation auf ein Muss der anwendungsgetriebenen Motivation hingewiesen. Projekte aus Vermarktungsgründen mit überzogener Erwartungshaltung gilt es zu vermeiden. 4.2.6.2 Systemund Netzwerkebene Abbildung 25 zeigt eine Übersicht realisierter Potenziale sowie die relevantesten Herausforderungen, mit denen die Unternehmen konfrontiert sind. 98 Abbildung 25: Fallstudienergebnisse: Potenziale und Herausforderungen 359 Die bisher realisierten Potenziale konnten insbesondere bei operativen Kennzahlen in allen vier Fallstudien festgestellt werden. Positive Effekte bestehen in der Reduzierung von Durchlaufzeiten, Beständen, Rüstund Transportaufwänden sowie der Erhöhung der Auslastung von Ladungsträgern, Betriebsmittelund Personalkapazitäten. Des Weiteren äußerten sich Effekte in einem beschleunigten Störungsmanagement, der Senkung nicht-wertschöpfender Tätigkeiten sowie einer beschleunigten/verbesserten Entscheidungsqualität. In den Fallstudien konnten neue „Projektinstrumente“ identifiziert werden, die in der Logistik förderlich sind. So wurden neue Optimierungsziele, wie die Reduzierung von Medienbrüchen, die Virtualisierung aller Prozessabläufe, die Vernetzung von Objekten und Subjekten oder die (technische) Mitarbeiterintegration genutzt, um die klassischen Zielgrößen, die Prozessstandardisierung sowie die ganzheitliche, übergreifende Optimierung positiv zu beeinflussen. Auf der strategischen Ebene konnte die Produktivität, Transparenz sowie die Komplexitätsbeherrschung verbessert werden. Dies bezieht sich vor allem auf die Prozessund Informationskomplexität. Die Stammdatenund Infrastrukturqualität stellt bei allen Fallstudien die größte technische Herausforderung dar. Die Prozessqualität wird insbesondere durch standardisierte Prozesse mittels Lean Management ermöglicht, schwankt aber im Umsetzungsgrad. Alle drei stellen eine wichtige Voraussetzung für Transparenz und die anschließende Virtualisierung dar. Diese bildet die Basis für die Reduzierung der Medienbrüche, um einer nicht-synchronen, isolierten Planung, Steuerung und Kontrolle aufgrund fehlender digitaler Durchgängigkeit und der Abweichung zwischen geplanter und realer Welt entgegenzuwirken. Für den Aufbau eines bereichsübergreifenden Gesamtsystemverständnisses ist die frühzeitige nicht-/technische Integration der Mitarbeiter anspruchsvoll. Dies bezieht sich auf Führungskräfte und auf das operative Personal. Während das Systemdenken die Einschränkung der Freiheitsgrade des Menschen nötig macht, dringen 359 Eigene Darstellung. Herausforderungen Realisierte Potenziale Strategisch Taktisch Operativ Reduzierung von Beständen, Durchlaufzeiten, Leerfahrten und Buchungsaufwänden Erhöhung der Auslastung von Ladungsträgern, Betriebsmittelund Personalkapazitäten Mitarbeiterentlastung von Routinetätigkeiten Beschleunigung/Verbesserung Entscheidungsqualität Reduzierung Medienbrüche Virtualisierung Prozessabläufe Vernetzung Objekte und Subjekte Mitarbeiterintegration Prozessstandardisierung Ganzheitliche, übergreifende Optimierung und Schwachstellenanalyse Steigerung der Produktivität (Kosten, Qualität und Zeit) Steigerung Transparenz Beherrschung der Varianten-, Prozessund Informationskomplexität Zunehmende Variantenvielfalt und Kundenindividualisierung/-integration Zielkonflikte und bereichsübergreifendes Prozess-, ITund Gesamtsystemverständnis Nicht synchrone, isolierte Planung, Steuerung und Kontrolle aufgrund fehlender digitaler Durchgängigkeit Abweichung geplanter und realer (Daten-) Welt durch Medienbrüche und unterschiedliche Anforderungen Verbindlichkeit von Führungskräften zur Zieleinhaltung und Systemdenken sowie Mitarbeiterintegration Anwendungsgetriebene Projektmotivation Standardisierte Stammdaten-, Infrastrukturund Prozessqualität 99 intelligente Objekte (vornehmlich durch Selbststeuerung und Ad hoc-Planung) in deren Arbeitsumfeld ein. Dies erzeugt für die Belegschaft einen Anpassungsdruck. Aufgrund des Charakters der Anwendungsbeispiele (Milkrun) sind Transportfahrzeuge die am häufigsten eingesetzten „intelligenten“ Objekte im innerbetrieblichen Logistiknetzwerk im I4.0-Kontext. Betriebsmittel und assistierte Entscheider sind am zweithäufigsten integriert, gefolgt von Ladungsträgern und Lägern, die in der Literatur bisher kaum thematisiert wurden. Assistierte Entscheider besitzen in allen Fallstudien eine übergeordnete Rolle, sind in Unternehmen D aufgrund des betrachteten Anwendungsbeispiels jedoch weniger relevant. Bei allen Fallstudien werden zur zentralen Vernetzung Objekte und Subjekte über Integrationsplattformen bzw. Assistenzsysteme integriert. Die Integrationsplattformen besitzen unterschiedliche Lösungen. Neben internen und externen Akteuren werden Lieferanten in das Netzwerk mit einbezogen. Die Kundenintegration findet nach I4.0-Gesichtspunkten, d. h. durch intelligente Produkte oder die Vernetzung mit Elementen innerbetrieblicher Abläufe bis dato nicht statt bzw. ist auf einige Kunden in Sonderlösungen begrenzt. Die Integration wird durch OnlinePortale sowie Konfigurationssysteme realisiert. Eingebundene logistische Aufgaben konnten insbesondere im Bereich der Steuerung und Kontrolle identifiziert werden. Dies beruht im Wesentlichen auf der Realisierung technischer Regelkreise durch das Vorhandensein von Sensoren und Aktoren in Anlagen sowie über IDT auf Bereitstellungsflächen. Die in Kapitel 2 eingeführte Steuerung konnte in Form der Auftragsveranlassung (insbesondere Fertigungsauftragsfreigabe und Verfügbarkeitsrechnung) und der Mengenund Terminüberwachung identifiziert werden. Der fließende Übergang zum Kontrollprozess konnte in den Fallstudien mit den Teilprozessen Überwachen, Melden, Simulieren und Messen aufgenommen werden. Auf der Planungsseite konnten Einflüsse auf verbrauchsund bedarfsorientiere Verfahren in der Programmund Mengenplanung festgestellt werden. Die Kapazitäten von Routenzügen und Lägern wurden involviert. Somit weisen I4.0-Lösungen für die Erreichung logistischer Ziele in den vier Fallstudien einen positiven Effekt auf. Die Unternehmen betonten, dass auf Grund der Neuartigkeit der Projekte keine abschließenden Aussagen über die Vorund Nachteile getätigt werden können, der Trend aber positiv ausfalle. 4.2.6.3 Technologieebene Der assistierte Entscheider nimmt eine zentrale Rolle in den Fallstudien ein: Routineaufgaben werden durch Planalgorithmen erledigt, andere Tätigkeiten werden dem Personal in Form von Entscheidungsgrundlagen via Assistenzsystemen zur Verfügung gestellt. Das Mobile Computing als Assistenzsystem kommt mittels Tablets und Smart Phones am häufigsten zum Einsatz bzw. befindet sich in der Pilotierung. Zusätzlich werden fallweise das Predictive Computing sowie die Objektund Mustererkennung 100 angewendet. Die Entscheidungsgrundlagen werden durch statistische Verfahren und Data Analytics-Anwendungen von allen Unternehmen angewendet bzw. befinden sich in der Pilotierung. Die Ergebnisse werden auf die Ausgabegeräte des Mobile Computing oder zusätzlich wie in Fallstudie A auf dem Maschinenterminal ausgegeben. In Fallstudie A und C nimmt der assistierte Entscheider bzw. das Logistikpersonal eine weitere wichtige Rolle für manuelle Einund Ausbuchungsvorgänge zur Schließung von Medienbrüchen ein. Dadurch kann das Personal zum Engpass in den Abläufen werden. Fallstudien B und D präferieren daher Auto-ID-Lösungen bzw. vollautomatisierte Prozesse. Dies führt bei Unternehmen B z. B. zu einer Ad hoc-Planung und zur Auflösung von Planungsprozessen. Fallstudie C nimmt manuelle Buchungsvorgänge an Anlieferund Abholflächen vor und Fallstudie A an den Maschinen. Abbildung 26 zeigt eine Übersicht des Technologieeinsatzes. Abbildung 26: Fallstudienergebnisse: I4.0-Technologien und Techniken 360 4.2.6.4 Logistikprozesse In den Fallstudien starteten Digitalisierungsaktivitäten in der Produktionslogistik. Dieser Bereich dehnte sich auf die Schnittstellenprozesse zur Beschaffung sowie zur Distribution aus. Die skizzierten Anwendungsbeispiele konzentrieren sich auf die innerbetriebliche Materialversorgung in Beschaffung und Produktion. Logistisch abgebildete Kernprozesse sind vordergründig das Transportieren, Umschlagen, Disponieren und die Lagerung gefolgt von der Kommissionierung. Aktuell sind die Unternehmen mit der Virtualisierung ihrer Prozesse konfrontiert. Dazu bedienen sie sich unterschiedlichster Lösungen, die sich insbesondere im Integrationsgrad statischer oder dynamischer Objekte, der Ort der Buchung, der gewählten IDT sowie dem generierten Verhältnis manueller und (voll-) automatisierter Buchungsvorgänge unterscheiden. Der Virtualisierung geht bei den Unternehmen die Prozessstandardisierung mittels Lean Management voran. Resultat der Standardisierung ist Prozesstransparenz, -sicherheit und -beherrschung, 360 Eigene Darstellung. Industrie 4.0-Technologien und Techniken Assistierte Entscheider und Assistenzsysteme Predictive Computing Augmented Reality Virtual Reality Gamification & Avatare Mobile Computing Sprachund Gestenerkennung Objektund Mustererkennung Intelligente Objekte Intelligente Betriebsmittel Intelligente Ladungsträger (Intell.) Transportfahrzeuge Intelligente Lager Intelligente Produkte und Materialien Interne Anlieferund Ablieferflächen Integrationsplattform und Anwendungen Integrationsplattformen Big & Smart Data (Advanced Data Analytics) Cloud Computing (Online-) Marktplatz (Multi-) Agentensysteme Fallstudienübergreifend im Einsatz Fallweise im Einsatz Nicht im Einsatz 101 um mittels generierter Vorhersagbarkeit Objekte und Subjekte in das Logistiknetzwerk integrieren zu können. Während Unternehmen A mittels „Intranet der Dinge“ ein bereichsübergreifendes internes Kunden (Maschine)-Lieferanten Netzwerk aufgebaut hat und über Terminals an den Anlagen Planungsund Steuerungsaufgaben vom Personal lösen lässt, werden in Unternehmen B und D vollautomatisierte Planungsund Steuerungsprozesse ohne Zutun des Menschen durchgeführt. Unternehmen B und D haben zudem die externen Lieferanten integriert, um die Materialversorgung in der Beschaffung ad hoc realisieren zu können. Die zweigeteilte Lösung von Unternehmen C legt den Fokus auf eine digitale Plantafel, die als Integrationsplattform wirkt, um „zeitnah“ reagieren zu können. Die manuellen Buchungsvorgänge sind für die Transportplanung ausreichend, verhindern allerdings die Echtzeitfähigkeit sowie die Kenntnis über den tatsächlichen Ort der Produkte oder Transportfahrzeuge. Individualisierte Ziele für Objekte liegen für Steuerungsaufgaben in Form von Soll-IstAbgleichen vor. Dies sind z. B. definierte Zielorte oder -zeiten. Wie in Kapitel 2 als Logistiktrend beschrieben, entstehen dadurch Zielkonflikte. Einerseits Konflikte mit anderen Objekten wie der Auslastung der Transportfahrzeuge und andererseits Konflikte im Objekt selbst (Monatsmiete Behälter vs. Reinigungsprozesse). Ebenfalls entstehen Zielkonflikte beim Personal und der damit verbundenen „Einschränkung der Freiheitsgrade“, um Systemziele nicht zu gefährden. Die Auflösung von Bereichszielen bzw. Überbrückung der taktischen Eben wird daher von Unternehmen A und B anvisiert. 4.3 Zusammenführung empirische Analyse Der Vergleich theoretischer Erkenntnisse aus Kapitel 3 mit jenen aus Kapitel 4 zeigt, dass die Praxis mit der Umsetzung von I4.0-Lösungen in der Logistik erst begonnen hat. Erste Inhalte sind adressiert, liegen jedoch fragmentiert, ohne direkten Logistikbezug und in keinem zusammenfassenden Ansatz vor. Die Forschungsleistung dieser Arbeit liegt daher in der Gestaltung des cyber-physischen Logistiksystems zur Bündelung von Theorie und Praxis in einem Ansatz. In Abschnitt 4.3 werden auf Grundlage der systematischen Literaturanalyse sowie der empirischen Analyse zunächst Anforderungen und Eigenschaften aus der Perspektive des Logistikmanagement abgeglichen, priorisiert, selektiert und definiert. Diese Inhalte gehen in Kapitel 5 als Merkmale in die Gestaltung des CPLS einer Smart Factory ein. 102 4.3.1 Anforderungen aus der Logistikperspektive Abbildung 27 zeigt die Zusammenführung der identifizierten Anforderungen. Abbildung 27: Zusammenführung Anforderungsanalyse 361 Für das weitere Vorgehen wurden die identifizierten Anforderungen auf zehn verdichtet und in Basis-, Leistungsund Begeisterungsanforderungen eingeteilt. Die Einteilung resultiert aus den Erkenntnissen der Wissenschaft (konzeptübergreifend und I4.0-/ Smart Factory-spezifisch) und Praxis (Priorisierung Gruppenbefragung sowie Nennung in den Fallstudien). Zu den Basisanforderungen im logistischen I4.0-Kontext gehören Anpassungsfähigkeit, Transparenz (der Informationsbereitstellung), (standardisierte) Lean-Prozesse, Echtzeitfähigkeit sowie die Automatisierung. Als Leistungsanforderungen konnten Datensicherheit und -schutz, Ergonomie, Interund Intranetfähigkeit, (standardisierte) Konnektivität sowie die Identität erarbeitet werden. Die Unterstützung von Zielerreichung und Managementaufgaben werden als Begeisterungsanforderungen interpretiert, da diese per Definition dem Kunden i. d. R. nicht bekannt sind und somit Potenzial zur Erhöhung der Kundenzufriedenheit besitzen. Diese werden unter die neuen Eigenschaften der I4.0 in der Logistik subsumiert. Die zehn Anforderungen werden im Folgenden einzeln beschrieben. 361 Eigene Darstellung. Gruppenbefragung Literatur Basisanforderungen Automatisierung, Fehlerminimierung, klassischen Zielgrößen, dynamisches Entscheidungsunterstützungssystem, (Daten-) Sicherheit Leistungsanforderungen Lokalisation, Echtzeitfähigkeit, Kompatibilität, selbstständige Steuerung und Überwachung von Produktparametern beim Transport, Kennzahlentransparenz Übergang Vereinfachung der Managementaufgaben, Verfügbarkeits-Management, Echtzeitkapazitätsplanung Begeisterungsanforderungen Ergonomie, Prognosefähigkeit Konzeptübergreifend Flexibilität & Wandlungsfähigkeit Echtzeit-, Kommunikations-, Vernetzungsund Netzwerkfähigkeit Standardisierung Datenschutz und Zugriffssicherheit Industrie 4.0/Smart Factory Transparenz in Echtzeit Erreichung klassischer Ziele Eindeutigen Identifikation und Lokalisation von Objekten Individualität von Objekten, Prozessen. Produkten und Systemen Fallstudie In allen vier Fallstudien Transparenz (Standardisierte) Lean-Prozesse Echtzeitfähigkeit In drei von vier Fallstudien Flexibilität und Wandlungsfähigkeit Automatisierung Ergonomie In zwei von vier Fallstudien Lokalisation Objekte (Standardisierte) Schnittstellen/ Interoperabilität Sonstige Intranetfähigkeit Basisanforderung Anpassungsfähigkeit Transparenz Echtzeitfähigkeit (Standardisierte) Lean-Prozesse Automatisierung Leistungsanforderung Ergonomie (Standardisierte) Konnektivität Internetund Intranetfähigkeit Begeisterungsanforderung Eigenschaften Unterstützung Zielerreichung Unterstützung Managementaufgaben Datensicherheit und -schutz Identität 109 Entscheidungen an Ort und Stelle zu fällen. 384 Der Mensch als flexibelste Einheit in I4.0 soll als Entscheider und Überwacher in Form einer übergeordneten Steuerungsinstanz Situationen beurteilen können. 385 Visualisierungen unterstützen die Reduzierung von Informationsund Prozesskomplexität, um die Entscheidungsqualität zu verbessern. Die Entscheidungsfähigkeit von Objekten wurde in den Fallstudien für einfache Regelkreise (eKanbans) eingesetzt, die durch das Unterlaufen eines Mindestbestandes automatisch eine Nachbestellung auslösen. Werden Objekte mit mehr Intelligenz ausgestattet, wird die Entscheidungsfähigkeit für Nicht-Routinetätigkeiten ausgebaut werden. Inwiefern CPS bzw. intelligente Objekte Entscheidungen fällen und nach welchen Kriterien der Eingriffszeitpunkt durch das Personal festgelegt wird, hängt vom spezifischen Anwendungsfall ab. 4.3.2.4 Selbstmanagement Die Selbststeuerung wird im Rahmen der I4.0 betont und in zahlreichen Beiträgen beschrieben. Ihre Verwandtschaft zu Autonomie und Entscheidungsfähigkeit ist in der folgenden Definition beschrieben: „Selbststeuerung beschreibt Prozesse dezentraler Entscheidungsfindung in heterarchischen Strukturen. Sie setzt voraus, dass interagierende Elemente in nicht-deterministischen Systemen die Fähigkeit und Möglichkeit zum autonomen Treffen von Entscheidungen besitzen.“ 386 Selbststeuernde Objekte sollen Menschen bei der Erfassung komplexer Zusammenhänge und der Entscheidungsfähigkeit in dynamischen Umfeldern unterstützen. Wichtige Merkmale der Selbststeuerung sind die Autonomie der Entscheidungsfindung und das zielorientierte Verhalten durch Messung, Bewertung und Rückkopplung von Toleranzabweichungen. 387 Im Rahmen dieser Arbeit definiert sich das Selbstmanagement nach den Grundsätzen der Kybernetik mit einer Min-Max-Steuerung technischer Regelkreise. D. h. Ziele und Toleranzgrenzen bleiben vom Management vorgegeben. Innerhalb der Toleranzgrenzen sind logistische Objekte befähigt, Entscheidungen zeitnah und mit optimalem Ressourceneinsatz selbstständig zu treffen, um alternative Maßnahmen der Steuerung oder Planung zu ergreifen. Bei drohender Überschreitung von Toleranzgrenzen dient die Visualisierung als Entscheidungsgrundlage für das Personal, welches die endgültige Entscheidung fällt. Selbstplanung, -steuerung und -kontrolle bilden den Inhalt von Logistikaufgaben in Form des Selbstmanagement. 4.3.2.5 Integrationsfähigkeit Für die digitale Durchgängigkeit ist die horizontale und vertikale Integration essentiell. Vertikale Integration beschreibt die Integration von IT-Systemen auf verschiedenen Hierarchieebenen der Automatisierungspyramide (von der Feldbis zur Unternehmens384 Vgl. ten Hompel (2010), S. 6 f. 385 Vgl. Gorecky et al. (2014), S. 525 f. 386 Windt (2006), S. 283 387 Vgl. Windt (2006), S. 284 ff. 110 leitebene) zu einer durchgängig vernetzten, hierarchielosen, dezentralen Lösung. 388 Die horizontale Integration beschreibt die Integration von IT-Systemen aller Prozesse, zwischen denen vom Auftragseingang über die Entwicklung zur Produktion und Logistik bis zur Auslieferung fertiger Produkte Material-, Informationsund Energieflüsse bestehen. Die digitale Durchgängigkeit ist nicht nur auf eine Smart Factory beschränkt, sondern kann zudem zwischen Unternehmen erfolgen. 389 Entstehende vernetzte Produktionsund Logistiksysteme reduzieren Systemund Medienbrüche und sollen durch neue Analysemöglichkeiten Qualität, Kosten und die Zeit optimieren. 390 Die Integrationsfähigkeit von Objekten und Subjekten entlang der Wertschöpfungskette ermöglicht einen durchgängigen Informationsfluss innerhalb und außerhalb von Logistikund Produktionssystemen. Die entstehenden dynamischen Netzwerke koordinieren sich weltweit über das Internet, um z. B. auftragsund produktspezifisch Ressourcen, Termine und Kapazitäten virtuell abzugleichen. Durch digitale Produktgedächtnisse sowie eine Datensammlung über den Produktlebenszyklus soll die Produktund Prozessoptimierung unterstützt werden. 391 Objekte werden z. B. über Komponenten der CPS und Subjekte über Assistenzsysteme und IDT in Informationsund Materialflüsse integriert. 4.3.2.6 (Teil-) Autonomie Unter Autonomie wird die Eigenschaft einer I4.0-Technik verstanden, die „Kontrolle über den internen Zustand und sein Verhalten, durch die er aufgrund seines lokalen Wissens über seine Handlungen oder Aktivitäten entscheidet“ 392 , zu besitzen. Die Verbindung zur Entscheidungsfähigkeit ist durch die Definition ersichtlich. Innerhalb und außerhalb der Fabrik sollen CPS und deren Anwendung in Produktionsund Logistiksystemen zu einer „Autonomisierung der Teilprozesse“ führen. Intelligente Produkte und Objekte werden dezentral auf Informationen zugreifen, 393 um Entscheidungen im Sinne einer dezentralen autonomen Planung oder Steuerung für effiziente Logistikabläufe gestalten zu können. Die Smart Factory soll durch Autonomie und Selbstmanagement einen Umbruch erfahren. In einem CPS sollen autonome Agenten Menschen von Routineaufgaben entlasten und standardisierte Entscheidungen selbst durchführen bzw. das Personal bei Entscheidungen unterstützen. 394 Die vollständige Autonomie von dezentralen intelligenten Objekten ist aktuell noch in Erprobung. 395 Ob es zu einer Volloder Teilautonomie kommen wird, ist bisher offen. 388 Vgl. Kagermann et al. (2013), S. 24 389 Vgl. BMBF (2013), S. 6; Kagermann et al. (2013), S. 24 390 Vgl. Kagermann et al. (2013), S. 24; PWC und Strategy& (2014), S. 18 391 Vgl. BMBF (2013), S. 6 392 Vgl. VDI/VDE 2653 (2010), S. 4; „Autonomie“ wird innerhalb der Norm auch als „Selbstständigkeit“ verstanden. 393 Vgl. VDE und DIN (2013), S. 10 f. 394 Vgl. Spath (2013), S. 98 f. 395 Vgl. Spath (2013), S. 6 111 4.3.2.7 Kognition Der aus der Psychologie stammende Begriff „Kognition“ beschreibt die Informationsverarbeitung und -umgestaltung in verhaltensgesteuerten Systemen von Menschen sowie die „Fähigkeit zur Wahrnehmung und zielgerichteten Interpretation der Lebenswelt.“ 396 Die Übertragung kognitiver Eigenschaften auf Objekte hat das Potenzial, die Entwicklung in der Industrie nachhaltig zu beeinflussen. Die Kognition wird in AS der I4.0 steigen. 397 CPS als Weiterentwicklung bzw. Ausbau eines AS erfordern die Übertragung menschlicher kognitiver Fähigkeiten auf logistische Objekte. Die Selbstorganisation kann wesentlicher Bestandteil seiner „Intelligenz“ sein. „Selbstorganisierende Systeme“ sind sich selbst entwickelnde Systeme. Die gerichtete Entwicklung von einem niedrigeren zu einem höheren Leistungsniveau basiert auf einem Wissensaufbau aus gewonnenen Erfahrungen niedrigerer Leistungsstufen. Diese Verbesserung wird durch vorgegebene, unveränderliche Funktionen realisiert. 398 I4.0-Techniken mit dieser Eigenschaft können in die Lage versetzt werden, die Toleranzgrenzen für Zielwerte selbstorganisierend anzupassen. Der Einsatz für Nicht-/Routinetätigkeiten wird damit möglich. Dies ist ebenfalls Inhalt künstlicher Intelligenz. 4.3.2.8 Künstliche Intelligenz Agenten besitzen i. d. R. kein Gedächtnis und dadurch eine verminderte Lernfähigkeit. „Lernende Systeme“ zählen zu den anspruchsvollsten AS und stellen einen wesentlichen Teil der künstlichen Intelligenz (KI) dar. Maschinelles Lernen befähigt die Systeme, ihr Verhalten zielgerichtet zu verbessern. Sie können auf erlerntes Wissen jederzeit zugreifen. 399 KI definiert sich aus vier Dimensionen und ist ein System, das wie ein Mensch denkt, wie ein Mensch agiert, das rational denkt und rational handelt. Eigenschaften der KI sind rationales Handeln, logisches Schlussfolgern, kognitives Verhalten, Emergenz und Entscheidungsfähigkeit. Ein Programm besitzt KI, wenn es eigenständig Entscheidungen treffen kann für Vorkommnisse, die vorher nicht definiert waren. 400 I4.0-Techniken mit dieser Eigenschaft können nicht nur Toleranzgrenzen, sondern zusätzlich ihre Zielwerte für Nicht-Routinen selbstständig anpassen. 4.4 Ableitung von Gestaltungsanforderungen Gestaltungsanforderungen an cyber-physische Logistiksysteme konnten weder in der Wissenschaft noch in der Praxis identifiziert werden. Die Berücksichtigung der Logistikperspektive fehlt gänzlich. Abbildung 29 stellt die abgeleiteten Gestaltungsanforde396 Gabler Wirtschaftslexikon (2015), Zugriff 10.12.2015 397 Vgl. Bubeck et al. (2014), S. 231 398 Vgl. Weller (2008), S. 125 ff. 399 Vgl. Weller (2008), S. 125 ff. 400 Vgl. Bogon (2013), S. 12 f. 112 rungen des Logistikmanagements dar, die auf Basis der gesammelten Erkenntnisse systematisiert und zusammengefasst wurden. Abbildung 29: Gestaltungsanforderungen an cyber-physische Logistiksysteme 401 Innerhalb der Bezugssysteme wird auf der Systemebene ein ganzheitlicher Systemansatz von Logistiksystemen, die Zieltransparenz auf unterschiedlichen Ebenen, die Abgrenzung von Umwelt, Prozessen und Elementen sowie die Berücksichtigung technischer bzw. organisatorischer Elemente als Eigenschaftsträger gefordert. Die Netzwerkebene inkludiert den Netzwerkgedanken durch diese Elemente und den daraus geformten Systemen. Diesen sollten durch die Ressourcenallokation individuell und dezentral Ziele und Aufgaben zugeordnet werden. Damit erhalten die Elemente Ergebnisverantwortlichkeit sowie einen Zielbeitrag. Um Zielkonflikte in einem innerbetrieblichen Netzwerk zu reduzieren, müssen Verhaltensregeln und Standards für un-/geplante Abläufe erstellt werden. Die Technologieebene muss eine gemeinsame Sprache für den Austausch der Ausrüsterund Anwendersicht berücksichtigen. Intelligente Objekte und 401 Eigene Darstellung. Theoretisches und konzeptionelles Bezugssystem Systemund Kybernetikebene Systemansatz: Die ganzheitliche Betrachtung berücksichtigt unterschiedliche Ebenen (System, Netzwerk, Technologie) in CPLS und interpretiert die Smart Factory als ein System von Systemen. Die Planung, Steuerung und Kontrolle dieser Systeme ist auf das Gesamtoptimum und nicht nur auf lokale Optima ausgerichtet. Elemente: Elemente können technische und organisatorische interne Ressourcen darstellen. Elemente stellen Eigenschaftsträger dar, die innerhalb des Logistiksystems zur Zielverfolgung individuelle Aufgaben besitzen können. Abgrenzung: Die Abgrenzung von Umwelt, Prozessen und Elementen muss für Logistiksysteme dargestellt werden. Abgrenzungen können z.B. institutionell sowie funktional erfolgen. Zieltransparenz: Systeme, Netzwerke und Elemente besitzen unterschiedliche Ziele auf unterschiedlichen Ebenen. Die Verknüpfung unterschiedlicher Ebenen kann in einem transparenten Zielsystem erfolgen. Netzwerkebene Netzwerkgedanke: Innerbetriebliche Netzwerke können aus einzelnen Elementen oder aus Systemen dargestellt werden. Elemente und Systeme bilden Kanten sowie Knoten. Ressourcenallokation: Im Zuge der technischen Entwicklung können Objekte und Subjekte individuelle Ziele und Aufgaben zugeteilt werden sowie die dazu nötigen Ressourcen. Verantwortlichkeiten: Operative Elemente werden direkten und beschleunigten Einfluss auf das System Smart Factory nehmen. Zielbeitrag, Ergebnisverantwortung sowie Entscheidungshierarchie sollten berücksichtigt werden. Regulation und Standardisierung: Die Zuordnung von Aufgaben und Zielen sowie deren Abhängigkeiten sollte transparent sein. Daraus folgende Zielund Entscheidungshierarchien sollten Regeln unterworfen werden. Technologieebene Verbindung Ausrüsterund Anwenderaspekte: Übersetzung unspezifischer Kundenanforderungen in technische Spezifikationen unter Berücksichtigung unterschiedlicher Anspruchsgruppen, wie operative und strategische Logistikmitarbeiter. Interaktion von Objekten und Subjekten: Durch Anwendungen, Assistenzsysteme und cyber-physische Systeme werden Objekte und Subjekte dezentral und autonom Einfluss auf Materialund Informationsflüsse cyberphysischer Logistiksysteme nehmen. Der Mensch-Maschine-Interaktion sollte Rechnung getragen werden. Dimensionen der Veränderung: Technologien im Kontext von I4.0 verändern die Ebenen von Logistiksystemen. Diese müssen aus Theorie und Wissenschaft erarbeitet werden und in die Gestaltung einfließen. Empirische Analyse Anwendungsorientierung Interdisziplinärer Charakter von Logistik und I4.0: Die Integration von Anwenderund Ausrüsteraspekten sollte gewährleistet werden. Die Schnittstellen zwischen Logistik, Produktion sowie dem Einsatz neuer Technologien sollte Rechnung getragen werden. Kundenorientierung: Die Aufnahme von Anforderungen externer und interner Kunden sollte in die Gestaltung einfließen. Externe Kunden haben Einfluss auf Zielvorgaben sowie in I4.0 auf Materialund Informationsflüsse. Interne Kunden (Führungskräfte und operatives Logistikpersonal) partizipieren durch Nutzung von Technologien und den zur Verfügung gestellten Eigenschaften im täglichen Arbeitsumfeld. Aufgaben des Logistikmanagements: Die Aufgaben des Logistikmanagements beziehen sich auf Aufgaben des System-, Netzwerksowie Technologiemanagements und deren Betrieb. Dies bezieht sich auf die Planung, Steuerung und Kontrolle von Materialund Informationsflüssen. Methoden und Instrumente: Die zum Einsatz kommenden Werkzeuge sollten umsetzungsorientiert sein. Die Visualisierung sowie Handhabung der Gestaltung sollte für das Logistikmanagement sowie deren Vorgesetzte grafisch und zielgerichtet dargestellt werden. Werkzeuge dienen somit als Kommunikationsmedium zwischen unterschiedlichen Anspruchsgruppen. Implementierung: Die anwendungsgetriebene und schrittweise Realisierung mit der Darstellung von Zielen, Verantwortlichkeiten etc. zur prozessorientierten Abwicklung sollte technische und organisatorische Aspekte berücksichtigen und aus den Bedürfnissen der Operative abgeleitet werden. 113 assistierte Entscheider werden durch Technologien im Kontext von I4.0 in Prozesse integriert. Diese Technologien sollten dem jeweiligen „Kunden“ zugeordnet werden können. Durch den Einsatz dieser Technologien werden Objekte, Subjekte sowie Materialund Informationsflüsse Veränderungen ausgesetzt. Diese Veränderungen sollten aufgezeigt werden und in die Gestaltung einfließen. Die empirische Analyse betont den interdisziplinären Charakter von Logistik und I4.0 sowie die Kundensicht. Neben externen Kunden sollten die Anforderungen des Logistikmanagements sowie der Einfluss auf innerbetriebliche Logistikprozesse in der Gestaltung berücksichtigt werden. Diese Prozesse inkludieren Materialund Informationsflüsse sowie die Schnittstellen zu Kunden und Lieferanten. Die Prozesse werden durch interdisziplinäre Aufgaben des Logistikmanagements geplant, gesteuert und kontrolliert. Methoden und Instrumente sollten als Kommunikationsmedium für die Visualisierung und Handhabung umsetzungsorientiert sein. Die Implementierung bzw. der Aufbau von CPLS muss aus den Bedürfnissen der Operative abgeleitet werden und schrittweise, „nicht effekthaschend“ realisiert werden. 114 5 GESTALTUNG CYBER-PHYSISCHER LOGISTIKSYSTEME Die Auseinandersetzung mit CPLS findet in Wissenschaft und Praxis bisher kaum statt. Der Fokus liegt auf CPPS. Bisher wurden in der vorliegenden Arbeit Begriffe, Konzepte, Potenziale, Herausforderungen, Technologien, Anforderungen und Eigenschaften identifiziert und um die Logistikperspektive erweitert. In Kapitel 5 werden die erarbeiteten Erkenntnisse für das Logistikmanagement unter Berücksichtigung der Gestaltungsanforderungen in das CPLS überführt. Dafür wird zunächst in Abschnitt 5.1 die terminologische Abgrenzung vorgenommen und die Gestaltungsebenen und -merkmale des CPLS systematisiert sowie deren Zusammenhang dargestellt. Dies bildet die Ausgangslage zur Beantwortung der fünften sekundären Forschungsfrage: F.5 Wie können cyber-physische Logistiksysteme gestaltet werden? Die Gestaltung gliedert sich in die zwei Schritte Konzeptionierung (Abschnitt 5.2) und Entwicklung (Abschnitt 5.3). Für die Konzeptionierung werden Veränderungsdimensionen der zukünftigen Logistik dargestellt und für die Ableitung von Gestaltungsempfehlungen (Ebenen und Merkmale) genutzt. Für die Entwicklung werden identifizierte Gestaltungsfelder für die Ableitung von Gestaltungsempfehlungen (Auswahl von Instrumenten und Methoden) genutzt. Anschließend wird das CPLS mit Vertretern aus der Praxis 402 diskutiert, validiert und angepasst. In Abschnitt 5.4 werden die Auswirkungen des CPLS auf das Logistikmanagement mittels der Darstellung der Veränderungen für Materialund Informationsflüsse beschrieben und durch Beispiele aus Planung, Steuerung und Kontrolle dargestellt. Die Erkenntnisse münden in Handlungsempfehlungen für das Logistikmanagement produzierender Unternehmen. F.6 Welche Handlungsempfehlungen können für das Logistikmanagement im Kontext von Industrie 4.0 abgeleitet werden? Der folgende Abschnitt leitet mit der Begriffserklärung in die Gestaltung von CPLS ein. 5.1 Terminologie KAGERMANN et al. z. B. beschreiben CPPS als die „Anwendung von Cyber-Physical Systems in der produzierenden Industrie und somit die Befähigung zur durchgängigen Betrachtung von Produkt, Produktionsmittel und Produktionssystem unter Berücksichtigung sich ändernder und geänderter Prozesse.“ 403 Innerhalb der Smart Factory stellen CPPS nach BAUER et al. die Basis für das Management dar, welches durch die Übertragung sozialer Netzwerke auf Objekte die Verbesserung von Durchlaufzeiten, Qualität und Auslastung, d. h. ein Gesamtoptimum anstrebt. Die Akzeptanz bei Menschen soll durch Assistenzsysteme gesteigert werden. 404 VDI und VDE berücksichtigen ebenfalls 402 Dabei handelt es sich nicht um die gleichen Experten wie in der empirischen Analyse oder der Gruppenbefragung. 403 Kagermann et al. (2013), S. 84 404 Vgl. Bauer et al. (2014), S. 20 115 Produktionsanlagen, die Anforderungen und Eigenschaften im Sinne dieser Arbeit besitzen. Sie sollen flexibel, adaptiv und in Grenzen selbstständig konfigurierbar und organisierend sein, um eine kosteneffiziente Produktion zu gewährleisten. Dafür besitzen CPPS Daten, Dienste und Funktionen, um diese Ziele ressourcenschonend zu erreichen. Dienste, Daten und Komponenten können frei und dezentral auf Knoten im Netzwerk verteilt werden. Diese dezentrale Verteilung löst die Automatisierungspyramide sukzessive auf 405 (Kapitel 3). Dadurch entsteht ein System von Systemen, in das (Öko-) Systeme wie Logistik oder Energieversorgung integriert werden. 406 Im Rahmen der Literaturrecherche konnte lediglich eine Veröffentlichung gefunden werden, die CPLS definiert. A BigDataLogModule wird innerhalb des Big Data Modules mittels Computation, Communication und Control die Eingangsgrößen für das Data Analytics Modul erzeugt. Innerhalb dieses Modules werden mittels Computation, Communication und Control Prognosen, Trends und Entscheidungsgrundlagen für die Logistik generiert. 407 Darüber hinaus existieren keine weiteren Definitionen oder Beispiele, daher soll folgende Definition für diese Arbeit gelten: „Cyber-physische Logistiksysteme sind Netzwerke in einer Smart Factory bestehend aus Produkt-, Objektund Subjektsystemen, die über Integrationsplattformen miteinander vernetzt sind. Dessen Elemente sind I4.0-Techniken, die mit Funktionen und Eigenschaften auf Basis von cyber-physischen Systemen, Assistenzsystemen und Anwendungen in logistischen Prozessen die Erfüllung von Zielen und Aufgaben des Logistikmanagements zur Befriedigung der Kundenwünsche unterstützen.“ Der Fokus der Arbeit liegt auf innerbetrieblichen Logistiknetzwerken innerhalb der Smart Factory von produzierenden (Maschinenbau-) Unternehmen, deren Leistungsspektrum die Anwenderund Ausrüstersicht kombiniert. Per Definition 408 ist ein Logistiknetzwerk die vereinfachte Darstellung eines Logistiksystems. Die Kanten und Knoten stellen die Systemelemente (I4.0-Techniken) dar, die in Abhängigkeit von ihrer Anwendung Produkt-, Objektund Subjektsysteme formen können. In dieser Arbeit bildet die Gestaltung dieser Systemelemente das Zentrum der Betrachtung der CPLS. In Anlehnung an das theoretische Bezugssystem sollen die System-, Netzwerkund Technologieebene beschrieben werden. Die Ebenen sind in dieser Arbeit durch Merkmale und ihre Ausprägungen determiniert, die die Gestaltung der CPLS in Abhängigkeit vom Anwendungsfall ermöglichen. Neben Merkmalen und Ausprägungen stehen dem Logistikmanagement Instrumente und Methoden zur Verfügung (Abschnitt 5.3.2). Diese dienen der anwendungsorientierten Entwicklung des Ansatzes und basieren im Wesentlichen auf den Erkenntnissen der empirischen Analyse. Abbildung 30 stellt die Syste405 Vgl. VDI und VDE (2013), S. 3 f. 406 Vgl. VDE und DIN (2013), S. 9 407 Vgl. Frazzona et al. (2015), S. 333 408 Siehe dazu die Ausführungen in Kapitel 2. 116 matisierung der Gestaltungsebenen und -merkmale von CPLS in der Smart Factory dar. Zur Übersicht wurden die bezugnehmenden Abschnitte integriert. Abbildung 30: Systematisierung der Gestaltungsebenen und -merkmale von CPLS 409 Die integrierte Sicht resultiert aus dem gleichzeitigen Wirken der Systemund Technologieebene auf die Netzwerkebene. Die Managementebene plant, steuert und kontrolliert mittels technischer Unterstützung Informationsund Materialflüsse und somit die anderen Ebenen. Aus ganzheitlicher, integrierter Perspektive übernimmt das Management somit Aufgaben des System-, Netzwerkund Technologiemanagements. 5.2 Konzeptionierung Die Konzeptionierung stellt den ersten Teil der Gestaltung dar, in der zunächst Veränderungsdimensionen sowie deren Einfluss auf cyber-physische Logistiksysteme entlang der Gestaltungsebenen in Abschnitt 5.2.1 dargestellt werden. Diese Erkenntnisse dienen der Formulierung von Gestaltungsempfehlungen (Abschnitt 5.2.2). 5.2.1 Veränderungsdimensionen Den Dimensionen werden in diesem Abschnitt relevante Anforderungen und Eigenschaften zugeordnet sowie deren Einfluss auf CPLS beschrieben. Anschließend werden die Aktivitäten der Unternehmen der empirischen Analyse bzgl. der Veränderungen qualitativ bewertet. Die Veränderungsdimensionen sowie die beschriebenen Anforderungen und Eigenschaften lassen sich nicht strikt auf eine Gestaltungsebene limitieren, 409 Eigene Darstellung. MANAGEMENT (5.4) Planung Steuerung Kontrolle TECHNOLOGIE (5.2.2.3 und 5.3.2.3) SYSTEM (5.2.2.1 und 5.3.2.1) ObjektSysteme ProduktSysteme SubjektSysteme NETZ (5.2.2.2) WERK (5.3.2.2) Integrationsplattform Selektion RegulationAllokation Evaluation Instrumente und Methoden (5.3.2) Veränderungsdimensionen (5.2.1) Gestaltungsfelder (5.3.1) Ziele Grenzen Funktionen Elemente Anwendungen Assistenzsysteme Cyber-physische Systeme Eigenschaften Anforderungen 117 werden daher je nach dem Verständnis der Gestaltungsebenen und -merkmale (s.o.) zugeordnet. 5.2.1.1 Systembezogene Veränderungsdimensionen Veränderungsdimensionen sind Systemdenken und Zielkonflikte, Virtualisierung und Entgrenzung sowie die Dezentralisierung und Individualisierung (Abbildung 31). Abbildung 31: Systembezogene Veränderungsdimensionen 410 Die Praxis etabliert in den Unternehmen einen Mentalitätswandel zum ganzheitlichen Systemdenken. Dies bezieht sich auf das Verhalten und die Einstellung des Führungspersonals sowie die Vorbereitung des operativen Personals auf die zunehmende Digitalisierung. In diesem Kontext z. B. nutzt Unternehmen A seine entwickelte Lösung zur direkten Integration strategischer und operativer Planungsund Steuerungsebenen. Unternehmen B hat damit begonnen, die Auflösung von Bereichszielen und die direkte Verknüpfung der strategischen mit der operativen Ebene organisatorisch zu realisieren. Die dynamische Anpassung erfolgt maßgeblich durch die Mitarbeiter und weniger durch Objekte. Die Verschlankung der Aufbauorganisation soll Zielkonflikten zwischen den Bereichen entgegenwirken, wird allerdings kurzbis mittelfristig durch die Zunahme operativer Akteure ebenfalls Zielkonflikte entstehen lassen. Dies gilt insbesondere, wenn operative Akteure Ziele und Aufgaben selbst festlegen. Werden zusätz410 Eigene Darstellung. Hohe Aktivitäten Mittlere Aktivitäten Geringe/keine Aktivitäten Systemdenken und Zielkonflikte Aufträge werden durch Kunden zugewiesen Verknüpfung Systemmit Operativzielen Dynamische Anpassung von Zielen und Aufgaben Anforderungen Anpassungsfähigkeit Automatisierung Eigenschaften Reaktivität Entscheidungsfähigkeit Integrationsfähigkeit Ganzheitliches Systemdenken Dezentralisierung und Individualisierung Anforderungen Identität Eigenschaften (Teil-) Autonomie Selbstmanagement Kognition Künstliche Intelligenz Ziele de-/zentral festgelegt Dezentrale heterarchische Aufbauorganisation Mitarbeiter als assistierte Entscheider Individualintelligenz Virtualisierung und Entgrenzung Anzahl involvierter Akteure unbegrenzt Unbegrenzte Einflussnahme externer Akteure auf innerbetriebliche Abläufe Digitale Durchgängigkeit Virtuelles Abbild über Informationen und Prozesse in Echtzeit Virtualisierung aller Abläufe Anforderungen Transparenz der Informationsbereitstellung Standardisierte Lean-Prozesse Echtzeitfähigkeit Interund Intranetfähigkeit Verlagerung geschäftlicher Aktivitäten in die virtuelle Umgebung Anforderungen und Eigenschaften Cyber-physische Logistiksysteme 118 lich Kunden integriert (bisher nur im Einzelfall), kommen zusätzliche vorerst „unberechenbare“ Akteure hinzu. Die Virtualisierung mittels Reduzierung der Medienbrüche in der Auftragsabwicklung bildet für Wissenschaft und Praxis eines der übergeordneten Ziele im Kontext von I4.0. Die ersten Schritte dahingehend sind vielversprechend. Unternehmen A betont die Sogwirkung der Aktivitäten auf andere Bereiche infolge generierter Verbesserungen. Ursächlich sind Transparenz und Standardisierung. Diese bilden eine der Basisanforderungen des Logistikmanagements und zählen neben der Prozesssicherheit und -beherrschung zu den logistischen Erfolgsfaktoren. 411 Die „Echtzeitfähigkeit“ ist in diesem Kontext ein relativer Begriff, der zwischen Millisekunden, Tagen oder mehr schwanken kann. Umso kleiner die Frequenz und das damit genauere virtuelle Abbild ist, umso mehr Daten werden generiert, die eine etwaige leistungsfähigere Infrastruktur (manuelle bzw. automatische IDT) benötigen. Die Schließung informatorischer Lücken ist insbesondere für Asymmetrien von Planund Realwelt relevant, die direkte Auswirkungen auf die Güte von Planungs-, Steuerungsund Kontrollparametern besitzen. Ersichtlich ist, dass die Aktivitäten von allen Unternehmen als hoch einzustufen sind. Die Virtualisierung und Anbindung von Akteuren via Interoder Intranet beschleunigt die sukzessive Entwicklung von Smart Factories zu selbstreferentiellen Systemen mit offenen Grenzen. Diese Entgrenzung führt zu einer „theoretisch“ unbegrenzten Anzahl an Akteuren, die mit dem Unternehmen in Austausch treten können (IoE). Der Austausch und die gegenseitige Einflussnahme werden in diesem Kontext für die Systemstabilität wie auch aus Produkthaftungsgründen reguliert werden müssen. Inwieweit die Entgrenzung einer vollständig permeablen Membran gleicht, wird abhängig von dem Geschäftsmodell sowie der notwendigen Integration der Akteure für die Befriedigung der Kundenbedarfe sein. Die Durchlässigkeit der Grenzen (insbesondere informatorisch) lässt extern Branchen und intern Bereiche, wie die Beschaffung, Produktion und Distribution, konvergieren. Die Dezentralisierung und Individualisierung der Systemelemente ist ein wesentliches Charakteristikum der Smart Factory und basiert u. a. auf der (Teil-) Autonomie, Identität sowie dem Selbstmanagement. In diesem Kontext sind Aktivitäten der Unternehmen auf verschiedenste Weise identifiziert worden. Die Stärkung des assistierten Entscheiders ist hier besonders zu betonen, der mittels Assistenzsystem integriert eine zentrale Rolle in logistischen Prozessen einnimmt. Die Individualisierung ist zusätzlich in der Datenaufnahme zu verzeichnen. Unternehmen B „individualisiert“ die Bereitstellungsund Lagerflächen in Form von Meldebeständen. 411 Vgl. Schuh und Stich (2013), S. 21 125 ten senken. Ergebnis ist die Entlastung von Routinetätigkeiten sowie eine durch die Nutzung von Assistenzsystemen gesteigerte Entscheidungsgeschwindigkeit und -qualität. Beide Aufgabenfelder steigern die Dezentralität und Individualisierung. Logistische Objekte erfüllen neben ihren Kernprozessen, wie Lagern und Transportieren ebenfalls eine Buchungsaufgabe. Subjekte und Objekte übernehmen demnach neben Zielund Aufgabenerfüllung die Funktion des Buchungsvorgangs im Logistiknetzwerk zur Erhöhung von Transparenz, Automatisierung und Reduzierung der Medienbrüche. Aktuell wird bei Mitarbeitern und Transportfahrzeugen durch die dezentrale individuelle Festlegung der Ziele deren Systemrelevanz gestärkt. Die Veränderungsdimensionen Entgrenzung, Integration, Dezentralisierung und Individualisierung beeinflussen den Austausch mit externen Kunden. 421 Deren Integration kann in der Smart Factory der Zukunft durch die Objektausprägung der intelligenten Produkte bzw. Materialien repräsentiert werden. Auch wenn sie den intelligenten Objekten zuordbar sind, werden sie im Rahmen der Gestaltung als drittes Systemelement gesondert dargestellt. Ihre gesonderte Stellung ist in der direkten Repräsentierung des Kundenwunsches und somit dem übergeordneten Ziel von Unternehmung und Logistik begründet. Zudem gilt deren Integration als eine der wesentlichen Neuerungen der Smart Factory und I4.0. Nach der Festlegung von Zielsetzung und Aufgaben kann das Logistikmanagement Anforderungen formulieren. Das Logistikmanagement ist in dieser Arbeit der „Kunde“ der durch I4.0 zur Verfügung gestellten technischen Möglichkeiten. Die Wahrnehmung von Kundenanforderungen resultiert aus dem verinnerlichten Prinzip, die Kundenzufriedenheit zu halten oder zu erhöhen. Die Differenzierung von Kundenanforderungen erfolgt nach dem KANO-Modell (Kapitel 4) in Basis-, Leistungsund Begeisterungsanforderungen. Basisanforderungen werden vom Kunden als vorausgesetzt angenommen, daher werden diese i. d. R. nicht explizit artikuliert und bieten kein Potenzial, die Kundenzufriedenheit zu steigern bzw. sich am Markt zu differenzieren. Die Nichterfüllung führt zu einer drastischen Reduzierung der Kundenzufriedenheit. Leistungsanforderungen sind meist kommuniziert und bieten Potenzial zur Differenzierung, um die Kundenzufriedenheit zu erhöhen. Die Begeisterungsanforderungen sind den Kunden nicht bekannt und werden nicht erwartet. Existieren diese nicht, so ist keine Reduzierung der Kundenzufriedenheit zu befürchten. Existieren diese, bieten sie Potenzial zur Steigerung der Kundenzufriedenheit sowie zur Differenzierung. 422 Logistische Leistungen, die über die Basisanforderungen hinausgehen, können die Kundenzufriedenheit erhöhen und gewinnen weiter an Bedeutung. 423 Basisanforderungen sind Anpassungsfähigkeit, Transparenz, standardisierte Lean-Prozesse, Echtzeitfähigkeit sowie die Automatisierung. Leistungsanforderungen konnten ebenfalls identifiziert werden: Datensicherheit und -schutz, Ergonomie, Internetund Intranetfähigkeit, standardisierte Konnektivität 421 Externe Kunden können Endkunden, Kundenmitarbeiter, Inhaber, Aktionäre oder andere Fabriken darstellen, werden in dieser Arbeit aber vernachlässigt. 422 Vgl. Benz (2008), S. 35 ff.; Jochem et al. (2015), S. 83 ff. 423 Vgl. Pfohl (2010), S. 33 126 sowie die Identität. Begeisterungsanforderungen und die damit verbundene Leistungsfähigkeit sind dem Kunden i. d. R. nicht bekannt und stellen in dieser Arbeit die Eigenschaften (Technologieebene) dar. Innerhalb der Basisanforderungen konnten in den Fallstudien unterschiedliche Präferenzen identifiziert werden. Während die Standardisierung der Prozesse sowie die Transparenz angestrebt werden, ist die Echtzeitfähigkeit interner Abläufe bei keinem Unternehmen zu 100 % umgesetzt worden. Dies hat direkten Einfluss auf die Identifikation und Lokalisation (Identität) von Objekten und Subjekten sowie auf die Planungsund Steuerungsparameter. Die Realität wird somit nach wie vor mit Zeitverzug abgebildet und der tatsächliche Status, wie z. B. der Ort, ist nur an vorgegebenen Punkten abrufbar. Echtzeitfähigkeit unterliegt allerdings der spezifischen Anforderung im Unternehmen und korreliert mit einer Datenzunahme, je echtzeitfähiger ein System ist. Ähnlich wie bei der Dezentralität ist hier ebenfalls die 100 %- Echtzeitfähigkeit in Abhängigkeit vom Anwendungsfall zu bewerten. Technische Leistungsanforderungen wurden nur bei Unternehmen A in Form des Intranets der Dinge kommuniziert. Die standardisierte Konnektivität und Identität gelten als wichtige Basis von I4.0, stehen für erste Aktivitäten aber nicht im Fokus. Datensicherheit und -schutz wurden ebenfalls nur im Rahmen externer Partner angesprochen, die im Auftrag der Unternehmen die Systeme auf ihre Sicherheitsarchitekturen hin überprüfen. Abbildung 34 fasst die Systemebene zusammen. Abbildung 34: Gestaltungsebene: SYSTEM 424 424 Eigene Darstellung. Systemebene: Aufbau und Planung von Systemzielen, -grenzen, -funktionen und -elementen Veränderungsdimensionen Systemdenken und Zielkonflikte Ganzheitliches Systemdenken Verknüpfung Systemmit Operativziele Dynamische Anpassung von Zielen und Aufgaben Direkte Integration Kundenaufträge Dezentralisierung und Individualisierung Ziele de-/zentral festgelegt Dezentrale heterarchische Aufbauorganisation Subjekte als assistierte Entscheider Individualund Schwarmintelligenz Virtualisierung und Entgrenzung Verlagerung geschäftlicher Aktivitäten in die virtuelle Umgebung & Echtzeitabbild Digitale Durchgängigkeit Anzahl involvierter Akteure unbegrenzt Unbegrenzte Einflussnahme externer Akteure auf innerbetriebliche Abläufe Gestaltungsempfehlungen Systemziele Strategische Systemziele (Smart Factory): Qualität, Kosten, Zeit Operative Ziele (Objektund Subjektsysteme): Log.leistung und -kosten, Wertschöpfung und Entlastung der Mitarbeiter Verknüpfung strat./oper. Ebene Systemfunktionen Logistische Funktionen: Erfüllung individueller Ziele und Aufgaben durch operative Objektund Subjektsysteme Technische Funktionen: Unterstützung von Objekten und Subjekten durch produkt- & nutzerbezogene Funktionen Systemgrenzen Umgebung (funktional): Smart Factory, Produktion, Beschaffung, Distribution Prozesse: Transport, Lagerung etc Elemente: Objekte, Subjekte, Entscheidung über Kunden- /Lieferantenintegration Anforderungen Basis: Anpassungsfähigkeit, Transparenz, Lean-Prozesse, Echtzeitfähigkeit, Automatisierung Leistung: Datensicherheit & -schutz, Ergonomie, Internet- & Intranetfähigkeit, Konnektivität, Identität Systemziele Subjektsystem Log. Funktion Erfüllung Ziel/Aufgaben … Tech. Fkt. Datenerfassung … Ziele Log.leistung Log.kosten …. Objektsystem Produktsystem Log. Funktion Erfüllung Ziel/Aufgaben … Tech. Fkt. Datenerfassung … Ziele Log.leistung Log.kosten …. Log. Funktion Kundenschnittstelle … Tech. Fkt. Datenerfassung … Ziele Log.leistung Log.kosten …. 1 2 2 3 3 3 2 2 1 2 3 4 127 Die Entscheidung, welche Systemelemente betrachtet werden, ist z. T. durch die vorliegende Prozessstruktur determiniert. I4.0 wird sukzessive in bestehende Fabriken implementiert werden. Die Ist-Aufnahme von Grenzen, Elementen und Funktionen ist ein wesentlicher Schritt, bevor Aufgaben und Ziele auf die Elemente verteilt werden können. Die Verteilung auf Kanten und Knoten sowie deren Verknüpfung ist Teil der Netzwerkebene. 5.2.2.2 Netzwerkebene Ziel des Netzwerkmanagements ist der Aufbau von Kanten und Knoten in innerbetrieblichen Netzwerken. Dies erfordert in einem ersten Schritt die Diskussion der Arbeitsteilung von Objekten und Subjekten, zweitens die Auseinandersetzung mit Abhängigkeiten, um Zielkonflikten vorzubeugen. In einem dritten Schritt wird die Vernetzung der I4.0-Techniken zu einem System aus Systemen thematisiert. Durch ihren Schnittstellencharakter enthält die Netzwerkebene Aspekte von Anwendern wie von Ausrüstern. Für die Gestaltung wird sich an den vier Phasen des Netzwerkmanagements Selektion, Allokation, Regulation und Evaluation nach SYDOW 425 orientiert und auf innerbetriebliche Netzwerke übertragen. Während auf der Systemebene logistische Objektund Subjektsysteme identifiziert werden, soll das Netzwerkmanagement im Rahmen der Selektion deren Art, Anzahl sowie Zielbeitrag planen helfen. Durch den integrativen, vernetzenden Charakter der Netzwerkebene erfolgt die Selektion aus der Perspektive der Logistik, während die Ausstattung der Objekte und Subjekte mit der nötigen technologischen Lösung zur Zielerreichung auf der Technologieebene erfolgt. Die Auswahl logistischer Subjekte und Objekte, die in der Materialversorgung (Beschaffung und Produktion) zum Einsatz kommen, erfolgte fallstudienübergreifend identisch. Nach assistiertem Entscheider, Transportfahrzeugen und Bereitstellungsflächen werden Ladungsträger und Läger integriert, in Unternehmen B und D zusätzlich Lieferanten und z. T. Kunden. Bis auf Unternehmen D handelt es sich nicht um Grüne-Wiese-Fabriken, d. h. Objekte und Subjekte sind prozessbedingt bereits vorhanden und werden erweitert. Der Zielbeitrag ist abhängig von der strategischen Ausrichtung und bemisst sich neben dem Einfluss auf operative Kennzahlen an dem Beitrag zur digitalen Durchgängigkeit, zur Integration in Materialund Informationsflüssen sowie zur Vernetzung von Objekten und Subjekten durch den Aufbau von Integrationsplattformen. Zentrale Unternehmensstrukturen werden zu Gunsten dezentraler Elemente verändert werden, indem Kompetenzen den operativen Ebenen zur Verfügung gestellt werden. Dies stellt eine wesentliche Neuerung bei der Übertragung netzwerktheoretischer Ansätze auf Objekte und Subjekte dar. Die angesprochene Auflösung von Bereichszielen zur Verknüpfung von Systemund Operativzielen wird Entscheidungen sowie Maß425 Vgl. Sydow (2003), S. 312 ff. 128 nahmen automatisieren bzw. deren Ausführung auf assistierte Entscheider und intelligente Objekte der operativen Ebene übertragen. Dies bedeutet, dass intelligente Objekte in die Arbeitsbereiche des Personals vordringen bzw. mit ihnen kollaborativ arbeiten. Die Allokationsphase versucht diesem Umstand Rechnung zu tragen, indem die Befähigung von I4.0-Techniken für die Zielerreichung geplant werden soll. Ausgehend von Systemzielen sowie den logistischen und technischen Systemfunktionen ist es notwendig, für jedes intelligente Objekt sowie jeden assistierten Entscheider eine Qualifikationsmatrix abzuleiten. In dieser werden (operative) Logistikziele und -aufgaben sowie Ressourcen individuell für jedes operative Element festgelegt. Transportfahrzeuge besitzen z. B. individuelle Ziele bzgl. des spezifischen Ortes und Lieferzeitpunktes des Produktes, Läger und Behälter bzgl. des Meldebestandes. Die Eigenschaften befähigen insbesondere intelligente Objekte, selbstständig logistisch zu planen, zu steuern und zu kontrollieren. Dadurch werden sie in die Lage versetzt, mit anderen Objekten angepasste Zielwerte bzw. deren Toleranzgrenzen in der Systembetrachtung auszuhandeln sowie Maßnahmen wie der selbstständige Bezug nötiger Dienste aus der Cloud oder eine Ad hoc-Planung durchzuführen. Für die Konzeptionierung hat das zur Folge, dass intelligente Objekte bzgl. der Aufgabenerledigung als „gleichberechtigte“ Akteure das Personal ergänzen. Die Arbeitsteilung hat durch die technische Integration somit eine Steigerung der Abhängigkeiten zur Folge. Die Elemente tauschen Eingangsbzw. Ausgangsgrößen wie z. B. Leistungen zu einem definierten Marktpreis miteinander aus. Dadurch entsteht eine Modularisierung von dezentralen Einheiten, die individuelle Ziele verfolgen und eine eigene Ergebnisverantwortung besitzen. 426 Abhängig von z. B. der Zielkonformität oder der Anzahl gleicher Elemente können diese für die technische Auslegung zu Systemen zusammengefasst werden. Die empirische Analyse hat gezeigt, dass die Auflösung von Bereichszielen zu Gunsten der Vernetzung von strategischen (hier das System Smart Factory) und operativen Zielen präferiert wird. Ebenfalls eruierte die Empirie, dass entgegen dem wissenschaftlichen Verständnis in I4.0 die vollständige Dezentralisierung von Objekten und Subjekten keinen Selbstzweck darstellen sollte. Wie de-/zentrale Software zur Verfügung stehen soll, ist abhängig von logistischen Anforderungen, wie der Echtzeitfähigkeit, sowie technischer Herausforderungen wie der Systemstabilität. Zusätzlich müssen finanzielle und infrastrukturelle Ressourcen berücksichtigt werden. Die Allokation kann somit die Entscheidung über den Ort der Informationsbereitstellung und de-/zentrale Informationssysteme determinieren. Durch I4.0 kann eine unbegrenzte Anzahl von Dingen, Daten, Diensten und Menschen miteinander in Austausch treten. Die geformten Netzwerke schwanken in der Anzahl und in der Abhängigkeit benötigter Ressourcen zur Deckung der Kundenbedarfe. Die Fallstudien wiesen auf die positiven Effekte bzgl. der Prozesstransparenz hin, betonten allerdings Abhängigkeiten und die aufwendige Systemfehleranalyse bei Störungen. Die Vermeidung oder Abmilderung von Zielkonflikten durch äußere und innere Einflüsse 426 Vgl. Thom (2007), S. 26 129 kann durch die Definition von nicht-/technischen Verhaltensregeln bzw. Standards gewährleistet werden. Die Standardisierung wird in der Phase der Regulation für das Netzwerk festgelegt. Sie können in Normen, Regularien und Verträgen festgelegt werden. Diese sind wichtig, um mögliche Zielkonflikte bei der Szenarienentwicklung vorab definieren zu können. In Unternehmen A wurde die höhere Zielpriorität (Logistikleistung) des Behältersystems gegenüber dem Maschinensystem (Energieeffizienz) thematisiert. Das Zusammenrücken unterschiedlicher intelligenter Ökosysteme in I4.0 zeigt sich hier. Dafür wird eine Zielhierarchie erforderlich, die dem Wunsch nach Dezentralität und Autonomie, d. h. nach Individualisierung entgegensteht, um strategische Systemziele nicht zu gefährden. Dieser Konflikt betrifft Objekte gleichermaßen wie Subjekte (Auflösung Bereichsziele Unternehmen B). Aus diesem Sachverhalt leiten sich Entscheidungshierarchien ab, die z. B. nach dem finanziellen oder zeitlichen Risiko bewertet werden können. Entscheidungen in Verbindung mit Zielrestriktionen, die in Routinen/Szenarien und somit in Algorithmen abgebildet werden können, werden zum Großteil automatisiert. Für Zielkonflikte durch unvorhergesehene Störungen (also nicht in Szenarien abgebildet), bei denen Entscheidungen für Akteure gleich gut/schlecht oder für den einen gut und für den anderen schlecht sind, müssen ebenfalls Verhaltensregeln z. B. in Form von Bonusund Malussystemen definiert werden. Ziel ist der konfliktfreie Austausch und die klare Regelung der „Entscheidungshoheit“ zwischen dem assistierten Entscheider, den intelligenten Objekten und den strategischen Zielen. Unternehmen B realisiert dies durch die Einschränkung der (Entscheidungs-) Freiheitsgrade des Personals unter Berücksichtigung des Systemoptimums. Die Maßnahmen dienen dem assistierten Entscheider als Rahmen für die Entscheidungsfindung, der letztlich eine standardisierte Toleranzgrenze darstellt. Für Entscheidungen außerhalb der Vorgaben wird der Mensch vorerst unabdingbar sein. Sollten Kognition und KI ebenfalls auf Objekte angewendet werden, wird dies auch die Entscheidungen bei Nicht-Routinetätigkeiten betreffen. Die Regulation von unvorhergesehenen Entscheidungssituationen wird dann an Relevanz zunehmen, wenn die Kundenzentrierung und deren Möglichkeiten zur direkten Einflussnahme zunehmen. Abhängig von der Kostenverursachung einer Entscheidung können Maßnahmen automatisiert bewertet werden, um die Entscheidungsqualität zu steigern. Dieses Vorgehen hat Relevanz für die Evaluation. Sie dient der kontinuierlichen Erfolgskontrolle von Elementen, Systemen oder Netzwerken. Sie kann sich somit auf einzelne Verbindungen oder auf das gesamte Netzwerk beziehen. Die Evaluation wird z. B. hinsichtlich des individuellen Leistungsbeitrages des Behältersystems überprüft. Die Verknüpfung kann auf Basis von Kennzahlen (Zielen) oder qualitativen Einflussgrößen erfolgen. Die Ausführung von Planungsund Steuerungsaufgaben oblag bisher vorwiegend Subjekten (mit Ausnahme einfacher Regelkreise), wird in I4.0 aber sukzessive für Objekte zugänglich oder durch Plattformen automatisiert. Transportrouten sowie Bereitstellungsflächen oder Behältereinheiten sind limitierte Güter, so dass in Abhängigkeit 130 vom Kunden und der Ressourcenbeschränktheit die Systemziele nicht gefährdet werden dürfen. Im Sinne von I4.0 werden die Definition von Toleranzgrenzen und die Selbststeuerung mittels einfacher technischer Regelkreise umgesetzt (Abtransport Voll- /Leergut Unternehmen A oder eKanban Unternehmen B). Analog zur Systemtheorie ist der technische Regelkreis der Kybernetik auf offene, geschlossene oder selbstreferentielle Systeme anwendbar. Zur Gewährleistung von Steuerung und Kontrolle kann das SCEM auf Grundlage von u. a. Kennzahlensystemen verwendet werden. Es wurde für IKT-Systeme und die Realisierung im technischen Regelkreis entwickelt, um z. B. verbrauchsoder ereignisgesteuerte Auftragsfreigaben zu ermöglichen. Dieser Regelkreis dient der Überwachung von Soll-Ist-Abweichungen, indem z. B. individuelle Ziele mit den Gesamtzielen abgeglichen werden, um eventuell Gegenmaßnahmen zu ergreifen. Am Ende des Prozesses fließen Informationen wieder in den Anfangszustand für eine etwaige Zielanpassung ein (Rückkopplung).427 Das SCEM kann somit die Entwicklung eines selbstorganisierenden Systems unterstützen. Abbildung 35: Gestaltungsebene: NETZWERK428 Neben der individuellen Verteilung und Verlagerung von Zielen und Aufgaben auf die operative Ebene, erfolgt in der Netzwerkgestaltung die Vorarbeit für die Vernetzung via Integrationsplattformen einzelner Objekte zu Objektsystemen (analog Produkte und 427 Vgl. Bensel et al. (2008), S. 8 ff. 428 Eigene Darstellung. Netzwerkebene: Aufbau cyber-physischer Systeme in der Smart Factory Veränderungsdimensionen Arbeitsteilung Aufgabenbereiche verschmelzen Dezentrale Selbstplanung, -steuerung, -kontrolle von Subjekten und Objekten Ad hoc-Planung ohne Einwirken des Personals Objekte erledigen Nicht-Routinetätigkeiten Kundenzentrierung Dynamische Ad hoc-Vernetzung kundenzentriert Kunde/Lieferant via Internet überall integriert Produkte mit Kunden via Interund Intranet in Prozesse integriert Losgröße 1 für alle Produkte Vernetzung und Verantwortung Abhängigkeiten mit direktem Einfluss auf Elementebene Durchgehende Vernetzung von Akteuren Ergebnisverantwortung & Entscheidungen bei Subjekten und Objekten Informationszugang flächendeckend für Subjekte und Objekte Gestaltungs-empfehlungen Selektion Auswahl Art & Anzahl Kanten & Knoten: Assistierte Entscheider, Transportfahrzeuge, Bereitstellungsflächen, Integrationsplattform etc. Zielbeitrag anhand operativer Kennzahlen sowie des Beitrages zur Virtualisierung Regulation Etablierung von Standards & Verhaltensregeln Zielund Entscheidungsprioritäten, -hierarchien Entscheidung über Nicht- /Routinestörungen Eingriffsgrenze Kunde Allokation Ableitung Qualifikationsmatrix für Subjekte und Objekte Individuelle Verteilung Logistikziele je Element Individuelle Verteilung Logistikaufgaben je Element Individuelle Auswahl zur digitalen Durchgängigkeit Evaluation Identifikation kritischer Abhängigkeiten Erfolgskontrolle über Soll-IstAbgleich von strategischer und operativer Ebene Installation technischer Regelkreise Systemziele Behältersystem n=? 2 3 1 Mitarbeitersystem n=? 2 3 1Produktsystem n=? 2 3 1 4 4 4 4 4 3 1 2 3 4 131 Subjekte) und die Abstimmung dieser mit den Systemzielen. Die Realisierung mittels I4.0-Technologien erfolgt auf der Technologieebene. 5.2.2.3 Technologieebene Mit Hilfe der Technologieebene fließen die logistischen Anforderungen in die Technologieauswahl ein. Die Befähigung der Leistungserstellung durch geeignete Technologien zu adäquaten Kosten und Zeitpunkten bildet die Aufgabe des Technologiemanagements. Aus Sicht der industriellen Logistik werden Anforderungen an diese Technologien gestellt, die das Technologiemanagement bei der Auslegung technischer Systeme berücksichtigen muss. Diese technischen Systeme wurden in dieser Arbeit als Industrie 4.0-Techniken definiert. Diese Techniken konnten mittels des übergeordneten Konzeptes des Internet of Everything als assistierte Entscheider (Menschen), intelligente Objekte (Dinge) sowie Integrationsplattformen (Dienste und Daten) systematisiert werden. Die Ausgangslage der technologischen Gestaltungsmerkmale bilden die definierten Ziele, Grenzen, Elemente und Funktionen der Systemebene, die über die Netzwerkebene detailliert in der Technologieebene zu integrierten, vernetzten und intelligenten I4.0Techniken konzipiert werden. Das zentrale „intelligente“ Systemelement ist der assistierte Entscheider. Aktuell ist die Nutzung von Assistenzsystemen für das Logistikpersonal fallstudienübergreifend im Einsatz. In allen Fallstudien kommen mobile Endgeräte wie Tablets und Smart Phones zum Einsatz, wobei Mitarbeiter mit festem Einsatzort mehrheitlich mit Tablets (teilweise abnehmbare Terminals) und ortsungebundene Mitarbeiter mit Smart Phones unterstützt werden. Dieses Mobile Computing wird durch weitere Assistenz in Form von Sprach-, Gesten-, Objektund Mustererkennung sowie Augmented oder Virtual Reality (Kapitel 3) ergänzt. Smart Glasses befinden sich in der Erprobung, diesen wird aber bisher nicht genügend Potenzial beigemessen. Die Zunahme von Intelligenz und Leistungsfähigkeit ist bei assistierten Entscheidern insbesondere durch die Integration mittels der Assistenzsysteme in die Materialund Informationsflüsse begründet. Aus der Perspektive der technischen Integration übernehmen Assistenzsysteme die Aufgabe von smarten Sensoren und Aktoren für das Personal. Zusätzlich unterstützen sie durch die Visualisierung der Abläufe deren Entscheidungsfähigkeit. Durch Assistenzsysteme werden Mitarbeiter somit selbst zum CPS. Über Tablets und Smart Phones können assistierte Entscheider auf die Daten und Dienste der Integrationspattformen zugreifen, um über Smart Data-Anwendungen z. B. Prognosen für die verbrauchsorientierte Programmplanung zu erhalten. Der Ort der Informationsverarbeitung kann somit auf einer de-/zentralen Integrationsplattform oder auf dem mobilen Gerät erfolgen. Bei intelligenten Objekten kann die Verarbeitung inhärent oder ebenfalls auf der de-/zentralen Plattform erfolgen. Cyber-physische Systeme lassen intelligente Objekte entstehen. Die Intelligenz von Objekten wird durch Funktionen, Eigenschaften sowie den Ort der Informationsverar- 132 beitung determiniert. Querschnittstechnologien liefern die Basis für Komponenten und ermöglichen produktbezogene Funktionen (smarte Sensoren: identifizieren & erfassen, Mikrocontroller und -prozessor: speichern, analysieren & entscheiden, smarte Aktoren: reagieren sowie HMI: darstellen) sowie die Integration intelligenter Objekte in Materialund Informationsflüsse. Die Integration der Komponenten ist in den Fallstudien mehrheitlich in Maschinen und Anlagen (Betriebsmittel) erfolgt. Intelligente logistische Objekte nach wissenschaftlichem Verständnis sind über IDT und weniger über CPS integriert, weswegen sie eine eher geringe Intelligenz aufweisen. Verantwortlich für die Integration ist demnach hardware-seitig die Ausstattung mit IDT und softwareseitig die Nutzung von Integrationsplattformen. Integriert auf der Objektseite sind Ladungsträger, Transportfahrzeuge, Lager sowie Anlieferund Ablieferflächen. Die Fallstudien haben gezeigt, dass diese Nutzung von IDT bei Objekten und Mobile Computing bei Subjekten die gängige Lösung im Rahmen der Intelligenz, Leistungsfähigkeit und Integration ist. Verfolgt wird damit die Virtualisierung, die die Reduzierung der Medienbrüche ebenfalls durch das Personal ermöglicht. Neben der Virtualisierung durch IDT tragen die Unternehmen dem Aufbau der Infrastruktur und damit der Integration und Vernetzung der Systemelemente intern durch Integrationsplattformen Rechnung. Ausgangspunkt waren in Unternehmen A die Maschinen, die die zentrale Infrastruktur mit der Integrationsplattform bilden. Die Erweiterung auf logistische Objekte wurde nach der Entwicklung der zentralen Infrastruktur forciert. Unternehmen C etablierte eine interne Planungsund Steuerungsplattform, visualisiert an einem Bildschirm, und baute währenddessen die Buchungsinfrastruktur kontinuierlich aus. Unternehmen B nutzt für den Virtualisierungsprozess eine Kombination aus RFID-Tags und -Gates sowie eKanbans. Auf Integrationsplattformen werden unterschiedliche Anwendungen zur Verfügung gestellt. Diese sind z. B. infrastrukturseitig das Cloud Computing. Auf dieser Infrastruktur werden Dienste zur Verfügung gestellt, die von Objekten sowie Subjekten via Assistenzsystem abgerufen werden. Dienste nach dem Verständnis aus Kapitel 3 können auf Basis der Fallstudien bestätigt und erweitert werden. Im Fokus stehen u. a. Analysewerkzeuge wie das Predictive Computing zur Erhöhung der Prognosefähigkeit oder das Condition Monitoring zur Zustandsüberwachung. Mittels Big und Smart Data bzw. den daraus abgeleiteten Advanced Data Analytics bieten Integrationsplattformen Dienste in Form von Entscheidungsempfehlungen an. Empfehlungen lassen sich auf Basis von Wahrscheinlichkeiten sowie Prognoserechnungen ableiten oder aus event-basierten Störungen gewinnen. I4.0 dynamisiert u. a. aufgrund von Automatisierung und Echtzeitfähigkeit die Entscheidungsprozesse. Neben der Beschleunigung konnte fallstudienübergreifend die Verbesserung der Entscheidungsqualität eruiert werden. Die Kombination aus Diensten, Assistenzsystemen sowie Integrationsplattformen unterstützt alle Unternehmen. Die Lösungen und Dienste von z. B. Unternehmen A und B werden ebenfalls externen Kunden angeboten. Zur weiteren Kundenintegration kommen Konfigurationssysteme zum Ein- 133 satz, die die Einflussnahme des Kunden auf den Erstellungsprozess bis zu einem definierten „Point of no Return“ ermöglichen. Dabei existiert die Möglichkeit – sofern ablauftechnisch realistisch – gewünschte kurzfristige Änderungen gegen Aufpreis als zusätzlichen Dienst anzubieten oder für A-Kunden Dienste kostenlos zur Verfügung zu stellen. Für die Entscheidung über den Dezentralisierungsgrad von Diensten kann die Nutzungshäufigkeit von Diensten und Daten durch Objekte oder Subjekte einen Hinweis darauf liefern, welche Anwendung exklusiv und dezentral sinnvoll ist oder zentral für das Netzwerk nutzbar sein soll. Die Entscheidung hat Einfluss auf mögliche Lizensierungsfragen, auf eine dynamische Software-Verschiebung zwischen den CloudHierarchien sowie die Belastung der Infrastruktur. Wissenschaft und Praxis sind sich einig, dass sich die Automatisierungspyramide im Kontext von I4.0 auflösen wird. Kein einheitliches Verständnis herrscht über die Rolle der logistischen Informationssysteme, die Einfluss auf Leistungsfähigkeit sowie auf die Systemauslegung haben. Einige Unternehmen treiben die Implementierung von BDE, MDE und MES voran, während andere diese reduzieren. Einige Autoren bewerten das MES als zentrales Informationssystem in der Smart Factory der Zukunft, in dem es für die echtzeitbasierte Lenkung und Steuerung (durch BDE/MDE) von Produktionsabläufen verantwortlich wird. 429 Unternehmen A z. B. nutzt das MES als zentrale Integrationsplattform zur Integration von strategischer und operativer Ebene. Andere Autoren erwarten dagegen einen Wegfall des klassischen MES. 430 Die Funktionen von BDE/MDE wurden bei den Fallstudien infolge von Auto-IDT teilweise aufgelöst, vollautomatisiert bzw. durch das Personal ausgeführt. Die Verlagerung von Planungsaufgaben der oberen Ebenen auf die Operative erfolgt bereits (z. B. Ad hoc-Planung). Dezentralisiert sich die Pyramide, werden auch LIS bzw. einzelne Funktionen dezentral auf Clouds als Dienste zur Verfügung stehen können, um bei Bedarf von intelligenten Objekten oder assistierten Entscheidern abgerufen zu werden. Im Kontext von I4.0 ermöglichen die technische Integration von Objekten und Subjekten und deren Ausstattung mit Eigenschaften (nutzerbezogenen Funktionen) die Erhöhung der Intelligenz und Leistungsfähigkeit, um klassische Zielgrößen zu optimieren und neue Anwendungsgebiete zu erschließen. In Anlehnung an die empirische Analyse konnten die Eigenschaften priorisiert werden. Eigenschaften wurden in Kapitel 4 als Begeisterungsanforderungen deklariert, da sie im jetzigen Stand dem Unternehmen z. T. nicht bekannt sind und deshalb Potenzial bieten, die Kundenzufriedenheit zu erhöhen. Adaptivität, Entscheidungsfähigkeit für assistierte Entscheider sowie die Selbststeuerung traten bei allen vier Fallstudien auf und wurden auch bei der Gruppenbefragung als relevant erachtet. Die Reaktivität als auf den Kunden gerichtete Eigenschaft hängt von der Integration desselben in die Smart Factory ab und wurde in der Gruppenbefragung als wichtigste Eigenschaft bewertet. Die Reaktivität wurde für die I4.0-Techniken Be429 Vgl. Schließmann (2014), S. 460 430 Vgl. Stich et al. (2013), S. 271 f. 134 triebsmittel, Transportfahrzeuge, Produkte sowie assistierte Entscheider als wichtigste Eigenschaft ermittelt. In den Fallstudien wurde diese als wichtig erachtet, befindet sich aber nicht im Fokus der Umsetzung. Aufgrund des Charakters von I4.0 und der empirischen Analyse wurde die Reaktivität in dieser Arbeit mit höchster Priorität bewertet. Mit zweiter Priorität konnten die Eigenschaften Integrationsfähigkeit, (Teil-) Autonomie, Selbstplanung sowie die Entscheidungsfähigkeit von Objekten identifiziert werden. Die Integrationsfähigkeit ist bei Unternehmen (A und C) von zentraler Bedeutung, da sie die I4.0-Aktivitäten mit der Entwicklung von Integrationsplattformen begannen. In der Gruppenbefragung wurde die Eigenschaft insbesondere bei Lägern und Ladungsträgern favorisiert. Zudem können Ladungsträger als Schnittstelle zu Lieferanten und Kunden dienen, um im Sinne der horizontalen Integration die Verbindung „nach außen“ voranzutreiben. Die anderen drei Eigenschaften dieser Priorität sind bei Unternehmen mit dynamischen Abläufen und bei den Unternehmen B und D mit einem ausgeweiteten Automatisierungsgrad sowie Auto-ID-Lösungen im Einsatz. Die Selbstplanung ist in der Gruppenbefragung als nicht wichtig erachtet worden. In Fallstudie B ist die automatische Mengenplanung dagegen zu Gunsten einer Ad hoc-Planung durch die direkte Anbindung des Lieferanten gänzlich aufgehoben. Diese Form der Entscheidungsfähigkeit bezieht sich ebenfalls auf Routinetätigkeiten, die durch technische Regelkreise Bestellungen auslösen können. Unternehmen D bietet eine ähnliche Anwendung in Bezug auf das Lager und den Lieferanten. Beide Unternehmen integrieren zusätzlich die Kapazitätsplanung, um die Einlagerung in Supermarkt bzw. Wareneingangslager zu ermöglichen. Bei Unternehmen A und C obliegt die endgültige Entscheidung den assistierten Entscheidern, die Planungsszenarien in Form von Entscheidungsgrundlagen erhalten. Auch wenn kognitive Fähigkeiten sowie KI und dadurch die Entscheidungsfähigkeit außerhalb von Routinetätigkeiten in den Unternehmen nicht festgestellt werden konnte, wurde deren kommende Bedeutung von der Praxis betont. Die damit verbundene Entwicklung zu selbstorganisierenden und lernenden Systemen, die z. B. Toleranzgrenzen und/oder Zielwerte ohne das Wirken des assistierten Entscheiders anpassen, wird zu noch ungeahnten Anwendungen führen.