DIGIP Vorlesung Skript Komplett

Fakultät
Maschinenbau und Versorgungstechnik
Digitalisierung
industrieller Prozesse
Lehreinheit 1:
Einführung
Prof. Dr.-Ing. Philipp Gölzer

Technische Hochschule Nürnberg – Fakultät Maschinenbau und Versorgungstechnik
Copyright Prof.
- Darf nur im Rahmen der bestimmungsgemäßen Lehrveranstaltungen verwendet und vervielfältigt Dr.-Ing. Philipp Gölzer
werden. Seite 1
Themenüberblick
• Einführung
Digitalisierung Digitalisierung
• Industrie 4.0
• Operative Effizienz
Verbesserung
Unternehmen Anwendungen
• Effizienz • Neue Geschäftsmodelle
• Effektivität
• Qualität
• Internet der Dinge
Vernetzung
• Kommunikation
• Datenquellen, Datentypen
Datenräume
• Informationsmodelle
• Anwendungsfälle
Data Science
• Handlungsfelder
• Herausforderungen
datengetriebene Prozesse Umsetzung
• Neue Rolle des Menschen
Technische Hochschule Nürnberg – Fakultät Maschinenbau und Versorgungstechnik Prof. Dr.-Ing. Philipp Gölzer Seite 2
Lernziele
Lehreinheit 1: Einführung
Ich kenne/verstehe heute …

• Die wichtigsten Begriffe im Kontext der
Digitalisierung und den Verortung.
• Welche Markt- und Technologietreiber zur
Digitalisierung und der Entwicklung Smarter
Produkte beitragen.
• Die grundlegenden Eigenschaften und
Funktionen Smarter Produkte.
• Welche Veränderungen Smarte Produkte im
Unternehmen und Branchen bewirken.
Agenda
• Begriffe
• Treiber der Digitalisierung
• Smarte Produkte
• Auswirkungen auf Unternehmen
Begriffe
Buzzwords in Kontext der Digitalisierung
Digitaler Zwilling Cloud

Cyber-physische
Systeme
Big Data
Data Science
Edge-Computing Data Mining

Data Analytics
Data Lake
Maschinelles
Data Swamp Lernen
Künstliche Smart Data
Intelligenz
Digitale
Smart Produkts Geschäftsmodelle
Internet der
Smart Factory Dinge
Begriffe
Digitalisierung: Definitionsversuche
Quelle: Becker et al., Industrielle Digitalisierung, 2020
Begriffe
Digitalisierung: Allgemein
Unter Digitalisierung wird der tiefgreifende Wandel aller

Wirtschafts- und Gesellschaftsbereiche unter dem immer
stärker werdenden Einfluss von Informations- und
Kommunikationstechnologie (IKT) verstanden.
Begriffe
Digitalisierung: Industrie-Perspektive
Digitalisierung ist die strategisch orientierte Transformation von

Prozessen, Produkten, Dienstleistungen bis hin zur Transformation
von kompletten Geschäftsmodellen unter Nutzung moderner
Informations- und Kommunikationstechnologien (IKT) mit dem Ziel,
nachhaltige Wertschöpfung effektiv und effizient zu gewährleisten.
Quelle: Becker et al., Industrielle Digitalisierung, 2020
Agenda
• Begriffe
− Globalwirtschaftliche Einflussfaktoren
− Technologische Einflussfaktoren
• Smarte Produkte
Globalwirtschaftliche Einflussfaktoren (Market Pull)
Produzierende Unternehmen sind den Megatrends des Marktes unterworfen
Quelle: Allgayer, Planung von

Materialflusssystemen, 1999
Nachfrage nach Serviceleistungen
Seit den ersten Leasingmodellen, steigt die
Bedeutung von Geschäftsmodellen, bei denen Gestern Heute Morgen
Getrennte Erweiterung der Enge Verflechtung
nicht nur das Absatzprodukt selbst, sondern Sach- und Sachleistung durch von Sach- und
auch die Nutzung im Vordergrund steht. Dienstleistung Dienstleistungen Dienstleistung
• Produkt-Service-Systeme: Kombinieren
Sach- und Dienstleistung z. B. Maschinen-
verkauf + Wartungsverträge (hybride
Leistungsbündel)
• Pay-on-Production: Der Kunde zahlt für den
Produktionsbetrieb. Der Hersteller übernimmt
Beschaffung, Aufstellung und Instandhaltung.
Quelle: Meier H, Uhlmann E, Kortmann D (2005) Hybride Leistungsbündel:

Nutzenorientiertes Produktverständnis durch interferierende Sach- und Dienstleistungen
Nachfrage nach Produkten mit
erweitertem Kundennutzen
• In global gesättigten Märkte können
Wachstumsraten nur noch über einen
harten Preiskampf gewonnen werden.
• Hingegen lassen sich Wachstumsraten mit
Produkten erzielen, die Alleinstellungs-
merkmale aufweisen und erweiterten
Kundennutzen bieten.
• Insbesondere für Hersteller hochwertiger,
langlebiger Konsum- und Industriegüter
können durch Funktionserweiterung und
Integration neue Kaufanreize geschaffen
werden (z. B. Handy, Waschmaschine)
Quelle: Miele
Nachfrage nach individualisierten
Produkten
• Weitere Wachstumspotenziale liegen im
Ausbau der Individualisierungs-
möglichkeiten von Produkten.
• Daraus resultiert allerdings die Verschiebung
von Mengen- zum Variantenwachstum.
• Mit dem Prinzip des Mass Customization
wird versucht, hohe äußere Varianz bei
gleichzeitig geringer innerer Varianz
anzubieten (z. B. über Konfiguratoren)
• Eine weitergehende Individualisierung von
Produkten „Losgröße 1“ erfordert neue
Ansätze der Produktionsorganisation.
Quelle: Nike
Technologische Einflussfaktoren (IK-Technologie Push)
Globale Datenverfügbarkeit
• Durch das Internet sind Daten heute nicht
nur innerhalb eines Unternehmens, sondern
global verfügbar.
• Zu jederzeit und an jedem Ort kann auf
entsprechend angebundene Systeme
zugriffen werden (z. B. zur Fernwartung,
Fehlerdiagnose oder Synchronisation von
Wertschöpfungsketten)
• Unternehmen können auch nach dem
Verkauf ihrer Produkte auf Daten der
Nutzungsphase zugreifen.
Quelle: BMBF
Zunehmende Sensorisierung
• Sensoren werden immer leistungsfähiger,
kleiner und günstiger.
• In Industrieanwendungen steigen stetig die
Anzahl an Sensoren und die Menge der
damit erfassten Daten (z. B. Mensch-
Roboter-Kooperation, Automatisierung,
Fahrerlose Transportsysteme)
• Sensoren ermöglichen die Erfassung eines
umfassenden und echtzeitnahen digitalen
Abbildes industrieller Prozesse und
Wertschöpfungsketten.
Quelle: TDK
Elektronische statt mechanische
Komponenten
• Sinkende Preise für Elektronikbauteile, wie
z. B. Stellantriebe, wirken sich auch auf die
Gestaltung komplexer Funktionsbauteile aus.
• Mechanische Komponenten und Relais
werden zunehmend durch kostengünstigere
elektronische Bauteile ersetzt.
• Eine Kombination aus Sensoren, Aktoren
und anderen Elektronikbauteilen ermöglicht
in vielen Fällen dieselbe oder verbesserte
Funktion wie reine mechanische
Komponenten.
Quelle: Schaeffler, Audi
Agenda
• Begriffe
• Smarte Produkte
Smarte Produkte
Markt- und Technologieentwicklung revolutionieren unsere Produkte
Smarte
Produkte
Smarte Produkte
Markt- und Technologieentwicklung revolutionieren unsere Produkte
Smarte Produkte
Physische Vernetzungs- Intelligente

Komponenten komponenten Komponenten
• Mechanisch • Schnittstellen • Sensoren

• Elektrisch • Protokolle • Prozessor
• Netzwerktechnik • Datenspeicher
• Kommunikation • Software
Smarte Produkte
Vernetzungskomponente
Quelle: https://www.inloox.de
Smarte Produkte
Intelligenter Komponente
Quelle: Porter, Heppelmann, 2014
Smarte Produkte
Smarte Produkte verändern die Branchenstruktur
• Hohe technische Hürden für Einsteiger
• Bedeutung mechanischer
Komponenten/Zulieferer sinkt • Chancen für Quereinsteiger z. B. für
Dienstleistungen (z. B. AWS)
• Neue Zulieferer für Sensoren,
Eingebettete Systeme )
• Mehr Produkt-
differenzierung, Preis
weniger relevant
• Höhere und direkte
Kundenbindung
• Genauere Abstimmung auf

kleine Marktsegmente und • Smarte Produkte bieten
Dienstleistungen deutlichen Mehrwert als
traditionelle Ersatzprodukte
• Steigende Dynamik und
Rivalität um die Besetzung • Smarte Produkte bedrohen
der neuen Felder somit klassische Produkte Quelle: Porter,
Heppelmann, 2014
Smarte Produkte
Branchenstrukturen lösen sich auf
• 1 Akteur • Ökosystem mit vielen Akteuren

• Einfacher Produktnutzen • Vielfältiger Produktnutzen und
• Produkt nur noch Massenware Serviceleistungen
• Produkt als Wettbewerbsvorteil • Hohe Einstiegshürden
verschwindet zunehmend • Wettbewerbsvorteile nehmen
• Nur noch Zulieferer für überproportional zu
neue Player am Markt
Agenda
• Begriffe
• Smarte Produkte
Auswirkungen auf Unternehmen
Wettbewerbsvorteile aufbauen
Die Veränderungen am Markt und die neuen
technologischen Möglichkeiten führen zu Operative
Smarten Produkten und neuen Branchen- Effizienz
strukturen. Der Aufbau von Wettbewerbs-
vorteilen erfordert von Unternehmen:
• Operative Effizienz als Mindestanforderung,
um im Wettbewerb hinsichtlich Preis und Weitreichende Auswirkungen
auf notwendige Kompetenzen,
Qualität zu bestehen.  Dinge gut machen Prozesse und Infrastrukturen
des Unternehmens
• Strategische Positionierung um sich von
der Konkurrenz durch neue Produkte, neue
Produktfunktionen, neue Dienstleistungen,
neue Geschäftsmodelle oder neue Öko- Strategische
systeme abzusetzen. Positionierung
Dinge anders machen
Quelle: Gabler Wirtschaftlexikon; Porter, Heppelmann, 2014
Daten im Zentrum der Wertschöpfung
• Traditionelle Daten eines Unternehmens wie
Stammdaten, Transaktionsdaten, CRM oder
Marktdaten werden primär zu Verbesserung
isolierter Unternehmensfunktionen genutzt.
• Smarte Produkte sind eine neue Daten-
Quelle für Nutzungsdaten, diese können für Traditionelle Unternehmensdaten
die Verbesserung fast aller Unternehmens-
funktionen genutzt werden können.
• Der Nutzen diese Daten steigt exponentiell,
durch Kombination der Daten z. B. mit Aktuelle und historische
Wartungshistorie, Bewegungsmustern, Daten der Nutzung eines
Produktes
Verbrauchsdaten oder auch externen
Daten wie Wetter, Verkehr, …
Smarte Produkte liefern laufend vielfältige
und umfangreiche Nutzungsdaten
Erkenntnisse aus Daten gewinnen
Die Fähigkeit das volle Potenzial der Daten
auszuschöpfen entwickelt sich immer mehr zu
einem entscheidenden Wettbewerbsfaktor.
Dies erfordert entsprechende Kompetenzen,
Prozesse und Infrastrukturen zur:
• Zusammenführung, Strukturierung,
Verknüpfung und Bereitstellung von
Daten (Data Lake).
• Gewinnung neuer Erkenntnisse und
Mehrwerte aus Daten (Maschinelles
Lernen, Künstliche Intelligenz).
• Steuerung und Optimierung von
Geschäftsprozesse auf Basis der Daten
bzw. der neuen Erkenntnisse.
Neue Technologie-Infrastrukturen
Unternehmen müssen ein neue mehrstufige IT-
Infrastruktur schaffen (Technology-Stack) die
im wesentlichen aus drei Blöcken besteht:
• Produkt: Verfügen über eingebettete Hard-
und Softwarekomponenten für Sensorik,
Vernetzung und Intelligenz.
• Netzanbindung: Intrastrukturen und
Protokolle für die Kommunikation zwischen
Produkt und der Cloud.
• Cloud: Stellt Infrastrukturen und Dienste für
Datenbanken, Anwendungssysteme und
intelligente Produktanwendungen bereit.
Veränderungen in den Unternehmensfunktionen
Veränderte/Neue Geschäftsmodelle
• Traditionelle Fertigungsbetriebe haben sich
auf die Herstellung physischer Produkte
konzentriert. Der Kunde ist für Betrieb,
Wartung und Unterhalt verantwortlich.
• Smarte Produkte ermöglichen es dem
Hersteller dank Sensoren und Vernetzung
den Betrieb zu überwachen und neue
Dienstleistungen zu verknüpfen.
• Das eröffnet zahlreiche neue Geschäfts-
und Verwertungsmodelle wie z. B.
− Pay-on-Production
− Produkt-Service-Systeme
− …
Quelle: Osterwalder Business Model Canvas
• "Druckluft as a Service" ist ein muster-
gültiges Beispiel dafür, wie Digitalisierung
vorhandene Märkte verändert und neue
Märkte erschafft.
• Das zu den weltweit führenden Anbietern von
Druckluftmanagement-Systemen zählende
Unternehmen hat frühzeitig erkannt, dass
seine Kunden nicht generell an Maschinen,
sondern im Wesentlichen an einer effizienten
Druckluftversorgung interessiert sind.
Quelle: Kaeser
• Die Flugzeugtechnik war lang eine
produktorientierte Branche. Doch 2001
brachen die Turbinenumsätze dramatisch ein.
• Es war also an der Zeit, neue Wege zu
beschreiten: Anstatt nur Ersatzteile zu
verkaufen, bot Rolls Royce mit
„Maintenance, Repair & Overhaul (MRO)“
Services zum Fixpreis pro geflogene Stunde
an, verknüpft mit einer garantierten
Mindestverfügbarkeit des Triebwerks.
Quelle: Rolls Royce
Digitale Geschäftsmodelle erfordern Digitale Unternehmen
Quelle: Gruhn, von Hayn; KI Ändert die Spielregeln, 2020
Stellhebel der Digitalisierung für Unternehmen
Services
Big Data
IoT
Organisation Markt
operative attraktive Produkte

Effizienz und Services
Selbststudium
Wie Smarte Produkte den Wettbewerb verändern
Porter, Heppelmann; Harvard Business Manager, 2014
Wie Smarte Produkte Unternehmen verändern

Porter, Heppelmann; Harvard Business Manager, 2015
Industrielle Digitalisierung
Becker et al.; Springer Verlag, 2020
Kapitel: 3
Handbuch Industrie 4.0

Reinhart; Hanser Verlag, 2017
Kapitel: XXXI
Vielen Dank für
die Aufmerksamkeit
Fakultät
Digitalisierung
Lehreinheit 2:
Industrie 4.0

Copyright Prof.
werden. Seite 1
Themenüberblick
• Einführung
• Industrie 4.0
Verbesserung
• Effektivität
• Qualität
Vernetzung
• Kommunikation
Datenräume
Data Science
• Handlungsfelder
Lernziele
Lehreinheit 2: Industrie 4.0

• Den Begriff Industrie 4.0 und dessen
Gemeinsamkeiten / Abgrenzung bezüglich dem
allgemeinen Verständnis von Digitalisierung
• Welche Kerntechnologien in Industrie 4.0 als
Grundlage für neue Formen der Produktions-
organisation zur Anwendung kommen.
• Welche Konzepte und Nutzenszenarien durch
Industrie 4.0 umgesetzt werden sollen.
Agenda
• Industrielle Revolutionen
• Begriff und Vorarbeiten
• Kerntechnologien
• Konzepte
• Konsolidierte Betrachtung
Industrieller Revolutionen
1. Industrielle Revolution
• Weiterentwicklung der
bisherigen Manufakturen
und Handwerksbetriebe
• Einführung angetriebener
Werkzeugmaschinen (Wasser,
Wind, später Dampf)
• Neue Organisation und
Arbeitsteilung in fabrik-
ähnlichen Strukturen, erste
Ansätze der Standardisierung
 Erhebliche Steigerung
der Produktivität
https://youtu.be/_3creV73TNU (Intro ab 1:00 bis 1:40) Quelle: Plattform

Kagermann et al., 2013, Umsetzungsempfehlungen für das Zukunftsprojekt IndustrieI4.0
4.0
• Systematisierung von Arbeits-
inhalten, Methoden und
Werkzeugen zur Verrichtung
(Taylor)
• Weitgehende Standardisierung
von Produkten und Fertigungs-
prozessen. Drastische
Verkürzung einzelner
Arbeitsumfänge, Einführung
der kontinuierlichen
Fließfertigung (Ford)
 Beginn der
Massenfertigung
https://youtu.be/VSpu1eQzz_I (0:15 bis 1:15) Quelle: Plattform
4.0
• Einzug von Elektronik und
Informations- und
Kommunikationstechnik in der
Produktion.
• Automatisierung von
Arbeitsabläufen und einem
zunehmenden Austausch
menschlicher Arbeitskräfte
durch Maschinen in der
Reihenfertigung.
 Signifikante Steigerung
der Effizienz
https://youtu.be/3H1c_6_AxrQ (01:55 -2:55) Quelle: Plattform

4.0
• Vernetzung der Produktion über
das Internet der Dinge
• Maschinen und Produkte
interagieren und kommunizieren
eigenständig und ermöglichen
so intelligente selbststeuernde
Systeme in Produktion und
Logistik.
 Steigerung von Effizienz
und Qualität; Ermöglichung
neuer serviceorientierter
Geschäftsmodelle und neuer
Organiationsformen
https://youtu.be/PMEoav353J8 Quelle: Plattform
4.0
Agenda
• Industrieller Revolutionen
• Konzepte
Begriff und Vorarbeiten
Geschichte des Begriffs „Industrie 4.0“
• 2006: Erstmals geprägt wurde der Begriff „Industrie 4.0“, auf dem ersten nationalen IT-Gipfel
der von der deutschen Bundesregierung im Jahr 2006 veranstaltet wurde. Ziel der Regierung
war und ist, eine Steigerung der Qualität und der Wettbewerbsfähigkeit des IT-Standortes
Deutschland im Hinblick auf den internationalen Wettbewerb.
• 2011: Auf der Hannover-Messe im Jahr 2011 der Begriff „Industrie 4.0“ erstmals durch die
Bundesregierung der breiten Öffentlichkeit vorgestellt und als wesentliches und zentrales
Zukunftsprojekt in die Hightech-Strategie 2020 mitaufgenommen. In dieser beschreibt der
Begriff die gänzliche „Durchdringung der industriellen Produktion und Fertigung mit IP-basierten
Netzwerken“ .
• 2012: Unter dem Titel „Umsetzungsempfehlungen für das Zukunftsprojekt Industrie 4.0“
wurde der Regierung schließlich im Oktober 2012 das Ergebnis des Arbeitskreises Industrie 4.0
der Branchenverbände BITKOM, VDMA und ZVEI übergeben.
Quelle: XXX
Umsetzungsempfehlung für das
Zukunftsprojekt Industrie 4.0
(April 2013)
Entwickelt die Vision, Zukunftsszenarien,
Anwendungsbeispiele und zeigt notwendige
Technologien und Forschungsbedarfe auf.
 Die Geburtsstunde von Industrie 4.0
in Deutschland
Quelle: www.acatech.de
Stilblüten des Begriffs Industrie 4.0
Quelle: Mertens, Barbian, 2016, Digitalisierung und

Industrie 4.0 – Moden , modische Überhöhung oder Trend ?“,
Begriffsverständnis
„Der Begriff Industrie 4.0 steht für die vierte industrielle Revolution,
einer neuen Stufe der Organisation und Steuerung der gesamten
Wertschöpfungskette über den Lebenszyklus von Produkten.
Dieser Zyklus orientiert sich an den zunehmend individualisierten
Kundenwünschen und erstreckt sich von der Idee, dem Auftrag über die
Entwicklung und Fertigung, die Auslieferung eines Produkts an den Endkunden
bis hin zum Recycling, […] verbundenen Dienstleistungen.
Basis ist die Verfügbarkeit aller relevanten Informationen in Echtzeit
durch die Vernetzung aller an der Wertschöpfung beteiligten Instanzen
sowie die Fähigkeit, aus den Daten den zu jedem Zeitpunkt
optimalen Wertschöpfungsfluss abzuleiten.“
Quelle: Plattform I4.0
Vorarbeiten: Edward A. Lee 2008
CPS Systemarchitektur
Cyber Physical Systems: Design Challenges
“Cyber-Physical Systems (CPS) are integrations
of computation and physical processes.
Embedded computers and networks monitor and
control the physical processes, usually with
feedback loops where physical processes affect
computations and vice versa. The economic and
societal potential of such systems is vastly
greater than what has been realized, and major
investments are being made worldwide to
develop the technology.”
Quelle: Lee, 2008, Cyber Physical Systems: Design Challenges, in: IEEE (ISORC)
Vorarbeiten: Vogel-Heuser et al. 2009
Global Information Architecture for Industrial
Automation
Im Beitrag von Vogel-Heuser et al. (2009) wird
der Bedarf eines neuen Strukturierungsschemas
der Automatisierungspyramide dargestellt. Als
Lösungsvorschlag wird u. a. die Integration über
Produktionsstrukturen (horizontal), über
Planungs- und Steuerungsstrukturen (vertikal)
und über den Lebenszyklus und Produktions-
systemen (Life Cycle) auf Basis eines
durchgängiges Informationsmodells skizziert.
Dieses Konzept ermöglicht die Verbesserung
und Optimierung von Engineering, Betrieb und
Management einer Produktion und erhöht deren
Flexibilität. Quelle: Vogel-Heuser et al. 2009 „Global Information Architecture
for Industrial Automation“, Automatisierungstechnische Praxis (ATP)
Vorarbeiten: Günthner et al. 2010
Das Internet der Dinge in der Intralogistik
Intelligente, selbststeuernde Materialfluss-
systeme in der Intralogistik werden im
Lösungskonzept von Günthner et al. (2010)
mit dem Internet der Dinge realisiert.
Behälter, Pakete und Fördermittel agieren
darin eigenständig, tragen notwendige
Informationen und Funktionalitäten.
Quelle: Günthner et al, 2010, Das Internet der Dinge in der Intralogistik, WT
Agenda
• Konzepte
Kerntechnologien
Kerntechnologien in Industrie 4.0
Internet der Dinge Big Data /

& Services Data Analytics
Cyber-physische Systeme
Quelle: Gölzer, 2016, Big Data in Industrie 4.0
Kerntechnologien
Cyber-physische Systeme (CPS)
Wesentliches Merkmal eines cyber-physischen
Systems und „namensgebend“ ist die
Zusammenführung der physisch-analogen
Welt und der informations-technischen/digitalen
bzw. cyber-Welt. Allgemein können CPS als
eingebettete Systeme mit erweiterten
Fähigkeiten verstanden werden. Dazu gehören:
• Vernetzung und Informationsaustauch
anderen mit Systemen und der Umwelt
• Sensoren zur Erfassung eigener
Systemzustände oder der Umwelt
• Aktuatoren um auf die Umwelt einzuwirken
• Verarbeitung/Speicherung von Daten
Broy, 2010, Cyber-physical Systems Innovation durch
Software intensive eingebettete Systeme, Springer
Kerntechnologien https://flinga.fi/s/FHCKPWF
Cyber-physische
Produktionssysteme (CPPS)
• In Industrie 4.0 migrieren CPS zu cyber-
physischen Produktionssystemen, die an
die speziellen Anforderungen der
produzierenden Industrie angepasst sind.
• CPPS ermöglichen eine durchgängige
Interaktion und Kommunikation von
Produkt, Produktionsmittel und
Produktionssystem.
• CPPS-Netzwerke schaffen die Grundlage für
neue Formen der Adaptivität, Flexibilität
und Effizienz und können selbständig auf
geänderter Prozessanforderungen reagieren
oder Prozesse optimieren.
Reinhart et al. 2013, Cyber-Physische Produktionssysteme, WT
Kerntechnologien
Cyber-physischer Systeme: Klassifizierung
Stufe 1 Stufe 2 Stufe 3 Stufe 4
Technologien / Fähigkeiten
Barcode, Matrixcode RFID Mikrocontroller Prozessor
Identifikation Identifikation Identifikation Identifikation
Speicherplatz Speicherplatz Speicherplatz
Sensorik/Kommunikation Sensorik/Kommunikation
Entscheidungsfindung
Quelle: Reinhart, 2017, Handbuch Industrie 4.0, Hanser
Kerntechnologien
Internet of Things (IoT)
• In Industrie 4.0 sollen internet-basierte
Plattformen eine wertschöpfungs-
übergreifende Kommunikation und
Kooperation von Systemen und
Teilnehmern ermöglichen.
• Durch vielfältigen Produktions- und IT-
Systeme in einem Industrie-4.0-Netzwerk,
spielt die Standardisierung von Kommu-
nikation und Datenaustausch eine
entscheidende Rolle.
• Im Internet der Computer hat sich die
Protokollfamilie TCP/IP für eine
standardisierte Kommunikation etabliert,
die auch Grundlage für I.40-Netzwerke ist.
Kagermann et al., 2013, Umsetzungsempfehlungen für das Zukunftsprojekt Industrie 4.0
Kerntechnologien
Internet of Things (IoT): Das Internet als Vorbild
Das Internet als weltumspannendes Netzwerk verzichtet gänzlich auf zentrale Instanzen und ist
deshalb hochgradig robust und skalierbar. Die Produktion der Zukunft soll daher ebenso wie das
Internet dezentral und hierarchielos sein.
https://youtu.be/52p-Mrl3A2k Quelle: www.it-aid.de
Kerntechnologien
Big Data / Data Analytics
Ziele
• Big Data bezeichnet im allgemeinen Daten, • Höhere Effizienz
die in so großer Menge, Vielfalt, Komplexität • Höhere Effektivität
• Höhere Qualität
oder Geschwindigkeit anfallen, dass diese • Höhere Attraktivität
nicht mit konventionellen Methoden der
Datenverarbeitung verarbeitet und
ausgewertet werden können. Geschäftsprozesse/ Neue
Entscheidungsprozesse Erkenntnisse
• Data Analytics bezeichnet im allgemeinen aus Daten
Verfahren und Methoden aus dem Bereich
Data Science (Data Mining, Maschine Data
Learning, Künstliche Intelligenz) zur Analytics
Erkenntnisgewinnung aus Daten und deren
Nutzbarmachung in Geschäftsprozessen.
Big Data
Quelle Fraunhofer IIS
Agenda
• Konzepte
Konzepte
Horizontale Integration
Die Horizontale Integration aller an einer Wertschöpfung beteiligten Instanzen (z. B. Lieferanten,
Unternehmen, Kunden, Servicepartner) ermöglicht vielfältige Nutzenszenarien. Dazu gehören die
Gestaltung neuer serviceorientierter Geschäftsmodelle, neuer Organisationsformen für flexible
Kunden-Lieferantenbeziehungen und Kollaboration sowie die Automatisierung/Optimierung
der Auftragsabwicklung hinsichtlich übergeordneter Zielgrößen.
Konzepte
Horizontale Integration über Wertschöpfungsnetzwerke
Konzepte
Vertikale Integration
Die vertikale Integration beschreibt die Vernetzung von intelligenten Produktionssystemen
(CPPS) und IT-Systemen in einem Unternehmen. Ziel sind die Echtzeitsteuerung und -
optimierung von Produktionsprozessen und die flexible Anpassung der Produktionssysteme
an die aktuellen Gegebenheiten und die aktuelle Bedarfssituation.
Konzepte
Vertikale Integration: Zentralisierte Automatisierungspyramide (bisher)
XXX
Konzepte
Vertikale Integration: Dezentralisierte Architektur auf Basis von CPS
Konzepte
Vertikale Integration: Zentrale vs. Dezentrale Systeme
Zentrale Steuerungspyramide Dezentrale Systeme

• Alle relevanten Daten werden zentral • Kooperatives Netzwerk von CPPS entlang
vorgehalten und aktualisiert. der Wertschöpfungskette.
• Übergeordnete Planungssysteme planen und • Direkte Kopplung von Material- und
steuern alle Prozesse der Prozessleitebene. Informationsfluss sowie Entscheidungsfindung.
• Echtzeitkritische Prozesse werden auf der • Ereignisgesteuerte dezentrale Entscheidungs-
Feldebene auf SPS abgewickelt. findung auf Basis aktueller Daten auf dem
Shopfloor.
Konzepte
Durchgängiges Engineering
In Industrie 4.0 sind Produkte und Produktionssysteme als cyber-physische Systeme ausgeführt.
Im Rahmen der Engineering-Prozesse entstehen vielfältige Beschreibung-, Planungs- oder
Simulationsmodelle (Digitaler Zwilling). Diese werden mit den CPS verknüpft und bilden ein
virtuelles Abbild der Realität, das für vielfältige Entscheidungsprozesse entlang des
Lebenszyklus genutzt werden kann.
Digitale Fabrik
https://youtu.be/ObGhB9CCHP8 Kagermann et al., 2013, Umsetzungsempfehlungen für das Zukunftsprojekt Industrie 4.0
Konzepte
Modelle der Digitalen Fabrik in der Entwicklungsphase einer Produktion
Entwicklung SOP
operative Produktion
Prozessplanung
Layoutplanung
Ergonomie-Simulation
Materialflusssimulation
Virtuelle Inbetriebnahme
Roboter Simulation
Virtuell Reality
Augmented Reality
Technologie- Maschinen- Fertigungs- Fabrik-
Serie Serie
… … konzept konzept konzept konzept
vorbereiten optimieren
entwickeln entwickeln entwickeln entwickeln
Konzepte
Durchgängiges Engineering: Anwendungen Digitaler Zwilling
Entwicklung SOP
operative Produktion
Planung/Entwicklung von Strukturen Bewertung von alternativen oder zukünftigen
und Abläufen in Fabriken und Szenarien der Produktionsplanung/-steuerung
Wertschöpfungsnetzwerk z. B. Ablaufsimulation
Modelle
Prozessplanung • Strukturen
Ressourcenplanung • Abläufe Planung/Steuerung
Fabrikplanung • Konfiguration
Digitale Fabrik
• Modelle
Maschinen- und
Anlagenplanung
Adaption Rekonfiguration Optimierung
Modelle Modelle Modelle
Planung/Entwicklung von Dynamische Anpassung von Betriebsmittel an aktuelle

Betriebsmitteln sowie von deren Veränderungen im Rahmen der vorhandenen Flexibilität
Fähigkeiten Flexibilität und Konfiguration z. B. NC-Programme, VIBN
Quelle: VDA AK Digitale Fabrik
Konzepte
Durchgängiges Engineering: Digitaler Zwilling
Quelle: www.unity.de
Konzepte
Durchgängiges Engineering: Anwendungen Digitaler Zwillinge
Virtuelle Inbetriebnahme Schulung/
Entwicklung/Validierung der Assistenzsysteme
Steuerung einer Maschine Einarbeitung von Mitarbeiter
oder Automatisierung an einer virtuellen Anlage
oder zur Überwachung von
Anlagensteuerung Anlagen KPIs
Überwachung und Regelung
einer Maschine/Anlage z. B.
zur Vermeidung von Rattern, Produktbezogene
Schwingungen oder zur
Services
Verschleißoptimierung
Datenlieferant für
produktbezogenen
Produktionssteuerung Services z. B. für
Bedarfsgerechte Steuerung von Instandhaltung oder
Materialfluss oder autonomen Betriebsoptimierung
Fahrzeugen z. B. FTS
Konzepte
Herausforderungen Digitaler Zwillinge
Modell-Ausprägungen Herausforderungen
Agenda
• Konzepte
Konsolidierte Betrachtung
Technologien und Konzepte von Industrie 4.0
Cyber-physische Systeme
physisches System
cyber-physisches System
Implementierungsszenarien
cyber-physisches System übergeordnetes System Software Service / Cloud
physisches
System
Selbststudium
Umsetzungsempfehlung für das Zukunftsprojekt Industrie 4.0
Kargermann et al., Acatech 2013

Kapitel: Teil A, B
Vielen Dank für
die Aufmerksamkeit
Fakultät
Digitalisierung
Lehreinheit 3:
Operative Effizienz

Copyright Prof.
werden. Seite 1
Themenüberblick
• Einführung
• Industrie 4.0
Verbesserung
• Effektivität
• Qualität
Vernetzung
• Kommunikation
Datenräume
Data Science
• Handlungsfelder
Lernziele
Lehreinheit 3: Operative Effizienz

• Die grundlegenden Implementierungsszenarien
cyber-physischer Produktionssysteme (CPPS)
• Das Spektrum möglicher CPPS-Anwendungen
in Produktion und Logistik und deren
Nutzenszenarien zur Erzielung operativer
Effizienz
Wettbewerbsvorteile aufbauen
Die Veränderungen am Markt und die neuen
technologischen Möglichkeiten führen zu
Smarten Produkten und neuen Branchen- Operative
strukturen. Der Aufbau von Wettbewerbs-
Effizienz
vorteilen erfordert von Unternehmen:
• Operative Effizienz als Mindestanforderung,
um im Wettbewerb hinsichtlich Preis und
Qualität zu bestehen ( Dinge gut machen)
• Strategische Positionierung, um sich von
der Konkurrenz durch neue Produkte, neue Strategische
Produktfunktionen, neue Dienstleistungen, Positionierung
neue Geschäftsmodelle oder neue Öko-
systeme abzusetzen (Dinge anders
machen)
Quelle: Gabler Wirtschaftlexikon; Porter, Heppelmann, 2014
Services
Big Data
IoT
Organisation Markt
operative attraktive Produkte

Effizienz und Services
Kerntechnologien
Cyber-physische
Produktionssysteme (CPPS)
• In Industrie 4.0 migrieren CPS zu cyber-
physischen Produktionssystemen, die an
die speziellen Anforderungen der
produzierenden Industrie angepasst sind.
• CPPS ermöglichen eine durchgängige
Interaktion und Kommunikation von
Produkt, Produktionsmittel und
Produktionssystem.
• CPPS-Netzwerke schaffen die Grundlage für
neue Formen der Adaptivität, Flexibilität
und Effizienz und können selbständig auf
geänderter Prozessanforderungen reagieren
oder Prozesse optimieren.
Agenda
• Implementierungsszenarien
• Smarte Produktionssysteme
• Smarte Logistiksysteme
• Smarte Produktionsplanung/-steuerung
Technologien und Konzepte von Industrie 4.0
Cyber-physische Systeme: Eigenschaften und Fähigkeiten
physisches System
Identifikation Vernetzung
ID
Sensor Daten Modelle Prozessor Aktuator

aktuell
Physikal. M
historisch
KI / ML
cyber-physisches System
Cyber-physische Systeme: Implementierungsszenarien
cyber-physisches System übergeordnetes System Software Service / Cloud
physisches
System
aktuell aktuell aktuell
historisch historisch historisch
Physikal. Physikal. Physikal.

ID KI / ML KI / ML KI / ML
M M
Agenda
• Smarte Werkstücke
• Smarte Werkzeuge
• Smarte Maschinen
• Smarte Handhabungssysteme
Smarte Werkstücke
Smarte Werkstücke
• In Industrie 4.0 erfahren Werkstücke einen
Paradigmenwechsel von einem passiven hin
zu einem aktiven und kommunikations-
fähigen Objekt.
• Smarte Werkstücke ermöglicht eine weit-
gehende Flexibilisierung der Fertigung
d.h. eine vollständige Individualisierung
der Auftragsabwicklung.
• Darüber hinaus ergeben sich Potenziale
zur Erhöhung der Produktqualität und
Ressourceneffizienz.
Smarte Werkstücke
Eigenschaften und Fähigkeiten
Herstellungsphase
• Speichern statischer Informationen (z. B.
Geometrie, Material) und dynamischer
Daten in der Herstellungs- und Nutzungs-
phase auf/am Werkstück
• Aufnehmen und Kommunikation von
Belastungen und Umwelteinflüsse bei
Herstellung und Nutzung
• Einwirken auf Prozesse z. B. bei
Überbelastung in Betrieb oder auslösen
von Reparatur und Instandhaltung
• Sammeln von Daten zum anreichern von
Modellen zur Entscheidungsunterstützung.
Nutzungsphase
Smarte Werkstücke
Anwendungsszenario: Adaptive Arbeitsplanung
Herausforderung
Technologisch anspruchsvolle Produkte und
Fertigungsprozesse erfordern eine effiziente Algorithmus
Arbeitsplanung und Fertigungssteuerung. Im
Fall von Störungen oder Qualitätsabweichungen
im Fertigungsablauf ist flexibles und schnelles
Reagieren in Form von Umplanungen oder
Anpassungen erforderlich.
Ansatz
Adaptive Fertigungsplanung auf Basis von
Echtzeit Informationen aus der Fertigung. In
einer zentralen oder dezentralen Entscheidungs-
instanz wird die optimale Route durch die
Fertigung gewählt.
Smarte Werkzeuge
Smarte Werkzeuge
• Anforderungen an die Werkzeuge von
morgen sind maximale Fertigungs-
flexibilität bei gleichzeitig hoher Bauteil-
bzw. Prozessqualität.
• Mittels umfassender Sensorisierung von
Werkzeugen können vielfältige Prozess- oder
Zustandsinformationen gewonnen und für die
Prozessüberwachung oder -optimierung
genutzt werden.
• Das Werkzeug wandelt sich von einer
passiven hin zu einer aktiven Rolle im
Produktionsumfeld. Das Werkzeug wird zu
einem cyber-physischen System.
Smarte Werkzeuge
Potenziale Smarter Werkzeuge
• Individualisierte Fertigung: Werkzeuge mit Aktuatoren können genutzt werden, um
zusätzliche Funktionen / Prozessschritte ohne Werkzeugwechsel abzubilden. Somit ergibt sich
eine höhere Rentabilität auch bei kleinen Stückzahlen.
• Flexibilisierte Fertigung: Das Smarte Werkzeug als Teil einer selbststeuernden
Werkzeugmaschine ermöglicht eine kontinuierliche Erfassung und Auswertung von
Prozesskenngrößen, um schneller auf Veränderungen im Prozess zu reagieren.
• Ressourceneffizientere Fertigung: In Kombination mit dem Werkzeugmanagement
können bedarfs-/verschleißgerechte Wechselzyklen realisiert werden.
Smarte Werkzeuge
Klassifizierung Smarter Werkzeuge
Integrierte
Sensorik für
Prozesskräfte,
Heute bereits im Beschleunigung,
Einsatz z. B. zur Temperaturen,
Speicherung von Dehnungen,
Geometrie und Wege, Schall-
Prozessdaten. emissionen,
(passiv) Drehzahl,
Drehmoment, …
Smarte Werkzeuge
Daten/Informationen Smarter Werkzeuge
Unterstützte
Daten und Fragestellung und
Informationen Entscheidungs-
zum Werkzeug situationen im Kontext
Werkzeugmanagement
Quelle: https://www.rwt.de/de/content/wde-intelligentes-werkzeug
Smarte Werkzeuge
Anwendungsszenario: Zustandsüberwachung
Herausforderung
Der wirtschaftliche Einsatz von Maschine und
Werkzeug erfordert z. B. maximales
Zeitspanvolumen bei spanender Bearbeitung
ohne Schaden bzw. Qualitätsverlust. Durch Maschinen
-steuerung
Werkzeugverschleiß und Zerspanungs-
bedingungen müssen dazu Prozessparameter
kontinuierlich angepasst werden.
Ansatz
Ein Prozessregler auf dem Werkzeug der neben
initialen Prozessparametern und Belastungs-
grenzen auch die aktuelle Lastsituation des
Werkzeugs im Eingriff berücksichtigt und
Vorgaben an die Maschinensteuerung sendet.
Smarte Werkzeuge
Anwendungsszenario: Qualitätssicherung
Herausforderung
Auch in der hochautomatisierten Produktion gibt
es eine Vielzahl manueller Arbeitsprozesse. Die
fehlerfreie Durchführung dieser erfordert jedoch
eine hohe Aufmerksamkeit der Monteure zu
jeder Zeit, während wechselnde Auftrags-
informationen in der individuellen Produktions-
fertigung auf der Tagesordnung stehen.
Ansatz
Nachrüstbare und intelligente Sensormodule für
Handwerkzeuge zur Erfassung, Auswertung,
Überwachung und Optimierung von Ort und
Reihenfolge sowie der Prozessgrößen der
einzelnen Arbeitsschritte.
Quelle: Fraunhofer IIS
Smarte Maschinen
Smarte Maschinen
• Im Gegensatz zur Großserienfertigung mit
hochgradig spezialisierten Produktions-
anlagen, erfordert die wirtschaftliche
Herstellung hoher Produktvielfalt in kleinen
Stückzahlen höhere Effizienz insbesondere
in den vorgelagerten Prozessen.
• Ausgehend von Auftrag werden Produkt-
entwicklung, Fertigungsplanung, Bahn-
planung, Werkzeug- und Spannmittel-
auswahl durchgeführt bevor der eigentliche
Wertschöpfungsprozess erfolgt.
• Stellhebel ist die Nutzung der Daten zur
Virtualisierung der Arbeitsvorbereitung
und der Maschine selbst.
Smarte Maschinen
Potenziale Smarter Maschinen
CAM-Frontloading Selbst- Bedien-

überwachung konzepte
Bearbeitungs
-prozess
Rückführung von Prozessdaten
Smarte Maschinen
Anwendungsszenario: CAM-Frontloading
Herausforderung
CAM Programmierung erfordert zeitlichen
CAM Frontloading
Planungsvorlauf und viel Expertenwissen für
die Selektion der Geometrie und deren
Verknüpfung mit Operationen, Werkzeugen
und Prozessparametern.
Ansatz
Formalisierung von Expertenwissen und
Auswertung bereits gelaufener NC-Programmen
durch Künstliche Intelligenz und deren Nutzung
zur automatischen Programmgenerierung.
Smarte Maschinen
Anwendungsszenario: Bearbeitungsprozess/-qualität
Herausforderung
Trotz CAM-gestützter, optimierter NC-
Programmierung können heute kaum Aussagen
über die erreichbare Qualität der Bauteile
getroffen werden, da dabei elastomechanische
Verformungen und Dynamik des Bearbeitungs-
systems unberücksichtigt bleiben.
Ansatz
Simulative Erprobung (Prognose) des Prozess-
Maschine-Verhaltens ermöglicht die Verkürzung
der Einfahrzeit und Prozessoptimierung noch vor
dem SOP.
Smarte Maschinen
Anwendungsszenario: Bearbeitungsprozess/-qualität
Quelle: Reinhart, 2017, Handbuch

Industrie 4.0, Hanser
Smarte Maschinen
Anwendungsszenario: Selbstüberwachung Mangelschmierung einer
Linearführung
Herausforderung
Condition Monitoring wird heute breitflächig zur
Überwachung von Werkzeugmaschinen genutzt.
Die erfassten Betriebsdaten enthalten jedoch
wenig Informationen über die Zustände einzelner
Maschinenkomponenten (z. B. Wälzlagerungen)
Ansatz
Durch die Sensorisierung und Vernetzung
beteiligter Teilsysteme bzw. Komponenten
einer Werkzeugmaschine können detailliertere
Belastungsdaten erhoben und mittels daten-
und modellgetriebener Verfahren ausgewertet
werden.
Smarte Maschinen
Anwendungsszenario: Selbstüberwachung
Smarte Handhabungssysteme
• Unter Handhabungssystem werden
technische Systeme zum Transport und
Handhabung von Produkten und
Werkstücken zwischen den
Produktionsprozessen verstanden.
• Zur Realisierung einer flexiblen, wandlungs-
fähigen und effizienten Produktion werden
Handhabungssysteme benötigt, die die
Minimierung der wertschöpfungsfreien
Zeit ermöglich und neue Kollaborations-
szenarien mit den Menschen unterstützen.
• Stellhebel bilden räumliche
Anordnungskonzepte, Mensch-Roboter-
Kollaboration und neue Greifsysteme
Räumliche Anordnung
Herausforderung
Traditionelle Fertigungslayouts sind starr
hinsichtlich ihrer Veränderungsfähigkeit bzgl.
Prozessreihenfolge oder notwendiger
Kapazitäten für einzelne Prozessschritte.
Ansatz
Layouts in Ring-, Flächen- oder
Kreisanordnung erlauben flexible Prozessfolgen
und erleichtern die Anpassung von Kapazitäten.
Anwendungsszenario: Mensch-Roboter-Kollaboration
Herausforderung
Umfassende Sensorik ermöglicht neue
Traditionelle Fördersysteme (Stetigförderer / Kollaborationskonzepte mit Robotern
Bandförderer) ist mit ihren starren Aufbau wenig
flexibel hinsichtlich Änderungen der Bauteil-
orientierung beim Transfer, der Wahl der
Transportroute und erlauben kaum
nebenzeitparallele Arbeiten.
Ansatz
Industrieroboter können für vielfältige
Handhabungs- und Bearbeitungsaufgaben
eingesetzt werden. Insbesondere in der
Interaktion mit dem Menschen kann die
Effizienz der Prozess maximiert werden.
Anwendungsszenario: „Griff in die Kiste“
Herausforderung
Die Vereinzelung und Zuordnung ungeordneter
Bauteile bzw. Schüttgut wird bisher aufgrund
der haptischen Fähigkeiten hauptsächlich von
Menschen durchgeführt.
Ansatz
Durch den Einsatz von Industrierobotern als
hochflexibles Handhabungssystem mit
leistungsfähiger Sensorik (Objekterkennung,
Ausrichtung, Höhe), Datenverarbeitung
(Abgleich und Identifikation von
Bauteilmerkmalen) und Vernetzung mit
übergeordneten Steuerungssystemen zur
Bauteilauswahl.
Agenda
• Smarte Ladungsträger
• Smarte Behälter
• Smarte Transportmittel
• Smarte Kommissionierung
Smarte Logistiksysteme
• Auch in einer Industrie 4.0 bleiben die
Aufgaben der Logistik grundlegend die
selben, die sechs Ziele der Logistik.
• Der Stellhebel von Industrie 4.0 liegt im
Einsatz neuer und innovativer Technologien,
um logistischen Kennzahlen wie Liefertreue
oder Lieferfähigkeit weiter zu optimieren und
neben innerbetrieblichen auch über-
betriebliche Prozesse zu verbessern.
• Es geht um eine Wertschöpfungs-
übergreifende effizientere Koordination
der Material- und Informationsflüsse vom
Rohstofflieferanten bis zum Kunden.
Logistische Individualisierung ermöglicht dezentrale Entscheidungen
Speicherung Individuelle
individueller Entscheidungs-
Informationen am findung auf Basis
Gut oder lokaler
Ladehilfsmittel Informationen
Ereignis- Individuelle
gesteuerte statt Services durch
determinierte Service-orientiere
Entscheidungs- IT-Systeme
findung
Individuelle Internet der Dinge

Entscheidungs- verbindet
räume losgelöst Entitäten entlang
vom ERP-System der Logistikkette
https://i40.de
Transparenz über die gesamte Supply Chain
Die horizontale Integration, also die
informationstechnische Vernetzung
verschiedener unternehmensübergreifender
Prozesse schafft Transparenz über die
gesamte Supply Chain und ermöglicht
Sicherheit und Stabilität der Prozesse.
Voraussetzung:
• Durchgängige Gestaltung der
Informationsflüsse ohne Medienbrüche
• Automatische Erfassung und Übertragung
der Daten beteiligter Organisationen
• Operative Auswertung / Nutzung der
Erkenntnisse aus den Daten zur
Anwendungsszenario: Smarte Ladungsträger
Herausforderung
Endverbrauch (z. B. in der Lebensmittel-
branche) erwarten hohe Verfügbarkeit und
kurze Lieferzeiten und gleichzeitig niedrige
Preise bei hoher Qualität.
Ansatz
Intelligenten Ladungsträgern ermöglichen die
Automatisierung von Tätigkeiten (z. B.
Identifikation, Versandmitteilungen) oder die
Übertragung und Zustands- und Status-
informationen (z. B. Temperatur, Standort) für
weitergehende Auswertung (z. B. zur Kühl-
kettenüberwachung, Rückverfolgbarkeit)
Quelle: Fraunhofer IML
Anwendungsszenario: Smarte Behälter
Herausforderung
Die lückenlose Materialversorgung von
Fertigung und Montage ist Voraussetzung für
eine hohe Produktivität der Wertschöpfungs-
prozesse. Bei dispositiven Versorgungs-
ansätzen kann es zu Synchronisations-
problemen und Unterversorgung kommen.
Ansatz
Das Nachrüsten von Behältern mit CPS
Funktionen ermöglicht die Überwachung von
Füllständen, Standort oder Temperatur, und
Feuchtigkeit, aber auch aktive Reaktionen auf
Ereignisse („ich bin umgefallen“) und deren
Kommunikation an übergeordnete Instanzen.
Anwendungsszenario: Smarter innerbetrieblicher Transport
Herausforderung
Um Intralogistikprozesse mit Flurförderzeugen
präzise planen, steuern und kontrollieren zu
können sowie Prozessverbesserungen zu
identifizieren, sind verlässliche Daten über die
innerbetrieblichen Transportbewegungen nötig.
Ansatz
Über nachrüstbare Lokalisierungssysteme
können Bewegungsprofile der Fahrzeuge oder
auch zusätzliche Informationen wie z. B.
Beladungsinformationen, Be-/Entladezeiten
oder Erschütterungen erhoben und ausgewertet
werden.
Anwendungsszenario: Smarte Kommissionierung
Herausforderung
Der Bedarf an flexibel einsetzbaren
Kommissionier- und Werker-Unterstützungs-
systemen nimmt insbesondere in Unternehmen
mit einer Serienfertigung geringer Losgröße
oder Logistikunternehmen zu. Klassische starre
drahtgebundene Pick-by-Light Systeme sind zu
unflexibel.
Ansatz
Mobile vernetzte und konfigurierbare
Warenkörbe oder Bereitstellungsregale
unterstützen eine flexible Kommissionierung
oder die Materialentnahme an der Montage.
Agenda
Smarte Produktionsplanung/-steuerung
Smarte Produktionsplanung/-steuerung (PPS)
• Die richtige Informationen zur richtigen
Zeit bilden die Grundlage für eine
leistungsfähige PPS.
• Mittels CPS können bestehende
Arbeitssysteme der Produktion mit Sensoren
ausgestattet und vernetzt werden.
• Informationen über den Auftragsfortschritt,
Zustände der Produktionssysteme sowie
über Ergebnisse auf dem Shopfloor schaffen
Transparenz in den Planungs- und
Kontrollsystemen und die Möglichkeit
korrigierend einzugreifen.
Smarte Produktionsplanung/-steuerung
Potenziale Smarter PPS
KI-gestützte Absatzprognose bzw.

Bedarfsprognose auf Basis von aktuellen
Marktdaten (z. B. Suchmaschinen, Social
Media)
Verlässliche Termin- und

Durchlaufzeitprognose auf Basis
historischer Auftragsdaten und
Systemrückmeldungen
• Prognose von Termin- oder Mengen-

abweichungen beim Auftragsdurchlauf
• Genaue und zeitnahe Erfassung der
Planerfüllung oder Verspätungen von
Aufträgen
Quelle: Gabler Wirtschaftslexikon
Selbststudium
Kapitel: Teil A Kapitel 2, Teil B
Vielen Dank für
die Aufmerksamkeit
Digitalisierung Industrieller Prozesse
16.04.2021 08:00 – 09:30 Uhr
Gastvortrag Digitale Geschäftsmodelle

Dr. Maximilian Bock
ZD.B Themenplattform Digitale Produktion & Engineering
Bayern Innovativ GmbH
16.04.2021 Digitale Geschäftsmodelle - Dr. Maximilian Bock 1

Dr. Maximilian Bock
• Studierter Wirtschaftsingenieur (Schwerpunkte

Maschinenbau & Management)
• Promotion im Fach Wirtschaftsinformatik mit dem
Themenschwerpunkt Digitale Geschäftsmodelle in
Industrie 4.0
• Seit 01/2021 als Projektmanager Technologie bei
Bayern Innovativ tätig für die ZD.B Themenplattform
Digitale Produktion & Engineering und die
Koordinierungsstelle Additive Fertigung

Lernziele
Nach dem heutigen Gastvortrag kenne/verstehe ich …
• Den Begriff Geschäftsmodell.
• Wofür ein Geschäftsmodell von Unternehmen genutzt werden kann.
• Den Unterschied zwischen digitalen und traditionellen Geschäftsmodellen.
• Die Bestandteile eines digitalen Geschäftsmodells.
• Beispiele von digitalen Geschäftsmodellen in Industrieunternehmen.

Agenda
1. Vorstellung Bayern Innovativ

2. Motivation
3. Grundlagen zu Geschäftsmodellen
4. Grundlagen zu digitalen Geschäftsmodellen
5. Klassifikationsschema für digitale Geschäftsmodelle
6. Digitale Geschäftsmodelle in Industrieunternehmen

Agenda

2. Motivation

GESUNDHEIT
MOBILITÄT
Innovation, Technologie, Transfer
MATERIAL & PRODUKTION
ENERGIE
Netzwerke, DIGITALISIERUNG
Beratung und Förderung
BERATUNG & FÖRDERUNG
Bayern Innovativ in Kürze
1995 • Offensive Zukunft Bayern

Gründung • seit 25 Jahren erfolgreich
• Gesellschaft für Innovation, Technologie- und Wissenstransfer

GmbH
Gesellschafterin: LfA Förderbank Bayern
Aufsichtsrat • Vertreter aus Wirtschaft, Wissenschaft und Politik

& Kuratorium Aufsichtsratsvorsitz: Staatsminister Hubert Aiwanger
Kuratoriumsvorsitz: Dr. Hans-Otto Feldhütter (FHG)
• Institutionell gefördert
24 Mio. € • Projektförderung
Jahresumsatz • Aufträge

Bayern Innovativ in Kürze
235 • 186 Vollzeitäquivalent

Beschäftigte • branchen- und technologieübergreifende Expertenteams
32.000 • Netzwerk umfasst mehr als 32.000 Unternehmen

Kunden und mehr als 75.000 aktive Kontakte
1(n):n • Geschäftsfeld „Netzwerke und Thinknet.Bayern“

Dienstleistungen Digitalisierung | Mobilität | Energie | Gesundheit | Material & Produktion
• Geschäftsfeld „Beratung und Förderung“

1:1 Förderlotse & Projektträger | Patentberatung | Technologie- und
Dienstleistungen Innovationsmanagement |Technologie- und Innovationsvermarktung |
Kultur- und Kreativwirtschaft

Wir vernetzen, fördern und beraten bayerische Unternehmen
und sind Geschäfts- und Anlaufstelle vieler bayerischer Initiativen
GESUNDHEIT FÖRDERLOTSE UND PROJEKTTRÄGER

Geschäftsstelle Forum MedTech Pharma e.V. Projektträger Bayern, Anlaufstelle / Hotline der
(Europas größtes Netzwerk in der Gesundheitsbranche), Bayerischen Forschungs- und Innovationsagentur
ZD.B Digitale Gesundheit
MOBILITÄT PATENTBERATUNG
Geschäftsstelle Cluster Automotive, Patentzentrum Bayern
Kompetenzstelle Elektromobilität,
ZD.B vernetzte Mobilität
MATERIAL & PRODUKTION TECHNOLOGIE- UND INNOVATIONSMANAGEMENT

Geschäftsstelle Cluster Neue Werkstoffe, Geschäftsstelle Cluster Digitale Innovationsplattform,
Mechatronik & Automation, NiM bayern, Koordinierungsstelle Additive Technologietransfer
Fertigung, Netzwerk textile Innovation, ZD.B Production & Engineering
ENERGIE TECHNOLOGIE- UND INNOVATIONSVERMARKTUNG

Geschäftsstelle Cluster Energietechnik, Messegemeinschaftsstände Bayern,
ZD.B Digitalisierung im Energiebereich Enterprise Europe Network
DIGITALISIERUNG KULTUR- UND KREATIVWIRTSCHAFT

Geschäftsstelle Zentrum Digitalisierung.Bayern Geschäftsstelle Bayerisches Zentrum für
(11 wirtschaftsorientierte Themenplattformen) Kultur- und Kreativwirtschaft – bayernkreativ

Themenplattform Digitale Produktion & Engineering
Mission Aktivitäten Ecosystem

• Befähigung insbesondere von KMU zum • Vernetzung und Wissenstransfer • Regionale, bundesweite und EU-weite
Einsatz digitaler Technologien in zwischen Digitalisierungsanbietern, - Initiativen und Netzwerke (bspw.
Produktion und Engineering anwendern und Wissenschaft über Cluster Mechatronik & Automation,
Branchengrenzen hinweg Plattform Industrie 4.0, bitkom, Gaia-X,)
• Informieren zu Themen, Trends, • Sprecher: Prof. Dr. Sandro Wartzack
Technologien und Hürden (Lehrstuhlleitung Konstruktionstechnik,
• Anstoßen und Begleiten von FAU Erlangen-Nürnberg) & Florian Ganz
Forschungs-, Entwicklungs- und (Geschäftsführer enders GmbH)
Innovationsprojekten
Ansprechpartner: Tina Johnscher – [email protected]

Dr. Maximilian Bock – [email protected]
Homepage: Digital Production & Engineering (bayern-innovativ.de)
Jobs & Karriere bei Bayern Innovativ
Aktuell ausgeschriebene Positionen:

• Projektmanager Technologie (m/w/d) mit dem Schwerpunkt in der Automobilindustrie
• Projektmanager Technologie (m/w/d) mit dem Schwerpunkt Mobilfunk und Internet of
Things
Arbeiten bei Bayern Innovativ:

• Work-Life-Balance: Gleitzeit, keine Kernarbeitszeiten, flexible Arbeitszeitgestaltung,
Sabbatical, Homeoffice
• Weiterbildungsangebote: Bachelor-, Master- und Promotionsprogramme, individuelle
Fortbildungen und Seminare
• Gesundheitsworkshops
• Moderne Infrastruktur
• Abwechslungsreiche Tätigkeiten durch flexible Organisationsstruktur und große
Themenvielfalt
Mehr Informationen: https://www.bayern-innovativ.de/ueber-uns/karriere

: iStock©Alena Butusava
Unsere Vision: Ein Bayern,
in dem jede tragfähige Idee und
Technologie zur Innovation wird.
Unsere Vision: Ein Bayern,
in dem jede tragfähige Idee und
Technologie zur Innovation wird.
Digitale Geschäftsmodelle - Dr. Maximilian Bock 13

16.04.2021
Agenda

2. Motivation

How it started How it‘s going
Bildquelle: https://de.depositphotos.com Bildquelle: https://www.ssipeople.com

Bildquelle: https://www.marketingdirecto.com
Personenwaage
Smart Body Analyzer
Bildquelle: https://www.amazon.co.uk

Digital Jetset Digitalisierungsblase Digital Natives
Digitaler Wohlstand Digitale Ethik

Digitale Scheinwelt Digitalatheist
Digitales Mindset
Digitale Identität
Digital Immigrants
Digitale Giganten Sozialinnovative Digitalkompetenz
Digitaler Darwinismus
Digitale DNA Digitaler Kundenwunsch

Digital Age Management
Digital Ignorance
Digitale Mitmachgesellschaft
Digitaldemokratie
Digitale Wohlfühlutopie Digital Literacy
Digitale Grundrechte
Digitale Bedürfnisse
Quelle: Mertens und Barbian (2016)

Bildquelle: http://www.logospng.com

Agenda

2. Motivation


Der Begriff Geschäftsmodell wird auf unterschiedlichen Ebenen verwendet
Branche „Das Geschäftsmodell der Automobilindustrie“
Firma „Das Geschäftsmodell von BMW“
Geschäfts-
„Das Geschäftsmodell der Endmontage“
bereich
Produkt „Das Geschäftsmodell von turnusmäßigen Wartungsdienstleistungen“

Quelle: Wirtz et al. (2016)

Geschäftsmodelle, Geschäftsprozesse & Strategie
Art der Information
Hochgradig aggregiert A Geschäftsstrategie A

U U
S S
R R
Taktisch I Geschäftsmodell I
C C
H H
T T
U Geschäftsprozess- U
Operativ, hochdetailliert N modell N
G IS/IT G
Quelle: Al-Debei und Avison (2010)

Ein heute weit verbreitetes Verständnis von Geschäftsmodellen
Branche
Firma Geschäfts-
modell
Geschäfts-
einheit
Produkt
Prozesse Strategie
Quelle: Wirtz et al. 2016

Definition eines Geschäftsmodells
„blueprint of how a company does business“

Osterwalder et al. 2005, S. 2
„A business model describes the rationale of how an

organization creates, delivers and captures value“.
Osterwalder und Pigneur 2010, S.14

Das Geschäftsmodellkonzept kann in Unternehmen für unterschiedliche
Zwecke verwendet werden
• Begreifen • Teilen
Verständnis &
• Darstellen • Erkennen von
Kommunikation Wirkungszusammenhängen
• Kommunizieren
• Erfassen • Vergleichen von Alternativen

Analyse • Messen
• Beobachten
• Planen • Anpassen
Management • Verbessern • Entscheiden
• Verändern
• Entwickeln
Zukunfts-
• Bereithalten
betrachtung
• Simulieren Quelle: Osterwalder et al. 2005

Der Business Model Canvas ist eines der bekanntesten Methoden zur
Beschreibung von Geschäftsmodellen
Quelle: Osterwalder und Pigneur 2010

Besonderheiten des Geschäftsmodells von Ryan Air veranschaulicht mit
Hilfe des Business Model Canvas
Direkte Beziehung
Einsteigen und (keine Kostenbewusste
Kleine "sekundäre" Günstigste Tarife in
Beladen von Mittelsmänner) & Freizeit- und
Flughäfen Europa ("no frills")
Flugzeugen Mund-zu-Mund- Geschäftsreisende
Propaganda
Flugzeugflotte Website & mobile

(Boeing 737) App
Flughafen- & Flughafen-

Streckengebühren Subventionen
Quelle: Osterwalder und Pigneur 2010

Geschäftsmodellmuster als möglicher Ansatz für
Geschäftsmodellinnovationen
Quelle: Gassmann et al. 2019

Agenda
1. Vorstellung Bayern Innovativ & ZD.B Themenplattform Digitale Produktion &

Engineering
2. Motivation

Definitionen von digitalen Geschäftsmodellen
A business model is digital if changes in digital technologies trigger fundamental

changes in the way business is carried out and revenues are generated.
Veit et al. 2014, S. 48
…a business model whose underlying business logic deliberately acknowledges the

characteristics of digitization and takes advantages of them…
Bärenfänger und Otto 2015, S.18
…business models for [products and] services provided through digital platforms…
El Sawy und Pereira 2013, S. 16
…digital business models — how [firms] engage their customers digitally to create
value, via mechanisms such as websites and mobile devices.
Weill und Woerner 2013, S. 71

Die Unterscheidung zwischen digitalen und traditionellen
Geschäftsmodellen entspricht einem Kontinuum
Digitale Traditionelle
Geschäftsmodelle (nicht-digitale)
Geschäftsmodelle
Bildquellen: http://www.logospng.com; https://www.google.de/; https://www.kaeser.de/;

https://www.istockphoto.com/de; https://www.ge.com/

Weitere Begriffe, die im Kontext digitaler Geschäftsmodelle häufig
verwendet werden
• Traditionelle und digitale Geschäftsmodelle
• „born-digital“ und „born-offline“ Firmen
• E-business-, Internet- und Online-Geschäftsmodelle
• Datengetriebene Geschäftsmodelle
• Plattformgeschäftsmodelle

Agenda

2. Motivation

Die Dimensionen eines digitalen Geschäftsmodells nach
Weill und Woerner 2013
Content Information Product information, price and use details, etc.

What is
consumed? Product Digital products, such as e-books, e-saver
accounts, movies, software
Experience can include customer-facing

Experience Customer digitized business processes, community and
How is it packaged? Experience customer input, expertise for informed decision
making, recommendations, tools and interface
Internal Other business processes, customer data, technology

Platform
How is it delivered?
External Proprietary hardware, public networks, partners

Die fünf Dimensionen eines digitalen Geschäftsmodells
Digitales Angebot Digitales Erlebnis
Digitale
Digitale Plattform
Preisgestaltung
Datenanalyse
Quelle: Bock und Wiener 2017

Die Dimension des digitalen Angebots
Dimension Ausprägungen
Digitales Digitale Digitale Services Analoge Physische Physische
Angebot Produkte Services und Produkte und Produkte mit
Verschaffen komplemen- komplemen- integrierter
• Inhalte Zugang zu: täre digitale täre digitale digitaler
• Software • Physischen Services Services Technologie
• Daten Produkten/
• Virtuelle Services
Gegen- • Information
stände • Menschen
• Digitalen
Produkten
• Digitalen
Ressourcen

Die Dimension des digitalen Erlebnis
Digitales Personalisierung Einbindung Schaffen einer Community
Erlebnis
• Kundenindividuelle • Onlinebewertungen • Bereitstellen einer
Interaktion (Feedback) Diskussionsplattform
• Kundenspezifische • Nutzerbeiträge auf (bspw. zum Thema
Produktlösungen Nachrichten- Gesundheit)
• Kundenindividuelle plattformen • Vernetzung von
Zustellung • Nutzergenerierte Kundengruppen über
Produktdesigns soziale Netzwerke

Die Dimension der digitalen Plattform
Digitale Interne Integration von Integration von Kunden- Kunden-
Plattform Integration Zulieferern Partnern integration integration
(inbound) (outbound)
• Wissens- • Online- Vernetzung von
manage- portal IT Systemen für • Online- • Sammlung
ment • Zugriff auf • Effizienz- Banking von
Plattform IT Systeme steigerung • Online- Kunden-
• Auftrags- (bspw. ERP) • Gemein- Bestellung daten
verwal- same • Portal für • Remote
tungs- Angebote Fehler- Service
system meldungen

Die Dimension der Datenanalyse
Daten-analyse Prozess- und Produktdaten Kundendaten (frei verfügbare) externe
Daten
• Wartungsprotokolle Als Basis für
• Logistikdaten • Neue Produkte und • Daten aus sozialen
• Qualitätsdaten Services Medien
• Verbesserung • Umweltbezogene Daten
bestehender Produkte (bspw. Wetter und Luft-
und Services verschmutzung)
• Schaffen eines digitalen • Marktdaten
Erlebnisses
• Digitale Preisgestaltung

Die Dimension der digitalen Preisgestaltung
Digitale Nachfragebasierte angebotsbasierte nutzungsbasierte
Preisgestaltung Preisgestaltung Preisgestaltung Preisgestaltung
• Ertragsmanagement Abhängig von:

• Echtzeitmärkte • Nutzungsdauer
• Auktionen • Anzahl der Nutzer
• Leistung

Digitales Angebot Digitale Produkte Digitale Services Analoge Services Physische Produkte Physische Produkte
und komplemen- und komplemen- mit integrierter
täre digitale täre digitale digitaler
Services Services Technologie
Digitales Personalisierung Einbindung Schaffen einer Community

Erlebnis
Digitale Interne Integration Integration von Integration von Kundenintegration Kundenintegration

Plattform Zulieferern Partnern (inbound) (outbound)
Datenanalyse Prozess- und Produktdaten Kundendaten (frei verfügbare) externe Daten
Digitale Preis- Nachfragebasierte angebotsbasierte nutzungsbasierte

gestaltung Preisgestaltung Preisgestaltung Preisgestaltung

Das digitale Geschäftsmodell des CINECITTA Multiplexkino
Kunden- Analoge Services und

integration komplementäre digitale
(inbound) Services
Bildung einer
Prozess- und Community
Produktdaten
Interne Integration
Bildquelle: https://www.cinecitta.de/

Agenda

2. Motivation

Digitale Geschäftsmodelle in Industrieunternehmen – jenseits von Startups
und Großkonzernen?
Bildquelle: https://www.aisight.de/en
Bildquelle: https://siemens.mindsphere.io/de

KAESER Sigma Air Utility – Druckluft zum Festpreis
Bildquelle: https://www.kaeser.de/

Das digitale Geschäftsmodell der Firma KAESER KOMPRESSOREN
Physische Produkte und

komplementäre digitale
Services
verbrauchs-
Kunden- basierte
daten Preisgestaltung
Bildquelle: https://www.kaeser.de/
Kundenintegration
(outbound) Quelle: Bock und Wiener 2017

Welche digitalen Services bietet KAESER seinen Kunden im Rahmen des
digitalen Geschäftsmodells?
Druckluftbedarfsanalyse
Datenbasierte Energieeinsparungen
Fernüberwachung
Predictive Maintenance
Reservegrad
Quelle: Bock et al. 2019

Welche Vorteile konnte KAESER durch das digitale Geschäftsmodell für sich
und seine Kunden realisieren?
Vorteile für Vorteile für

Kunden KAESER
• Geringere Kosten und erhöhte • Reduzierung der Servicekosten
Flexibilität • Langzeitpartnerschaft mit
• Reduzierung der mit dem Kunden
Betrieb verbundenen Risiken • Produktentwicklung und
• Erhöhte Transparenz Innovation
• Verbesserte operative Planung
Quelle: Bock et al. 2019

mipart – CNC-gefräste und 3D-gedruckte Bauteile Online Konfigurieren und
direkt Bestellen
„Wir machen Digital

Manufacturing so
unkompliziert und
schnell wie noch nie.
Welches Bauteil
auch immer Sie
benötigen: wenn Sie
es zeichnen können,
können wir es
fertigen.“
Quelle: https://mipart.com/

Das digitale Geschäftsmodell der Firma mipart
Physische Produkte und

komplementäre digitale
Services
Kunden-
Prozess- und integration
Produktdaten (inbound)
Interne Integration
Quelle: https://mipart.com/

Vielen Dank für die
Aufmerksamkeit

Literaturverzeichnis
Al-Debei, M. M., und Avison, D. 2010. “Developing a Unified Framework of the Business Model Concept,” European Journal of Information Systems (19:3),
S. 359–376.
Bärenfänger, R., und Otto, B. 2015. “Proposing a Capability Perspective on Digital Business Models,” 2015 IEEE 17th Conference on Business Informatics,
Lisbon, Portugal.
Bock, M., und Wiener, M. 2017. “Towards a Taxonomy of Digital Business Models – Conceptual Dimensions and Empirical Illustrations,” Proceedings of the
38th International Conference on Information Systems (ICIS), Seoul, South Korea.
Bock, M., Wiener, M., Gronau, R., und Martin, A. 2019. “Industry 4.0 Enabling Smart Air: Digital Transformation at KAESER COMPRESSORS,” in:
Digitalization Cases - How Organizations Rethink Their Business for the Digital Age, S. 101-118.
El Sawy, O. A., und Pereira, F. 2013. Business Modelling in the Dynamic Digital Space - An Ecosystem Approach, Cham, Switzerland: Springer.
Gassmann, O., Frankenberger, K., und Csik, M. 2019. “The St. Gallen Business Model Navigator,” White Paper (updated version 2019)
Mertens, P., und Barbian, D. 2016. “Digitalisierung und Industrie 4.0 – Trend mit modischer Überhöhung?,“ Informatik-Spektrum (39), S. 301-309.
Osterwalder, A., und Pigneur, Y. 2010. „Business Model Generation - A Handbook for Visionaries, Game Changers, and Challengers,” Hoboken, New Jersey,
USA: John Wiley & Sons
Osterwalder, A., Pigneur, Y., und Tucci, C. L. 2005. „Clarifying Business Models: Origins, Present, and Future of the Concept,” Communications of the
Association for Information Systems (16), S. 1-25.
Veit, D., Clemons, E., Benlian, A., Buxmann, P., Hess, T., Kundisch, D., Leimeister, J. M., Loos, P., und Spann, M. 2014. “Business Models - An Information
Systems Research Agenda,” Business & Information Systems Engineering (6:1), S. 45–53.
Weill, P., und Woerner, S. L. 2013. “Optimizing Your Digital Business Model,” MIT Sloan Management Review (54:3), S. 71–78.
Wirtz, B. W., Pistoia, A., Ullrich, S., und Göttel, V. 2016. “Business Models: Origin, Development and Future Research Perspectives,” Long Range Planning
(49:1), S. 36–54.
Fakultät
Digitalisierung
Lehreinheit 5: Vernetzung

Copyright Prof.
werden. Seite 1
Themenüberblick
• Einführung
• Industrie 4.0
Verbesserung
• Effektivität
• Qualität
• Referenzarchitekturen
Vernetzung
• Kommunikationstechnik
Datenräume
Data Science
• Handlungsfelder
Lernziele
• Die vielfältigen Anforderung an die Vernetzung
im Kontext von Industrie 4.0
• Wie mittels Referenzarchitekturen Industrie 4.0
Szenarien strukturiert werden können.
• Wie aktive und passive Komponenten in einen
Industrie 4.0 Netzwerk eingebunden werden.
• Welche Netzwerktechnologien, Protokolle dabei
zur Anwendung kommen
• Welche wichtige Rolle eine eindeutige Semantik
für Interaktion und Datenaustausch hat.
Agenda
• Anforderungen an die Vernetzung
• Referenzarchitekturen für Industrie 4.0
Anforderungen an die Vernetzung
Dimensionen der Vernetzung
Die umfassende Vernetzung aller an einer Wertschöpfung beteiligten Instanzen ist die Grundidee
von Industrie 4.0 und die Voraussetzung für neue Organisationsformen und Geschäftsmodelle.
Vertikale Integration Horizontale Integration Durchgängiges Engineering

Vernetzung von Produktions- Vernetzung aller an einer Vernetzung von Produkten
systemen (z. B. Maschinen, Wertschöpfung beteiligten und Produktionsmitteln mit
Anlagen, Fördertechnik) und Instanzen in einem Wert- ihren digitalen Zwillingen zur
IT-Systemen (z. B. MES, schöpfungsnetzwerk (z. B. Realisierung von Datenzugriff
ERP) in einer Fabrik. Lieferanten, Unternehmen, und Datenkonsistenz über
Kunden, Servicepartner) den Lebenszyklus.
Quelle: Kagermann et al., 2013, Umsetzungsempfehlungen für das Zukunftsprojekt Industrie 4.0
Vielfältige Interaktion und Kommunikation
Quelle: Fleischmann, Gölzer et. al 2015, Kommunikation und Datenaustausch in Industrie 4.0, ZWF
Auflösung der Automatisierungspyramide
Quelle: Plattform Industrie 40
Zentrale Herausforderungen einer umfassenden Vernetzung
Agenda
− RAMI 4.0
− Verwaltungsschale
Referenzarchitekturen
Bestehende Ansätze
Referenzarchitekturen dienen als Orientierungs- und Strukturierungshilfe für die Entwicklung und
Umsetzung von Lösungen im komplexen Themenfeld industrieller IoT Anwendungen.
Referenzarchitekturmodell Industrial Internet Reference

Industrie 4.0 (RAMI 4.0) Architecture (IIRA) Quelle: Plattform Industrie 40
Referenzarchitekturen
Referenzarchitekturmodell Industrie 4.0 (RAMI 4.0)
• RAMI 4.0 wird von der Plattform Industrie 4.0
in Zusammenarbeit mit Branchenverbänden
und deutschen Industrieunternehmen
entwickelt.
• Die Plattform Industrie 4.0 konsolidiert und
koordiniert vielfältige Aktivitäten in den
Branchen und Gremien zum Zwecke eines
gemeinsamen Verständnisses und zur
Entwicklung gemeinsamer Standards und
Normen.
• Internationale Kooperationen (USA,
Frankreich, Italien, China, Japan) sollen
eine weltweite Interoperabilität sicherstellen.
https://youtu.be/fFlQ2o-5QLo
RAMI 4.0
Architektur
Darstellung der
verschiedenen
Schichten und
Sichtweisen der
Digitalen Welt
Asset / Gegenstand Hierarchie

Reale Gegenstände Verortung von Funktionalität
der physischen Welt und Verantwortlichkeiten
aber auch Software, Produktlebenszyklus innerhalb der Fabrik
Dokumente, … Verknüpfungen von Zusammenhängen über
Lebenszyklus und Wertschöpfungsketten Quelle: Plattform Industrie 40
RAMI 4.0
Achse Hierarchie
Die funktionale Einordnung von Assets orientiert
sich an der klassischen Automatisierungs-
pyramide, die um zwei Ebenen erweitert wurde:
• Connected World: Wertschöpfungsnetz-
werke mit Lieferanten, Kunden, Partnern
• Enterprice: ERP, MES
• Work Center: Bearbeitungszentrum,
Fertigungslinie, Lager,
• Station: Produktionsanlagen, -technik
• Control Device: Steuerung z. B. SPS
• Field Device: Sensoren / Aktoren
• Produkt: das herzustellende Produkt
RAMI 4.0
Achse Produktlebenszyklus
Ein Typ ist ein Gegenstand der sich Instanzen sind real existierende
in Planung / Entwicklung befindet Gegenstände eines Typs
RAMI 4.0
Achse Produktlebenszyklus: Beispiel
RAMI 4.0
RAM 4.0: Achse Architektur
Orchestrierung von
Funktionen bzgl.
Geschäftsprozessen
und Regularien
Anwendungen und
technische Funktionen
des Gerätes
Formate, Strukturen und

Semantik enthaltener
Informationen
Netzwerkprotokolle zur
Regelung/Spezifikation
der Kommunikation
zwischen Geräten
Cyber-physische
Systeme mit
aktiver/passiver
Konnektivität
RAMI 4.0
Verwaltungsschale
Anforderungen an die Integration von
Gegenständen in die Digitale Welt Digitale Welt
• Typ/Instanz: Eindeutige Identifikation des
Gegenstand im Netzwerk.
• Kommunikationsfähigkeit: mindestens
passive Kommunikation und Daten-
austausch mit dem Gegenstand.
• Virtuelle Repräsentation: Der Gegenstand
verfügt über Daten und Modelle die seine
Merkmale und Verhaltensweise beschreiben
(Digitaler Zwilling).
Gegenstand
Verwaltungsschale
Lösungsansatz - Verwaltungsschale
• Repräsentiert die Digitale Welt eines Digitale Welt
realen Gegenstands.
• Ist im Netz adressierbar und identifiziert
den Gegenstand eindeutig.
• Schafft herstellerübergreifende
Kommunikation und Interoperabilität.
• Erlaubt den kontrollierbaren Zugriff auf
alle Informationen und Funktionen eines
Gegenstands. Verwaltungs-
schale
• Kann intelligente und nicht intelligente I4.0
(„passive“) Gegenstände einbinden. Komponente
• Bildet den gesamten Lebenszyklus Gegenstand
von Produkten, Geräten, … ab.
Verwaltungsschale
Aufgaben und Funktionen
• Beschreibt Informationsinhalte
technologieneutral mit UML.
• Ermöglicht die Strukturierung von
Informationsinhalten in Teilmodellen.
• Ordnet den Informationen/Funktionen
rollenbasierte Zugriffsrechte zu.
• Unterstützt verschiedene Datenformate für
den Datenaustausch (XML/JSON, OPC-UA,
AutomationML, RDF).
• Signiert und Verschlüsselt Inhaltspakete,
um Integrität / Vertraulichkeit sicherzustellen.
• Stellt Schnittstellen / Services für den
Datenaustausch bereit (OPC-UA, MQTT).
Verwaltungsschale
Zugriff auf Informationen und Funktionen
Zugriff
Verwaltungsschale
Datenaustausch zwischen I.40 Komponenten
Verwaltungsschale
Aktuelle Entwicklungen …
Siehe https://www.plattform-i40.de -> Downloads -> Veröffentlichungen

Agenda
− Technologien
− Protokolle
− Semantik
Kommunikationstechnik
• Nachdem in den ersten drei industriellen
Revolutionen die Automatisierung zur
Produktionssteigerung vorangetrieben wurde,
steht in Industrie 4.0 die durchgehende
Informationsverfügbarkeit bzw.
Kommunikation im Vordergrund.
• Die Realisierung übergreifender
Kommunikation erfordert dabei die
weitgehende Standardisierung von:
− Technologie (Hard/Software)
− Protokolle (Regeln)
− Semantik (Bedeutung)
Vernetzung aller Ebenen
• Für die Kommunikation auf der Feldebene
sind zahlreiche ausgereifte Feldbusse bzw.
Industrial-Ethernet-Lösungen verfügbar.
• Fokus bisheriger Vernetzung sind
Automatisierung oder ausgewählte
Maschinen eines Bereichs.
• Im Kontext von Industrie 4.0 soll eine
weitergehende Vernetzung vor allem
durch drahtlose Kommunikations-
technologien realisiert werden:
− innerhalb einer Ebene
− zwischen Hierarchieebenen
− über Wertschöpfungsketten hinweg
Quelle: Unity AG
Technologien
Marktanteile Industrieller Netzwerke 2021
Quelle: HMS
Technologien
Feldbus
• Ein Bussystem stellt ein Verbindungssystem
zwischen mehreren Teilnehmern (z. B.
Sensoren, Aktoren, SPS) dar.
• Dabei teilen sich die Teilnehmer denselben
Datenübertragungsweg bzw. Leitung und
nutzen diesen gemeinsam.
• Bussysteme sind gekennzeichnet durch
hohe Zuverlässigkeit, Störungssicherheit
und determinierte Antwortzeiten
• Realisierbare Übertragungsraten sind u.a.
abhängig von Topologie (Stern, Linie, Baum
oder Ring), Protokollen und Leitungslänge
(z. B. Profibus-Standard bis 1,5 Mbit/s)
Quelle: Gutekunst: Schnittstellen, Bussysteme und Netze, 2017
Technologien
Ethernet Industrial Ethernet
• Ethernet ist eine kabelgebundene • Ethernet Anwendung im Industriebereich
Netzwerktechnologie und ermöglicht die • Höhere Robustheit (bzgl. Temperaturen,
Verbindung von Computern, Geräten und Erschütterungen, Feuchtigkeit, Staub oder
Maschinen über ein gemeinsames anderen Störquellen)
Netzwerk einer Organisation. • Verbesserter Determinismus durch spezielle
• 10 bis 100 MBit/s (Standard) Protokolle (z. B. Profinet, Ethercat).
• 1 Gbit/S (Gigabit-Ethernet) • 10 MBit/s bis 1 GBit/s (100 MBit/s gängig)
Technologien
Drahtlose Netzwerke
• Im Konzept von Industrie 4.0 ist der neue
Mobilfunkstandard 5G eine Schlüssel-
technologie.
• 5G ermöglicht drahlose performante
Kommunikation von Sensoren, Geräten,
und Maschinen im Internet der Dinge mit:
− Übertragungsraten bis zu 20 Gbit/s
− kurzen Antwortzeiten bis 1ms
− hoher Zuverlässigkeit  Ausblick 6G:
• Fokus Mensch und seine Umgebung
− einer großen Zahl von Teilnehmern
• Übertragungsrate bis Terabit/s
• Damit ermöglicht 5G auch kritische • Höhere Übertragungsfrequenzen 6GHz
Kommunikation in Echtzeit per Funk • mehr Ausfallsicherheit, weniger Latenz
im Produktionsumfeld. Quelle: Siemens
Protokolle
Netzwerkprotokolle
• Ein Netzwerkprotokoll regelt den Austausch von Daten zwischen Prozessen/Computern.
• Der Austausch von Nachrichten erfordert dabei ein Zusammenspiel verschiedener Protokolle.
ISO-OSI Referenzmodell für
RAMI 4.0
Netzwerkprotokolle
Application
Network Process to Application
Presentation
Data Representation and Encryption
Das ISO/OSI-Schichtenmodell
Session beschreibt und definiert die
Interhost Communikation
Transport
Kommunikation zwischen
End-to-End Connections and Reliability Systemen, anhand
Network verschiedener Schichten mit
Path Determination and Logical Addressing klar abgegrenzten Aufgaben
Data Link
Physical Addressing (MAC, LLC)
Physical
Media, Signal and Binary Transmission
Das ISO/OSI-Referenzmodell
für Netzwerkprotokolle als
Schichtenarchitektur.
Protokolle
Netzwerkprotokolle für RAMI 4.0
• Für Industrie 4.0 wird ein Standard Netzprotokoll basierend auf dem OSI Modell entwickelt.
• OPC-UA nimmt in dieser Konfiguration eine wichtige Rolle ein.
RAMI 4.0 ISO-OSI Referenzmodell Ausprägungen in

für Netzwerkprotokolle RAMI 4.0
Application
Network Process to Application
HTTPS,
Presentation … AML, OPC-UA
Data Representation and Encryption …
Session
Interhost Communikation
Transport TCP - Tranport Control Protocol
End-to-End Connections and Reliability UDP -User Datagram Protocol
Network IP- Internet Protocol
Path Determination and Logical Addressing
Data Link Ethernet, 4G, 5G, WiFi
Physical Addressing (MAC, LLC)
Physical LAN, WLAN
Media, Signal and Binary Transmission
Protokolle
OPC Unified Architecture (OPC UA)
Open Platform Communications Unified
Architecture (OPC UA) etabliert sich
zunehmend für die Kommunikation in
Industrie 4.0 und ist Bestandteil von RAMI 4.0.
Wesentliche Vorteile:
• Vertikale Kommunikation vom Sensor bis zur
Cloud; Horizontale Kommunikation M2M
• Herstellerunabhängig und plattformneutral
• Service-/Eventorientierte Kommunikations-
mechanismen (z. B. Publish/Subcribe)
• Integriertes Sicherheitskonzept
• Informationsmodelle und integriere
semantische Datenbeschreibung
Protokolle
OPC Unified Architecture – vom Sensor bis zur Cloud
Quelle: OPC UA
Protokolle
OPC Unified Architecture – Zusammenspiel mit Feldbussystemen
Quelle: Siemens
Semantik
Semantik in Industrie 4.0
• Für eine erfolgreiche Kommunikation
zwischen mehreren Teilnehmern ist eine ?
gemeinsame Sprache notwendig. ? ?
• Maschinen und Anlagen in einem Industrie
? ?
4.0 Netzwerk können nur dann richtig ?
interagieren, wenn sie Informationen
eindeutig interpretieren können.
• Die semantische eindeutige Beschreibung
von Informationen und deren maschinen-
lesbare Auswertung, sind Grundvor-
aussetzung für vertikale und horizontale
Integration sowie für die Lebenszyklus-
betrachtung im Konzept von Industrie 4.0.
Semantik
Was bedeutet Semantik?
• Die Semantik befasst sich mit der Beziehung
zwischen einem Gegenstand (Ding), dem
Begriff
Begriff (Verständnis) des Gegenstands und (Verständnis)
den Zeichen (Wort) für den Gegenstand.
• Semantik wird benötigt, wenn zwei oder
mehrere Partner Informationen austauschen.
Ohne Verständnis des Begriffs können war
zwar Zeichen/Wörter übermittelt, diese aber
nicht richtig erstanden werden.
Zeichen Gegenstand
• Die Semantik stellt eine eindeutige (Wort) (Ding)
Beziehung zwischen Gegenstand, Begriff
und Zeichen her.
Semantik
Was verstehen Sie unter diesen Begriffen?
Verfügbarkeit Rüstzeit
Semantik
Semantik durch Merkmale
• Ein Ansatz um Semantik eindeutig und
auch maschinenlesbar zu beschreiben ist,
Merkmale zur Beschreibung der Eigen-
schaften und Funktionalitäten von
Gegenständen zu verwenden.
• In einem Klassifizierungsprozess erhält
jedes Merkmal einen maschinenlesbaren
Identifier und Attribute (Metadaten).
• Da Merkmale über lange Zeit gültig sein
müssen und sich evtl. Änderungen ergeben
können, ist die Merkmalbeschreibung auch
mit einer Version versehen.
• Attribute von Merkmalen werden z. B. in der
Norm IEC 61360 definiert.
Semantik
Beispiel einer Merkmalbeschreibung
Semantik
Merkmal/Semantik-ID als Teil des Datenmodells (z. B. XML)
[…]
property>
<idShort>>NMax</idShort>
<category>PARAMETER</category>
<description lang="EN">maximum rotation speed</description>
<description lang="DE">maximaleDrehzahl</description>
<semanticId>
<key><idType="IRDI">0173-1#02-baa120#007</key>
</semanticId>
<valueType>double<valueType><value>2000</value>
</property>
[…]
Semantik
Institutionen mit Projekten im Umfeld der Semantik für Industrie 4.0
Quelle: eCl@ss e.V.
Selbststudium
Whitepaper und Veröffentlichung zum Thema RAMI 4.0 und
Verwaltungsschalte unter:
https://www.plattform-i40.de->Downloads->Veröffentlichung
OPC Unified Architecture - Wegbereiter der 4. industriellen (R)Evolution

www.opcfoundation.org
Vielen Dank für
die Aufmerksamkeit
Fakultät
Digitalisierung
Lehreinheit 6:
Daten und Datenmodelle

Copyright Prof.
werden. Seite 1
Themenüberblick
• Einführung
• Industrie 4.0
Verbesserung
• Effektivität
• Qualität
Vernetzung
• Daten und Datenmodelle

Datenräume
• Plattformen
Data Science
• Handlungsfelder
Lernziele
Lehreinheit 6: Daten und Datenmodelle

• Wie Daten kategorisiert werden können und in
welchen Systemen/Datenquellen diese vorliegen.
• Welche Daten im Verlauf einer
Wertschöpfungskette anfallen.
• Welche Datenmodelle für die Umsetzung von
Digitalisierungsszenarien notwendig sind.
Agenda
• Daten
− Kategorien von Daten
− Daten entlang der Wertschöpfung
• Datenmodelle
Daten
Daten im Zentrum der Wertschöpfung
• Traditionelle Daten eines Unternehmens wie
Stammdaten, Transaktionsdaten, CRM oder
Marktdaten werden primär zu Verbesserung
isolierter Unternehmensfunktionen genutzt.
• Smarte Produkte sind eine neue Daten-
Quelle für Nutzungsdaten, diese können für Traditionelle Unternehmensdaten
die Verbesserung fast aller Unternehmens-
funktionen genutzt werden können.
• Der Nutzen diese Daten steigt exponentiell,
durch Kombination der Daten z. B. mit Aktuelle und historische
Wartungshistorie, Bewegungsmustern, Daten der Nutzung eines
Produktes
Verbrauchsdaten oder auch externen
Daten wie Wetter, Verkehr, …
Smarte Produkte liefern laufend vielfältige
und umfangreiche Nutzungsdaten
Daten
Wachstum Smarter Produkte
Daten
Verhältnis traditioneller Daten und Nutzungsdaten • Stammdaten
in den ERP-Systemen
wenige, aber
wertvolle Daten • Transaktionale Daten
in den Leitsystemen
• Engineering Data
in den PDM Systemen
• Nutzungsdaten (Sensor-
daten, Zustandsdaten) der
Systeme und Prozesse
viele Daten, für sich • Externe Daten z. B.
aber wertlos Wetter, Ökonomie,
Verkehr, Social Media
Daten
Stammdaten und Transaktionale Daten
Als Grunddaten werden die Informationen bezeichnet, die Voraussetzung für die tägliche
Produktion sind und während des täglichen Betriebs anfallen. Sie stellen die Basis der operativen
Informationssysteme dar.
• Stammdaten: Stammdaten werden einen
längeren Zeitraum benötigt werden und
weisen eine geringe Änderungshäufigkeit
auf. Sie bilden die Grundlage für die
operativen Systeme.
• Transaktionale Daten: Haben eine
begrenzte Lebensdauer, die durch einen
vorgegebenen Lebenszyklus mit Status-
zuständen beschrieben ist. Transaktionale
Daten haben einen konkreten Zeitbezug, der
für die Bedeutung und Interpretation der
Information essentiell ist.
Daten
Nutzungsdaten Sensordaten im Zeitverlauf
Mithilfe von Sensorik werden kontinuierlich

oder ereignisbasiert verschiedenste Nutzungs-
daten von Smarten Produkten oder Produktions-
systemen gesammelt.
• Sensordaten: Qualitative oder quantitative
Beschreibung aktueller physikalischer oder
chemischer Eigenschaften eines Systems
oder einer Systemumgebung (z. B. Druck,
Temperatur, Geschwindigkeit). Maschinenzustand im Zeitverlauf
• Zustandsdaten: Zustände sind das

Ergebnis einer intelligenten Verarbeitung
von Sensordaten und werden mit Hilfe von
Zustandsmodellen beschrieben (z. B.
Störung, Rüsten, Wartung, Blockiert)
Daten
IT-Systeme und Daten in der Produktion
IT-Systeme Daten
ERP Materialstamm, Arbeitspläne, Stamm-
Enterprice Resource
Planning
Maschinenstamm, … daten
MES Fertigungsaufträge, Ablaufpläne,

Manufacturing
Execution System
Ressourcenallokation
LVS Trans-
Lagerbestände, Ein/Auslagerungs-
Lagerverwaltungs-
aufträge, Kommissionaufträge aktionale
system Daten
Leitsysteme
MFS Fahraufträge, Fahrrouten, Signale an
Materialfluss-
steuerungssysteme
Automatisierungstechnik
SPS Eingänge, Ausgänge, Zustände,

Speicherprogrammier-
bare Steuerung
Anwendungsprogramme Zustands-
/ Sensor-
Sensoren / Lichtschranken, Barcode Scanner daten
Aktoren Stellmotoren, Prozesskenngrößen
Daten
Kategorisierung von Daten einer
Industrie 4.0 Komponente
Gölzer, Big Data in Industrie 4.0, 2017

Daten
Daten entlang der Wertschöpfung
Stammdaten
Transaktionale Daten
Sensor-/Zustandsdaten
Lieferant Logistik Lager Intralogistik Fertigung Montage Versand Kunde
Produktdaten
Entwicklung Produktion Nutzung
Agenda
• Daten
• Datenmodelle
− Datenmodelle für Big Data
− Datenmodelle für Kommunikation und Datenaustausch
Datenmodelle
Datenmodelle Konzeptionelles Datenmodell
Ein Datenmodell ist ein abstraktes Modell der

zu beschreibenden und zu verarbeitenden
Daten eines Anwendungsbereichs und ihrer
Beziehungen zueinander.
Stufen der Datenmodellierung
• Konzeptionelles Datenmodell: Abbildung
der Gegenstände und deren Beziehungen Logisches Modell
z. B. als ER-Diagramm oder UML
• Logisches Datenmodell: Abbildung des
Konzeptmodells auf die Regeln des ver-
wendeten Datenbankschema z.B. RDBMS
• Physikalisches Datenmodell: Technische
Umsetzung von z. B. Zugriffsoperationen auf
einzelne Datenelemente
Datenmodelle
Konzeptionelles
Datenmodell
Grunddaten der
Produktionsplanung /-
steuerung als vereinfachte
UML Darstellung (UML)
Loos, 1999, Grunddatenverwaltung und Betriebsdatenerfassung, Vahlen
Datenmodelle
Informationsmodelle
• Die Begriffe Informationsmodell und
Konzeptionelles Datenmodell werden Informationsmodell einer
Drehmachine (OPC-UA)
oftmals als Synonyme verwendet.
• Das Informationsmodell ergänzt das
abstrakte Datenmodell um konkrete
Ausprägungen / Kontextangaben eines
Gegenstands (z. B. Geräteinformationen,
Prozessgrößen, Eigenschaften eines Assets)
• Das Informationsmodell bildet so die
kommunikative Brücke zwischen
Anwendern und Informatiker.
• Informationsmodelle können außerdem
semantische Beschreibungen enthalten.
Datenmodelle
Grundlegende Anforderungen an Datenmodelle in Industrie 4.0
Neue
Geschäftsprozesse/
Erkenntnisse
Entscheidungsprozesse
aus Daten
Data Science
Big Data
Data Lake
Geeignete Datenmodelle für die performante Geeignete Informationsmodelle für die

Speicherung und Verarbeitung von Big Data zum Beschreibung von Zustand, Eigenschaften und
Zwecke der Erkenntnisgewinnung aus Daten und Fähigkeiten von I4.0-Komponenten zum Zwecke
der Nutzbarmachung in Geschäftsprozessen von Kommunikation und Datenaustausch
Datenmodelle für Big Data
Prozesskette Big Data in einem Industrie 4.0 Szenario
Big Data Data Lake Erkenntnisgewinnung
Big-Data-System
(NoSQL-DBMS)
Fraunhofer IPT
Big Data 5V´s von Big Data
Big Data bezeichnet Daten, die in so großer
Menge, Vielfalt, Komplexität, Geschwindigkeit
anfallen, dass diese nicht mit konventionellen
Methoden der Datenverarbeitung verarbeitet
und ausgewertet werden können.
Charakteristische Eigenschaften
• Sehr großes Datenvolumen
• Hohe Verarbeitungsgeschwindigkeit
• Große Vielfalt potenzieller Datenquellen
• Vertrauenswürdigkeit und Belastbarkeit
• Potenzieller Mehrwert
Gölzer, Big Data in Industrie 4.0, 2017
Data Lake
Ein Data Lake ist ein Repository von Daten, die
im Rohdatenformat gespeichert sind, um diese
für spätere Visualisierung, Analyse und
maschinelles Lernen zu verwenden.
Charakteristische Eigenschaften
• Nimmt Daten unterschiedlicher
Datenquellen und Datenformate auf.
• Die Daten werden in einem nicht oder fast
nicht transformierten Zustand gespeichert.
• Erst zur Datenanalyse werden die Daten
aufbereitet (Struktur, Format, Semantik).
• Ausgelegt für hohe Skalierbarkeit.
Data Lake vs. Data Warehouse
Data Warehouse Data Lake
Große Datenmengen,
Datenvielfalt und heterogene
Datenquellen (Big Data)
Daten werden vor Unbearbeitete

der Ablage nach Rohdaten/-dateien
einem vordefinierten ohne festgelegten
Schema formatiert Nutzen werden
abgelegt
Die strukturierten Je nach Analyse-

Daten werden für methode und Zweck
festgelegte werden relevant Daten
Analysezwecke ausgewählt bzw.
verwendet weiter verarbeitet
https://mindsquare.de
Big-Data-Systeme NoSQL-DBMS
Ein Big-Data-System bezeichnet ein IT-System
(z. B. Hadoop), welches eine effiziente
Verarbeitung und Auswertung von Big Data
ermöglicht. Es besteht im Kern aus einer nicht-
relationalen Datenbank (NoSQL-Datenbank).
Vorteile von NoSQL-Datenbanken:
• Große Flexibilität bei der Datenabbildung
durch ein nicht relationales Datenmodell
• Hohe Performance bei Zugriffsoperationen
und Netzwerkkommunikation durch geringere
Anforderungen an Datenkonsistenz
• Einfache Skalierung der Systeme bei
wachsenden Datenmengen oder Zugriffen.
Datenmodelle von NoSQL-Datenbanken
Document Graph Key-Value Wide-column
Speichert Daten in Speichert Daten Speichert beliebig Speichert Daten mit

Dokumenten z. B. in Knoten mit strukturierte Daten gleichen Schlüsseln
als JSON oder XML Verbindungen unter einem in tabellenähnlicher
Format anderen Knoten Schlüssel Struktur
IT-Architekturen und Datenmodelle für Big-Data-Anwendungen werden im

allgemeinen sehr individuell entwickelt und es gibt keine / kaum Standardisierung
Datenmodelle
Grundlegende Anforderungen an Datenmodelle in Industrie 4.0
Neue
Geschäftsprozesse/
Erkenntnisse
Entscheidungsprozesse
aus Daten
Data Science
Big Data
Data Lake
Geeignete Datenmodelle für die performante Geeignete Informationsmodelle für die

Speicherung und Verarbeitung von Big Data zum Beschreibung von Zustand, Eigenschaften und
Zwecke der Erkenntnisgewinnung aus Daten und Fähigkeiten von I4.0-Komponenten zum Zwecke
der Nutzbarmachung in Geschäftsprozessen von Kommunikation und Datenaustausch
Datenmodelle für Kommunikation und Datenaustausch
Aufgaben und Funktionen der Verwaltungsschale
• Beschreibt Informationsinhalte
technologieneutral mit UML.
• Ermöglicht die Strukturierung von
Informationsinhalten in Teilmodellen.
• Ordnet den Informationen/Funktionen
rollenbasierte Zugriffsrechte zu.
• Unterstützt verschiedene Datenformate für
den Datenaustausch (XML, JSON, RDF,
OPC-UA, AutomationML).
• Signiert und Verschlüsselt Inhaltspakete,
um Integrität / Vertraulichkeit sicherzustellen.
• Stellt Schnittstellen / Services für den
Datenaustausch bereit (OPC-UA, MQTT).
RAMI 4.0 Daten/Informationsschicht
Daten bzw.
Informations- Informationsschicht
modelle
Datenaus-
tauschformate
Merkmals-
HTTP(s)
definition /
Semantik Kommunikations-
schicht
Datenaustauschformate
JSON XML RDF
(Java Script Open Notation) (Extensible Markup Language) (Ressource Description Framework)
Datenformat in einer einfach Datenformat zur Darstellung Datenformat zur Formulierung

lesbaren Textform zum Zwecke hierarchisch strukturierter Daten logischer Aussagen über beliebige
des Datenaustausches im Format einer Textdatei Dinge/Ressourcen
OPC-UA Informationsmodelle
• In RAMI 4.0 unterstützen OPC-UA
Informationsmodelle Kommunikation
und Datenaustausch in der Phase der
operativen Produktion.
• Verschiedenste Arbeitsgruppen arbeiten
derzeit an standardisierten Informations-
modelle sog. OPC-UA Companion https://opcfoundation.org/markets-collaboration/
Specifications z. B. für eine Spritzgieß-

maschine.
• Die Informationsmodelle enthalten
Metadaten, Beschreibungsdaten, Nutzungs-
daten, Prozessgrößen und Fähigkeiten von
Industrie 4.0 Komponenten.
Quelle: OPC Foundation
Automation ML
• In RAMI 4.0 unterstützt AutomationML den
Datenaustausch in der Engineering Phase
einer Produktion.
• AutomationML ist ein neutrales,
standardisiertes XML-basiertes Datenformat
zur Speicherung und zum Austausch der
Engineeringdaten von Anlagenkomponenten
(Topologie, Geometrie, Kinematik, Logik)
• Das Konzept von RAMI 4.0, sieht vor, dass
die AutomationML Informationen beim
Übergang in die operative Produktion mit
den OPC-UA Modellen verknüpft werden.
Quelle: Automation ML e.V.
Selbststudium
Industrie 4.0 Kommunikation mit OPC UA
Leitfaden zur Einführung in den Mittelstand
VDMA • Fraunhofer IOSB-INA, 2017
Vielen Dank für
die Aufmerksamkeit
Fakultät
Digitalisierung
Lehreinheit 7:
Plattformen

Copyright Prof.
werden. Seite 1
Themenüberblick
• Einführung
• Industrie 4.0
Verbesserung
• Effektivität
• Qualität
Vernetzung
• Datenmodelle
IT-Architektur
• Plattformen
Data Science
• Handlungsfelder
Lernziele
Lehreinheit 7: Plattformen

• Die grundlegenden Eigenschaften und
Ausprägungen von Cloud-Computing
• Welche Funktionen IoT-Plattformen zur
Verfügung stellen und deren Beziehung zu
Cloud-Architekturen.
• Wie nichtkommerzielle Daten-Plattformen
unternehmensübergreifende Digitalisierungs-
szenarien unterstützen.
Agenda
• Cloud-Computing
• IoT-Plattformen
• Daten-Plattformen
Cloud-Computing
Was ist die Cloud?
• Cloud-Computing beschreibt ein
serviceorientiertes IT-Konzept, das bei
Bedarf – meist über das Internet und
geräteunabhängig – zeitnah und mit wenig
Aufwand geteilte Computerressourcen als
Dienstleistung, etwa in Form von Servern,
Speicher oder Applikationen, bereitstellt
und nach Nutzung abrechnet.
• Eine Cloud ermöglicht es Unternehmen
einerseits IT-Infrastrukturen und IT-Dienste
auszulagern und andererseits die
Umsetzung wertschöpfungs- und
lebenszyklusübergreifender IoT-Szenarien
im Kontext der Digitalisierung. Ohne Cloud kein
Industrie 4.0!
Cloud-Computing
Umsatz mit Cloud Computing weltweit
Quelle: Statista
Cloud-Computing
Eigenschaften einer Cloud
• On-Demand Self Services: Die
Bereitstellung von Rechenleistung und
Datenspeicher läuft automatisch ab.
• Broad Network Access: Dienste sind
über einheitliche Schnittstellen verfügbar.
• Resource Pooling: Anwender können sich
aus einem Ressourcen-Pool bedienen.
• R
apid Elasticity: Dienste können schnell
und Einfach zur Verfügung gestellt werden
• Measured Services: Ressourcennutzung
kann gemessen, überwacht und skaliert
werden.
Cloud-Computing
Liefermodelle
• Public-Cloud: Angebote Providers, der
seine Dienste offen über das Internet für
jedermann frei zugänglich macht z. B.
Webmailer-Dienste.
• Privat-Cloud: Cloud-typische IT-Dienste die
ausschließlich in einer Organisation
zugänglich sind z. B. wegen Datenschutz
und IT-Sicherheit.
• Hybrid-Cloud: Bestimmte Services laufen
öffentlich über das Internet, während
datenschutzkritische Anwendungen und
Daten im Unternehmen verbleiben.
• Community-Cloud: Nutzbar für einem
definierten Nutzerkreis (z. B. Partner).
Cloud-Computing
Servicemodelle
Cloud-Computing-Architektur
• Software as a Service (SaaS): SaaS bietet
fertige Software als Dienstleistung über das
Internet an. Der Benutzer kann diese bedarfs- App
gerecht in Anspruch nehmen.
• Software as a Plattform (PaaS): PaaS-
Angebote stellen Entwicklungswerkzeuge, Plattform
Datenbanken, Laufzeitumgebungen und
technische Frameworks bereit, mit denen
Benutzer eigene Anwendungen als Dienste
erstellen und ausführen können.
Infrastruktur
• Infrastructure as a Service (IaaS): IaaS-
Angebote stellen Server, Storage und
Netzwerkinfrastruktur, teilweise virtualisiert,
als Web-Services zur Verfügung.
Cloud-Computing
Cloud-Akteure
• Endnutzer: Der Endnutzer nimmt die zur
Verfügung stehende Funktionalitäten in
Cloud-Anbieter
Anspruch.
• Dienste-Betreiber: Dienste-Betreiber
erstellen und veröffentlichen Dienste für
Endnutzer.
• Cloud-Anbieter: Der Cloud-Anbieter ist im
Sinne eines „Everything as a Service“-
Paradigmas (XaaS) für die zentrale
Bereitstellung der IT-Infrastruktur sowie ggf.
darauf bereits vorinstalliert laufender
Software verantwortlich und bietet seinen
Kunden eine bedarfsgerechte Versorgung
mit Rechenleistung, Speicherplatz und
Erreichbarkeit.
Cloud-Computing
Cloud Marktanteile der Public-Cloud-Anbieter
Quelle: Statista
Agenda
• Cloud-Computing
• IoT-Plattformen
IoT-Plattformen
IoT-Plattformen
Eine zentrale Rolle für das Internet of Things
und Industrie 4.0 spielen IoT-Plattformen.
• IoT-Plattformen stellen die Verbindung
zwischen den vernetzten Geräten und den
Systemen her, die IoT-Daten speichern,
verarbeiten, auswerten und nutzen.
• Unternehmen können IoT-Plattformen IoT-Plattform
selbst auf eigenen Servern installieren und
betreiben oder als Software as a Service
(SaaS) aus einer Public Cloud beziehen.
• Der Anwendungsbereich (z. B. Produktion)
einer IoT-Plattform wird maßgeblich von den
unterstützten Kommunikationsprotokollen
(z. B. OPC-UA, HTTP(s)) bestimmt.
IoT-Plattformen
Schichten-Architektur Anwendung Anwendung
IoT-Plattform
APIs
Schnittstellen (APIs) für Interaktion und
Kommunikation zwischen Geschäftsanwendungen
und den angeschlossenen Geräten
Services
IoT-Plattform Verarbeitung, Weiterleitung und Speicherung
eintreffender Daten und Signale sowie Verwaltung
und Softwarewartung der Geräte
IoT-Gateway
Plattformseitige Anbindung von IoT-Geräten für
Kommunikation und Datenaustausch auf Basis
definierter Kommunikationsprotokolle
Gerät Gerät Gerät
IoT-Plattformen
Kernfunktionen
Unternehmens Anbindung von IoT-Geräten in die bestehende IT-Infrastruktur des
-integration beteiligter Unternehmen (ERP, MES, Cloud-Anwendungen).
Anwendungs- Entwicklung von Use-Case spezifischen Anwendungen (z. B. Predicitvie
entwicklung Maintenance mittels APIs, Templates oder Programmierwerkzeugen.
Daten- Abbildung der angeschlossenen IoT-Geräte entsprechenden definierter
modellierung oder standardisierten Daten- und Informationsmodelle.
Datenanalyse/- Auswertung der von den IoT-Geräten erfassten Daten zum Zwecke
visualisierung: der Erkenntnisgenerierung z. B. mittels Maschinellem Lernen. Datenschutz
und IT-
Datenverwaltung Verwaltung der aktuellen und historischen Daten eines IoT-Geräts Sicherheit
und -transformation und deren Transformation in andere Formate
Ereignis- Ereignisse unterscheiden und klassifizieren, zur Anwendung von
verwaltung: Geschäftsregeln und auslösen entsprechende Reaktionen.
Geräte- Verwaltung einer großen Zahl von IoT-Geräten zur Überwachung,
verwaltung: Konfiguration und Softwareaktualisierung
Geräte- Bidirektionale Kommunikation zwischen IoT-Gerät und IoT-Plattform
konnektivität: mittels unterstützter Kommunikationsprotokolle
Lempert, Plaum, IoT Plattformen Taxonomie und Referenzarchitektur HMD Praxis der Wirtschaftsinformatik, 2019
IoT-Plattformen
Lösungsraum der Digitalen Welt
RAMI 4.0
IoT-Plattform
IoT-Plattformen
Edge-Computing
• Edge-Computing ist ein Lösungsansatz,
um die stark wachsende Datenmenge
im Internet der Dinge und der Cloud zu
reduzieren.
• Dazu wird dezentrale Rechnerkapazität
auf den IoT-Geräten (z. B. einer SPS)
genutzt, um Daten vor dem Weg in die
Cloud zu reduzieren, zu transformieren,
auszuwerten oder zum Zwecks des
Datenschutzes zu neutralisieren.
• Durch die Nähe der Verarbeitung am
eigentlichen Prozess können zudem
Echtzeit-Anforderungen besser
unterstützt werden.
Quelle: Farnbauer-Schmidt, Lindner, Kaffenberger, Albrecht: Combining the
Concepts of Semantic Data Integration and Edge Computing, Informatik 2019
IoT-Plattformen
Markt für IoT-Plattformen
• Mit der Bedeutung Smarter Produkte steigt auch die Bedeutung von IoT-Plattformen,
die für Umsetzung von Digitalisierungsszenarien und Industrie 4.0 notwendig sind.
• IoT-Plattformen decken ein immenses Funktionsspektrum ab:
− Verwaltung und Kontrolle der mit der Plattform verbundenen IoT-Geräte,
− die Sammlung, Speicherung und Verarbeitung von Daten von diesen Geräten
− sowie für die Bereitstellung von Werkzeugen zur Entwicklung, Veröffentlichung und
Nutzung von Anwendungen die Geschäftsprozesse verbessern sollen.
• In Verbindung mit der Tatsache, dass IoT-Software-Plattformen komplexe Lösungen
darstellen und unterschiedliche Plattformen unterschiedliche Funktionalitäten aufweisen,
führt diese Vielfalt zu einem intransparenten Markt mit über 450 Anbietern!
IoT-Plattformen
Die führenden IoT-Plattformen 2019*
*Basierend auf Nutzerbefragung Quelle: IoT Analytics Research, 2019
IoT-Plattformen
Oracle IoT Cloud
IoT-Plattformen
Siemens Mindsphere
https://youtu.be/hoT0ji6jXrs
IoT-Plattformen
Microsoft Azure IoT Suite
https://www.youtube.com/watch?v=KXkBZCe699A
IoT-Plattformen
Microsoft Azure IoT Suite mit OPC-UA-Services
https://www.youtube.com/watch?v=QJ1DWTvGQxo
IoT-Plattformen
Bosch IoT Suite
https://youtu.be/BdWCNHN3qf0
Agenda
• Cloud-Computing
• IoT-Plattformen
Daten-Plattformen
Souveräne Datenwirtschaft
• Bei der Bereitstellung von Daten sehen sich
sowohl Erzeuger als auch Besitzer der Daten
oftmals der Gefahr ausgesetzt die Kontrolle
und damit den strategischen Wert ihrer
Datenressourcen aus der Hand zu geben.
• Diesen branchenübergreifenden Zielkonflikt
adressiert die International Data Spaces
Association, indem sie Datengebern das
Teilen von Daten unter Wahrung der
Datensouveränität ermöglicht.
• Grundlage bildet ein föderales
dezentrales Architekturkonzept.
https://internationaldataspaces.org
Daten-Plattformen
Merkmale des International Data Space
https://www.dataspaces.fraunhofer.de/de/InternationalDataSpaces.html
Selbststudium
Vergleichbarkeit der Funktionalität von IoT-Software-Plattformen durch
deren einheitliche Beschreibung in Form einer Taxonomie und
Referenzarchitektur
Lempert, Plaum, 2019, HMD Praxis der Wirtschaftsinformatik
Vielen Dank für
die Aufmerksamkeit
Fakultät
Digitalisierung
Lehreinheit 8:
Datengetriebene Prozesse

Copyright Prof.
werden. Seite 1
Themenüberblick
• Einführung
• Industrie 4.0
Verbesserung
• Effektivität
• Qualität
Vernetzung
• Datenmodelle
IT-Architektur
• Plattformen
• Datengetriebene Prozesse
Data Science
• Anwendungsfall-Identifikation
Lernziele
Lehreinheit 8: Datengetriebene Prozesse

• Wie sich die Entwicklung KI-gestützter und
traditioneller entscheidungsunterstützender
Systeme unterscheidet.
• Die zentrale Bedeutung von Geschäfts- bzw.
Entscheidungsprozessen als Ausgangspunkt
für die Entwicklung KI-Anwendungen.
Agenda
• Business Intelligence vs. Data Analytics
• KI-gestützte Entscheidungen
Business Intelligence vs. Data Analytics
Ziel der Digitalisierung ist die Realisierung datengetriebener Geschäfts-
und Entscheidungsprozesse
Ziele
• Höhere Effizienz
Geschäftsprozess /
• Höhere Effektivität
Entscheidungsprozess
• Höhere Qualität
• Höhere Attraktivität Erkenntnisse aus Daten
• vergangene Prozesse
und Ereignisse
• zukünftige Prozesse,
Ereignisse und
Handlungsoptionen
BigDaten
Data
neue Möglichkeiten durch

Data Analytics
Klassifikation/Reifegrade von Data Analytics
Data Analytics
Descriptive Predicitive Prescriptive

Analyse historischer Analyse historischer Ableitung und
Daten um vergangene Daten, um darauf Bewertung von
Geschäftsabläufe, aufbauend Aussagen Handlungsoptionen
Kennzahlen sowie über die Zukunft oder für die Zukunft mittels
Faktoren für Erfolg oder unbekannte Ereignisse mathematischer
Misserfolg zu verstehen. zu ermöglichen. Optimierung
Business Intelligence
Business
Intelligence
Erkenntnisse aus Daten

Wert
über vergangene Prozesse

Was ist
passiert? und Ereignisse
Descriptive
Analytics
Komplexität
Data Analytics
Business Data Analytics

Intelligence Wie können wir unser
Ziel erreichen?
Prescriptive
Analytics
Was wird passieren? Erkenntnisse aus
Daten über zukünftige
Wert
Predictive
Was ist Analytics Prozesse, Ereignisse
passiert? und Handlungs-
Descriptive optionen
Analytics
Komplexität
Unterschiedliche Charakteristik
Business Intelligence Data Analytics
Reports, KPIs, Trends Fokus Muster, Beziehungen, Modelle
statisch, vergleichend Ablauf explorativ, iterativ
eindeutig, „eine Wahrheit“ Ergebnis wahrscheinlich, „gut genug“
retrospektiv, beschreibend Analyse vorhersagend, vorgebend

Unterschiedliche Vorgehensweise
1. Datenmodell definieren 1. Geschäftsentscheidungen

verstehen und Hypothesen formulieren
2. Datenabfragen definieren 2. Notwendige Daten sammeln
3. SQL Befehle generieren 3. Daten visualisieren / verstehen
4. Datenmodell definieren
4. Berichte erstellen
5. Modelle erzeugen u. evaluieren
?
??
?
Data
Warehouse
??
Unterschiedliche Sicht auf relevante Entitäten
Isolierte „360°-Betrachtung“ Erstellung von Profilen für Entitäten und

einzelner Entitäten z. B. Kunden, deren Verknüpfung mit Daten anderer
Maschinen, Produkte Prozessbeteiligter
Potenzielle Daten für Profile von Entitäten in Industrie 4.0
Entitäten in Industrie 4.0,

bzw. cyber-physische
Produktionssysteme
Quelle: Gölzer, Big Data in Industrie 4.0, 2017
Grundlegende Verfahren zur Erkenntnisgewinnung aus Daten
Fragestellungen
Verfahren/Algorithmen
Auswahl, Kombination und Modifikation von Verfahren erfolgt

dabei individuell für jeden Anwendungsfall!
Agenda
• Business Intelligence vs. Data Analytics
• KI-gestützte Entscheidungen
KI-gestützte Entscheidungen
Geschäftsprozesse
• Allgemein besteht ein Geschäftsprozess
aus einer Menge logisch verknüpfter Einzel-
tätigkeiten (Aufgaben, Arbeitsabläufe,
Entscheidungen) die ausgeführt werden,
?
um ein bestimmtes geschäftliches oder
betriebliches Ziel zu erreichen. ?
• Zentrale Frage für Unternehmen ist die
Identifikation wertstiftender Anwendungs-
fälle für KI bzw. die Frage welche
konkreten Geschäfts-/Entscheidungs-
? ?
prozesse durch KI verbessert und ?
unterstützt werden sollen. ?
Geschäftsprozesse beinhalten/erfordern vielfältige Entscheidungen
Geschäftsprozess
Hauptprozess 1 Hauptprozess 2 Hauptprozess 3
Teilprozess 1.1 Teilprozess 2.1 Teilprozess 3.1

Einzel- Einzel- Einzel-

tätigkeiten tätigkeiten tätigkeiten
Ansatzpunkt für Künstliche Intelligenz sind

Entscheidungen auf der Ebene von Einzeltätigkeiten
http://wi-wiki.de/doku.php?id=bpmn20:prozesslandschaft:hauptprozesse:kernprozesse:produktion:pplan
KI-Anwendungsfälle unterstützen spezifische Geschäftsentscheidungen
Data Analytics
Ergebnis der Data Science Pipeline ist ein
1. Geschäftsentscheidungen
Entscheidungsmodell, das auf eine spezifische
verstehen und Hypothesen formulieren
Geschäftsentscheidung zugeschnitten ist
2. Notwendige Daten sammeln
3. Daten visualisieren / verstehen
4. Datenmodell definieren
5. Modelle erzeugen u. evaluieren
?
Data Science Pipeline
Der Anwendungsfall bestimmt die Implementierung der KI-Prozesskette
Strategie Organisation
Digitalisierungs- Entscheidungsprozess Vorgabe

strategie
Ziele und Rahmen-

bedingungen
Entscheidung,
Anwendungsfälle Validierung
System-
verständnis
historische aktuelle Kennzahl,

Hypothesen Daten Daten Vorhersagen
Vorgaben
IoT, Big Data, Cloud

„operativ,
online“
„iterativ, explorativ, offline“
Data Mining,
Maschinelles Lernen Modelle
Künstliche Intelligenz
Data Science IT-Anwendungssystem Quelle: Fraunhofer IIS
Vielen Dank für
die Aufmerksamkeit
Fakultät
Digitalisierung
Lehreinheit 9:
Anwendungsfall-Identifikation

Copyright Prof.
werden. Seite 1
Themenüberblick
• Einführung
• Industrie 4.0
Verbesserung
• Effektivität
• Qualität
Vernetzung
• Datenmodelle
IT-Architektur
• Plattformen
Data Science
Lernziele
Lehreinheit 9: Anwendungsfall-Identifikation

• Das allgemeine Vorgehen zur Identifikation /
Erarbeitung von Anwendungsfällen für
datengetriebene Entscheidungsprozesse
in Produktion und Logistik.
Agenda
• Top-Down-Ansatz
• Übung zur Anwendungsfall-Identifikation
Top-Down-Ansatz
Top-Down-Ansatz zur Identifikation von Anwendungsfällen
Geschäftsstrategie
Geschäftsziele Geschäftsziele Geschäftsziele
Welche Entitäten haben

durch ihr Verhalten Welche Entscheidungen
oder Performance haben maßgeblichen
Einfluss auf die Einfluss auf die
Daten
gesteckten gesteckten
Ziele? Ziele?
Beteiligte Entitäten Entscheidungs-

und deren Daten prozesse
Potenzielle Anwendungsfälle
Top-Down-Ansatz
Top-Down-Ansatz zur Identifikation von Anwendungsfällen
1. Unternehmensstrategie: Wie soll die Unternehmensmission in den nächsten
2-3 Jahren erreicht werden?
2. Unternehmensziele: Mit welchen konkreten Pläne oder Initiativen soll die

Geschäftsstrategie in den nächsten 9-12 Monaten erreicht werden (Ziele, €, KPIs)?
3. Entitäten: Welche physische Objekte oder Entitäten (z. B. Kunden, Transporte,

Windturbinen, LKW) sind Gegenstand der Unternehmensziele und sind durch
deren Verhalten oder Performance wichtig für den Unternehmenserfolg?
4. Entscheidungen: Welche Entscheidung haben einen hohen Stellhebel, sind

notwendig oder hilfreich, um die Unternehmensziele zu erreichten.
5. Anwendungsfälle: Wie können vorhandene Daten der Entitäten genutzt werden,

um neue Erkenntnisse zu gewinnen und Entscheidungen zu verbessern, die die
Unternehmensziele unterstützen?
Top-Down-Ansatz
Auswahl und Priorisierung
1) Nutzen für Geschäftsziel 2) Implementierungsaufwand / Machbarkeit
3) Auswahl und Priorisierung

Nutzen für Geschäftsziel
A
B
C
D
Implementierungsaufwand / Machbarkeit
Agenda
• Top-Down-Ansatz
• Übung zur Anwendungsfall-Identifikation
Übung: Anwendungsfall-Identifikation
Thema 1: Erhöhung der Prozessqualität
Ausgangssituation
Ein Automobilzulieferer fertigt mechatronische
Produkte. Das Gehäuses aus Kunststoff wird
als Spritzgussteil hergestellt. Die Einrichtung
/Parametrierung der Maschine und der
Werkzeuge wird durch erfahrene Mitarbeiter
manuell durchgeführt.
Problemstellung
Durch die vielen Bohrungen und
Funktionsflächen ist das Gehäuse sehr
komplex. Immer wieder kommt es aus
unbekannten Gründe zu NiO-Teilen und
entsprechenden Fehlteilen.
Ziel
Verringerung der Ausschussteile/Einfahrzeit
Thema 2: Erhöhung des Servicegrades
Ausgangssituation
Ein Unternehmen stellt Gasthermen her, die vom
Kunden konfiguriert werden können. Den Kunden,
zumeist Handwerksbetriebe, wird ein verbindlicher
Liefertermin zugesagt.
Problemstellung
Aufgrund von fehlendem Material/Einzelteilen oder
längerer Bearbeitungszeit können einzelne Geräte
nicht termingerecht fertiggestellt werden, Andere
werden fertig, sind aber gar nicht terminkritisch.
Bestellte Kapazität beim Transportdienstleister
werden nicht ausgenutzt.
Ziel
Erhöhung des Servicegrad bzw. Einhaltung der
zugesagten Liefertermine.
Thema 3: Erhöhung der Kommissionierleistung
Ausgangssituation
Ein Versender liefert täglich mehrere tausend
Pakete an Endkunden aus. Das Produkt-
spektrum umfasst ca. 150.000 Artikel. Die
Kommissionierung ist als 2-stufiger Prozess
organisiert.
Problemstellung
Die Kapazität der Lager- und Fördersysteme
sowie der Lagermitarbeiter wird durch einen
großen Wegezeitanteil nicht optimal
ausgenutzt.
Ziel
Erhöhung der Kommissionierleistung und
Reduzierung der Auftragsdurchlaufzeit.
Auflauf
1) Identifikation relevanter Entitäten (z. B. Maschinen, Objekte)
entlang der Prozesskette, die Einfluss auf das Geschäftsziel
haben.
2) Identifikation relevanter Entscheidungsprozesse, entlang

der Prozesskette die Einfluss auf das Geschäftsziel haben.
3) Formulierung von Hypothesen mit denen Entscheidungen

positiv (im Sinne des Geschäftsziels) beeinfluss werden ??
könnten.  Wenn wir wüssten ob, wann, was, wo …
könnten wir dies, das, jenes, … besser machen!
??
4) Identifikation notwendiger/vorhandener Daten / Datenquellen
die genutzt werden könnten, um die formulierte Hypothese zu
falsifizieren.
Potenzielle Daten / Datenquellen
Entitäten in Industrie 4.0,

bzw. cyber-physische
Produktionssysteme
Quelle: Gölzer, Big Data in Industrie 4.0, 2017
IT-Systeme Daten
ERP Materialstamm, Arbeitspläne, Stamm-
Enterprice Resource
Planning
Maschinenstamm, … daten
MES Fertigungsaufträge, Ablaufpläne,

Manufacturing
Execution System
Ressourcenallokation
LVS Trans-
Lagerbestände, Ein/Auslagerungs-
Lagerverwaltungs-
aufträge, Kommissionaufträge aktionale
system Daten
Leitsysteme
MFS Fahraufträge, Fahrrouten, Signale an
Materialfluss-
steuerungssysteme
Automatisierungstechnik
SPS Eingänge, Ausgänge, Zustände,

Speicherprogrammier-
bare Steuerung
Anwendungsprogramme Zustands-
/ Sensor-
Sensoren / Lichtschranken, Barcode Scanner daten
Aktoren Stellmotoren, Prozesskenngrößen
Präsentation der Ergebnisse
Thema X
Entitäten in der
Prozesskette
Genutzte Daten
der Entitäten
Hypothese ???
Unterstützter
Entscheidungs- Entscheidung
prozess
Vielen Dank für
die Aufmerksamkeit
Fakultät
Digitalisierung
Lehreinheit 10:
Digitalstrategie

Copyright Prof.
werden. Seite 1
Themenüberblick
• Einführung
• Industrie 4.0
Verbesserung
• Effektivität
• Qualität
Vernetzung
• Datenmodelle
IT-Architektur
• Plattformen
Data Science
• Digitalstrategie
• Herausforderungen/Erfolgsfaktoren
Lernziele
Lehreinheit 10: Digitalstrategie

• Die Einordnung einer Digitalstrategie in die
allgemeine Unternehmensstrategie.
• Die wesentlichen Schritte, Fragestellung und
Methoden für die Entwicklung einer
Digitalstrategie.
• Wie für ausgewählter Dimensionen und
Reifestufen der Digitale Reifegrad eines
Unternehmens ermittelt werden kann.
Agenda
• Begriffe
• Vorgehensweise
• Reifegradmodelle
Begriffe
Die Digitalstrategie gibt die Ziel und Rahmenbedingungen für die konkrete
Ausgestaltung und Umsetzung der Digitalisierung im Unternehmen vor.
Begriffe
Unternehmensstrategie
• Unter Strategie werden in der Wirtschaft
klassisch das geplante Marktverhalten der
Ziele
Unternehmen zur Erreichung ihrer
Unternehmensziele verstanden. In diesem Vision Leitbild
Sinne zeigt die Unternehmensstrategie,
auf welche Art ein mittelfristiges oder lang-
fristiges Führungsziel erreicht werden soll.
Unternehmens-
• In diesem Zusammenhang wird oft von den strategie
vorgeordneten Konzepten der Vision und
des Unternehmensleitbildes gesprochen.
• Als nachgeordnet werden Teilstrategien Marketing-
…strategie
(Marketingstrategie, Finanzierungsstrategie strategie
Digital-
Digitalstrategie, etc.) angesehen. strategie
Quelle: Wikipedia
Begriffe
Digitalstrategie
• Die Digitalstrategie wird definiert als der Bestandteile einer Digitalstrategie
strategische Plan eines Unternehmens, bei
dem die Anwendung digitaler Techno-
logien im Vordergrund steht. Sie ist Teil
der allgemeinen Unternehmensstrategie.
• Das Ziel ist es, den Unternehmenserfolg
durch den Einsatz digitaler Technologien
zu erhöhen und neue Geschäfts-
möglichkeiten zu entwickeln.
• Die Digitalstrategie wird anhand eines
strukturierten Vorgehens entwickelt.
Hierbei werden digitale Technologien auf
Produkte, Prozesse oder ganze Geschäfts-
modelle angewendet, was den digitalen
Reifegrad eines Unternehmens erhöht.
Bild: Schallmo, Lohse: Digitalstrategien erfolgreich entwickeln, Springer 2020
Begriffe
Digitalstrategie vs. Unternehmensstrategie
Begriffe
Digitale Transformation
• Die Digitale Transformation beschreibt den
fortlaufender Veränderungsprozess eines
Unternehmens der auf digitale Technologien
zurückzuführen ist.
• Dabei dient die Digitale Transformation der
Umsetzung der Digitalstrategie in den
Produkten, Geschäftsprozessen und
Geschäftsmodellen des Unternehmens.
• Für Unternehmen ist die Digital
Transformation ein bedeutender Stellhebel
zur Sicherstellung der Wettbewerbsfähigkeit
und neuer Geschäftsmöglichkeiten.
Quelle: https://digital-magazin.de
Agenda
• Begriffe
• Vorgehensweise
Vorgehensweise
Vorgehensweise zur Entwicklung einer Digitalstrategie
1 2
Umfeld-Analyse Szenarien-Entwicklung
Analyse von Einfluss- Bewertung der
größen der Makro- und Einflussgrößen zur
Micro-Umwelt des Szenarien Entwicklung
Unternehmens
4 5 6
Digitale Handlungsfelder Anwendungsfälle Maßnahmen / Roadmap
Bestimmung der Identifikation und Ableitung/ Planung
Handlungsfelder für die Auswahl konkreter notwendiger Maßnahmen
Digitale Transformation Anwendungsfälle zur Umsetzung
3
Digitaler Reifegrad
Bestimmung des Digitalen
Reifegrades des
Unternehmens.
Vorgehensweise
1 Umfeld-Analyse (Makro-Umwelt)
Analyse von Einflussgrößen der Makro-Umwelt des Unternehmens (PESTEL). Die Makro-
Umwelt beinhaltet die Dimensionen: politisch, wirtschaftlich, sozio-kulturell, technologisch,
ökologisch und rechtlich.
Quelle: https://www.repetico.de
Vorgehensweise
1 Umfeld-Analyse (Mikro-Umwelt)
Analyse von Einflussgrößen der Micro-Umwelt des Unternehmens (5-Forces). Die Mikro-
Umwelt beinhaltet die Dimensionen: potenzielle Neueintritte, Rivalität unter Wett-bewerbern,
Substitutionsprodukte und -dienstleistungen, Verhandlungsmacht von Abnehmern und
Lieferanten.
Quelle: https://www.repetico.de
Vorgehensweise
1 Umfeld-Analyse: Beispiel
Für ein etabliertes Unternehmen der Energie-
wirtschaft könnten folgende Faktoren für die
Gestaltung der Digitalstrategie relevant sein:
Makro-Umwelt
• Technologische Einflussfaktoren: Smart
Grids, Smart Meter und Predictive Analytics.
• Rechtliche Einflussfaktoren: Umweltgesetz-
gebung und Energiesubventionen
Mikro-Umwelt
• Eintrittsbarrieren für neue Wettbewerber
in Form von hohen Infrastrukturkosten
• Zunehmende Transparenz für Kunden
auf der Angebotsseite.
Quelle: LDRA
Vorgehensweise
2 Szenarien-Entwicklung
Anhand der Einflussfaktoren (Mikro, Makro)
und deren mögliche zukünftige Ausprägung,
Wahrscheinlichkeit, Einfluss und Priorität
können zukünftige Szenarien entwickelt
und Fokusbereiche identifiziert werden.
• Fokus 1: Bei hohen Kostendruck aufgrund
der herrschenden Wettbewerbssituation.
• Fokus 2: Schaffung neuer Umsatz-
potenziale durch den Ausbau bestehender
Fokus 1 Fokus 2 Fokus 3
Assets und Geschäftsmodelle. Verbesserung und Erweiterung Entwicklung
Schutz des der heutigen neuer disruptiver
• Fokus 3: Erschließung neuer Geschäfts- aktuellen Geschäftsmodelle / digitaler
felder oder massive Konkurrenz von neuen Kerngeschäfts um digitale Geschäftsmodelle
Services
digitalen Wettbewerbern.
Mögliche Fokusbereiche für eine Digitalstrategie
Vorgehensweise
Fokus 1: Verbesserung und Schutz
des aktuellen Kerngeschäfts Industrie 4.0 Szenarien in der Produktion
• Nutzung von digitalen Technologien, um das
volle Potenzial des heutigen Geschäfts- und
Wertschöpfungsmodelles zu heben
• Der Fokus liegt hierbei eher auf der
kontinuierlichen, inkrementellen
Optimierung der bestehenden Prozesse.
• Kurzfristige umsetzbare Maßnahmen mit
einem unmittelbaren Return on Investment.
• Frühzeitiges Generieren von sog.
Leuchtturmprojekten und Referenz-
beispielen im Unternehmen.
Vorgehensweise
Fokus 2: Erweiterung des heutigen
Geschäftsmodells um digitale Services Druckluft as a Service von KAESER
• Erweiterung und Ausbau des bestehenden
Geschäftsmodells durch digitale Ansätze
zur Schaffung von neuen/verbesserten
Produkten und Services, die entweder im
oder nahe am bestehenden Kerngeschäft
des Unternehmens liegen.
• Die Zielsetzung ist dabei oftmals die
Verbesserung des Kundennutzens bzw.
Nutzens des Geschäftspartners, um neue
Umsatzpotenziale zu schaffen.
Quelle: Kaeser
Vorgehensweise
Fokus 3: Entwicklung neuer disruptiver / Beispiele disruptiver Geschäftsmodelle
digitaler Geschäftsmodelle
• Auswahl neuer Digitaler Spielfelder, auf
denen sich das Unternehmen zukünftig
betätigen soll und Entwicklung von neuen
disruptiven Geschäftsideen in diesen
Digitalen Spielfeldern.
• Entscheidung, ob die neuen Geschäfts-
modelle über einen build or buy-Ansatz,
über Beteiligungen oder über ein
Venturing entwickelt werden sollen.
Quelle: https://www.fostec.com
Vorgehensweise
3 Digitaler Reifegrad
• Als Ausgangspunkt für die Entwicklung einer Reifegradmodelle für Digitalisierung
Digitalstrategie dient die Ermittlung des
Digitalen Reifegrades des Unternehmens.
• Mittels Reifegradmodellen können Systeme
hinsichtlich des aktuelles Zustands sowie
der möglichen Entwicklungspotenziale
bewertet werden.
• Dazu wird das betrachtete System anhand
ausgewählter Dimensionen analysiert und
in digitale Reifegradstufen eingeordnet.
• Anschließend werden die Entwicklungs-
möglichkeiten abgeschätzt und
Umsetzungsempfehlungen abgeleitet.
Quelle: https://www.industrie40-readiness.de/
Vorgehensweise
3 Digitaler Reifegrad
Zur Bestimmung des Digitalen Reifegrades
empfiehlt es sich verschiedene Perspektiven
zur Beurteilung heranzuziehen:
Unternehmens Reifegradmodell für
• Unternehmensperspektive beinhaltet -perspektive Digitalisierung
Interviews mit dem Management und
wesentlichen Stakeholdern sowie die
Bewertung des aktuellen Digital Portfolios.
Kunden-
• Kundenperspektive beinhaltet Kunden- perspektive
interviews mit deren Einschätzung des
Unternehmens sowie potenzielle Ideen für
neue digitale Services / Geschäftsmodelle Markt-
• Die Marktperspektive bezieht sich auf die perspektive
Beobachtung von Wettbewerbern, Start-Ups
und relevanter technologischer Trends.
Vorgehensweise
4 Digitale Handlungsfelder Digitaler Reifegrad Szenarien / Fokus
• Basierende auf den Zukunftsszenarien,
Fokusbereichen und Reifegrad des
Unternehmens werden aktuelle und
zukünftige Digitale Handlungsfelder
identifiziert und definiert, in denen sich
das Unternehmen mittels der digitalen
Transformation verbessern möchte.
• Durch die Zuordnung der Handlungsfelder Digitale Handlungsfelder
in Fokusbereiche und Prozessbereiche
(Kunde, Operativer Betrieb, Lieferant und
Produkt-Service-Angebot) wird sichergestellt
dass Handlungsfelder möglichst unabhängig
voneinander sind und sich gleichzeitig
gegenseitig ergänzen.
Vorgehensweise
4 Digitale Handlungsfelder Produkt-/Service-Angebote
Fokus 3
Aufbau eines
digitalen
1 Vertriebs-
Fokus 2 kanals
Fokus 1
Lieferant Unternehmen Kunde

3 Optimierung
der Lieferkette 2 Optimierung
der Instand-
haltung
Operativer Betrieb Quelle: Digitalisierung im Mittelstand, Springer Gabler 2020
Vorgehensweise
4 Digitale Handlungsfelder: Beispiel Leitbild für Digitalstrategie
Aus den Handlungsfeldern kann ein strategisches Leitbild für die langfristige und strategische
Ausrichtung des Unternehmens im Kontext der Digitalisierung formuliert werden.
Strategisches Leitbild
Vorgehensweise
5 Anwendungsfälle Digitale Handlungsfelder
• Basierend auf den Handlungsfeldern können

konkrete Anwendungsfälle entwickelt und
ausgewählt sowie Anforderungen an
deren Umsetzung abgeleitet werden.
• Als Formate haben sich hier verschiedenste
Workshop-Konzepte mit interdisziplinären
Teilnehmern etabliert.
• Zur Auswahl und Priorisierung dienen Auswahl Anwendungsfälle
verschiedenste qualitative und quantitative
Kriterien die in der Regel Nutzen und
Implementierungsaufwand der
Maßnahmen bewerten.
Vorgehensweise
Notwendige Maßnahmen zur
6 Maßnahmen / Roadmap Umsetzung eines Anwendungsfalls
• Für die Umsetzung der einzelnen

Anwendungsfälle gilt es im nächsten Schritt
notwendige Maßnahmen sowie deren
Priorisierung, Verantwortlichkeiten, Zeitraum,
Aufwand, Ressourcenbedarf festzulegen.
• Die Gesamtheit aller über der Zeitachse
abgetragenen Maßnahmen bildet die
Digitale Roadmap des Unternehmens.
Digitale Roadmap
• Die Digitale Roadmap dient als
Orientierungshilfe für die Umsetzung
der Digitalstrategie bzw. für die Digitale
Transformation des Unternehmens.
Vorgehensweise
6 Maßnahmen / Roadmap
Für die Umsetzung der Anwendungsfälle sind vielfältige technische aber auch organisatorische
Maßnahmen entlang der gesamten Prozesskette erforderlich hinsichtlich:
Organisation Mitarbeiter
Produktionssysteme
(Maschinen, Fördermittel,
Lagermittel, …)
Erfassung
von Daten
Übertragung
von Daten
Archivierung IoT-Plattformen,
historischer Daten Cloud und Big-
Data-Systemen
Hard/Softwaresysteme Modell- Implementierung

Modelle
für Data Science entwicklung der Modelle
Agenda
• Begriffe
• Vorgehensweise
Reifegradmodelle
Eigenschaften und Merkmale
• Als Ausgangspunkt für die Entwicklung einer Reifegradmodelle für Digitalisierung
Digitalstrategie dient die Ermittlung des
Digitalen Reifegrades des Unternehmens.
• Mittels Reifegradmodellen können Systeme
hinsichtlich des aktuelles Zustands sowie
der möglichen Entwicklungspotenziale
bewertet werden.
• Dazu wird das betrachtete System anhand
ausgewählter Dimensionen analysiert und
in digitale Reifegradstufen eingeordnet.
• Anschließend werden die Entwicklungs-
möglichkeiten abgeschätzt und
Umsetzungsempfehlungen abgeleitet.
Reifegradmodelle
Große Vielfalt an Reifegradmodellen im Kontext der Digitalisierung
Quelle: Ifaa Industrie 4.0-Reifegradmodelle
Reifegradmodelle
VDMA – Leitfaden Industrie 4.0
• Herausgeber: VDMA Verband Deutscher Werkzeugkasten und Vorgehensweise
Maschinen-und Anlagenbau e. V.
• Ziel des Leitfadens ist es Ideen und
Ansätze von Industrie 4.0 greifbar zu
machen und Entwicklungspotentiale
aufzuzeigen.
• Der Leitfaden untersucht die zwei
Dimensionen: Produkte und Produktion
hinsichtlich ihrer Entwicklungspotenziale.
• Der Leitfaden ist als fünfstufiges
Reifegradmodell aufgebaut, mit dem
mögliche Ideen/Ansätze für Industrie 4.0
Entwicklungen verortet werden können
Quelle: VDMA-Leitfaden Industrie 4.0
Reifegradmodelle
VDMA – Leitfaden Industrie 4.0
Quelle: VDMA-Leitfaden Industrie 4.0

Reifegradmodelle
IMPULS – Industrie 4.0-Readiness
Industrie 4.0 Readiness Modell
• Herausgeber: IMPULS-Stiftung des VDMA,
IW Consult und FIR RWTH Aachen
• Online Test für Unternehmen:
https://www.industrie40-readiness.de
• Das Readiness-Modell untersucht die sechs
Dimensionen: Strategie/Organisation, Smart
Factory, Smart Operations, Smart Products,
Data-Driven Services und Mitarbeiter.
• Der Selbstcheck ist als sechsstufiges
Reifegradmodell hinsichtlich der sechs
Dimensionen aufgebaut.
• Ergebnis ist eine Selbstbewertung und ein
Vergleich mit anderen Unternehmen.
Quelle: https://www.industrie40-readiness.de
Reifegradmodelle
IMPULS – Industrie 4.0-Readiness
Quelle: https://www.industrie40-readiness.de
Reifegradmodelle
Acatech – Industrie 4.0 Maturity Index
Modell und Vorgehensweise
• Herausgeber: Acatech Deutschen
Akademie der Technikwissenschaften
• Der Leitfaden untersucht die vier
Dimensionen: Organisation, Ressourcen, IT
und Kultur bzgl. der Digitale Transformation
produzierender Unternehmen.
• Der Leitfaden ist als sechsstufiges
Reifegradmodell aufgebaut, wobei jede
einzelne Entwicklungsstufe einen
Nutzenzuwachs verspricht.
• Ergebnis ist eine auf produzierende
Unternehmen passgenau zugeschnittene
Digitale Roadmap.
Quelle: Acatech – Industrie 4.0 Maturity Index
Reifegradmodelle
Reifegradmodelle
Sechsstufiges Reifegradmodell
Reifegradmodelle
Bewertungsdimensionen des
Gestaltungsfeldes Informationssysteme
Selbststudium
Digitalisierungsstrategien erfolgreich entwickeln
Schallmo, Lohse, Verlag Springer Gabler, 2020
Kapitel: 2, 6
Digitalisierung im Mittelstand
Fortmann, Verlag Springer Gabler, 2020
Kapitel: 5
Industrie 4.0 Maturity Index
Schuh, G., Anderl, R., Gausemeier J., ten Hompel, M., Wahlster, W. (Hrsg.): Industrie 4.0 Maturity
Index. Die digitale Transformation von Unternehmen gestalten (acatech STUDIE), München: Herbert
Utz Verlag 2017.
VDMA Leitfaden Industrie 4.0: Orientierungshilfe zur Einführung in den Mittelstand
Anderl, R., Picard, A., Wang, Y., Fleischer, J., Dosch, S., Klee, B., & Bauer, J. (2015). Leitfaden
Industrie 4.0: Orientierungshilfe zur Einführung in den Mittelstand. VDMA-Verlag, Frankfurt a. M, 7-
28.
Vielen Dank für
die Aufmerksamkeit
Fakultät
Digitalisierung
Klausurvorbereitung

Copyright Prof.
werden. Seite 1
Agenda
Klausurvorbereitung
• Prüfungsleistung
• Lernziele/Lehrinhalte
• Stoffabgrenzung
• Moodle Exams
• Übungsmaterial
Prüfungsleistung
Schriftliche Prüfung (100% der Modulnote)
Dauer: 90 min
Inhalt: Vorlesung (50%) und Übung (50%)
Sprache: Deutsch (Antworten in Englisch sind zulässig)
Aufbau: Offene Fragen
Hilfsmittel: alle
Termin: Samstag 10. Juli, 11:30 Uhr (abweichend von offiz. Prüfungsplan!)
Art: Moodle Klausur (Aufgabe)
am PC-Heimarbeitsplatz mit Videoaufsicht
Themenüberblick
• Einführung
• Industrie 4.0
Verbesserung
• Effektivität
• Qualität
Vernetzung
• Datenmodelle
IT-Architektur
• Plattformen
Data Science
• Digitalstrategie
• Herausforderungen/Erfolgsfaktoren
Vorlesung - Lernziele / Lehrinhalte
Fähigkeit, Digitalisierungsszenarien für industrielle Prozesse zu entwickeln
und die dazu notwendigen Handlungsfelder/Umsetzungsschritte abzuleiten
Zu den behandelten Lehrinhalten gehören:
• Einordnung und Abgrenzung der Begriffe
• Auswirkung der Digitalisierung auf Unternehmen, Produkte und Wettbewerb
• Konzepte und Anwendungsszenarien von Industrie 4.0
• Neue Geschäftsmodelle in Industrie 4.0
• Cyber-physische Systeme und Internet der Dinge
• Datenmodelle und IT-Plattformen
• Vorgehensweise zur Anwendungsfall-Identifikation
• Entwicklung einer Digitalstrategie zur Ableitung von Handlungsfelder und Maßnahmen
Vorlesung – Eingrenzung des Stoffs
IN Out
Fähigkeit, Digitalisierungsszenarien für • Begriffsdefinitionen
industrielle Prozesse zu entwickeln und
• Technische Details über z. B.
die dazu notwendigen Handlungsfelder
bzw. Umsetzungsschritte abzuleiten. − RAMI 4.0
• Eigenschaften, Fähigkeiten und Anwendungs- − Netzwerkprotokolle
szenarien Smarter Produkte, CPS und CPPS.
− Datenmodelle
• Zusammenwirken der Kerntechnologien (CPS,
− Automatisierungspyramide
IoT, Cloud, Big Data) zur Implementierung von
Digitalisierungsszenarien. − Cloud- / IoT-Plattformen
• Entwurf von Digitalen Geschäftsmodellen für
attraktive Produkte und neue Services
• Identifikation von Anwendungsfälle für KI / Data
Science bzw. datengetriebene Prozesse
Übung - Lernziele / Lehrinhalte
Fähigkeit, Methoden und Verfahren zur Erkenntnisgewinnung aus Daten
auf industrielle Fragestellung anzuwenden.
Zu den behandelten Lehrinhalten gehören:
• Grundbegriffe: Künstliche Intelligenz (KI) und Maschinelles Lernen (ML)
• Vorgehen: Workflow einer ML Anwendung
• Software R: Einarbeitung, Basisfunktionen, ML Softwarebibliotheken
• Deskriptive-Verfahren: Theorie, Implementierung, Beispiel, Übungsaufgaben
• Klassifikations-Verfahren: Theorie, Implementierung, Beispiel, Übungsaufgaben
• Regressions-Verfahren: Theorie, Implementierung, Beispiel, Übungsaufgaben
• Clustering-Verfahren: Theorie, Implementierung, Beispiel, Übungsaufgaben
• Eigenständige Bearbeitung eines Übungsbeispiels
Moodle Exams
…hier finden Sie den Kurs für die Prüfung
Fragen ???
Fakultät
Digitalisierung
Übungsmaterial
Anwendungsfall-Identifikation

Copyright Prof.
werden. Seite 1
Aufgabenstellung
Entwickeln Sie für die folgenden Beispiele potenzielle Anwendungsfälle für datengetriebene
Entscheidungsprozesse. Orientieren Sie sich an den Leitfragen und tragen Sie die Ergebnisse
in das bereitgestellte Schema ein.
Leitfragen zu Identifikation potenzieller Anwendungsfälle:
1. Welche Entitäten (z. B. Kunden, Maschinen, Fahrzeuge, Softwaresysteme, Mitarbeiter, …) sind Teil der
Wertschöpfungskette und haben durch ihr Verhalten oder ihre Leistung Einfluss auf die Zielsetzung?
2. Welche Entscheidungen entlang der Wertschöpfungskette haben einen großen Stellhebel und Einfluss
auf die Zielsetzung?
3. Formulierung von Hypothesen mit denen die Entscheidungen positiv (im Sinne der Zielsetzung)
beeinfluss werden könnten. „Wenn wir wüssten ob, wann, was, wo … könnten wir dies, das, jenes, …
besser machen!“
4. Welche Daten der Entitäten sind notwendig oder vorhanden und könnten genutzt werden, um die
formulierte Hypothese zu falsifizieren?
Hinweise zur Anwendung des Schemas:

• Verwenden Sie ein Schema pro Hypothese / Entscheidung
• Es müssen nicht alle Entitäten / Daten ausgefüllt werden
• Nutzen Sie unsere Datenlandkarte (Miro) als Inspiration für mögliche Entitäten deren Daten
Schema zur Anwendungsfall-Identifikation
Entscheidung
Hypothese
Entitäten
Daten
Beispiel: Erhöhung der Prozessqualität
Ausgangssituation
Ein Automobilzulieferer fertigt mechatronische
Produkte. Das Gehäuses aus Kunststoff wird
als Spritzgussteil hergestellt. Die Einrichtung
/Parametrierung der Maschine und der
Werkzeuge wird durch erfahrene Mitarbeiter
manuell durchgeführt.
Problemstellung
Durch die vielen Bohrungen und
Funktionsflächen ist das Gehäuse sehr
komplex. Immer wieder kommt es aus
unbekannten Gründe zu NiO-Teilen und
entsprechenden Fehlteilen.
Ziel
Verringerung der Ausschussteile/Einfahrzeit
Entscheidung
Welches Material/Rohstoff soll für den aktuellen Auftrag ausgelagert werden?
Hypothese
Wenn wir wüssten wie hoch der Verbrauch an Material je Arbeitsschritt ist, können wir das
Material sequenzieren und sicherstellen, dass keine Materialchargen vermischt werden.
Entitäten
Material CAD-Modell PPS QS
Daten Hersteller Abmaße Auftrag Chargenqualität
Charge Volumen Stückzahl Messprotokolle
Bestand Stadien Lieferdatum
Verbrauchs-
mengen
Entscheidung
Einrichtung der Maschine für einen neuen Auftrag
Hypothese
Wenn wir wüssten ob die Charge einen Einfluss auf die Qualität hat,
könnten wir die Maschinenparameter besser darauf einstellen
Entitäten
Material Maschine Werkzeuge QS
Daten Hersteller Parameter Standzeit Chargenqualität
Charge Konfiguration Verschleiß Messprotokolle
Stammdaten Verwendete Überholungen Fehlerberichte

Werkzeuge
Art/Type
Beispiel: Lastspitzen
Ausgangssituation
Ein produzierendes Unternehmen hat viele
energieintensive Prozesse (z. B. Induktions-
härte-Anlagen). Die Energiekosten werden vom
Provider anhand der (temporären) Lastspitzen
festgelegt.
Problemstellung
Es kommt immer wieder zur kurzfristigen
Überlagerung der verschiedener
Energieverbrauchen und somit zu Lastspitzen,
für die das Unternehmen teuer bezahlen muss.
Ziel
Vermeidung von Energie-Lastspritzen
Technische Hochschule Nürnberg – Fakultät Maschinenbau und Versorgungstechnik Prof. Dr.-Ing. Philipp Gölzer
UC60 Seite 7
Entscheidung
Planung der Fertigungsaufträge (PPS/MES)
Zeitpunkt der Ausführung des Prozesses (SPS)
Hypothese
Wenn wir wüssten, wann welche Maschine bei welchen Teil wieviel Energiebedarf hat,
könnten wir die Aufträge / Prozesszyklen der Maschinen aufeinander abstimmen.
Entitäten
Maschine PPS Energieprovider Material/Teil
Daten Verbrauch pro Teil Auftragsstapel Historische Arbeitsplan

Verbräuche /
Lastspritzen
Auslastung der Losgröße Arbeitsanweisun
Maschine g
Wartungszeiten Lieferdatum
Rüstzeiten
Beispiel: Instandhaltung
Ausgangssituation
Ein Energieunternehmen betreibt Wind Parks
mit einer großen Zahl von Turbinen. Die
Turbinen sind ausfallanfällig, weswegen die
Instandhaltung ein wichtiger ökonomischer
Faktor ist.
Problemstellung
Bisher werden Aktivitäten in diesem Bereich
entweder nach einem festen Zeitplan
durchgeführt oder erst nachdem ein Problem
aufgetreten ist. Dies erzeugt hohe Kosten und
ist sehr ineffizient (z. B. lange Anfahrtswege)
Ziel
Optimierte Instandhaltungsplanung
UC28 Seite 9
Entscheidung
Erstellung des Wartungsplanung (Maßnahmen im Zeitraum, Ersatzteile,
Servicemitarbeiter)
Hypothese
Wenn wir wüssten welche Windräder/Teilsysteme im Zeitraum X Wartungsbedarfe haben
oder Ausfallen, könnten wir unsere Instandhaltungsplanung besser koordinieren.
Entitäten Teilsystem 1
Windrad Wetterstation Wartungsteam
(Kugellager)
Daten Betriebsstunden Sensoren für Temperatur Qualifikation
Temperatur, …
Lastgang Vibrationen, … Windgeschwindi Verfügbarkeit
gkeiten
Alter / Baujahr Toleranzen / Niederschlag
Material
Hersteller Reparaturen / Luftdruck / -
Historie feuchte
Hersteller / Prognose
Lieferant
Beispiel: Prozessqualität
Ausgangssituation
In einer Dreherei werden Teile mit höheren
Qualitätsanforderungen hergestellt.
Insbesondere die erzielte Oberflächenrauheit
ist ein wichtiges Qualitätskriterium vor allem für
die folgenden Prozesse.
Problemstellung
Sehr kleine Veränderungen in den
Maschinenparametern haben große Effekte in
der Qualität der Oberfläche. Die Einstellung
erfolgt durch erfahrene Maschinenbediener
Ziel
Steigerung der Produkt/Prozessqualität
UC65 Seite 11
Entscheidung 1) Welches Material wählt der Disponent für den Auftrag. Welche Parameter wähle ich bei
gegeben Material an der Maschine.
2) Welcher Auftrag wird welcher Maschine zugeordnet (PPS)
Hypothese 1) Wenn wir wüssten ob das Material einen Einfluss auf die Qualität hat, könnten wir die
Materialbestellung/-auswahl oder Maschinenparameter besser darauf abstimmen.
2) Wenn wir wüssten welche Maschine den größten Einfluss auf die Qualität hat, kann man
die Zuordnung der Aufträge zur Maschine entsprechend machen.
Entitäten
Material Lager / LVS Werkzeug Maschine QS
Daten Charge Lagerdauer Hersteller Parameter Schadenbild
Hersteller / Land Lagerort Standzeit Einfahrprozesse Messprotokolle
Zusammensetzun Lagerbedingung Beschichtung / Kühl-

g / WE-Prüfung en Material /Schmierstoffe
…
Spezifikation / Bediener
Zeichnungen

DIGIP Vorlesung Skript Komplett

Hochgeladen von

Dokumentinformationen

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

DIGIP Vorlesung Skript Komplett

Hochgeladen von

Copyright:

Verfügbare Formate

Fakultät

Maschinenbau und Versorgungstechnik

Prof. Dr.-Ing. Philipp Gölzer

Ich kenne/verstehe heute …

• Treiber der Digitalisierung

• Auswirkungen auf Unternehmen

Digitaler Zwilling Cloud

Edge-Computing Data Mining

Quelle: Becker et al., Industrielle Digitalisierung, 2020

Unter Digitalisierung wird der tiefgreifende Wandel aller

Digitalisierung ist die strategisch orientierte Transformation von

Quelle: Becker et al., Industrielle Digitalisierung, 2020

• Treiber der Digitalisierung

• Auswirkungen auf Unternehmen

Quelle: Allgayer, Planung von

Quelle: Meier H, Uhlmann E, Kortmann D (2005) Hybride Leistungsbündel:

Quelle: Schaeffler, Audi

• Treiber der Digitalisierung

• Auswirkungen auf Unternehmen

Physische Vernetzungs- Intelligente

• Mechanisch • Schnittstellen • Sensoren

Quelle: Porter, Heppelmann, 2014

• Genauere Abstimmung auf

• 1 Akteur • Ökosystem mit vielen Akteuren

• Treiber der Digitalisierung

• Auswirkungen auf Unternehmen

Quelle: Porter, Heppelmann, 2014

Quelle: Osterwalder Business Model Canvas

Quelle: Rolls Royce

Quelle: Gruhn, von Hayn; KI Ändert die Spielregeln, 2020

operative attraktive Produkte

Wie Smarte Produkte Unternehmen verändern

Handbuch Industrie 4.0

Prof. Dr.-Ing. Philipp Gölzer

Ich kenne/verstehe heute …

• Begriff und Vorarbeiten

https://youtu.be/_3creV73TNU (Intro ab 1:00 bis 1:40) Quelle: Plattform

https://youtu.be/3H1c_6_AxrQ (01:55 -2:55) Quelle: Plattform

• Begriff und Vorarbeiten

Quelle: Mertens, Barbian, 2016, Digitalisierung und

Quelle: Plattform I4.0

• Begriff und Vorarbeiten

Internet der Dinge Big Data /

Stufe 1 Stufe 2 Stufe 3 Stufe 4

https://youtu.be/52p-Mrl3A2k Quelle: www.it-aid.de

Quelle Fraunhofer IIS

• Begriff und Vorarbeiten

Kagermann et al., 2013, Umsetzungsempfehlungen für das Zukunftsprojekt Industrie 4.0

Kagermann et al., 2013, Umsetzungsempfehlungen für das Zukunftsprojekt Industrie 4.0

Kagermann et al., 2013, Umsetzungsempfehlungen für das Zukunftsprojekt Industrie 4.0

Zentrale Steuerungspyramide Dezentrale Systeme

Modelle Modelle Modelle

Planung/Entwicklung von Dynamische Anpassung von Betriebsmittel an aktuelle

• Begriff und Vorarbeiten

Handbuch Industrie 4.0

Prof. Dr.-Ing. Philipp Gölzer

Ich kenne/verstehe heute …

operative attraktive Produkte

Sensor Daten Modelle Prozessor Aktuator

historisch historisch historisch

Physikal. Physikal. Physikal.

Quelle: Reinhart, 2017, Handbuch Industrie 4.0, Hanser

Quelle: Reinhart, 2017, Handbuch Industrie 4.0, Hanser

Quelle: Reinhart, 2017, Handbuch Industrie 4.0, Hanser