We use cookies to personalise content and ads, to provide social media features and to analyse our traffic
We also share information about your use of our site with our social media, advertising and analytics partners who may combine it with other information that you’ve provided to them or that they’ve collected from your use of their services.
Necessary cookies help make a website usable by enabling basic functions like page navigation and access to secure areas of the website. The website cannot function properly without these cookies.
AWSALBRegisters which server-cluster is serving the visitor. This is used in context with load balancing, in order to optimize user experience.
Maximum Storage Duration: 7 daysType: HTTP Cookie
AWSALBCORSRegisters which server-cluster is serving the visitor. This is used in context with load balancing, in order to optimize user experience.
Maximum Storage Duration: 7 daysType: HTTP Cookie
blaize_sessionControl cookie used in connection to the website’s Content Delivery Network (CDN).
Maximum Storage Duration: 140 daysType: HTTP Cookie
STYXKEY_PersistentRacSessionThis cookie stores a unique identifier that helps to recognise returning users across different sessions, enabling the website to maintain continuity of user preferences and interactions.
Maximum Storage Duration: 1 yearType: HTTP Cookie
STYXKEY_racRegistrationWallThis cookie is responsible for managing the functionality of the registration wall, determining when and how users are prompted to register before accessing specific content or services.
Maximum Storage Duration: 30 daysType: HTTP Cookie
STYXKEY_racUserIDThis cookie stores the user's unique identifier when logged in, allowing the site to personalize the user experience by associating actions and preferences with their account.
Maximum Storage Duration: 30 daysType: HTTP Cookie
STYXKEY_rolandEncryptedThis cookie securely stores an encrypted session value, which is essential for maintaining the logged-in state of users. It ensures that session data remains protected during the user's interaction with the site.
Maximum Storage Duration: 30 daysType: HTTP Cookie
STYXKEY_rolandSessionThis cookie maintains the logged-in session for users, ensuring they remain authenticated as they navigate through the site without needing to re-enter credentials on each page load.
Maximum Storage Duration: 30 daysType: HTTP Cookie
_cfuvidThis cookie is a part of the services provided by Cloudflare - Including load-balancing, deliverance of website content and serving DNS connection for website operators.
Maximum Storage Duration: SessionType: HTTP Cookie
__cf_bm [x5]This cookie is used to distinguish between humans and bots. This is beneficial for the website, in order to make valid reports on the use of their website.
INGRESSCOOKIE_APIGATEWAYThis cookie is used to distinguish between humans and bots.
Maximum Storage Duration: 1 dayType: HTTP Cookie
Preference cookies enable a website to remember information that changes the way the website behaves or looks, like your preferred language or the region that you are in.
__qcaCollects data on the user's visits to the website, such as the number of visits, average time spent on the website and what pages have been loaded with the purpose of generating reports for optimising the website content.
Maximum Storage Duration: PersistentType: HTML Local Storage
_gat [x2]Used by Google Analytics to throttle request rate
Maximum Storage Duration: SessionType: HTTP Cookie
_gid [x2]Registers a unique ID that is used to generate statistical data on how the visitor uses the website.
Maximum Storage Duration: SessionType: HTTP Cookie
ln_orRegisters statistical data on users' behaviour on the website. Used for internal analytics by the website operator.
Maximum Storage Duration: SessionType: HTTP Cookie
qcSesCollects data on the user's visits to the website, such as the number of visits, average time spent on the website and what pages have been loaded with the purpose of generating reports for optimising the website content.
Maximum Storage Duration: SessionType: HTML Local Storage
__hsscIdentifies if the cookie data needs to be updated in the visitor's browser.
Maximum Storage Duration: SessionType: HTTP Cookie
__hssrcUsed to recognise the visitor's browser upon reentry on the website.
Maximum Storage Duration: SessionType: HTTP Cookie
__hstcSets a unique ID for the session. This allows the website to obtain data on visitor behaviour for statistical purposes.
Maximum Storage Duration: 180 daysType: HTTP Cookie
__qcaCollects data on the user's visits to the website, such as the number of visits, average time spent on the website and what pages have been loaded with the purpose of generating reports for optimising the website content.
Maximum Storage Duration: 1 yearType: HTTP Cookie
_dltSets a unique ID for the session. This allows the website to obtain data on visitor behaviour for statistical purposes.
Maximum Storage Duration: SessionType: HTTP Cookie
blaize_tracking_idDetermines when the visitor last visited the different subpages on the website, as well as sets a timestamp for when the session started.
Maximum Storage Duration: 400 daysType: HTTP Cookie
hubspotutkSets a unique ID for the session. This allows the website to obtain data on visitor behaviour for statistical purposes.
Maximum Storage Duration: 180 daysType: HTTP Cookie
_ga [x2]Registers a unique ID that is used to generate statistical data on how the visitor uses the website.
Maximum Storage Duration: 400 daysType: HTTP Cookie
Marketing cookies are used to track visitors across websites. The intention is to display ads that are relevant and engaging for the individual user and thereby more valuable for publishers and third party advertisers.
_ccmsiUsed to track which users have shown interest in what job postings. The cookie ensures that the most relevant job postings are shown to the specific user.
Maximum Storage Duration: PersistentType: HTML Local Storage
Some of the data collected by this provider is for the purposes of personalization and measuring advertising effectiveness.
IDEUsed by Google DoubleClick to register and report the website user's actions after viewing or clicking one of the advertiser's ads with the purpose of measuring the efficacy of an ad and to present targeted ads to the user.
Maximum Storage Duration: 1 yearType: HTTP Cookie
NIDRegisters a unique ID that identifies a returning user's device. The ID is used for targeted ads.
Maximum Storage Duration: 6 monthsType: HTTP Cookie
pagead/1p-conversion/#/Pending
Maximum Storage Duration: SessionType: Pixel Tracker
pagead/1p-user-list/#Tracks if the user has shown interest in specific products or events across multiple websites and detects how the user navigates between sites. This is used for measurement of advertisement efforts and facilitates payment of referral-fees between websites.
Maximum Storage Duration: SessionType: Pixel Tracker
pagead/gen_204Collects data on visitor behaviour from multiple websites, in order to present more relevant advertisement - This also allows the website to limit the number of times that they are shown the same advertisement.
Maximum Storage Duration: SessionType: Pixel Tracker
csiCollects data on visitors' preferences and behaviour on the website - This information is used make content and advertisement more relevant to the specific visitor.
Maximum Storage Duration: SessionType: Pixel Tracker
_ga_#Used to send data to Google Analytics about the visitor's device and behavior. Tracks the visitor across devices and marketing channels.
Maximum Storage Duration: 2 yearsType: HTTP Cookie
_gcl_lsTracks the conversion rate between the user and the advertisement banners on the website - This serves to optimise the relevance of the advertisements on the website.
Maximum Storage Duration: PersistentType: HTML Local Storage
sp_landingUsed to implement audio-content from Spotify on the website. Can also be used to register user interaction and preferences in context with audio-content - This can serve statistics and marketing purposes.
Maximum Storage Duration: 1 dayType: HTTP Cookie
sp_tUsed to implement audio-content from Spotify on the website. Can also be used to register user interaction and preferences in context with audio-content - This can serve statistics and marketing purposes.
1/i/adsct [x2]Collects data on user behaviour and interaction in order to optimize the website and make advertisement on the website more relevant.
Maximum Storage Duration: SessionType: Pixel Tracker
i/adsct [x2]The cookie is used by Twitter.com in order to determine the number of visitors accessing the website through Twitter advertisement content.
Maximum Storage Duration: SessionType: Pixel Tracker
muc_adsCollects data on user behaviour and interaction in order to optimize the website and make advertisement on the website more relevant.
Maximum Storage Duration: 400 daysType: HTTP Cookie
guest_idCollects data related to the user's visits to the website, such as the number of visits, average time spent on the website and which pages have been loaded, with the purpose of personalising and improving the Twitter service.
Maximum Storage Duration: 400 daysType: HTTP Cookie
guest_id_adsCollects information on user behaviour on multiple websites. This information is used in order to optimize the relevance of advertisement on the website.
Maximum Storage Duration: 400 daysType: HTTP Cookie
guest_id_marketingCollects information on user behaviour on multiple websites. This information is used in order to optimize the relevance of advertisement on the website.
Maximum Storage Duration: 400 daysType: HTTP Cookie
i/jot/embedsSets a unique ID for the visitor, that allows third party advertisers to target the visitor with relevant advertisement. This pairing service is provided by third party advertisement hubs, which facilitates real-time bidding for advertisers.
Maximum Storage Duration: SessionType: Pixel Tracker
v1/beacon/img.gifUsed in context with Account-Based-Marketing (ABM). The cookie registers data such as IP-addresses, time spent on the website and page requests for the visit. This is used for retargeting of multiple users rooting from the same IP-addresses. ABM usually facilitates B2B marketing purposes.
Maximum Storage Duration: SessionType: Pixel Tracker
_6senseCompanyDetailsUsed in context with Account-Based-Marketing (ABM). The cookie registers data such as IP-addresses, time spent on the website and page requests for the visit. This is used for retargeting of multiple users rooting from the same IP-addresses. ABM usually facilitates B2B marketing purposes.
Maximum Storage Duration: PersistentType: HTML Local Storage
_an_uidPresents the user with relevant content and advertisement. The service is provided by third-party advertisement hubs, which facilitate real-time bidding for advertisers.
Maximum Storage Duration: 7 daysType: HTTP Cookie
_gd_sessionCollects visitor data related to the user's visits to the website, such as the number of visits, average time spent on the website and what pages have been loaded, with the purpose of displaying targeted ads.
Maximum Storage Duration: 1 dayType: HTTP Cookie
_gd_visitorCollects visitor data related to the user's visits to the website, such as the number of visits, average time spent on the website and what pages have been loaded, with the purpose of displaying targeted ads.
Maximum Storage Duration: 2 yearsType: HTTP Cookie
__tea_cache_first_#Used by the social networking service, TikTok, for tracking the use of embedded services.
Maximum Storage Duration: PersistentType: HTML Local Storage
__tea_cache_tokens_#Pending
Maximum Storage Duration: PersistentType: HTML Local Storage
__tea_sdk_ab_version_#Collects data on visitors' preferences and behaviour on the website - This information is used make content and advertisement more relevant to the specific visitor.
Maximum Storage Duration: PersistentType: HTML Local Storage
__tea_session_id_#Used by the social networking service, TikTok, for tracking the use of embedded services.
Maximum Storage Duration: SessionType: HTML Local Storage
HYBRID_SLARDAR_WEBtiktok_pns_web_runtimeUsed by the social networking service, TikTok, for tracking the use of embedded services.
Maximum Storage Duration: PersistentType: HTML Local Storage
msTokenUsed by the social networking service, TikTok, for tracking the use of embedded services.
Maximum Storage Duration: SessionType: HTML Local Storage
PUMBAA_FREQUsed by the social networking service, TikTok, for tracking the use of embedded services.
Maximum Storage Duration: PersistentType: HTML Local Storage
SLARDARtiktok_web_embedUsed by the social networking service, TikTok, for tracking the use of embedded services.
Maximum Storage Duration: PersistentType: HTML Local Storage
xmsiUsed by the social networking service, TikTok, for tracking the use of embedded services.
Maximum Storage Duration: PersistentType: HTML Local Storage
xmstUsed by the social networking service, TikTok, for tracking the use of embedded services.
Maximum Storage Duration: PersistentType: HTML Local Storage
msToken [x2]Collects information on user behaviour on multiple websites. This information is used in order to optimize the relevance of advertisement on the website.
Maximum Storage Duration: 10 daysType: HTTP Cookie
Unclassified cookies are cookies that we are in the process of classifying, together with the providers of individual cookies.
Cookie declaration last updated on 5/7/23 by Cookiebot
[#IABV2_TITLE#]
[#IABV2_BODY_INTRO#]
[#IABV2_BODY_LEGITIMATE_INTEREST_INTRO#]
[#IABV2_BODY_PREFERENCE_INTRO#]
[#IABV2_BODY_PURPOSES_INTRO#]
[#IABV2_BODY_PURPOSES#]
[#IABV2_BODY_FEATURES_INTRO#]
[#IABV2_BODY_FEATURES#]
[#IABV2_BODY_PARTNERS_INTRO#]
[#IABV2_BODY_PARTNERS#]
About
Cookies are small text files that can be used by websites to make a user's experience more efficient.
The law states that we can store cookies on your device if they are strictly necessary for the operation of this site. For all other types of cookies we need your permission.
This site uses different types of cookies. Some cookies are placed by third party services that appear on our pages.
You can at any time change or withdraw your consent from the Cookie Declaration on our website.
Learn more about who we are, how you can contact us and how we process personal data in our Privacy Policy.
Please state your consent ID and date when you contact us regarding your consent.
Auch wenn Technologie Geschäftsabläufe schon vor Beginn des Jahres 2020 transformierte, so waren die globale Unsicherheit und Störungen des Handels dennoch ein Wendepunkt. Hersteller müssen nun versuchen, jeden Touchpoint zu automatisieren und die Datenlücke zwischen Backoffice und Werkhalle bzw.
Rich McEachran
Hersteller in aller Welt waren sich anfangs des Jahres 2020 zweifellos bewusst, dass die kommenden 12 Monate Herausforderungen mit sich bringen werden: ökonomische Zwänge, der andauernde Handelsstreit zwischen den USA und China sowie der bevorstehende Austritt des Vereinigten Königreichs aus der EU waren für viele besorgniserregende Aussichten. Eine globale Pandemie, die Betriebe stilllegte, Lieferketten unterbrach und strategische Pläne über Nacht zunichtemachte, war aber vermutlich nicht Teil der Überlegungen.
Covid-19 hat die Spielregeln im Fertigungssektor verändert. Die Krise hat deutlich gemacht, dass Hersteller agiler und widerstandsfähiger werden müssen.
Auch wenn Technologie Geschäftsabläufe schon vor Beginn des Jahres 2020 transformierte, so waren die globale Unsicherheit und Störungen des Handels dennoch ein Wendepunkt. Hersteller müssen nun versuchen, jeden Touchpoint zu automatisieren und die Datenlücke zwischen Backoffice und Werkhalle bzw. Produktionslinie zu schließen. So werden sie in Zukunft besser auf plötzliche Störungen vorbereitet sein.
Dieser Bericht erkundet Möglichkeiten, wie das Internet der Dinge (IoT) eingesetzt werden kann, um Produktivität und Effizienz zu verbessern, Geschäftswert zu kreieren und sicherzustellen, dass Unternehmen bereit sind für die digitale Zukunft der Fertigung.
Belegschaften auf die digitale Zukunft vorbereiten
Die Störung traditioneller Arbeitsweisen ist eine Herausforderung für Hersteller, die sich üblicherweise auf persönliche Schulungen verlassen.
Rich McEachran
Ein Ende 2020 veröffentlichter Forschungsbericht von GlobalData zeigte, dass ein Viertel aller neu eingeführten IoT-Technologien im vergangenen Jahr auf den Fertigungssektor entfiel. Obwohl die Fertigungsaktivität weltweit sank, zeigen die Daten von GlobalData, dass der Einsatz des IoT in der Branche seit 2019 um 67 % gestiegen ist.
Im Zentrum des Hypes um das IoT stehen häufig die Automatisierung arbeitsaufwendiger Prozesse und die Schließung von durch die Abwanderung von Arbeitskräften entstandenen Lücken. Roboter werden menschliche Arbeitskräfte nicht überflüssig machen – doch das IoT und maschinelles Lernen – eine Kategorie künstlicher Intelligenz, die sich auf die Prognose von Ergebnissen und komplexe Entscheidungen konzentriert – werden eingesetzt, um Routinefunktionen und sich wiederholende Aufgaben, wie zum Beispiel Wartungsarbeiten, durchzuführen. Arbeitskräfte erhalten so mehr Zeit, um sich auf Tätigkeiten zu konzentrieren, die Intuition und kritische Entscheidungen erfordern.
Dieses menschliche Element wird auch im Fertigungssektor entscheidend bleiben. Im wahrscheinlichsten Szenario werden Mensch und Maschine effizient und sicher zusammenarbeiten. Der Bedarf an körperlichen und manuellen Fertigkeiten wird sinken, während technologische Kompetenzen vermehrt benötigt werden.
In diesem Zusammenhang werden Weiterqualifizierung und Umschulung bestehender Belegschaften ebenso entscheidend sein wie die Schaffung einer Arbeitsumgebung, die Talente anzieht und aufbaut, zu Lernen und Weiterentwicklung anregt und Kreativität ermöglicht.
Wissen weitergeben
Das Alter der Arbeitskräfte stellt ein Problem für den Fertigungssektor dar. Ein 2019 von der National Association of Manufacturers veröffentlichter Bericht stellte fest, dass ein Viertel des Personals im US-amerikanischen Fertigungssektor über 55 Jahre alt ist. 97 % der befragten Unternehmen räumten ein, dass sie sich über den altersbedingten Abgang von Arbeitskräften Sorgen machen, 49 % gaben sogar an, sich sehr große Sorgen zu machen.
Der Verlust von institutionellem und technischem Wissen könnte bedeutende Auswirkungen auf die Produktivität und die Qualität im Fertigungssektor haben. Der Bericht wies zudem darauf hin, dass Hersteller auch besorgt sind, wertvolle, ältere Arbeitskräfte zu verlieren, bevor diese ihr Wissen weitergegeben haben.
So heißt es hier: „Diese Sorge ist besonders akut für Unternehmen, die sich auf die passive Weitergabe von Informationen und den interpersonellen Austausch von Wissen verlassen.“
67
%
Steigerung des Einsatzes des IoT im Fertigungssektor seit 2019
Global Data, 2020
67
%
Steigerung des Einsatzes des IoT im Fertigungssektor seit 2019
Global Data, 2020
Während der weltweiten Lockdowns war Technologie entscheidend für die Kommunikation von Unternehmen mit ihren verteilt arbeitenden Teams, um die Durchführung von Aufgaben und eine effiziente Kollaboration zu ermöglichen. Doch die Störung traditioneller Arbeitsweisen war eine Herausforderung für die Hersteller, die sich üblicherweise auf in Person abgehaltene Schulungen verlassen.
Es ist keinesfalls sicher, wie genau die Arbeitswelt der Zukunft aussehen wird, aber ein Hybrid- oder Mischmodell könnte zur Realität werden. Erweiterte Realität (AR) und virtuelle Realität (VR) werden für Hersteller wahrscheinlich zu entscheidenden Tools, um Mitarbeiter zu schulen und weiterzubilden und den Transfer von Wissen zu ermöglichen. Eine von PwC durchgeführte Studie zeigte, dass durch VR vermitteltes Wissen mit einer höheren Wahrscheinlichkeit verinnerlicht wird. Die Konzentration der Lernenden ist dabei im Vergleich zu traditionellen E-Learning-Tools um ein Vierfaches höher.
AR implementieren
Das Potenzial von AR – d. h. beispielsweise die Überlagerung physischer Objekte und Umgebungen mit digitalen Informationen – wird seit mehreren Jahren als äußerst vielversprechend betrachtet.
Im Bereich der Verwaltung von Assets können Techniker zum Beispiel in der Durchführung von Sicherheitschecks an Ausrüstungen oder Maschinen geschult werden, indem sie durch erfahrenere Kollegen, die im Büro oder zu Hause arbeiten, durch den Prozess geführt werden. Anweisungen und Informationen werden dabei über AR-Headsets weitergegeben.
Das kann eine effektive Möglichkeit sein, um Kommunikationsherausforderungen zu überwinden, besonders, wenn Arbeitskräfte nicht am gleichen Standort sein können.
Wenn AR korrekt implementiert wird, kann die Technologie auch Feedback bereitstellen. Techniker können ihre eigenen Leistungen beurteilen und Effizienz sowie Produktivität verbessern. Unternehmen können diese Feedbackdaten einsetzen, um zukünftige Schulungsprogramme zu optimieren.
Die Einführung von Technologien wie AR kann außerdem helfen, die nächste Generation von Arbeitskräften für den Sektor zu gewinnen. In dieser Hinsicht müssen aber zunächst einige Hindernisse überwunden werden, beispielsweise der Irrglaube unter Millennials und der Generation Z, dass die Arbeit in der Fertigung schmutzig und gefährlich ist.
Selbstverständlich wird sich der Wandel hin zu digitalen und höheren kognitiven Fertigkeiten nicht über Nacht vollziehen lassen. McKinsey errechnete, dass körperliche bzw. manuelle Fertigkeiten im Jahr 2016 48 % der Arbeitszeit einer durchschnittlichen Arbeitskraft ausmachten, technologische Kompetenzen dagegen nur 12 %. Das Beratungsunternehmen prognostiziert, dass die Nachfrage nach körperlichen bzw. manuellen Fertigkeiten bis zum Jahr 2030 um 27 % sinken wird, während die Nachfrage nach technologischen Kompetenzen um 68 % steigen wird.
Der Grund, warum dieser Wandel schrittweise ablaufen wird, ist die Tatsache, dass Unternehmen ihr Personal auf eine Zukunft mit Hybrid- oder Mischmodellen der Arbeit bzw. des Lernens vorbereiten.
Die jüngsten Ereignisse hatten negative Auswirkungen für den Betrieb vieler Hersteller, da Arbeitskräfte entweder aufgrund einer reduzierten Produktionsleistung oder aus Gesundheits- und Sicherheitsgründen nicht arbeiten konnten. Betriebe mussten daher schnell neue Arbeitsweisen entwickeln, die in der ein oder anderen Form aller Wahrscheinlichkeit nach auch in Zukunft beibehalten werden.
Während Hersteller immer besser vernetzt werden und neue Technologien implementieren, werden Arbeitskräfte sichere und intelligente Arbeitsplätze fordern.
Sicherheit am Arbeitsplatz zur Priorität machen
In jüngster Zeit wurde deutlich, dass sich Arbeitskräfte am Arbeitsplatz sicher fühlen möchten. Die im Frühjahr 2021 durchgeführte Studie Draeger Safety at Work Report ergab, dass Sicherheit am Arbeitsplatz seit Beginn der Pandemie zu einer wichtigeren Geschäftspriorität geworden ist. Mehr als drei Viertel der Befragten gaben an, dass Sicherheit im Vergleich zu 2019 nun einen höheren Stellenwert auf der Unternehmensagenda hat.
Wearables können eingesetzt werden, um Gesundheit und Wohlbefinden zu überwachen. Sensoren können umwelt-, standort- und bewegungsbezogene Daten erfassen, um Herstellern beispielsweise zu helfen, Risiken für Arbeitskräfte zu erkennen. Selbstverständlich ergeben sich dabei Fragen im Zusammenhang mit Überwachung, Datenschutz und Sicherheit, sodass entsprechende Tracking-Programme auf einer freiwilligen Einwilligung beruhen müssen.
Die Studie von Draeger ergab außerdem, dass nur ein Drittel des leitenden Personals im Fertigungssektor der Ansicht ist, dass ihr Unternehmen durch Industry-4.0-Technologien erfasste Sicherheitsdaten in einem fortgeschrittenen Maße abrufen und für Maßnahmen einsetzen kann. Das lässt auf Probleme mit der Vernetzung von Wissen schließen.
„Daten spielen nicht nur für die Automatisierung und die weitere Verbesserung der Effizienz eine Rolle, sie können auch eingesetzt werden, um positive Veränderungen im Hinblick auf strategische Probleme an Arbeitsplätzen zu ermöglichen“, berichtet Andrew Bligh, System Services & Training Manager bei Draeger Safety UK.
„Im Fertigungssektor wurde Technologie in jüngerer Zeit vermehrt eingeführt, um Sicherheit zu verwalten. Um den nächsten Schritt gehen zu können, müssen Unternehmen aber untersuchen, wie bestehende, verfügbare Informationen besser und strategischer genutzt werden können, um effektive Lösungen für Anforderungen im Bereich Gesundheit und Sicherheit am Arbeitsplatz zu unterstützen.“
Dabei sind es aber eben die technisch und digital versierten neuen Talente, die für den Sektor gewonnen werden müssen, um diese Wissenslücke zu schließen und den Wert von Daten besser zu nutzen.
Betrachten wir nun die kritischen Probleme beim Management von Lieferketten, mit denen Hersteller – unabhängig von den Kompetenzen der Mitarbeiter – zu kämpfen haben. Die Ereignisse der vergangenen 18 Monate haben zu Engpässen bei wichtigen Komponenten geführt, was negative Auswirkungen auf Durchlaufzeiten und Produktionspläne hat.
Lieferketten nach der Pandemie
Werkschließungen aufgrund der Pandemie ließen Fertigungslinien stillstehen und nun werden Produktion und Leistung durch Engpässe in Lieferketten weiter eingeschränkt
Rich McEachran
Eine Ende 2020 unter 200 leitenden Supply-Chain-Fachkräften durchgeführte Umfrage von EY ergab, dass die Pandemie für 72 % der Supply Chain Operations negative Auswirkungen hatte. Alle Befragten aus der Automobilbranche und 97 % der Befragten aus dem Bereich der Fertigung industrieller Produkte stimmten zu, dass das Geschäft negativ beeinflusst wurde.
Die EY-Studie identifizierte die wichtigsten Prioritäten im Bereich der Lieferkette. Mehr als die Hälfte aller Befragten gab an, dass die Umschulung und Weiterqualifizierung von Arbeitskräften in den kommenden 12 bis 36 Monaten die wichtigste Priorität sein wird. Für 58 % steht Effizienzverbesserung im Zentrum, während 60 % eine Steigerung der Transparenz anstreben.
Die Unternehmen, die über Tools und Kompetenzen zur Vorbereitung auf Veränderungen der Nachfrage verfügten, waren in einer besseren Position, um die Unsicherheiten der vergangenen 18 Monate zu bewältigen. Dank Business-Continuity-Plänen konnten Hersteller wie Toyota die Produktion aufrechterhalten, während Wettbewerber verzweifelt versuchten, knapp gewordene entscheidende Bauteile zu beschaffen.
Die Rolle von ERP-Software
Die weltweite Halbleiterkrise, die die Automobilbranche lähmte, hat die Risiken der Just-in-Time-Fertigung (JIT) verdeutlicht. Die Mehrheit der Automobilhersteller hatte Schwierigkeiten bei der Beschaffung benötigter Materialien und Teile. Insgesamt war die Branche noch nie so unberechenbar wie heute.
Der sogenannte „Chip Crunch“ wurde zwar durch die Pandemie ausgelöst, er wurde aber durch die Abhängigkeit von in Taiwan produzierten Halbleitern sowie dem andauernden Handelsstreit zwischen den USA und China verschärft.
Toyota allerdings konnte die Krise besser bewältigen als der Rest der Branche. Als das Erdbeben und der Tsunami von Fukushima 2011 die Lieferkette des japanischen Autoherstellers zerstörten, machte sich das Unternehmen daran, im Rahmen einer neuen Risikomanagementstrategie Halbleitervorräte aufzubauen. So konnte Toyota für viele Monate nach Beginn der Krise weiterhin Fahrzeuge produzieren und verkaufen.
58
%
werden sich auf Effizienzverbesserung konzentrieren
EY, 2021
58
%
werden sich auf Effizienzverbesserung konzentrieren
EY, 2021
Erst im September und Oktober fuhr das Unternehmen die Produktion dann um 40 % zurück. Obwohl erwartet wird, dass der Chip Crunch auch 2022 weiterhin bemerkbar sein wird, so macht Toyotas Entscheidung, auf zukünftige Extremsituationen durch die Bestimmung von Hochrisikobauteilen in der Lieferkette vorbereitet zu sein, doch deutlich, wie wichtig der Einsatz von Technologie für eine erhöhte Transparenz der Supply Chain ist.
Die Fähigkeit, einen schlanken Betrieb zu führen, während ein Vorrat an bestimmten Komponenten aufgebaut wird, lässt sich nur durch Enterprise Resource Planning (ERP) Software, Datenerfassung und smarte Überwachung von Bauteilen oder Rohmaterialien in der Lieferkette erreichen.
Hersteller hätten die Halbleiterkrise nicht vermeiden können. Angesichts der Auswirkungen der Pandemie auf Fertigungsbetriebe lässt sich aber dennoch festhalten, dass die Implementierung von ERP-Software die Folgen ähnlicher Situationen in der Zukunft mindern kann.
ERP-Software versetzt Benutzer in die Lage, besser auf zukünftige Engpässe vorbereitet zu sein, indem Forecasting verbessert, Materialmangel vorhergesagt und Verschwendung minimiert werden – während Fertigungslinien gleichzeitig optimiert und Effizienz- sowie Qualitätsvorteile erzielt werden können.
Sie unterstützt sowohl Push- als auch Pull-Modi im Fertigungsbereich. Die JIT-Fertigung bietet zweifelsfrei Vorteile – wie reduzierte Lagerhaltungskosten und Verschwendung oder optimierte Lagerraumnutzung –, doch die nachfrageorientierte Beschaffung, Produktion und Distribution ist auch Einschränkungen unterlegen.
Bei einem normalen Geschäftsbetrieb ist JIT eine gute Lösung. Doch wie der Chip Crunch deutlich gemacht hat, können Hersteller mit den schlankesten Supply Chains im Krisenfall zurückfallen.
Eine Untersuchung der Susquehanna Financial Group ergab, dass die durchschnittliche Vorlaufzeit für Halbleiter vor der Pandemie ca. zwei Monate betrug, im August 2021 jedoch war diese auf etwas mehr als 20 Wochen gestiegen.
72
%
aller Supply Chain Operations waren von negativen Auswirkungen durch die Pandemie betroffen
EY, 2021
72
%
aller Supply Chain Operations waren von negativen Auswirkungen durch die Pandemie betroffen
EY, 2021
Sophie Webster, Product, Design & Engineering Manager bei CMR Surgical, einem Hersteller von Medizintechnik im englischen Cambridge, erklärt, dass Elektrokomponenten oft lange Vorlaufzeiten haben, sodass es entscheidend ist, „die richtigen Teile zum benötigten Zeitpunkt und in der richtigen Menge zur Verfügung zu haben“.
Webster erklärt weiter: „Wenn die richtigen Teile zur richtigen Zeit verfügbar sind, können sich Hersteller plötzlichen Veränderungen des Angebots und der Nachfrage anpassen und sicherstellen, dass die Produktion weiterlaufen kann.“
Durch den Einsatz von ERP-Software zur Überwachung der Bestände im Werk und im Lager können Hersteller Lagerbestände maximieren und Lieferengpässe vermeiden.
Datenaustausch in der Lieferkette
Auch wenn Hersteller über eine umfassende Transparenz im Hinblick auf Bestände verfügen, sind sie dennoch unterschiedlichen Vorlaufzeiten in der Lieferkette ausgesetzt. Je mehr Upstream-Stakeholder vorhanden sind, desto größer ist das Risiko von Verzögerungen und Engpässen.
„Ein Problem in der Lieferkette kann zu massiven Verzögerungen führen, auch wenn alle anderen Komponenten pünktlich geliefert werden“, berichtet Joseph Kruczkowski, Engineering & Design Coordinator bei Coborn Engineering, einem der weltweit führenden Hersteller von Diamantwerkzeugen.
Um das Potenzial von ERP-Software voll ausschöpfen zu können und Verzögerungen auf ein absolutes Minimum zu reduzieren, sollten im Idealfall alle Stakeholder einer Lieferkette Daten erfassen und austauschen. Diese müssten in Echtzeit aktualisiert werden, um Transparenz über die gesamte Lieferkette hinweg zu gewährleisten.
Betrachten wir nun, wie Industry-4.0-Technologien Wartungs- und Designprozesse optimieren können, um Verzögerungen und Ausfälle weiter zu minimieren, während Produktion und Leistung maximiert werden.
Maschinelles Lernen zur Optimierung von Wartungs- und Designqualität
Die Implementierung von ERP-Software kann Hersteller unterstützen, widerstandsfähiger, effizienter und kosteneffektiver zu werden
Rich McEachran
Das IoT ermöglicht eine bessere Transparenz des Betriebs. Wird diese Technologie nicht wahrgenommen, kann eine unterlegene Produktion die Folge sein.
Qualität ist entscheidend im Fertigungssektor. Ein überlegenes Bauteil oder Produkt bedeutet zufriedene Kunden und Folgebestellungen. Ein unterlegenes Bauteil oder Produkt dagegen kann Umsatzeinbußen bedeuten. Des Weiteren können Sicherheitsprobleme und -mängel, wie Kurzschlüsse in elektrischen Bauteilen, im besten Fall zu einem Imageschaden und im schlechtesten Fall zu Verletzungen und Klagen führen.
„Qualität ist ein entscheidendes Thema“, sagt Sophie Webster von CMR Surgical. „Es ist ein schwieriger Prozess, Qualität bei eingegangenen Waren und an der Fertigungslinie jederzeit zu gewährleisten.
Außerdem gilt es hier, das menschliche Element zu beachten. Die Gewährleistung der Qualität eines Produkts wirkt sich oft negativ auf die Arbeitszufriedenheit der Mitarbeiter aus. Die Massenproduktion kann langweilige Tätigkeiten umfassen. Wenn sich Mitarbeiter aber beispielsweise unterhalten, um die Langweile zu überwinden, dann können Fehler auftreten.“
Vermeidbare Fehler können frustrierend sein, umso mehr, da die jüngsten Ereignisse den Fokus auf Qualität und höhere Sicherheitsstandards verschärft haben. Die Produktionskapazität vieler Werke und Betriebe, die von Lieferkettenengpässen betroffen waren, war zudem aufgrund regelmäßiger Wartungskontrollen von Ausrüstungen und Maschinen weiter reduziert. Hier aber können das IoT und maschinelles Lernen helfen.
Digitale Zwillinge
Wenn eine entscheidende Anlage unerwartet versagt, müssen Hersteller ihren Betrieb unterbrechen, bis hochqualifiziertes und geschultes Personal die Reparatur erfolgreich abgeschlossen hat. Dieser Ansatz ist nicht nur reaktiv, er ist zudem teuer.
Digitale Zwillinge versetzen Hersteller in die Lage, eine digitale Darstellung Ihrer Anlagen zu kreieren, um Wartungsaufgaben zu virtualisieren. Auf Grundlage von maschinellem Lernen und Daten von einem Netzwerk an Sensoren kann ein simuliertes Modell einer Anlage in Echtzeit aktualisiert werden, sodass Leistung und Funktionstüchtigkeit überwacht werden können.
Von digitalen Zwillingen erfasste Daten können Herstellern helfen, vorbeugende Wartungsarbeiten durchzuführen. So kann eine Anlage repariert werden und potenzielle Probleme können gelöst werden, bevor ein Fehler auftritt. Dies optimiert die Nutzungsdauer und minimiert die Ausfallzeiten der Anlage.
Digitale Zwillinge werden in verschiedensten Sektoren eingesetzt, u. a. für Offshore-Windparks und in der Öl- und Gasindustrie. Die Wartung kann sich schwierig gestalten, wenn Anlagen an entlegenen, schwer zu erreichenden Standorten sind. So kann ein digitaler Zwilling einer Windkraftanlage oder eines Rotorblatts eingesetzt werden, um Informationen zur Designeffizienz und -qualität bereitzustellen.
Die Daten des simulierten Modells können zudem die Forschung und Entwicklung sowie die zukünftige Produktion verbessern.
Besonders bei der Verbesserung von Designprozessen kann maschinelles Lernen einen entscheidenden Einfluss haben. Der Ansatz im Bereich Design beruhte seit jeher auf einer deutlichen Kommunikation zwischen Design- und Produktionsteam. Obwohl Organisationen aufgrund der Pandemie gezwungen waren, Kommunikation und Kollaboration zwischen Mitarbeitern an verschiedenen Standorten zu verbessern, kann reaktives Projektmanagement ohne Notfallpläne dennoch zu einem Problem werden.
„Eine sorgfältige Planung reduziert Verschwendung, Fehler und Unter- oder Überbestände. Ist dies nicht der Fall, dann führt das zu Chaos und es ist enorm schwierig, die Produktionsleistung unter diesen Bedingungen aufrechtzuerhalten“, sagt Joseph Kruczkowski von Coborn Engineering.
„Durch den Einsatz von ERP-Software verbessert sich die Verwaltung dieses Prozesses, doch der Faktor Mensch muss dennoch berücksichtigt werden.“
Ein Symptom von reaktivem Management ist, dass Designs nicht angemessen kommuniziert werden. Das führt zu schlechten Designentscheidungen und einem unterlegenen Endprodukt.
Die Vorteile generativen Designs
Eine Lösung zur Eliminierung von schlechtem Design ist generative Designsoftware auf Grundlage von AI. Sie kann eingesetzt werden, um mehrere Iterationen des zu fertigenden Produkts zu generieren, bis bestimmte Metriken erreicht und Einschränkungen überwunden werden. Der Produktionsprozess wird so optimiert.
Der gleichzeitige Einsatz eines digitalen Zwillings ermöglicht es dem Designer dann, genau zu verstehen, welche Leistung ein Produkt in der realen Welt erbringen kann. So können erforderliche Änderungen am Design frühzeitig umgesetzt werden. Generatives Design ist besonders hilfreich, wenn ein Design komplexe Strukturen, wie etwa Wabenstrukturen, umfasst.
Durch die Automatisierung des computergestützten Designprozesses können Hersteller die Zeit bis zur Markteinführung eines Produkts reduzieren bzw. Produkte schneller für den nächsten Stakeholder in der Lieferkette zur Verfügung stellen.
Gesponserter Beitrag
Das Puzzle zusammensetzen und die Wissenslücke schließen
Fertigungsmaschinen werden immer intelligenter, doch ohne Interkonnektivität bleibt ihr Wert beschränkt. Wir sprechen mit Douglas Bellin, Global Lead of Business Development for Smart Factories and Industrie 4.0 bei Amazon Web Services, wie Unternehmen die Wissenslücke schließen können.
Douglas Bellin, Global Lead of Business Development for Smart Factories and Industrie 4.0 bei Amazon Web Services
Maschinen speichern heute riesige Mengen an Daten, die allerdings häufig isoliert sind. Das Zusammensetzen dieser verschiedensten Puzzleteile ist aber entscheidend, wenn Hersteller den Wert generierter Daten optimal nutzen möchten.
Die Vorteile der smarten Fertigung sind umfassend bekannt. Laut einer kürzlich von PwC veröffentlichten Studie sind 87 % aller Führungskräfte der Ansicht, dass smarte Fertigungstechnologien Innovation und Designentwicklung beschleunigen werden. 89 % erwarten, dass diese Technologien die Beziehungen innerhalb ihrer Lieferketten verbessern werden. Douglas Bellin, Global Lead of Business Development for Smart Factories and Industrie 4.0 bei Amazon Web Services, weist aber darauf hin, dass viele Unternehmen im Fertigungssektor eine Sorge teilen: Die smarte Fertigung ist zu teuer und zu kompliziert, die Implementierung zu komplex.
„Aus technologischer Sicht müssen so viele verschiedene Puzzleteile zusammengesetzt werden, vom Internet der Dinge (IoT) über künstliche Intelligenz bis zu maschinellem Lernen, Automatisierung und mehr“, erklärt Bellin. „Es ist nicht einfach für Unternehmen zu verstehen, wo bzw. mit was sie anfangen müssen.“
Auch wenn Hersteller über IT-Abteilungen mit wertvollen Erfahrungen verfügen, so mangelt es dennoch unter Umständen an den erforderlichen Kompetenzen und operationellem Wissen, um diese neuen Technologien aus der IT-Perspektive zu implementieren.
„Hersteller sollten sich auf die Fertigung konzentrieren, nicht auf Technologie bzw. die Implementierung“, fügt Bellin hinzu.
Hier kann AWS helfen, indem bestehende Wissenslücken geschlossen und Hersteller bei Cloud-Implementierungsprojekten unterstützt werden. Ausgangspunkt für AWS ist dabei jederzeit das gewünschte Ziel des Kunden. Technologien werden dann auf Grundlage dessen ausgewählt, was erreicht werden soll. So werden Produktivität, Leistung und Qualität verbessert. „Die Technologie wird funktionieren, es ist aber entscheidend, diese für einen speziellen Anwendungsfall auszuwählen“, sagt Bellin.
Wenn Daten von verschiedenen Technologien stammen, sind sie üblicherweise erst sichtbar, wenn sie in einem System vereint werden. Die Cloud ermöglicht die Verknüpfung von Datenquellen – sie bietet die erforderliche Rechenleistung, um Cloud-Transformationsprojekte erfolgreich umzusetzen.
Eine Möglichkeit, um Daten entlang der Cloud Transformation Journey optimal zu nutzen, sind Plug-&-Play-Systeme. Sie ermöglichen es, schnell zu erkennen, welche Verbesserungen in existierende Systeme, Software und Prozesse integriert werden können, und verursachen minimale operationelle Störungen.
AWS verfügt zudem über ein Partnernetz, das Software-as-a-Service-Lösungen bietet, die Transformation beschleunigen und helfen, Geschäftsziele zu erreichen. „Durch die Zusammenarbeit mit einem neuen Partner, um die Anforderungen der smarten Fertigung zu erfüllen, entstehen natürlich Kosten, diese werden jedoch durch die im Rahmen der Kollaboration erzielten Einsparungen und Verbesserungen ausgeglichen“, erklärt Bellin.
Hersteller können ihre operationellen und technologischen Fähigkeiten kostengünstig ausbauen, indem sie zur Verfügung stehende umfassende Dienste nutzen und mit Partnern zusammenarbeiten. Wenn Hersteller dann von Einsparungen profitieren, können die eingesetzten Dienste auf das erforderliche Maß reduziert werden. So können Rechenleistung oder Datenbanken auf Grundlage der Workload-Anforderungen beispielsweise reduziert werden, ohne dass zusätzliche Investitionen oder Bereitstellungskosten entstehen.
Investitionen in die Cloud sind erst der Beginn der Reise auf dem Weg zur smarten Fertigung. Und diese Reise hat laut Bellin kein Ende, sie ist eine andauernde Evolution.
Die industrielle Transformation beschleunigen
Auch wenn Technologie Geschäftsabläufe schon vor Beginn des Jahres 2020 transformierte, so waren die globale Unsicherheit und Störungen des Handels dennoch ein Wendepunkt. Hersteller müssen nun versuchen, jeden Touchpoint zu automatisieren und die Datenlücke zwischen Backoffice und Werkhalle bzw
Der zunehmende Einsatz des IoT zeugt vom Übergang zu Industry 4.0.
Prognostizierte Ausgaben von Endnutzern (in Mrd. US-Dollar) 2017 bis 2025
$110
$418
$1,567
2017
2021
2025
Statista, 2019
Der zunehmende Einsatz des IoT zeugt vom Übergang zu Industry 4.0.
Prognostizierte Ausgaben von Endnutzern (in Mrd. US-Dollar) 2017 bis 2025
$110
$151
$212
$248
$418
$594
$800
$1,079
$1,567
2017
2018
2019
2020
2021
2022
2023
2024
2025
Statista, 2019
Diese hochmodernen Technologien werden immer schneller in Supply-Chain- und Produktionsprozesse integriert.
Einführung hochmoderner SCM-Technologien
Bereits im Einsatz
In 1 bis 5 Jahren
Cloud-Computing und -Speicher
57 %
31 %
Bestands- und Netzwerkoptimierungs-Tools
45 %
44 %
Sensoren und automatische Identifikation
42 %
41 %
Robotik und Automatisierung
38 %
38 %
Prädiktive und präskriptive Analytik
31 %
48 %
Industrielles Internet der Dinge (IoT)
27 %
46 %
Tragbare und mobile Technologie
26 %
41 %
3D-Druck (additive Fertigung)
21 %
32 %
Autonome Fahrzeuge und Drohnen
20 %
37 %
Künstliche Intelligenz
17 %
45 %
Blockchain- und Distributed-Ledger-Technologien (DLT)
12%
41 %
MHI; Deloitte, 2021
Diese hochmodernen Technologien werden immer schneller in Supply-Chain- und Produktionsprozesse integriert.
Einführung hochmoderner SCM-Technologien
Bereits im Einsatz
In 1 bis 5 Jahren
Cloud-Computing und -Speicher
57 %
31 %
Bestands- und Netzwerkoptimierungs-Tools
45 %
44 %
Sensoren und automatische Identifikation
42 %
41 %
Robotik und Automatisierung
38 %
38 %
Prädiktive und präskriptive Analytik
31 %
48 %
Industrielles Internet der Dinge (IoT)
27 %
46 %
Tragbare und mobile Technologie
26 %
41 %
3D-Druck (additive Fertigung)
21 %
32 %
Autonome Fahrzeuge und Drohnen
20 %
37 %
Künstliche Intelligenz
17 %
45 %
Blockchain- und Distributed-Ledger-Technologien (DLT)
12 %
41 %
MHI; Deloitte, 2021
Aus diesem Grund verändern sich Kompetenzanforderungen aktuell dramatisch.
Prognostizierter Wandel der Kompetenzanforderungen 2016 bis 2030
Körperlich und manuell
-27 %
Kognitive Grundfertigkeiten
-17 %
Höhere kognitive Fertigkeiten
24 %
Sozial und emotional
33 %
Technologisch
58 %
McKinsey & Company, 2020
Aus diesem Grund verändern sich Kompetenzanforderungen aktuell dramatisch.
Prognostizierter Wandel der Kompetenzanforderungen 2016 bis 2030
Körperlich und manuell
-27 %
Kognitive Grundfertigkeiten
-17 %
Höhere kognitive Fertigkeiten
24 %
Sozial und emotional
33 %
Technologisch
58 %
McKinsey & Company, 2020
Diese neuen Trends werden voraussichtlich in der nahen Zukunft einen tiefgehenden Einfluss auf die Industrie haben.
Wichtigste Trends, die Lieferketten bis zum Jahr 2023 voraussichtlich beeinflussen werden
Bedeutender Einfluss
Mäßiger Einfluss
Robotische Prozessautomatisierung
13 %
21 %
Blockchain
15 %
17 %
Digitalisierung der Lieferkette
16 %
15 %
Künstliche Intelligenz/Cognitive Computing
13 %
17 %
SCMR; APQC, 2021
Diese neuen Trends werden voraussichtlich in der nahen Zukunft einen tiefgehenden Einfluss auf die Industrie haben.
Wichtigste Trends, die Lieferketten bis zum Jahr 2023 voraussichtlich beeinflussen werden
Bedeutender Einfluss
Mäßiger Einfluss
Robotische Prozessautomatisierung
13 %
21 %
Blockchain
15 %
17 %
Digitalisierung der Lieferkette
16 %
15 %
Künstliche Intelligenz/Cognitive Computing
13 %
17 %
SCMR; APQC, 2021
59 %
KI und ML gehören zu den spannendsten Entwicklungen in diesem Bereich und das enorme Spektrum von Einsatzmöglichkeiten zeigt, wie tiefgehend diese Revolution sein wird.
Qualitätskontrolle
44 %
KI-Anwendungsfälle im Fertigungsbereich weltweit; Stand Ende 2020
Bestandsmanagement
32 %
Überwachung, Diagnostik
29 %
Kundenbetreuung
MIT Technology Review Insights, 2020
22 %
Personalisierung von Produkten oder Diensten
22 %
Asset-Wartung
KI und ML gehören zu den spannendsten Entwicklungen in diesem Bereich und das enorme Spektrum von Einsatzmöglichkeiten zeigt, wie tiefgehend diese Revolution sein wird.
KI-Anwendungsfälle im Fertigungsbereich weltweit; Stand Ende 2020
59 %
Qualitätskontrolle
44 %
Bestandsmanagement
32 %
Überwachung, Diagnostik
29 %
Kundenbetreuung
22 %
Personalisierung von Produkten oder Diensten
22 %
Asset-Wartung
MIT Technology Review Insights, 2020
Da Effizienzsteigerung die wichtigste Priorität im kommenden Jahr sein wird, können wir eine rasante Beschleunigung der Modernisierungsanstrengungen erwarten.
65%
stimmen zu, dass verbesserte Effizienz im kommenden Jahr die wichtigste Priorität sein wird
EY, 2021
Da Effizienzsteigerung die wichtigste Priorität im kommenden Jahr sein wird, können wir eine rasante Beschleunigung der Modernisierungsanstrengungen erwarten.
65 %
stimmen zu, dass verbesserte Effizienz im kommenden Jahr die wichtigste Priorität sein wird
EY, 2021
Zusammenfassung
Generatives Design, digitale Zwillinge, ERP-Software und erweiterte Realität sind nur einige Beispiele, wie Technologie den Fertigungssektor revolutionieren kann.
Rich McEachran
Für Hersteller wird es entscheidend sein, Mitarbeiter umzuschulen und weiter zu qualifizieren bzw. neue Talente zu gewinnen, um das IoT und maschinelles Lernen optimal einsetzen zu können.
Wenn es aber gelingt, IoT-Technologie angemessen in den Betrieb zu integrieren, dann wird im Bereich der Fertigung ein Kreislauf aus Effizienz, Produktivität und Sicherheit möglich.
Es bestehen keine Garantien, wie sich der Weg zu Industry 4.0 in den kommenden 5 bis 10 Jahren weiterentwickeln wird. Doch wenn dieser Weg heute schon eingeschlagen wird, können sich Hersteller zweifellos einen Wettbewerbsvorteil sichern. Im Bereich technologischer Trends voranzugehen, wird für Hersteller entscheidend sein, um mit der digitalen Revolution Schritt halten zu können.