Der Clou: Der Studiengang verknüpft solides Fundament mit internationalem Anspruch. Schon im Bachelor, der bilingual deutsch-englisch ausgerichtet ist, erwerben die Studierenden neben Mathematik und Informatik ein tiefes Verständnis für Methoden der Datenanalyse und des maschinellen Lernens. Von Anfang an setzen sie ihr Wissen praktisch ein – ob beim Erheben, Verarbeiten oder Auswerten von Daten. Theorie und Praxis greifen nahtlos ineinander.

„Unsere Absolventinnen und Absolventen sollen nicht nur Algorithmen anwenden, sondern komplexe Fragestellungen durchdringen und kritisch reflektieren können“, betonen die Verantwortlichen. Genau das unterscheidet das Ilmenauer Konzept: ein Studium, das wissenschaftliche Tiefe mit unmittelbarem Praxisbezug verbindet.

Übernimmt die Künstliche Intelligenz bald die Arbeit der Ärzte?

Kuntze: Bei der Diagnostik, der Auswertung von Bildern, ist die KI uns im Moment schon in Teilbereichen überlegen. Wir haben auch modernste Diagnostikgeräte und smarte Bildgebung. Da sind schon viele KI-Funktionen integriert – eine explosionsartige Entwicklung, die sich auch von Jahr zu Jahr so fortsetzen wird. Das heißt, vieles, wo man früher lange Zeit als Radiologe, als Kardiologe oder auch mal als Herzchirurg vor den Bildern gesessen, gemessen und ausgewertet hat, nimmt uns heute in Sekundenschnelle die KI ab.

​Grundverständnis und Konzept

Smart Manufacturing

Smart Manufacturing ist ein breiterer Begriff, der die Integration moderner Technologien wie IoT, KI, Cloud Computing und Big Data umfasst, um Fertigungsprozesse effizienter und flexibler zu gestalten. Es konzentriert sich darauf, Fertigungssysteme intelligenter zu machen, indem Daten und Analysen genutzt werden, um Prozesse zu optimieren, Kosten zu senken und die Qualität zu steigern.

Manufacturing-X

Manufacturing-X ist eine spezifische Plattform und ein Konzept für die Industrie 4.0. Es zielt darauf ab, Unternehmen eine digitale Infrastruktur für die nahtlose Vernetzung und Integration ihrer Fertigungsprozesse bereitzustellen. Die Plattform legt besonderen Wert auf Interoperabilität und den Datenaustausch zwischen verschiedenen Akteuren entlang der Wertschöpfungskette, einschließlich Lieferanten, Partnern und Kunden.

Fokus und Zielsetzung

Smart Manufacturing

Ziel ist es, die Fertigung intelligenter und anpassungsfähiger zu machen. Dazu gehört beispielsweise die Einführung von Echtzeitüberwachung, Automatisierung und KI-gestützten Entscheidungen, um Prozesse zu verbessern. Beispiel: Eine smarte Fabrik erkennt Maschinenprobleme automatisch und plant Wartungen vorausschauend.

Manufacturing-X

Das Hauptziel ist die Entwicklung einer ganzheitlichen, digitalisierten Infrastruktur, die alle Beteiligten in der Fertigung miteinander verbindet. Es geht über den reinen Produktionsprozess hinaus und optimiert die Zusammenarbeit und den Datenaustausch entlang der gesamten Lieferkette. Beispiel: Ein Unternehmen kann über Manufacturing-X Daten mit Lieferanten teilen, um den Materialfluss in Echtzeit zu steuern.

Technologien und Komponenten

Smart Manufacturing

Hier kommen Sensorik und IoT für die Echtzeit-Datenüberwachung zum Einsatz. KI und Machine Learning werden für Prozessoptimierungen eingesetzt. Smart Manufacturing setzt auf Automatisierung und Robotik. Es werden sogenannte Digital Twins (digitale Abbilder von Produktionssystemen) genutzt.

Manufacturing-X

Hier liegt der Fokus auf Interoperabilität zwischen Systemen. Die Akteure setzen auf eine stärkere Einbindung von Blockchain zur Sicherstellung transparenter Lieferketten. Daten platt formen sorgen für den sicheren Austausch von Produktions- und Lieferketteninformationen. KI wird zur Analyse und Optimierung des Zusammenspiels zwischen Akteuren eingesetzt.

Anwendungsbereich

Smart Manufacturing

Konzentriert sich primär auf die Verbesserung interner Produktionsprozesse innerhalb eines Unternehmens.

Manufacturing-X

Strebt eine Vernetzung über Unternehmensgrenzen hinweg an, um ein digitales Ökosystem zu schaffen, das die gesamte Wertschöpfungskette integriert.

Vision und Zukunft

Smart Manufacturing

Die Vision ist eine vollständig automatisierte und datengesteuerte Fabrik, in der Produktionsanlagen intelligent reagieren und Entscheidungen eigenständig treffen.

Manufacturing-X

Die Vision ist ein global vernetztes Fertigungsökosystem, das von einer sicheren, transparenten und kollaborativen Datenplattform unterstützt wird und alle Akteure der Lieferkette einbindet.

Unser Fazit

Während Smart Manufacturing den Fokus auf die Digitalisierung und Optimierung interner Produktionsprozesse legt, geht Manufacturing-X einen Schritt weiter, indem es die gesamte Fertigungslandschaft über Unternehmensgrenzen hinweg miteinander vernetzt. Beide Konzepte ergänzen einander und stellen wichtige Bausteine für die Zukunft der Fertigung dar. (tl)​

Der Begriff Smart Manufacturing beschreibt den Einsatz modernster Technologien und Datenanalyse, um Produktionsprozesse effizienter, flexibler und nachhaltiger zu gestalten. Diese innovative Herangehensweise ermöglicht Unternehmen, nicht nur Kosten zu senken, sondern auch ihre Wettbewerbsfähigkeit in einem dynamischen Marktumfeld zu sichern.

Was ist Smart Manufacturing?

Smart Manufacturing, auch als „intelligente Fertigung“ bezeichnet, beschreibt die Verschmelzung von industriellen Prozessen mit digitalen Technologien wie dem Internet der Dinge (IoT), Künstlicher Intelligenz (KI), Big Data und Cloud Computing. Ziel ist es, Fertigungsprozesse zu automatisieren, zu optimieren und in Echtzeit zu überwachen. Dabei werden Maschinen, Sensoren und Software miteinander vernetzt, um Daten in Echtzeit zu sammeln, auszuwerten und daraus Entscheidungen abzuleiten.

Ein zentrales Merkmal von Smart Manufacturing ist die Anpassungsfähigkeit: Produktionslinien können flexibel auf Änderungen reagieren, sei es durch Variationen in der Nachfrage oder individuelle Kundenwünsche. Gleichzeitig ermöglicht die Techno logie eine lückenlose Transparenz über alle Fertigungsschritte hinweg.

Bedeutung in der modernen Produktion

Die Integration von Smart-Manufacturing-Technologien hat das Potenzial, Produktionsprozesse grundlegend zu verändern. Wichtige Vorteile sind:

Effizienzsteigerung

Durch automatisierte Abläufe und Echtzeit-Überwachung können Ressourcen effizienter genutzt und Stillstandszeiten minimiert werden.

Qualitätsverbesserung

Mithilfe von Sensoren und KI-Algorithmen werden Produktfehler früh zeitig erkannt und vermieden, was die Qualität erhöht und Ausschuss reduziert.

Flexibilität und Individualisierung

Individuelle Kundenwünsche können schneller berücksichtigt werden, etwa durch Los größe-1-Fertigung, bei der maßgeschneiderte Produkte ohne signifikanten Kostenanstieg gefertigt werden.

Nachhaltigkeit

Der ressourcenschonende Einsatz von Energie und Rohstoffen wird durch präzise Planung und Überwachung gefördert.

In einer Zeit, in der globale Lieferketten komplexer werden und der Fachkräftemangel die Industrie belastet, bietet Smart Manufacturing den Unternehmen eine zukunftsfähige Lösung. Es ist ein wichtiger Baustein für die Resilienz der Produktion und ermöglicht, flexibel auf Marktanforderungen zu reagieren.

Rahmenbedingungen für Smart Manufacturing

Damit Smart Manufacturing erfolgreich implementiert werden kann, müssen bestimmte Voraussetzungen erfüllt sein:

Technologische Infrastruktur

Die Basis für Smart Manufacturing bildet eine leistungsfähige IT-Infrastruktur. Dazu gehören Netzwerke mit hoher Bandbreite, Cloud-Computing Dienste und Cyber-Security-Maßnahmen, um sensible Produktionsdaten zu schützen.

Datenmanagement

Der Umgang mit großen Daten mengen erfordert geeignete Softwarelösungen, die Daten sammeln, auswerten und visualisieren können. Entscheidend ist hierbei die Interoperabilität, damit verschiedene Systeme nahtlos zusammenarbeiten.

Fachkräfte und Weiterbildung

Die Einführung smarter Technologien erfordert qualifiziertes Personal. Unternehmen müssen in die Weiterbildung ihrer Mitarbeiter investieren, um Kompetenzen in Bereichen wie Datenanalyse und Künstliche Intelligenz zu stärken.

Regulatorische Anforderungen

Unternehmen müssen sicherstellen, dass ihre digitalen Prozesse den gesetzlichen Vorgaben entsprechen, insbesondere im Bereich Datenschutz und Cyber-Sicherheit.

Kultureller Wandel

Smart Manufacturing bedeutet nicht nur technologische, sondern auch organisatorische Veränderungen. Eine offene Unternehmenskultur, die Innovation fördert und Veränderungen begrüßt, ist essenziell.

Praxisbeispiele für Smart Manufacturing

Ein Blick in die Praxis zeigt, wie Unternehmen Smart Manufacturing erfolgreich einsetzen:

Automobilindustrie

Hersteller wie BMW und Audi nutzen vernetzte Produktionsanlagen, in denen Roboter und KI-Systeme eng zusammenarbeiten. So können Produktionslinien flexibel umgerüstet werden, um unterschiedliche Fahrzeugmodelle auf derselben Linie zu fertigen.

Chemiebranche

BASF nutzt digitale Zwillinge, um Produktionsprozesse zu simulieren und zu optimieren. Mithilfe dieser virtuellen Modelle können potenzielle Engpässe identifiziert und behoben werden, bevor sie die Produktion beeinträchtigen.

Mittelstand

Auch kleinere Unternehmen setzen auf smarte Technologien. Ein mittel ständischer Maschinenbauer in Seebach / Thüringen nutzt IoT-Sensoren, um den Zustand seiner Maschinen zu überwachen und Wartungsarbeiten proaktiv zu planen. Dies reduziert Ausfallzeiten und verlängert die Lebensdauer der Anlagen.

Lebensmittelproduktion

Nestlé hat eine intelligente Produktionsanlage eingeführt, in der Sensoren die Qualität der Rohstoffe überwachen und in Echtzeit Anpassungen vornehmen. Dies minimiert Ausschuss und gewährleistet gleichbleibende Produktqualität.

Unser Fazit

Smart Manufacturing ist nicht länger ein Trend, sondern ein essenzieller Bestandteil der modernen Produktion. Unternehmen, die frühzeitig auf intelligente Technologien setzen, verschaffen sich einen entscheidenden Vorteil in einem zunehmend wettbewerbsorientierten Markt. Gleichzeitig erfordert die Umsetzung Investitionen in Technologie, Weiterbildung und Kulturwandel. Doch die Vorteile – von höherer Effizienz bis hin zu nachhaltiger Produktion – machen Smart Manufacturing zu einer lohnenden Investition in die Zukunft.

Die Region kann hier eine Vorreiterrolle einnehmen, indem sie Unternehmen unterstützt, in smarte Technologien zu investieren und gleichzeitig die notwendige Infrastruktur bereitstellt. Smart Manufacturing ist nicht nur die Zukunft der Produktion, sondern auch ein wichtiger Motor für wirtschaftliches Wachstum und Innovation. (tl)

Popkulturellen Narrativen ist dabei gemein, dass sie zu der realen Version der Künstlichen Intelligenz nur vereinzelte Parallelen aufweisen. In der banalen Wirklichkeit verliert die KI zwar viel von den Klischees zwischen Ideal- und Dämonisierung, sie gewinnt jedoch an praktischem Nutzen.

Künstliche Intelligenz (KI)

KI lässt sich am ehesten als ein Instrument beschreiben, das bei der Verarbeitung von Daten helfen soll. Der Bereich der KI ist eine Untergruppe aus dem Forschungsgebiet des Maschinellen Lernens (ML). Beide Begrifflichkeiten lassen sich meist nicht scharf trennen und fließen ineinander. Im Fokus dieser Themen komplexe standen lange Zeit Fragen wie: „Wie komme ich an Daten?“, „Welche Sensoren kann ich einsetzen?“ oder „Wie kann ich diese Daten auswerten?“. Heute ist dagegen die Herausforderung, wie wir enorme Mengen an Daten komprimieren, auswerten oder Entscheidungen nachvollziehen. Hier kommen dann Begrifflichkeiten wie z.B. Big Data, Dimensionsreduktions-Algorithmen oder erklärbare KI (explainable artificial intelligence (XAI)) zum Einsatz.

Das Forschungsgebiet „Big Data“ ist ursprünglich mit der Expansion der Informationsquellen entstanden. Infolge der Möglichkeit, kostengünstige Mikroelektronik und Sensorik herzustellen, ist die Zahl an potenziellen Datenquellen explodiert und zugleich die Herausforderung der Aus- und Bewertung dieser Daten akut geworden. Nun mussten effiziente und schnelle Algorithmen entwickelt werden, welche es den Menschen in annehmbarer Zeit ermöglicht, komplexe Muster, Zusammenhänge und Verläufe in den Daten zu erkennen und auch verstehen zu können.

So lassen sich mehr und mehr Informationen aus den großen Beständen an Daten ziehen und für nachlaufende Erklärungen, tiefere Verständnisse des Gegebenen und vorlaufende Abschätzungen der möglichen Zukunft nutzen. Gerade weil die Vermessung unserer Welt durch Sensoren in Geräten wie Smartphones oder auch modernen Automobilen immer weiter voranschreitet, wächst ein Fundus an Wissen, der produktiv genutzt werden kann.

Zugleich ist es angebracht, nicht von der einen Künstlichen Intelligenz zu sprechen, sondern dies eher als Sammelbegriff verschiedener, teils recht unterschiedlicher Formen von KI zu verstehen. Diese umfasst diverse Verfahren der Datenverarbeitung, die sich für unterschiedliche Kontexte, Fragenstellungen und Materialien eignen. Zum Beispiel können KI-Modelle, die sich für Bildererkennung eignen, nicht für Sprachprogramme wie Chat GPT verwendet werden.

Damit ist auch schon eine Schwäche in der Nutzung von KI angesprochen: Nicht alle Modelle eignen sich für jede Anwendung, die produktive Nutzung verlangt einen reflektierten Umgang.

Werkzeuge in der Industrie

Was meint es nun, von der KI als Werkzeug in der Industrie zu sprechen? Stellen wir uns einen Produktionsprozess von Plastikteilen vor: Wir haben auf der einen Seite die vielen kleinen Plastikkügelchen am Anfang, die aufgeschmolzen und in eine bestimmte Form gebracht werden, um zum Ende als gefertigtes Teil aus der Maschine entnommen zu werden. Was zunächst wie ein idealer, unendlich wiederholbarer Vorgang erscheint, hängt im Alltag der Produktion von vielen Faktoren ab. Die Erfahrung von Mitarbeitern und Mitarbeiterinnen mit den Maschinen und Materialien ist hier für den Produktionsprozess zentral, und wird es absehbar bleiben. Eine hilfreiche Komponente kann aber zugleich eine Sensorik sein, die unter anderem Parameter wie Temperatur und Druck permanent misst und eine erste Auskunft über die erwartbare Güte der produzierten Teile zum Beispiel durch eine Ampel gibt, beziehungsweise vor wahrscheinlichen Fehlern warnt und Anpassungsvorschläge liefert.

Für solche in den Produktionsprozess integrierten Beurteilungen ist nicht eine Messung entscheidend, sondern ein Zusammenspiel verschiedener Werte und Schwellen sowie unterschiedlicher, teils zusammenhängender Verläufe, wodurch sich dynamische Verarbeitungssysteme wie KI-Modelle anbieten. Moderne Sensoren sind nicht nur hochempfindlich, sie können auch an Punkten angebracht werden, die dem Menschen während der Produktion nicht zugänglich sind.

Der Mensch wird hier also nicht ersetzt, sondern durch die Technik unterstützt. In verschiedenen Forschungsprojekten wie zum Beispiel „Powermoulds“, „Wasabi“ oder auch „SMoSys“ arbeiten Manuel Schneider und Norbert Greifzu aus dem Team der „Eingebetteten Diagnosesysteme (EDS)“ von Professor Andreas Wenzel an solchen Lösungen für eine smarte Industrie und dem Einsatz vom KI an anwendungsnahen Problemstellungen. Die Forschungsgruppe EDS ist Teil einer Hauptforschungsrichtung „Adaptive Signalanalyse“ der Hochschule Schmalkalden.

Eine längere Version dieses Artikels und eine Liste interessanter Veröffentlichungen der Forschungsgruppe finden Sie hier.

Die Zukunft der Logistik wird durch technologische Innovationen, nachhaltige Praktiken und die Anpassung an urbane Herausforderungen geprägt sein. Besonders die innerstädtische Logistik wird von diesen Entwicklungen profitieren. Der Einsatz alternativer Antriebe wird dabei eine Schlüsselrolle spielen, um die Umweltbelastung zu reduzieren und gleichzeitig die Effizienz zu steigern. Unternehmen, die frühzeitig auf diese Trends setzen und in entsprechende Technologien investieren, werden sich in der wettbewerbsintensiven Logistiklandschaft der Zukunft behaupten können.

Die Logistikbranche steht vor einem tiefgreifenden Wandel, angetrieben von technologischen Innovationen, veränderten Verbraucherbedürfnissen und globalen Megatrends. In den kommenden Jahren wird die Logistik nicht nur effizienter und nachhaltiger, sondern auch vielfältiger und komplexer. Dieser Beitrag beleuchtet die allgemeinen Entwicklungen und fokussiert sich dann auf die innerstädtische Logistik, wobei der Einsatz alternativer Antriebe besonders berücksichtigt wird.

Allgemeine Entwicklungen in der Logistik – Digitalisierung und Automatisierung

Die Digitalisierung revolutioniert die Logistikbranche. Durch den Einsatz von Künstlicher Intelligenz (KI), Big Data und dem Internet der Dinge (IoT) werden Lieferketten transparenter und effizienter. Predictive Analytics ermöglicht es, zukünftige Trends vorherzusagen und darauf basierend die Lagerbestände optimal zu verwalten. Der Begriff „Predictive Analytics“ wird im Deutschen üblicherweise als „vorausschauende Analytik“ oder „prädiktive Analytik“ übersetzt. Beide Begriffe beschreiben den Einsatz von Datenanalyse-Techniken, um zukünftige Ereignisse oder Trends vorherzusagen. Automatisierte Lager- und Transportsysteme, wie Drohnen und autonome Fahrzeuge, werden zunehmend die menschliche Arbeit ergänzen und in einigen Bereichen sogar ersetzen.

Nachhaltigkeit und Umweltschutz

Der Klimawandel und die steigenden Anforderungen an den Umweltschutz zwingen die Logistikbranche zu nachhaltigen Praktiken. Grüne Logistik, die Reduktion von CO2-Emissionen und der Einsatz umweltfreundlicher Materialien und Verpackungen stehen im Vordergrund. Unternehmen setzen auf Energieeffizienz, Recycling und die Minimierung von Abfall, um ihre ökologischen Fußabdrücke zu verkleinern.

Globalisierung und E-Commerce

Die Globalisierung und der Boom des E-Commerce haben die Nachfrage nach schnellen und zuverlässigen Lieferdiensten stark erhöht. Verbraucher erwarten heute, dass ihre Bestellungen innerhalb von Tagen, wenn nicht Stunden, geliefert werden. Dies führt zu einem intensiven Wettbewerb und erfordert innovative Lösungen in der Lieferkettenverwaltung und der letzten Meile.

Innerstädtische Logistik und ihre Herausforderungen

Die innerstädtische Logistik, oft als „letzte Meile“ bezeichnet, ist eine der komplexesten und kostenintensivsten Phasen der Lieferkette. Sie umfasst die Zustellung von Waren innerhalb städtischer Gebiete, wo Verkehrsstaus, begrenzte Parkmöglichkeiten und strenge Umweltauflagen besondere Herausforderungen darstellen.

Zu den größten Herausforderungen zählen zweifellos die Verkehrsprobleme. Überfüllte Straßen und begrenzte Parkmöglichkeiten erschweren die effiziente Zustellung

Gleich danach folgen Lärm- und Umweltbelastung. Lieferfahrzeuge tragen zur Lärmbelästigung und Luftverschmutzung bei, was in Städten mit hohen Umweltstandards besonders problematisch ist.

Und zu guter Letzt sind da noch die Kosten. Die letzte Meile ist oft der teuerste Teil der Lieferkette, da sie hohe Personalkosten und niedrige Effizienz aufweist.

Lösungen und Innovationen

Wie könnten also Lösungsmöglichkeiten für diese Probleme aussehen? Zum Beispiel Mikro-Depots und Hubs: Die Einrichtung von Mikro-Depots in der Nähe von Wohngebieten ermöglicht eine schnellere und effizientere Zustellung. Diese Hubs dienen als Zwischenlager für Waren, die von kleineren Fahrzeugen oder sogar von Fahrrädern und E-Scootern abgeholt und verteilt werden.

Im gewerblichen Bereich bieten sich Nachtlieferungen an. Um den Verkehr zu entlasten, setzen bereits einige Städte auf Nachtlieferungen. Diese Strategie reduziert Verkehrsstaus und verbessert die Zustellgeschwindigkeit.

Ein neues Schlagwort ist die sogenannte „Kollaborative Logistik“. Durch die Zusammenarbeit verschiedener Logistikdienstleister können Lieferungen gebündelt und optimiert werden, was die Effizienz erhöht und die Umweltbelastung reduziert.

Alternative Antriebe in der innerstädtischen Logistik

Die Einführung alternativer Antriebe spielt eine entscheidende Rolle bei der nachhaltigen Gestaltung der innerstädtischen Logistik. Elektrische und wasserstoffbetriebene Fahrzeuge sowie andere innovative Antriebssysteme bieten erhebliche Vorteile.

Elektrofahrzeuge (EV)

Elektrofahrzeuge werden zunehmend für innerstädtische Lieferungen eingesetzt. Sie sind leise und emissionsfrei, was sie ideal für den städtischen Einsatz macht. Viele Unternehmen investieren in EV-Flotten, um ihre Umweltziele zu erreichen. Die Infrastruktur für das Laden von Elektrofahrzeugen wird kontinuierlich ausgebaut, was die Akzeptanz und Nutzung weiter fördert.

Und dann sind da noch die viel geschmähten Lastenfahrräder und E-Scooter. Für kleinere Lieferungen bieten beide Transportmittel eine flexible und nachhaltige Lösung. Diese Fahrzeuge können problemlos enge Gassen und stark frequentierte Bereiche befahren, wodurch sie die Effizienz der letzten Meile erhöhen und gleichzeitig die Umweltbelastung minimieren.

Einige der in diesem Beitrag beschriebenen Punkte finden Sie in weiteren Onlineartikeln.