Logo des Repositoriums
 

HMD 56(6) - Dezember 2019 - IoT Best Practices

Autor*innen mit den meisten Dokumenten  

Auflistung nach:

Neueste Veröffentlichungen

1 - 10 von 16
  • Zeitschriftenartikel
    IoT-gestützte, kommunale Datenarchitektur für Metropolregionen in Deutschland – Metropolitan Data Space
    (HMD Praxis der Wirtschaftsinformatik: Vol. 56, No. 6, 2019) Hoffmann, Jörg; Niederau, Mathis
    Die Metropolregion Rhein-Ruhr zeigt beispielhaft, wie sich Regionen in Deutschland wandeln: Wo einst Kohlebergwerke und die Montanindustrie die Landschaft prägten, entstehen heute langsam neue Industrien; aus alten Tagebauen wird langsam eine Seenlandschaft. Allerdings wächst die Wirtschaft im Ruhrgebiet noch immer langsamer als im Rest Deutschlands. Es benötigt neue Impulse, um Regionen wie diese wirtschaftlich zu unterstützen und zusammenzuführen. Ein solcher Impuls ist eine zentrale Datenplattform, in der nicht nur einzelne Städte, sondern die gesamte Metropolregion vernetzt werden. Genau wie die Grenzen zwischen Städten wie Essen, Bochum und Dortmund bei der Durchfahrt verschwinden, sollen damit auch bestehende digitale Grenzen der Vergangenheit angehören. Als digitale Infrastruktur ermöglichen solche Plattformen neue digitale Geschäftsmodelle für Unternehmen der Region auf Basis von datenbasierten Anwendungsfällen und bilden so die Basis für eine vernetzte Region. Eine Untersuchung des Status Quo in Bezug auf digitale Plattformen und die Datenbereitstellung aus den Kommunen in der Metropolregion Rhein-Ruhr ergibt, dass noch umfangreicher Handlungsbedarf besteht: So besteht weder eine einheitliche Strategie zur Bereitstellung von Daten, noch werden von einzelnen Kommunen relevante Live-Daten auf bestehenden Plattformen veröffentlicht. Auch innerhalb der Kommunen ist die bestehende Sensorbasis und deren Konnektivität nicht ausreichend für die Befüllung einer zentralen Datenplattform – allenfalls bestehen im Kontext von Smart-City-Initiativen Leuchtturmprojekte. Der vorliegende Artikel stellt daher eine IoT-gestützte Architektur für eine zentrale, metropolregionsübergreifende Datenplattform auf Basis des International Data Space, Data Lakes und IoT-Vernetzungstechnologien vor. Er zeigt außerdem auf, wie durch die technische und organisatorische Einbindung von Unternehmen der Wirtschaft ein skalierbares Ökosystem geschaffen werden kann. Anhand von konkreten Beispielen wird erklärt, wie die Umsetzung der Architektur begonnen hat und wie die weitere Implementierung geplant ist. The Rhine-Ruhr metropolitan region is an example of how regions in Germany are changing: Where coal mines and the steel industry once shaped the landscape, new industries are slowly emerging today; old opencast mines are slowly turning into a lake landscape. However, the economy in the Rhine-Ruhr region is still growing more slowly than in the rest of Germany. It needs new impulses to economically support and unite regions like these. Such an impulse is a central data platform in which not only individual cities but the entire metropolitan area is connected. Just as the borders between cities such as Essen, Bochum and Dortmund disappear when passing through, existing digital borders should also be a thing of the past. As a digital infrastructure, such platforms enable new digital business models for companies in the region on the basis of data-based applications and thus form the basis for a networked region. An analysis of the status quo with regard to digital platforms and the provision of data from the municipalities in the Rhine-Ruhr metropolitan region shows that there is still a great need for action: there is neither a uniform strategy for the provision of data, nor is relevant live data published by individual municipalities onto existing platforms. Even within the municipalities, the existing sensor base and its connectivity is not sufficient for filling a digital platform—in any case, lighthouse projects exist in the context of smart city initiatives. In this article, therefore, we present an IoT-supported architecture for a central, cross-metropolitan data platform based on Industrial Data Space, Data Lakes and IoT networking technologies. We also show, how a scalable ecosystem can be created through the technical and organizational integration of companies in the economy. Using concrete examples, we explain how the implementation of the architecture began and how further implementation is planned.
  • Zeitschriftenartikel
    IIoT-basierte Geschäftsmodellinnovation im Industrie-Kontext: Archetypen und praktische Einblicke
    (HMD Praxis der Wirtschaftsinformatik: Vol. 56, No. 6, 2019) Oberländer, Anna Maria; Übelhör, Jochen; Häckel, Björn
    Im Zeitalter digitaler Technologien beschränkt sich der Wettbewerb zwischen Industrieunternehmen nicht mehr nur auf klassische Produkt- und Serviceinnovationen. Vielmehr gewinnen neue digitale Geschäftsmodelle auf Basis des Industrial Internet-of-Things (IIoT) an Bedeutung, welche die Vernetzung physischer Produkte und die damit einhergehende Gewinnung und Verwertung relevanter Nutzungs- und Umweltdaten ermöglicht. Neue datenbasierte Geschäftsmodelle, wie zum Beispiel Pay-per-Use-Modelle oder Plattformen, entstehen. Da insbesondere im IIoT-Kontext ein umfassendes und praxisrelevantes Verständnis zu den damit einhergehenden Möglichkeiten der Geschäftsmodellentwicklung fehlt, beschäftigt sich dieser Beitrag mit IIoT-basierten Geschäftsmodellinnovationen im Industrie-Kontext. Zunächst werden sechs IIoT-basierte Geschäftsmodell-Archetypen vorgestellt, die im Rahmen des öffentlich geförderten Konsortialforschungsprojekts „Transparenz in Produktionsprozessen“ (TRiP) mit sechs Industrieunternehmen aus verschiedenen Branchen identifiziert und evaluiert wurden. Auf Basis von zehn interdisziplinären Geschäftsmodellworkshops mit den Konsortialunternehmen werden zudem praxisrelevante Erkenntnisse über die Transformation vom Status Quo Geschäftsmodell hin zum IIoT-basierten Geschäftsmodell diskutiert und abgeleitet. Der Beitrag bietet Praktikern einen strukturierten Überblick zu den Möglichkeiten und Auswirkungen IIoT-basierter Geschäftsmodellinnovation sowie Ansatzpunkte für den Wandel hin zu IIoT-basierten Geschäftsmodellen. In the age of digital technologies, competition between industrial companies is no longer limited to classic product and service innovations. Instead, new digital business models based on the Industrial Internet of Things (IIoT), which enables the networking of physical products and the associated acquisition and exploitation of relevant usage and environmental data, are becoming increasingly important. New data-based business models, such as pay-per-use models or platforms, are emerging. Since a comprehensive and practice-oriented understanding of the associated possibilities of business model development is missing, especially in the IIoT context, this article deals with IIoT-based business model innovations in the industrial context. First, six IIoT-based business model archetypes are presented, which were identified and evaluated as part of the publicly funded research project “Transparency in Production Processes” (TRiP) with six industrial companies from different industries. On the basis of ten business model innovation workshops with the partner companies, practice-oriented insights on the transformation from the status quo business model to IIoT-based business models are derived and discussed. The article provides practitioners with a structured overview of the possibilities and effects of IIoT-based business model innovation as well as starting points for the transformation towards IIoT-based business models.
  • Zeitschriftenartikel
    IoT Best Practices
    (HMD Praxis der Wirtschaftsinformatik: Vol. 56, No. 6, 2019) Barenkamp, Marco; Schoenke, Jan; Zarvic, Novica; Thomas, Oliver
    Das Internet der Dinge treibt die Digitalisierung in vielen Lebensbereichen und vor allem in der Industrie stark voran. Dabei ergeben sich eine Vielzahl von neuen und verbesserten Anwendungsszenarien und Geschäftsmodellen. Getrieben durch die (theoretisch) unbegrenzten Möglichkeiten der Umsetzung, müssen besonders in der Planung zentrale Sachverhalte vorab evaluiert und bewertet werden, um in Bereichen wie Sicherheit, Betriebsfähigkeit, Skalierung, Wirtschaftlichkeit sowie Geschäftsmodell eine bestmögliche Qualität zu erreichen. Wir geben einen Überblick über die Bedeutung und Zusammenhänge dieser verschiedenen Aspekte und zeigen an einem internationalen IIoT-Projekt konkrete Fallstricke und die getroffenen Gegenmaßnahmen auf. Auf Basis dieser Erkenntnisse geben wir Empfehlungen an Best Practices ab, um neu zu beginnende IoT Projekte zukünftig zielgerichtet planen zu können. The Internet of Things is driving forward digitalization in many areas of life and especially in industry. This results in a large number of new and improved application scenarios and business models. Driven by the (theoretically) unlimited possibilities of implementation, central issues in particular must be evaluated in advance in order to achieve the best possible quality in areas such as security, operability, scaling, cost-effectiveness and business model. We give an overview of the significance and interrelations of these different aspects and point out specific pitfalls and the mitigations taken in an international IoT project in order to recommend best practices to plan new IIoT projects in a more sophisticated way.
  • Zeitschriftenartikel
    Konzeption und Realisierung eines Produktionssystems für die modulare Fertigung in der Automobilindustrie
    (HMD Praxis der Wirtschaftsinformatik: Vol. 56, No. 6, 2019) Huber, Walter
    Die Automobilindustrie befindet sich seit Jahren in einem gravierenden Veränderungsprozess. Steigende Variantenzahlen, kürzere Produktlebenszyklen, zunehmende regulatorische Vorgaben und der Kundenwunsch nach individuellen Fahrzeugen führen zu immer weiteren Anpassungen in der Fertigung der jeweiligen Unternehmen. Dieser Trend wird durch neue Antriebsarten weiter verstärkt. Bestehende Planungs- und Fertigungsansätze kommen somit immer stärker an ihre Grenzen. Modulare Ansätze, die starre Fertigungsstrukturen auflösen, versprechen hier erhebliche Produktivitätsgewinne bei gleichzeitiger Erhöhung der Flexibilität und Wandlungsfähigkeit. Im Folgenden wird die produktive Umsetzung eines derartigen Ansatzes für die Komponentenfertigung in der Automobilindustrie vorgestellt. The automotive industry has been in a continous process of change for years. Increasing number of product variants, shorter product life cycles, increasing regulatory requirements and the customer request for individual vehicles lead to more and more adjustments in the production of the respective companies. This trend is further increased by new driving concepts. Existing planning and manufacturing approaches are thus reaching their limits Modular production approaches that dissolve rigid manufacturing structures promise significant productivity gains while increasing flexibility and mutability. In the following article, the productive implementation of such an approach for a component manufacturing company is presented.
  • Zeitschriftenartikel
    Cloud to Cloud Integration im IoT Umfeld
    (HMD Praxis der Wirtschaftsinformatik: Vol. 56, No. 6, 2019) Hick, Lukas; Börner, Dirk; Pagnia, Henning
    Das Internet of Things (IoT) ist ein wichtiger Baustein bei der Digitalen Transformation von Unternehmen und ein stark wachsender Markt. In dem Zeitraum von 2015–2025 wird laut einer Studie von IHS Technology eine Verfünffachung auf 75 Mrd. IoT-fähige Geräte erwartet. McKinsey beziffert den entsprechenden Markt für 2025 auf 11 Billionen US-$. Schon heute gibt es eine Vielzahl von Anbietern und Plattformen, die mit jeweils unterschiedlichen Kernkompetenzen einen Einstieg in das Themenfeld IoT bieten. Um Unternehmen spezifische Lösungen für deren konkrete Anwendungs- und Geschäftsprozesse zu bieten, gilt es die verschiedene Plattformen mehrwertbringend zu verknüpfen und so ein integriertes Gesamtsystem bereitzustellen. Eine vielversprechende Lösung für diese Problemstellung bietet die Cloud to Cloud Integration zwischen den verschiedenen Anbietern und Plattformen. Um das Thema Cloud to Cloud Integration im IoT Umfeld genauer zu beleuchten, arbeitet dieser Artikel zunächst die aktuelle Situation auf dem Markt der IoT Plattformen auf. Diese Analyse, ergänzt um Experteninterviews, bildet die Basis der Anforderungen und Eigenschaften einer erfolgreichen Integration. Davon ausgehend beschreibt dieser Artikel erst ein Soll-Konzept und darauf folgend einen technischen Realisierungsansatz. Die ermittelten Anforderungen und Eigenschaften sowie das erarbeitete Konzept und die Architektur werden dann hinsichtlich des wirtschaftlichen Nutzens und Herausforderungen für Betreiber und Kunden einer solchen Integration diskutiert. Abgeschlossen wird der Artikel durch eine Zusammenfassung der Ergebnisse und einen kurzen Ausblick, welcher auch zukünftig mögliche Standards aufgreift. Internet of Things is an important building block enabling digital transformation of companies and it is a strongly growing market. Between 2015–2025 IHS Technology expects an increase by factor five up to 75 billion IoT devices. McKinsey quantifies the economic impact of IoT by 11 trillion US-$ in 2025. Even today there are multiple vendors and platforms, which have different core competences and offer an easy access to IoT. To provide specific software solutions to support use cases and business processes of companies with IoT, a value adding connection of different platforms resulting into one integrated end-to-end system must be implement. A Cloud to Cloud Integration between different vendors and platforms with complementary competences, is a promising approach to solve this challenge. In order to build a deeper understanding of Cloud to Cloud Integrations around IoT, this article examines the current situation on the market of IoT platforms. This analysis joint with expert interviews are the baseline for requirements and properties of such an integration. On that basis this article describes a conceptual structure and a technical realization approach. Afterwards, the specified requirements as well as concept and architecture are discussed regarding economic benefits and challenges for vendors and customers of such an integration. Finally, the article summarizes the results and provides a short outlook, which also contains possible standards for the future of IoT.
  • Zeitschriftenartikel
    Geld verdienen im IoT – aber wie?
    (HMD Praxis der Wirtschaftsinformatik: Vol. 56, No. 6, 2019) Wortmann, Felix; Bilgeri, Dominik; Gebauer, Heiko; Lamprecht, Claudio; Fleisch, Elgar
    Unternehmensberatungen, Marktforschungsinstitute und Technologie-Evangelisten haben sich in den letzten Jahren mit positiven Prognosen zum enormen Geschäftspotenzial im Internet der Dinge (aus dem Englischen Internet of Things, IoT) gegenseitig übertroffen. In der Tat eröffnen vernetzte IoT-Lösungen neue Geschäftspotenziale und sind derzeit im Begriff ganze Branchen zu disruptieren. Jedoch zeigen neuste empirische Forschungsergebnisse und bisherige Erfahrungen, dass Unternehmen diese Chancen viel langsamer realisieren als erwartet. Selbst IoT-Pioniere wie General Electric sind mit ihren ambitionierten Digitalisierungsinitiativen vorerst gescheitert und sehen sich gezwungen, ihre kommunizierten IoT-Pläne deutlich anzupassen. In Anbetracht dieses Digitalisierungs-Paradox, mit hohen Investitionskosten und niedrigen Erträgen, suchen Unternehmen heute mehr denn je nach neuen Möglichkeiten, die über bekannte Produkt- und Dienstleistungsinnovationen hinausgehen. Der vorliegende Grundlagenbeitrag widmet sich den Fragen, wie das IoT die zentralen Geschäftsmodellelemente von Unternehmen beeinflusst und wie das Digitalisierungs-Paradox überwunden werden kann. Darüber hinaus reflektiert der Beitrag erfolgsversprechende Vorgehensweisen auf dem langen Weg zur Profitabilität im Internet der Dinge. In recent years, strategy consultants, market researchers, and technology evangelists have outbid each other with positive forecasts regarding the economic potential of the Internet of Things (IoT). In fact, there is a common understanding that IoT solutions open up new business potential and are currently disrupting entire industries. However, recent empirical research shows that companies realize these opportunities much slower than anticipated. Even undisputed IoT pioneers such as General Electric have recently failed with their ambitious digitization initiatives and are forced to revise their communicated IoT plans. In view of this digitization paradox, with significant IoT investments, but low generated returns, companies are now more than ever looking for new opportunities that go beyond popular product and service innovations. This article addresses the question of how the IoT influences core business model elements, and reflects promising strategies for the long journey to profitability in the Internet of Things.
  • Zeitschriftenartikel
    Anforderungen für Zeitreihendatenbanken in der industriellen Edge
    (HMD Praxis der Wirtschaftsinformatik: Vol. 56, No. 6, 2019) Petrik, Dimitri; Mormul, Mathias; Reimann, Peter
    Das industrielle Internet der Dinge (iIoT) integriert Informations- und Kommunikationstechnologien in die industriellen Prozesse und erweitert sie durch Echtzeit-Datenanalyse. Eine bedeutende Menge an Daten, die in der industriellen Fertigung generiert werden, sind sensorbasierte Zeitreihendaten, die in regelmäßigen Abständen generiert werden und zusätzlich zum Sensorwert einen Zeitstempel enthalten. Spezielle Zeitreihen-Datenbanken (TSDB) sind dafür ausgelegt, die Zeitreihendaten effizienter zu speichern. Wenn TSDBs in der Nähe der Maschine (in der industriellen Edge) eingesetzt werden, sind Maschinendaten zur Überwachung zeitkritischer Prozesse aufgrund der niedrigen Latenz schnell verfügbar, was die erforderliche Zeit für die Datenverarbeitung reduziert. Bisherige Untersuchungen zu TSDBs sind bei der Auswahl für den Einsatz in der industriellen Edge nur begrenzt hilfreich. Die meisten verfügbaren Benchmarks von TSDBs sind performanceorientiert und berücksichtigen nicht die Einschränkungen der industriellen Edge. Wir adressieren diese Lücke und identifizieren die funktionalen Kriterien für den Einsatz von TSDBs im maschinennahen Umfeld und bilden somit einen qualitativen Anforderungskatalog. Des Weiteren zeigen wir am Beispiel von InfluxDB, wie dieser Katalog verwendet werden kann, mit dem Ziel die Auswahl einer geeigneten TSDB für Sensordaten in der Edge zu unterstützen. The industrial Internet of Things (iIoT) integrates information and communication technologies in the industrial processes, and extends them through real-time data analytics. A significant amount of data generated in industrial manufacturing is sensor-based time series data, which is generated at regular intervals, and includes a time stamp in addition to the sensor value. Special time series databases (TSDB) are designed to store the time series data more efficiently. If TSDBs are used close to the machine (in the industrial edge), machine data is quickly available for monitoring time-critical processes due to low latency. This helps to reduce the time required for data processing. Previous research on TSDBs is of limited help during the selection of TSDBs for industrial edge. Most available benchmarks of TSDBs are performance-oriented, and do not consider the restrictions of the industrial edge. We address this gap by identifying the functional criteria for the use of TSDBs in the industrial edge, and by building a qualitative requirements catalogue. Furthermore, we exemplarily show how to use this catalogue by applying it to the TSDB to support the selection of a suitable TSDB for recording sensor data in the edge.
  • Zeitschriftenartikel
    Innovation durch den Einsatz von Enterprise IoT-Lösungen: Ein Modell zur Bestimmung des Innovationspotenzials
    (HMD Praxis der Wirtschaftsinformatik: Vol. 56, No. 6, 2019) Marheine, Christian; Gruber, Lukas; Back, Andrea
    Getrieben durch Technologietrends wie das Internet der Dinge und günstigere Sensorik zielen Industrieunternehmen zunehmend darauf ab, aus den eigenen Daten und Analyseverfahren neue, innovative Produkte und Dienstleistungen zu schaffen. Durch den Einsatz von vernetzen Geräten und entsprechender Software entstehen häufig individuelle IoT-Lösungen mit denen sich Unternehmen im Markt differenzieren wollen. Doch wo liegen die Kernunterschiede zwischen verschiedenen IoT-Lösungen und welches Innovationspotenzial geht mit ihnen einher? Auch die Literatur gibt wenig Aufschluss über diese Frage. Basierend auf der Untersuchung 18 bereits existierender Reifegradmodelle sowie 5 Experteninterviews identifizieren wir vier Schlüsseldimensionen, (1) Datenquelle, (2) Datenziel, (3) Datenanalyse und (4) Datenbasierte Transformation, die mit ihren vier Ausprägungen das Innovationspotenzial verschiedener Enterprise IoT-Lösungen beschreiben. Auf Basis dieser Ergebnisse leiten wir ein Innovationsstufenmodell ab, das Unternehmen dabei hilft das Innovationspotenzial Ihrer IoT-Lösung zu erkennen und weitere Ausbaustufen aufzeigt. Im Anschluss demonstrieren wir die Anwendung des Modells, indem wir es zur Klassifizierung von zwei IoT-Lösungen aus Industrieunternehmen benutzen. Dabei schließen wir einerseits die konzeptionelle Lücke mit einem Modell, das Aussagen über den Einfluss von IoT auf Unternehmensinnovation macht, und bieten der Praxis ein konkretes Werkzeug, um Managementaufgaben im Zusammenhang mit der Entwicklung neuer und innovativer Produkte und Dienstleistungen zu unterstützen. Driven by trends in technology, like the Internet of Things, industrial companies seek to create new, innovative products and services based on their own data. By using connected things and data analytics companies leverage individual enterprise IoT solutions to differentiate in the market. But what characteristics define different maturity levels of IoT solutions? How do these IoT solutions open up a company’s further potential to innovate? Based on a study of 18 existing maturity models and 5 expert interviews, we identify four key dimensions of IoT solutions’ innovation stages: (1) data source, (2) data target, (3) data analysis and (4) data-based transformation. This model helps companies to determine the innovation potential of their IoT solution and to plan further innovation stages. We demonstrate the model’s utility by applying it to two industrial IoT solutions. On the one hand, we close the conceptual gap with a model that makes statements about the influence of IoT on business innovation. On the other hand, we offer a specific instrument to support management tasks in connection with the development of new and innovative products and services.
  • Zeitschriftenartikel
    Priorisierung von Digitalisierungsprojekten entlang der gesamten kundenorientierten Prozesskette im Maschinenbau
    (HMD Praxis der Wirtschaftsinformatik: Vol. 56, No. 6, 2019) Pschybilla, Thomas; Hofmann, Manuela; Enders, Tobias; Vössing, Michael
    Die digitale Transformation von Unternehmen des Maschinenbaus hat in den letzten Jahren zunehmend an Aufmerksamkeit gewonnen. Insbesondere die Entwicklung und Nutzung digitaler Technologien eröffnet Unternehmen neue Möglichkeiten zur Verbesserung ihrer internen Prozesse. Jedoch werden aufgrund des Fehlens eines ganzheitlichen digitalen Transformationsansatzes Digitalisierungsprojekte in der Praxis oftmals von einzelnen Fachbereichen initiiert und unabhängig voneinander vorangetrieben. Bestrebungen können somit weder ganzheitlich koordiniert noch können prozessübergreifende Effekte hinreichend berücksichtigt werden. Vor allem die kundenorientierte Betrachtung der gesamten Prozesskette – von der Kundenanfrage bis zur Installation – bietet ungenutztes Potential, Unternehmen erfolgreich und ganzheitlich zu digitalisieren. Obwohl in der akademischen Literatur eine Vielzahl von Vorgehensmodellen zur Bewertung und Priorisierung von Projekten im IT-Umfeld beschrieben ist, stoßen diese Vorgehensmodelle in der Praxis, insbesondere bei der Bewertung und Priorisierung von Projekten entlang der gesamten Prozesskette, an ihre Grenzen. Vor diesem Hintergrund stellt dieser Beitrag ein neuartiges Vorgehensmodell vor, das Unternehmen bei der Bewertung und Priorisierung von Digitalisierungsprojekten entlang der gesamten Prozesskette unterstützt. Der entwickelte Ansatz wurde dabei in enger Zusammenarbeit mit einem Unternehmen aus der Branche Maschinen- und Anlagenbauer, der TRUMPF GmbH + Co. KG, validiert und die Ergebnisse mit Experten unterschiedlicher Bereiche des Unternehmens verifiziert. In recent years, the digital transformation of mechanical engineering organizations has gained growing attention. The widespread development and use of digital technologies provide companies with new opportunities to improve their internal processes. However, due to the lack of a holistic digital transformation approach, digitalization projects are often initiated and implemented independently by individual departments. Therefore, neither can efforts be coordinated holistically, nor can cross-process effects be sufficiently considered. Especially the customer-oriented consideration of the end-to-end process chain offers unused potential to digitally transform organizations. Although academic literature describes several process models for evaluating and prioritizing IT projects, these process models reach their limitations in practice, especially concerning the evaluation and prioritization of projects along the end-to-end process chain. Thus, this paper presents a novel approach that enables organizations to evaluate and prioritize digitalization projects along their end-to-end process chain. The developed process model was validated and verified in close cooperation with a mechanical engineering organization, the TRUMPF GmbH + Co. KG.
  • Zeitschriftenartikel
    Industrie 4.0 in kleinen und mittleren Unternehmen – Welche Potenziale lassen sich mit smarten Geräten in der Produktion heben?
    (HMD Praxis der Wirtschaftsinformatik: Vol. 56, No. 6, 2019) König, Ulrich Matthias; Röglinger, Maximilian; Urbach, Nils
    Die hohe Anzahl genutzter smarter Geräte führt zu deren weiter Verbreitung und engen Integration im Alltag. Mit der Erweiterung von Alltagsgegenständen um Netzwerkkonnektivität, dem Internet der Dinge (Internet of Things, IoT), ist ein neuer Trend beobachtbar. Das Internet der Dinge bietet zahlreiche Einsatzgebiete und katalysiert die Verschmelzung von physischer und digitaler Welt. Dadurch lassen sich insbesondere Kommunikation und Interaktion zwischen Individuen, Gegenständen und Unternehmen verbessern. In der Industrie muss zur Integration und Potenzialnutzung des Internets der Dinge der Kontext gewissenhaft analysiert werden. Plant ein Unternehmen eine Transformation hin zu Industrie 4.0, so muss es Abhängigkeiten zu Produktionsanlagen und Anwendungssystemen berücksichtigen. Motiviert durch Effizienzpotenziale, haben große Unternehmen bereits mit der Transformation begonnen. In kleinen und mittleren Unternehmen (KMU) wird die Umstellung oft noch defensiv betrachtet. Jedoch bietet sich auch für KMU großes Kostenreduktions- und Prozessverbesserungspotenzial. Diese Problemstellung adressiert das von der Bayerischen Forschungsstiftung geförderte Forschungsprojekt „SmarDes@Work – Smart Devices in der Produktion“ . Ziel war es, handelsübliche smarte Geräte einfach in die Produktionsprozesse von KMU zu integrieren. Im Rahmen des Forschungsprojekts erarbeitete ein Konsortium aus Wissenschaftlern, Produktionsbetrieben und Softwareherstellern eine Startlösung für Industrie 4.0 in KMU. In diesem Beitrag werden die zentralen Erkenntnisse vorgestellt und Handlungsempfehlungen abgeleitet. The growing number of smart devices leads to widespread use and close integration to daily life. A new trend, the Internet of Things (IoT), has emerged as a result of technology being closely integrated with everyday objects. The IoT offers numerous areas of application and catalysis the fusion of the physical and digital worlds. In this way, communication and interaction between individuals, objects, and organizations can be improved. In manufacturing, the integration and exploitation of the potential of IoT requires a careful analysis of the context. If a company plans for a transformation to industry 4.0, they must consider dependencies on production facilities and application systems. Motivated by efficiency potentials, large companies have already started the transformation. In small and medium-sized enterprises (SMEs), the changeover is often still viewed defensively. However, there is also a great potential for cost reduction and process improvement for SMEs. This problem is addressed by the research project “SmarDes@Work – Smart Devices in Production” funded by the Bavarian Research Foundation . The aim of the research project was to easily integrate commercially available smart devices into the production processes of SMEs. As part of this research project, a consortium of academics, production companies, and software developers developed a starting solution for Industry 4.0 in SMEs. In this paper, the central findings are presented and recommendations for action are derived.