WINGbusiness Heft 03 2021 by WING

ISSN 0256-7830; 54. Jahrgang, Verlagspostamt A-8010 Graz; P.b.b. 02Z033720M

3/21

WING

business

Kompetenzentwicklung in Lernfabriken

DigitalisierungsKompetenz durch Lernfabriken 9

Rethinking Supply Chains – Industry 4.0 and Circular Economy 16

Die Live-Fabrik als virtuelles Lernerlebnis 38

Hochgeschwindigkeitsweiche

Absolute Gestaltungsfreiheit

Shuttlewechsel im Betrieb

ACOPOStrak

Höchste Effektivität in der Produktion www.br-automation.com/ACOPOStrak

ROI

OEE TTM

Antriebstechnik für die adaptive Maschine. Flexibler. Schneller. Produktiver.

EDITORIAL

Kompetenzentwicklung in Lernfabriken

Univ.-Prof. Dipl.-Ing. Dr.techn. Siegfried Vössner Liebe Leserin, lieber Leser, nach eineinhalb Jahren, in denen ein kleines, heimtückisches Virus uns alle und besonders Bildungseinrichtungen mit einem so hohen Qualitätsanspruch wie ihn Universitäten haben, in ihren Kernaufgaben und Methoden der Wissensvermittlung getroffen hat, wird einerseits der Wert von Bildung und Lernen deutlicher denn je, und es zeigt sich anderseits der Nutzen und Sinn verschiedener didaktisch-pädagogischer Konzepte. Das wichtigste und älteste dieser Konzepte ist das spielerische Lernen. Es ist gar nicht neu, ist adaptiv, immun gegen Modeströmungen und lässt sich sogar problemlos „digitalisieren“ ohne größeren Schaden zu nehmen. Spielerisches Lernen, geführt, geleitet oder spontan und kreativ, stellt heute in unseren erfolgreichsten Lehrveranstaltungen ein wichtiges Kernelement dar. Dass es sich auch für komplexere techno-ökonomische Problemstellungen eignet, möchte ich mit einem Beispiel untermauern. Vor gar nicht allzu langer Zeit, oder vielleicht besser gesagt: Es scheint, als wäre es gestern gewesen, trafen sich mehrere interessierte Teilnehmerinnen und Teilnehmer in einer klar definierten und abgesicherten Lernfabrik-ähnlichen Umgebung (Englisch: „Sandbox-Environment“), um die wesentlichen Konzepte einer End-to-End Supply-Chain spielerisch zu erlernen. Im Laufe der mit realen Materialien und Werkzeugen ablaufenden Versuche konnten die Teilnehmer verschiedenste Aspekte wie Materialfluss, Fertigungstechnologie ja sogar Lean- und Pull Konzepte aus dem Land der aufgehenden Sonne ausprobieren. Das spannendste an dieser Lernumgebung war aber, dass man auch die heute in der Industrie 4.0 sträflich vernachlässigten „Human Factors“ dabei hautnah erleben konnte. So kam es, wie es kommen musste: Der Ertrag (damals sagte noch niemand „yield“) begann zu sinken. Die Produktion hatte Schwierigkeiten mit der Konsistenz des Rohmaterials. Der Lieferant wurde umgehend als Verursacher identifiziert. Ganz nach dem (den Teilnehmerinnen und Teilnehmern damals allerdings unbekanntem) Lehrbuchansatz, wurde sofort ein Supplier-Workshop veranstaltet. Nachdem dieser jedoch keinen Erfolg brachte, entschied ich als damaliger Produktionsleiter eigenmächtig und nachhaltig

WINGbusiness 3/2021

den Feuchtegehalt des wichtigsten Rohmaterials ohne weitere Konsensabstimmung der Lieferkette zu erhöhen. „Was hast Du schon wieder angestellt?“, sagte meine Tante. Du hast mit dem Gartenschlauch die ganze Sandkiste überflutet, in ein Schlammloch verwandelt und Ihr alle seid in Dreck paniert! Was werden Eure Eltern wohl dazu sagen?“ Ich weiß nicht, wie es meine damaligen Spielkameraden heute sehen, aber ich denke gerne an unsere kleine Lernfabrik mit Eimer, Schaufel und Sandbackformen zurück. Heute finden Spiele im Sandkasten und auch Schlammschlachten mit Andersdenkenden, wenn überhaupt, nur mehr abstrakt und virtuell statt. Aber dafür spielen wir, wie eingangs erwähnt, seit vielen Jahren oft in Vorlesungen und Seminaren auf verschiedene Art und Weise und vermitteln so Kompetenzen und schwierige Lehrinhalte. Vor vielen Jahren noch war so ein Zugang kein Thema für Bildungseinrichtungen mit besagtem „Qualitätsanspruch“ – heute ist er ein Markenzeichen derer geworden. Auch die Technoökonomie, so wie wir sie an der TU Graz leben, bietet dafür viele Möglichkeiten. Eine besonders reizvolle und praktische („hands-on“) Gelegenheit ergibt sich im Bereich der Fertigung und Produktion. In diesem Bereich hat sich die TU Graz in den letzten Jahren international einen sehr guten Namen gemacht. So fand vom 1. bis 2. Juli 2021 an der Technischen Universität Graz die 11. Internationale Konferenz der Lernfabriken statt (CLF 2021). Organisiert vom Institut für Innovation und Industrie Management trafen sich hierzu mehr als 140 Teilnehmer und Teilnehmerinnen aus 26 verschiedenen Ländern sowohl virtuell im Cyberspace als auch teilweise physisch vor Ort. Wir haben dies zum Anlass genommen, um Ihnen die interessantesten Beiträge dazu zusammengefasst, unter dem Hefttitel „Kompetenzentwicklung in Lernfabriken“, in diesem WINGbusiness Heft näher zu bringen. An dieser Stelle möchte ich mich bei meinem Kollegen Prof. Dr. Christan Ramsauer vom Institut für Innovation und Industrie Management der TU Graz und seinen Mitarbeiterinnen und Mitarbeitern für die gute Zusammenarbeit und die Koordination der Zusammenstellung dieses Heftes bedanken. Ich verbleibe im Namen des gesamten Redaktionsteams mit freundlichen Grüßen und wünsche Ihnen einen guten und farbenfrohen Herbst. Viel Freude beim Lesen und bleiben Sie gesund! Ihr Siegfried Vössner

Foto: © fineartpictures

Top-Thema: Kompetenzentwicklung in Lernfabriken Christian Ramsauer, Maria Hulla

Digitalisierungs-Kompetenz durch Lernfabriken

Sven Gores, Gesine Köppe, Nicolina Praß, Thomas Gries

Rethinking Supply Chains – Industry 4.0 and Circular Economy

Laurence McHauser, Christoph Schmitz, Markus Hammer

Model-Factory-In-a-Box: Mobile Lernfabrik für erlebnisorientiertes Lernen

Thomas Riemann, Joachim Metternich

Ansatz zur Konzeptionierung und Implementierung von Virtual Reality in Lernfabriken

Maximilian Papa, Clara Fischer, Tanja Zigart, Steffen Nixdorf, Sebastian Schlund

Digitale Learning Nuggets

Robotik Inhalte in digitaler und kompakter Form personalisiert lernen und lehren

Markus Hammer, Jochen Nelles

Die Live-Fabrik als virtuelles Lernerlebnis

Elma Sadaj, Nataly Wogatai, Hugo Karre

KNAPP Service Factory

Rudolf Pichler

Das Angebot der TU Graz – Lernfabrik für Agilität und Datensicherheit 47 Astrid Weyand, Stefan Schmitt, Ghada Elserafi, Lars Petruschke, Matthias Weigold

Produktspezifische CO2-Bilanzierung in Lernfabriken

Entwicklung eines Vorgehens zur systematischen Erweiterung von Lernfabriken

WINGbusiness 3/2021

Inhaltsverzeichnis EDITORIAL

Kompetenzentwicklung in Lernfabriken

FÜHRUNG/PROFESSION

Führung und Kybernetik

Otto Greiner, Franz Hujber 6

WING-REGIONAL Andrea Ottacher Wirtschaftsingenieure verbinden ... – Veranstaltungsreihe der FH Kärnten „INNOVATION steckt in unserer DNA“ – Keynote mit Herrn Dr. Manfred Gutternigg, Geschäftsführer von Hilti Austria GmbH 31

UNINACHRICHTEN

Maria Hulla Neuer Präsident der International Association of Learning Factories (IALF)

Maria Hulla

CLF 2021

WING-KONGRESS 2021

WING-Kongress 2021, KI oder IQ - "Die Arbeitswelt der Zukunft" Von 21.10.-22.10.2021 in Wien

IMPRESSUM Impressum

WINGbusiness 3/2021

FÜHRUNG/PROFESSION Otto Greiner, Franz Hujber

Führung und Kybernetik In Wettbewerb und Komplexität verstrickt Unternehmen und Führungskräfte sehen sich einem zunehmend stärker werdenden Wettbewerb ausgesetzt. Öffentliche Auftraggeber wie private Unternehmen werden durch Gesetze oder interne Unternehmensvorgaben immer mehr verpflichtet, Leistungen auszuschreiben oder Vergleichsangebote einzuholen, aber auch private Kunden befeuern den Wettbewerb zunehmend durch Nutzung von Möglichkeiten, welche heute das Internet und die rasche Einholung von Preisvergleichen bietet. Zudem werden die Wirtschaftsräume immer größer und immer mehr Unternehmen werden zu Organisationen, welche die ganze Welt als potentiellen Markt sehen. Mit allen Vorteilen, die sich aus der Bedienung des größeren Marktes bieten, aber auch mit den Herausforderungen, sich gegenüber der immer größer werdenden Konkurrenz behaupten zu müssen. Diese Wettbewerbssituationen, aber auch wachsende Ansprüche hinsichtlich Qualität und Nachhaltigkeit, Sicherheit, gesetzliche Rahmenbedingungen und gesellschaftliche Veränderungen führen dazu, dass sich Führungskräfte in der Wirtschaft mit zunehmender Komplexität besonders gefordert sehen. Die Komplexität einer Materie steigt mit zunehmender Varietät; sie ist das Maß der Komplexität. Varietät gibt Auskunft über die Anzahl von Möglichkeiten, die in einem System vorhanden sind. Demnach geht es bei Komplexität um Möglichkeiten und damit auch um Wahlmöglichkeiten und schließlich darum, die Auswirkungen der Entscheidungen zu beachten. Unabhängig davon, ob es sich dabei um private Entscheidungen oder Umsetzungen in der Wirtschaft handelt: Mit einer Entscheidung für oder gegen eine Möglichkeit werden

andere prinzipielle Möglichkeiten ausgeschlossen. Die große Fülle an Entscheidungsmöglichkeiten lässt die Komplexität zunehmend belastend erscheinen. Insbesondere aufgrund von Unsicherheiten: Habe ich alle Möglichkeiten zur Entscheidung überhaupt erkannt? Habe ich die Fähigkeit, ausreichende Varietät für das Erkennen der Möglichkeiten entgegenzubringen? Welchen Mehrwert kann nun die heutige Sichtweise der Kybernetik bei der Bewältigung der Führungsaufgaben beitragen? Lösungen zur Komplexitätsbewältigung Prof. Dörner, als Psychologe, formulierte die Bedingungen für das Funktionieren von Managementsystemen wie folgt: Managementsysteme müssen eine zielgerichtete Steuerung und Selbstorganisation zulassen. Weiteres, eine Frühwarnung bei Zielabweichung ermöglichen und sie sollten mit einem geringen Aufwand machbar und einfach handhabbar sein. Diese Anforderungen können auch als Orientierungshilfe bei der Komplexitätsbewältigung dienen.)1 Wenn wir es mit zielgerichteter Steuerung zu tun bekommen, liegt es nahe, sich mit der Kybernetik auseinanderzusetzen.

Kybernetik zur Steuerung von Systemen Im Altgriechischen ist der „Kybernetes“ der Steuermann gewesen. Kybernetik ist also ein Begriff mit Geschichte - schon Platon verwendete ihn für die Kunst des Steuerns und Lenkens. Seit Norbert Wiener, ein amerikanischer Mathematiker, 1948 die Definition prägte, wird die Wissenschaft von der Steuerung und Regelung von hochkomplexen dynamischen Systemen Kybernetik genannt.)2 Neben Beispielen für in der Technik angewandte Kybernetik (Regeltechnik) werden gerne Erklärungsmodelle der Steuerungsmechanismen organischer Systeme herangezogen: Lebende Organismen mit ihrem Drang nach Selbstorganisation sind bestens befähigt, komplexe Aufgabenstellungen zu bewältigen. Kybernetik wird damit zur Wissenschaft und zur „Kunst“ der Selbstorganisation und des zielsicheren Führens in komplexen Handlungssystemen. Sehr vereinfacht kann man feststellen: So wie die Physik die Wissenschaft von Kräften, oder besser gesagt, von Energie ist und so wie die Chemie die Wissenschaft von den Stoffen ist, ist die Kybernetik die Wissenschaft von der Information [Abb. 1]. Prof. Malik bezeichnet sie als die Wissenschaft vom Funktionieren.)3 Information im kybernetischen

Abb.1: Vergleich: Physik – Chemie - Kybernetik

WINGbusiness 3/2021

FÜHRUNG/PROFESSION Sinn ist die dritte naturwissenschaftliche Grundgröße, die Materie und Energien zu sinnvollen Systemen organisiert. Für jemanden, der in den Begriffen der bisherigen Kybernetik denkt, ist diese neue Definition zunächst verwirrend. Der wichtigste Unterschied ist, dass diese Form der Interpretation die zu regelnden Systeme nicht technisch-mathematisch sondern biologisch sieht. Die zu regelnden Systeme werden nicht für "tot" gehalten und man geht auch nicht davon aus, dass alle Vorgänge zentral überblickt und zu organisiert werden können. Bekanntlich wachsen Pflanzen automatisch, alle lebenden Wesen lernen automatisch und passen sich automatisch an die Veränderungen der Verhältnisse an. Dies lässt für uns den Schluss zu, für die Entwicklung von Projekten und auch von Unternehmungen auf Kenntnisse zurückzugreifen, die auf diesem Gebiet eher ungewohnt sind. Nämlich auf das Wissen über die Funktionsweise komplexer natürlicher Systeme. Organismen in all ihren Erscheinungsformen hatten zu allen Zeiten das Problem, sich flexibel an veränderte Lebensbedingungen anzupassen und die gesamte biologische Evolution kann durchaus - wie vorher schon dargelegt wurde - als permanenter Prozess der Komplexitätsbewältigung verstanden werden.)4 Kybernetik bedeutet hier Steuermannskunst in einem umfassenden Sinne, und zwar, indem auch eine zielgenaue Beeinflussung komplexer Systeme vorgenommen wird. Die kybernetische Methodik ist immer eine Methodik des zielgenauen Beeinflussens durch die „Beherrschung“ des Engpasses. Selbstorganisation funktioniert nicht nur in der Pflanzenwelt. So wie eine Blume blüht und automatisch wächst, solange alle für das Wachstum notwendigen Faktoren in ausreichendem Ausmaß vorhanden sind, geschieht es auch im Managementprozess. Die Wachstumsspirale dreht sich so lange, wie alle für die Prozessabwicklung erforderlichen Faktoren ausreichend zur Verfügung stehen. Fehlt ein Faktor, oder ist er nicht im ausreichenden Ausmaß vorhanden, stoppt das Wachstum bzw. der Pro-

WINGbusiness 3/2021

engagieren, wenn sie ihre wichtige Rolle für das Gelingen kennen, dann ist auch der Unternehmenserfolg leichter zu erreichen. Führung erfolgt in diesem Falle nicht extrinsisch durch die Beauftragung von Aufgaben, sondern intrinsisch durch die eigene Antriebskraft: Die eigenen Interessen, nämlich einen Sinn in seinem eigenen Tun zu spüren, decken sich mit den Zielen der Organisation in hohem Maße. Abb. 2: Spirale der Selbstorganisation im Management (Beispiel) zess. Nach Beseitigung des Engpasses läuft der Prozess automatisch weiter (Abb. 2). Konzentration auf den wirkungsvollsten Punkt Managementprozesse lassen sich am effektivsten über die Engpässe steuern. Führungskräfte können somit ihre Tätigkeit auf die rechtzeitige Beseitigung von Engpässen beschränken – alles andere organisiert sich von selbst und ohne zentralistische Planung! Das heißt, der Manager braucht nicht alles bis ins letzte Detail planen und steuern, sondern seine Aufgabe ist, den Managementprozess zu beobachten und mit einem gewissen Vorhalte-Winkel vorauszuschauen, um den nächsten Engpass frühzeitig zu erkennen und zu beseitigen. Voraussetzung ist, wie im vorderen Abschnitt schon dargelegt, eine klare Zielvorgabe und die Definition der Rand- und Rahmenbedingungen. Den Wert der Aufgabe kommunizieren Menschen lieben es, wirkungsvoll zu sein, an wertvollen Aufgaben mitzuwirken und den Erfolg zu spüren. Wenn es gelingt, den Wert der Organisation so darzustellen, dass sich die Mitarbeiter gerne für den Erfolg

Vertrauen und Kultur

Wenn Wertvorstellungen, die heute geprägt werden, morgen zum selbstverständlichen Handeln geworden sind, dann ist eine besondere Unternehmenskultur entstanden. Eine gute Organisationskultur wirkt wie ein gutes, belastbares Fundament. Sie bildet eine wichtige Grundlage für eine nachhaltige Entwicklung einer Organisation. Deshalb ist es wert, sich der Entwicklung einer tragfähigen Organisationskultur zu widmen. Und weil sich eine gute Kultur immer nur in günstigen Rahmenbedingungen entwickelt, ist der Aufbau eines hohen Vertrauensniveaus ein Begleitaspekt einer guten Führung. Kybernetik als die Kunst des zielgerichteten Steuerns und Führens Um die Kunst des Kybernetischen Führens beherrschen zu können, genügt es keineswegs, ein paar vielversprechende Tools anzuwenden, oder Wissen anzuhäufen. Die Auseinandersetzung mit den Besonderheiten, welche eine nähere Betrachtung von Systemen mit sich bringt, löst in der Regel eine Faszination aus, weil man einen tieferen Einblick in das zusammenhängende Funktionieren und in die Steuerungsmöglichkeiten von Systemen bekommt.

FÜHRUNG/PROFESSION Ein solcher vertiefter Einblick begünstigt meistens auch eine größere grundsätzliche Offenheit. Dazu gehört ein positiver Zugang zu einer hohen Reflexionsfähigkeit genauso wie das Generieren einer größere Meinungs- und Erkenntnisvielfalt, somit das Handeln unter Berücksichtigung eines „breiteren Denkens“. Es entwickelt sich eine neue verinnerlichte Grundhaltung, der „Habitus“ eines „Kybernetikers“, eine permanente Auseinandersetzung mit allem, was wichtig erscheint, mit einem Erarbeiten von Schlussfolgerungen für den eigenen Wirkungsbereich und mit dem Nachkorrigieren und Steuern, um schließlich die gesetzten Ziele zu erreichen. Mit dieser Einstellung sollte es leichter fallen, Führung zu übernehmen, wo immer man die Möglichkeit sieht, eine positive Entwicklung begünstigen zu können. Führung ist nicht alleine der Leitung einer

Organisation vorbehalten, sondern alle Personen, die mit ausreichender Kompetenz ausgestattet sind, sollten sich an der Verbesserung einer Denk- und Handlungsweise, eines Kundenverhaltens oder des Geschäftsergebnisses beteiligen. Literatur: )1 Dietrich Dörner, „Die Logik des Misslingens - Strategisches Denken in komplexen Situationen“ (Reinbek bei Hamburg 1989) )2 Norbert Wiener, „Cybernetics or control and communication in the animal and the machine“ (Cambridge/Massachusetts 1989) )3 Fredmund Malik, „Führen Leisten Leben – Wirksames Management für eine neue Welt“ (CampusVerlag 2008) )4 Frederik Vester, „Die Kunst, vernetzt zu denken – Ideen und Werkzeuge für einen neuen Umgang mit Komplexität“ (Taschenbuchausgabe 2002)

Bmstr. Dipl.-Ing. Dr. Otto Greiner Präsident des Europäischen Forum für Baukybernetik

Autoren: Bmstr. Dipl.-Ing. Dr. Otto Greiner ist Spezialist für Strategiefragen und Projektmanagementaufgaben in der Bauwirtschaft. Zwei Weltrekorde beim Klinikbau. Strategiepreis des Deutschen Strategieforums. Bis 2019 Lehrauftrag für Bauprojektmanagement und Kybernetisches Management an der FH-Kärnten. 20 Jahre Milizpilot des Österreichischen Bundesheeres. Dipl.-Ing. Franz Hujber, MSc, Projektmanager, Auditor EN ISO 9001, Musiker/Sänger. Hr. Hujber war 28 Jahre als Projektmanager bzw. Projektleiter bei der HLAG und den ÖBB für die Abwicklung von hochkomplexen Großprojekten im Eisenbahninfrastrukturbau tätig, seit 2019 ist er in Pension. Heute ist er noch als Auditor für Qualitätsmanagement gem. EN ISO 9001 tätig. In seiner Freizeit singt er in div. Chören und spielt in einer Musikgruppe Gitarre.

Dipl.-Ing. Franz Hujber, MSc Projektmanager, Auditor, Musiker

WINGbusiness 3/2021

TOP-THEMA

Foto: Adobe Stock Photo

Christian Ramsauer, Maria Hulla

Digitalisierungs-Kompetenz durch Lernfabriken Die Digitalisierung ist in produzierenden KMUs nach wie vor wenig ausgeprägt. Die Entwicklung geeigneter Kompetenzen der MitarbeiterInnen ist ein wesentlicher Schlüssel zum Erfolg. Lernfabriken können Digitalisierungs-Kompetenz effizient vermitteln. Schulungen von MitarbeiterInnen in Lernfabriken sind der Anstoß für die Entwicklung einer Digitalisierungs-Roadmap im Unternehmen.

Ausgangssituation Produzierende Unternehmen agieren in einem Umfeld, das von schnellen Veränderungen, Volatilität und Unsicherheit geprägt ist [1]. Folglich müssen diese Unternehmen ihr Produktionskonzept an die sich stark verändernden Bedingungen im Geschäftsumfeld anpassen, und agiler werden [2]. Der Einsatz digitaler Technologien bietet das Potenzial, diesen Herausforderungen zu begegnen [3, 4] und ist eine Voraussetzung für Agilität. Gleichzeitig bleibt der Mensch der zentrale, strukturbestimmende Faktor in der Produktion [5], während die digitale Transformation zu neuen Kompetenzanforderungen an die MitarbeiterInnen führt [6]. Insbesondere kleine und mittelständische Unternehmen (KMU) haben Probleme, die Potenziale der Digitalisierung zu nutzen, da ihnen die erforderlichen Kompetenzen fehlen [7]. KMUs machen 90 % der Unternehmen aus und leisten einen wichtigen Beitrag zur Schaffung von

WINGbusiness 3/2021

Arbeitsplätzen sowie zur globalen wirtschaftlichen Entwicklung. Hinsichtlich der Digitalisierung werden in der Literatur Unterschiede zwischen KMUs und Großunternehmen beschrieben. So fand eine Studie von Buer et al. (2020) heraus, dass größere Unternehmen einen signifikant höheren Digitalisierungsgrad am Shopfloor aufweisen als KMUs [8]. Dies wird insbesondere damit begründet, dass KMUs über weniger Ressourcen in Form von Zeit, Geld und Personal verfügen [9]. In KMUs gibt es im Gegensatz zu Großunternehmen meist weder eine/n Digitalisierungsverantwortliche/n noch eine Digitalisierungsabteilung. Darüber hinaus müssen MitarbeiterInnen in produzierenden KMUs eine höhere Aufgabenvielfalt und Flexibilität erfüllen können. [10] Hier kann die Digitalisierung eine Vielzahl von Vorteilen für produzierende Unternehmen bieten, um die Aufgabenvielfalt und -komplexität zu reduzieren und die Produktivität zu erhöhen. Mehrere Studien haben jedoch gezeigt, dass KMUs

bei der Umsetzung und Nutzung des Potenzials der Digitalisierung vor besonderen Herausforderungen stehen, insbesondere aufgrund fehlender Qualifikationen in diesem Bereich [8, 11]. Um die Potenziale zukünftiger Arbeitsumgebungen voll ausschöpfen zu können, ist es notwendig, sich auf die Ausbildung der (zukünftigen) Arbeitskräfte zu konzentrieren [12]. Traditionelle Lehrmethoden zeigen nur eine begrenzte Effektivität in Bezug auf die Entwicklung von benötigten Kompetenzen von Studierenden und MitarbeiterInnen für die aktuellen, aber auch zukünftigen Produktionsumgebungen. Als einer der vielversprechendsten Ansätze für Schulungen zur realen Umsetzung solcher neuen Themen bieten Lernfabriken praxisnahe Lernumgebungen, bei welchen die Erinnerungsraten im Vergleich zu Schulungen mit ausschließlich traditionellen Methoden (z.B. Frontalvortrag) nachweislich mehr als sechsmal höher sind [13]. Seit der Entwicklung der ersten Lernfabrik an der TU Darmstadt im Jahr

TOP-THEMA 2009 wurden im deutschsprachigen Umfeld zahlreiche Lernfabriken von Forschungsinstituten und Industrieunternehmen entwickelt und aufgebaut. Lernfabriken sind eine noch sehr junge Initiative und bieten eine wertvolle Möglichkeit für Digitalisierungsschulungen.

iert, wie diese Kompetenzen vermittelt werden können. Auf Basis der vorhergehenden Schritte werden theoretische und praktische Trainingsmodule für KMUs zur Förderung der digitalen Transformation entwickelt.

Die 40 InterviewpartnerInnen wurden des Weiteren nach den größten Herausforderungen hinsichtlich der Digitalisierung in ihren Unternehmen befragt. Diese Herausforderungen sind in Tabelle 1 ersichtlich.

Herausforderungen in KMUs

Lernfabriken bieten effektive Lernumgebungen zum Aufbau von Digitalisierungs-Kompetenz.

Um die aktuellen Herausforderungen von KMUs der produzierenden In-

In Trainings ist es wichtig zu vermitteln, wie und warum Digitalisierung einen Mehrwert bringt.

Verstärkt werden Lernfabriken auch in meist größeren Unternehmen errichtet. Dennoch stellen eine überwiegende Anzahl an Lernfabriken mit Digitalisierungsfokus überwiegend entweder reine Forschungsobjekte oder Showcases dar, was die aktuelle Nutzung für die Kompetenzentwicklung im Hinblick auf die Digitalisierung in KMUs einschränkt [14].

Tabelle 1: Herausforderungen produzierender KMUs hinsichtlich Digitalisierung Herausforderung

Erläuterung der Herausforderung

Fehlende Strategie / Roadmap

Es gibt meist weder eine Digitalisierungsstrategie im Unternehmen noch eine Roadmap zur Implementierung digitaler Technologien.

Erkennen der Potenziale der Digitalisierung

Der Nutzen der Digitalisierung im Unternehmen und die Digitalisierungspotenziale wie höhere Produktivität in der Wertschöpfungskette werden nicht erkannt.

Fehlende digitale Fähigkeiten und Kompetenzen

Sowohl dem Management als auch den MitarbeiterInnen von KMUs fehlt es oft an Fähigkeiten und Kompetenzen in Bezug auf die Digitalisierung. Zudem gibt es selten einen Digitalisierungsexperten, ein Digitalisierungs-Team oder eine Digitalisierungsabteilung.

Monetäre und personelle Ressourcen

KMU arbeiten oft am Limit der monetären, zeitlichen und personellen Möglichkeiten und es bleiben selten Ressourcen für die Umsetzung der Digitalisierung übrig.

Wissen über den Stand der Technik bei digitalen Technologien

Die Befragten gaben an, dass sie oft nicht wissen, was es auf dem Markt gibt und was in ihrer Branche der Stand der Technik ist.

Einstellung und Akeptanz der MitarbeiterInnen

Die positive Einstellung und Akzeptanz der MitarbeiterInnen gegenüber der Einführung und Nutzung digitaler Technologien ist essentiell. MitarbeiterInnen müssen erkennen inwieweit digitale Technologien ihre Arbeit unterstützen und erleichtern damit die Einführung erfolgreich ist.

Forschungsprojekt „Voladigital“ Aufgrund dieser Herausforderungen, arbeitet das Institut für Innovation und Industrie Management der TU Graz seit Mai 2020 am Forschungsprojekt „Voladigital“, das vom Land Steiermark gefördert wird. Ziele des Projektes sind es, (1) aufzuzeigen, welche Herausforderungen KMUs in der heutigen digitalen, volatilen Zeit haben; (2) zu ermitteln, welche Kompetenzen von den Arbeitskräften gefordert werden; (3) zu evaluieren, wie diese Kompetenzen vermittelt werden können sowie (4) Trainings für produzierende KMUs in Lernfabriken zu entwickeln. Im ersten Schritt des Forschungsprojektes, der Analysephase, werden mittels Literaturrecherche und Befragungen, Herausforderungen und Kompetenzanforderungen in Hinsicht auf Digitalisierung erhoben. Bei der qualitativen Studie mittels Experteninterviews wurden 40 BeraterInnen, Interessensvertretungen, KMUs aber auch größere Unternehmen der Fertigungsindustrie interviewt. Aufbauend darauf wurde ein Fragebogen erstellt, wobei Kompetenzanforderungen und Anforderungen an Trainings für KMUs ermittelt wurden. Diese Umfrage wurde mit Hilfe von deskriptiven, statistischen Methoden ausgewertet. In der Lösungsentwicklungsphase wird evalu-

dustrie (in Bezug auf die Digitalisierung) zu erforschen, wurden die befragten Personen gebeten, über die aktuell größten Herausforderungen zu berichten, denen sie gegenüberstehen. Zu den fünf größten allgemeinen Herausforderungen gehören: Covid-19 und die damit verbundenen Umsatzverluste, die Erhaltung der Wettbewerbsfähigkeit am Markt durch Steigerung der Produktivität und des Kundennutzens, ineffiziente Produktionsprozesse, hohe Volatilität und sich ändernde Kundenbedürfnisse, die hohe Anforderungen an Flexibilität und Agilität stellen, und die Realisierung einer energieeffizienten und nachhaltigen Produktion.

Kompetenzanforderungen an MitarbeiterInnen von KMUs Die Kompetenzanforderungen an die MitarbeiterInnnen der KMUs wurde zunächst in der Literatur analysiert und anschließend mittels semi-strukturierten Interviews abgefragt. Die Ergebnisse der Interviews sind in Tabelle 2 ersichtlich. Die Generierung, Analyse und Interpretation von Daten ist in KMUs die Kompetenzanforderung mit höchster Relevanz. Zudem wurden von den befragten Personen Kenntnisse in Sensorik, Arbeiten mit digitalen Dashboards, vernetztes Denken und Agilität als relevante Kompetenzen genannt. Schlanke und effiziente Prozesse

WINGbusiness 3/2021

TOP-THEMA Aussagen der befragten Personen diskutiert.

Tabelle 2 Kompetenz / Qualifikation

Erklärung

Datenanalyse und interpretation

Die Analyse von Daten über den Wertschöpfungsprozess und deren Interpretation muss durchgeführt werden können, um den Prozess hinsichtlich Produktivität, Qualität etc. verbessern zu können.

Datensicherheit

Die Fähigkeit zur Reflexion, Einhaltung und Umsetzung von Datensicherheit. Dazu gehört auch Geräte und digitale Inhalte schützen und Risiken und Bedrohungen in digitalen Umgebungen verstehen.

Erstellung und Durchführung einer Digitalisierungs-Roadmap

In diesem Zusammenhang die Bewertung und Auswahl digitaler Technologien und deren Implementierung unter Einbeziehung der Bereiche Personal, Technik und Organisation.

Interdisziplinäre Kommunikation

Kommunikation ist in diesem Zusammenhang in zwei Bereichen besonders wichtig: 1) Kommunikation mit Hardund Softwareanbietern und 2) interdisziplinäre Kommunikation innerhalb des Unternehmens.

Problemlösung

Die Fähigkeit, komplexe Schwierigkeiten, Hindernisse und Probleme zunächst zu erfassen und zu analysieren und anschließend zu bewältigen oder zu beseitigen.

Prozess-Know-how

Um den Wertschöpfungsprozess (mit Digitalisierung) verbessern zu können, ist es von hoher Bedeutung, den Prozess und die Zusammenhänge innerhalb des Prozesses zu verstehen.

sind eine Voraussetzung für die Einführung digitaler Technologien. Die Kenntnis von Lean Management wird daher als Erfordernis angesehen. Die Ergebnisse der Interviews wurden für die Fragebogenerstellung herangezogen und 108 gültige Antwortsets wurden erhalten. Dabei bewerteten GeschäftsführerInnen und ProduktionsleiterInnen das derzeitige Vorhandensein der Kom-

petenzen im Unternehmen 1 (nicht vorhanden) bis 5 (sehr hoch) und die Wichtigkeit der Kompetenzen in den nächsten 5 Jahren mit 1 (wenig wichtig) und 5 (sehr wichtig) (siehe Abbildung 1). Anforderungen an Trainings Im Folgenden werden die Anforderungen von KMUs an Schulungen (in Lernfabriken) auf der Grundlage der

Praktisch / erfahrungsorientiert: Die Befragten sprachen sich für eine praktische Schulung aus, bei der die TeilnehmerInnen Prozessverbesserungen und die Auswirkungen der Implementierung verschiedener Technologien erleben können. Kontextspezifisch: Für KMUs ist es - vor allem wegen der begrenzten Ressourcen - wichtig, dass die Ausbildung auf ihren "Business Case" abgestimmt ist. Dementsprechend ist es entscheidend, dass die Anforderungen und Herausforderungen von KMUs vor der Schulung berücksichtigt werden. (Digitaler) Reifegrad: Die Trainings-Module müssen an den aktuellen digitalen Reifegrad des Unternehmens angepasst werden können (z. B. Basis und Fortgeschrittene). State-of-the-Art / Best Practice: Erfolgreiche Anwendungsfälle zur Bewältigung ähnlicher Herausforderungen (anderer Branchen) von State-of-the-Art-Technologien sollen gezeigt und erlebt werden. Abteilungs- und hierarchieübergreifend: Damit alle im Unternehmen das gleiche Verständnis haben, empfiehlt es sich, dass mehrere Abteilungen und Hierarchieebenen an den Trainings teilnehmen.

Abbildung 1: Bewertung von Ist- und Soll-Kompetenzen in KMUs

WINGbusiness 3/2021

TOP-THEMA Individualisierte Digitalisierungstrainings sind für KMUs besonders wichtig. Das Konzept der Lernfabrik Lernfabriken sind realistische Produktionsumgebungen für die berufliche Weiterbildung, Lehre und Forschung. In Lernfabriken stehen nicht nur einzelne Arbeitsplätze oder Maschinen, sondern wandelbare mehrgliedrige Wertschöpfungsketten zur Verfügung, die einen direkten Zugang zu verschiedenen Phasen des Produktentstehungsprozesses ermöglichen. Die TrainingsteilnemerInnen können in diesem Lernumfeld Ansätze entdecken und testen oder Experimente zu technologischen und organisatorischen Fragen der Industrie durchführen. Der Lehransatz basiert auf einem didaktischen Konzept des experimentellen und problembasierten Lernens [13]. Bei Lernfabrikstrainings werden zwei Lernprozessansätze unterschieden: (1) Informationsassimilation: Hier werden Inhalte (z.B. Methoden, Erfahrungen anderer) zunächst theoretisch erklärt, welche in der Lernfabrik dann anschließend angewendet und erprobt werden. (2) Erfahrungsorientiertes Lernen: Die theoretischen Grundlagen werden getestet, beobachtet und verstanden und sollen fortan in neuen Situationen angewendet werden können (Abbildung 2). Das Konzept der Lernfabrik kann auf viele verschiedene Arten umgesetzt werden. Um eine effektive Kompetenzentwicklung zu erreichen, ist der Kern des Lernfabrikkonzepts ein hohes Maß an Kontextualisierung (nahe an realen Fabrikumgebungen) und eine praktische Erfahrung der TrainingsteilnehmerInnen. Im Folgenden werden verschiedene Lern-

Abbildung 2: Lernprozess in Lernfabriken

fabriken zur Kompetenzentwicklung im Bereich der Digitalisierung vorgestellt. Lernfabriken zur Kompetenzentwicklung im Bereich Digitalisierung Es gibt je nach Anforderungen und Fokus unterschiedliche Konzepte für Lernfabriken. Alleine innerhalb des deutschen Sprachraums können zahlreiche Lernfabriken mit unterschiedlichen Schwerpunkten identifiziert werden. Im Folgenden werden verschiedene Lernfabriken im Rahmen des Produktentstehungsprozesses an der TU Graz bzw. mit Kooperationspartnern (McKinsey, Knapp AG, TU Darmstadt) vorgestellt: Das Schumpeter Labor für Innovation (Fokus Produktidee, Produktentwicklung), die LEAD Factory (Fokus Montage), die smartfactory@tugraz (Fokus Losgröße 1-Fertigung ), die Model factory in a box (Fokus Prozessindustrie), die Service Factory (Fokus digitale Services) und die Virtual Factory (Fokus virtuelles Lernen). Schumpeter Labor für Innovation Das Schumpeter Labor für Innovation des Instituts für Innovation und Industrie Management der TU Graz wurde auf Basis eines umfangreichen Benchmarkings von führenden (akademischen) Makerspaces in den USA, Europa und Asien geplant und im April 2019 eröffnet. Das Labor bietet Zugang zu modernster Infrastruktur - digitale Produktionsmaschinen sowie umfangreiche Multimediaund Kommunikationssysteme – und dient damit als Lernfabrik und Innovationslabor. Studierende und MitarbeiterInnen aus den MitgliedsUnternehmen können aus einem Angebot an Innovationsprojekten mit verschiedenen Laufzeiten wählen und ihre Fähigkeiten unter anderem in

Bereichen wie Produktentwicklung, Design Thinking und Entrepreneurship stärken. Dabei wird ein projektbasierter Lehransatz gewählt, in dem die Teilnehmenden Projekte und Aufgaben selbstständig durchführen und erarbeiten. Neben Workshops und Coachings, in welchen die theoretischen Grundlagen vermittelt werden, haben Sie Zugriff auf zahlreiche digitale Produktionsmaschinen, um Ideen rasch in die Realität umzusetzen und Prototypenbau zu ermöglichen. Der Maschinenpark wird dabei laufend erweitert bzw. aktualisiert um einen niederschwelligen Zugang zu neuesten Fertigungstechnologien zu schaffen. Künftig wird mit Hilfe von Augmented und Virtual Reality Anwendungen auch virtuelles Prototyping ermöglicht. LEAD Factory Die LEAD Factory wird am Institut für Innovation und Industrie Management der TU Graz schon seit 2014 betrieben und ist eine der ersten Lernfabriken Österreichs. Durch die Montage des Scooters in einem nicht optimierten Ausgangszustand der Lernfabrik analysieren die TeilnehmerInnen den Montageprozess und identifizieren erste Verbesserungsmöglichkeiten. Nach kurzen, begleitenden Theorieeinheiten, in denen die Grundlagen von Lean Production, Energie Effizienz, Agilität und Digitalisierung (LEAD) vermittelt werden, kehren die Teilnehmenden in die LEAD Factory zurück und wenden das Gelernte direkt an. Bei Digitalisierungstrainings steht dabei die Umsetzung eines Digitalisierungsprojektes im Mittelpunkt. Dabei wird auf Basis einer begleitenden Case Study die LEAD Factory analysiert, Digitalisierungspotentiale abgeleitet und evaluiert und anschließend digitale Technologien implementiert. Diese Technologien sind auf dem neuesten Stand der Technik und die Verbesserung der Produktivität ist durch deren Einsatz unmittelbar erlebbar. Die Trainingsmodule wie Sensorik, Data Analytics, Prozessanalyse, Arbeiten mit Digitalen Dashboards etc. sind dabei individuell konfigurierbar und an das Unternehmen adaptierbar. Somit ist es mit den Trainings in der LEAD Factory

WINGbusiness 3/2021

TOP-THEMA möglich auf alle Anforderungen seitens der KMUs einzugehen. Die bis dato über 650 Trainingsteilnehmer umfassten Studierende und MitarbeiterInnen unterschiedlicher Industrien wie beispielsweise Automobil, Herstellung elektrischer Anlagen und Anlagenbau. smartfactory@tugraz Die smartfactory des Instituts für Fertigungstechnik der TU Graz ist eine Modellfabrik, in welcher modernste Anlagen der mechanischen Fertigung und Montage über fortschrittliche Produkte der Informationstechnologie zu einem Cyberphysikalischen Produktionssystem verbunden sind. Die, in 2021, eröffnete Lernfabrik dient der Forschung, der universitären Lehre und dem Wissenstransfer im Bereich der digitalisierten Fertigung. Die Zielgruppe umfasst insbesondere Betriebe aus Gewerbe und Industrie, wobei den Bedürfnissen der KMU hohe Bedeutung zukommt. Zu den infrastrukturellen Highlights gehören zum einen mobile, autarke Arbeitsstationen, mit welche gezeigt wird, wie agile Produktionsprozesse physisch umgesetzt werden können. Mit Hilfe dieser Einheiten können flexibel neue Produktionslinien aufgebaut werden, um für sich schnell ändernde Märkte in kurzen Reaktionszeiten neue Produkte zu fertigen. Zur Aus- und Weiterbildung kann anhand dieser anschaulichen Beispiele in Form von Show Cases die digitale Transformation in der Industrie wesentlich deutlich und einprägsam vermittelt werden. Model Factory in a Box Die Model Factory in a Box (MFIB), entwickelt von McKinsey & Company, ist eine miniaturisierte Limonadenfabrik, die in acht Flugkisten zerlegt, zum Ziel geflogen und schnell wieder zusammengebaut werden kann. Die, in einem mittelgroßen Raum eingerichtete, Produktionslinie umfasste eine Reihe von Schritten, von der Vorbereitung des Rohmaterials bis zur Qualitätsprüfung. Sie bietet eine Simulations- und Lernumgebung, in der Fertigungs- und Managementverbesserungsprozesse

WINGbusiness 3/2021

sowohl für FabrikarbeiterInnen als auch für das Management vermittelt werden. Trainings umfassen eine Vielzahl digitaler Lernmodule, die effizient Wissen zu Themen wie Energiedurchsatz und vorausschauende Wartung, digitales Leistungsmanagement, Robotik, fortschrittliche Analytik und additive Fertigung vermitteln. Service Factory In den vergangenen Jahren haben vermehrt auch größere Industrieunternehmen wie beispielsweise Airbus, Schäffler oder BMW, eigene Lernfabriken für Schulungen von MitarbeiterInnen errichtet. Die Service Factory der Knapp AG wurde in einer intensiven Zusammenarbeit mit dem Institut für Innovation und Industrie Management entwickelt. Durch die fortschreitende Digitalisierung setzt die Knapp AG vermehrt auf digitale Services im Intralogistikumfeld. Diese Services werden für (potentielle) Kunden in Lernfabrikstrainings erlebbar gemacht. Neben Kunden werden auch MitarbeiterInnen der Knapp AG hinsichtlich Digitalisierung und digitalen Services in der neuen Infrastruktur in Hart bei Graz trainiert. Virtuelle Lernfabriken Insbesondere aufgrund der Covid-19 Pandemie und der damit einhergehenden Notwendigkeit des Distance Learnings, wurden in den letzten Monaten virtuelle Lernfabriken, wie jene der TU Darmstadt entwickelt, die meist auf Basis der Virtual Reality Technologie basieren. Diese virtuelle Lernfabrik dient als Erweiterung einer physischen Lernbfabrik mit dem Fokus auf Montage. Durch die Erweiterung sind TeilnehmerInnen in der Lage auch einen Wertstrom der Prozessindustrie zu analysieren und zu verbessern. Die Lernumgebung und -inhalte können individuell ressourceneffizient angepasst werden und stellen somit eine große Chance in Bezug auf Trainings für KMUs dar. Ausblick Das noch sehr junge Konzept der Lernfabriken setzt sich in der aka-

demischen Ausbildung aber auch in größeren Unternehmen immer mehr durch. Die jüngste Konferenz zum Thema Lernfabrik mit über 140 TeilnehmerInnen aus 27 Ländern hat dies eindrucksvoll gezeigt. Risikoloses Experimentieren und das schnelle Lernen durch gemachte (gewünschte) Fehler ermöglicht die rasche Entwicklung von Kompetenzen in einer realen Produktionsumgebung. In einer Zeit des ständigen Wandels und der Suche nach qualifizierten Arbeitskräften sind Lernfabriken eine exzellente Möglichkeit MitarbeiterInnen auf die Aufgaben im Betrieb vorzubereiten und auszubilden. Neben dem Schwerpunkt Lean Production können Lernfabriken einen wesentlichen Beitrag zur Kompetenzentwicklung für Digitalisierung insbesondere in KMUs leisten. Neue, digitale Technologien, können getestet, der (versprochene) Produktivitätsvorteil kann gemessen und die dringend notwendige Akzeptanz der MitarbeiterInnen kann überprüft werden. Damit entsteht Vertrauen und Sicherheit Digitalisierung im großen Stil im Unternehmen einzuführen. Eine Digitalisierungs-Schulung in einer Lernfabrik stellt dabei den Anstoß für die Entwicklung einer Digitalisierungs-Roadmap im Unternehmen dar. Literatur: [1] Schuh G, Patzwald M, Cardoso MCI. Resilient Technology Strategy in Volatile Environments: Derivation of Requirements to Enable Long-Term Strategic Positioning in Times of Volatility, Uncertainty, Complexity and Ambiguity. 2019 Portland International Conference on Management of Engineering and Technology. PICMET, 2019, p. 1–15. [2] Schurig M, Rabitsch C, Ramsauer C. Agile Produktion - Ein Produktionskonzept für volatile Zeiten. ZWF 2014;109:956–9. [3] Ramsauer C, Kayser D, Schmitz C. Erfolgsfaktor Agilität, 2017:201–38. [4] Schumacher S, Bildstein A, Bauernhansl T. The Impact of the Digital Transformation on Lean Production Systems. Procedia CIRP 2020;93:783–8. [5] Lanza G, Nyhuis P, Fisel J, Jacob A, Nielsen, L, Schmidt M, Stricker N. Wandlungsfähige, menschzentrierte

TOP-THEMA Strukturen in Fabriken und Netzwerken der Industrie 4.0 München: Herbert Utz Verlage 2018. [6] Hulla M, Ramsauer C. Competencies of Production in SMEs in Assembly Industries in a Digital, Volatile Business Environment. Tehnički glasnik, 14(3), 2020, 388-395. [7] Hölzl W, Bärenthaler-Sieber S, Bock-Schappelwein S., Friesenbichler S., Kügler A., Reinstaller A., Reschenhofer P., Dachs B, Risak M. Digitalisation in Austria: State of Play and Reform Needs. WIFO, European Commission, 2019. [8] Buer S-V, Strandhagen JW, Semini M, Strandhagen JO. The digitalization of manufacturing: investigating the impact of production environment and company size. Journal of Manufacturing Technology Management, 2020. [9] Urbach N, Roeglinger M. Introduction to Digitalization Cases: How Organizations Rethink Their Business for the Digital Age, Springer, 2019. [10] Lindner D. KMU im digitalen Wandel: Ergebnisse empirischer Studien zu Arbeit, Führung und Organisation. Gabler Verlag. 2019. [11] Sonntag A, Gangl K. Digital competencies in Austrian SMEs, IHS, Vienna 2020.

[12] Armstrong M., Taylor S. Armstrong’s Handbook of Human Resource Management Practice, Kogan Page Publishers, 2020. [13] Abele E, Chryssolouris G, Sihn W, Metternich J, ElMaraghy H, Seliger G, et al. Learning factories for future oriented research and education in manufacturing. CIRP Annals 2017;66:803–26. [14] Block C, Kreimeier D, Kuhlenkötter B. Holistic approach for teaching IT skills in a production environment. Procedia Manufacturing 2018;23:57–62.

Autoren: Univ.-Prof. Dr. Christian Ramsauer Vorstand des Instituts für Innovation und Industrie Management der TU Graz Univ.-Prof. Dr. Christian Ramsauer leitet seit 2011 das Institut für Innovation und Industrie Management der TU Graz. Er startete seine Karriere 1999 als Berater bei McKinsey&Company. Zwischen 2005 und 2011 war er als geschäftsführender Gesellschafter bei einem Industrieunternehmen in Salzburg und als Geschäftsführer bei einem Privat Equity Unternehmen in München

tätig. Christian Ramsauer studierte Wirtschaftsingenieurwesen-Maschinenbau und promovierte an der TU Graz. Er forschte als Post-Doc zwei Jahre an der Harvard Business School in Boston und habilitierte danach im Fach Produktionsmanagement. Er ist als Aufsichtsrat in mehreren StartUps und etablierten Industrieunternehmen tätig. Seit 2021 ist Christian Ramsauer Präsident der International Association of Learning Factories. Dipl.-Ing. Maria Hulla Universitätsassistentin am Institut für Innovation und Industrie Management der TU Graz Dipl.-Ing. Maria Hulla war nach Ihrem Studium an der TU Graz bei der voestalpine Böhler Aerospace tätig und ist seit 2017 wissenschaftliche Mitarbeiterin und Doktorandin am Institut für Innovation und Industrie Management. Sie war Projektleiterin der 10th und der 11th Conference on Learning Factories und leitet derzeit unter anderem das geförderte Forschungsprojekt „Voladigital“. Seit 2021 ist sie General Secretary der International Association of Learning Factories.

Univ.-Prof. Dr. Christian Ramsauer

Dipl.-Ing. Maria Hulla

Vorstand des Instituts für Innovation und Industrie Management der TU Graz

Universitätsassistentin am Institut für Innovation und Industrie Management der TU Graz

WINGbusiness 3/2021

CREDITREFORM

SMART DATA SEIT 1879

Analysen und Selektionen aus über 88 Mio. Wirtschaftsdaten zur Stärkung der Liquidität und Minimierung des unternehmerischen Risikos www.creditreform.at

In Kooperation mit

TOP-THEMA

Foto: Digital Capability Center Aachen (Quelle: ITA Academy GmbH)

Sven Gores, Gesine Köppe, Nicolina Praß, Thomas Gries

Rethinking Supply Chains – Industry 4.0 and Circular Economy Das Digital Capability Center in Aachen, ist die erste und einzigartige textile Lernfabrik mit einer realgetreuen Produktionsumgebung. Durch einen intensiven Austausch mit etablierten Lernfabriken von europäischen Universitäten wird die Kooperation gestärkt. Industrie 4.0 Um sich in der Zukunft auf rasant wachsenden Märkten behaupten zu können, müssen Unternehmen vor allem ihre Effizienz steigern. Ein oft thematisierter Lösungsansatz bietet die Digitalisierung der Industrie. Doch die voranschreitende digitale Transformation stellt Unternehmen vor eine große Herausforderung. Durch erhöhte Qualifizierungsbedarfe und veränderte Kompetenzprofile vermehren sich Unsicherheiten und Unwissen. Zudem gilt es besonders bei kleineren und mittelständischen Unternehmen, eine erste Basis und das nötige Grundlagenwissen für den Start einer erfolgreichen digitalen Transformation zu schaffen. Hier findet die ITA Academy GmbH mit dem 2017 gegründeten Digital Capability Center (DCC) in Aachen ihre Aufgabe. Sie unterstützt die digitale Transformation der produzierenden Industrie durch Forschungs- und Entwicklungsprojekte sowie ausgewählte Weiterbil-

dungsprogramme. Das DCC ist eine Modell- und Lernfabrik, die in Partnerschaft der ITA Academy GmbH mit McKinsey & Company Inc. und weiteren Technologiepartnern – sowohl internationalen Konzernen als auch Start-Ups – ins Leben gerufen wurde. In der Lernfabrik wird an acht Arbeitsstationen eine durchgängige Produktionslinie eines Textilbetriebes realgetreu dargestellt. Diese acht Stationen sind: Arbeitsvorbereitung, Additive Fertigung, thermische und chemische Oberflächenbehandlung, Montage, Qualitätsprüfung und Verpackung, ergänzt durch ein Logistiklager für die interne Materialversorgung. Das hergestellte Produkt ist ein smartes Armband, welches aus einem elastischen Bandgewebe sowie einem eingenähten RFID-Chip besteht. Dieser kann mit individuellen Daten beschrieben werden. Im Falle des DCC Aachens, dient der Chip dem Mitarbeitenden als persönlicher Login sowie der personenspezifischen Maschi-

nenrechtevergabe an den jeweiligen Arbeitsstationen. Die Lernfabrik zeigt einen Produktionsablauf im Lean-Status, wie er heutzutage in der Industrie üblich ist. Innerhalb weniger Minuten kann dieser in einen digitalisierten Zukunftsstatus umgebaut werden. So werden an den acht Arbeitsstationen mittlerweile mehr als 40 digitale Industrie 4.0 Use-Cases präsentiert. Diese erstrecken sich beispielsweise von Maschinenkonnektivität, Zustandsüberwachung und prädiktiver Instandhaltung über adaptive Arbeitsplätze, digitale Assistenzsysteme, virtuelle und erweiterte Realität (VR/AR) bis hin zu maschinellem Lernen und künstlicher Intelligenz. In einer an der Produktionslinie angrenzenden „Innovation Area“, werden Entwicklungen an weiteren Arbeitsstationen vorangetrieben, welche nicht in den vollstufigen Prozess zu integrieren sind. Dabei handelt es sich beispielsweise um Montagestationen mit kollaborativen MenschMaschine Interaktionen oder um

WINGbusiness 3/2021

TOP-THEMA Augmented- und Virtual Reality UseCases für die Produktionsplanung einer Produktionslinie. Ziel der Trainingsangebote der ITA Academy GmbH ist es, die digitale Transformation für Unternehmen erlebbar zu machen, sowie mit der Komplexität des Begriffes „Industrie 4.0“ aufzuräumen. Die Workshops in der Lernfabrik sollen Mitarbeitenden und Management ein Grundverständnis geben, von dem ausgehend die digitale Transformation im eigenen Unternehmen geplant und entwickelt werden kann. Dabei geht es nicht um die exakte Übernahme der hier implementierten Lösungen. Vielmehr sollen Unternehmen lernen, die für sich gesuchte Lösung daraus abzuleiten. In den meisten Fällen begleitet die ITA Academy GmbH diese Entwicklungsprozesse in Form von Pilotprojekten und hilft bei der Wahl der passenden Technologiepartner. Automation Logistik Die Logistikbranche steht in den nächsten Jahren vor großen Herausforderungen: CO2-Abgaben, Personalmangel, Handelsbeziehungen die noch vor kurzem als stabil galten und der „Aufbruch zur letzten Meile“. Wer hier seinen Platz in der Branche festigen möchte, muss sich den neuen Herausforderungen annehmen und Lösungen entwickeln, welche die Prozesse effektiver und kosteneffizienter gestalten[1]. Seit der Wirtschaftskrise im Jahr 2008 gewinnt die Branche jährlich mehrere Prozent Zuwachs [2], und gerade in der Corona-Krise konnte sich eines stark abbilden: die letzte Meile bis zur Haustüre wird immer wichtiger. Dies schlägt sich aber auch auf steigende Logistikkosten nieder, wodurch der Druck für die Umsetzung von kosteneffizienten Prozessen erhöht wird. Ansätze gibt es zuhauf, sei es zum einen die Idee des autonomen Logistikzentrums, welches durch künstliche Intelligenz ohne menschliche Hilfe auskommt, bis hin zur Paketauslieferung via Drohne. Die Robotik ist in vielen Bereichen schon jetzt nicht mehr wegzudenken, ist aber auch wegen seiner größten Hürde, der menschlichen Akzeptanz, noch nicht vollumfänglich integriert. Dabei gibt es für jeden Anwendungs-

WINGbusiness 3/2021

Abbildung 1: Automated Guided Vehicles für die Intra-Logistik am DCC Aachen“. (Quelle: ITA Academy GmbH)

fall schon jetzt eine bestehende Lösung. Automated Guided Vehicles, kurz AGVs, unterstützen bei der Intralogistik die Mitarbeitenden immer zur rechten Zeit, mit ausreichend Materialien ausgestattet zu sein. Diese AGVs können sich durch ihre Umgebungssensoren jegliches Hindernis, ob beweglich oder nicht, umfahren und ihr angestrebtes Ziel selbständig erreichen. Zusätzlich zu der hinzukommenden Schwarmtechnik solcher Vehicles, können deutlich schnellere und zum Teil auch kürzere Lieferwege angepeilt werden. Als weiteres Beispiel sind skalierbare und flexible Goods-to-Person-Kommissionierungssysteme mit sehr hohen Lagerdichten zu nennen, welche ebenfalls Lösungen der Modellfabrik am DCC Aachen sind. Vorteil solcher Systeme ist zum einen die erstrebte Lageroptimierung, aber auch die Energieeffizienz, sowie die Sicherheit, entsprechend dem eigenen Unternehmenswachstum weiter mühelos anbauen und erweitern zu können. Dennoch oft ist gar nicht der Wille das Problem, sondern der Mangel an qualifizierten Fachkräften im Unternehmen. Daher durchläuft gerade die Logistikbranche einen millionenschweren Boom in der Start-upSzene, welche sich teilweise darauf spezialisiert hat, einen schnellen und einfachen Einstieg in die Industrie 4.0 im Logistikbereich zu gewährleisten. Gerade die künstliche Intelligenz und deren Möglichkeit, große Datenmengen (Big Data) auswerten zu können, kann den entscheidenden Vorteil

bringen [3]. Mit dem zusätzlichen Echtzeittracking via RFID-Chips und der Aufnahme von Echtzeitdaten aus der Umgebung, wie zum Bespiel Verkehrsmeldungen, können aus den vorhandenen Daten zu einer gewissen Wahrscheinlichkeit das Eintreffen bestimmter Ereignisse vorhergesehen werden und das Supply Chain Management effizient umgestaltet und verbessert werden. Energieoptimierung durch künstliche Intelligenz Wettbewerbsfähigkeit ist ein Teil der menschlichen Natur. Dieser ständige Wunsch, immer mehr und bessere Ergebnisse liefern zu wollen, treibt die Menschen dazu an, nach neuen Methoden und Werkzeugen zu suchen, die das Erreichen solcher Ziele ermöglichen. Dieser Verbesserungsbedarf ist in vielen Bereichen vorhanden, in denen sich der Mensch entwickelt. Die Fertigung in der Industrie bildet da keine Ausnahme. Das Ziel jeder Produktionslinie, unabhängig von der Art der Industrie, ist es, die Nachfrage zu decken und die Qualitätsstandards zu erfüllen, die der Markt verlangt. Eines der Instrumente, die es den Unternehmen ermöglichen wettbewerbsfähig zu bleiben, ist die Optimierung. Sei es die Suche nach einer optimalen Konfiguration der Stationen einer Produktionslinie, um einen optimalen schlanken Zustand zu erreichen oder die Optimierung von Fertigungsprozessen, um ihren

TOP-THEMA Durchsatz und ihre Qualität zu erhöhen oder ihren Ressourcenverbrauch zu reduzieren. Die Notwendigkeit, Industrieprozesse mit Software zu optimieren, ergibt sich aus den meist langen Zeiten, die das Personal in der Produktion benötigt, um die Maschine optimal zu bedienen. Der Betrieb einer Maschine mit optimalen Parametern erfordert erfahrenes Personal, welches weiß, wie die Betriebsparameter modifiziert werden müssen, sodass die Qualität des Produktes die geforderten Standards erreicht. Basierend auf den Erfahrungen und dem Qualifikationsniveau der Maschinenbediener, kann das effiziente und schnelle Bedienen variieren. Nicht zu vernachlässigen ist die Fluktuation in den Unternehmen. Neue Mitarbeiter müssen schnell eingearbeitet werden, um die Standards zu erfüllen. Auch wenn die Einweisungen in die Bedienbarkeit gut geschult werden, sind es meist Erfahrungswerte, auf die die Bediener zurückgreifen, um die Maschinen optimal zu betreiben. Die künstliche Intelligenz und insbesondere das maschinelle Lernen, bietet eine Möglichkeit, das Lernen erheblich zu beschleunigen, indem die Hardware- und Software-Technologien große Datenmengen mit Algorithmen des maschinellen Lernens antrainieren. Die von den Industrieprozessen geforderten hohen Genauigkeitsraten können somit erreicht werden. Der Grund für die Anwendung von Algorithmen des maschinellen Lernens zur Regelung industrieller Prozesse liegt in ihrer Fähigkeit, komplexe Muster zu erkennen, wie sie von erfahrenen Maschinenbedienern aus sich ändernden Variablen wie der Umgebung oder dem Materialtyp erkannt werden. Künstliche Intelligenz und Optimierungsalgorithmen sind Hauptbestandteile der vierten industriellen Revolution und erobern allmählich den breiten Markt. Die Vielfalt an grafischer Software zum Trainieren von Machine-LearningModellen und zur Optimierung von Prozessen wird von Tag zu Tag größer, welche die Unternehmen nutzen können, ohne spezielle Programmierkenntnisse aufzuzeigen.

Im Rahmen eines Projektes am DCC Aachen wird künstliche Intelligenz (KI) für die Entwicklung und Anwendung von Methoden eingesetzt, die es dem Computer ermöglicht, Aufgaben in der Produktion zu lösen [4]. Ziel des Optimierungsprojektes ist die Reduzierung des Energieverbrauchs der Veredlungsmaschine, die aufgrund der Thermofixierung einen hohen Energieverbrauch aufweist. Der hohe Energieverbrauch wird durch eingesetzte Infrarotlampen, welches das Textil auf 900 °C erwärmt sowie durch die Thermofixierung von zwei Zylindern mit 180 °C im Prozess erzeugt. Um sich den Grund dieses Ziels vor Augen zu führen: In der deutschen Textilindustrie entspricht der Energieverbrauch mit einem durchschnittlichen Verbrauch von ca. 11,5 TJ [5] dem zweitgrößten Bedarf nach Gas. Im Bereich der Beschichtungsund Thermofixieranlagen für Textilien werden üblicherweise 1,1 kWh/ kg Gewebe [6] verbraucht. Aus diesen Zahlen entstand der Bedarf der Senkung notwendiger Energie für Veredlungsprozesse, ohne die Qualität oder die Produktionsgeschwindigkeit zu verringern. Der angewendete Lösungsansatz der Energieoptimierung an der Veredlungsmaschine kann in 4 Schritte unterteilt werden. Im Folgenden wird darauf näher eingegangen: 1. Verständnis des Prozesses: Alle prozessbezogenen Variablen werden aufgelistet und mit Einheiten, Physikalischen- und Betriebsgrenzen beschrieben. Eine möglichst umfangreiche Aufklärung der Variablen erfolgt durch Gespräche mit Maschinenbedienern, Prozessingenieuren und Betriebsleitern, in denen Variablen wie beispielweise Maschinenparameter und Umgebungsvariablen erkannt und beschrieben werden. Die Variablen, die trotz hoher Wichtigkeit nicht digital erfasst werden, müssen mit einbezogen und die Anlage dementsprechend nachgerüstet werden. Bei diesem Schritt muss eine Netzwerkverbindung zwischen der Anlage und einer Datenbank bestehen, um erfassende Sensordaten abzuspeichern.

2. Erfassung von Maschinendaten: Nachdem alle benötigten Variablen erkannt und durch Sensoren aufgenommen wurden, müssen Maschinendaten während der Produktion erfasst werden, um einen Datensatz für das Anlernen der KI-Modelle aufzubauen. Der aufgenommene Datensatz wird anschließend bereinigt, da unnötige Daten, die bei der Erfassung ebenfalls aufgenommen werden, bei der Genauigkeit der Modelle ein Senkungsrisiko darstellen. Die Bereinigung der Datenpunkte kann mittels einer Auswertung vereinfacht werden, da ein erster Einblick in die Daten hilft, unnötige Daten und mögliche Abhängigkeiten zwischen den Variablen zu finden. Die Abhängigkeiten können ebenfalls dazu führen, mögliche Netzwerkarchitekturen für die KI-Modelle zu definieren. 3. Erstellung einer Optimierungsstrategie: Auf Basis der Auswertung kann eine Hypothese erzeugt werden, die die Zielfunktion, die Einschränkungen, die Anzahl an neuronalen Netzen und deren Ein- und Ausgänge definiert. Zur Erstellung der Optimierungsstrategie gehört auch das Training der KI-Modelle, welches in Trainingsiterationen stattfindet. In jeder Trainingsschleife wird eine andere Architektur des neuronalen Netzes getestet, sodass diejenige ausgewählt wird, die die Werte vorhersagt, die dem realen Verhalten der Maschine am nächsten kommen. Das Training de Modelle kann ebenfalls zu einer Modifikation der ursprünglichen Optimierungsstrategie führen, da Architekturen, die unterschiedliche Ein- und Ausgabeparameter berücksichtigen, dass Verhalten der Maschine besser als die ursprünglich gewählten, darstellen können. 4. Optimierung und Integration: Mit den angelernten Modellen berechnet der Optimierungsalgorithmus basierend auf der zuvor definierten Optimierungsstrategie die optimalen Werte für die Prozessparameter. Dieser Schritt ist ein iterativer Prozess, in dem die Sinnhaftigkeit der Ergebnisse der optimierten Strategie

WINGbusiness 3/2021

TOP-THEMA bei jeder Schleife überprüft wird, um beispielsweise die KI-Modelle oder die Einschränkungen dementsprechend anzupassen. 4.1. Offener Regelkreis: Sobald die von der optimierten Strategie ausgegebenen Werte realistisch und ausreichend sind, wird die optimierte Strategie in die Produktion integriert. Dafür wird die Hardware, worauf die Regelungssoftware läuft, in dem Produktionswerk integriert. Die Strategie wird zuerst im Leerlauf angewendet, sodass die Werte, die die Software zur Prozessoptimierung empfiehlt, vom Maschinenbediener geprüft werden. Der Bediener kann im Nachgang an der Anlage die empfohlenen Werte schrittweise eingeben, während er die Produktion überwacht und überprüft. 4.2. Geschlossener Regelkreis: Der Regelungskreis der Software wird geschlossen, sodass die Prozessoptimierung in Echtzeit im Prozess läuft. Sowohl im offenen als auch im geschlossenen Regelkreis kann der Benutzer das automatische Weiteranlernen der Modelle starten, damit die Modelle während der Produktion mit neuen Informationen weiter angelernt werden.

wie beispielsweise die Textilindustrie sind einerseits sehr schnelllebig und agil, hinken aber in Sachen Digitalisierung und Vernetzung stark hinterher. Dazu kommt der Beschluss des Lieferkettengesetzes. Unternehmen müssen den Anforderungen der Gesetze und europäischen Regulierungsinitiativen gerecht werden. Die Textil- und Bekleidungsbranche muss jetzt Transparenz in den Lieferketten aufzeigen und dazu das Vertrauen zu Lieferanten und Händlern ausbauen. Partner zur Verifizierung von Qualitätszertifikaten, sowie Kontaktdaten der Subunternehmer sind in der Lieferkette nicht vorhanden Die verschiedenen Akteure der textilen Wertschöpfungskette sind nicht transparent. Durch die Anwendung verschiedener individueller SoftwareTools zur Datenerfassung und Pflege der Daten der Zulieferer ist ein hoher Zeit-, Energie- und Kostenaufwand verbunden. Durch datenbasierte Geschäftsmodelle und durch Transparenz in Produkten, Liefer- und Wertschöpfungsketten können auf kurze Sicht wichtige Impulse zur ressourceneffizienten Wirtschaft eingebracht werden

Abbildung 2: Schematische Darstellung der am DCC Aachen entwickelten Optimierungsstrategie eines Wärmebehandlungsprozesses (Quelle: ITA Academy GmbH)

Kreislaufwirtschaft Optimierungsmöglichkeiten erstrecken sich über weite Gebiete in der Produktion, und betreffen nicht nur wie oben beschrieben die Energiewirtschaft, sondern können auch im Recycling, bzw. in der Kreislaufwirtschaft Einzug erhalten. Global produzierenden Unternehmen steht ein Paradigmenwandel im Lieferkettenmanagement bevor: einerseits immer kürzere Zykluszeiten, Mass-Customization von Produkten und andererseits der wachende Druck der Kunden nach Nachhaltigkeit und Transparenz. Verschiedene Branchen,

WINGbusiness 3/2021

[8]. So wird am DCC Aachen neben der Nutzung von Recyclingmaterialien auch der Einsatz einer Blockchain gewinnbringend mit diesem Thema in Berührung gebracht. Mit dem Einsatz von Distributed Ledger Technologien (konkret Blockchain) kann die Produktion des Armbandes und die Richtigkeit von Zertifikaten im DCC dargestellt werden. Für eine erfolgreiche Weiterentwicklung und den Ausbau von Exzellenz im Bereich Lernfabriken in Deutschland, ist eine nationale und internationale Kooperation zwischen den Lernfabriken von hoher Bedeutung. Durch einen stetigen fachlichen

Austausch und die Ausbildung von Fachkräften, können die Kooperationen im IALF Netzwerk sichergestellt werden. Literatur: [1] Christian Kille, Markus Meißner (2019) Logistik 2020 Struktur-und Wertewandel als Herausforderung. http://www.logistikweisen.de/wAssets/docs/ergebnisbericht-logistikweisen-2020.pdf Zugegriffen: 28. Juli 2021 [2]https://de.statista.com/statistik/daten/studie/204132/umfrage/volumendes-logistikmarktes-in-europa/ . Zugegriffen: 28. Juli 2021 [3] https://www.bito.com/de-de/fachwissen/artikel/zukunft-der-logistik/ . Zugegriffen: 28. Juli 2021 [4] Lackes R, Siepermann M (2018) Revision von Künstliche Intelligenz (KI). https://wirtschaftslexikon.gabler. de/definition/kuenstliche-intelligenzki-40285/version-263673. Zugegriffen: 21. Okt. 2020 [5] Statistisches Bundesamt, Wiesbaden (2017) Gesamtverband der deutschen Textil- und Modeindustrie e. V, Berlin [6] Parish GJ, Reed CM (1980) Energy consumption and energy saving in the heat-setting and dye-fixation of textile fabrics on stenters. In: Strub AS, Ehringer H (Hrsg) New ways to save energy. Springer, Dordrecht [7] Greenpeace (2017). Konsumkollaps durch Fast Fashion. Textilwirtschaft 09/17. https://greenwire.greenpeace. de/system/files/2019-04/s01951_greenpeace_report_konsumkollaps_fast_fashion.pdf . Zugegriffen: 28. Juli 2021 [8] https://www.bmu.de/digitalagenda/ industrie-40-kreislaufwirtschaft/ . Zugegriffen: 28. Juli 2021 AutorInnen: Sven Gores ist Mitarbeiter am Digital Capability Center in Aachen. Er studiert Maschinenbau an der RWTH Aachen mit dem Fokus der Produktionstechnik. Im Jahr 2019 hat er für Bosch in Stuttgart gearbeitet und war als Assistent des Managements im Bereich von Verlagerungsprojekten beteiligt. Am DCC Aachen führt er Entwicklungen im Rahmen von Augmented- und Virtual Reality Anwendungen sowie im Bereich Data Mining durch.

TOP-THEMA Gesine Köppe, M.Sc. ist Projektingenieurin für Digitalisierungslösungen in der ITA Academy GmbH, Aachen. Seit 2017 ist sie Produktionsleiterin im Digital Capability Center Aachen, der Lernfabrik für Digitalisierung in der Produktion. Zwischen 2013 und 2015 arbeitete Sie in produzierenden Unternehmen im Bereich Produktentwicklung und technische Entwicklung für die Luftfahrt- und Automobilindustrie. Gesine Köppe schloss den Master of Science in Mönchengladbach mit dem Schwerpunkt Textile Produkte an der HSNR Hochschule Niederrhein ab.

Nicolina Praß, MBA ist Geschäftsführerin der ITA Academy GmbH mit dem Digital Capability Center in Aachen. Sie studierte Textil- und Bekleidungstechnik und machte den Master of Business Administration an der Hochschule Niederrhein. Im Rahmen von Forschungs- und Entwicklungsprojekten mit dem ITA der RWTH Aachen war sie als Projektmanagerin tätig und übernahm den Aufbau der ITA Academy GmbH mit dem DCC Aachen im Jahr 2017. Als Geschäftsführerin verantwortet Sie die Digitalisierungsprojekte in Kooperation mit der produzierenden Industrie sowie den Technologiepartnern am DCC Aachen.

Sven Gores Mitarbeiter am Digital Capability Center in Aachen

Univ.-Prof. Prof. h.c. (Moscow State Univ.) Dr.-Ing. Dipl.-Wirt.-Ing. Thomas Gries ist Professor der RWTH Aachen für Textiltechnik/Textilmaschinenbau und Direktor des Instituts für Textiltechnik (ITA) der RWTH Aachen University. Er studierte und promovierte an der RWTH Aachen im Bereich Maschinenbau. Als Leiter des Instituts für Textiltechnik der RWTH Aachen University entwickelt er seit 20 Jahren innovative Lösungen für die Textilindustrie und deren Lieferketten. Er ist in einigen Unternehmen als Aufsichtsrat tätig.

Gesine Köppe, M.Sc. Projektingenieurin für Digitalisierungslösungen in der ITA Academy GmbH, Aachen

Univ.-Prof. Prof. h.c. (Moscow State Univ.) Dr.-Ing. Dipl.-Wirt.Ing. Thomas Gries

Nicolina Praß, MBA Geschäftsführerin der ITA Academy GmbH mit dem Digital Capability Center in Aachen

Professor RWTH Aachen f. Textiltechnik/Textilmaschinenbau und Direktor des Instituts f. Textil-

technik (ITA) RWTH Aachen University

WINGbusiness 3/2021

TOP-THEMA

Foto: Model Factory in a Box, Bildquelle: McKinsey & Company, Inc.

Laurence McHauser, Christoph Schmitz, Markus Hammer

Model-Factory-In-a-Box: Mobile Lernfabrik für erlebnisorientiertes Lernen Transformationsprojekte in Unternehmen stehen häufig vor der Herausforderung, die Mitarbeiter von Veränderungen zu überzeugen und sie zu schulen. Klassische Schulungsmethoden stoßen dabei immer wieder an Grenzen. Sie sind zu weit weg von der täglichen Praxis, weswegen für Mitarbeiter konkrete Vorteile durch den Einsatz neuer Tools und Methoden nicht nachvollziehbar sind. Eine mobile Lernfabrik, die Model-Factory-In-a-Box (MFIB), ist ein erfolgreich erprobtes Format, das mit simulationsbasiertem Lernen neue Fähigkeiten in einer realen Produktionsumgebung aufbaut – von Lean Manufacturing bis hin zu digitalen Technologien.

ertigungsunternehmen wissen in der Regel, mit welchen Tools und Techniken sie ihre Produktion effizienter gestalten können. Doch ständige Herausforderungen wie Globalisierung, zunehmende Komplexität, Volatilität und Digitalisierung verlangen permanente Anpassungen von Prozessen, Tools und Techniken. Dabei müssen Organisationen Produktionsmitarbeiter und FrontlineManager wie Teamleiter, Vorgesetzte und Abteilungsleiter miteinbinden und schulen. [4,5] Jedoch tun sie sich nach wie vor schwer damit, Schulungen effizient umzusetzen, da ihnen effektive Methoden fehlen. [6,7] Bei Transformationsprojekten manifestiert sich diese Kompetenzlücke häufig in einem Widerstand gegen Veränderungen. [8,9] Produktionsteams wehren sich gegen Pläne, zum Beispiel Standardarbeitsanweisungen, Produktionsplanungssysteme, tägliche Besprechungen und interdisziplinär aufgestellte Teams zu implementie-

WINGbusiness 3/2021

ren. [10] Dieser Widerstand resultiert oft aus Unkenntnis über den Umgang mit alternativen Methoden und das fehlende Wissen, welche Chancen diese Methoden bieten, Arbeitsabläufe und -ergebnisse zu verbessern. An der Bereitschaft, etwas ändern zu wollen, mangelt es dagegen meist nicht [11,12]. Ein neuer Transformationsansatz soll dazu beitragen, Fähigkeiten nachhaltig aufzubauen, in dem er Widerstände durch erlebnisorientiertes Lernen überwindet. [13] Dabei sind praxisnahe Schulungen eine kritische Größe für den Kompetenzaufbau im Bereich Operations. [14,15] Ein Expertenteam hat daher gemeinsam mit Partnern aus Wissenschaft und Industrie praxisnahe Modellfabriken aufgebaut, in denen eigene Mitarbeiter und Klienten mit Hilfe von praktischen Übungen neue Produktionskompetenzen erwerben können. Doch der mehrtägige Lernaufenthalt scheiterte oftmals daran, dass die

fehlenden Frontline-Mitarbeiter den Betrieb einer Organisation beeinträchtigt haben und die Kosten für die Anreise für eine große Teilnehmerzahl zu hoch waren. Andererseits sind jedoch diese Frontline-Mitarbeiter entscheidend für den Erfolg einer Transformation. Die McKinsey-Experten haben daher nach einer Lösung gesucht, die eine Modellfabrik zum Klienten bringt und nicht die Klienten zur Fabrik. Entstanden ist die Model-Factory-In-a-Box (MFIB), eine mobile Miniaturfabrik, die die Komplexität einer echten Produktionsumgebung und sämtliche Vorteile eines erlebnisorientierten Lernumfelds vereint. Modellfabrik für praxisnahes Lernen MFIB (Abbildung 1) ist eine Tabletop-Miniatur-Limonadenfabrik, die sich in acht Transportkoffern verpacken und rasch zusammenbauen

TOP-THEMA lässt. Sie bietet ein simulations- und erlebnisorientiertes Lernumfeld für die Schulung von Techniken zur Optimierung von Fertigung und Management – sowohl für Mitarbeiter eines Produktionsunternehmens als auch für McKinsey-Mitarbeiter. In der MFIB wird ein echtes Produkt hergestellt – in diesem Fall Limonade. Programmteilnehmer übernehmen in dieser mobilen Limonade-Produktionsanlage entweder die Rolle eines Produktionsmitarbeiters oder die eines Vorgesetzten in einer Produktionsumgebung. Zu Beginn der Simulation erhalten die Teilnehmer nur minimale Anweisungen, da sie die Fertigungslinie so betreiben sollen, wie sie dies aktuell in ihrer eigenen Organisation tun. Während eines 60-minütigen Produktionsdurchlaufs erleben sie aus erster Hand, welche Nachteile die Arbeit in einem nicht optimierten System hat und wie sich das auf Produktivität und Mitarbeiterzufriedenheit auswirkt. In diesem ersten Durchlauf produzieren sie in der Regel rund 60 Flaschen Limonade. In der nächsten Phase des MFIBProgramms lernen die Teilnehmer die Methoden zur Verbesserung der Produktion theoretisch kennen. Anschließend implementieren sie diese Methoden in der mobilen Limonadenfabrik. Sie ändern das physische Layout der Fabrik, entwickeln neue Prozessanweisungen und installieren diese in der Fertigungslinie. Sie erstellen eine Planungstafel und gestalten den Prozess für den nächsten Produktionsdurchlauf. Danach führen sie eine zweite 60-minütige Simulation durch, um die neuen Lösungen zu testen und direkt zu sehen, wie sich die neuen Techniken auf die Produktivität auswirken. In diesem Durchlauf produzieren die Teilnehmer in der Regel rund 200 Flaschen Limonade – ein Produktionszuwachs um mehr als 300 Prozent bei gleicher Produktionszeit Nach der zweiten Simulation ermitteln die Teilnehmer, welcher Produktionsdurchlauf für die Mitarbeiter tragfähiger ist, zum Beispiel weniger stressig, und produktiver war. Basierend auf dieser Simulation können sie dann eine fundierte Entscheidung treffen, welche neuen Tools und Lösungen sie später in ihrer eigenen Produktionsumgebung einsetzen

Abbildung 1: Model-Factory-In-a-Box

wollen. Und da sie die Änderungen bereits in der Modellfabrik implementiert haben, gestaltet sich das Change Management in ihrer eigenen Fabrik in der Regel reibungslos. Simulationsbasiertes Lernen Aus der Erfahrung mit zahlreichen Beratungsprojekten haben die Transformationsexperten einige Kernanforderungen für erfolgreiche Transformationen identifiziert: Produktionsmitarbeiter müssen die Vorteile einer Transformation erleben und durchspielen. Nur dann sind sie bereit, ihre Arbeitsweisen zu ändern. Diese Lernerfahrung sollte zudem außerhalb der eigenen Produktionsumgebung stattfinden. Denn ineffiziente Prozesse in Unternehmen werden oft damit begründet, dass das „hier halt so gemacht wird“. In der Vergangenheit hat sich auch gezeigt, dass klassische Klassenraumumgebungen in der Erwachsenenbildung wenig effektiv sind und nicht angenommen werden. Die Berater ließen sich für den Aufbau der Schulungsprogramme von Militär- und Rettungsdiensten inspirieren, bei denen der Schwerpunkt auf einem simulationsbasierten Training liegt – häufig als kollektives Training bezeichnet. Bei diesem Lernansatz führen die Teammitglieder Übungen durch, um individuelle oder Team-Fähigkeiten zu trainieren und zu perfektionieren. Die Modellfabrik basiert daher auf dem Konzept des Experimentierens. Die Schulungsteilnehmer können verschiedene Konzepte ausprobieren und selbst erle-

ben, welche Tools und Methoden für sie am besten funktionieren und sie in ihrer eigenen Produktionsumgebung implementieren würden. MFIB beinhaltet Module, die für die Vermittlung einer Vielzahl von Fähigkeiten individuell angepasst werden können: von der Einführung in die Lean-Methode bis hin zu digitalen Tools wie Advanced Analytics und vorausschauende Instandhaltung. So können die Berater das erlebnisorientierte Lernen an die spezifischen Bedürfnisse von Produktionsteams weltweit anpassen und ihnen dabei helfen, ihre Produktivität signifikant zu steigern. Für Mitarbeiter von McKinsey selbst bietet die Simulation eine praxisnahe Methode, sich im Bereich operativer Best Practices weiterzuentwickeln. Trainingsmöglichkeiten umfassen eine Einführung in Operations, den Aufbau von Kernkompetenzen in der Fertigung und ein Transformationsprogramm für Operations. McKinsey verfügt mittlerweile über 16 dieser mobilen Modellfabriken und hat bereits rund 15.000 Klienten und Mitarbeiter damit geschult. Mobile Modellfabrik passt in acht Transportkoffer Für die Entwicklung der ModelFactory-In-a-Box haben die Berater mehrere wichtige Faktoren definiert, die für den späteren Einsatz erfolgsentscheidend sind. So sollte die mobile Fabrik ein möglichst praxisnahes Produktionserlebnis bieten, das der Atmosphäre einer echten Produktionsumgebung gleicht, und die glei-

WINGbusiness 3/2021

TOP-THEMA chen technischen Beschränkungen und Komponenten vorweist. Die Modellfabrik sollte zudem ein reales Produkt produzieren, um das Lernen und Erleben greifbar zu machen. Dafür musste das Produkt einfach genug sein, um eine bestimmte Stückzahl in einer Stunde produzieren zu können. Gleichzeitig sollte es so komplex sein, dass sie den Einsatz der zu erlernenden Tools und Techniken erforderlich machen und Ergebnisse direkt greifbar macht. Die Entscheidung fiel schließlich auf Produktion von Limonade, da bei ihrer Herstellung viele typische Verfahren der Prozessindustrie verwendet werden. Die Modellfabrik muss zudem gewartet werden, und sie durchläuft variable Ertragsund Qualitätskontrollen. Im zweiten Schritt wurde die physische Modellfabrik in einem achtwöchigen Sprint entwickelt. Ein Anlagenbauer errichtete das Rohrleitungskühlsystem und der Flaschenabfüllanlage. Das McKinsey-Team entwickelte die Software und das Produktionssteuerungssystem. Die Herausforderung für die Konstruktion des physischen Modells war, die Komplexität eines realen Prozesses in einer mobilen Ausführung zu bauen, die sich in Transportkoffern per Flugzeug versenden lässt. Erforderlich waren auch detaillierte An- und Aufbauanweisungen und standardisierte Teilelisten. Gleichzeitig entwickelte das Team Schulungsmaterialien mit Schwerpunkt auf Methoden zur Verbesserung der Operations wie zum Beispiel Standardarbeitsanweisungen. Die Konzepte mussten so einfach sein, dass die Teilnehmer sie schnell verstehen und implementieren können, aber auch komplex genug, um sie in einer echten Produktionsumgebung anzuwenden. Klienten-Mitarbeiter und Mitglieder der Operations Practice haben das Design und das Training getestet, um die Simulation optimieren zu können. Im Laufe von 18 Monaten wurden mehrere Praxissimulationen und Iterationen zum Design durchgeführt bis das Modell reibungslos lief. Das Ergebnis war eine Tabletop-Miniaturfabrik, die in acht Transportkoffer verpackt (Abbildung 2), sich mit dem Flugzeug transportieren und rasch zusammengebaut lässt – und

WINGbusiness 3/2021

bis zu 260 Flaschen echte Limonade in einer Stunde herstellt. Individuell anpassbare Lernziele und Lernprogramme Die Simulation lässt sich individuell auf unterschiedliche Lernziele und Zielgruppen innerhalb einer Organisation ausrichten. Beispielsweise konzentriert sich ein eintägiges Programm auf Themen wie Abbildung 2: MFIB-Transportkoffer Grundlagen des operativen Managements oder Lean Techniken hilfreich gewesen wären. Manufacturing. Change-Agent-Pro- Die Trainer fordern die Teilnehmer gramme dauern bis zu drei Wochen aber niemals auf, von ihnen vordeund decken eine Vielzahl an Konzep- finierte Konzepte umzusetzen. Sie ten ab, unter anderem Anlagenpla- sollen stattdessen mit Hilfe der Tools nung, Supply-Chain-Optimierung, eigene Entscheidungen treffen. Qualitätsmanagement und Transformationsansatz. Für die verschiedenen Messbarer Nutzen in der Produktion Trainingsprogramme wurde ein gemeinsames Narrativ entwickelt. So In der dritten Phase entwickeln die kann ein Produktionsunternehmen Teilnehmer neue Tools und implezum Beispiel einen Mitarbeiter mit mentieren sie in der Limonadenfabgeringerer Qualifizierung zu einem rik. So verändern sie das physische eintägigen Training und den Leiter Layout der Fabrik, erstellen eine Plaeines Produktionsstandorts zu einem nungstafel, identifizieren wesentliche einwöchigen Training schicken. Da Leistungskennzahlen und überlegen, die zwei Trainings ein gemeinsames wie sie diese am besten überprüfen. Narrativ haben, können der gerin- Anschließend betreiben sie die Fabrik ger qualifizierte Mitarbeiter und der mit dem geänderten Prozess. Häufig Standortleiter die erlernten Konzepte steigern die Teilnehmer ihre Limodiskutieren, um Prozesse gemeinsam nadenproduktion damit von rund 60 in ihrem Betrieb zu optimieren. auf 260 Flaschen pro Durchlauf. Das Das Expertenteam entwickelte Vorher-Nachher-Szenario führt bei MFIB, um den Unterschied zwi- den Teilnehmern zu einem starken poschen einem aktuellen und einem sitiven Lerneffekt. Ob das Programm optimierten Arbeitsmodell erlebbar zu einem nachhaltigen Erfolg führt, zu machen. Das Training ist deshalb zeigt sich daran, wie die Teilnehmer in mehrere Phasen gegliedert. In der die erlernten Tools nach Rückkehr in ersten Phase produzieren die Teilneh- die eigene Produktionsumgebung tatmer Limonade mit dem bestehenden sächlich implementieren. operativen Prozess des ProduktionsEin Beispiel: Das MFIB-Programm unternehmens. Es zeigt sich, dass die kam in einer Chemiefabrik zum EinTeilnehmer sich dabei in der Regel satz. Eines der Teams aus der Verschwer damit tun, die Limonade zu packungsabteilung nahm an einer produzieren. Sie erleben den Pro- zweitägigen Lean-Schulung unter zess als stressig und unangenehm. Verwendung des MFIB-Tools teil. Als In der zweiten Phase gehen die Trai- am Tag nach dem Training ein Vorner die Simulation gemeinsam mit gesetzter in der Produktion eintraf, den Teilnehmern durch und ermit- hatte sein Team bereits einige erlernte teln Schwachstellen und Fehler. Die Tools umgesetzt und die Dauer zum Teilnehmer erfahren dann, wie sich Befüllen einer großen Flasche mit Verbesserungstools entwickeln und Düngemittel von rund 90 Sekunden implementieren lassen. So lernen sie auf 55 Sekunden reduziert – eine Zeitzunächst theoretisch, inwiefern diese gewinn von knapp 40 Prozent. Dies

TOP-THEMA ohne Change Management und Anweisungen sowie ohne Unterbrechung der Produktion. Die Teammitglieder hatten nur die Initiative ergriffen, da sie während des Trainings genau gelernt hatten, wie sie Veränderungen durchführen können. Solch eine Verbesserung im laufenden Produktionsprozess bestätigt den Effekt von MFIB. Auch Reaktionen der Teilnehmer sind durchgehend positiv: „Du lernst etwas und setzt es direkt um. Du verwendest im Lernprogramm bereits Tools, die du später im eigenen Arbeitsumfeld direkt einsetzen kannst.“ Die Praxisnähe stößt auf positive Resonanz: „Ich habe bereits an vielen LeanSchulungen teilgenommen, aber MFIB war am nächsten an der Praxis. Es war unschätzbar hilfreich.“ Der MFIB-Ansatz vermittelt den Teilnehmern, anders zu agieren und produktiver zu sein – was ihre Jobzufriedenheit verbessert. Die Simulation steigert zudem die finanzielle Performance der Organisation. So konnte ein internationales Produktionsunternehmen mit einem Kompetenzaufbau durch MFIB seine Transformation schneller und einheitlicher durchführen. Zudem verankerten sich Änderungen nachhaltig. Ergebnis: Die Transformation hatte global einen finanziellen Effekt von fast 1 Milliarde Euro aus Kosteneinsparungen und Umsatzanstieg. Fazit und Erweiterung der Lernprogramme Die bisherigen Ergebnisse zeigen: Durch erlebnisorientiertes Lernen mit MFIB lassen sich bessere Lernerfolge erzielen und die Bereitschaft zu Änderungen von Prozessen erhöhen. Außerdem überwinden die praktischen und intuitiven Funktionen des Simulationsmodells Sprachbarrieren. Ein konkretes Beispiel: Ein Unternehmen hatte einen japanischen Hersteller übernommen und entschieden mit Hilfe von MFIB operative Veränderungen zu implementieren. Aber niemand im Unternehmen sprach japanisch. Da die Simulation ein praktisches, visuelles Erlebnis bietet, gab es trotz der Sprachbarriere keine Probleme bei der Durchführung des Programms.

Das Beraterteam ist überzeugt, dass die mobile Miniaturfabrik einzigartig ist. Alternative Tools am Markt sind meist vereinfacht und bieten kaum Möglichkeiten für freies Lernen. Aufgrund des Erfolgs ist eine Erweiterung von MFIB in zwei Bereichen geplant: neue Fähigkeiten und neue Simulationen. Im Bereich neuer Fähigkeiten untersucht das Entwicklungsteam wie MFIB sich für die Schulung in digitalen Operations-Tools nutzen lässt, sodass die Teilnehmer komplizierte Konzepte in einem realen Umfeld erlernen können. Entwickelt wurden bereits Programme für Advanced Analytics, digitales Performance Management und vorausschauender Instandhaltung. Weitere Schulungsmöglichkeiten für Robotik, Automatisierung und computergestützte Planung sind in Arbeit. Die nächste Herausforderung für MFIB sind Simulationen, die über die Produktion von Limonade hinausgehen, sowie die Erhöhung der Reichweite des Tools. So werden die Simulationen um die Bereiche Montage und Tests, kontinuierliche Produktion, Einzelhandel, Verwaltung und Bau erweitert. Literatur: [1] Hall R.D., Rowland C.A. Leadership development for managers in turbulent times. Journal of Mgmt Development 2016; 35(8):942–55. [2] Hennig, M., Reisinger, G., Trautner, T., Hold, P., Gerhard D., Mazak, A., TU Wien Pilot Factory 4.0, CIRP Procedia 31 (2019) 200-205. [3] Maleyeff, J., Arnheiter, E. A., Venkateswaran, V. (2012). The continuing evolution of Lean Six Sigma. The TQM Journal, 24(6), 542–555. doi:10.1108/17542731211270106 [4] Robinson, A.G., Schroeder, D., The Role of Front-Line Ideas in Lean Performance Improvement, Quality Mgmt Journal 16,4 (2009) 27-40. [5] Goodridge, D., Westhorp, G., Rotter, T., Dobson, R., Bath, B., Lean and leadership practices: development of an initial realist program theory. BMC health services research 15, (2015) 362. doi:10.1186/s12913-015-1030-x [6] Hulla, M., Hammer, M., Karre, H., Ramsauer, C., A case study based digitalization training for learning factories,

Procedia Manufacturing 31 (2019) 169174. [7] Enke, J., Glass, R., Kreß, A., Hambach, J., Tisch, M., Metternich, J., Industrie 4.0–Competencies for a modern production system: A curriculum for learning factories, Procedia Manufacturing 23 (2018) 267-272. [8] Pardo del Val, M., & Martínez Fuentes, C. (2003). Resistance to change: a literature review and empirical study. Management decision, 41(2), 148-155. [9] Higgs, M. and Rowland, D., 2000. Building change leadership capability: ‘The quest for change competence’. Journal of change management, 1(2), 116-130. [10] Fine, D., Hansen, M., Roggenhofer, S., From lean to lasting: Making operational improvements stick. McKinsey Quarterly, Nov. 2008. https://www. mckinsey.com/business-functions/operations/our-insights/from-lean-to-lastingmaking-operational-improvements-stick. [11] Matos Marques Simoes, P., Esposito, M., Improving change management: How communication nature influences resistance to change. Journal of Management Development 33.4 (2014): 324-341. [12] Burge, R., Ready set change: reducing resistance to Six Sigma projects. Industrial Engineer, Oct. 2008, 35 [13] Miles, M., Melton, D., Ridges, M., Harrell, C., The Benefits of Experiential Learning in Manufacturing Education. Journal of Engineering Technology, Washington Vol. 22, Iss. 1 (2005) 24-29. [14] Abele, E., Metternich, J., Tisch, M., Chryssolouris, G., Sihn, W., ElMaraghy, H., Hummel, V., Ranz, F., Learning factories for research, education, and training. Procedia CIRP 32 (2015) 1-6. [15] Sisson, G.R., Hands-on training: A simple and effective method for on the job training. Berrett-Koehler Publishers, 2001.

Autoren: Laurence McHauser ist Expert Partner in McKinsey & Company's European Operations Practice in London. Seit seinem Eintritt bei McKinsey im Jahr 2010 hat sich Laurence McHauser auf die Umgestaltung der Anlagenproduktivität und Instandhaltung konzentriert und in einer Vielzahl von Sektoren von Transport und Logistik bis hin zum Bergbau gearbeitet. Laurence McHauser verfügt über umfassendes Fachwissen im Bereich des ganzheitlichen Capability Buil-

WINGbusiness 3/2021

TOP-THEMA ding in großem Maßstab einschließlich der Definition von Qualifikationsanforderungen, Schulungszielen und der Gestaltung von Schulungsprogrammen. Er leitet die europäischen Digital Capability Centers von McKinsey, wurde für sein Fachwissen ausgezeichnet (z. B. Brandon Hall Award) und hat seine Arbeiten in Fachzeitschriften veröffentlicht. Dr. Christoph Schmitz ist Senior Partner mit 20 Jahren Berufserfahrung und leitete das Frankfurter Büro von McKinsey & Company. Er lenkte in den letzten 8 Jahren McKinseys globale Manufacturing & Supply Chain Practice, jetzt leitet er die globale Capital Excellence

Practice, er ist ein Kernmitglied der Global Chemicals & Agriculture Practice Leadership und leitet weltweit Transformation & Restructuring Initiativen. Christoph Schmitz hat in verschiedenen Bereichen der Prozessindustrie gearbeitet, insbesondere in der Chemie- und Agrarindustrie, im Automobilsektor und in Advanced Industries. Seine Schwerpunkte sind globale Transformationsprogramme, M&A-Management, Strategie, Organisationsgestaltung und kultureller Wandel. Christoph ist Mitglied des deutschen Board of Management von McKinsey und des Aufsichtsrats des Joint Ventures von McKinsey mit Lufthansa Technik – Lumics.

Dr. Markus Hammer leitet seit Oktober 2017 das globale Operations Learning Team bei McKinsey & Company. Seit 2004 berät er Klienten im Bereich Resource-Productive Operations und Capability Building, seit 15 Jahren ist er im Bereich Lernfabriken weltweit aktiv. Seine Karriere startete er im Jahr 2000 bei Procter & Gamble in Deutschland. Markus Hammer studierte Verfahrenstechnik an der TU Graz und promovierte dort später am Institut für Innovation und Industrie Management, wo er auch, den Aufbau der LEAD-Factory unterstützte. Er ist Autor von mehreren Büchern und Artikeln und Universitätslektor an der TU Graz.

Laurence McHauser

Dr. Christoph Schmitz

Expert Partner in McKinsey & Company's European Operations Practice, London

Senior Partner, Leiter der globalen Capital Excellence Practice von McKinsey & Company, Frankfurt

Dr. Markus Hammer Leiter des globalen Operations Learning Teams bei McKinsey & Company, Wien

WINGbusiness 3/2021

TOP-THEMA

Foto: Virtual Reality Lernfabrik; © Institut für Produktionsmanagement, Technologie und Werkzeugmaschinen (PTW), TU Darmstadt

Thomas Riemann, Joachim Metternich

Ansatz zur Konzeptionierung und Implementierung von Virtual Reality in Lernfabriken Lernfabriken sind bereits in ihrer physischen Ausgestaltung ein komplexes und kostenintensives Instrument der beruflichen Weiterbildung und Forschung. Doch trotz der heute verfügbaren hochwertigen Lernfabrik-Konzepte macht die Komplexität der industriellen Produktionsumgebung den Transfer der angestrebten Kompetenzen in den betrieblichen Alltag zu einer anspruchsvollen Aufgabe. Mit Virtual Reality (VR) kann dieser Herausforderung begegnet werden, indem die Lernumgebung adaptiert und das Lernszenario sowie der Lernprozess auf die jeweiligen Teilnehmenden personalisiert wird.

1. Einleitung

2. Lernfabriken und VR

Für Unternehmen gewinnt die Entwicklung von Kompetenzen zunehmend an Bedeutung. Lernfabriken haben sich als ein effektives Instrument zur Kompetenzentwicklung etabliert, da sie Fachkräften, Ingenieuren und Managern ermöglichen, in realistischen Produktionsumgebungen interaktiv zu lernen [1]. Virtual Reality (VR) erweitert die Einsatzgebiete von Lernfabriken [2] und bietet dabei viele Möglichkeiten im Bereich der Aus- und Weiterbildung sowie Forschung [3, 4]. Trotz der Potentiale werden virtuelle Lernszenarien nur von wenigen Lernfabriken umgesetzt [5]. Es fehlt ein Ansatz, mit dem virtuelle Lernszenarien in Lernfabriken einfach und strukturiert implementiert werden können.

Moderne Lernfabriken ermöglichen die Entwicklung produktionsbezogener Kompetenzen in einer realistischen Umgebung innerhalb eines realen Wertstroms abseits des eigentlichen Arbeitsplatzes [1, 6]. Trotz dieses Umstands sind Lernfabriken mit einigen Einschränkungen verbunden, die neben eher organisatorischen und wirtschaftlichen auch didaktische Aspekte (z.B. begrenzte Abbildungsmöglichkeiten [6]) betreffen können.

Aus diesem Grund wurde in den letzten Jahren dem allgemeinen Virtualisierungstrend folgend das bereits erwähnte Konzept virtueller bzw. hybrider Lernfabriken entwickelt, die sich im Gradienten zwischen virtueller und physischer Realität verorten können (siehe Abb. 1) [1, 5, 7, 8].

VR hat als Technologie insbesondere in Bezug auf die Leistungsfähigkeit der Geräte rasante Fortschritte gemacht [9]. Deshalb kann VR heute als eine interaktive, computerbasierte Simulation der Realität verstanden werden [10]. Mit VR können neue Lernräume erschlossen werden, wobei Head-Mounted-Displays (HMD) den Lernenden das Gefühl vermitteln, sich in diesen physisch bewegen zu können [11]. VR als ergänzendes Element für Bildungskontexte birgt vielfältige Potenziale, insbesondere für Lernfabriken: VR bringt zeitliche und örtliche Flexibilität mit sich [3]. Es ist möglich, Zeit und Objekte zu manipulieren sowie verschiedene Lerntypen gleichzeitig anzusprechen [13]. Der Schwierigkeitsgrad der Übungen kann nach den Bedürfnissen der Teilnehmenden variiert werden, was eine neue Stufe der Adaptivität

WINGbusiness 3/2021

TOP-THEMA

Abb. 1 Gradient zwischen physischer Realität, Mixed Reality und Virtual Reality im Kontext von Lernfabriken, in Anlehnung an [2, 12]

und Personalisierung von Lernfabrikformaten ermöglicht. Nichtsdestotrotz ist der VR Einsatz auch mit Herausforderungen verbunden. Insbesondere fehlt es in der Literatur an detaillierten Erläuterungen zu mediendidaktischen Konzepten in Bezug auf VR [z.B. in 14]. Ebenso ändern sich die Anforderungen an das Bildungspersonal, wenn digitale Medien im Lehr- und Lernprozess eingesetzt werden. Der Einsatz von VR trägt dazu bei, dass die Wissensvermittlung durch das Lehrpersonal nicht mehr im Vordergrund steht. Die Rolle der Lehrenden wird sich entsprechend verändern [8, 15]. Obwohl es bereits Ansätze gibt, wie bestehende Lernfabriken weiterentwickelt werden können [16, 17], fehlt es an Konzepten, wie die Implementierung von VR in Lernfabriken systematisch durchgeführt werden kann. 3. Methodik Grundlage für das vorgeschlagene Vorgehen ist der systematische Ansatz zur kompetenzorientierten Entwicklung von Lernfabriken von Tisch et al. [18, 19]. Für das Forschungsprojekt "Virtuelle Handlungsaufgaben für personalisiertes adaptives Lernen" PortaL wurde ein Ansatz zur

Konzeption und Implementierung von VR zum Zwecke eines ergänzenden Trainingsszenarios in einem bestehenden Lernfabriktraining entwickelt. Dabei wurde der Ansatz im Kontext des kompetenzorientierten Gestaltungsansatzes von Tisch et al. [18, 19] und unter Berücksichtigung mediendidaktischer Aspekte nach Kerres [14] entwickelt. Der entwickelte Ansatz besteht aus vier Phasen, unterteilt in mehrere Schritte. 4.1. Phase 1: Ausgangssituation, Zielsetzung & Anforderungen Um eine Grundlage für die Konzeptionierung und Umsetzung zu schaffen, sollte die Ausgangssituation und Zielsetzung (in der die Entwicklung des VR-Lernszenarios stattfindet) analysiert werden. Um den Anforderungen der Kompetenzorientierung gerecht werden zu können, werden intendierte Kompetenzen, die relevanten Zielgruppen und das didaktische Konzept abgeleitet. Der genaue Nutzen, den ein VR-Szenario für ein bereits bestehendes Trainingskonzept bieten kann, muss herausgearbeitet werden. Dies kann dadurch geschehen, dass die Herausforderungen des bestehenden didaktischen Konzepts betrachtet und Potenziale durch VR

abgeleitet werden. Eine beispielhafte Liste mit Herausforderungen und Chancen von VR in der beruflichen Weiterbildung kann in Riemann et al. [20] nachgeschlagen werden. Abgeleitet aus den ersten Schritten, aber auch aus anderen Quellen wie Stakeholder-Interviews oder Literaturrecherchen, muss ein Anforderungskatalog erstellt werden, der als Ausgangspunkt für ein Pflichtenheft dient. Insbesondere in agilen Entwicklungsmodi ist eine Priorisierung für die Umsetzung der relevanten Anforderungen notwendig. Dies kann beispielsweise durch Literaturanalysen und Stakeholder-Interviews erfolgen. Die abgeleiteten Anforderungen werden anschließend in Muss-, Leistungs- und Attraktivitätsanforderungen kategorisiert und von den Stakeholdern (z.B. Lernfabrikbetreibende, Lehrende, Studierende, etc.) mit Hilfe des Kano-Modells priorisiert. Die gewählte Methode kann im Detail bei Riemann et al. und Kreß et al. nachgelesen werden [21, 22]. 4.2. Phase 2: Software Der Schritt der Softwareentwicklung steht nicht im Fokus dieser Arbeit und ist daher in Abb. 2 ge-

Abb. 2: Ansatz zur Konzeptionierung und Implementierung von VR in Lernfabriken: Phasen 1 und 2 [23]

WINGbusiness 3/2021

TOP-THEMA strichelt dargestellt. Es kann sich jedoch lohnen, externe Experten und Partner für die Softwareentwicklung zu gewinnen, da eine erfolgreiche Implementierung von VR-Lernumgebungen ein gewisses Maß an Erfahrung voraussetzt. Außerdem sollte aufgrund der Anzahl der erforderlichen Software-Iterationen und um die notwendige Anwendungsorientierung zu erreichen, so früh wie möglich mit der Softwareentwicklung begonnen werden. 4.3. Phase 3: Konzept und Design Im Anschluss an Phase 2 werden Lernszenarien definiert und ausgewählt (siehe Abb. 3). Dies kann beispielsweise im Kontext des im Projekt betrachteten Wertstromanalyse-Workshops z. B. Prozesse, eingesetztes Produkt, Anzahl an Stationen, Layout oder Zykluszeiten betreffen, die abgebildet werden sollen. Bei hybriden Lernfabriken gehört dazu neben der inhaltlichen Definition auch die Unterscheidung, welche Teilkompetenzen und zugehörigen Handlungsaufgaben in VR und welche im physischen Raum abgebildet werden sollen. Nicht alle Handlungsaufgaben müssen in der VR abgebildet werden, da es möglicherweise intuitiver ist, sie im physischen Raum darzustellen. Ausgehend von der Szenariodefinition ist es im nächsten Schritt möglich, explizite Designelemente zu definieren. Diese Designelemente können als Ausprägungen einzelner Details oder Aspekte der virtuellen Welt verstanden werden. Um die VRUmgebung anwendungsorientiert zu gestalten, kann es hilfreich sein, ver-

schiedene Möglichkeiten zu schaffen, eine einzelne Handlungsaufgabe in der VR darzustellen. Um den Generierungsprozess von Gestaltungselementen zu strukturieren, wurde im Forschungsprojekt ein Drei-SäulenModell entwickelt, um geeignete Designelemente in Abhängigkeit von ihrer Interaktionsebene (z.B. aktiv oder passiv) zu bestimmen. Eine detaillierte Beschreibung findet sich in Riemann et al. [24]. Die Hardwareauswahl (z.B. welche Head-Mounted-Devices) ist einerseits wesentlich für ein einzelnes Implementierungsprojekt, sollte aber andererseits auch eine strategische Auswahl sein (z.B. im Rahmen einer geplanten sukzessiven VR-Erweiterung des Werkstattportfolios). Die Verortung im Konzept ist schwierig, da die Entscheidung prinzipiell erst getroffen werden kann, sobald die Anforderungen an die virtuelle Umgebung und die Gestaltungselemente definiert sind. Dennoch ist die Softwareentwicklung derzeit erst dann sinnvoll möglich, wenn die Hardware definiert ist. Im Vorgriff auf mögliche zukünftige Standards sowie die Bedeutung der strategischen Auswahl der Hardware wurde beschlossen, diese am Ende der Phase 3 in das Konzept zu implementieren. 4.4. Phase 4: Implementierung und Evaluierung In der letzten Phase erfolgt die Implementierung des VR-Lernszenarios in einen bestehenden oder neuen Trainingskontext. Um eine nahtlose Integration des VR-Szenarios zu schaffen, sollten die Erfolgsfaktoren für VR

beachtet werden (z.B. intuitive Nutzbarkeit, Realitätsnähe, etc.). In dieser Phase müssen verschiedene Aspekte berücksichtigt werden, z. B. Lerngruppengrößen, verfügbare Hardware-Sets, Dauer der VR-Sitzungen, Alternativen für Personen, die mit physiologischen Reaktionen reagieren (z. B. Motion Sickness). Die letzte Phase des Ansatzes erfasst die Evaluation und Weiterentwicklung des Lernszenarios. Für die Anwendungsorientierung ist es entscheidend, das Szenario weiterzuentwickeln und das Feedback der Beteiligten kontinuierlich umzusetzen. Dies kann auch bedeuten, dass Erkenntnisse und Feedback für bestehende oder völlig neue Trainingsszenarien genutzt werden können. Es konnte im Forschungsprojekt ansatzweise gezeigt werden, dass der Ansatz Lernfabrikentwicklern helfen kann, VR in hybriden Lernfabrikkontexten erfolgreich einzusetzen. Im Rahmen des Forschungsprojekts wurde er zur Erstellung eines Lernszenarios für ein Wertstromanalyse-Training eingesetzt. Erste Anwendungstests bestätigten, dass damit eine Lernumgebung geschaffen werden kann, die einfach und intuitiv zu bedienen ist. Die Lernumgebung bildet alle relevanten Aspekte ab, welche die Ausführung der kompetenzrelevanten Handlungsaufgaben ermöglichen. Dennoch fehlt es dem Ansatz noch an qualifizierter Evidenz, um seine Eignung zu bestätigen. Weitere Forschung soll eine solide Datenbasis generieren, um dieses Vorgehen im

Abb. 3: Ansatz zur Konzeptualisierung und Implementierung von VR in Lernfabriken: Phasen 3 und 4 [23]

WINGbusiness 3/2021

TOP-THEMA Kontext eingangs genannter Kriterien zu evaluieren. 5. Zusammenfassung und Ausblick In dieser Publikation wurde ein Ansatz zur Konzeptualisierung und Implementierung virtueller Lernumgebungen aufgezeigt, der von Lernfabrikentwicklern und -betreibern zur Einführung von VR in ihren Lernfabriken genutzt werden kann. Nachdem die Grundlagen für den Ansatz vorgestellt wurden, wurden die einzelnen Phasen und Stufen des Ansatzes erläutert. Durch weitere Forschung ist zu klären, ob das aus dem Vorgehen resultierende Lernszenario für die Entwicklung von Kompetenzen und für den Einsatz in Lernfabriken geeignet ist. Der vorgeschlagene Ansatz muss u.a. anhand eingangs genannter Kriterien evaluiert werden. Danksagung Die Autoren danken dem Bundesministerium für Forschung und Bildung (BMBF) und dem Deutschen Zentrum für Luft- und Raumfahrt (DLR) für die finanzielle und administrative Unterstützung im Rahmen des Projekts "Virtuelle Handlungsaufgaben für personalisiertes adaptives Lernen" (01PV18001A). Quellen: [1] E. Abele, G. Chryssolouris, W. Sihn, J. Metternich, H. ElMaraghy, G. Seliger, S. Seifermann, Learning factories for future oriented research and education in manufacturing, CIRP Annals, 66.2 (2017) 803-826. [2] M. Juraschek, L. Büth, G. Posselt, C. Herrmann, Mixed reality in learning factories, Procedia Manufacturing 23 (2018) 153-158. [3] L. Freina, M. Ott, A literature review on immersive virtual reality in education: state of the art and perspectives, The International Scientific Conference eLearning and Software for Education, 1 (2015) 133-141. [4] S. Antoniou, L. Rentzos, D. Mavrikios, K. Georgoulias, D. Mourtzis, G. Chryssolouris, A Virtual Reality Application to Attract Young Talents to Manufacturing, Procedia CIRP 57 (2016) 134-139.

WINGbusiness 3/2021

[5] A. Haghighi, N. Shariatzadeh, G. Sivard, T. Lundholm, Y. Eriksson, Digital learning factories: Conceptualization, Review and Discussion, The 6th Swedish Production Symposium (2014), Accessed: Oct 08, 2019. http:// conferences.chalmers.se/index.php/ SPS/SPS14/ paper/viewFile/1729/401. [6] M. Tisch, J. Metternich, Potentials and Limits of Learning Factories in Research, Innovation Transfer, Education, and Training, 7th CIRPsponsored Conference on Learning Factories, Procedia Manufacturing 9 (2017) 89–96. [7] R. Dörner, W. Broll, P. Grimm, B. Jung, Virtual and Augmented Reality, Springer Verlag, Heidelberg (2013). [8] J. Hellriegel, D. Čubela, Das Potenzial von Virtual Reality für den schulischen Unterricht – Eine konstruktivistische Sicht, MedienPädagogik Dezember (2018) 58-80. [9] W. Pan, Z. Li, Y. Zhang, C. Wenig, The New Hardware Development Trend and the Challenges in Data Management and Analysis, Data Science and Engineering, 3 (2018) 263–276. [10] S. Schwan, J. Buder, Virtuelle Realität und E-Learning (2006). Accessed: Nov 29, 2019. https://www.eteaching.org/didaktik/gestaltung/ vr/ vr.pdf [11] R. E. Guadagno, J. Blascovich, J.N. Bailenson, C. McCall, Virtual humans and persuasion: The effects of agency and behavioral realism, Media Psychology, 10 (2007) 1-22. [12] P. Milgram, F. Kishino, A taxonomy of mixed reality visual displays, IEICE Transactions on Information and Systems (Special Issue on Networked Reality), 77.12 (1994) 13211329. [13] R. Zender, M. Weise, M. von der Heyde, H. Söbke, Lehren und Lernen mit VR und AR – Was wird erwartet? Was funktioniert? in: Proc. 2018 DeLFI Workshops 2018 co-located with 16th e-Learning Conference of the German Computer Society (DeLFI 2018), 2018. [14] M. Kerres, Mediendidaktik. Konzeption und Entwicklung digitaler Lernangebote, 5th ed., De Gruyter Verlag, 2018. [15] P. Arnold, L. Kilian, A. Thillosen, G. Zimmer, Handbuch E-Learning. Lehren und Lernen mit digitalen Medien, 4th ed., Bertelsmann, Bielefeld, 2015.

[16] D. Plorin, D. Jentsch, H. Hopf, E. Müller, Advanced Learning Factory (aLF) - Method, Implementation and Evaluation, Procedia CIRP 32 (2015) 13-18. [17] E. Abele, J. Metternich, M. Tisch, Learning Factories: Concepts, Guidelines, Best-Practice Examples, Springer International Publishing, Cham (2019). [18] M. Tisch, C. Hertle, J. Cachay, E. Abele, J. Metternich, R. Tenberg, A Systematic Approach on Developing Action-oriented, Competency-based Learning Factories, 46th CIRP Conference on Manufacturing Systems, Procedia CIRP, 7 (2013) 580-585. [19] J. Enke, K. Kraft, J. Metternich, Competency-oriented Design of Learning Modules, Procedia CIRP 32 (2015) 7-12. [20] T. Riemann, A. Kreß, L. Roth, B. Staiger, J. Metternich, P. Grell, Virtual Reality in der betrieblichen Bildung, Zeitschrift für Wirtschaftlichen Fabrikbetrieb : ZWF, 115.10 (2020) 673-676. [21] T. Riemann, A. Kreß, L. Roth, S. Klipfel, J. Metternich, P. Grell, Agile Implementation of Virtual Reality in Learning Factories, Procedia Manufacturing, 45 (2020) 1-6. [22] A. Kreß, T. Riemann, L. Roth, S. Klipfel, J. Metternich, P. Grell, Requirements for the Implementation of Virtual Reality in Learning Factories, TUPrints, Darmstadt (2020) 1-20. [23] Riemann, Thomas and Kreß, Antonio and Roth, Lisa and Metternich, Joachim and Grell, Petra, Approach for Conceptualization and Implementation of Virtual Reality in Learning Factories (June 7, 2021). Proceedings of the Conference on Learning Factories (CLF) 2021. [24] T. Riemann, A. Kreß, L. Roth, D. Görge, R. Glass, J. Metternich, P. Grell, Gestaltung von personalisierten Lernfabrikschulungen in Virtual Reality im Kontext schlanker Produktion, GfA-Press, Dortmund (2020), Digitaler Wandel, Digitale Arbeit, Digitaler Mensch? 1-6. [25] T. Riemann, A. Kreß, L. Roth, J. Metternich, P. Grell, User-oriented design of virtual reality supported learning factory trainings: methodology for the generation of suitable design elements, (2021), Manuscript submitted for publication.

TOP-THEMA Autoren: Thomas Riemann, M.Sc., geb. 1990, studierte Wirtschaftsingenieurswesen mit der technischen Fachrichtung Maschinenbau an der Technischen Universität Darmstadt. Er ist seit 2019 Wissenschaftlicher

Mitarbeiter am PTW in der Forschungsgruppe „Center für industrielle Produktivität“ der Technischen Universität Darmstadt. Prof. Dr.-Ing. Joachim Metternich, geb. 1968, ist Institutsleiter des Instituts für Produktionsmanagement,

Thomas Riemann, M.Sc. Wissenschaftlicher Mitarbeiter am PTW in der Forschungsgruppe „Center für industrielle Produktivität“ der TU Darmstadt

Technologie und Werkzeugmaschinen (PTW) an der Technischen Universität Darmstadt und leitet die Forschungsgruppen „Center für industrielle Produktivität“ und „Management industrieller Produktion“.

Prof. Dr.-Ing. Joachim Metternich Institutsleiter des Instituts für Produktionsmanagement, Technologie und Werkzeugmaschinen (PTW) an der TU Darmstadt

en! b r e w e b t Jetz

Ser vice r e m o t s u ment nager C e a g M a t n c a e j M o t Pr vemen o r p m I g n itu Gruppenle Manager t c e j o r P Sof t ware en! b o e L n i . uvm

knapp.com/karriere

#weareknapp WINGbusiness 3/2021

WING-REGIONAL

Andrea Ottacher

Wirtschaftsingenieure verbinden ... – Veranstaltungsreihe der FH Kärnten

„INNOVATION steckt in unserer DNA“ – Keynote mit Herrn Dr. Manfred Gutternigg, Geschäftsführer von Hilti Austria GmbH

nter dem Titel „Wirtschaftsingenieure verbinden - Technologietrends & Geschäftsmodelle“ veranstaltete der Studiengang Wirtschaftsingenieurwesen der FH Kärnten gemeinsam mit dem Österreichischen Verband der Wirtschaftsingenieure, der Regionalgruppe Kärnten und der Studentengruppe WINGnet Villach eine Online-Veranstaltung in Form von Fachvorträgern und einem interaktiven Kurzworkshop. Im Rahmen der von Frau Dr. Petra Hössl moderierten Veranstaltung am 10. Juni 2021 konnte das Team des Studiengangs wertvolles Wissen zu den Themen „Technologietrends & Geschäftsmodelle“ an ein breites Publikum aus Wirtschaft, Wissenschaft und öffentlichen In-

stitutionen weitergeben. Die rund 70 Teilnehmer*innen bekamen Einblicke in Forschungsaktivitäten der FH Kärnten. Herr Dominc Zettel BSc MSc, Absolvent dieses Studiengangs, hat einen Einblick in sein Dissertationsprojekt rund um Metall 3D Druck gewährt und dazu auch die aktuellen Technologieentwicklungen sowie Kooperationsprojekte mit Industrieunternehmen an der FH Kärnten vorgestellt. Für frischen Wind und Inspiration sorgte der Impulsvortrag von FH-Prof. Erich Hartlieb zum Thema „Geschäftsmodellinnovation in Theorie & Praxis“. Durch einen interaktiven Workshop, welcher von FHProf. Josef Tuppinger durchgeführt wurde, lernten die Teilnehmer*innen eine prozessorientierte Methodik zur

Entwicklung von Geschäftsmodellinnovationen anhand des St. Galler Business Model Navigators kennen. Die Teilnehmer*innen haben sich aktiv eingebracht und sehr kreative Geschäftsmodellkonzepte entwickelt! Abschließend wurde den Teilnehmer*innen noch ein interessanter Einblick in das internationale Unternehmen HILTI Austria GmbH gewährt. Die Keynote zum Thema „Innovation steckt in unserer DNA“ von Dr. Manfred Gutternigg war das absolute Highlight der Veranstaltung. Die Veranstaltungsreihe wird in Zukunft einmal jährlich stattfinden und soll auch einen aktiven Beitrag aus Kärnten zu Wissensaustausch, Inspiration und Vernetzung der Wirtschaftsingenieur-Community leisten.

Nächste Ausgabe WINGbusiness 2021 Heft 04/2021: "Technology Entrepreneurship" WINGbusiness 3/2021

TOP-THEMA

Foto: TU Wien Pilotfabrik Industrie 4.0 (c) Johann Li

Maximilian Papa, Clara Fischer, Tanja Zigart, Steffen Nixdorf, Sebastian Schlund

Digitale Learning Nuggets Robotik Inhalte in digitaler und kompakter Form personalisiert lernen und lehren In diesem Beitrag wird eine neue Form des Lernens und Lehrens mit Hilfe von digitalen und kompakten Lerneinheiten, sogenannten Learning Nuggets, vorgestellt. Dieser Artikel beschäftigt sich mit dem Einsatz dieser Lehrform auf dem interdisziplinären Gebiet der Robotik, zeigt ihre Vorteile, Feedback der Lernenden und Möglichkeiten der Personalisierung durch adaptive Lernpfade auf. Einleitung und Motivation Das Österreichische Bundesministerium für Bildung, Wissenschaft und Forschung (BMBWF) stellt den Digitalisierungsdrang im Bildungssektor mit enormem Potential für das zukünftige Bildungswesen in den Fokus [1]. Obwohl dieses Thema schon einige Jahre präsent ist, zeigt die aktuelle Pandemie deutliches Verbesserungspotential auf. Dies betrifft speziell den Mangel an entsprechend geschultem Lehrpersonal als auch an Lerninhalten, die für digitale Medien maßgeschneidert sind [2]. Erste Studienauswertungen deuten dabei auf eine erhebliche Reduktion der Lernmotivation bedingt durch die Herausforderungen der Pandemie hin [3]. Auch in der Industrie wird Digitalisierung propagiert [4], Robotik stellt dabei eine der digitalen Kerntechnologien dar [5]. Für die Einführung von Robotik in Produktionsunterneh-

men spielt Anwendungswissen eine besonders wichtige Rolle und daher benötigen Lernende praktische Schulungsprogramme. Aufgrund dessen haben Universitäten, Ausbildungszentren und diverse Unternehmen sogenannte Lernfabriken ins Leben gerufen. Diese Lernfabriken sind moderne Laborräumlichkeiten und sollen die Theorie der Ausbildung durch die industrielle Praxis ergänzen. Im Rahmen von Laboraufbauten können hier Schulungen durchgeführt, aber auch neue Applikationen getestet und erforscht werden, bevor sie für reale Fabriken freigeben werden [6].

adäquate Erst- und Weiterbildung effizient zu schließen. Dies inkludiert neben der Etablierung digitaler Lernmethoden und -inhalte auch die Stärkung des Angebots an beruflicher und persönlicher Weiterbildung [1]. Der Bedarf an digitalen Fähigkeiten ist zudem momentan nur schwer vom Arbeitsmarkt zu decken. Ohne geschultes Personal wird jedoch die technologische Transformation verlangsamt und Europa als Standort möglicherweise abgehängt [4].

Digitale Learning Nuggets – Die Zukunft der adaptiven, personalisierten und digitalen Lehre

Unabhängig von der Branche werden „kleine” Qualifikationsnachweise, sogenannte Microcredentials, in letzter Zeit häufig als neuartiger Nachweis für individuelle Fähigkeiten- und Kompetenzprofile in der Berufsausbildung erachtet [7]. Hierbei handelt es sich um eine spezifische

Digitalisierungsdrang im Bildungswesen bedarf der Vermittlung neuer Fähigkeiten und Kompetenzen [1], um den Fachkräftemangel durch

Microcredentials - Der „kleine” Qualifikationsnachweis

WINGbusiness 3/2021

TOP-THEMA

Abbildung 1: Beispielhafter adaptiver Lernpfad

(Mikro)-Lerneinheit, die sich im Umfang stark von Berufsausbildungen und Studiengängen unterscheidet. Erst durch eine Sammlung einer Vielzahl dieser Microcredentials lassen sich aussagekräftige und individuelle Qualifikationsprofile formen [7]. Lernende können dabei nach ihren eigenen Prioritäten und Interessen passende Lerninhalte auswählen und in digitaler Form, in vollkommener Flexibilität konsumieren. Der Abschluss eines solchen Kurses, das Zertifikat, wird als Microcredential bezeichnet. Das Europäische Innovations- und Technologieinstitut (EIT) für Manufacturing verbindet führende Akteure aus den Bereichen Industrie, Bildung und Forschung, um genau hier anzusetzen. Kursinhalte und Microcredentials werden in die Produktionslandschaft und das Ingenieurwesen getragen, um den Technologiewandel in der Industrie durch passende Weiterbildungsmöglichkeiten zu unterstützen. [8] Digitale Learning Nuggets als mögliche Lösung Basis dieser Idee sind sogenannte Digitale Learning Nuggets, kleinste Lerneinheiten, die sich einem einzigen, abgeschlossenen Aspekt des Lernstoffes widmen. Diese Learning Nuggets zeichnen sich insbesondere durch sehr kurze Lerneinheiten aus, welche zwischen fünf und zehn Minuten in Anspruch nehmen. Vorteilhaft ist in diesem Zusammenhang nicht nur die Portionierung, die nur kurze Aufmerksamkeitsphasen verlangt, sondern auch die Modularität der Inhalte. Learning Nuggets bedienen sich diverser medialer Formate, die beliebig gemischt werden können. So erstreckt sich das Spektrum der Lerninhalte von Text- bzw. Bildformen über Animationen/Simulationen zu Audio- und Videoinhalten. Der modulare Charakter der Learning Nuggets bietet hierdurch die Möglichkeit

WINGbusiness 3/2021

beliebigen Lerntypen ansprechende Lerninhalte zur Verfügung zu stellen. Dies ist aus pädagogischer Betrachtung interessant, da verschiedene Lerntypen entscheidende Auswirkungen auf die Unterrichtsgestaltung und die Lernstrategie haben [9]. Der veraltete „one-fits-all“ Frontalunterricht, in dem nur ein kleiner Teil der Lernenden abgeholt wird, wird hierdurch weitestgehend ersetzt. Learning Nuggets bedienen hierbei besonders visuelle und auditive Lerntypen. Durch die richtige Konzeptionierung ist es auch möglich kommunikative und motorische Lerntypen anzusprechen, in dem auf Demonstrationen, praktische Übungen und Workshops gesetzt wird, um die digitalen Lerninhalte zu erweitern. Diese Learning Nuggets sind von besonderer didaktischer Relevanz, da die Inhalte zwar digital präsentiert werden, dem Lernenden aber die Möglichkeit geben an einem tatsächlichen Demonstrationsobjekt zu üben. Zusammensetzung der Learning Nuggets zu größeren und adaptiven Lernpfaden Durch die Modularität der einzelnen Lerneinheiten können die genannten Learning Nuggets zu beliebigen

Abfolgen, individualisiert auf das persönliche Lernziel, aggregiert werden. Diese Abfolgen werden Lernpfade genannt und führen Lernende basierend auf ihrem Vorwissen und vorhandenen Fähigkeiten auf das gewünschte Zielniveau. Letzteres zeichnet sich durch neues Wissen, Fähigkeiten und Kompetenzen aus, welche sich Lernende anerkennen lassen können (vgl. Microcredentials). Abbildung 1 zeigt exemplarisch die Zusammensetzung eines Lernpfades, der individualisiert erstellt und auf das Lernziel adaptiert ist. Hierbei handelt es sich um einen Lernpfad bestehend aus zehn Learning Nuggets. Abhängig vom Vorwissen sind die Einstiegspunkte in den Lernpfad für zwei unterschiedliche Profile dargestellt, eine unerfahrene und eine fachkundige Person, die die Inhalte der vorangehenden Nuggets bereits beherrscht. Die unterschiedlichen Darstellungen der Learning Nuggets dienen der Visualisierung der verschiedenen medialen und didaktischen Formen dieser Nuggets. Aufgrund der Modularität der Learning Nuggets, lassen sie sich nicht nur zu Lernpfaden zusammensetzen, sondern auch auf Kurseinheiten und ganze Curricula erweitern. Dieses Prinzip ist in Abbildung 2 dargestellt. Kurse bestehen aus einem Satz zusammenhängender bzw. kontextuell zusammenpassender Lernpfade, Curricula werden wiederum aus diesem Kursstrukturen zusammengesetzt.

Abbildung 2: Modulare Kombination von Learning Nuggets

TOP-THEMA Klassifizierung und geeignete Kombination der Lerninhalte Für einzelne Lehrende ist der Vorgang einer individuellen und adaptiven Lehrplanerstellung jedoch nahezu unmöglich. Deshalb wird diese Aufgabe zunehmend von Lernplattformen automatisiert. Eine solche digitale Lernplattform wird in der Lage sein, auf Basis der individuellen Lernbedarfe, adaptive Lernpfade zu bilden, die spezifisch die Ziele der Lernenden adressieren. Aus diesem Grund ist es notwendig, dass jedem Learning Nugget bestimmende Charakteristiken zugeordnet werden. Diese sogenannten Metadaten helfen der Plattform die Pfade individuell zu bilden. Speziell für das Gebiet der Robotik wurde ein entsprechendes Modell zur Klassifizierung der Lerninhalte entwickelt [10]. Dabei wurden generelle Lerneigenschaften (Lerntypen, etc.) gewählt. Neben ausgewählter Eigenschaften der Robotik, wurden, aufgrund der genannten praktischen Lernbedarfe, auch Eigenschaften rund um die lernende Person und die Lernumgebung ergänzt. Umsetzung der Robotik Lerninhalte mit Hilfe der Learning Nuggets Für eine variantenreiche und gleichzeitig adaptive Lehrmöglichkeit werden Learning Nuggets in drei verschiedenen Formen entwickelt: Digitale Nuggets vermitteln das Wissen mit Hilfe von Videos, Präsentationen, Tonspuren, Animationen, Quiz und weiteren digitalen Medien. Kein zusätzliches Medium wird für das Konsumieren des Nuggets benötigt, wodurch ein Lernen von überall ermöglicht wird. Physische Nuggets dienen als Anleitung, meist Schritt-für-Schritt, für eine bestimmte Aufgabe, die mit

einem Roboter durchgeführt wird. Das Nugget, bzw. der Computer allein reicht nicht aus, um die Lerneinheit vollständig durchzuführen. Der Ort der Durchführung eines physischen Nuggets ist von der Verfügbarkeit des benötigten Roboters abhängig. Cyber-Physische Nuggets stellen eine Kombination aus digitaler und physischer Form dar. Dies kann beispielsweise über Aufgaben zur Programmierung oder Simulation eines Roboters erfolgen. Diese Nuggets können von überall ausgeführt werden, wobei teils zusätzliche Software benötigt wird. Neben der Form, in der das Wissen vermittelt wird, wird außerdem zwischen drei unterschiedlichen Arten von Nuggets unterschieden: Info Nuggets: Nuggets zur digitalen Wissensvermittlung, zumeist theoretisches Wissen Task Nuggets: Praktische Lerneinheiten, bei denen eine bestimmte Aufgabe durchzuführen ist Question Nuggets: Wissensüberprüfung von zuvor konsumierten Inhalten aus Info und Task Nuggets Einsatz der Digitalen Lernmöglichkeiten in der Lehre und Fortbildung An der TU Wien wurde gemäß den genannten Rahmenbedingungen in von EIT Manufacturing geförderten Projekten, RoboNuggets und UNICO, ein spezifisch auf Robotik und kollaborative Roboter ausgerichtetes Repertoire an Learning Nuggets erstellt. Die entwickelten Nuggets wurden für die universitäre Lehre und zur Schulung von Bildungspersonal eingesetzt. Anwendungen fokussieren sich dabei auf die digitale Laboreinschulung und die Schulung neuer

Abbildung 3: Durchführung einer Aufgabe mit einem Cobot, mithilfe von Schrittfür-Schritt Anleitungen im Rahmen eines Task Nuggets

Technologien. Studierende können die gewählten Nuggets schon vor dem ersten Erscheinen in der Lernfabrik selbstständig ansehen und dahingehend überprüft werden (vgl. Flipped Classroom [11]). Neben der interaktiven Laboreinschulung wurde somit eine höhere Flexibilität auf Seiten der Lernenden ermöglicht und Präsenzzeit auf die eigentliche praktische Arbeit konzentriert. Darüber hinaus können die digitalen Einschulungen individuell an das Lerntempo und die Vorerfahrung der Studierenden angepasst werden. Um ein Beispiel zu nennen, konnten Lernende mit Hilfe von Schritt-für-Schritt Anleitungen (in Form von Task Nuggets) selbstständig die Bedienung und die Entwicklung von Programmcode eines kollaborierenden Roboters (Cobot) erlernen. Während der Projektlaufzeit wurde, aufgrund der COVID-19 Pandemie, jeglicher Präsenzunterricht in digitale Medien verlagert. Mit Hilfe der Learning Nuggets konnte dabei jedoch eine Möglichkeit geschaffen werden, Studierenden auch online Inhalte zur Robotik zu vermitteln. Die Studierenden bekamen die Aufgabenstellung, einen industriellen Anwendungsfall für einen Cobot zu entwerfen und konzeptionell zu beschreiben. Mit Hilfe der Learning Nuggets haben Studierende die Anwendung praktisch umgesetzt, ohne direkt mit dem Roboter zu arbeiten. Evaluierung der neuen Lernmöglichkeit Nach der Erstellung wurden die Learning Nuggets getestet, evaluiert, Verbesserungspotentiale aufgenommen und eingearbeitet. Auf Basis des Modells von Kirkpatrick (1996) wurde die Effektivität und die Zufriedenheit der teilnehmenden Personen der Learning Nuggets evaluiert. Das Kirkpatrick-Modell besteht aus vier Ebenen: 1. Reaktion (Wie zufrieden sind die teilnehmenden Personen mit dem Kurs?) 2. Lernen (Was haben die teilnehmenden Personen gelernt?) 3. Verhalten (Was wenden die teilnehmenden Personen in der Praxis an und wie hat sich ihr Verhalten verändert?)

WINGbusiness 3/2021

TOP-THEMA 4. Ergebnisse (Welcher organisatorische Nutzen ergibt sich aus dem Training?) Die Evaluierung der Learning Nuggets konzentrierte sich auf die ersten beiden Ebenen, da keine praktischen Aktivitäten in der Lernfabrik möglich waren. Zur Evaluierung wurden qualitative und quantitative Methoden angewendet. 88 teilnehmenden Personen, davon 57 Studierende und 31 Personen aus dem Bildungsbereich, konsumierten die Learning Nuggets individuell auf der Lernplattform und folgten einem oder mehreren vordefinierten Lernpfaden. Im Durchschnitt konsumierte jede teilnehmende Person 8,8 Learning Nuggets (im Median 8). Nach jedem Learning Nugget füllten die teilnehmenden Personen Fragen zur individuellen Zufriedenheit aus. Die erste Frage "Wie hat Ihnen das Nugget gefallen?" wurde auf einer 5-PunkteLikert-Skala (1-gar nicht, 5-sehr gut) bewertet und die freiwillige, offene Frage "Haben Sie Anmerkungen?" wurde gestellt. Der Net Promoter Score (NPS) bietet eine einfache Möglichkeit, Befragungen und Zufriedenheit zusammenzufassen [12]. Die Frage zu dieser Bewertung lautet: „Wie wahrscheinlich ist es, dass Sie Learning Nuggets einer befreundeten Person empfehlen würden?“ Hier konnten die teilnehmenden Personen ihre Erfahrungen mit einem Zahlenwert von 0 (gar nicht wahrscheinlich) bis 10 (sehr wahrscheinlich) bewerten. Zusätzlich wurden 31 Personen aus dem Bildungsbereich mittels semistrukturierten Interviews befragt, um das pädagogische Potenzial der Nuggets einzuschätzen und zu bewerten. Am Ende des Lernpfads füllten die teilnehmenden Personen einen umfangreichen Fragebogen aus, um die erste Ebene, die “Reaktion”, zu bewerten. Die zweite Ebene, das „Lernen“, überprüft das erlernte Wissen in Form von Quiz. Diese wurde in den Lernpfaden mit eingebetteten Question Nuggets abgefragt. Zufriedenheitsbewertung und Net Promoter Score Die Zufriedenheit wurde durchschnittlich mit 4,25 von 5 Punkten bewertet. Zufriedenheitsabschläge erklären die Antworten auf die offenen

WINGbusiness 3/2021

Fragen und die Interviews, in denen negative Bewertungen meist mit "zu viel Text oder Inhalt" und “fehlender Interaktivität” begründet wurden. Der NPS zeigt eine durchschnittliche Bewertung von 7 von 10 Punkten mit einer Standardabweichung von 2,53. Die Ergebnisse werden in drei Gruppen unterteilt: Die erste Gruppe (0-6) wird als Verweigerer eingestuft, die zweite (7-8) als Passive und die dritte (9-10) als Promotoren. Insgesamt wurden 32 von 88 teilnehmenden Personen als Promotoren, 20 als Passive und 36 als Verweigerer eingestuft. Hier zeigt sich, im Unterschied zu den recht guten Zufriedenheitsergebnissen, eine überschaubare Bereitschaft die Learning Nuggets weiterzuempfehlen. Diese Ergebnisse und die Interviews weisen darauf hin, dass die Befragten grundsätzlich mit der Art der Learning Nuggets zufrieden sind, allerdings noch Verbesserungen durchgeführt werden müssen, um die Nuggets guten Gewissens weiterzuempfehlen. Basierend auf diesen Ergebnissen und dem umfangreichen qualitativen Feedback der teilnehmenden Personen wurden die Learning Nuggets mit einem niedrigen NPS überarbeitet und verbessert [13]. Dabei wurde vor allem Wert auf die Interaktivität gelegt. Die detaillierten Angaben zur Studie sowie die Studienergebnisse finden sich in der Veröffentlichung von Mayrhofer et al. [13]. Fazit und Ausblick Die ersten Erfahrungen über die Nutzung der Learning Nuggets und der entsprechenden Lernpfade zeigen positive, aber teils durchwachsene Ergebnisse. Das System befindet sich in der Testphase und das Feedback wird in Zukunft weiter eingearbeitet. Der größte Vorteil der digitalen Lernmöglichkeit ist im Bereich des adaptiven und personalisierten Lernens. Lernschwache Personen, können bei problembehafteten Themen personalisiert und angepasst unterstützt werden. Lernstarke Personen, können verschiedene Lerninhalte schneller durchführen oder überspringen und kommen zum selben Ziel, ohne unterfordert zu werden. Personalisiertes Lernen stellt eine effektive Methode

zur Steigerung der Lernmotivation und des –erfolges dar. Für die Robotik im Speziellen ergibt sich der große Vorteil des Flipped Classroom [11] und der Förderung der praktischen Anwendung. Lerninhalte, wie Sicherheitsschulungen, können zuhause vorbereitet werden. In der Lernfabrik können die Themen anschließend zeiteffizient gelehrt werden. Bei Problemen werden die Studierenden dementsprechend individuell unterstützt, beispielsweise mit Schritt-für-Schritt Anleitungen im Lernpfad für unerfahrene Personen. Quellen: [1] BMBWF, „Masterplan für die Digitalisierung im Bildungswesen,“ 2021. [Online]. Available: https://www. bmbwf.gv.at/ Themen/schule/zrp/dibi/ mp.html. [Zugriff am 17 03 2021]. [2] data.europa.eu, „Education during COVID-19; moving towards elearning,“ 2020. [Online]. Available: https://data.europa.eu/en /impact-studies/covid-19/education-during-covid19-moving-towards-e-learning. [Zugriff am 08 07 2021]. [3] U. Holtgrewe, B. Schober und M. Steiner, „Schule unter COVID 19 Bedingungen: Erste Analysen und Empfehlungen,“ COVID-19 Future Operations Plattform (FOP), 2021. [4] World Economic Forum, „The Future of Jobs Report 2020,“ World Economic Forum, Geneva, Switzerland, 2020. [5] R. Goel und P. Gupta, „Robotics and Industry 4.0,“ in A Roadmap to Industry 4.0: Smart Production, Sharp Business and Sustainable Development, Springer Nature Switzerland AG, 2020, pp. 157-169. [6] E. Abele, J. Metternich, M. Tisch, G. Chryssolouris, W. Sihn, H. ElMaraghy, V. Hummel und F. Ranz, „Learning Factories for Research, Education, and Training,“ Procedia CIRP 32, pp. 1-6, 2015. [7] CEDEFOP, „Microcredentials: are they here to stay?,“ 2021. [Online]. Available: https://www.cedefop.europa.eu/en/news-and-press/news/microcredentials-are-they-here-stay?NL=108. [Zugriff am 04 12 2021]. [8] EIT Manufacturing , „Webseite: EIT Manufacturing,“ 2021. [Online]. Available: https://eitmanufacturing.eu. [Zugriff am 22 03 2021].

TOP-THEMA [9] N. N. Flemming und C. E. Mills, „Not Another Inventory, Rather a Catalyst for Reflection,“ To Improve the Academy, Bd. 11, Nr. 1, pp. 137-155, 1992. [10] M. Papa, S. Nixdorf, S. Schlund und D. Aschenbrenner, „Teaching Robotics: Description Modelfor Synergetic Combination of Robotics Learning Content,“ 11th Conference on Learning Factories, CLF2021, 2021. [11] University of Waterloo, „The Flipped Classroom: A CTE White Paper,“ 2015. [Online]. Available: https://uwaterloo.ca/centre-for-teaching-excellence/ sites/ca.centre-for-teaching-excellence/ files/uploads/files/the_f lipped_classroom_white_paper.pdf. [Zugriff am 08 07 2021]. [12] M. W. Krol, D. de Boer, D. M. Delnoij und J. J. Rademakers, „The Net Promoter Score – an asset to patient experience surveys?,“ Health Expect, Bd. 18, Nr. 6, pp. 3099-3109, 2015. [13] W. Mayrhofer, S. Nixdorf, C. Fischer, T. Zigart, C. Schmidbauer und S. Schlund, „Learning nuggets for cobot education: a conceptual framework, implementation, and evaluation of adaptive learning content for robotics and physical assistance systems,“ 11th Conference on Learning Factories, CLF2021, 2021. [14] S. Albrecht und C. Revermann, „Digitale Medien in der Bildung,“ Büro für Technikfolgen-Abschätzung beim Deutschen Bundestag (TAB), Berlin, Deutschland, 2016. [15] E. Abele, G. Chryssolouris, W. Sihn, J. Metternich, H. ElMaraghy, G. Seliger, G. Sivard, W. ElMaraghy, V. Hummel, M. Tisch und S. Seifermann, „Learning factories for future oriented research and education in manufacturing,“ CIRP Annals, Bd. 66, Nr. 2, pp. 803-826, 2017. [16] W. Bauer, M. Bender, M. Braun, P. Rally und O. Schlotz, Leichtbauroboter in der manuellen Montage - einfach EIN-

FACH anfangen, Fraunhofer-Institut für Arbeitswirtschaft und Organisation IAO, 2016. [17] D. Kirkpatrick, „Great Ideas Revisited. Techniques for Evaluating Training Programs. Revisiting Kirkpatrick's FourLevel Model.,“ Training and Development, Bd. 50, Nr. 1, pp. 54-59, 1996.

AutorInnen: Maximilian Papa, MSc ist seit September 2020 als Projektassistent im Forschungsbereich Mensch-Maschine-Interaktion am Institut für Managementwissenschaften an der TU Wien beschäftigt. Im Rahmen seiner Dissertation forscht er an automatisierten Sicherheitsbewertungsverfahren für dynamisch rekonfigurierbare Arbeitssysteme. Seine Forschungsschwerpunkte umfassen dabei Safety und Security von Cyber-Physikalischen-Produktionssystemen, Robotik und die damit verbundene Mensch-Maschine-Interaktion. Dipl.-Ing. Clara Fischer ist seit Jänner 2020 als Projektassistentin im Forschungsbereich Mensch-Maschine-Interaktion am Institut für Managementwissenschaften an der TU Wien beschäftigt. Im Rahmen ihrer Dissertation beschäftigt sie sich mit dem sicherheitsgerichteten Design und der Simulation von schutzzaunlosen cyberphysischen Arbeitssystemen, wie kollaborierenden Robotern. Zuvor hat sie während ihres Masterstudiums Maschinenbau als wissenschaftliche Mitarbeiterin in der TU Wien Pilotfabrik gearbeitet, wo sie für Führungen und Öffentlichkeitsarbeit zuständig war. Dipl.-Ing. Tanja Zigart ist seit November 2018 als Projektassistentin

im Forschungsbereich Mensch-Maschine-Interaktion am Institut für Managementwissenschaften an der TU Wien beschäftigt. Im Rahmen ihrer Dissertation forscht sie an der Erstellung eines multi-kriteriellen Evaluierungsmodells für den Einsatz von industriellen Assistenzsystemen. Nach Abschluss ihres Studiums Wirtschaftsingenieurwesen-Maschinenbau im Jahr 2014 hat sie mehrere Jahre in der Medizintechnikbranche als Lean Managerin gearbeitet. Dipl.-Ing. Steffen Nixdorf ist Mitarbeiter am Institut für Managementwissenschaften an der TU Wien und beschäftigt sich mit reziprokem Lernen zwischen Mensch und Maschine am Arbeitsplatz. Neben Engagement im Bereich arbeitsplatznahem Lernen und Lernfabriken, forscht er an wissensbasierter Instandhaltung und Industrial Data Science. Zuletzt leitete er EIT Manufacturing Projekte zur Entwicklung digitaler Lerninhalte in der Robotik. Univ.Prof. Dr.-Ing. Sebastian Schlund ist seit 2017 BMK-Stiftungsprofessor für Industrie 4.0 an der Technischen Universität Wien und leitet dort den Forschungsbereich Mensch-Maschine-Interaktion am Institut für Managementwissenschaften (IMW). Seit dem 01.07.2019 verantwortet er zusätzlich den Geschäftsbereich „Advanced Industrial Management“ bei der Fraunhofer Austria Research GmbH. Er forscht und lehrt im Themenbereich digital und automatisiert unterstützter Arbeitsgestaltung in der Produktion mit den Schwerpunktthemen Assistenzsysteme, Arbeitsorganisation, Mensch-Maschine-Partnership, Montageplanung und Kompetenzentwicklung/ Lernen.

Maximilian Papa, MSc

Dipl.-Ing. Clara Fischer

Projektassistent im Forschungsbereich Mensch-Maschine-Interaktion, Institut für Managementwissenschaften, TU Wien

Projektassistentin im Forschungsbereich Mensch-Maschine-Interaktion, Institut für Managementwissenschaften, TU Wien

WINGbusiness 3/2021

TOP-THEMA

Dipl.-Ing. Steffen Nixdorf

Dipl.-Ing Tanja Zigart

Universitätsassistent in der Forschungsgrupe Smart and Knowledge-Based Maintenance (SKBM), Institut für Managementwissenschaften, TU Wien

Projektassistentin im Forschungsbereich Mensch-Maschine-Interaktion, Institut für Managementwissenschaften, TU Wien

Univ.Prof. Dr.-Ing. Sebastian Schlund BMK-Stiftungsprofessor für Industrie 4.0, TU Wien

EVERY BIT UNDER CONTROL Process Modelling Generating HMI Monitoring

PLC

Operating

Don´t waste your time ... with standstill ... with troubleshooting ... with operator training SELMO Technology GmbH Gewerbeparkstraße 1/1 A-8143 Dobl-Zwaring E: einfach@selmo.at WINGbusiness 3/2021

TOP-THEMA

Foto: Digital Capability Center Aachen, © McKinsey & Company, Inc. (2021)

Markus Hammer, Jochen Nelles

Die Live-Fabrik als virtuelles Lernerlebnis Kontinuierliches Lernen ist in unserer sich rasant verändernden Welt unverzichtbar geworden. Seit über 15 Jahren vermitteln von McKinsey unterstützte Lernfabriken durch Simulation und erfahrungsbasiertem Lernen die Grundsätze moderner Operational Excellence. Das Angebot lässt sich seit Beginn der Corona-Pandemie auch remote nutzen: Ein immersives Erlebnis bietet Praxiserfahrung, die nah an einen persönlichen Besuch in den so genannten Digital Capability Center heranreicht.

Digital Capability Center: Mehr als 15 Jahre Erfahrung

Fähigkeiten müssen weiterentwickelt, Denk- und Verhaltensweisen angepasst werden. Nicht zuletzt gilt es, mögliche Widerstände zu überwinden. Angewandtes, problembasiertes Lernen hat sich als effektivste und nachhaltigste Methode des Kompetenzaufbaus bei Erwachsenen erwiesen. Doch der betriebliche Alltag bietet hierfür meist nur wenig Möglichkeiten. Operations-Experten setzen sich daher seit Jahren für Modellfabriken ein.

McKinsey hat bereits Mitte der 2000er-Jahre begonnen, mit Partnern aus Wissenschaft und Industrie rund um den Globus Modellfabriken für operative Exzellenz einzurichten – heute als Digital Capability Center bekannt (Abbildung 1). Den Anfang machte 2006 die Modellfabrik für Lean Production in Darmstadt. Das Prinzip der Digital Capability Center: Statt sich in sterilen Hörsälen Vorträge und Präsentation anzuhören, entwickeln die Teilnehmenden in einer realitätsgetreuen Fabrikumgebung mit echten Maschinen, Prozessen und Produkten ihr Fachwissen und ihre Kompetenzen weiter. Das Motto in diesen Modellfabriken: erkunden, ausprobieren, anwenden. Gerade Führungskräfte erkennen die Notwendigkeit von Veränderungen erfahrungsgemäß oft erst, wenn sie selbst erleben, was eine Transformation bewirken kann. Vorbild bei der Konzep-

ndustrie 4.0 stellt Unternehmen weltweit vor große Herausforderungen. Die fortschreitende Digitalisierung wirkt sich nicht nur auf Maschinen und Prozesse aus. Auch für Führungskräfte und Mitarbeitende ergeben sich ganz neue Anforderungen. Dauerhafte Veränderungen lassen sich aber nicht durch Anordnung von oben erreichen. Bei Transformationen kommt es entscheidend darauf an, die Unterstützung aller Stakeholder zu gewinnen.

tion der Modellfabriken waren Trainingsprogramme von Militär und Rettungsdiensten, bei denen die Teilnehmenden in simulierten Übungen praktische Aufgaben ausführen. Die Digital Capability Center wenden sich sowohl an Berater:innen von McKinsey als auch Mitarbeitende von Klienten. In gemeinsamen Lerneinheiten erwerben die Teilnehmenden in einem realen Arbeitsumfeld (Fabrik oder Backoffice) grundlegende Fähigkeiten und Best Practices in einem bestimmten Themenbereich (z.B. Lean, Digital). Das erworbene Know-how können sie später im Arbeitsalltag auf unterschiedliche Branchen, Produkte und Teamsettings übertragen. Ein zentrales Lernelement in den Digital Capability Centern ist die Vorher-Nachher-Erfahrung – die Teilnehmenden analysieren einen Prozess, erkennen Defizite und probieren dann aus, mit welchen Tools und Technologien sich Verbesserungen am effektivsten umsetzen lassen. Die

WINGbusiness 3/2021

TOP-THEMA

Abbildung 1: Digital Capability Center Aachen / Venice

Digital Capability Center bieten nicht nur ein sicheres Umfeld für solche Experimente, alle eingeleiteten Veränderungen werden auch direkt sichtbar. Auf diese Weise erleben die Teilnehmenden selbst, welchen Unterschied bestimmte Fähigkeiten und Tools machen können – eine starke Motivation, die Änderungen in der eigenen Organisation umzusetzen. Im Zuge des technischen Fortschritts wurde die Ausstattung der Digital Capability Center in den vergangenen Jahren kontinuierlich weiterentwickelt, um stets optimale Voraussetzungen für Reskilling und Upskilling zu gewährleisten. Derzeit umfasst das Netz Modellfabriken in Aachen, Atlanta, Peking, Singapur und Venedig sowie weitere Lernzentren mit unterschiedlichen Partnern weltweit. Den Kern des Digital Capability Center Aachen beispielsweise bildet eine realgetreue Prozesskette zur Herstellung eines intelligenten, individualisierbaren Armbands. Alle Prozessschritte vom Schären, Weben, Beschichten, Thermofixieren und Drucken bis zur Endmontage (Konfektion) sind in die Lernumgebung integriert. Typische Fragestellungen, die von den Teilnehmenden vor Ort bearbeitet werden, sind beispielsweise: Wie lassen sich disruptive Technologien entlang der Wertschöpfungskette nutzen und mit neuen Analyse-Tools interne Abläufe verbessern? Wie kann mit kollaborativen Robotern und AR/VR-Technologien die Effizienz der Mitarbeiter gesteigert werden? Inwieweit lässt sich 3D-Druck nutzen, um bei Aufträgen flexibler zu werden? Wie funktioniert digitales Performance-Management? Wie können Mitarbeiter am besten

WINGbusiness 3/2021

befähigt werden, Verantwortung zu übernehmen und Entscheidungen auf der Basis von Daten zu treffen? Wie lassen sich auf allen Ebenen der Organisation Digital Skills verankern? In anderen Modellfabriken geht es beispielsweise um die Herstellung von Tee oder die Montage von Kompressoren für Kühlschränke. In den Modell-Backoffices werden Bestellungen bearbeitet. Der nächste Schritt: Remote-Trainings Der Beginn der Corona-Pandemie 2020 traf die Digital Capability Center ins Mark: Das Prinzip des persönlichen Lernerlebnisses vor Ort war plötzlich infrage gestellt – die Zentren mussten ihr Angebot über Nacht komplett neu gestalten. Für die Verantwortlichen galt es, Ideen zu entwickeln, wie sich erfahrungsbasiertes Lernen auch in einer Remote-Umgebung jenseits traditioneller Videokonferenzen umsetzen lässt – ohne dabei die bewährten Designprinzipien der Digital Capability Center aufzugeben. Wie lässt sich persönliches Lehren und Lernen am besten „remote“ replizieren? Welche Vorteile bietet diese Art der Kompetenzvermittlung möglicherweise sogar? Vier Ziele galten bei der Neukonzeption als gesetzt. Das Programm sollte: (1) einem Präsenzerlebnis möglichst nah kommen und dabei drei Erfolgselemente bewahren: reale Produktionsprozesse, enge Interaktion zwischen Lernenden und Fachpersonal sowie Vorher-Nachher-Erfahrungen, (2) kleine Gruppen gewährleisten, um das Angebot attraktiv zu machen und den sozialen Austausch zwischen den Teilnehmenden zu fördern,

(3) unterschiedliche Bedürfnisse der einzelnen Teilnehmenden berücksichtigen (4) die gesamte Lernreise der Teilnehmenden unterstützen – von der Diagnose nötiger operativer Verbesserungen über die Auswahl von Lösungsoptionen bis hin zum Kompetenzaufbau. Das entwickelte Remote-Angebot erfüllt die gesetzten Ziele: Das Lehr- und Fachpersonal ist unter Einhaltung der Covid-19-Auflagen in einem Digital Capability Center vor Ort – entweder in einer Fabrik oder in einem Büro. Es führt Simulationen und Livestreams durch, weiteres Lehrpersonal kommentiert das Geschehen. Die Lernenden sind über eine Videokonferenzplattform zugeschaltet. Sie interagieren in Echtzeit mit den Akteuren vor Ort, besprechen sich in kleinen Gruppen in virtuellen Breakout Rooms und diskutieren später wieder in großer Online-Runde. Das Entscheidende: Auch in der Remote-Variante können die Teilnehmenden selbst in Abläufe eingreifen. So kommt es auch nicht zur typischen „Zoom-Müdigkeit“. Bei einer dreibis vierstündigen Remote-Sitzung verbringen die Teilnehmenden 40 Prozent der Zeit mit Diskussionen in großer oder kleiner Runde und 60 Prozent mit praktischen Tätigkeiten. Das Lehr- und Fachpersonal des Digital Capability Center geht mit Tablets und Kopfhörern durch die Fabrik oder das Büro und kann so auf Anweisungen und Bedürfnisse der Teilnehmenden eingehen und Fragen beantworten. Die Teilnehmenden können zum Beispiel einen bestimmten Knopf drücken oder eine Aufgabe auf eine bestimmte Art und Weise ausführen lassen. Und sie können die Vorher-Nachher-Entwicklung live miterleben: Sie sehen, wie die Abläufe zu Beginn aussehen und wie nach den implementierten Verbesserungen. Mehrere fest installierte Kameras eröffnen unterschiedliche Perspektiven, eine mobile Kamera sorgt für ein immersives Erlebnis. Video- und Audioqualität wurden sukzessive verbessert, im Digital Capability Center Aachen ist sogar ein kleines Produktionsstudio entstanden. Abbildung 2 links zeigt

TOP-THEMA Lernunterlagen zu den Themen Lean und Digitalisierung. Außerdem gibt es ein 90-minütiges Online-Coaching zu Metathemen, etwa wie man Prozesse beobachtet oder Ergebnisse vor einem Managementteam präsentiert. Live-Einheiten:

Abbildung 2: Digital Capability Center Aachen

die Anlage in Aachen mit einer Außenansicht des Produktionsstudios; Abbildung 2 rechts zeigt das Innere des Studios, aus dem die Livestreams gesteuert werden. Auch inhaltlich wird das Konzept kontinuierlich weiterentwickelt. Um die Teilnehmenden noch stärker zu motivieren, sind beispielsweise die Lerneinheiten jetzt über spannende Geschichten miteinander verknüpft; auch besteht die Möglichkeit zu virtuellen Vier-Augen-Gesprächen. Außerdem wurden die Breakout-Gruppen verkleinert, mit einem eigenen Moderator pro Gruppe; und es kam eine Whiteboard-Plattform für Brainstorming und Diskussionen hinzu. Das Lehrpersonal erstellt Übersichten mit konkreten Arbeitsabschnitten, um Interaktion und Zusammenarbeit zu fördern. Der Screenshot zeigt ein Beispiel für Ideen, die in einer interaktiven Einheit mit einer kleinen Gruppe entwickelt wurden (Abbildung 3) Zu den Lernmodulen des Remote-Angebots der Digital Capability Center gehören derzeit u.a. Lean-Di-

agnosen, Lean-Zielbild, Einführung in Industrie 4.0, Arbeitsplatz der Zukunft, digitale Forschung & Entwicklung, digitales Projektmanagement sowie Themen wie Quick Changeover, Change Management und Standardisierung/Prozessbestätigung. Typischer Ablauf einer RemoteLerneinheit Die Grundstruktur einer RemoteLerneinheit besteht aus Vorbereitung, Live-Session und Feedback. Die LiveSession gliedert sich wie das klassische Erlebnis in die drei Phasen Diagnose, Digitalisierung und Automatisierung sowie ideales Zielbild. Am Beispiel des Lernmoduls Einführung in Operations im Digital Capability Center Aachen lässt sich der Ablauf verdeutlichen. Vorbereitungsphase: Im Vorfeld der Livestreaming-Einheiten erhalten die Teilnehmenden Handouts, Videos und andere

Abbildung 3: Verbesserungsideen der Teilnehmer nach einer Übung

Phase 1: Bei einer Lean-Diagnose in der Fabrik beobachten die Teilnehmenden zuerst ein schlecht organisiertes Teammeeting bei der Schichtübergabe. Sie bekommen so einen Eindruck davon, wie ineffizient der Prozess ohne Lean-Tools ist. Die Beobachtungen decken drei Ebenen ab: technische Prozesse/Abläufe, Managementinfrastruktur sowie Einstellung und Verhalten der Mitarbeitenden. In einer Videokonferenz stellt das Lehrpersonal anschließend sicher, dass alle eine gemeinsame Basis haben: Die Lehrkräfte besprechen die wichtigsten Erkenntnisse aus dem Offline-Content und erläutern Details zum Performance-Management und zur technologisch gestützten Digitalisierung. Anschließend demonstriert das Fabrikpersonal eine erfolgreiche Teambesprechung. Die Teilnehmenden beobachten, was gut gelaufen ist (z.B. Einsatz visueller Hilfsmittel, Beteiligung der Teammitglieder, Verhalten des Teamleiters). Phase 1 endet mit einer Präsentation des Lean-Zielbilds und seiner Vorteile – z.B. ausgewogene Arbeitsbelastung, ideales Fabriklayout, Wegfall von Verschwendung – als Grundlage für digitale Verbesserungen. Phase 2: In der Digitalisierungs- und Automatisierungsphase besteht das erste Lernziel darin, die Vorteile der Automatisierung zu verstehen. In kleinen Gruppen beobachten die Teilnehmenden das Lean-Zielbild erneut, diesmal aber mit einem anderen Fokus: Sie suchen nach Automatisierungspotenzial (z.B. bei papier- oder regelbasierten Aufgaben). Anschließend rechnen die Teilnehmenden den Business Case für die Automatisierung durch und diskutieren, welche Technologien für Digitalisierung und Automatisierung infrage kommen. Mit einem Whiteboard-Tool erstellen sie gemeinsam einen Fahrplan,

WINGbusiness 3/2021

TOP-THEMA der zentrale Lösungen und den Weg zu einem digitalen Zielbild nach erfolgter Automatisierung skizziert. Alle Gruppen arbeiten mit der gleichen Vorlage und stellen ihre Ergebnisse und Erkenntnisse später dem größeren Team vor. Phase 3: In dieser Phase geht es um das ideale digitale Zielbild. Bei einem virtuellen Rundgang durch die optimierte Fabrik prüfen die Teilnehmenden die Wirkung der digitalen Transformation; sie erleben die implementierten Lösungen, u.a. ein digitales Performance-Board, roboterbasierte automatisierte Prozesse und eine Online-Bestellplattform für die Kunden. Das Lehrpersonal stellt alle Lösungselemente vor und zeigt die Wirkung auf Produktivität, Durchsatz und Kundenservice. Tägliche Feedback-Einheiten zwischen Lernenden und Lehr- und Fachpersonal ermöglichen eine Anpassung des Angebots in Echtzeit. Im Mittelpunkt stehen dabei stets die konkreten Bedürfnisse der Teilnehmenden. Ausblick Mehr als 1.500 Teilnehmende haben die Remote-Trainings inzwischen absolviert. In Aachen, Atlanta und Venedig stehen über 100 Lernmodule mit mehr als 50 Use Cases zur Verfügung. Weitere Lernmodule werden kontinuierlich hinzugefügt. Da sich Remote-Learnings als wirksames Element des Kompetenzaufbaus erwiesen haben, werden sie auch nach Ende der Pandemie die Präsenzprogramme der Digital Capability Center ergänzen. Die gemachten Erfahrungen erlauben es, jetzt aus strategischer Sicht noch zielgenauer über die beste Struktur für Kompetenzprogramme nachzudenken: Wie lassen sich Remote- und Vorort-Trainings am besten kombinieren? Was lässt sich vorab virtuell erlernen? Was muss persönlich und gemeinsam einstudiert werden? Wie entfaltet Präsenzlernen die größte Wirkung? Für Remote-Angebote spricht u.a., dass sie sich leichter in das Tagesgeschäft der Teilnehmenden eingliedern lassen – weder sind Reisen erforderlich noch müssen besondere

WINGbusiness 3/2021

logistische Anforderungen erfüllt werden. Darüber hinaus können Remote-Trainings besser auf die individuellen Bedürfnisse der Teilnehmenden zugeschnitten werden – das Lernprogramm lässt sich genau dann ansetzen, wenn es einer Person für die Entwicklung am meisten bringt. Das Ergebnis ist eine bessere Personalisierung der individuellen „Lernreise“ und ein nachhaltigerer Kompetenzaufbau. Untersuchungen zeigen, dass Lernende Inhalte besser behalten, wenn längere Lernverläufe in immer schwierigere Module gegliedert werden, sich die Veranstaltungen über mehrere Wochen oder Monate hinweg verteilen und Inhalte in unterschiedlichen Kontexten wiederholt werden. Eine Kombination aus erfahrungsbasiertem Vorort- und RemoteLernen würde diesen Anspruch in idealer Weise erfüllen. Die folgenden Links bieten Einblicke in das Remote-Erlebnis der Digital Capability Center: YouTube-Video: Remote capability building: How does it work h t t p s : / / w w w.y o u t u b e . c o m / watch?v=PEoxGnSz4i8 https://www.mckinsey.com/business-functions/operations/howwe-help-clients/capability-centernetwork/overview Literaturhinweise: Geschichte der Prozesslernfabrik CiP am PTW, URL: https://www.prozesslernfabrik.de/ueberblick/geschichte (o.J.) Dutta, Sumit; Goulding, Ashley; Lacopeta, Cinzia; Radermacher, Amy; 2021: Everyone is within learning distance: Building skills remotely, McKinsey Article Radermacher, Amy; Hammer, Markus; October 2018: Ops 4.0—The Human Factor: The power of the digital capability center Hammer, Markus; 2017: Interview mit Markus Hammer in Kapital 9 Verankert – Agile Organisation und Unternehmenskultur. In: Ramsauer C., Kayser D., Schmitz C. (eds) Erfolgsfaktor Agilität, Chancen für Unternehmen in einem volatilen Marktumfeld, Wiley-VCH Verlag GmbH & Co. KGaA, p. 282-284 Hammer, Markus; 2018: Immersive learning for operations excellence in a shifting marketplace. In: Van Dam, Nick

(ed) Elevating Learning & Development: Insights and practical guidance from the field, p. 204-205 Hulla, Maria; Karre, Hugo; Hammer, Markus; Ramsauer, Christian; 2019: A Teaching Concept Towards Digitalization at the LEAD Factory of Graz University of Technology. In: Auer M., Tsiatsos T. (eds) The Challenges of the Digital Transformation in Education. ICL 2018. Advances in Intelligent Systems and Computing, vol 917. Springer, Cham Karre, Hugo; Hammer, Markus; Kleindienst, Mario; Ramsauer, Christian; 2017: Transition towards an Industry 4.0 State of the Lean Lab at Graz University of Technology, Procedia Manufacturing, 2017, Vol. 9, 206-213 Karre, Hugo; Hammer, Markus; Ramsauer, Christian; 2018: Learn how to cope with volatility in operations at Graz University of Technology’s LEAD Factory, Procedia Manufacturing, Volume 23, Pages 15–20, 2018 Hulla, Maria; Hammer, Markus; Karre, Hugo; Ramsauer, Christian; 2019: A case study based digitalization training for learning factories, Procedia Manufacturing, Volume 31, 2019, Pages 169174 Karre, Hugo; Hammer, Markus; Ramsauer, Christian; 2019: Building capabilities for agility in a learning factory setting, Procedia Manufacturing Volume 31, 2019, Pages 60-65

Autoren: Dr. Markus Hammer leitet seit Oktober 2017 das globale Operations Learning Team bei McKinsey & Company. Seit 2004 berät er Klienten im Bereich Resource-Productive Operations und Capability Building, seit 15 Jahren ist er im Bereich Lernfabriken weltweit aktiv. Seine Karriere startete er im Jahr 2000 bei Procter & Gamble in Deutschland. Markus Hammer studierte Verfahrenstechnik an der TU Graz und promovierte dort später am Institut für Innovation und Industrie Management, wo er auch für Innovation und Industrie Management, wo er auch den Aufbau der LEAD-Factory unterstützte. Er ist Autor von mehreren Büchern und Artikeln und Universitätslektor an der TU Graz.

TOP-THEMA Dr. Jochen Nelles leitet seit November 2019 das operative Management des Digital Capability Center Aachen und ist im Operations-Sektor bei McKinsey & Company tätig. Er leitet Klientenworkshops in der Lern-

fabrik sowohl in der persönlichen Interaktion vor Ort, als auch remote als virtuelles Lernerlebnis und hat die Lernfabrik in Aachen zu Beginn der Covid-19 Pandemie um ein remote Format ergänzt.

Jochen Nelles promovierte am Institut für Arbeitswissenschaft der RWTH Aachen University und forschte als Stipendiat am Department of Industrial Engineering der Tsinghua University.

Dr. Markus Hammer

Dr. Jochen Nelles

Leiter des globalen Operations Learning Teams bei McKinsey & Company, Wien

Leiter des operativen Managements des Digital Capability Center, Aachen

UNINACHRICHTEN Maria Hulla

Neuer Präsident der International Association of Learning Factories (IALF)

rof. Christian Ramsauer wurde zum neuen Präsidenten der IALF gewählt. Im Zuge der 11th Conference on Learning Factories wurde am 1. Juli die jährlich stattfindende General Assembly der International Association of Learning Factories (IALF) durchgeführt. Die IALF ist ein Netzwerk von derzeit 24 Lernfabriken unterschiedlicher Universitäten - unter anderem der TU Darmstadt, der TU München, dem Singapur Institute of Manufacturing Technology, der Purdue University in USA, der Tonji University in China und der Stellenbosch University of South Africa. Der Verband hat das Ziel, dass Universitäten und Unternehmen im Bereich der Ausbildung im Produktionsumfeld in Lernfabriken zusammenzuarbeiten. Dabei sollen Best Practices und Erfahrungen ausgetauscht, Synergien der Mitglieder genutzt und Innovationen im Bereich der Lernfabriken geschaffen werden. Während der General Assembly werden neueste Projekte der Lernfabriken und Ergebnisse von Arbeitsgruppen in verschiedenen Bereichen wie Mixed Reality, Agilität und Kompetenzvermittlung mit Lernfabriksbezug diskutiert. Im Zuge der diesjährigen General Assembly wurde Prof. Christian Ramsauer von den Mitgliedern einstimmig zum neuen Präsidenten der IALF für die nächsten beiden Jahre gewählt. Er löst den bisherigen Präsidenten Prof. Metternich von der TU Darmstadt ab. Gemeinsam mit dem Vizepräsidenten Prof. Wilfried Shin (TU Wien) und dem Presidential Committe (Prof. Hummel, Prof. Mourtzis und Prof. Athinarayanan) wird sich Prof. Christian Ramsauer in seiner Amtszeit vor allem auf den Ausbau der Internationalisierung des Verbandes, der Förderung der Wissenschaftlichkeit und der Stärkung der Organisation widmen. Dabei sollen insbesondere die erfolgreichen Arbeitsgruppen der IALF stärker in den Fokus rücken.

WINGbusiness 3/2021

TOP-THEMA

Elma Sadaj, Nataly Wogatai, Hugo Karre

KNAPP Service Factory Der sich dynamisch ändernde Markt stellt Logistikanlagenbetreiber vor neue Herausforderungen. Die Vollautomatisierung in der Logistik, die zunehmende Komplexität durch den Online-Handel und immer schneller werdende Entwicklungen zu einer papierlosen Lagerhaltung sind nur einige der Faktoren, mit denen die Logistikbranche konfrontiert ist. Um diese Herausforderungen zu adressieren, hat die Firma KNAPP die KNAPP Service Factory für ihre Kunden entwickelt. Das Ziel ist die praxisnahe Weiterbildung von Kunden, um deren Herausforderungen gemeinsam schneller und wirtschaftlicher zu meistern.

as Unternehmen KNAPP wurde von Ing. Günter Knapp 1952 in Graz gegründet und hat sich zu einem international führenden Intralogistikkonzern mit 53 Standorten und über 5.300 Mitarbeitern entwickelt. Der Konzern hat sich auf innovative und automatisierte Lösungen für Logistik und Produktion spezialisiert. KNAPP beliefert Kunden aus den Geschäftsbereichen Healthcare, Fashion, Industry, Food, Retail und Wholesale. Kern der Unternehmensstrategie ist die kontinuierliche Forschung und Entwicklung innovativer Lösungen, um einer der führenden Anbieter im Bereich Intralogistik zu bleiben und diese Position weiter zu stärken. Als international agierendes Unternehmen mit steirischen Wurzeln konnte auch in den vergangenen Jahren ein überdurchschnittliches Wachstum verbucht werden. Neben der Entwicklung und Produktion von Logistikanlagen sowie der Entwicklung der dazugehörigen

WINGbusiness 3/2021

Softwarelösungen, versteht sich das Unternehmen KNAPP als Anbieter von Services. Um die Anlagen bestmöglich zu betreiben und die Prozesse im Hintergrund optimal zu unterstützen, bieten Intralogistikunternehmen verschiedene Serviceprodukte an. Insbesondere durch den hohen Automatisierungsgrad, der durch vermehrte Schnittstellen eine neue Komplexität mit sich bringt, werden auch die Serviceprodukte immer unübersichtlicher und komplexer. Das fehlende Verständnis der Kunden für den Wert dieser Services, in Kombination mit den verbundenen Kosten, führt dazu, dass die Kunden diesen Leistungen oft ablehnend gegenüberstehen. Außerdem zeigt sich im täglichen Betrieb oftmals, dass Kunden ihre Services falsch bzw. nicht optimal nutzen. Daher ist es wichtig, den Kunden die richtigen Serviceprodukte und den richtigen Umgang mit diesen Services in verständlicher Form näher zu bringen.

Die Qualifizierung von Kunden ist ein wichtiger Faktor, um sich von Marktbegleitern erfolgreich abzuheben. Das Ziel von KNAPP ist es, den Kunden eine Schulung bzw. ein Training zum ganzheitlichen Verständnis der Prozesse in einer Logistikanlage und zur Bewusstseinsbildung hinsichtlich unterstützender Serviceprodukte anzubieten. Ein solches Schulungskonzept beinhaltet neben Lehrinhalten auch die dazugehörige Infrastruktur. Gemäß der Firmenvision „making complexity simple“ hat KNAPP in Kooperation mit dem Institut für Innovation und Industrie Management das Konzept für eine physische Lernumgebung zur Darstellung von Services entwickelt. Praxisorientierte Trainings und Schulungen von Kunden sind der Schlüssel zur Bewältigung der anstehenden Herausforderungen in Logistikbetrieben. Die KNAPP Service Factory deckt diesen Bereich ab.

TOP-THEMA

Abbildung 1: KNAPP Service Factory

Was ist die KNAPP Service Factory? Die KNAPP Service Factory ist eine realitätsgetreue, abstrahierte Lernumgebung, um logistische Prozesse und komplexe Serviceprodukte verständlich darstellen zu können. Das bereits in der Industrie erprobte Konzept „Lernfabrik“ wurde dabei als Vorbild herangezogen. Eine Lernfabrik umfasst folgende Aspekte:1 1. Authentische Prozesse mit mehreren Arbeitsstationen und organisatorischen sowie technischen Aspekten 2. Eine realitätsnahe Abstraktion realer Wertschöpfungsketten mit einer veränderbaren Vor-Ort-Umgebung 3. Physisch verarbeitete(s) Produkt(e) 4. Ein didaktisches Konzept, um das Lernen durch eigenes Handeln der Teilnehmer in der Lernumgebung zu ermöglichen Das Konzept einer Lernfabrik basiert auf dem Prinzip des erfahrungsbasierten Lernens. In Lernfabriken wird dies durch mindestens zwei verschiedene Lernfabrik-Setups für die angestrebten Lernziele ermöglicht. Anfangs erleben die Teilnehmer einen suboptimalen IST-Zustand mit bewusst eingebauten Optimierungspotentialen, die es zu identifizieren, zu reflektieren und zu bearbeiten gilt. Die TeilnehmerInnen erhalten anschließend die Möglichkeit zur Verbesserung des IST-Zustandes hin zu einem SOLL-Zustand. Der Lerneffekt wird durch den erlebten Unterschied zwischen IST- und erreichten SOLLZustand erzielt.2 1 Abele, E. (2018) 2 Abele, E., Metternich, J., & Tisch, M. (2019) 44

Die KNAPP Service Factory wurde hinsichtlich der eingesetzten Technologien und Softwarelösungen bewusst einfach gestaltet, um nicht von dem eigentlichen Lerninhalt abzulenken. Wie zuvor beschrieben, sollen die Schulungen das Verständnis für die Verknüpfung der logistischen Prozesse mit den Services einerseits und für die Unterstützung der Prozesse durch Services andererseits, erzeugen. Dementsprechend ist der Fokus darauf gerichtet, dass diese Prozesse realitätsnah wiedergegeben werden. Wie in Abbildung 1 dargestellt, beinhaltet die KNAPP Service Factory die klassischen Lagerprozesse: Wareneingang, Einlagerung, Picking, Qualitätskontrolle, Verpackung und Versand. Weiters wird die Überwachung sämtlicher Prozesse und Technologien am Lagerleitstand abgebildet. Das didaktische Konzept basiert auf dem selbständigen, aktiven Betreiben der Vorgänge in der abstrahierten Lagerumgebung.3 Dabei werden die TeilnehmerInnen von einem Trainer durch die Schulung geführt und bekommen zum Start jeder Trainingsrunde eine Aufgabenstellung, die sie mithilfe der KNAPP Service Factory erfüllen müssen. Im Zuge jeder Trainingsrunde werden typische Herausforderungen des täglichen Betriebs simuliert und situativ durch den Trainer ausgelöst. Die verschiedenen Trainingsrunden spiegeln dabei das Lernfabrikprinzip eines suboptimalen IST- und des optimalen SOLL-Zustandes wider. Nach dem aktiven Part in den Trainingsrunden erfolgt eine Reflektion. Dabei werden die unterschiedlichen Durchgänge miteinander verglichen und durch 3 Tisch, M. (2018)

„Was-wäre-wenn“-Situationen erweitert. Um den Einfluss der gezielt eingebauten Fehler und Störungen sichtbar zu machen, werden die Leistungen der TeilnehmerInnen bewertet und in eine Kostenberechnung überführt. So wird der positive Einfluss der Serviceprodukte und der dafür notwendigen Prozesse, durch den direkten Vergleich der einzelnen Trainingsrunden nachvollziehbar. Gerade im Servicebereich sind die meisten Produkte prozessgesteuert, nicht greifbar und laufen im Idealfall unsichtbar im Hintergrund ab. Das Lernfabrikprinzip erlaubt es, besonders durch den aktiven Betrieb einer Logistikanlage, die Service-Leistungen erlebbar zu machen und somit die Vorteile der KNAPP Serviceprodukte transparent aufzuzeigen. Wie wurde die KNAPP Service Factory entwickelt? Um eine funktionierende Lernfabrik zu entwickeln, bedarf es der Expertise aus dem fachlichen Bereich der Trainingsinhalte, als auch aus dem Bereich der Lernfabriken und der dabei angewandten Methodik. Mit dem Institut für Innovation und Industrie Management als Kooperationspartner war es möglich, die fachlichen Kompetenzen der Firma KNAPP optimal zu ergänzen und das Konzept erfolgreich auszuarbeiten. Herkömmliche Lernzentren arbeiten mit den klassischen Lernmethoden des Vorführens und Nachahmens. Die KNAPP Service Factory hingegen fokussiert sich sehr stark auf die eigenständige Problemlösung und den richtigen Betrieb, in einer der Realität nachempfundenen Lernumgebung. Die Konzepterstellung bestand aus den Phasen (1) Identifikation der Lerninhalte, (2) Ideengenerierung und Konzeptentwicklung, (3) prototypische Umsetzung, (4) Inhalts- und Szenario-Entwicklung und (5) Implementierung. Es zeigte sich, dass insbesondere die prototypische Umsetzung in der LEAD Factory der Technischen Universität Graz4 und die darauffolgende Phase der Inhaltsund Lernszenario-Entwicklung, entscheidend für die erfolgreiche Umsetzung des Projektes waren. 4 https://www.tugraz.at/institute/iim/infrastruktur/lead-factory/ WINGbusiness 3/2021

TOP-THEMA Durch die prototypische Umsetzung in der LEAD Factory wurden die entwickelten Konzepte bereits sehr früh erprobt. Der prototypische Aufbau an der TU Graz enthielt alle relevanten Komponenten eines realen Lagerprozesses und demonstrierte darüber hinaus die relevanten Funktionen eines Lagers. Dazu gehörten u.a. die eingesetzte Software für die einzelnen Arbeitsplätze, abstrahierte Technologien aus realen Lagersystemen (z.B. KiSoft Pick-to-Light), sowie eine übergeordnete Steuerung des gesamten Prozesses.5 In zwei Trainings an der TU Graz mit relevanten Stakeholdern aus verschiedenen Bereichen des Unternehmens, konnte erstes Feedback zum physischen Testaufbau eingeholt werden. Der in Abbildung 3 dargestellte prototypische Aufbau des entwickelten Lernfabrikkonzepts, konnte für die nächste Projektphase wichtige Einblicke liefern. Für wen wurde die KNAPP Service Factory entwickelt? Ursprünglich wurde die Umgebung speziell für (Neu-)Kunden entwickelt, weil dort der größte Bedarf gesehen wurde. Im Zuge der Umsetzung kristallisierten sich auch weitere Zielgruppen und Einsatzmöglichkeiten heraus. Die Zielgruppen der KNAPP Service Factory sind daher sehr breit gefächert – vom Kunden bis zum eigenen MitarbeiterInnen werden bereits erste TeilnehmerInnen geschult. Dies inkludiert Kunden mit kleinen, großen, einfachen und komplexen Logistikanlagen. Die entwickelte Lernumgebung und das dazugehörige Lernkonzept erlaubt es, auf Kunden individuell einzugehen und eigens abgestimmte Schulungen anzubieten. Daher ist auch die Vorbereitung ein wichtiger Bestandteil, um während des Trainings die spezifischen Geschäftsprozesse des Kunden (Was braucht er?, Wie arbeitet er?, etc.) berücksichtigen zu können. Ein Vorteil ist auch das Kennenlernen der Arbeitsweise und Herausforderungen von Endnutzern. Dies ermöglicht KNAPP, eine verbesserte Konfiguration der individuellen Servicemodule für die Kunden vorzunehmen. 5 Sadaj, E. A., Hulla, M. U., & Ramsauer, C. (2020) WINGbusiness 3/2021

Abbildung 2: Design Roadmap der KNAPP Service Factory

Die Sensibilisierung für den Umgang mit KNAPP-Serviceprodukten bietet die Chance, die Kundenzufriedenheit zu erhöhen und die Kundenbeziehungen weiter auszubauen. Ein weiterer Nutzungsbereich ist die Entwicklung und Verbesserung von Services und Software. Es wird möglich, diese Elemente in der Lernumgebung zu testen und durch generiertes Wissen die Produkte weiterzuentwickeln. Damit trägt die KNAPP Service Factory auch zur Unternehmensstrategie bei. Bei den Trainings mit Kunden erhält das Unternehmen unmittelbar Feedback über die gelieferten Produkte und deren Verwendung in der Praxis. Fragestellungen wie „Welche Fehler machen Kunden?“ oder „Wo wird welche Unterstützung gebraucht?“, können so aus der direkten Interaktion mit dem Endnutzer beantwortet werden. Weiters ergeben sich dadurch auch neue Services und Produkte. Unternehmensintern bietet die KNAPP Service Factory eine wertvolle Lernumgebung um neues Personal hinsichtlich der Logistikprozesse, Technologien, Serviceprodukte und Kundenanforderungen zu schulen.

Ausblick KNAPP geht mit dem Ansatz der KNAPP Service Factory einen neuen Weg und bietet Kunden sehr früh die Möglichkeit sich mit dem ganzheitlichen Betrieb der Anlage zu beschäftigen. Vor allem der Fokus auf Serviceprodukte und Softwarelösungen, ermöglicht eine bis dato nicht vorhandene, transparente Darstellung der Total Cost of Ownership (TCO) einer Logistikanlage, in Verbindung mit dem Nutzen von Serviceprodukten. Weiters können die notwendigen Qualifikationen zum Betrieb eines Lagersystems realitätsnah abgebildet werden. Um die Herausforderungen der Kunden immer sehr aktuell abzubilden, liegt daher der Schwerpunkt auf der kontinuierlichen Weiterentwicklung der angebotenen Schulungskonzepte. Die nächsten Erweiterungen in technischer Hinsicht werden sich auf die Integration von von Modulen der Softwarelösung KiSoft Analytics und die Erweiterung von Services zur Überwachung der gesamten Wertschöpfungskette fokussieren. Ziel ist es, die Auswirkungen auf den Produktions- und Lagerprozess sowie

Abbildung 3: Prototypischer Aufbau der KNAPP Service Factory

TOP-THEMA Heidelberg: Springer Berlin Heidelberg. Abele, E., Metternich, J. & Tisch, M. (2019). Learning Factories. Springer-Verlag. Tisch, M. (2018). Modellbasierte Methodik zur kompeten zorientierten Gestaltung Abbildung 4: Die KNAPP Service Factory ist für Schulungsvon Lernfabriken zwecke in Hart bei Graz im Einsatz für die schlanke auf die unterschiedlichen Lieferketten Produktion. Dissertation, Darmstadt: Aain das Konzept zu inkludieren. chen: Shaker Verlag GmbH. Auch Gamification wird vermehrt Sadaj, E. A., Hulla, M. U. & Ramsauer, in den Vordergrund rücken. Ein An- C. (2020). Design Approach for a Learsatz wäre, die einzelnen Artikel ei- ning Factory to train Services. Procedia ner abzuarbeitenden Bestellung so Manufacturing, 45, 60-65. https://doi. zusammenzusetzen, dass damit ein org/10.1016/j.promfg.2020.04.064

Lego(R)-Technik Automodell vollständig assembliert wird. Die Teilnehmer können somit zukünftig die Auswirkungen von fehlerhaften bzw. fehlerfreien Logistikprozessen hautnah erleben. Literatur: Abele, E. (2018): Learning Factory. In S. Chatti, T. Tolio (Eds.): CIRP Encyclopedia of Production Engineering. Berlin,

AutorInnen: Dipl.-Ing. Elma Sadaj leitet seit 2021 das Programm Micro Fulfillment Center in der KNAPP Systemintegrations GmbH. Sie startet ihre Karriere 2019 bei der Firma KNAPP als Service Innovations Managerin, wo sie unter anderem auch für die KNAPP Service Factory zuständig war. Elma Sadaj

studierte Production Science and Management an der Technischen Universität Graz. Nataly Wogatai, startete 2001 ihre Karriere bei KNAPP Systemintegration im Procurement. Zwischen 2005 und 2008 war sie als Qualitätsmanagerin für die Einführung der ISO Zertifizierung bei der KNAPP Systemintegration GmbH verantwortlich. Von 2008 bis 2010 hatte sie als Director Procurement & Operations die Gesamtverantwortung für die nationale und internationale Beschaffungsstrategie in der KNAPP Systemintegration GmbH. Seit 2013 ist sie als Member of the Service Board in der KNAPP AG tätig und fokussiert sich auf Service Design & Innovation. Dipl.-Ing. Dr. Hugo Karre studierte Wirtschaftsingenieurwesen-Maschinenbau mit den Schwerpunkt Produktionstechnik und promovierte im Jahr 2021 an der TU Graz. In seiner Forschungsarbeit beschäftigt sich Hugo Karre mit Agilität in der Produktion und Capability Building. Seit 2018 leitet Hugo Karre am Institut für Innovation und Industrie Management die Abteilung Industrie Management.

Dipl-Ing. Elma Sadaj Leiterin des Programms Micro Fulfillment Center, KNAPP Systemintegrations GmbH

Nataly Wogatai Member of the Service Board, KNAPP AG

Dipl.-Ing. Dr. Hugo Karre Leiter der Abteilung Industrie Management am Institut für Innovation und Industrie Management, TU Graz

WINGbusiness 3/2021

TOP-THEMA

Rudolf Pichler

Das Angebot der TU Graz – Lernfabrik für Agilität und Datensicherheit Es war 2015, als auch die TU Graz die strategische Entscheidung traf, als moderne und innovative Universität im Bereich der Forschung und Lehre rund um die Digitalisierung der Produktion eine Lernfabrik zu errichten, so wie dieses neue didaktische Format an einigen deutschen und amerikanischen Universitäten schon etwas zuvor eingezogen ist. Die zweite, nicht minder wichtige Entscheidung war die, Schwerpunktthemen für diese Lernfabrik zu finden, um nicht zu einer „one more of the same“ zu werden. Es galt also, für die Scientific Community und die interessierten Betriebe auch eine gewisse Einzigartigkeit zu schaffen. Im Zeitraum von 2017 bis 2021 wurde sodann am Institut für Fertigungstechnik höchst erfolgreich eine Lernfabrik für „Agile und Datensichere Fertigung“ aufgebaut. Und diese Fabrik, welche auch den brand name „smartfactory@tugraz“ trägt, sei hier mit ihren besonderen Merkmalen vorgestellt. Grunsätzliche Merkmale Viele der schon bestehenden Lernfabriken befassen sich vorrangig mit Montagevorgängen und decken damit nur einen Ausschnitt einer vollständigen Produktion dar. Für die smartfactory@tugraz war es wichtig, eine möglichst vollständige Wertschöpfungskette eines produzierenden Betriebs darzustellen, allein schon aus dem Grund, um als Institut für Fertigungstechnik das ureigene Kernforschungsgebiet der Fertigung einzubinden zu können. Somit wurden auch die zerspanende Produktion mittels moderner CNC-Anlagen und die metalladditive Fertigung Teil des Konzepts. Wichtiges Gestaltungsmerkmal war auch die Entscheidung, nur Anlagen und Komponenten zu verwenden, wie sie tatsächlich auch von In-

WINGbusiness 3/2021

dustriebetrieben eingesetzt werden. Es wurde also sowohl im Fertigungswie auch Montagebereich darauf verzichtet, funktionstechnisch reduzierte Schulungsmaschinen anzuschaffen, sondern man wollte Standards und Funktionsumfänge haben, die ein industrielles Publikum ansprechen und auch für die Studierenden eine möglichst reale Produktionsumgebung schaffen. Alle sichtbaren mechanischen, automatisierten und logistischen Einrichtungen der Lernfabrik wurden in ein Netzwerk aus vielfältigen und spezifischen Software-Lösungen eingebettet, wie es für eine modern organisierte Produktion nicht mehr verzichtbar ist. Letztlich geht es um die Darstellung einer „smarten“ Fabrik, insofern nehmen diese Installationen die eigentlich zentrale Rolle, um nicht zu sagen, das Kernelement der Lern-

fabrik ein. In dieser Hinsicht wurden nicht nur auf OT-Ebene, sondern gerade auch auf IT Ebene modernste Strukturen geschaffen, die letztlich ein Cyberphysikalisches Produktionssystem (CPPS) ausmachen. Auf der Feldebene wird die Infrastruktur von einem MES (Manufacturing Execution System) begleitet, auf IT-Ebene verfügt die smartfactory@tugraz über ein PLM- und ein ERP-System. Über diese informatorische Infrastruktur können Produkte konstruiert, Produktionsprozesse geplant, Produktionsaufträge generiert und durchgeführt und abschließend rückgemeldet werden. Einmal mehr zusammengefasst: Es ist alles verfügbar, was für eine glaubhaft echte und vollständige Produktion nötig ist. Und damit auch richtig produziert werden kann, hat man sich beim Demonstrator (Schauprodukt) für ein Produkt des Typs

TOP-THEMA im Bereich der Montage Erweiterungs-MAS aufwändig angewurde über sogenannte schlossen werden müssen, können die „Mobile Arbeitsstatio- geplante Änderung bzw. Anpassung nen (MAS)“ realisiert. sehr rasch vollzogen und die Zeiten Diese MAS bestehen aus des Produktionsstopps sehr gering geeinem für universelle An- halten werden. wendungen standardiEine aktuelle Forschungsaufgabe sierten Grundgestell, das besteht in der automatisierten, mannauf Rollen fahrbar gela- losen Reorganisation von Montageligert ist und jeweils auf nien, in dem die MAS unter ZuhilfeArbeitshöhe eine Auf- nahme eines flach bauenden Roboters spannfläche von 700 mm entkoppelt und gemäß der neuen Abb. 1: Ausführung von Mobilen Arbeitsstationen x 700 mm mit Nuten- Konfiguration selbsttätig neu aufstellt (links: Akkumulator, rechts: Druckluftkessel) profilen bietet. Darauf werden. Die dahinterstehende Idee ist „Wellgetriebe“ entschieden, welches werden die verfügbaren bzw. nötigen die, dass alle benötigten MAS für die für eine Variantenfertigung in 18 ver- Funktionsbausteine einer Montage Montagelinie eines neuen Produkts schiedenen Ausführungen vorbereitet wie z.B. Handhaben und Positionie- über Nacht neu aufgestellt werden ist. ren über Roboter, Fügen von Bau- können und durch die Mitarbeiter teilen, Lager einpressen, Verschrau- nur noch wenige Feinarbeiten vor Die Forschungs-Infrastruktur für ben, Kennzeichnen, etc. aufgebaut. dem Neustart durchgeführt werden Agilität Diese Art der Modularisierung soll müssen. später erlauben, über diese mobilen Agilität ist die neue Antwort zur Be- Einheiten für ein neues Produkt die Integrativer Bestandteil einer agiwältigung dynamischer und immer entsprechend neu nötige Abfolge von len Montage sind selbstverständlich individueller ausgerichteter Märkte, wertschöpfenden Tätigkeiten rasch auch die dazugehörigen logistischen ist damit also jene Fähigkeit, eine und einfach zu arrangieren. Wesent- Teilprozesse. Da der Einsatz von Produktion für solche neuen Pro- lich für einen unkomplizierten und Förderbändern mit starren Längen dukte rasch umbauen bzw. adaptie- schnellen Umbau ist dabei die Autar- und starrer Ausrichtung in einem ren zu können. Agilität wird mittler- kie dieser MAS, d.h., es sollten für agilen Konzept natürlich keine Beweile sehr oft als Lösung adressiert, eine Reorganisation möglichst keine rechtigung mehr haben, setzt man wie jedoch konkrete physische Lö- aufwändigen Entkopplungsarbeiten auf mobile Transportroboter (AGV sungen dazu aussehen können, fehlt von zuvor verketteten und verka- + aufgesetzter kraftsensitiver Roin aller Regel. Darum hat es sich die belten MAS stattfinden müssen. Die boter), dies mit einem Produkt von smartfactory@tugraz zur Aufgabe Schaffung solch autarker MAS sah incubedIT und einem von Evcocorgemacht, genau dafür entsprechende nun vor, dass z.B. die Energieversor- tex, womit auch zwei verschiedene Umsetzungen zu entwickeln und dar- gung (Strom, Druckluft) an Bord der Navigationssysteme vorgestellt werzustellen. MAS gebracht wurde, d.h., dass im den können. Ein ganz besonderes In einer Produktion agil sein heißt, konkreten Fall dafür Akkumulatoren Glanzstück der modernsten Intradass die Elemente einer Wertschöp- bzw. Druckluftkessel im Unterbau logistik konnte aus dem Hause B&R fungskette sehr universell einsetzbar des Grundgestells eingebaut wurden implementiert werden. Das Produkt und sehr leicht ortsveränderlich sein (siehe Abb. 1). Um auch im Rahmen ACOPOStrak, ein modulares System müssen. Auch wenn dies nicht für der informatorischen Versorgung frei aus Linearmotoren (siehe Abb. 3), ergroße Aggregate wie Öfen, Pressen, von kabelgebundenen Verbindungen laubt nicht nur ausgesprochen hohe Werkzeugmaschinen, Lackieranlagen (autark) zu sein, wurde auf WLAN- Weitergabe-Geschwindigkeiten und und dergleichen umsetzbar ist, bieten und 5G-basiserte Kommunikation Präzisionsstopps, sondern es kann in sich immer noch die Bereiche Monta- gesetzt. In der smartfactory@tugraz der vorliegenden Konfiguration auch ge, Vermessung, Reinigung, Prüfung, wurden insgesamt 13 solcher Kennzeichnung und Verpackung an, autarken MAS aufgebaut. die der gesamten Fabrik zu einer agiDie dargestellte Autarkie len Aufstellung verhelfen können. In stärkt auch die Agilität im der smartfactory@tugraz hat man Bereich des Austauschs von dies exemplarisch für die Montage- Aggregaten (im Schadenslinie des besagten Wellgetriebes um- fall oder für die präventive gesetzt. Instandhaltung) als auch im Agile Konzepte benötigen maxi- Bereich der Skalierung von male Möglichkeiten für die rasche Re- Montagelinien zur Erhöhung konfiguration von Material- und Da- des Ausstoßes. Indem bei tenströmen, von Bearbeitungsfolgen diesen MAS keine kabelgeund der dazugehörigen peripheren bundenen VersorgungsstränProzesse. Die Realisierung in der ge abgekoppelt, bzw. nach Abb. 2: Intralogistik auf modernstem Standard, Grazer Forschungs-und Lernfabrik Einfahren des Ersatz- oder ACOPOStrak von B&R

WINGbusiness 3/2021

TOP-THEMA

Abb. 3: Datenverkehrsüberwachung über Nozomi-Box

zum Ändern von Reihenfolgen und zum Puffern verwendet werden, also ein absolutes speedy highlight für die Ingenieure und die Agilität in der smartfactory@tugraz. Die Forschungs-Infrastruktur für Datensicherheit Indem in einer smarten Fabrik in hohem Maß mit den Diensten des Internet gearbeitet wird, muss diese gleichzeitige Exponiertheit auch entsprechend geschützt werden. Weltweit zeigen zahlreiche desaströse Beispiele aus der Industrie immer wieder die fatalen Konsequenzen, wenn die Infrastruktur einer vernetzten Fabrik nicht ausreichend geschützt ist. Somit war es auch beim Aufbau der smartfactory@tugraz die erklärte Aufgabe, dass hierfür moderne Lösungen angewendet und gezeigt werden. Nebst den sehr elementaren Grundsicherungen, dass nur mit gepatchten Schnittstellen und Firewalls gearbeitet wird, kommen in der smartfactory@tugraz genau 2 konzeptionelle Vorkehrungen für mehr Sicherheit im Sinn der Security zur Anwendung. Dies ist zum Einen die Segmentierung in Schutzzonen und zum Anderen die Datenstromüberwachung der gesamten Fabrik. Um im Fall eines erfolgreichen Angriffs nicht die gesamte Fabrik betroffen zu machen, werden bei der Zonenbildung alle Einrichtungen (insbesondere Daten- und Programmserver) der smartfactory@tugraz in separaten Schutzzonen zusammengefasst, auf diese Weise differenziert verwaltet und somit besser geschützt. Man kann diese Vorgehensweise mit der Gliederung eines Bauobjekts in Brandschutzbereiche vergleichen. Die genannte Datenstromüberwachung funktioniert über eine sogenannte „Nozomi-Box“ (siehe Abb 3). Das ist ein klein bauendes Gerät mit SW, welche sämtliche Datenflüsse der

WINGbusiness 3/2021

Fabrik auf Anomalien hin überprüft. Sollte ein Datensatz unüblich und aus der Norm sein, wird ein Alarm ausgelöst, der unmittelbar die Chance gibt, diese Informationsflüsse inhaltlich zu überprüfen und gegebenenfalls sofort Gegenmaßnahmen einzuleiten. Um diese Erkennung möglich zu machen, muss diese SW anfangs die für den Fabrikbetrieb typischen Datenströme kennen lernen, was im konkreten Fall nicht explizit getriggert werden muss, weil der Lernprozess sofort nach Aktivierung der Box umfassend startet. Weitere technologische Themen in der Smart Factory

ein kollaborativer Arbeitsbereich eingerichtet, um gerade auch das Thema Arbeitssicherheit, Risiko-Beurteilung und andere Anforderungen zu zeigen, die bei Nutzung dieser neuen Generation an Robotern zu berücksichtigen ist. Im Rahmen von Laborübungen arbeiten die Studierenden – aber auch angemeldete Besucher von externen Unternehmen - an und in diesem kollaborativen Arbeitssystem. Als weitere Einzigartigkeit muss auch die realisierte datentechnische Verbindung von PLM, ERP und MES in der smartfactory@tugraz erwähnt werden. Diese 3 Kernsysteme einer informatorischen Begleitung einer Produktion kommen in aller Regel von verschiedenen Herstellern und sind daher auch oft sehr isolierte Systeme, obwohl sie vielfach mit denselben Stammdaten arbeiten müssen. In der Pilotfabrik der TU Graz ist es gelungen, diese 3 Systeme über einen Enterprise-Service-Bus der Marke „PdM-Webconnector“ von TSystems durchgängig zu verbinden, d.h., Stammdaten die im Engineering (PLM) zu einem Produkt erzeugt wurden, stehen automatisch im ERP zur Verfügung, um damit Aufträge zu generieren, die die in der Folge ans MES weitergereicht werden können, obwohl dieser Datenfluss über Systeme von drei verschiedenen Herstellern läuft (siehe Abb. 4).

Wenngleich es um 2 Schwerpunkte in der smartfactory@tugraz geht, darf für das Forschungs- und Lehrangebot im Rahmen der digitalen Transformation in der Produktion eine Reihe von anderen technologischen Themen nicht fehlen. In einem Nebenraum wird z.B. die Metalladditive Fertigung mit 2 Laserschmelzanlagen und der dazugehörigen Peripherie betrieben und steht damit ebenso als erlebbare disruptive Technologie zur Verfügung. Für die komplexen Vorplanungsprozesse wird auf Spezialsoftware zugegriffen und unter Einbeziehung der zur Verfügung stehenden Zerspanungsmaschinen kann der gesamte additive Prozess bestens verfolgt werden. Im Bereich der Robotik wird die Interaktionsfähigkeit von Industrie-Robotern u nt er s c h ie d l ic her Hersteller gezeigt, welche über das TIA-Portal aus der Tecnomatix-Familie von Siemens realisiert wurde. Als Teil der Roboteranwen- Abb. 4: Datenintegration über Enterprise Service Bus auf dungen wurde auch IT-Ebene

TOP-THEMA

Abb. 5: 5G Infrastruktur

Die systematische Erfassung von Prozessdaten und deren Bereitstellung für Analysezwecke sind ein weiteres must-have einer smart-factory. Diese Herausforderung wurde insofern gesteigert, als man bewusst auf eine hohe Heterogenität des Anlagenparks gesetzt hat, um zu zeigen, dass man auch von den Maschinen mit sehr unterschiedlichen Protokollen zu den gewünschten Datentransfers in diverse Data Lakes gelangt. Letztlich werden in der smartfactory@ tugraz Prozessdaten mit exotischeren Protokollen über Middleware in das Format OPC-UA transponiert, um der Data Analytics konsolidierte Daten in der Cloud bereitstellen zu können. Als letztes Highlight der Grazer Forschungs- und Lernfabrik smartfactory@tugraz sei noch die installierte 5G-Campus-Lösung (siehe Abb. 5) vorgestellt, die für die Versuchsfläche im Ausmaß von ca. 300 m2 ein hochleistungsfähiges, abgesichertes Kommunikationsnetz für einen zeitsensiblen und datenintensiven Informationsaustausch nötig ist. Damit eröffnet sich ein zukunftsträchtiges Forschungsfeld, das viele zukunftsweisende, bildunterstützende und latenz-kritische Anwendungen testen und weiterentwickeln lässt. Nutzungsformen Die mit der smartfactory@tugraz aufgebaute Infrastruktur wird im Wesentlichen in drei Formen genutzt. Zum Ersten ist es eine Forschungsstätte für das Betreiber-Institut, das Institut für Fertigungstechnik, welches nun auf modernste Betriebsmittel und hochspezialisierte Software als Bestandteile eines Cyberphysikalischen Produktionssystems

zugreifen kann. Aber auch andere Institute der TU Graz können dieses moderne Labor nutzen. Zum Zweiten dient die smartfactory@tugraz der Lehre. Mittlerweile werden dort die „Laborübungen smart factory“ abgehalten, und auch Auszüge von facheinschlägigen Vorlesungen werden zur Veranschaulichung unmittelbar in dieser Umgebung durchgeführt. Zum Dritten steht diese Forschungsund Lernfabrik auch externen Betrieben aus Gewerbe und Industrie offen. Es ist die explizite Aufgabe der smartfactory@tugraz, dies auch als Auftrag des öffentlichen Fördergebers, dass die genannten Betriebe, hierin wieder ganz besonders die Klein- und Mittelbetriebe, diese Infrastruktur zur Weiterbildung und zur Platzierung von Auftragsforschung und Entwicklung im Kontext der digitalisierten Produktion nutzen sollen. Es ist die ideale Umgebung, um die digitale Transformation kennenlernen, exemplarisch testen und für die eigenen Zwecke vorbereiten zu können. Finanzierung und Anerkennung Das Projektvolumen des Aufbaus der smartfactory@tugraz beläuft sich auf ca. 4 Mio. €. Die Finanzierung dieser Summe wurde zur Hälfte aus Mitteln des damaligen Bundesm inisteriu ms für Verkehr, Infrastruktur und Technologie (bmvit) bestritten, die andere Hälfte stammt aus Sachund Geldmitteln der folgenden Firmen: Siemens AG Österreich,

T-Systems Austria GesmbH, proALPHA Software Austria GmbH, SoliDat Solutions in Data Processing GmbH, incubed IT GmbH, Know Center GmbH, TAGnology RFID GmbH, Anton Paar GmbH, AVL List GmbH, B&R Industrial Automation GmbH, DMG MORI Austria GmbH, FESTO GmbH, GGW Gruber & Co GmbH, NXP Semiconductors Austria GmbH, Infineon Technologies Austria AG, Magna Steyr Fahrzeugtechnik AG & Co KG, Magna Powertrain GmbH, TCM International Tool Consulting & Management GmbH, Voestalpine Stahl GmbH und Zoller Austria GmbH. An dieser Stelle sei einmal mehr der Dank an alle diese finanzierenden Organisationen ausgesprochen, ohne deren finanzieller und inhaltlicher Unterstützung die smartfactory@tugraz nie entstehen hätte können. Autor: Dipl.-Ing. Dr. techn. Rudolf Pichler studierte Wirtschaftsingenieurwesen - Maschinenbau an der TU Graz und promovierte am Institut für Wirtschafts- und Betriebswissenschaften. Im Anschluss war er 20 Jahre lang immer in produktionsrelevanten Führungs-funktionen für Unternehmen wie Zumtobel AG, Umdasch AG, Siemens AG, TCM Tool Consulting und Management GmbH und im Anlagenbau tätig. Von 2015-2020 bekleidete Herr Pichler die Stiftungsprofessor für Advanced Manufacturing am Institut für Fertigungstechnik und baute dabei auch die Lernfabrik „smartfactory@tugraz“ auf, welche er nun als Senior Researcher leitet.

Dipl.-Ing. Dr. techn. Rudolf Pichler Senior Researcher Lernfabrik „smartfactory@tugraz“

WINGbusiness 3/2021

TOP-THEMA

Astrid Weyand, Stefan Schmitt, Ghada Elserafi, Lars Petruschke, Matthias Weigold

Produktspezifische CO2-Bilanzierung in Lernfabriken Entwicklung eines Vorgehens zur systematischen Erweiterung von Lernfabriken Aufgrund der ständigen Veränderungen im Produktionsumfeld und der zunehmenden Relevanz von Nachhaltigkeit und Digitalisierung im industriellen Bereich besteht auch bei Lernfabriken der Bedarf, diese konstant weiterzuentwickeln. Um diese Weiterentwicklung zu erreichen, müssen in Lernfabriken nicht nur die Lerninhalte, sondern auch die technische Infrastruktur für den Wissenstransfer ausgebaut werden. Um ein systematisches Vorgehen bei der Erweiterung bestehender Lernfabriken zu ermöglichen, wurde das kompetenzbasierte Design für die Entwicklung von Lernfabriken als Grundlage herangezogen und mit Fokus auf den Ausbau der technischen Infrastruktur weiterentwickelt. Nachfolgend wird dieser Ansatz auf die Lernfabrik für Energieproduktivität (LEP) an der Technischen Universität Darmstadt angewendet. Der Anwendungsfall fokussiert sich auf das Thema der produktspezifischen CO2-Bilanzierung, der entwickelte Ansatz kann aber auf eine Vielzahl von Themen angewendet werden. 1. Einleitung Die Reduktion von Treibhausgasemissionen (THG) zur Minderung des Klimawandels ist heute eine der größten Herausforderungen, die insbesondere im globalen Pariser Klimaabkommen (United Nations 2021) definiert wurde. Da die Industrie einer der Sektoren ist, der die meisten Treibhausgase ausstößt (Ritchie 2020), werden auf politischer Ebene verschiedene Ziele zur Reduzierung dieser industriellen Emissionen gesetzt, z. B. im europäischen Green Deal (European Comission 2019). Für Unternehmen bedeutet dies, dass sie Hotspots in ihrer Produktion systematisch aufspüren und Maßnahmen identifizieren

WINGbusiness 3/2021

müssen, mit denen Ressourcen effizienter eingesetzt werden können. Für diese sogenannte Hotspot-Analyse kann die produktspezifische CO2Bilanzierung eine sinnvolle Methode darstellen (DIN e.V. 2021). Lernfabriken haben sich bereits vielfach als nützlich erwiesen, um den Mitarbeiter:innen in der Industrie neue Kompetenzen zu vermitteln. Allerdings lehren die meisten Lernfabriken aktuell Themen wie Lean Production oder Digitalisierung, nur wenige beschäftigen sich mit Energie- oder Ressourceneffizienz (Sudhoff et al. 2020). Um neue Themen wie die CO2-Bilanzierung zu adressieren, muss dabei keine komplette Neuentwicklung oder ein Neuauf-

bau von Lernumgebungen erfolgen, stattdessen lassen sich bestehende Lernfabriken für diese Themen umbauen. Im Folgenden wird dafür ein systematischer Ansatz vorgestellt. Er lässt sich generell auf neue Themen anwenden, die in Lernfabriken umgesetzt und gelehrt werden sollen. 2. Grundlagen 2.1. Lernfabrik für Energieproduktivität (LEP) Die Lernfabrik für Energieproduktivität (LEP) ist ein Teil der ETA-Lernfabrik (Abele et al. 2017). Die LEP konzentriert sich auf Kompetenzen

TOP-THEMA rund um das Thema Energieeffizienz und bildet den Produktionsprozess eines Getriebes ab. Zu den Prozessschritten gehören unter anderem ein Drehprozess, eine Wärmebehandlung und eine Roboterzelle zur Reinigung. Im ineffizienten Zustand der Lernumgebung wird durch verschiedene Verschwendungsarten gezielt Energie verschwendet, während im effizienten Zustand verschiedene Effizienzmaßnahmen umgesetzt werden. Die Workshop-Teilnehmer:innen suchen in den Praxisteilen der Workshops systematisch nach Maßnahmen, die sie zuvor in der Theorie erlernt haben. Obwohl einige der im Zielzustand umgesetzten Maßnahmen auch den Verbrauch von anderen Ressourcen beeinflusst haben (z. B. Druckluft oder Frischwasser), wurde in der LEP bisher nur die elektrische Energie betrachtet. Die resultierenden Einsparungen in Form von CO2-Äquivalenten bei den nicht-elektrischen Ressourcen konnten daher nicht berechnet werden.

fert die Norm DIN EN ISO 14040 ff., in der das sogenannte Life Cycle Assessment (LCA) beschrieben wird. Die Norm schlägt eine Vorgehensweise vor, die aus vier Schritten besteht: der Definition des Ziels und des Untersuchungsrahmens, der Sachbilanz, der Wirkungsabschätzung sowie der Interpretation der Ergebnisse (DIN e.V. 2021). Für die produktspezifische CO2-Bilanz ist die Durchführung der Sachbilanz eine Herausforderung, da Allokationen von Ressourcenverbräuchen zu einzelnen Produkten aufgrund der Ungenauigkeit vermieden werden sollten (Smith 2004). Tracking & Tracing-Systeme können dabei helfen, die Produkte zu verfolgen und mit dem Ressourcenverbrauch während eines bestimmten Zeitraums zu verknüpfen (Liukkonen and Tsai 2016), sodass sie diesen Produkten für die CO2-Bilanz genau zugerechnet werden können.

2.2. Produktspezifische CO2-Bilanzierung

Das entwickelte Vorgehen zur Erweiterung bestehender Lernfabriken besteht aus vier Schritten, die in Abb. 1 dargestellt sind. Im Folgenden werden die vier Schritte sowohl auf allgemeiner Ebene detailliert beschrieben als auch auf das Thema der produktspezifischen Carbon Footprint-Analyse angewendet.

Wie bereits in der Einleitung erwähnt, gewinnt die CO2-Bilanzierung im Zusammenhang mit dem fortschreitenden Klimawandel zunehmend an Bedeutung. Da es unterschiedliche Definitionen für den Begriff des Car-

3. Vorgehen zur Erweiterung von Lernfabriken

Das neue Thema, welches in die bestehende Lernfabrik LEP implementiert werden soll, ist Ressourceneffizienz durch produktspezifische CO2-Bilanzierung. Die abgeleiteten Kompetenzen werden gesammelt und in Expertendiskussionen weiter in Teilkompetenzen unterteilt, wobei das bereits erwähnte GHG-Protocol und die DIN EN ISO 14040 zur Ökobilanzierung herangezogen werden. Der zweite Schritt des Ansatzes beinhaltet die Ableitung von Anforderungen an die Lernumgebung, basierend auf den in Schritt 1 definierten Kompetenzen. Dies kann beispielsweise bezogen sein auf die technische Ausstattung wie Messtechnik, die vorhanden sein muss, um die Kompetenzen zu vermitteln. Es fallen aber auch organisatorische Aspekte und Anforderungen bezogen auf das Personal darunter. Nachdem die Anforderungen in Schritt 2 abgeleitet wurden, werden sie in Schritt 3 mit der aktuellen Lernumgebung verglichen. Jede geforderte Ausstattung, die nicht bereits in der Lernumgebung vorhanden ist, muss in Schritt 4 nachträglich in der Lernumgebung implementiert werden, entweder durch die Integration neuer Geräte in bestehende Lernmodule oder die Entwicklung komplett neuer Lernmodule. Dies kann in Anlehnung an den Ansatz von (Enke et al. 2015) erfolgen. Die Umgestaltung

Abb. 1. Vorgehensweise bei der Implementierung neuer Themen in Lernfabriken (In Anlehnung an Weyand et al. 2021).

bon Footprint bzw. der CO2-Bilanz gibt, definieren die Autor:innen ihn in dieser Arbeit in Anlehnung an (Wiedmann and Minx 2008) als die Menge an Treibhausgasen, die von einem Produkt oder einer Dienstleistung emittiert wird, in der Einheit kg CO2Äquivalent. Bei der Berechnung der CO2-Bilanz ist das Greenhouse Gas (GHG)-Protocol ein weit verbreiteter Standard, welcher die Emissionen in drei Kategorien, sogenannte Scopes, unterteilt. Einen weiterer Standard zur Berechnung der CO2-Bilanz lie-

In Schritt 1 werden die Zielkompetenzen für das zu vermittelnde Thema definiert. Hierfür kann die Kompetenztransformation von (Tisch et al. 2013) verwendet werden. Dabei erfolgt eine Aufstellung von Kompetenzen, Teilkompetenzen, zugehörigen Handlungen und der benötigten Wissensbasis. Dies geschieht bei dem neuen, noch nicht vollständig ausdefinierten Thema der CO2-Bilanzierung und Ressourceneffizienz auf Basis von Expert:innengesprächen und Gruppendiskussionen.

der LEP wird im Folgenden detaillierter beschrieben. 4. Anwendungsfall: Umgestaltung der LEP für produktspezifische CO2-Bilanzierung Nach der Durchführung von Schritt 1 und Schritt 2 wurden benötigte Kompetenzen für die Vermittlung von Ressourceneffizienz und CO2Bilanzierung gesammelt und Anforderungen an die LEP abgeleitet. Die Umsetzung der nach dem Abgleich

WINGbusiness 3/2021

TOP-THEMA in Schritt 3 noch fehlenden Aspekte wird im Folgenden näher beschrieben. 4.1. Sensorik, Tracking & TracingKonzept und Visualisierung Für die CO2-Bilanzierung in der LEP muss zunächst das Sensorkonzept erweitert werden, um eine produktspezifische Betrachtung der CO2-Emissionen auf Basis von Messdaten zu ermöglichen. Um neben der elektrischen Energie, die bereits mit Leistungsmessern gemessen wird, auch andere Ressourcen zu erfassen, werden neue und andere Sensoren, bspw. für Druckluft und Wärmeströme implementiert. Außerdem ist zur Rückverfolgbarkeit der Ressourcenbedarfe entlang der Produktionsprozesse eine Tracking & Tracing-Strategie notwendig. Die Fähigkeit von Teilnehmer:innen, sich für eine geeignete Tracking & Tracing-Technologie zu entscheiden, wird als eine wichtige Kompetenz angesehen, wenn es um das Thema der produktspezifischen CO2-Bilanz geht. Aus diesem Grund wird in der LEP Tracking & Tracing durch den Einsatz verschiedener Systeme realisiert. Die aufgezeichneten Daten werden in eine SQL-Datenbank hochgeladen und den entsprechenden Prozessen und Bauteilen zugeordnet, wobei Verbräuche in nicht-produktiven Zeiten auf die Endprodukte einer Schicht zu gleichen Teilen verteilt werden. Die Verbräuche werden an den einzelnen Stationen gemessen

und von einer speicherprogrammierbaren Steuerung (SPS) ausgelesen. Zusätzlich werden Handscanner zur Erfassung der Identifikationsnummern (IDs) eingesetzt. Die Anzahl der fertigen Wellen wird mit Hilfe von Relais-Hilfskontakten in der Drehmaschine ermittelt. Alle in der SPS erfassten Daten werden per Open Platform Communications United Architecture (OPC-UA) an die Energiemonitoring-Datenbank EnEffCo übertragen. Eine Besonderheit der Lernfabrik ist, dass sie von einem ineffizienten in einen effizienten Zustand überführt werden kann. Dies ermöglicht die Visualisierung von Optimierungspotenzialen bezüglich der jeweiligen Maschinen und ihrer Nebenaggregate. Im Umfeld der Lernfabrik werden alle Halbzeuge am Anfang der Prozesskette erfasst und deren TreibhausgasEmissionen über eine CO2-Äquivalent-Datenbank ermittelt. Emissionen aus dem nachgelagerten Transport werden berücksichtigt, indem der Benutzer variable Transportmittel und -wege vorgeben kann, die dann zur Berechnung der entsprechenden Emissionen herangezogen werden. Die gesammelten Informationen werden in Echtzeit in einem Dashboard visualisiert, das den Energiebedarf der abgeschlossenen Prozessschritte und Bauteile anzeigt. Das Datenhandling wird durch Python-Skripte erleichtert, wie in Abb. 2 schematisch dargestellt.

4.2. Umsetzung von Maßnahmen Um den Teilnehmer:innen zu vermitteln, wie sie nach der durchgeführten CO2-Bilanzierung Verbesserungsmaßnahmen identifizieren können, müssen in der Lernumgebung potenzielle Maßnahmen und deren Auswirkungen aufgezeigt werden. In der LEP hat der Drehprozess den höchsten Anteil an den Gesamt-CO2-Emissionen, daher liegt der Fokus auf der Drehmaschine. Neben dem Ressourcenbedarf und den CO2-Emissionen der gesamten Maschine pro Schicht werden auch die Werte verschiedener Nebenaggregate auf dem Dashboard dargestellt (s. Abb. 2). Im effizienten Zustand können im Vergleich zum ineffizienten Ausgangszustand, unter Berücksichtigung der gesamten Maschine, Einsparungen von fast 30 % bzw. 125 g CO2-Äquivalent pro Bauteil erzielt werden. Bei Betrachtung des Schaltschrankkühlers bzw. der Hydraulikeinheit ergeben sich Einsparungen von ca. 93 % bzw. 47 %. Die in der LEP eingesetzte Drehmaschine ist von ihrer Konfiguration her eine Besonderheit: Um den Unterschied zwischen energieeffizienten und ineffizienten Maschinenkonfigurationen sowie den damit verbundenen Einfluss auf die entsprechenden CO2-Emissionen zu demonstrieren, ist die Maschine teilweise mit redundanten Nebenaggregaten ausgestattet. Sie ist ein Demonstrator im realen Maßstab, unterscheidet sich aber durch diese Redundanz

Abb. 2. Ablauf der Datenerfassung und Struktur der CO2-Bilanzierung in der LEP (in Anlehnung an Weyand et al. 2021).

WINGbusiness 3/2021

TOP-THEMA der Nebenaggregate von in der Industrie eingesetzten Maschinen. Die Maschine verfügt sowohl über einen ineffizienten Schaltschrankkühler als auch über eine energieeffiziente Version mit drehzahlvariablem Kompressor sowie Heat Pipe-Technologie. Außerdem besteht die Möglichkeit, innerhalb weniger Minuten zwischen verschiedenen Regelungsarten des Hydraulikaggregats zu wechseln (kontinuierlicher Betrieb mit BypassRegelung vs. drehzahlvariabler Betrieb). Eine weitere Maßnahme an der Drehmaschine ist ein getakteter Späneförderer, da dieser eine Einsparung von über 95 % im Vergleich zu einem kontinuierlich laufenden Förderer bewirkt. Ein großer Teil des Energiebedarfs wird durch die Arbeitsspindel und die Antriebe verursacht, sodass eine erhöhte Schnitttiefe und Vorschubgeschwindigkeit, realisiert in der numerischen Steuerung der Maschine, zu kürzeren Bearbeitungszeiten und damit zu einem geringeren Energiebedarf führt. Ebenso führt das Abschalten der Arbeitsspindel und der Antriebe nach der Bearbeitung zu Einsparungen, genauso wie ein reduzierter Volumenstrom in der Kühlschmierstoffversorgung und eine zeitlich begrenzte Aktivierung der Druckluftpistole. Die Einsparungen all dieser Maßnahmen können im Dashboard für jedes Produkt dargestellt werden, um die Workshop-Teilnehmer:innen für die Auswirkungen von Ressourceneffizienzmaßnahmen und den Nutzen einer produktspezifischen CO2-Bilanz zu sensibilisieren. 5. Fazit und Ausblick Der Artikel stellt ein allgemeines Vorgehen vor, wie bestehende Lernfabriken für neue Themen umgestaltet werden können, um auch zunehmend an Relevanz gewinnende Themen wie Ressourceneffizienz und CO2Bilanzierung für die Industrie und in der universitären Lehre vermitteln zu können. Die praktische Anwendung dieses Vorgehens findet in der Lernfabrik für Energieproduktivität an der Technischen Universität Darmstadt statt. Dort wurden verschiedene Maßnahmen an den Prozessen und an einzelnen Maschinen umgesetzt,

um neben dem schon vorhandenen Thema Energieeffizienz auch für die Themen Ressourceneffizienz und CO2-Bilanzierung sensibilisieren zu können. Mit Hilfe des vorgestellten Ansatzes kann das Thema künftig auch in anderen Lernumgebungen umgesetzt werden. Darüber hinaus kann der Ansatz perspektivisch auch auf andere Themen, wie z.B. Industrie 4.0, angewendet werden. Danksagung Die Autor:innen danken dem Bundesministerium für Wirtschaft und Energie (BMWi) für die Förderung von Teilen der vorgestellten Arbeit im Rahmen des Projekts Mittelstand 4.0-Kompetenzzentrum Darmstadt. Literaturverzeichnis: Abele, Eberhard; Chryssolouris, George; Sihn, Wilfried; Metternich, Joachim; ElMaraghy, Hoda; Seliger, Günther et al. (2017): Learning factories for future oriented research and education in manufacturing. In CIRP Annals 66 (2), S. 803–826. DOI: 10.1016/j.cirp.2017.05.005. DIN e.V. (2021): DIN EN ISO 14040:2021-02, Umweltmanagement_Ökobilanz_Grundsätze und Rahmenbedingungen (ISO_14040:2006_+ Amd_1:2020); Deutsche Fassung EN_ISO_14040:2006_+ A1:2020. Berlin. Enke, J.; Kraft, K.; Metternich, J. (2015): Competency-oriented Design of Learning Modules. In Procedia CIRP 32, S. 7–12. DOI: 10.1016/j. procir.2015.02.211. European Comission (2019): A European Green Deal. Online verfügbar unter: https://ec.europa.eu/info/strategy/priorities-2019-2024/europeangreen-deal_en, zuletzt geprüft am 23.02.2021. Liukkonen, Mika; Tsai, Tsung-Nan (2016): Toward decentralized intelligence in manufacturing: recent trends in automatic identification of things. In Int J Adv Manuf Technol 87 (9-12), S. 2509–2531. DOI: 10.1007/s00170-016-8628-y. Ritchie, Hannah (2020): Sector by sector: where do global greenhouse gas emissions come from? Edited by

Our World in Data. Online verfügbar unter: https://ourworldindata. org/ghg-emissions-by-sector, zuletzt geprüft am 2/23/2021. Smith, Bryan (2004): The greenhouse gas protocol. A corporate accounting and reporting standard. Rev. ed. Washington, DC, ConchesGeneva: World Resources Institute; World Business Council for Sustainable Development. Sudhoff, Martin; Prinz, Christopher; Kuhlenkötter, Bernd (2020): A Systematic Analysis of Learning Factories in Germany - Concepts, Production Processes, Didactics. In Procedia Manufacturing 45, S. 114–120. DOI: 10.1016/j.promfg.2020.04.081. Tisch, M.; Hertle, C.; Cachay, J.; Abele, E.; Metternich, J.; Tenberg, R. (2013): A Systematic Approach on Developing Action-oriented, Competency-based Learning Factories. In Procedia CIRP 7, S. 580–585. DOI: 10.1016/j.procir.2013.06.036. United Nations (2021): The Paris Agreement | United Nations. Available online at https://www.un.org/en/ climatechange/paris-agreement, zuletzt geprüft am 23.02.2021. Weyand, Astrid; Schmitt, Stefan; Petruschke, Lars; Elserafi, Ghada; Weigold, Matthias (2021): Approach for Implementing New Topics in Learning Factories – Application of Product-specific Carbon Footprint Analysis. In SSRN Journal. DOI: 10.2139/ssrn.3863447. Wiedmann, Thomas; Minx, Jan Christoph (2008): A Definition of 'Carbon Footprint'. In C. C. Pertsova, EcologicalEconomics Research Trends: Chapter 1, S. 1-11, Nova Science Publishers, Hauppauge NY, USA. Autor:innen: Astrid Weyand, M.Sc., geb. 1994, studierte allgemeinen Maschinenbau an der Technischen Universität Darmstadt. Seit 2019 ist sie am Institut für Produktionsmanagement, Technologie und Werkzeugmaschinen (PTW) der Technischen Universität Darmstadt als wissenschaftliche Mitarbeiterin für Ressourceneffizienz und CO2Bilanzierung tätig.

WINGbusiness 3/2021

TOP-THEMA Stefan Schmitt, B.Sc., geb. 1994, studiert allgemeine Mechatronik an der Technischen Universität Darmstadt. Seit 2019 ist er am Institut für Produktionsmanagement, Technologie und Werkzeugmaschinen (PTW) der Technischen Universität Darmstadt als Trainee tätig. Ghada Elserafi, M.Sc. M.Sc., geb. 1993, studierte allgemeinen Maschinenbau und Energy Science and Engineering an der Technischen Universität Darmstadt. Seit 2019 ist sie am Institut für Produktionsmanagement, Technologie und Werkzeugmaschinen (PTW) der Technischen Universität Darmstadt als wissenschaftliche

Mitarbeiterin im Bereich energieoptimierter Produktionsmaschinen tätig. Lars Petruschke, M.Sc., geb. 1989, studierte Wirtschaftsingenieurwesen mit technischer Fachrichtung Maschinenbau an der Technischen Universität Darmstadt. Seit 2017 ist er am Institut für Produktionsmanagement, Technologie und Werkzeugmaschinen (PTW) der Technischen Universität Darmstadt als wissenschaftlicher Mitarbeiter im Bereich energieoptimierter Produktionsmaschinen tätig. Als Oberingenieur ist er seit 2021 für die Forschungsgruppe Energietechnologien und Anwendungen in

der Produktion (ETA) des PTW verantwortlich. Prof. Dr.-Ing. Matthias Weigold, geb. 1977, studierte allgemeinen Maschinenbau an der Technischen Universität Darmstadt und promovierte am Institut für Produktionsmanagement, Technologie und Werkzeugmaschinen (PTW). Während seiner elfjährigen Industrietätigkeit sammelte er internationale Erfahrung in leitender Funktion im Bereich Manufacturing und als Product Owner im Bereich Digital Manufacturing. Prof. Weigold wurde 2019 an die TU Darmstadt berufen und leitet seitdem das Institut PTW.

Astrid Weyand, M.Sc.

Stefan Schmitt, B.Sc

wissenschaftliche Mitarbeiterin am Institut für Produktionsmanagement, Technologie und Werkzeugmaschinen (PTW), TU Darmstadt

Trainee am Institut für Produktionsmanagement, Technologie und Werkzeugmaschinen (PTW), TU Darmstadt

Ghada Elserafi, M.Sc. M.Sc.,

Lars Petruschke, M.Sc.

wissenschaftliche Mitarbeiterin am Institut für Produktionsmanagement, Technologie und Werkzeugmaschinen (PTW), TU Darmstadt

Oberingenieur am Institut für Produktionsmanagement, Technologie und Werkzeugmaschinen (PTW), TU Darmstadt

Prof. Dr.-Ing. Matthias Weigold Leiter des Instituts für Produktionsmanagement, Technologie und Werkzeugmaschinen (PTW), TU Darmstadt

WINGbusiness 3/2021

UNINACHRICHTEN

Maria Hulla

CLF 2021

ie 11th International Conference on Learning Factories 2021 (CLF 2021) fand vom 1. bis 2. Juli 2021 vor allem online aber auch in Präsenz statt und wurde vom Institut für Innovation und Industrie Management der TU Graz organisiert. Mehr als 140 TeilnehmerInnen aus 26 verschiedenen Ländern - unter anderem aus Brasilien, Kanada, Singapur, Portugal, China und Südafrika - nahmen teil. Am ersten Konferenztag stand zunächst die Eröffnung mit Vorträgen des Conference Chairs Prof. Christian Ramsauer, des Rektors der TU Graz Harald Kainz und des Dekans der Fakultät für Maschinenbau und Wirtschaftswissenschaften Franz Haas auf dem Programm. Danach hielt Laurence McHauser (Partner bei McKinsey & Company in London) eine Keynote zum Thema "Weapons for Training". Darauf aufbauend diskutierten Gerald Hofer (CEO der KNAPP AG), Kai Brüggemann (Geschäftsführer der ÖBBTechnische Services GmbH), André Walter (Vorsitzender der Geschäftsführung der Airbus Operations GmbH und Leiter des Airbus Werkes Hamburg), Laurence McHauser und

WINGbusiness 3/2021

Prof. Christian Ramsauer in der Podiumsdiskussion unter der Leitung von Vizerektor Horst Bischof mit dem Titel "Learning Digital Transformation" darüber, wie Lernfabriken die digitale Transformation in Industrieunternehmen vorantreiben können. Bei der General Assembly der International Association of Learning Factories (IALF) wurden die neuen Mitglieder, University of Alberta (Canada), Free University Bolzano (Italien), University Twente (Niederlande) und Politecnico di Milano (Italien) begrüßt, universitätsweite Projekte diskutiert und Arbeitsgruppen vorgestellt. Darüber hinaus wurde Prof. Christian Ramsauer zum neuen Präsidenten der IALF für die nächsten zwei Jahre gewählt. Er löste damit Prof. Joachim Metternich (TU Darmstadt) ab. Der zweite Konferenztag begann mit einer Keynote zum Thema "Rethinking Supply Chains - Industry 4.0 & Circular Economy" von Prof. Thomas Gries (RWTH Aachen). Danach wurden Prof. Wilfried Sihn (TU Wien) und Prof. Eberhard Abele (TU Darmstadt) als Initiatoren der IALF und der CLF unter anderem mit ei-

ner Rede von Prof. Jürgen Kluge (Foundation Lindau Nobel Laureate Meetings) geehrt. An den beiden Konferenztagen fanden 90 interessante Vorträge in den Tracks "Teaching and Training in Learning Factories", "Digital Technologies in Learning Factories" und "Mixed Reality and Learning Factory concepts" statt. In den 15 Paper Sessions und 3 Poster Sessions war Zeit für spannende Diskussionen. Zwischen den Programmpunkten wurden die TeilnehmerInnen zum Networking mit der Software „Wonder“ angeregt. Außerdem wurden Führungen durch die Lernfabriken der TU Graz (LEAD Factory, Schumpeter Labor für Innovation, AddLab und smartfactory@tugraz) und der Knapp Service Factory angeboten. Dem Feedback der Teilnehmenden zu Folge war die Konferenz insgesamt ein großer Erfolg. Die CLF 2022 wird vom 11. bis zum 13. April 2022 in Singapur stattfinden. Weitere Informationen zur Konferenz 2021 und Impressionen finden Sie auf unserer Konferenzwebsite: clf2021.tugraz.at

IMPRESSUM

WING to your success

…wir sind für Sie garantiert von Nutzen … Gerade in Zeiten wie diesen stellen ein reizvoller Workshop, das Verteilen von lukrativen Flyern oder eine interessante Firmenpräsentation effiziente und kostengünstige Möglichkeiten zur Werbung für Unternehmen in Fachkreisen dar. Hervorzuheben ist der Zugang zur Technischen Universität als Innovations- und Forschungsstandort der besonderen Art, denn im Zuge von Bachelor- und/oder Masterarbeiten können Sie Studenten in Ideen für Ihre Firma miteinbeziehen und mit ihnen innovative Lösungen ausarbeiten. Nicht zuletzt wird auf diesem Weg auch für die Zukunft vorgesorgt. Denn schließlich sind es die heutigen Studenten der Technischen Universität, die morgen als Ihre Kunden, Händler oder Lieferanten fungieren. Mit WINGnet-Werbemöglichkeiten kann man diese nun schon vor dem Eintritt in das Berufsleben von sich und seiner Firma überzeugen und somit eine gute Basis für eine langfristige und erfolgreiche Zusammenarbeit schaffen. WINGnet Wien veranstaltet mit Ihrer Unterstützung Firmenpräsentationen, Workshops, Exkursionen sowie individuelle Events passend zu Ihrem Unternehmen. WINGnet Wien bieten den Studierenden die Möglichkeit- zur Orientierung, zum Kennenlernen interessanter Unternehmen und Arbeitsplätze sowie zur Verbesserung und Erweiterungdes universitären Ausbildungsweges. Organisiert für Studenten von Studenten.Darüber hinaus bietet WINGnet Wien als aktives Mitglied von ESTIEM (European Students of Industrial Engineering and Ma-

WINGbusiness Impressum Medieninhaber (Verleger) Österreichischer Verband der Wirtschaftsingenieure Kopernikusgasse 24, 8010 Graz ZVR-Zahl: 026865239 Editor Univ.-Prof. Dipl.-Ing. Dr. Siegfried Vössner E-Mail: voessner@tugraz.at Redaktion/Layout Chefin vom Dienst & Marketingleiterin: Mag. Beatrice Freund Tel. +43 (0)316 873-7795, E-Mail: office@wing-online.at Redakteure Dipl.-Ing. Sigrid Weller BSc. E-Mail: sigrid.weller@tugraz.at Dipl.-Ing Thomas Draschbacher, BSc. E-Mail: thomas.draschbacher@tugraz.at Dipl.-Ing. Florian Schierlinger-Brandmayr E-Mail: florian.schierlinger-brandmayr@tugraz.at Dipl.-Ing. Theresa Passath, BSc. E-Mail: theresa.passath@unileoben.ac.at Dipl.-Ing. Dominik Ehmann, BSc. E-Mail: dominik.ehmann@tugraz.at Dipl.-Ing. Andreas Kohlweiss, BSc E-Mail: andreas.kohlweiss@tugraz.at

Anzeigenleitung/Anzeigenkontakt Mag. Beatrice Freund Tel. +43 (0)316 873-7795,E-Mail: office@wing-online.at

nagement) internationale Veranstaltungen und Netzwerke. In 24 verschiedenen Ländern arbeiten 66 Hochschulgruppen bei verschiedenen Aktivitäten zusammen und treten so sowohl untereinander als auch zu Unternehmen in intensiven Kontakt. Um unser Ziel - die Förderung von Studenten - zu erreichen, benötigen wir Semester für Semester engagierte Unternehmen, die uns auf verschiedene Arten unterstützen und denen wir im Gegenzug eine Möglichkeit der Firmenpräsenz bieten. Die Events können sowohl in den Räumlichkeiten der TU Wien als auch an dem von Ihnen gewünschten Veranstaltungsort stattfinden. Weiters können Sie die Zielgruppe individuell bestimmen. Sowohl alle Studienrichtungen als auch z.B. eine Festlegung auf Wirtschaftswissenschaftlichen Studiengängen ist möglich. Außerdem besteht die Möglichkeit eine Vorauswahl der Teilnehmer, mittels Ihnen vorab zugesandten Lebensläufen, zu treffen. Auf unserer Webseite http://www.wing-online.at/de/ wingnet-wien/ finden Sie eine Auswahl an vorangegangenen Events sowie detaillierte Informationen zu unserem Leistungsumfang WINGnet Wien: Theresianumgasse 27, 1040 Wien, wien@wingnet.at ZVR: 564193810

Druck Druckhaus Scharmer GmbH, Europastraße 42, 8330 Feldbach Auflage: 1.800 Stk. Titelbild: (c) Adobe Stock Foto WING-Sekretariat Kopernikusgasse 24, 8010 Graz, Tel. (0316) 873-7795, E-Mail: office@wing-online.at WING-Homepage: www.wing-online.at Erscheinungsweise 4 mal jährlich, jeweils März, Juli, Oktober sowie Dezember. Nachdruck oder Textauszug nach Rück sprache mit dem Editor des „WINGbusiness“. Erscheint in wissenschaftlicher Zusammen arbeit mit den einschlägigen Instituten an den Universitäten und Fachhochschulen Österreichs. Der Wirtschaftsingenieur (Dipl.-Wirtschaftsingenieur): Wirtschaftsingenieure sind wirtschaftswissenschaftlich ausgebildete Ingenieure mit akademischem Studienabschluss, die in ihrer beruflichen Tätigkeit ihre technische und ökonomische Kompetenz ganzheitlich verknüpfen. WING - Österreichischer Verband der Wirtschaftsingenieure ist die Netzwerkplattform der Wirtschaftsingenieure. ISSN 02567830

WINGbusiness 3/2021

NUTZEN SIE DIE

LEAD FACTORY

ZUR KOMPETENZENTWICKLUNG IHRER MITARBEITER WAS IST DIE LEAD FACTORY?

Die LEAD Factory ist die Lernfabrik an der TU Graz mit dem Fokus auf Lean, Energieeffizienz, Agilität und Digitalisierung.

IHR NUTZEN

Ihre Mitarbeiter lernen in einer industriellen Montagelinie Methoden zur Bewältigung aktueller Herausforderungen in der Produktion.

UNSER ANGEBOT

KONTAKT

Schulungen in den Bereichen    

Lean Energieeffizienz Agilität Digitalisierung

…spezifisch angepasst für Ihr Unternehmen

Univ.-Prof. Dr. Christian Ramsauer Präsident der International Association of Learning Factories +43 316 873 7291 christian.ramsauer@tugraz.at

iim.tugraz.at

erlebeMcKinsey

Der Energiewende fehlt noch die richtige Power?

Change it. Als Berater bei McKinsey kann Christoph den Wind der Veränderung bis in die grundlegenden Strukturen von Unternehmen tragen. Und Nachhaltigkeit genau dort vorantreiben, wo sie für alle Wirkung zeigt. Best work. Best teams. At your best. change-it.mckinsey.de

WINGbusiness Heft 03 2021

Articles inside

Die Live-Fabrik als virtuelles Lernerlebnis

Das Angebot der TU Graz – Lernfabrik für Agilität und Datensicherheit

KNAPP Service Factory

Digitale Learning Nuggets

Ansatz zur Konzeptionierung und Implementierung von Virtual Reality in Lernfabriken

Model-Factory-In-a-Box: Mobile Lernfabrik für erlebnisorientiertes Lernen

Rethinking Supply Chains – Industry 4.0 and Circular Economy

Digitalisierungs-Kompetenz durch Lernfabriken