Seit der Hannover Messe 2011 wächst in der Produktion die Bedeutung der Nutzung der Digitalisierung (auch als Industrie 4.0 bezeichnet) und die Präsenz des Themas in der allgemeinen Wahrnehmung steigt stetig. Täglich werden die Unternehmen daran erinnert, wie schnell und weitreichend der Wandel ist, wie viele Chancen er birgt und wie bedrohlich die Folgen eines verspäteten oder gar „verpassten“ Einstiegs wären. Insbesondere kleine und mittlere Unternehmen müssen beim „Wandel zur Industrie 4.0“ und bei der entsprechenden Implementierung und Anwendung digitaler Technologien unterstützt werden. Viele Unternehmen werden nicht sofort in der Lage sein, eine komplett neue Smart Factory zu erschaffen, aber dennoch gilt es, gezielte Investitionen zu tätigen, um sich Schritt für Schritt der Industrie 4.0 anzunähern. Dafür hilft es den Unternehmen, die Potenziale zur Verbesserung, die sie unter Berücksichtigung ihrer aktuellen Situation durch Nutzung der Digitalisierung für ihre Prozesse erreichen können, aufzuzeigen. Zugleich müssen Maßnahmen hergeleitet werden, um diese Potenziale zu realisieren.

Optimierung ist eine wesentliche Fragestellung in vielen Kontexten. Sei es Ressourcen-, Zeit-, Personal- oder nicht zuletzt auch Kosteneffizienz, regelhaft müssen Prozesse, Einstellungen, Zusammensetzungen – die Liste ließe sich beliebig fortsetzen − optimiert werden. Um das Optimierungsproblem zu lösen, gibt es viele unterschiedliche Techniken. Eine besondere Klasse stellen die evolutionären Algorithmen dar, sie zählen zu den populationsbasierten, heuristischen Verfahren. Sie erlauben auch die Optimierung von Problemen mit vielen lokalen Optima oder stark durch Nebenbedingungen eingeschränkten Suchräumen. Gleichzeitig sind sie in der Lage, im Rahmen eines einzelnen Optimierungslaufs mehrere Lösungsmöglichkeiten vorzuschlagen. Ein besonderer Aspekt bei der Verwendung von evolutionären Algorithmen ist die Wahl der korrekten Kodierung oder die wohldefinierte Spezifikation einer Kodierung. Insbesondere bei der Optimierung eines Prozesses, der aus sich wiederholenden Grundprozessen besteht, die sich nur in ihren Parameterausprägungen unterscheiden, ist dies ein nicht-triviales Problem. Dieser Beitrag stellt eine solche, bereits erfolgreich getestete Kodierung vor, die sich insbesondere in Hinblick auf die KI-Unterstützung als dateneffizient herausgestellt hat.

Instandhaltungstätigkeiten erfordern von den Fachkräften ein hohes Maß an Analyse- und Problemlösefähigkeit, um eine erfolgreiche Fehlerdiagnose und Fehlerbehebung durchführen zu können. Die zunehmende Vernetzung und Digitalisierung der Arbeitssysteme erweitern auch den Umfang und die Komplexität der Informationen, die für eine Fehlerdiagnose herangezogen werden können. Assistenzsysteme bieten das Potenzial, Fachkräften durch die gezielte Bereitstellung didaktisch aufbereiteter Assistenzinformationen eine Entscheidungsgrundlage für die Diagnose und Behebung von Fehlern zu bieten und damit Lernprozesse zu fördern. Die Qualität der Diagnoseleistungen bei Fehlern ist nicht einfach auf die Menge an Wissen zurückzuführen, sondern vor allem auf die Verfügbarkeit von zielrelevantem Wissen und die Fähigkeit, relevantes von irrelevantem Wissen zu unterscheiden [1]. Diese Expertise der Fachkräfte beruht insbesondere auf der erfolgreichen Nutzung von Wissen in Problemlösesituationen [2]. Assistenzsysteme sollen daher die Fachkraft beim Lern- bzw. Reflexionsprozess unterstützen und die Möglichkeit bieten, das Erfahrungswissen aus vorangegangenen Maßnahmen für die aktuelle Problemlösung heranzuziehen. Die Akzeptanz dieser Systeme wird maßgeblich durch den Einführungsprozess im Unternehmen bestimmt. Deshalb werden im Projekt CPPSprocessAssist vier Anwendungspartner durch nutzerzentrierte Vorgehensweisen und eine lernförderliche Gestaltung dabei unterstützt, „ihr“ Assistenzsystem mitzugestalten. Der vorliegende Beitrag beschreibt diesen Ansatz, die Anwendung im Projekt und reflektiert die ersten Ergebnisse.

Aufgrund der stark gestiegenen Energiepreise rückt im Rahmen des Energiemanagements die Druckluft, bzw. die Kompressorleistung und dessen Stromverbrauch wieder in den Vordergrund. Aufgrund der Tatsache, dass Druckluft gerne und oft über Leckagen entweicht und diese schwer zu lokalisieren bzw. zu messen sind, wird hier ein Nischenthema wieder sehr aktuell. Eine automatisierte Leckagenerkennung kann den Bedarf für die Reparatur ermitteln und dabei helfen die Energieeffizienz zu erhöhen. Dabei ist es wichtig, dass nicht nur Leckagen erkannt werden, sondern auch das Ausmaß der Leckagen quantifiziert werden kann. Eine kostengünstige Methode, um Leckagen zu erkennen, ist das Energiemonitoring des Druckluftkompressors. Durch eine kontinuierliche Überwachung und Auswertung der Energiedaten kann schnell reagiert werden.