Die Rolle des Wissensmanagements in der Industrie 4.0

INHALTSVERZEICHNIS

1 Einleitung

2 grundlegende begriffe
2.1 Industrie 4.0
2.2 Internet der Dinge (Internet of Things, IoT)
2.3 Wissen
2.4 Wissensmanagement nach Nonaka und Takeuchi

3 bestehende konzepte
3.1 Ganzheitliches Modell eines Wissensmanagementsystems ...
3.2 Die Wissenstreppe 4.0
3.3 Assist 4.0

4 vergleichende analyse
4.1 Kriterien
4.1.1 Wissensidentifikation
4.1.2 Wissensentwicklung
4.1.3 Wissensaustausch
4.1.4 Wissensnutzung
4.1.3 Wissenserhaltung
4.1.6 Wissensbewertung
4.1.7 Mensch-Maschine-Interaktion
4.1.8 Maschine-Maschine-Interaktion
4.1.9 Datenschutz
4.2 Analyse
4.3 Diskussion

3 verwandte arbeiten

6 Zusammenfassung und Ausblick

Literatur

ZUSAMMENFASSUNG

Diese Arbeit untersucht aktuelle Ansätze im Bereich Wissensmanagement in Bezug auf die Industrie 4.0, dabei spielt vor allem die Vernetzung von Betriebs- und Fertigungsprozessen eine zentrale Rolle. Durch den digitalen Wandel verändert sich die wissensbasierte Wertschöpfung in der Industrie und dabei ist es vor allem essenziell Wissen zeit- und ortsunabhängig zu­gänglich zu machen. Die Problemstellung für das Paper ist es, die Heraus­forderungen an das Wissensmanagement herauszuarbeiten und den Zugang zu Wissen für Mensch und Maschine zu untersuchen. Im Rahmen der Studie werden verschiedene Lösungswege zur Entwicklung von Wissen und Anfor­derungen an ein Wissensmanagementsystem vorgestellt. Abschließend dis­kutiert der Beitrag, wie auf Grundlage bestehender Konzepte für das Wis­sensmanagement 4.0 das Modell der Wissensblume abgeleitet werden kann.

ABBILDUNGSVERZEICHNIS

Abbildung 3.1 Wissenstreppe 4.0 (in Anlehnung an [NM18] [Nori6a])

Abbildung 4.1 Analyse-Framework

Abbildung 4.2 Wissensblume (Quelle: eigene Darstellung)

EINLEITUNG

Im Zeitalter der Digitalisierung spielt Wissensmanagement im unternehme­rischen Kontext eine zentrale Rolle. Für ein effektives Wissensmanagement müssen Daten wissensorientiert aufbereitet und zur Verfügung gestellt wer­den. In Zukunft ist es wichtig, dass es nicht nur Mechanismen zur Wis­senserhaltung gibt, sondern auch zum Wissenstransfer und zur Wissensge­nerierung [Seiry]. Für die Industrie bieten Wissensmanagementsysteme die Chance diese Mechanismen umzusetzen. Die Motivation dieses Papers ist mit Hilfe von aktuellen Ansätzen im Bereich Wissensmanagement ein Mo­dell für Wissensmanagement in der Industrie 4.0 herauszuarbeiten.

Im Zuge der Vernetzung von Betriebs- und Fertigungsprozessen in der In­dustrie wird es immer wichtiger große Datenmengen strukturiert darzustel­len. Im Weiteren entstehen durch den digitalen Wandel neue Anforderungen an die Industrie, wodurch neue Herausforderungen an das Wissensmanage­ment gestellt werden. In diesem Zusammenhang beantworten wir die Frage, wie erfolgreich bereits bestehende Wissensmanagementansätze in der Indus­trie sind. Des Weiteren gehen wir auf die Fragestellung, welche neuen Her­ausforderungen die Industrie 4.0 an das Wissensmanagement stellt, ein. Das Wissensmanagement der Vergangenheit konzentrierte sich vor allem auf das Bewirtschaften von vorhandenem Wissen mit starkem Fokus auf dessen Do­kumentation [PPii]. In diesem Kontext sind Wikis zu erwähnen, da viele Unternehmen mit Wikis ihr Unternehmenswissen dokumentieren. Als Bei­spiel kann man an dieser Stelle die Fraport AG heranziehen, da das Unter­nehmen im Jahr 2007 ein betriebliches Wiki - genannt „Skywiki"- eingeführt hat [Nori6b]. Wikis sind einfach zu bedienen und scheinen den Mitarbeitern einen Nutzen zu bringen. Solche Wikis dienen nicht nur zur Wissensdoku­mentation, sondern auch als Austauschplattform für Abteilungen, als Vorbe­reitung zu Meetings, als globaler Wissensspeicher, als Lernplattform und als Support-Plattform für Kunden [Nori6b]. Wir analysieren in unserer Studie das ganzheitliche Wissensmanagement-Modell nach Seidenstücker [Seii7], um zunächst einen Überblick zu geben. Anschließend analysieren wir die Wissenstreppe 4.0 nach North [NMi8] und das Forschungsprojekt „Assist 4.0: Kontextbasierte mobile Assistenzsysteme für die Industrie 4.0" der evo- laris next level GmbH [BAH15], um aktuelle Ansätze des Wissensmanage­ments im Kontext von Industrie 4.0 herauszuarbeiten.

Mit diesem Paper wird ein wichtiger Beitrag für die Zukunft des Wis­sensmanagements im Hinblick auf den digitalen Wandel in der Industrie geleistet. Wir haben mit Hilfe aktueller Konzepte das Modell der Wissens­blume für das Wissensmanagement 4.0 ausgearbeitet. Ein zentrales Ergebnis unserer Arbeit ist, dass ein Wissensmanagementsystem zur Generierung, Er­haltung und Aktualisierung von Wissen für die Wettbewerbsfähigkeit eines Unternehmens elementar ist. Eine zentrale Anforderung zur erfolgreichen Umsetzung eines Wissensmanagementsystem ist die Etablierung einer Lern­kultur im Unternehmen [HF17].

Das Paper beschäftigt sich zunächst mit den grundlegenden Begriffen im Zusammenhang mit Wissensmanagement und Industrie 4.0. In einem weite­ren Abschnitt werden mögliche Konzepte für die Umsetzung von Wissens­management in der Industrie 4.0 vorgestellt. Auf Grundlage dieser Konzep­te werden wir eine vergleichende Analyse anhand ausgewählter Kriterien durchführen. In einer anschließenden Diskussion entwickeln wir unser Mo­dell für das Wissensmanagement 4.0.

2 GRUNDLEGENDE BEGRIFFE

2.1 Industrie 4.o

Im Allgemeinen versteht man unter dem Begriff Industrie 4.0 die vierte industrielle Revolution. Der Begriff Industrie 4.0 ist ein Marketingbegriff, welcher vor allem von der deutschen Bundesregierung propagiert wird. In­ternational ist der Begriff als die Digitalisierung der Industrie bekannt. Es handelt sich dabei um ein Zukunftsprojekt der Bundesregierung, welches sich durch Individualisierung einzelner Produkte, die Kopplung zwischen Produkten und Dienstleistungen sowie die Einbindung von Kunden und Geschäftspartnern in die Geschäfts- und Wertschöpfungsprozesse auszeich­net [BMB]. Die Umsetzung soll mit der Vernetzung von Maschinen über das Internet erfolgen, dabei soll eine vernetzte und automatisierte Industrie entstehen. Die Industrie 4.0 basiert auf Cyber-physischen Systemen, welche auf dem Konzept „3C" (Computation, Communication und Control) beru­hen [RMCBRT18]. Die Kommunikation bezieht sich hierbei nicht nur auf die Maschine zu Maschine Kommunikation, sondern auch auf die Kommunika­tion zwischen Mensch und Maschine. Im Weiteren erfordert die Vernetzung der Maschinen die Kompetenz des Menschen. In diesem Zusammenhang sind auch mögliche Risiken zu beachten. In der Automatisierung von Pro­duktionsabläufen kann es zu Fehlfunktionen kommen, deshalb ist dabei vor allem auf die Verfügbarkeit, Integrität, Authentizität und Vertraulichkeit zu achten.

2.2 internet der dinge (internet of things, iot)

Das Internet der Dinge bezeichnet das Zusammenspiel zwischen der virtu­ellen und der physischen Welt. Maschinen und Menschen können über das Internet miteinander kommunizieren. In diesem Zusammenhang sind die di­gitalen Zwillinge (engl.: digital twins) anzuführen. Mit Hilfe dieses Konzepts kann eine virtuelle Kopie einer Maschine erstellt werden. In der virtuellen Welt kann man mit der Maschine interagieren wie in der physischen Welt. Die digitalen Zwillinge bilden die Sensor-Daten, die Engineering-Informatio­nen, die Geschäftsdaten und die Kontextdaten ab [HK17]. Die Sensordaten liefern Zustandsinformationen über die Maschine aus der realen Welt. Die Engineering-Informationen hingegen zeigen Produkt- bzw. Leistungsdaten der Maschine auf. Die Geschäftsdaten liefern Informationen zum Produkt in Bezug auf den Kunden. Als Kontextdaten werden die Informationen zum Umfeld bezeichnet, diese können z.B.: Wetter, Temperaturen oder Windge­schwindigkeiten sein. Aus den vielen Daten müssen Maschinen mittels Ma­schinen Lernen eine qualitativ hochwertige Gesamtdarstellung der Daten erstellen. Die erlangten Erkenntnisse über bestimmte Abläufe zum Beispiel in Fertigungsprozessen können zu Produktverbesserungen genutzt werden. Das Internet der Dinge ist ein wesentlicher Bestandteil von Industrie 4.0.

2.3 wissen

Die Autoren Probst, Raub und Romhardt definieren den Begriff Wissen als „die Gesamtheit der Kenntnisse und Fähigkeiten die Individuen zur Lösung von Problemen einsetzen. [...] Wissen stützt sich auf Daten und Informa­tionen, ist im Gegensatz zu diesen jedoch immer an Personen gebunden." [PRR12]. Diese Definition zeigt auf, dass man eine Abgrenzung zwischen den Begriffen Daten und Informationen benötigt. Die Wertschöpfungskette wie aus Daten Informationen und schließlich Wissen entsteht wird in der Li­teratur anhand des DIKW-Modells nach Aamodt und Nygârd verdeutlicht [AN93] [Row07]. In Bezug auf die Industrie 4.0 ist anzuführen, dass Sen­soren große Datenmengen generieren. Die Übertragung von diesen Daten (engl.: data) wird über das Internet der Dinge ermöglicht. Die Daten haben dabei zunächst keine Aussagekraft, diese müssen strukturiert und schließ­lich analysiert werden. Während diesem Prozess werden die Daten in Infor­mationen (engl.: information) umgewandelt. Die erlangten Informationen können schließlich mittels Anreicherung von Erfahrungen in Wissen (engl.: knowledge) überführt werden. Das entstandene Wissen führt abschließend durch einen komplexen Entscheidungsprozess zu Erkenntnissen respektive zu einer Weisheit (engl.: wisdom).

2.4 wissensmanagement nach nonaka und takeuchi

Der Betrachtung von Wissensmanagement-Modellen im Kontext von Indus­trie 4.0 stellen wir das Konzept der Wissensspirale von Nonaka und Takeu­chi [NT+97] voran. Auf Grundlage der Wissensspirale werden im Anschluss Modelle für Wissensmanagement im Zeitalter der Digitalisierung vorgestellt. Nonaka und Takeuchi haben in ihrem Buch „The Knowledge-Creating Com­pany" [NT93] aus dem Jahr 1993 ihr Modell für die Wissensbeschaffung in Unternehmen erläutert.

Aus ihrer Sicht ist das dynamische Wechselspiel von implizitem und ex­pliziertem Wissen der Schlüssel zur Wissensbeschaffung in Unternehmen. Die Wissensbeschaffung erfolgt in ihrem Modell durch die Umwandlung von implizitem zu explizitem Wissen und umgekehrt. Des Weiteren legen sie vier Formen der Wissensumwandlung dar. Bei der Sozialisation erfolgt die Wissensumwandlung von implizitem in implizites Wissen durch Beob­achtungen und Nachahmungen. Diese Umwandlung findet bei der Kom­munikation von Menschen statt. Die Externalisierung veranschaulicht die Wissensumwandlung von implizitem zu expliziertem Wissen. In diesem Zu­sammenhang wird implizites Wissen durch Schrift, Analogien, Hypothesen und Modellen explizit gemacht. Eine weitere Form der Wissensumwand­lung ist die Kombination, bei welcher explizites Wissen in explizites Wissen umgewandelt wird. Dieses Vorgehen geschieht durch Verbinden von expli­zitem Wissen zu „höherwertigem" Wissen. Diese Umwandlung von Wissen kann man mit Datenbanken unterstützen, indem explizites Wissen dort ge­speichert und ausgewertet wird. Die letzte Form der Wissensumwandlung ist die Internalisierung, bei der explizites Wissen in implizites Wissen um­geformt wird. Hierbei findet eine Verinnerlichung von Wissen satt, ganz im Sinne von „learning by doing" [FL14].

Nach Nonaka und Takeuchi erweitere sich im Unternehmen die Wissens­basis, wenn sich der Wissenserwerb der Mitarbeiter durch Kommunikation im Wissensbestand der Gruppe niederschlägt [FL14]. Im Weiteren wird neu­es Wissen durch die Interaktion von Unternehmen untereinander geschaffen. Bei technikorientierten Lösungsansätzen für Wissensmanagement steht bis­her explizites Wissen im Fokus. Die Herausforderung ist es praktisches im­plizites Wissen in der Industrie nutzbar zu machen, um es allen Mitarbeitern zur Verfügung zu stellen.

3 BESTEHENDE KONZEPTE

Wir haben drei Wissensmanagementmodelle ausgewählt, die wir nun be­schreiben werden. Zunächst gehen wir auf das ganzheitliche Modell eines Wissensmanagementsystems von Seidenstücker aus dem Jahr 2017 ein, da dieses Modell das Wissensmanagement aus einer Marktforschungsperspek­tive betrachtet. Als zweites Modell stellen wir die Wissenstreppe 4.0 von North aus dem Jahr 2017 vor, weil dieses Modell die Wissensentwicklung in der Industrie veranschaulicht. Die Wissenstreppe ist ein anerkanntes Mo­dell im deutschen Sprachraum. Als letztes Modell betrachten wir das For­schungsprojekt Assist 4.0, welches im Zeitraum vom Januar 2014 bis zum Juni 2016 durchgeführt wurde. Dieses Modell zeigt eine mögliche Umset­zung eines Wissensmanagementsystems in der Industrie.

3.1 ganzheitliches modell eines Wissensmanagementsystems

Dieses Modell wurde von Seidenstücker im Kontext der nachhaltigen Markt­forschung erstellt. Die Autorin bezieht sich in ihrem Modell auf das DIKW- Modell, welches im Rahmen dieser Studie in Abschnitt 2.3 vorgestellt wur­de. Im Weiteren betrachtet sie die „Triaden aus Technologie, Prozess und Mensch" [Sei17], diese Elemente spielen eine gleichberechtigte Rolle in Wis­sensmanagementsystemen.

Den Kern des Modells stellt das DIKW-Modell dar, welches von einer Wertschöpfungskette umschlossen ist. Die Wertschöpfungskette in diesem Modell ist iterativ dargestellt, dabei durchläuft die Wertschöpfung folgende Teilabschnitte: Sammeln ^ Nutzen ^ Anreichern ^ Teilen ^ Bewerten ^ Ausweiten. Das komplette Modell wird schließlich mit einem Trichter um­rahmt, dieser ist mit den Begriffen Technik, Mensch und Prozess beschriftet. Die Technik ist für die Speicherung von Datenbeständen zuständig, dabei soll es auch möglich sein Bilder, Videos und PDFs einzubetten. Im Weiteren sollen mehrere Dateiformate (z.B.: HTML, PDF, MP3 und MP4) unterstützt werden. Außerdem sollen Inhalte archivier- und downloadbar sein und das System soll eine Suchfunktion und eine Filterfunktion bieten [Sei17]. Der Be­griff Technik beschäftigt sich vor allem mit dem Sammeln von Daten. Der Mensch soll in diesem Modell Daten nutzen und ihnen eine Bedeutung zu­weisen. Außerdem soll der Mensch die Daten mit Erfahrungen anreichern, sodass Wissen entsteht. In einem Prozess wird das Wissen schließlich geteilt und bewertet. Des Weiteren kommen im Laufe des Prozesses neue Daten hinzu, sodass der aktuelle Wissensbestand ausgeweitet werden kann.

3.2 die wissenstreppe 4.o

Die Wissenstreppe 4.0 wurde von North entwickelt und stellt eine Erweite­rung des Konzeptes der Wissenstreppe nach North [Nori6a] dar. In diesem Modell wird eine mögliche Wertschöpfungskette zur Entstehung von Wis­sen betrachtet. Eine schematische Darstellung des Modells kann der Abbil­dung 3.1 entnommen werden. Der Übergang von Zeichen zu Daten stellt den ersten Schritt in der Wertschöpfungskette dar. Die Daten bekommen im nächsten Schritt eine Bedeutung verliehen, sodass Informationen entstehen. Auf der nächsten Stufe der Wertschöpfungskette werden die Informationen mit Erfahrungen und Erwartungen angereichert und es bildet sich Wissen heraus. North legt dar, dass Wissen das Ergebnis der bewussten oder un­bewussten Verarbeitung von Informationen sei [NM18]. Im nächsten Schritt

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 3.1: Wissenstreppe 4.0 (in Anlehnung an [NM18] [Nor16a])

der Wissenstreppe bildet sich unter menschlicher oder algorithmischer An­wendung des Wissens die Stufe des Handelns heraus. Im Weiteren kann die Fähigkeit oder Disposition in einer komplexen Situation selbst organisiert zu handeln, als Kompetenz bezeichnet werden [NRSS18]. Außerdem ist die Wertschöpfung das Ergebnis des Zusammenspiels mehrerer Kompetenzen von Personen, Gruppen, Netzwerken, intelligenten Systemen oder Institu­tionen auf Basis ihrer einzigartigen Informations- und Wissensressourcen [NM18]. Die oberste Stufe wird als Wettbewerbsfähigkeit bezeichnet, welche als eine Zusammenführung mehrerer Kompetenzen betrachtet werden kann. Des Weiteren stellt North in der Wissenstreppe die Dimensionen Mensch und Organisation gegenüber der Dimension Technologie dar. Im Bezug auf diese Gegenüberstellung ist das strategische Wissensmanagement auf der Di­mension des Menschen und der Organisation einzuordnen. Es beschreibt die Hinterfragung des Wissens und der Kompetenzen innerhalb einer Instituti­on und damit dient es als „Dynamisieret [NM18]. Das operative Wissens­management hingegen ist auf der Dimension der Technologie einzuordnen.

Es soll dafür sorgen, dass das Wissen immer zur richtigen Zeit am richtigen Ort ist und dient damit als „Stabilisator" [NMi8].

3.3 assist 4.o

Im Forschungsprojekt „Assist 4.0: Kontextbasierte mobile Assistenzsysteme für die Industrie 4.0" erforschte die evolaris next level GmbH mit den In­dustriepartnern AVL List, Infineon und der Knapp AG neue Ansätze für Wissensmanagement im Fertigungsbereich. Dieser Abschnitt beschreibt die Umsetzung des Forschungsprojekts anhand von [BAH15]. Bei der Erstel­lung von Wissensinhalten wurden nicht nur textbasierte Formen, sondern auch multimediale Formen (Video, Foto und Audio) untersucht. Im Wei­teren wurden die multimedialen Inhalte durch Unterstützung von Tablets, Smartphones, Datenbrillen und Smartwatches erstellt. Das Backend ist für die Verwaltung der generierten Daten zuständig. Die Mitarbeiter können die Inhalte hinsichtlich Relevanz bewerten, wodurch ein lernfähiges System entsteht.

Die grundlegende Idee des Modells kann man als „Youtube für die In­dustrie" beschreiben. Man hat in diesem Modell die Möglichkeit mit Hilfe von mobilen Endgeräten Erfahrungen während einer Tätigkeit festzuhalten und anderen Mitarbeitern zur Verfügung zu stellen. Dieses Modell setzt das Konzept „Training on the job" um, indem die Schulung der Mitarbeiter di­rekt im praktischem Umfeld durchgeführt wird. Folglich bietet Assist 4.0 die Möglichkeit das gesammelte Wissen direkt am Arbeitsplatz abzurufen. Im Weiteren wurden neben der redaktionellen Bearbeitung auch kollaborative Ansätze erforscht. Beim kollaborativen Filtern wird der Benutzer in der Ent­scheidung unterstützt, indem die Präferenzen mit ähnlichen Bewertungen abgeglichen werden.

In diesem Modell wurde auch an die Absicherung der Inhalte gedacht, indem Konzepte für Datenintegrität und Authentizität entwickelt wurden. Die Authentifizierung wird sichergestellt, indem eindeutig nachweisbar ist, wer der Ersteller der Inhalte ist. Nur so kann sichergestellt werden, dass nur autorisierte Inhalte zum Servicemitarbeiter gelangen. Bei der Datenintegrität wird sichergestellt, dass die Inhalte auf dem Transportweg nicht manipuliert werden. Diese Datenintegrität ist vor allem beim Datenaustausch zwischen Servicetechniker und Serviceanbieter zu beachten. Hinsichtlich der Privacy ist anzumerken, dass im Modell Maßnahmen getroffen wurden, um für zu­künftige Anforderungen gerüstet zu sein.

[...]