Untersuchung zur Verwendung von Cyber-physischen Produktionssystemen. Chancen und Risiken für die Arbeitswelt


Studienarbeit, 2022

28 Seiten, Note: 1,0


Leseprobe

Inhaltsverzeichnis

Abbildungsverzeichnis

Abkürzungsverzeichnis

Gender-Hinweis

1 Einleitung

2 Theoretische Grundlagen
2.1 Industrielle Revolutionen im Überblick
2.2 Industrie 4.0: Evolutionäres Modell der Unternehmenspraxis
2.3 Cyber-physische Produktionssysteme

3 CPS im Kontext der Arbeitswelt
3.1 CPS: Die Zukunft der menschlichen Arbeitskraft
3.2 Chancen und Risiken niedrig qualifizierter Arbeitskräfte
3.3 Wirtschaftsethische Implikationen
3.4 Management und Führung

4 Fazit

Anhang 1

Anhang 2

Anhang 3

Anhang 4

Anhang 5

Literaturverzeichnis

Abbildungsverzeichnis

Abbildung 1 – Die vier Stufen der Industriellen Revolution

Abbildung 2 – Industrie 4.0 in deutschen Unternehmen

Abbildung 3 – Das Y-CIM Modell von Scheer (2020)

Abbildung 4 – Veranschaulichung der übergreifenden Integration von CPS

Abbildung 5 – Schichtenmodell von CPS

Abbildung 6 – Automatisierungspyramide der industriellen Fertigung

Abkürzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

Gender-Hinweis

In der vorliegenden Arbeit wird aus Übersichtlichkeitsgründen das generische Maskulinum verwendet. Weibliche und weitere Geschlechteridentitäten werden dabei ausdrücklich mitgemeint.

1 Einleitung

„Any customer can have a car painted any color that he wants so lang as it is black“ (Ford/Crowther, 1922, S. 72). Henry Ford (1863-1947) optimierte im Fordismus das bestehende Produktionskonzept dahingehend, dass das Automobil für den breiten Markt zugänglich gemacht werden konnte. Verbunden mit einer drastischen Flexibilitätsreduktion im Produkt wurden durch die Fließbandproduktion minimale Durchlaufzeiten und Herstellkosten erreicht.

Die Produktivitätssteigerung in Fertigungsprozessen ist in einem unvorhersehbaren und volatilen Kundenmarkt präsenter denn je. Heutige Kundenanforderungen umfassen variantenreichste Produkte mit immer kürzeren Entwicklungszyklen. Die Unternehmen stehen vor der Herausforderung, minimale Losgrößen, verbunden mit maximaler Flexibilität, in einem vom Käufer bestimmten Marktumfeld abzuwickeln. Die durch die Digitalisierung exponentiell steigende Umweltkomplexität und ein umfassender Fachkräftemangel in einem heterogenen Arbeitsmarkt mit unterschiedlichsten Anforderungen verschärfen die bestehende Problematik. Starre Produktions- und Führungskonzepte sind in der technologischen Wende von Industrie 4.0 fehl am Platz.

Das Ziel dieser Arbeit ist die Erarbeitung der selbststeuernden und intelligenten Fabrik als Lösungskonzept für die technologische Wende in Produktionsprozessen in erfolgreicher Kollaboration mit der Arbeitskraft Mensch. Hierbei sind cyber-physische Produktionssysteme (CPS) der Grundbaustein einer zukunftsorientierten Produktionsentwicklung im Industrie 4.0 Zeitalter. Als Modalziel werden zum einen CPS als Basis einer vernetzten, dezentralisierten, selbstorganisierten und maximal flexiblen Produktion im Industrial Internet of Things (IIoT) hervorgehoben. Als weiteres Modalziel ist der Faktor Mensch als wichtigster Bestandteil der Arbeitswelt im Umgang mit CPS zu verstehen. Die Symbiose aus Mensch - CPS bilden das angestrebte soziotechnische System. Diese Kollaboration erfordert grundlegend neue Führungs- und Management Konzepte, welche die bestmögliche Entwicklung des Faktor Mensch in der Produktion auch aus ethnischer Sicht garantieren. Industrie 4.0 soll als integraler Lösungsbestandteil des Fachkräftemangels dienen.

In der vorliegenden Arbeit werden zunächst grundlegende Merkmale der Industrie 4.0 definiert. Ausgehend hiervon wird auf CPS als elementare Systeme zur Vernetzung von Produktionsmitteln und Produkten in der IIoT sowie deren konkreten Implikationen im Produktionskontext eingegangen. Im Hauptteil wird die Zukunft der menschliche Arbeitskraft in der Arbeitswelt in Interaktion mit CPS sowie daraus resultierende Chancen und Risiken für niedrig qualifizierte Arbeitskräfte beleuchtet. Hieraus werden Schlüsse für wirtschaftsethnische Implikationen sowie Ansätze in Management und Führung gezogen.

2 Theoretische Grundlagen

2.1 Industrielle Revolutionen im Überblick

Der Begriff der Industrie 4.0 ist eine Wortschöpfung der Bundesregierung und fungiert als politisches Schlagwort (vgl. Nickolaus et al., 2022, S. 136). Industrie 4.0 definiert die vierte industrielle Revolution als zentralen Beitrag des Wirtschaftsministeriums zur digitalen Vernetzung klassischer Fertigungsindustrien in Deutschland (vgl. Botthof, 2015, S. 8; Broy, 2010, S. 7; Obermaier, 2016, S. 7). Die Komposition der Industrie 4.0 rekurriert auf die vergangenen industriellen Revolutionen, die auf technologische Innovationen basieren. Mit jeder neuen Innovation steigt der Grad der zu bewältigenden Komplexität (siehe Anhang 1): Während in der ersten industriellen Revolution die Mechanisierung durch Wasserkraft und Dampf beschrieben wird, wurden in der zweiten Revolution erstmalig Automatisierungsansätze durch elektrische Energie oder Organisationsprinzipien wie Arbeitsteilung oder Fließbandfertigung eingesetzt.1 (vgl. Obermaier, 2016, S. 3 f.) Die dritte industrielle Revolution definiert die bis heute andauernde Phase der Digitalisierung, in der erstmalig Computertechnik mit speicherprogrammierbarer Maschinensteuerung verwendet wurde. Diese führte zu weitestgehend automatisierten und standardisierten Fertigungsprozessen (vgl. Botthof/Hartmann, 2015, S. 4-7, S. 9; Obermaier, 2016, S. 3).2

Die ausgerufene vierte Stufe der technologischen Innovationen wird in der einschlägigen Literatur als Evolution bezeichnet, da sie lediglich ex post, nicht aber ex ante zu beobachten ist. (vgl. Obermaier, 2016, S. 4; Obermaier/Kirsch, 2015) Die propagierte technologische Wende der Industrie 4.0 spiegelt sich somit in einem bereits begonnenen fließenden Fortschritt wider. Das Modell der Industrie 4.0 ist, entsprechend des evolutionären Entwicklungsgedanken des Double-Loop Learnings3 in lernenden Organisationen, in der gesamten Gesellschaft angekommen. Im Industriekontext geht es hierbei „weniger um die ‚Fabrik der Zukunft‘, sondern um die ‚Fabrik mit Zukunft‘“ (Obermaier, 2016, S. 7). Dieser Leitgedanke ist bereits in vielen Unternehmen gefestigt. Im Jahr 2021 verwendeten 62 % deutscher Unternehmen Methoden der Industrie 4.0. Weitere 21 % planten den Einsatz von Industrie 4.0 Techniken (siehe Anhang 2) (Bitkom, 2021).

2.2 Industrie 4.0: Evolutionäres Modell der Unternehmenspraxis

Industrie 4.0 hat sich in der Unternehmenspraxis als Konzept für neue Geschäftsmodelle etabliert. Vom intelligenten Produkt wie dem internetfähigen Kühlschrank oder der Smartwatch, können auch gesamte Unternehmensprozesse im Kontext einer digitalen Revolution gestaltet werden. Das Vertriebskonzept des „Anticipatory Shipping“4 von Amazon ist eines von zahlreichen Beispielen.

Das evolutionäre Modell der Industrie 4.0 lässt sich als eine technologische Wende in allen Bereichen der Gesellschaft definieren. Produkte und Dienstleistungen haben durch die rasante Digitalisierung einen immer höheren Individualisierungsgrad. Dies äußert sich in Unternehmen durch Losgröße 1 Fertigungen und Engineer-to-Order5 (EtO) Geschäftsmodellen. (vgl. Obermaier, 2016, S. 26–29) Treiber dieser digitalen Revolution und der daraus resultierenden und schnell anwachsenden Umweltkomplexität ist das Mooresche Gesetz. Dieses prognostiziert ein exponentielles Wachstum der Leistungssteigerung in der digitalen Hardware. (vgl. Broy, 2010, S. 19) Auch die Gesetze der Digitalisierung von Zuboff (vgl. 1988, S. 10 f.) definieren die dynamische Entwicklung von Digitalisierung, Automatisierung und Überwachung. Das vierte Gesetz von Zuboff wird heute der Vernetzung zugeschrieben: „Alles, was zur Vernetzung eingesetzt werden kann, wird zur Vernetzung eingesetzt, womit […] allumfassend dem ‚Internet of Things‘ […] der Boden bereitet wäre“ (Obermaier, 2016, S. 10).

Die technologische Wende der vierten industriellen Revolution wird in den Unternehmen durch Individualisierung und Hybridisierung mittels Kopplung von Produktion und Produkt erreicht. Ferner steht die Integration aller Teilnehmer in unternehmensübergreifende Wertschöpfungsketten im Fokus. Industrie 4.0 definiert eine neue Stufe der Steuerung von Produkten über den gesamten Produktlebenszyklus hinweg. Das Ziel ist die Vernetzung der digitalen Infrastruktur und aller beteiligten Akteure zu dynamischen, echtzeitoptimierten und selbstorganisierten Wertschöpfungsnetzwerken (vgl. Bendel, 2019, S. 1–3; Obermaier, 2016, S. VII, S. 6–7).

Kernelement der Industrie 4.0 ist die Vision der Smart Factory. Sie definiert ein selbststeuerndes und intelligentes Konzept der Produktion, in welcher sich „Fertigungsanlagen und Logistiksysteme […] weitestgehend selbst organisieren“ (Obermaier, 2016, S. 20). Hieraus folgt eine extreme Form der Dezentralisierung. Das Gesamtsystem der Produktion teilt sich in lokale Optima auf. Dies führt zu einer hohen Effizienz und vertiefter Wertschöpfung in durchgängigen Geschäftsprozessen. (vgl. Becker, 2015, S. 25; Obermaier, 2016, S. 20 f.) Hierdurch steuern sich Aufträge selbstständig entlang gesamter Wertschöpfungsketten.

Grundlage der Smart Factory ist das Industrial Internet of Things (IIoT)6. Das IIoT wird durch die Vernetzung der gesamten industriellen Infrastruktur zu Cyber-physischen Produktionssystemen (CPS) erreicht. CPS sind Grundbestandteil der IIoT. Sie kommunizieren über das Internet in Echtzeit und agieren selbstständig in dezentralisierten Einheiten. Das IIoT in Kollaboration mit der Arbeitskraft Mensch begründet das soziotechnische Konzept der Industrie 4.0. In diesem sind physische und virtuelle Gegenstände miteinander vernetzt und steuern sich im Sinne der Smart Factory in dezentralisierten, hierarchiefreien Umgebung smart durch die Fabrik. (vgl. Obermaier, 2016, S. 6 f.; Scheer, 2016, S. 36)

2.3 Cyber-physische Produktionssysteme

Das Y-CIM-Modell von Scheer (2020, S. 35) (siehe Anhang 3) beinhaltet alle operative Informationssysteme eines Unternehmens. Im linken Zweig des Modells ist die Auftragsabwicklung durch ERP/PPS-Systeme enthalten. Der rechte Zweig beschreibt den Produktentwicklungsprozess durch CAx-Systeme. Beide Zweige werden in der Mitte des Modells im Fertigungsprozess zur Real-Time Smart-Factory vereinigt. Im Industrie 4.0 Kontext definiert das Y-CIM-Modell die Einsatzmöglichkeiten von CPS in den dargelegten Hauptprozessen Auftragsabwicklung, Produktentwicklung und Fertigung. Im Rahmen dieser Arbeit wird für CPS auf den Fertigungsprozess in der kurzfristigen Steuerungs- und Realisierungsebene eingegangen. (vgl. ebd., S. 34–43)

Den Grundbestandteil der IIoT Umgebung stellen CPS dar. Die Komposition Cyber-physisches Produktionssystem rekurriert zum einen auf Vernetzung (Cyber), zum anderen auf die physische Produktionsumgebung (Physical) und deren Vereinigung zu ganzheitlichen Produktionssystemen, welche die physikalische und digitale Welt der Produktion verbinden. Hieraus ergibt sich folgende Definition: ,,Cyber-Physical Systems sind hoch vernetzte eingebettete Systeme (Embedded Systems), die über Sensoren die Umwelt erfassen und Aktionen auslösen können‘‘ (Hansen/Thiel, 2012, S. 26). Eine exaktere technische Definition lautet: ,,Cyber-Physical Systems adressieren die enge Verbindung eingebetteter Systeme zur Überwachung und Steuerung physikalischer Vorgänge mittels Sensoren und Aktuatoren über Kommunikationseinrichtungen mit den globalen digitalen Netzen‘‘ (Broy, 2010, S. 17). Das Analysieren, Speichern und Weiterverarbeiten aller erzeugter Daten von CPS geschieht in einer gemeinsamen Datenbasis (Big Data) über das IIoT (siehe 2.2) (vgl. Jahn, 2017, S. 25) . Die Verbindung aller Produktionsfaktoren zwischen Betriebsmitteln und Werkstücken sowie dem Menschen erfolgt über Sender-Empfänger Systeme wie der Radio-Frequency Identification (RFID). Hierbei trägt das Werkstück durch einen Transponder alle relevanten Meta-Daten mit sich und steuert sich dezentralisiert selbst durch die Fertigung (vgl. Jahn, 2017, S. 12; Obermaier, 2016, S. 12–15). Dies entspricht der in Echtzeit gesteuerten Smart Factory (siehe 2.2) . Die Kommunikation zwischen Mensch und CPS verläuft über multimodale Mensch-Maschine Schnittstellen mit grafischen Benutzeroberflächen (vgl. Acatech, 2011, S. 17). In Anhang 4 (ebd., S. 18 f.) wird der schematische Aufbau und die Kommunikation zwischen CPS definiert. Für ein gelungenes Zusammenspiel der Anwendungen müssen die Informationen verschiedener CPS semantisch kompatibel sein.

In der IIoT-Umgebung ermöglichen CPS die dezentralisierte Vernetzung und Kommunikation in Echtzeit und erschaffen die industrielle Infrastruktur, welche Produktionsmittel, Produkt und Software miteinander verbindet. CPS und die darin enthaltenen Betriebsmittel und Werkstücke agieren autonom und selbstorganisiert. Sie werden selbst zum Smart Product. CPS sind somit der entscheidende Faktor zur Smart Factory und als Grundbaustein für die weitere Produktionsentwicklung in der Zukunft anzusehen . (siehe 2.2) (vgl. Obermaier, 2016, S. 12 f.)

Rekurrierend auf das Y-Modell von Scheer (2020, S. 35) (siehe Anhang 3) wird im linken Ast der Auftragsabwicklung ERP/PPS-Software verwendet. In vielen Fällen existiert in der EDV keine direkte Anbindung an den physischen Fertigungsprozess (vgl. Obermaier, 2016, S. 18). Für die durchgängige Vernetzung der ERP/PPS-Software in den Fertigungsprozess können Manufacturing Execution Systems (MES) verwendet werden. MES fungieren als die direkte Schnittstelle zwischen ERP/PPS und physischer Produktion. Durch die horizontale und vertikale Vernetzung aller an der Wertschöpfung Beteiligten erschaffen MES über das Internet CPS. Gleichzeitig verfügen MES über eine Mensch-Maschine-Schnittstelle mit grafischer Benutzeroberfläche. Die aus CPS generierten Datenmengen werden im MES in Echtzeit verarbeitet. Die Grundeigenschaften von CPS werden im MES vereinigt, Aufträge können in Losgröße 1 real-time abgewickelt werden. (vgl. Obermaier, 2016, S. 18 f.; Scheer, 2016, S. 38) Die klassische Automatisierungspyramide (siehe Anhang 5) von ERP zu MES ist im Rahmen von Industrie 4.0 nicht mehr abgrenzbar, dies resultiert aus der Integration von Fertigungsebene in Richtung Betriebsleitebene (vgl. TeDo Verlag GmbH, 2020). Als Ausblick bilden Cloud-basierte MES Software die Produktionssteuerung über gesamte Wertschöpfungsnetze entlang der Supply Chain ab.

Abschließend bieten CPS auch für den Produktionsfaktor Mensch Implikationen. Durch CPS wird auf digitaler Ebene ein Abbild der physischen Ebene geschaffen, welches in jeglicher Form durch Benutzerschnittstellen als digitaler Zwilling visualisiert wird. Die zu Verfügung gestellten Informationen unterstützen den Menschen mittels Augmented Reality (AR) oder Assistenzsystemen. Sie helfen, die Produktionsprozesse effizienter zu gestalten. (vgl. Obermaier, 2016, S. 15)

3 CPS im Kontext der Arbeitswelt

3.1 CPS: Die Zukunft der menschlichen Arbeitskraft

Die alternde Gesellschaft in Deutschland und der demografische Wandel stellen heutige Unternehmen vor größte Herausforderungen. Ein akutes Risiko ist der Mangel an benötigten und ausgebildeten Fachkräften am Arbeitsmarkt. Zu diesem Ergebnis kommt die Umfrage des Deutschen Industrie- und Handelskammertags (DIHK) (2019). Die voranschreitende digitale Transformation der Industrie 4.0 in der Gesellschaft (siehe 2.2, 2.3) verschärft die bestehende Problematik. Auch im Produktionsbereich bedingen diese Faktoren eine tiefgreifende Veränderung aller Prozesse und Berufsbilder. (Schuh et al., 2021, S. 12) Der „Future of jobs“-Report des Weltwirtschaftsforums (2020) geht davon aus, dass bis zum Jahr 2025 85 Mio. Stellen wegfallen, aber gleichzeitig 97 Mio. Jobs entstehen. (vgl. IT Verlag für Informationstechnik GmbH, 2021) Heutige Unternehmen sind somit nicht nur mit Fachkräftemangel am Arbeitsmarkt konfrontiert, sondern müssen die technologische Wende auf Seiten der Arbeitskraft stemmen und ganze Berufsbilder neu definieren.

Dies hat grundlegende Auswirkungen auf den Umgang mit Industrie 4.0 in Unternehmen. CPS als hoch heterogene vernetzte Gebilde mit physikalischen Systemen, Elektronik und Software erfordern eine systemische Sichtweise: Dies ist eine interdisziplinäre Betrachtung aller Ingenieurswissenschaften mit der Informatik und weiteren Disziplinen, wie der BWL oder den Geisteswissenschaften. (vgl. Acatech, 2011, S. 24 f.) Diese neue Sichtweise bringt für die Arbeitskraft Mensch veränderte Aufgabenfelder mit sich mit. In der Neugestaltung gilt es, die menschlichen Aspekte gegenüber dem wirtschaftlichen und ökonomischen Nutzen zu berücksichtigen. Aus diesem Widerspruch heraus entwickelte sich im Jahr 2015 das Projekt „Prävention 4.0“7. Das Ziel des Projekts ist es, die aus CPS in der Arbeitswelt entstehenden Handlungsfelder zu definieren und zu analysieren (vgl. Cernavin et al., 2018, S. 10 f.). Hierdurch soll eine präventive Arbeitsgestaltung für den Menschen gewährleistet sein. Die Autoren geben in der Gestaltung der 4.0-Geschäftsprozesse Raum für Innovationsfähigkeit und technologischer Kompetenz und heben die Bedeutsamkeit des expliziten und impliziten Wissens des einzelnen Mitarbeiter hervor, welches im Rahmen von organisationalen Lernprozessen kollektiviert werden soll (vgl. ebd., S. 11). Ferner soll Industrie 4.0 dabei helfen, die Verständigungslücke zwischen Mensch und Maschine zu beheben (semantische Lücke). Hieraus resultiert die Forderung eines interdisziplinären, systemischen Konzepts, welches den Prozess und den einzelnen Mitarbeiter dazu befähigt, die Komplexität der technologischen Wende von CPS in der Produktion zu bewältigen (vgl. Becker, 2015, S. 26).

Auf operativer Gestaltungsebene der Produktion, in welcher Produktionsmittel und Produkte über CPS im IIoT miteinander vernetzt sind (siehe 2.3), ist die Neuausrichtung weg von ex-ante optimierten Abläufen hin zu in Echtzeit gesteuerten Abläufen erforderlich. Das Berufsbild des Menschen wandelt sich grundlegend (vgl. Hirsch-Kreinsen, 2015, S. 89–91). Arbeitsplätze mit geringem Qualifikationsniveau werden durch intelligente Systeme substituiert. Dies ist beispielsweise in der Logistik, Maschinenbedienung oder in der manuellen Datenerfassung- und Eingabe der Fall. Auf der qualifizierten Facharbeiterebene wird es zur Dequalifizierung von Tätigkeiten kommen, indem standardisierte Kontroll- oder Überwachungsfunktionen automatisiert werden.

Letztlich wird ein Großteil der Jobs auch eine Qualifikationsaufwertung und Tätigkeitsanreicherung erfahren. Die erhöhte Komplexität von Industrie 4.0 und die Dezentralisierung von Entscheidungs- und Koordinationsaufgaben in den Produktionsnetzwerken erfordert eine hohe Eigeninitiative und Eigenständigkeit des Facharbeiters. Dies äußert sich in einer hohen Kommunikationsfähigkeit, Selbstorganisation und erhöhten Problemlösungsanforderungen, um die Varianz der Losgröße 1 Fertigung zu bewältigen. (vgl. Baumann et al., 2018, S. 4 f.; Hirsch-Kreinsen, 2015, S. 91 f.) Der Mitarbeiter fungiert als Augmented Operator, welcher die Produktion dezentral steuert und überfacht (vgl. Hofmann, 2016, S. 267).

Wichtige Implikationen zur Gestaltung von Industrie 4.0 Arbeitsplätzen liefern Mensch-Maschine Schnittstellen. CPS als autonome und lernende Software eröffnen ein neues Verhältnis von Mensch und Arbeitsmittel als kollaboratives, soziotechnisches System. So werden CPS die Prozesse, in welchen Menschen tätig sind, teilweise oder ganz steuern (vgl. Baumann et al., 2018, S. 12). Dies hat Auswirkungen auf die Belastungssituation der Mitarbeiter. Fremdsteuerung, Komplexität und Überwachung durch CPS rufen hohe psychische Belastungen beim Menschen hervor. Gleichzeitig können Assistenzsysteme die physische Belastung der Arbeitskraft senken. Dies geschieht beispielsweise durch Unterstützung im Heben, Tragen oder Greifen von Werkstücken (vgl. Baumann et al., 2018, S. 13; Börkircher/Walleter, 2018, S. 74).

„Unter der Dimension ‚Assistenzsystem‘ sind alle Technologien zusammengefasst, die die Beschäftigten bei der Ausführung ihrer Arbeit direkt unterstützen“ (Cernavin/Lemme, 2018, S. 38). Ferner beheben sie die Verständigungslücke zwischen ausführenden CPS und dem Menschen (semantische Lücke). Assistenzsysteme reduzieren die für den Mitarbeiter wahrgenommene Komplexität auf ein überschaubares Maß. Der Herausforderungsgrad wird für den handelnden Mitarbeiter in komplexen technologischen Prozessen des IIoT mit CPS erheblich vereinfacht. Assistenzsysteme sind somit für die Komplexitätsbeherrschung verantwortlich. Dies geschieht durch Unterstützung bei Teilproblemen durch Übernahme von Kontrollfunktionen oder mittels Optimierung des Gesamtsystems durch Steuerung gesamter Komponenten. Letztlich wird auch der Kompetenzaufbaus des Anwenders, indem Informationen im Prozess in Echtzeit zu Verfügung gestellt werden, gefördert. (vgl. Hofmann, 2016, S. 258) Hieraus entwickeln sich adaptive Assistenzsysteme, welche Entscheidungsträgern Informationen über Entscheidungssachverhalte liefern. Durch Abstrahieren komplexer Sachverhalte in Echtzeit wird die Flexibilität und Effizienz im Produktionssystem optimiert. Komplexe Entscheidungssituationen werden bestmöglich gelöst. (vgl. Winkler et al., 2016, S. 219 f.) Die Akzeptanz solcher Systeme geht auf Seiten der Mitarbeiter mit der Arbeitserleichterung einher. Mit der körperlichen Entlastung wird langfristig auch die psychische Belastung des Mitarbeiters durch CPS sinken. (vgl. Börkircher/Walleter, 2018, S. 74) Somit ist zu konstatieren, dass im Umgang mit CPS die menschlichen Aspekte ausschlaggebend sind, um einen wirtschaftlichen Nutzen erzielen zu können.

3.2 Chancen und Risiken niedrig qualifizierter Arbeitskräfte

Niedrig qualifizierte Arbeitskräfte im Produktionsumfeld sind vollständig vom Wandel durch CPS betroffen (siehe 3.1). Wie sehen die Chancen und Risiken für diese Berufsgruppe aus?

Die sich immer schneller veränderten beruflichen Anforderungen an Mensch und Maschine erfordern die kontinuierliche Weiterbildung der Arbeitskraft. Unternehmen sind nicht mehr in der Lage, fehlende Qualifikationen nur über Rekrutierung neuer Arbeitskräfte abzudecken. Internes Upskilling oder Reskilling stellen die größte Chance für die Weiterbildung der eigenen Fachkräfte dar. Ansätze solcher Qualifizierungsmaßnahmen sind Transparenz über die Fähigkeiten der Mitarbeiter, die Integration der Lerninhalte in den Arbeitsalltag und personalisierte Entwicklungspläne. Eine prospektive Planung für Mitarbeiter, im Rahmen einer Vorqualifizierung (Preskilling) zukünftig benötigte Rollen und Arbeitsfelder auszutesten, bietet hinreichende Zukunftsplanung. (vgl. Baumann et al., 2018, S. 12; IT Verlag für Informationstechnik GmbH, 2021)

Ein weiterer Faktor von Qualifizierungsmaßnahmen ist der Umgang mit Assistenzsystemen, in welchem auch niedrig qualifizierte Fachkräfte geschult werden müssen. Assistenzsysteme reduzieren für den Mitarbeiter zum einen die Komplexität in Produktionsprozessen, zum anderen verringern sie physische als auch langfristig psychische Belastung im Umgang mit CPS (siehe 3.1). Assistenzsysteme ermöglichen, auch ungelernte Fachkräfte in komplexen, standardisierten Produktionsprozessen einzusetzen, indem Kontroll- und Steuerungsfunktionen durch die CPS übernommen werden und diese den Mitarbeiter anleiten. Dies äußert sich in der „individuellen Gestaltung einer lernförderlichen, sicherheits- und gesundheitsgerechten Arbeitsumgebung“ (Baumann et al., 2018, S. 12). Daher müssen Arbeitsplatz und Weiterbildungsmaßnahmen individuell gestaltet werden, um die erforderliche Differenzierung, Spezialisierung und Flexibilisierung zu erreichen, welche im CPS-Kontext notwendig ist. Nicht zuletzt ermöglichen CPS eine demografiesensible und belastungsmindernde Arbeitsgestaltung, welche unter Berücksichtigung des Fachkräftemangels essenziell ist. Hierdurch ist es mittels Assistenzsystemen auch älteren Arbeitnehmern weiterhin im vollen Maße möglich, produktiv zu arbeiten (vgl. Becker, 2015, S. 24).

Es ist zu betonen, dass Aussagen zu konkreten künftigen Qualifikationsanforderungen an die Mitarbeiter mit erheblichen prognostischen Unsicherheiten behaftet sind. Der erhöhten Komplexität in neuen Produktionsprozessen wird zumeist damit begegnet, dass seitens der Experten neue Kompetenzen postuliert werden. Solche Aussagen sind empirisch schwer zu belegen und führen zu großer Unsicherheit in der künftigen Weiterentwicklung der Facharbeiter im Produktionsbereich. Des Weiteren kann es dazu kommen, dass bereits vorhandene Kompetenzen, die auch in Zukunft benötigt werden, im Rahmen der CPS in den Hintergrund rücken oder aufgrund ihrer guten Verfügbarkeit aus dem Fokus geraten. (vgl. Nickolaus et al., 2022, S. 143) Die aufgeführten Punkte untermauern den Standpunkt, dass interne Schulungsmaßnahmen als hoch heterogen anzusehen sind und individuell betrachtet werden müssen.

[...]


1 Dies spiegelt sich auch in heutigen Organisationsprinzipien wider, welche auf den mechanistischen Modellen des Taylorismus oder Fordismus basieren.

2 Die vorliegende Arbeit gibt keine detaillierten Erläuterungen zu den Führungs- und Organisationstheorien der ersten drei Revolutionen. Wichtige Implikationen liefert beispielsweise Schönfelder (2018, S. 7–36).

3 Tiefergehende Erläuterungen liefern Argyris/Schön (2008).

4 „Anticipatory Shipping“ ist ein Patent von Amazon, welches auf dem Konzept des Data-Minings basiert. Hierbei werden benutzerbezogene Daten potenzieller Kunden gesammelt und ausgewertet. Durch den Standort und dem Klickverhalten der User wird die betrachtete Ware in „local hubs“ (Logistikzentren) verschoben. Dieses Patent beinhaltet nicht zuletzt die Versendung des potenziellen Produkts bis zur Türe des Users, ohne dass es gekauft wurde. (vgl. Praveen Kopalle 28.01.2014)

5 Klassische Fertigungsmodelle nach dem Make-to-Stock (MtS) Prinzip verlieren immer mehr an Bedeutung, während Configure-to-Order (CtO) oder das beschriebene ETO vom Markt gefordert werden. Im CtO äußert sich dies in einer hohen Varianz, in welcher Kundenanforderungen standardisiert abgewickelt werden. Der Order penetration point (OPP) des Original Equipment Manufacturer (OEM) verschiebt sich an den Anfang des Produktlebenszyklus. Dies spiegelt sich in Losgröße 1 Konzepten wider. (vgl. Obermaier 2016, S. 21 f.) Hierdurch wird die Produktion ressourcenschonender und kundenorientierter gestaltet.

6 Als Teilbereich des Konzepts des IoT fokussiert sich das IIoT auf die Industrie und der Vernetzung aller Beteiligten zu Wertschöpfungsnetzen in Fertigungsbetrieben. Das IIoT optimiert die Kommunikation zwischen Maschinen und angebundenen Systemen mittels Datenerfassung- und Weitergabe über das Internet. Erst das ermöglicht eine hohe Vernetzung zwischen Produktionsmittel und Produkt.

7 „Verbundprojekt ‚Prävention 4.0 […] – Handlungsfelder und -leitfaden für eine präventive Arbeitsgestaltung in der digitalen Arbeitswelt 4.0‘“ (Cernavin et al., 2018, S. 10).

Ende der Leseprobe aus 28 Seiten

Details

Titel
Untersuchung zur Verwendung von Cyber-physischen Produktionssystemen. Chancen und Risiken für die Arbeitswelt
Hochschule
AKAD University, ehem. AKAD Fachhochschule Stuttgart
Veranstaltung
Interdisziplinäre Kompetenzen
Note
1,0
Autor
Jahr
2022
Seiten
28
Katalognummer
V1284539
ISBN (Buch)
9783346741509
Sprache
Deutsch
Schlagworte
Cyber physische Produktionssysteme, Industrie 4.0, CPS, Big DATA, Internet of Things
Arbeit zitieren
Marius Utz (Autor:in), 2022, Untersuchung zur Verwendung von Cyber-physischen Produktionssystemen. Chancen und Risiken für die Arbeitswelt, München, GRIN Verlag, https://www.grin.com/document/1284539

Kommentare

  • Noch keine Kommentare.
Im eBook lesen
Titel: Untersuchung zur Verwendung von Cyber-physischen Produktionssystemen. Chancen und Risiken für die Arbeitswelt



Ihre Arbeit hochladen

Ihre Hausarbeit / Abschlussarbeit:

- Publikation als eBook und Buch
- Hohes Honorar auf die Verkäufe
- Für Sie komplett kostenlos – mit ISBN
- Es dauert nur 5 Minuten
- Jede Arbeit findet Leser

Kostenlos Autor werden