Arbeit in der Automobilproduktion 4.0. Motivationsfördernde Arbeitsgestaltung

Inhaltsverzeichnis

Abbildungsverzeichnis

Abkürzungsverzeichnis

1 Einleitung
1.1 Problemstellung
1.2 Zielsetzung der Arbeit
1.3 Vorgehensweise

2 Industrie 4.0 als Zukunftsbild der Automobilproduktion
2.1 Grundlagen der Industrie 4.0
2.1.1 Cyber Physical Systems
2.1.2 Internet der Dinge
2.2 Technologien in der Automobilproduktion
2.2.1 Radio frequency identification
2.2.2 Cloud Computing
2.2.3 Assistenzsysteme

3 Job Characteristics Model
3.1 Dimensionen der Arbeitsgestaltung
3.2 Vermittlung der psychologischen Zustände
3.3 Auswirkungen
3.4 Überblick der Anwendungsergebnisse

4 Arbeitsgestaltung in der Automobilproduktion 4.0
4.1 Anwendung des Job Characteristics Models
4.1.1 Automatisierungsszenario
4.1.2 Werkzeugszenario
4.2 Praxisbeispiele und Vision

5 Fazit

Literaturverzeichnis

Abbildungsverzeichnis

Abbildung 1 Job Characteristics Model

Abkürzungsverzeichnis

Abbildung in dieser Leseprobe nicht enthalten

1 Einleitung

1.1 Problemstellung

Die vierte industrielle Revolution wird auch Industrie 4.0 genannt und beschäftigt sowohl die Wissenschaft als auch die Wirtschaft (Chiarello, Trivelli, Bonaccorsi & Fantoni, 2018, S. 244). Die Automobilproduktion erfährt den Wandel besonders, da sich aufgrund aktueller 4.0-Technologien die direkten Arbeitsschritte an der Produktionslinie immer besser automatisieren lassen (Mohelska & Sokolova, 2018, S. 2227). Montageaufgaben und Kommissionierungstätigkeiten sind hier aktuell durch manuelle menschliche Arbeit gekennzeichnet und deshalb besonders stark von den Veränderungen betroffen (Müller, Vette & Scholer, 2014, S. 370). Durch Fertigungslinien, welche sich selbst steuern und untereinander kommunizieren, gerät der Mensch immer mehr in den Hintergrund der Wertschöpfungskette, sodass die Arbeitsaufgabe immer mehr von Überwachungstätigkeiten geprägt ist (Dombrowski, Riechel & Evers, 2014, S. 133-134). Da bereits erlernte Fertigkeiten und Kenntnisse teilweise entwertet werden, erfährt die Facharbeiterebene eine Dequalifizierung (Hirsch-Kreinsen, 2014, S. 423), was sich wiederum demotivierend auf die Belegschaft und somit negativ auf deren Leistungsbereitschaft auswirken kann. Jedoch stehen motivierte Mitarbeiter im positiven Zusammenhang mit den Unternehmenszielen (Manzoor, 2012, S. 42; Shukla, 2012, S. 432-433), weshalb die Veränderung im Rahmen von Industrie 4.0 von Führungskräften¹ genau geplant sein sollte, um Defizite zu vermeiden.

Die Entstehung von Motivation im Arbeitskontext ist Gegenstand umfassender Forschung (Fried & Ferris, 1987, S. 287-288.; Taber & Taylor, 1990, S. 491). Ein Modell mit einem besonders hohen empirischen Bestätigungsgrad ist dabei das Job Characteristics Model (JCM) von Hackman und Oldham (1975). Im Mittelpunkt des Modells steht die Beschreibung der Auswirkung von Arbeitsgestaltung auf die Mitarbeitermotivation. Deshalb eignet es sich besonders für die Untersuchung der Mitarbeitermotivation im Rahmen der Veränderungen in der Automobilproduktion durch die vierte industrielle Revolution.

1.2 Zielsetzung der Arbeit

Ziel dieser Arbeit ist es, den Wandel der Arbeitsgestaltung in der Automobilindustrie durch Industrie 4.0 hinsichtlich seiner Motivationswirkung zu untersuchen und Handlungsempfehlungen für die Managementpraxis abzuleiten.

1.3 Vorgehensweise

Im Grundlagenteil wird in die Thematik eingeleitet, indem zunächst die wichtigsten Begriffe erläutert werden. Außerdem wird das herangezogene wissenschaftliche Modell erklärt. Im Hauptteil folgt die Verknüpfung zwischen Theorie und Praxis. Es wird dargestellt, wie die Industrie 4.0 Einfluss auf die Motivation der Arbeitnehmer nimmt. Außerdem werden Möglichkeiten aufgezeigt, wie Manager die Mitarbeitermotivation positiv beeinflussen können.

2 Industrie 4.0 als Zukunftsbild der Automobilproduktion

Die Thematik der Industrie 4.0 wurde der Öffentlichkeit erstmals auf der Hannover Messe im Jahr 2011 präsentiert und wird vor allem im deutschen Raum als die vierte industrielle Revolution gehandelt (Kagermann, Lukas & Wahlster, 2011, S. 1). Die erste industrielle Revolution im 18. Jahrhundert ist gekennzeichnet durch die Erfindung der ersten mechanischen Arbeits- und Kraftmaschinen, welche mithilfe von Wasserdampf arbeiteten (Xu, Xu & Li, 2018, S. 2941). Besonders der erste mechanische Webstuhl ist dafür von Bedeutung, denn durch diesen wurden die in großer Stückzahl produzierten Textilien günstiger. Die zweite Revolution, um 1870, war die Einführung der arbeitsteiligen Massenproduktion (Ghislieri, Molino & Cortese, 2018, S. 2). Die ersten Fließbänder wurden erschaffen und Henry Ford revolutionierte mithilfe dieser die Automobilfertigung. Die dritte Revolution entstand um 1979. Vermehrt wurde Elektronik eingesetzt, um eine neue Art der Kommunikation bereitzustellen (Xu et al., 2018, S. 2941). Die variantenreichere Serienproduktion entstand in dieser Zeit. Besonders kennzeichnend sind die speicherprogrammierbaren Steuerungen, welche bereits kleine Arbeitsschritte komplett automatisch abrufen konnten (Philbeck & Davis, 2019, S. 18).

2.1 Grundlagen der Industrie 4.0

Die Merkmale von Industrie 4.0 wurden nicht explizit definiert. Das Bundesministerium für Bildung und Forschung hat selbst eine Plattform gegründet, um Industrie 4.0 Themen der Öffentlichkeit zugänglich zu machen. Hier werden unter anderem Handlungsempfehlungen ausgesprochen und aktuelle Trends und Themen diskutiert. Die Plattform bezeichnet Industrie 4.0 als „… die intelligente Vernetzung von Maschinen und Abläufen in der Industrie mit Hilfe von Informations- und Kommunikationstechnologie.“ (Plattform Industrie 4.0, 2019, Juli 17). Die Literatur betont neben der Bedeutung einer kontinuierlichen Kommunikation zwischen Maschinen und Menschen auch die Relevanz der Kommunikation zwischen Maschine und Maschine (Roblek, Meško & Krapež 2016, S. 8). Die aktuell angekündigte Revolution soll der Industrie ermöglichen, die Wertschöpfung zu verbessern und gleichzeitig die Entwicklung zeitgemäßer Geschäftsmodelle voran zu treiben (Drath & Koziolek 2015, S. 6). Außerdem sollen die Förderung kreativer Arbeit, die Vereinbarkeit von Arbeit und Privatleben und die Schaffung altersgerechter Arbeitsplätze durch Industrie 4.0 ermöglicht werden (Kagermann, Wahlster & Helbig, 2013, S. 5).

2.1.1 Cyber Physical Systems

Kennzeichnend für die Industrie 4.0 sind Cyber Physical Systems (CPS), welche die bahnbrechende Technik der Revolution darstellen (Kocsi & Oláh, 2017, S. 390; Zheng et al., 2018, S. 137; Xu et al., 2018, S. 2942). Cheng, Zhang, Ji, Xu, Zhou und Tao (2018, S. 1210) beschreiben, dass die Systeme mit einer kontinuierlichen Dynamik ausgestattet sind. Weiterhin werden sie durch Algorithmen überwacht, koordiniert, gesteuert und integriert. Unter anderem werden CPS als kooperierende Systeme verstanden, welche eine dezentrale Kontrolle haben, die aus der Verschmelzung der realen und der virtuellen Welt resultiert (Xu et al., 2018, S. 2947). Sie verhalten sich autonom und können sich auf Veränderungen sehr gut einstellen. Die Systeme sind in der Lage, sich selbst zu organisieren, und kommunizieren untereinander in Echtzeit (Schuh, Potente, Varandani, Hausberg & Fränken, 2014, S. 6). Durch den Einsatz der Technologie werden folgende Ziele angestrebt: die Optimierung von Produktionsprozessen und Produkten sowie eine Humanisierung der Produktion (Rudtsch, Gausemeier, Gesing, Mittag & Peter, 2014, S. 314). Die Maschinen verfügen über eine hochpräzise Arbeitsweise ohne Ermüdungserscheinungen aufzuweisen. Deshalb wiederholen sie ihre Handlungen ohne den Verlust von Qualität. Diese Wandlung verschafft einen zeitlichen Vorsprung und kann damit die Markteinführung von neuen Produkten beschleunigen, was einen erheblichen Vorteil gegenüber den Mitbewerbern schafft und sich in höheren Gewinnen wiederspiegelt (Crnjac, Veža & Banduka, 2017, S. 24). Erreicht wird diese Entwicklung durch Sensoren, mit welchen es den Maschinen möglich wird, sich eigenständig zu optimieren und Datenströme auszulösen (Roblek et al., 2016, S. 1).

2.1.2 Internet der Dinge

Werden viele Maschinen, Systeme und Roboter miteinander verbunden, so entsteht ein Netzwerk, welches in diesem Kontext Internet of Things (IoT) oder im deutschen auch Internet der Dinge (IdD) bezeichnet wird (Weyer, Meyer, Ohmer, Gorecky & Zühlke, 2016, S. 97). Weiterhin zeichnet sich das IdD durch eine ständige Verbindung von Ressourcen, Informationen, Menschen oder eben auch einzelnen Objekten aus (Lampropoulos, Siakas & Anastasiadis, 2019, S. 9). Es wird als die Basis der Industrie 4.0 bezeichnet. Im IdD werden von allen „Dingen“ Daten gesammelt. Daraus werden durch Analysen Verbesserungspotenziale identifiziert und wenn möglich sogar neue Geschäftsmodelle entwickelt (Feng & Shanthikumar, 2018, S. 1678).

Die Bezeichnung Industrie 4.0 hat sich mittlerweile zu einem Sammelbegriff für verschiedene Techniken und Zielvorhaben entwickelt. Nebenbei entstehen auch Schlagwörter wie Arbeit 4.0, Wirtschaft 4.0 und nun auch Automobilproduktion 4.0 (Meyer, 2019, S. 131). Im folgenden Abschnitt soll ein Überblick über die Automobilproduktion 4.0 gegeben werden.

2.2 Technologien in der Automobilproduktion

Die Automobilbranche muss sich derzeit großen Herausforderungen stellen, wie beispielsweise neuen Anforderungen im Umweltschutz, neuen Prüfverfahren für die Abnahme von Motoren oder Strafzöllen im Handel. All dies erschwert der Automobilindustrie ihre Produkte zeitnah mit den geforderten Ansprüchen auf dem Markt zu platzieren. Geleichzeitig steigen die Forderungen von den Kunden nach individualisierten Fahrzeugen (Schlechtendahl, Keinert, Kretschmer, Lechler & Verl, 2015, S. 143; Peters, Chun, & Lanza, 2016, S. 1; Schulze, MacDuffie & Täube, 2015, S. 605). Im Jahr 2012 boten Audi, BMW und Mercedes deutschlandweit 66 Modelle von Premiumfahrzeugen an. Hingegen waren es 1990 lediglich sieben Premiummodelle (Russwurm, 2013, S. 23). Neben der Modellvielfalt steigt vor allem auch die Ausstattungsvielfalt. Problematisch sind schwächelnde Märkte und steigende Konkurrenz, wodurch die Absatzzahlen sukzessive stärker stagnieren (Peters et al., 2016, S. 1). Dadurch entsteht ein hoher Konkurrenzkampf am Markt, welcher sich in den Gewinnmargen aller Hersteller abzeichnet (Schulze et al., 2015, S. 605).

Neue Märke werden erschlossen, um die Fahrzeuge global abzusetzen. Dies erhöht die Anforderungen an die Wertschöpfungskette, besonders an die Logistik (Hrušecká, Lopes & Juřičková, 2019, S.233-234). Fahrzeuge und Ersatzteile müssen weite Wege zurücklegen, wodurch die Vorbereitung der Auslieferung eines Fahrzeuges komplexer wird (Göpfert, Schulz & Wellbrock, 2013, S. 11). Dieser Problematik kann durch den Einsatz neuerer Technologien Abhilfe geschaffen werden. Sowohl das Ziel der Kostenminderung als auch die Produktvielfalt können mit Hilfe von Industrie 4.0-Technologien effizienter gestaltet werden (Schaltegger, Lüdeke-Freud & Hansen 2016, S. 267; Peters et al., 2016, S. 2).

Klassischerweise gliedert sich die Automobilproduktion in Presswerk, Rohbau, Lackiererei und Fahrzeugendmontage (Huber, 2016, S. 259-268). Aufgaben wie Schweißen oder Lackieren am Fahrzeug wurden bereits weitestgehend automatisiert und bedürfen nur noch wenig menschlicher Zuarbeit (Russwurm, 2013, S. 24). Die Abgrenzung, ob dies durch Industrie 4.0 Technologien erfolgte oder nur eine konsequente Weiterentwicklung durch Industrie 3.0 war, ist nicht klar zu erkennen. Besondere Betrachtung erhält deshalb die Endmontage, bei welcher sich die größten Möglichkeiten der Arbeitsumgestaltung ergeben. Der Name allein könnte darauf schließen lassen, dass es sich hierbei hauptsächlich um Montageaufgaben handelt. Dennoch fallen wiederholt auch Logistiktätigkeiten an. Einige Arbeitsschritte müssen je nach Größe des Automobilherstellers vielfach wiederholt werden.

2.2.1 Radio frequency identification

Für Automobilhersteller sind das IdD in Verbindung mit den CPS die Grundlage neuer Fertigungsanlagen. Besonders die variantenreiche Fertigung kann mithilfe der Radio frequency identification (RFID) Technik erleichtert werden. Bauteile werden mit einer unauffälligen Markierung, einem sogenannten Tag, versehen. Dieser kann per Radiowellen mit den Maschinen und Robotern kommunizieren. Das Bauteil wird dadurch eindeutig identifizier- und lokalisierbar (Sarac, Absi & Dauzère-Pérès, 2010, S. 77-78.). CPS können das Signal verarbeiten und wissen dadurch automatisch, welche Bauteile verbaut werden müssen, und lösen daraufhin den passenden Prozess aus. Weiterhin können auch andere Endgeräte Zugriff auf diesen Tag erhalten (Zhou, Chong & Ngai, 2015, S. 1). Diese Technologie ermöglicht der Produktion, sich selbst zu steuern. Auch wenn der Einsatz von RFID die Industrie 4.0 kennzeichnet, so ist diese Technik bereits seit 1990 in Nutzung, um Bauteile zu tracken (Li, 2013, S. 171). Deshalb wird oft diskutiert, ob es sich wirklich um die vierte industrielle Revolution handelt oder nur um eine Weiterentwicklung der vorherigen.

Die Frage wird jedoch erst rückblickend, in ein paar Jahrzenten, beantwortet werden können (Ittermann, Niehaus & Hirsch-Kreinsen, 2015, S. 7).

2.2.2 Cloud Computing

Xu et al. (2018, S. 2947) verdeutlichen die Wichtigkeit von Cloud Computing, welches die Nutzung von externer Rechenleistung ermöglicht. Die Verarbeitung von großen Datenmengen und deren Speicherung wird hierdurch schnell und günstig bereitgestellt. Dies macht die Anschaffung weiterentwickelter Computersysteme für die Unternehmen entbehrlich, da stattdessen externe IT-Dienstleister eingesetzt werden können. Aktuelle Daten über den Fertigungsprozess können von Managern weltweit eingesehen werden, da neben Rechenleistung auch Speicherkapazitäten in der Cloud zur Verfügung stehen. In der Fabrik eingesetzte Endgeräte sind mit dieser Cloud verbunden, was flexible und schnelle Kommunikation ermöglicht.

2.2.3 Assistenzsysteme

Nennenswert sind des Weiteren die vielfältigen Assistenzsysteme der Produktion, welche sich in das IdD eingliedern. Sofern es nicht wirtschaftlich erscheint, eine Maschine vollständig durch einen technischen Arbeitsschritt zu ersetzen, oder der Mensch für diesen Arbeitsschritt unentbehrlich ist, kommen unterschiedliche Endgeräte zum Einsatz. Der Mensch kann durch neue Transportmöglichkeiten, wie z.B. neuere Gabelstapler oder Lastenfahrzeuge, entlastet werden. Diese können zentral zentimetergenau gesteuert werden und transportieren Gegenstände ohne menschliche Hilfe innerhalb des Firmengeländes. Somit kann eine zeitgenaue vollständige Lieferung an die Produktion gewährleistet werden (Plattform Industrie 4.0, 2019, August 06). Ein weiteres Beispiel für Assistenzsysteme sind die Datenbrillen (siehe auch Kapitel 4.2). Sie schlagen die Brücke zwischen der physischen Welt eines Mitarbeiters und dem digitalen Umfeld (Masood & Egger, 2019, S. 181). Im Englischen wird diese Technologie als Augmented Reality (AR) oder Virtual Reality (VR) bezeichnet. Eingesetzt werden die Brillen, um die Kommissionierung von Fehlern zu befreien und aus den gewonnenen Daten Verbesserungen abzuleiten (Masood & Egger, 2019, S. 182). Der Mitarbeiter bekommt eine VR-Brille aufgesetzt, welche ihm eine Oberfläche auf die Realität projiziert. Beispielsweise könnte die Brille das Bauteil, welches als nächstes gegriffen werden soll, leuchtend umrandet erscheinen lassen oder den kürzesten Weg zum nächsten Arbeitsort aufzeigen. Durch den Einsatz von VR bleibt der Mensch weiterhin ein Bestandteil der Automobilproduktion 4.0. Als Teil des IdD wird die Brille aus einer Zentrale gesteuert. Die Automobilproduktion ist von vielen Kommissionierungsaufgaben gekennzeichnet, weshalb sich diese Technik bereits teilweise durchgesetzt hat (Plattform Industrie 4.0, 2019, August 01).

3 Job Characteristics Model

Die Motivationsveränderung der Beschäftigten in der Automobilproduktion wird anhand des Job Charateristics Modles (JCM) untersucht, welches in diesem Abschnitt zunächst grundlegend erklärt wird. Außerdem soll der derzeitige Forschungsstand ausgewertet und kritisch betrachtet werden. In Abbildung 1 ist das gesamte Modell bildlich dargestellt.

Abbildung in dieser Leseprobe nicht enthalten

Abbildung 1 Job Characteristics Model in Anlehnung an Hackman & Oldham, 1975, S. 161

Die Anwendung des JCMs ist regelmäßig mit der Auswertung eines sogenannten Job Diagnostic Surveys verbunden (Hackman & Oldham, 1975, S. 162). Es handelt sich dabei um einen Fragebogen zur subjektiven Beurteilung der geforderten Aufgabenausprägungen für die Stelleninhaber. In dieser Arbeit wird auf die Auswertung von Surveys verzichtet, da es aktuell nur eine begrenzte Anzahl von Industrie 4.0 Arbeitsplätzen in der Automobilproduktion gibt (Diebig, Müller & Angerer, 2017, S. 833) und daher für das Ziel dieser Arbeit nicht zielführend ist.

3.1 Dimensionen der Arbeitsgestaltung

Das Modell beschreibt fünf Kriterien der Arbeitsgestaltung, welche so intensiv wie möglich erfüllt sein sollten (Hackman & Oldham, 1975, S. 161-162):

1. Varietät (variety): Dem Stelleninhaber werden verschiedene Fertigkeiten und Fähigkeiten abverlangt, damit der Job möglichst abwechslungsreich ist.
2. Ganzheitlichkeit (task identity): Die Aufgabe erfordert die Herstellung eines ganzen Produktes oder einer abgrenzbaren Teilkomponente und nicht nur eines Teilaspektes (z.B. Erstellung einer ganzen Zylinderkopfdichtung für ein Automobil und nicht nur einige Schrauben davon).
3. Bedeutung (task signifikance): Für den Mitarbeiter ist nachvollziehbar, dass jeder Arbeitsschritt einen unmittelbaren Nutzen für die Firma oder das Produkt hat. Darüber hinaus kann er einen Sinn für sein Handeln erkennen.
4. Autonomie (autonomy): In der Ausführung seiner Tätigkeit hat der Stelleninhaber Handlungsspielräume, über welche er selbst entscheiden kann, ohne weitere Absprachen treffen zu müssen.
5. Feedback: Streng betrachtet ist nur das Feedback durch die Tätigkeit selbst ein Charaktermerkmal des Jobs. Hackman und Oldham erlauben trotzdem die Merkmalserweiterung um Feedback von Kollegen und Vorgesetzten.

Die ersten drei Kriterien sind gegenseitig substituierbar und je nach persönlichen Bedürfnissen zu bewerten. Ein Instrument zur Auswertung des JCMs ist der Motivating Potential Score (MPS). Da die Varietät, die Ganzheitlichkeit und die Bedeutung austauschbar sind, wird hierbei die Summe dieser Merkmale durch drei geteilt, bevor sie multiplikativ mit der Autonomie und dem Feedback verknüpft werden. Je höher der Score, desto höher die Motivation des Angestellten. Mathematisch würde sich die Formel folgendermaßen darstellen:

[...]

¹ In der folgenden Arbeit wird aus Gründen der besseren Lesbarkeit ausschließlich die männliche Form verwendet. Sie bezieht sich auf Personen aller Geschlechter.