Der Vortrag leitet am Beispiel der Automobilindustrie in die wesentlichen Entwicklungen zur Digitalisierung von Industriebetrieben ein und stellt dabei die besondere Rolle der Daten und eines wirksamen Datenmanagements heraus. Abschließend gibt der Vortrag Empfehlungen zum Management der Digitalen Transformation.

1. © Fraunhofer · Seite 1
Prof. Dr.-Ing. Boris Otto
Syntegration zur Digitalen Produktion · Königslutter · 7.6.2017
DIGITALISIERUNG DER INDUSTRIE

2. © Fraunhofer · Seite 2
INHALT
 Digitalisierung des Industriebetriebs
 Die Rolle der Daten
 Digitale Transformation

3. © Fraunhofer · Seite 3
Bildquelle: Audi (2016).
Legende: FTS – Fahrerloses Transportsystem; VR – Virtual Reality.
Digitale Technologien finden sich in verschiedenen Bereichen des
Leistungserstellungsprozesses – wie das Beispiel von AUDI zeigt
Autonome FTS für die modulare Montage Mensch-Roboter-Kooperation Autonome Routenzüge
Flugroboter in der Montage VR in der Entwicklung Prädiktive Analyseverfahren in der Logistik

4. © Fraunhofer · Seite 4
Quelle: Koren (2010), zitiert in Bauernhansl (2014). Bildquellen: https://en.wikipedia.org (2015), https://www.impulse.de (2015), audi.de (2015),
o2.co.uk (2015), computerbild.de (2015).
Die Automobilindustrie ist im Zuge der Digitalisierung auf der
Leistungsangebotsseite einem fundamentalen Wandel unterworfen
Ausstoß pro
Variante
Variantenzahl
1850
1913
1955
1980
2000
Ford Model T
VW-Käfer-
Produktion
Audi-Konfigurator
Massen-
fertigung
Individualisierung
»Sharing Economy«
Komplexität
Globalisierung
iPhone
3D Printed Car

5. © Fraunhofer · Seite 5
Neue Leistungsangebote folgen in der Digitalisierung den Prinzipien der
»Smart Service Welt«
»Smart Service
Welt«
Ende-zu-
Ende-
Kunden-
prozess
Hybride
Leistungs-
angebote
Daten im
Zentrum
Geschäfts-
ökosysteme
Digitale
Plattformen
Neue
Geschäfts-
modelle
Vgl. AK Smart Service Welt, acatech (2015).

6. © Fraunhofer · Seite 6
Bildquelle: ihs-gmbh.de (2016); silicon.de (2016).
Legende: ERP – Enterprise Resource Planning; LAS – Logistisches Assistenzsystem; OEM – Original Equipment Manufacturer.
Infolgedessen steigen Anforderungen an die Transparenz im
Liefernetzwerk – es braucht ein digitales Abbild der Leistungserstellung

7. © Fraunhofer · Seite 7
Quelle: Audi (2015); Bildquelle: Audi (2016).
Die Digitalisierung des Industriebetriebs – als Industrie 4.0 – ist kein
Selbstzweck, sondern Antwort auf einen Wandel auf dem Absatzmarkt
Individualisierung des Leistungsangebots ↑
Zahl an Modellen, Varianten,
Ausstattungsmerkmalen ↑
Lebenszyklen ↓
Globalisierung des Produktionsnetzwerks ↑
Prozess- und Produktkomplexität ↑
Kostenziele ↗
Entscheidungsbedarfe (strategisch,
taktisch, operativ) ↑
»Autonomisierung« der Produktion ↑
Echtzeitverfügbarkeit von Information ↑
Interoperabilität der Produktionssysteme↑
Markt- und Kundenanforderungen
Produktion und Logistik
Implikationen und Handlungsbedarf
Industrie 4.0

8. © Fraunhofer · Seite 8
Voraussetzung ist eine zentrale Informationstransparenzinstanz – bei AUDI
»Tower« genannt
Bildquelle: Audi (2016).

9. © Fraunhofer · Seite 9
Bildquelle: Audi (2016).
Der »Tower« ist Kern eines neuen industriellen Informationsmanagements
 Konzeptuelles Modell der digitalen Fabrik
 Quelle für die digitalen Abbilder und »Single Source of the
Truth«
 »Data Lake«-Funktionalität
 Sammlung und Analyse von Ereignisdaten aus der Produktion
und der Lieferkette
 Prozessanalysen nahezu in Echtzeit
 Datenbasis für maschinelle Lernverfahren

10. © Fraunhofer · Seite 10
INHALT
 Digitalisierung des Industriebetriebs
 Die Rolle der Daten
 Digitale Transformation

11. © Fraunhofer · Seite 11
Daten haben sich zu einer strategischen Ressource entwickelt
Zeit
Wertbeitrag
Daten als
Prozess-
ergebnis
Daten als
Prozess-
befähiger
Daten als
Produkt-
befähiger
Daten als
Produkt

12. © Fraunhofer · Seite 12
Source: Leveling et al. (2014).
»Smart Data Management« adressiert die gesamte Datenlandschaft im
Unternehmen
Daten außen sind von höherer Unschärfe,
Volumen, Vielfalt, Änderungsfrequenz…
Daten außen sind weniger
kontrollierbar, geschäftskritisch,
eindeutig…
»Nukleus-Daten«
(Kundenstammdaten,
Produktstammdaten
usw.)
»Community-
Daten«
(Geoinformation,
GTIN, Adressen, ISO-
Codes, GS1-Daten
usw.)
Big Data
(Tweets, Social Media
Streams, Sensordaten usw.)
Megabytes
Gigabytes
Terabytes
Petabytes

13. © Fraunhofer · Seite 13
Legend: Informationsfluss; Materialfluss.
Smart Data Management ist eine Schlüsselfähigkeit des Industriebetriebs
der Zukunft
Öffentliche
Daten
Wertschöpfungs-
netzwerk
Konsumenten-
Services
Industrielle
Services
Losgröße 1
Ende-zu-Ende-
Kundenprozess
Geschäftsökosysteme
Hybride Produkte
Smart Data
Management
Interoperabilität
Mensch-Roboter-
Kooperation
Autonome Systeme
Internet der Dinge
Kunde
Produtkions-
netzwerke
Logistik-
netzwerke
Digitale LeistungsangeboteDataDigitale Leistungserstellung

14. © Fraunhofer · Seite 14
Beispiel Automobillogistik
Smart Data Management erfordert auch den Austausch bisher eher sensibel
gehandhabter Daten zwischen Unternehmen
Abrufe · Lieferavise · Rechnungen …
Teilestammdaten · Änderungsanfragen · Sicherheitsdatenblätter …
Ereignisdaten aus der Lieferkette …
Kapazitäten ·
Fertigungsschritte ·
Liefernetzstrukturen
EDI
Electronic
Business
RFID · IoT
Industrial
Data Space
Zeit
Mehrwert, Kritikalität
der ausgetauschten
Daten
1990 2000 2010 heute
Legende: RFID – Radio-Frequency Identification; IoT – Internet of Things; EDI – Electronic Data Interchange.

15. www.industrialdataspace.org // 15
70+
Companies and
Organisations
5
Working Groups
18
Use
Cases
1
Ecosystem
=

16. © Fraunhofer · Seite 16
Legende: ERP – Enterprise Resource Planning; MES – Manufacturing Execution Systems ; SCADA – Supervisory Control and Data Acquisition; EDI –
Electronic Data Interchange.
Smart Data Management basiert auf einer zukunftssicheren »Data Service
Architecture«
Industrielle Datenquellen
ERP  MES  SCADA  Ereignisdaten
Datenquellen zu Kunden
CRM  Kundenprogramme etc.
Soziale Netzwerke
Facebook  Twitter etc.
Cloud-based Data Storage
Data Source Connectors  Data Space Infrastructure  Shared Information Model
Industrial Data Service Architecture
Datenqualitätssicherung Mapping/Transformation Integration/Aggregation Data Provenance …
Datenanalyse Data Mining Visualisierung Datenbereitstellung …
Industrielle Services
Präventive Wartung  Modular
Montage  »Supply Chain Visibility«
Kommerzielle Services
Finanzdienste  Mobilität 
Kundendienst
Interne Services
Daten als generelle
Prozessbefähiger
Datenprodukte
Data as a Service
Externe Datenquellen
EDI  Industrial Data Space etc.

17. © Fraunhofer · Seite 17
INHALT
 Digitalisierung des Industriebetriebs
 Die Rolle der Daten
 Digitale Transformation

18. © Fraunhofer · Seite 18
Flexibilität
Effizienz
Verfügbarkeit
Auslastung
Mensch
Technik
Economies of Scope
Verbund
Menge
Economies of Scale
Umwelt
Kosten
Hierarchie
Selbststeuerung
Vgl. Bauernhansl (2017), zitiert in ten Hompel (2017).
Die Ambivalenz der Wertschöpfung in der Digitalisierung erfordert eine flexible
Wertschöpfungsarchitektur

19. © Fraunhofer · Seite 19
Schuh, G.; Anderl, R.; Gausemeier, J.; ten Hompel, M.; Wahlster, W (Eds.):
Industrie 4.0 Maturity Index, acatech STUDY 2017. Originalsprache beibehalten.
Die Transformation zum digitalisierten Industriebetrieb muss stufenweise
gesteuert werden
Industrie4.0MaturityLevel
BusinessValue
AdaptabilityPredictabilityTransparencyVisibility
What does happen?
»Seeing«
Industrie 4.0
Development Path
Computerisation Connectivity
Industry 3.0 Industry 4.0
Why does it happen?
»Understanding«
What will happen?
»Being prepared«
How can autonomous
reaction take place?
»Self-optimizing«

20. © Fraunhofer · Seite 20
Quelle: Otto et al. (2015).
»Digital Business Engineering« ist der Methodenbaukasten für
Digitalisierung »made in Germany«
Digitalisierung
Datenzentrierte Geschäftslösungen
Strategische Perspektive
Prozessperspektive
System- und
Softwareperspektive
Ende-zu-Ende-Kundenprozess
Digitales »Ecosystem«
Datenzentrierte Produkte und Dienstleistungen
Digitale Fähigkeiten
(»Digital Capabilities«)
Datenarchitektur und
»Data Value Chain«
Digitale Technologiearchitektur
1
2
3
4 5
6

21. © Fraunhofer · Seite 21
Titel: Der Spiegel 17. April 1978
Statistik: Statistisches Bundesamt
www.destatis.de, abgerufen am 8.4.2017
»Uns steht eine Katastrophe bevor« [Spiegel 1978]
40%
45%
50%
55%
201620102000199019801970
Anteil Erwerbspersonen zu Gesamtbevölkerung [D in%]

22. © Fraunhofer · Seite 22
 Informelle Kooperation
 Ganzheitlichkeit
 Polyvalenz
 Lernen
 Rahmenvorgaben
 Flexible Routinen
 Selbststeuerung
 Funktionsintegration
 Projektarbeit
 Dezentralisierung
 Neues Management
ORGANISATION
MENSCH TECHNOLOGIE
Schnittstelle
Technologie –
Mensch
Schnittstelle
Mensch –
Organisation
Schnittstelle
Organisation –
Technologie
 Ergonomie
 Akzeptanz
 Datenschutz
 Komplementarität
 Transparenz
 Unterstützung
Industrie 4.0 ist ein Gestaltungsprinzip für den Industriebetrieb der Zukunft

23. © Fraunhofer · Seite 23
Prof. Dr.-Ing. Boris Otto
Fraunhofer ISST · Geschäftsführender Institutsleiter
TU Dortmund · Inhaber Audi-Stiftungsprofessur
Boris.Otto@isst.fraunhofer.de · Boris.Otto@tu-dortmund.de
https://de.linkedin.com/pub/boris-otto/1/1b5/570
https://twitter.com/drborisotto
https://www.xing.com/profile/Boris_Otto
http://www.researchgate.net/profile/Boris_Otto
http://de.slideshare.net/borisotto
Ihr Ansprechpartner!

24. © Fraunhofer · Seite 24
Prof. Dr.-Ing. Boris Otto
Syntegration zur Digitalen Produktion · Königslutter · 7.6.2017
DIGITALISIERUNG DER INDUSTRIE