KI-Geschäftsmodelle in der Produktion/AI business models in manufacturing – Characteristics of AI business models in manufacturing

Table of contents

Bibliographic information

Cover of Volume: wt Werkstattstechnik online Volume 114 (2024), Edition 07-08
Open Access Full access

wt Werkstattstechnik online

Volume 114 (2024), Edition 07-08

Authors:
Publisher
VDI fachmedien, Düsseldorf
Copyright year
2024
ISSN-Online
1436-4980
ISSN-Print
1436-4980

Chapter information

Open Access Full access

Volume 114 (2024), Edition 07-08

KI-Geschäftsmodelle in der Produktion/AI business models in manufacturing – Characteristics of AI business models in manufacturing

Authors:
ISSN-Print
1436-4980
ISSN-Online
1436-4980
Preview:

The technical expertise required to develop and implement own AI solutions has found its way into companies of the manufacturing sector. However, one challenge remains: there is a lack of tried-and-tested business models that pass on the added value generated by the AI application to its providers. In this context, it is crucial to develop strategies that optimise the use of AI not only in terms of performance, but in the sense of generating revenue.

Bibliography

  1. [1] Kumbhar, N. N.; Mulay, A. V.: Post Processing Methods used to Improve Surface Finish of Products which are Manufactured by Additive Manufacturing Technologies: A Review. J. Inst. Eng. India Ser. C 99 (2018) 4, S. 481 – 487 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-5
  2. [2] Kuche, Y.; Siebel, D.; Polte, J.; Polte, M.; Uhlmann, E.: Herstellung optischer Oberflächen durch das Glattdrücken von PMX170CrVMo18–3–1. Production at the deading edge of technology: Proceedings of the 9th Congress of the German Academic Association for Production Technology (WGP) (2019) Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-5
  3. [3] DIN 8583–5, Teil 5, (09.2003) Fertigungsverfahren Druckumformen; Eindrücken; Einordnung, Unterteilung, Begriffe. Berlin: Beuth. Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-5
  4. [4] Klocke, F.; König, W.: Fertigungsverfahren: Umformen, 6. Auflage. Berlin: Springer, 2018 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-5
  5. [5] Maximov, J. T.; Anchev, A. P.; Duncheva, G. V.; Ganev, N.; Selimov, K. F.: Influence of the process parameters on the surface roughness, micro-hardness, and residual stresses in slide burnishing of high-strength aluminum alloys. Journal of the Brazilian Society of Mechanical Sciences and Engineering (2017) 39, S. 3.067 – 3.078 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-5
  6. [6] Polte, J.; Polte, M.; Lahoda, C.; Uhlmann, E.: Precision finishing of additive manufactured Ti-Al-components using diamond slide burnishing. 37th ASPE (2022), S. 70 – 73 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-5
  7. [7] Uhlmann, E.; Polte, M.; Hocke, T.; Wendt, M.: Neuartiges luftdruckbasiertes Glattdrück-Werkzeugsystem zur Nachbearbeitung von Stahlwerkstoffen. Diamond Business (2023) Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-5
  8. [1] Klocke, F.; König, W.: Fertigungsverfahren Band 3. 4. Auflage. Heidelberg: Springer 2007 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-11
  9. [2] Boos, W.; Kelzenberg, C.; Prümmer, M. et al.: Tooling in Germany. Studie. Stand: 2020. Internet: www.ipt.fraunhofer.de/content/dam/ipt/de/documents/Studien/Studie_Tooling-in-Germany-2020.pdf. Zugriff am 24.07.2024 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-11
  10. [3] Kunieda, M.; Lauwers, B.; Rajurkar, K. P. et al.: Advancing EDM through Fundamental Insight into the Process. CIRP Annals – Manufacturing Technology 54 (2005) pp. 64–87 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-11
  11. [4] Uhlmann, E.; Schimmelpfennig, T.; Perfilov, I. et al.: Comparative Analysis of Dry-EDM and Conventional EDM for the Manufacturing of Micro Holes in Si3N4-TiN. Procedia CIRP 42 (2016) pp. 173– 178 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-11
  12. [5] Cao, M.; Wang, Y.; Yang, S. C. et al.: Effects of Non-Electrical Parameters on Material Removal Rate of High-Speed Small Hole EDM Drilling. Advanced Materials Research 53–54 (2008) pp. 403–407 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-11
  13. [6] Ayesta, I.; Flaño, O.; Izquierdo, B. et al.: Experimental Study on Debris Evacuation during Slot EDMing. Procedia CIRP 42 (2016), pp. 6–11 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-11
  14. [7] EOS GmbH: Additive Manufacturing, Laser-Sintering and Industrial 3D Printing: How Does Additive Manufacturing Work? Internet: www.eos.info/en-us/about-us/what-we-do/additive-manufacturing. Zugriff am 08.08.2024 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-11
  15. [8] Amorim, F.; Lohrengel, A.; Neubert, V. F. et al.: Selective laser sintering of Mo-CuNi composite to be used as EDM electrode. Rapid Prototyping Journal 20 (2014), pp. 59–68 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-11
  16. [9] Uhlmann, E.; Polte, J.; Bolz, R. et al.: Application of additive manufactured tungsten carbide-cobalt electrodes with interior flushing channels in S-EDM. Procedia CIRP 95 (2020), pp. 460–465 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-11
  17. [10] Reinarz, B.; Weiskopf, W.: Taming the Beast – EOS overcomes the challenges of pure copper AM. TCT Mag – Europe Edition 31 (2023) 2, pp. 8–9 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-11
  18. [1] Verein Deutscher Ingenieure: VDI 3405. Additive manufacturing processes, rapid manufacturing – Basics, definitions, processes. Berlin: Beuth Verlag 2014 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-15
  19. [2] Yadav, P.; Rigo, O.; Arvieu, C. et al.: In Situ Monitoring Systems of The SLM Process: On the Need to Develop Machine Learning Models for Data Processing. Crystals 10 (2020) 6, #524 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-15
  20. [3] Zhang, Y.; Hong, G. S.; Ye, D. et al.: Extraction and evaluation of melt pool, plume and spatter information for powder-bed fusion AM process monitoring. Materials & Design 156 (2018), pp. 458–469 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-15
  21. [4] Mani, M.; Lane, B.; Donmez, A. Feng, S. et al.: Measurement Science Needs for Real-time Control of Additive Manufacturing Powder Bed Fusion Processes. Gaithersburg, MD: U.S. Dept. of Commerce, National Institute of Standards and Technology 2015 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-15
  22. [5] Klocke, F.: Fertigungsverfahren 5. Gießen, Pulvermetallurgie, Additive Manufacturing. Heidelberg: Springer Vieweg 2015 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-15
  23. [6] King, W. E.; Barth, H. D.; Castillo, V. M. et al.: Observation of keyhole-mode laser melting in laser powder-bed fusion additive manufacturing. Journal of Materials Processing Technology 214 (2014) 12, pp. 2915–2925 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-15
  24. [7] Madison, J. D.; Aagesen, L. K.: Quantitative characterization of porosity in laser welds of stainless steel. Scripta Materialia 67 (2012) 9, pp. 783–786 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-15
  25. [8] Ladewig, A.; Schlick, G.; Fisser, M. et al.: Influence of the shielding gas flow on the removal of process by-products in the selective laser melting process. Additive Manufacturing 10 (2016), pp. 1–9 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-15
  26. [9] Zou, J.; Han, X.; Zhao, Y. et al.: Investigation on plume formation during fiber laser keyhole welding based on in-situ measurement of particles in plume. Journal of Manufacturing Processes 65 (2021), pp. 153–160 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-15
  27. [10] Zenzinger, G.; Bamberg, J.; Ladewig, A. et al.: Process monitoring of additive manufacturing by using optical tomography. AIP Conference Proceedings 1650 (2015), pp. 164–170 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-15
  28. [11] Liu, J.; Wen, P.: Metal vaporization and its influence during laser powder bed fusion process. Materials & Design 215 (2022), doi.org/10.1016/j.matdes.2022.110505 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-15
  29. [12] You, D. Y.; Gao, X. D.; Katayama, S.: Review of laser welding monitoring. Science and Technology of Welding and Joining 19 (2014) 3, pp. 181–201 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-15
  30. [13] Olsson, R.; Eriksson, I.; Powell, J. et al.: Challenges to the interpretation of the electromagnetic feedback from laser welding. Optics and Lasers in Engineering 49 (2011) 2, pp. 188–194 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-15
  31. [14] Patzke, R.: Schnelle und rauscharme Photonenmessung mit pin-Fotodioden. Stand: 2022. Internet: serwiss.bib.hs-hannover.de/files/2315/patzke2022-photonenmessung_pin-fotodioden.pdf. Zugriff am 26.07.2024 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-15
  32. [15] Sibillano, T.; Ancona, A.; Berardi, V. et al.: Correlation analysis in laser welding plasma. Optics Communications 251 (2005) 1–3, pp. 139–148 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-15
  33. [16] Kawahito, Y.; Kinoshita, K.; Matsumoto, N. et al.: Effect of weakly ionised plasma on penetration of stainless steel weld produced with ultra high power density fibre laser. Science and Technology of Welding and Joining 13 (2008) 8, pp. 749–753 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-15
  34. [17] Everton, S. K.; Hirsch, M.; Stravroulakis, P. et al.: Review of in-situ process monitoring and in-situ metrology for metal additive manufacturing. Materials & Design 95 (2016), pp. 431–445 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-15
  35. [18] Brock, C.; Hohenstein, R.; Schmidt, M.: Optical 3D position sensor for the fast tracking of light sources. Physics Procedia 5 (2010), pp. 437–445 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-15
  36. [19] Bidare, P.; Bitharas, I.; Ward, R. M. et al.: Fluid and particle dynamics in laser powder bed fusion. Acta Materialia 142 (2018), pp. 107–120 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-15
  37. [20] Qin, Y.; Liu, J.; Chen, Y. et al.: Influence of Laser Energy Input and Shielding Gas Flow on Evaporation Fume during Laser Powder Bed Fusion of Zn Metal. Materials 14 (2021) 10, #2677 Renishaw plc.: InfiniAM Spectral – Energy input and melt pool emissions monitoring for AM systems. Firmenbroschüre, 2017 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-15
  38. [1] Wang, Y.: Future Elderly Care Exploration and Practices: The Application of Intelligent Medical Technology in Promoting Health and Well-being Among the Elderly. Journal of Innovation and Development 4 (2023) 3, S. 106–109 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-21
  39. [2] Douville, S.; Marx, E. W. (Edit.): Advanced Health Technology. Managing Risk While Tackling Barriers to Rapid Acceleration. New York, NY: Routledge 2023 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-21
  40. [3] Menshenin, Y.; Pinquié, R.; Chevrier, P.: New Product Development Drocess for Medtech Combination Products. Proceedings of the Design Society 3 (2023), S. 2795–2804 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-21
  41. [4] Da Silva, L. R. R.; Sales, W. F.; Campos, F. d. A. R. et al.: A comprehensive review on additive manufacturing of medical devices. Progress in Additive Manufacturing 6 (2021) 3, S. 517–553 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-21
  42. [5] Boopathi, S.; Khare, R.; G, J. C. K. et al.: Additive Manufacturing Developments in the Medical Engineering Field. In: Davim, J.; Keshavamurthy, R.; Tambrallimath, V. et al. (Hrsg.): Development, Properties, and Industrial Applications of 3D Printed Polymer Composites. IGI Global 2023, S. 86–106 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-21
  43. [6] Lakkala, P.; Munnangi, S. R.; Bandari, S. et al.: Additive manufacturing technologies with emphasis on stereolithography 3D printing in pharmaceutical and medical applications: A review. International journal of pharmaceutics: X 5 (2023), p. 100159 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-21
  44. [7] Tyagi, S. A.; M, M.: Additive manufacturing of titanium-based lattice structures for medical applications – A review. Bioprinting 30 (2023), e00267 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-21
  45. [8] Zhang, X.; Liu, S.; Liu, Y. et al.: Titanium Alloy Fabricated by Additive Manufacturing for Medical Applications: Obtaining, Characterization and Application—Review. Metals 13 (2023) 3, S. 462 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-21
  46. [9] Handbook of stereotactic and functional neurosurgery. New York: Marcel Dekker 2003 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-21
  47. [10] inomed Medizintechnik GmbH: Stereotaxie mit den Systemen von inomed. Internet: https://www.inomed.de/produkte/funktionelle-neurochirurgie/stereotaxie-systeme/. Zugriff am 29.02.2024 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-21
  48. [11] Prior, M. J. W.; Bast, T.; McGarrity, S. et al.: Ratlas-LH: An MRI template of the Lister hooded rat brain with stereotaxic coordinates for neurosurgical implantations. Brain and neuroscience advances 5 (2021), 23982128211036332 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-21
  49. [12] Sturm, V.; Pastyr, O.; Schlegel, W. et al.: Stereotactic computer tomography with a modified Riechert-Mundinger device as the basis for integrated stereotactic neuroradiological investigations. Acta neurochirurgica 68 (1983) 1–2, pp. 11–17 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-21
  50. [13] Müller, M.; Winkler, D.; Möbius, R. et al.: Analysis of the Technical Accuracy of a Patient-Specific Stereotaxy Platform for Brain Biopsy. Journal of personalized medicine 14 (2024) 2 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-21
  51. [14] ULTEM™ Filament AMHU1010F Datasheet, SABIC Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-21
  52. [15] Metten, M.: Veränderung der Verbundfestigkeit von Hart/Weich-Verbunden und die mechanischen Eigenschaften von thermoplastischen Elastomeren durch eine Elektronenbestrahlung, TU Darmstadt, 2002 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-21
  53. [16] Jabbari, E.; Peppas, N. A.: Polymer-Polymer Interdiffusion and Adhesion. Journal of Macromolecular Science, Part C: Polymer Reviews 34 (1994) 2, S. 205–241 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-21
  54. [17] Delia, S.; Rochman, A.; Curmi, A.: Factors affecting interface bonding in multi-material additive manufacturing. Progress in Additive Manufacturing (2024) Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-21
  55. [18] Freund, R.; Schneider, H.; Babucke, C. et al.: Process-Dependent Influences on Adhesion in Multi-Material Extrusion. Applied Sciences 14 (2024) 14, S. 6062 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-21
  56. [19] Ferreira, R. T. L.; Amatte, I. C.; Dutra, T. A. et al.: Experimental characterization and micrography of 3D printed PLA and PLA reinforced with short carbon fibers. Composites Part B: Engineering 124 (2017), S. 88–100 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-21
  57. [20] Tekinalp, H. L.; Kunc, V.; Velez-Garcia, G. M. et al.: Highly oriented carbon fiber–polymer composites via additive manufacturing. Composites Science and Technology 105 (2014), S. 144–150 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-21
  58. [1] List, M.: Ortsabhängiges Verschleißmodell für das Doppelseitenplanschleifen mit Planetenkinematik. Dissertation TU Berlin. Berichte aus dem Produktionstechnischen Zentrum Berlin. Hrsg.: Uhlmann, E.; Stuttgart: Fraunhofer Verlag, 2019 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-28
  59. [2] Uhlmann, E.; List, M.; Lichtschlag, L.: Stellgrößen beim Doppelseitenplanschleifen mit Planetenkinematik. Zeitschrift für wirtschaftlichen Fabrikbetrieb, 2016, 111 (7-8), S. 399–402 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-28
  60. [3] Uhlmann, E.; Hasper, G.; Hoghé, T.; Hübert, C.; Mihotovic, V.; Sammler, C.: Machining and Finishing of Ceramics. Ceramics Science and Technology, 2013, S. 247–266 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-28
  61. [4] Preising, D.; Dennis, P. A.: Feinschleifen als Substitutionsverfahren zum Läppen Rz < 1 μm. 5. Seminar Moderne Schleiftechnologie und Feinstbearbeitung: neue Entwicklungen und Trends aus Forschung und Praxis, 2004, S. 431–449 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-28
  62. [5] Ardelt, T.: Einfluss der Relativbewegung auf den Prozess und das Arbeitsergebnis beim Planschleifen mit Planetenkinematik. Dissertation TU Berlin. Berichte aus dem Produktionstechnischen Zentrum Berlin. Hrsg.: Uhlmann, E.; Berlin: IPK, 2001 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-28
  63. [6] Uhlmann, E.; Kleinschnitker, M.; Hoghé, T.: Optimierungspotentiale beim Doppelseitenplanschleifen mit Planetenkinematik. Jahrbuch Schleifen, Honen, Läppen und Polieren, Hrsg.: Hoffmeister, H.-W.; Denkena, B.. 2016 (67), S. 67–77 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-28
  64. [7] Rußner, C.: Präzisionsplanschleifen von Al2O3-Keramik unter Produktionsbedingungen. Dissertation TU Dresden. Göttingen: Cuvillier Verlag, 2006 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-28
  65. [8] Egger, R.: Planschleifen von Keramik mit zykloidischer Wirkbewegung. Dissertation IFW Hannover. Fortschrittberichte VDI. Düsseldorf: VDI-Verlag, 2001 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-28
  66. [9] Funck, A.: Planschleifen mit Läppkinematik. In: Spur, G. (Hrsg.): Forschungsberichte für die Praxis. München: Carl Hanser Verlag 1995. Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-28
  67. [10] Uhlmann, E.; Ardelt, T.; Spur, G.: Influence of Kinematics on the Face Grinding Process on Lapping Machines. CIRP Annals, 1999, 48 (1), S. 281–284 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-28
  68. [11] Lichtschlag, L.; Uhlmann, E.: Einflussgrößen des Schärfens beim Doppelseitenplanschleifen mit Planentenkinematik. wt Werkstattstechnik online, 2020, 110, 6, S. 393–398 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-28
  69. [12] Uhlmann, E.; Hoghé, T.: Wear reduction at double face grinding with planetary kinematics. Production Engineering Research and Development, 2012, 6 (3), S. 237–242 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-28
  70. [13] Stähli, A. W.: Flachhonen mit Läppkinematik: Hochproduktiv, präzise und kostengünstig. 6. Seminar Moderne Schleiftechnologie und Feinstbearbeitung, 2006, S. 147–154 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-28
  71. [14] DIN EN ISO 251782: Geometrische Produktspezifikation (GPS) – Oberflächenbeschaffenheit: Flächenhaft – Teil 2: Begriffe und Kenngrößen für die Oberflächenbeschaffenheit, Berlin: Beuth Verlag GmbH, 2023 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-28
  72. [1] Stoppa, M.; Chiolerio, A.: Wearable electronics and smart textiles: a critical review. Sensors 14 (2014) 7, pp. 11957–11992 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-37
  73. [2] Seidenberg, M.: Lasertransmissionsschweißen als Verfahren zur Erzeugung elektrisch leitfähiger Strukturen auf textilen Substraten. – Masterarbeit, RWTH Aachen University, 2018 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-37
  74. [3] Ismar, E.; Kurşun Bahadir, S.; Kalaoglu , F. et aö.: Futuristic Clothes: Electronic Textiles and Wearable Technologies. Global challenges 4 (2020) 7, #1900092 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-37
  75. [4] Sonnenschein, J.: Untersuchung von Prozessgrößen beim Laserdurchstrahlschweißen von Metallfolien auf thermoplastischen Textilien. Bachelorarbeit RWTH Aachen University, 2023 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-37
  76. [5] Fromme, N. P.; Li, Y.; Camenzind, M. et al.: Metal‐Textile Laser Welding for Wearable Sensors Applications. Advanced Electronic Materials 7 (2021) 4, #2001238 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-37
  77. [6] Weng, W.; Chen, P.; He, S. et al.: Smarte elektronische Textilien. Angewandte Chemie. 128 (2016) 21, S. 6248–6277 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-37
  78. [7] Gries, T.; Klopp, K. (Hrsg.): Füge- und Oberflächentechnologien für Textilien. Heidelberg: Springer-Verlag 2007 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-37
  79. [8] Cherif, C. (ed.): Textile Werkstoffe für den Leichtbau. Heidelberg: Springer 2011 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-37
  80. [9] Hoehr, L.: Konstruktion eines Druckwerkzeuges für das Laserschweißen. Masterarbeit, RWTH Aachen University, 2015 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-37
  81. [10] Kaiser, W.: Kunststoffchemie für Ingenieure. München: Carl Hanser Verlag 2015 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-37
  82. [11] Hopmann, C.; Michaeli, W.: Einführung in die Kunststoffverarbeitung. München: Carl Hanser Verlag 2017 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-37
  83. [12] Marina, M.: Laserschweißen von Textilien. Studienarbeit. Reutlingen: Hochschule Reutlingen 2018 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-37
  84. [13] Williams, Bryon: Roll-to-Roll Processing: The Basics. Stand: 2023, Internet: www.montalvo.com/roll-to-roll-processing-basics/. Zugriff am 24.07.2024 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-37
  85. [14] Barz, J.; Umlauf, G..: Rolle-zu-Rolle-Verfahren: Beschichtung und Strukturierung, Internet: www.igb.fraunhofer.de/de/forschung/funktionale-oberflaechen-und-materialien/verfahren/rolle-zu-rolle-beschichtung-und-strukturierung.html. Zugriff am 23.07.2024 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-37
  86. [15] Ulsh, M.: Roll-to-Roll Manufacturing Multilab Collaboration. Stand: 2023. Internet: www.nrel.gov/manufacturing/roll-to-roll-multilab.html. Zugriff am 21.11.2023 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-37
  87. [16] Abbel, R.; Galagan, Y.; Groen, P.: Roll‐to‐Roll Fabrication of Solution Processed Electronics. Advanced Engineering Materials. 20 (2018) 8, #1701190 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-37
  88. [17] Schulz‐Ruhtenberg, M.; Kolbusch, T.; Abreu Fernandes, S.; et al.: Seminal Tools for Roll‐to‐Roll Manufacturing Laser Technik Journal. 11 (2014) 1, pp. 21–25 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-37
  89. [1] Danninger, O.; André, D.; Wenglorz, J.: Ein Blick in die Zukunft, Studie, Berlin Partner für Wirtschaft und Technologie GmbH, 2023 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-41
  90. [2] Boewe, J.; Schulten, J.: Die Transformation der globalen Automobilindustrie. Genf: Rosa-Luxemburg-Stiftung 2023 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-41
  91. [3] Petry, M.; Tiede, S.: Willkommen bei ReTraNetz-BB. Berlin. Stand: 2024. Internet: https://retranetz-bb.de. Zugriff am 04.04.2024 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-41
  92. [4] Pfeil, F.; Meyer, Prof. Dr. M. (Hrsg.): Megatrends und die dritte Revolution der Automobilindustrie. Research Papers, Julius-Maximilian-Universität Würzburg, 2018, S. 3–4 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-41
  93. [5] Wallentowitz, H.; Freialdenhoven, A.; Olschewski, I.: Strategien in der Automobilindustrie. Wiesbaden: Vieweg + Teubner 2009, S. 1 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-41
  94. [6] Kropik, M.: Produktionsleitsysteme für die Automobilindustrie. 2. Auflage. Berlin: Springer Vieweg 2021 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-41
  95. [7] Kern, W.: Modulare Produktion. Wiesbaden: Springer Vieweg, 2021. Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-41
  96. [8] Kletti, J.; Rieger, J.: Die perfekte Produktion. 3. Auflage. Wiesbaden: Springer Vieweg, 2022 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-41
  97. [9] Schreier, J.: Neun typische Fehler in der Produktion und wie Sie diese vermeiden. Stand: 2014. Internet: https://www.maschinenmarkt.vogel.de/neun-typische-fehler-in-der-produktion-und-wie-sie-diese-vermeiden-a-430039/. Zugriff am 11.04.2024 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-41
  98. [10] Langguth Consulting: Prozessoptimierung von Langguth Consulting – mehr als nur Geld sparen. Stand: 2024. Internet: https://langguth.consulting/bereiche/unternehmen/prozessoptimierung/. Zugriff am 11.04.2024 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-41
  99. [11] Saritas, O.; Smith, J. E.: The Big Picture – trends, drivers, wild cards, discontinuities and weak signals. Futures 43 (2011) 3, S. 292 – 312 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-41
  100. [12] Guterres, A.; Junhua, L.: Times of Crisis, Times of Change. Global Sustainable Development Report, New York, 2023 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-41
  101. [13] European Automobile Manufacturer’s Association: New Car registrations: +17.8% in June, battery electric 15.1% market share. Stand: 2023. Internet: https://www.acea.auto/pc-registrations/new-car-registrations-17–8-in-june-battery-electric-15–1-market-share/#. Zugriff am 19. Juli 2023 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-41
  102. [14] Niehaus, A.; Bayen, A.; Rilling, S.; Bossert, L.; Jouni, Z.; Cartigny, L.: How Urban Mobility Will Change by 2030, Oliver Wyman Forum, 2022. Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-41
  103. [15] Oliver Wyman: FAST 2030. Stand: 2018. Internet: https://www.oliverwyman.com/our-expertise/insights/2018/jun/fast-2030.html. Zugriff am 17.06.2023 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-41
  104. [16] Bernhardt, W.: M.A.D.E – neue Mobilitätskonzepte, Autonomie, Digitalisierung, Elektrifizierung und ihre Wechselwirkung. In: Siebenpfeiffer, W.: Mobilität der Zukunft. Berlin: Springer Vieweg 2021, S. 17 – 56 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-41
  105. [17] Falck, O.; Flach, L.; Pfaffl, C.: Spotlight Automobilbranche: Deindustrialisierungsschock oder absehbarer Strukturwandel?. (3/2023), 76. Jahrgang, S. 21 – 25 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-41
  106. [18] Seifert, U.: Die Zukunft der Mobilität. In: Siebenpfeiffer, W.: Mobilität der Zukunft. Berlin: Springer Vieweg 2021, S. 71 – 76 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-41
  107. [19] Statistisches Bundesamt: Europäischer Green Deal: Klimaneutralität bis 2050. Stand: 2023. Internet: https://www.destatis.de/Europa/DE/Thema/GreenDeal/_inhalt.html#. Zugriff am 07.06.2023 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-41
  108. [20] Deloitte: The future of automotive mobility to 2035. Deloitte Touche Tohmatsu Limited, 2023 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-41
  109. [21] Kaltenbach, J.: Vision Zero durch autonomes Fahren?. Stand: 2019. Internet: https://blog.doubleslah.de/vision-zero-durch-automones-fahren. Zugriff am 26.07.2023 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-41
  110. [22] Baunach, M.; Gomes, R. M.; Malenko, M.; Mauroner, F.; Ribeiro, L. B.; Scheipel, T.: Smart mobility of the future – a challenge for embedded automotive systems. Elektrotechnik & Informationstechnik 135. (2018), S. 304–308 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-41
  111. [23] Bauernhansl, T.; Fechter, M.; Dietz, T. (Hrsg.): Entwicklung, Aufbau und Demonstration einer wandlungsfähigen (Fahrzeug-) Forschungsproduktion. Berlin: Springer Vieweg, 2020 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-41
  112. [24] Heineke, K.; Laverty, N.; Möller, T.; Ziegler, F.: The future of mobility. McKinsey Quarterly. McKinsey & Company, 2023 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-41
  113. [25] Uhlmann, Prof. Dr. h.-c. Dr.-Ing. E. (Hrsg.): Resiliente Produktion. Futur 2/2020. Fraunhofer-Institut für Produktionsanlagen und Konstruktionstechnik IPK, 2020 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-41
  114. [26] Verband der Automobilindustrie: Zielbild Automobilproduktion. Verband der Automobilindustrie, Berlin, 2021 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-41
  115. [27] Kuka: Matrix production: an example for Industrie 4.0. Kuka, 2016. URL: https://www.kuka.com/en-de/industries/solutions-database/2016/10/matrix-production. Zugriff am 15.05.2024 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-41
  116. [28] Winkler, S.; Günther, J.; Pfennig, R.: Nachhaltige Digitalisierung oder Nachhaltigkeit durch Digitalisierung?. HMD Praxis der Wirtschaftsinformatik, 2023 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-41
  117. [29] Wilde, M.: Vernetzte Mobilität. Berlin: Springer Verlag, 2023. Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-41
  118. [30] Malik AA, Bilberg A (2019) Collaborative robots in assembly: a practical approach for tasks distribution. Procedia CIRP. DOI: https://doi.org/10.1016/j.procir.2019.03.173, S. 665–670 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-41
  119. [31] Pei, E.: Springer Handbook of Additive Manufacturing. Cham: Springer Nature Switzerland, 2023 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-41
  120. [32] Lachmayer, R.; Lippert, R. B.: Entwicklungsmethodik für die Additive Fertigung. Berlin: Springer Vieweg 2020 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-41
  121. [33] Plattform Industrie 4.0: Nachhaltige Produktion: Mit Industrie 4.0 die ökologische Transformation aktive gestalten. Stand: 2020. Internet: https://www.plattform-i40.de/IP/Redaktion/DE/Downloads/Publikation/Nachhaltige-Produktion.html. Zugriff am: 04.04.2024 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-41
  122. [34] Volkswagen AG: Volkswagen-led research team to recycle batteries multiple times for the first time. Volkswagen AG, Wolfsburg, 2022 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-41
  123. [1] Stanek, R.; Flemming, J.; Kirchen, J. et al.: Wertschöpfungspotenziale von E-Motoren für den Automobilbereich in Baden-Württemberg. Themenpapier Cluster Elektromobilität Süd-West. Stand: Internet: www.e-mobilbw.de/fileadmin/media/e-mobilbw/Publikationen/Studien/Cluster_ESW_Themenpapier-Wertschoepfungspotenziale-von-E-Motoren-fuer-den-Automobilbereich-in-Baden-Wuerttemberg.pdf. Zugriff am 19.08.2024 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-48
  124. [2] Berardi, G.; Nategh, S.; Bianchi, N. et al.: A Comparison Between Random and Hairpin Winding in E-mobility Applications. 46th Annual Conference of the IEEE Industrial Electronics Society (IECON 2020), Singapore,2020, pp. 815–820. Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-48
  125. [3] Du-Bar, C.; Wallmark, O.: Eddy Current Losses in a Hairpin Winding for an Automotive Application. 2018 XIII International Conference on Electrical Machines (ICEM), Alexandroupoli, 2018, pp. 710–716 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-48
  126. [4] Biela, J.: Wirbelstromverluste in Wicklungen induktiver Bauelemente. Stand: 2017. Internet: www.research-collection.ethz.ch/bitstream/handle/20.500.11850/604056/1/Wirbelstromverluste_J_Biela_2011.pdf. Zugriff am 19.08.2024 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-48
  127. [5] Vater, J.; Schamberger, P.; Knoll, A. et al.: Fault Classification and Correction based on Convolutional Neural Networks exemplified by laser welding of hairpin windings. 2019 9th International Electric Drives Production Conference (EDPC), Esslingen, Germany, 2019, pp. 1–8 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-48
  128. [6] Vater, J.; Kirschning, M.; Scheurenberg, D. et al.: Development of a Cloud- and Edge-Architecture for adaptive model weight optimization of a CNN exemplified by optical detection of hairpin welding. 2020 10th International Electric Drives Production Conference (EDPC), Ludwigsburg, Germany, 2020, pp. 1–7 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-48
  129. [7] Dold, E.-M.; Kaiser, E.; Pricking, S. et al.: Copper welding applications with a 2 kW cw laser in the green wavelength regime. Proceedings SPIE 11273, High-Power Laser Materials Processing: Applications, Diagnostics, and Systems IX, 112730D (2020), doi.org/10.1117/12.2546164 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-48
  130. [8] Gläßel, T.; Seefried, J.; Franke, J.: Challenges in the manufacturing of hairpin windings and application opportunities of infrared lasers for the contacting process. 2017 7th International Electric Drives Production Conference (EDPC), Würzburg, Germany, 2017, pp. 1–7 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-48
  131. [9] Dimatteo, V.; Ascari, A.; Faverzani, P. et al.: The effect of process parameters on the morphology, mechanical strength and electrical resistance of CW laser-welded pure copper hairpins. Journal of Manufacturing Processes 62 (2021), pp. 450–457 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-48
  132. [10] Mayr, A.; Lutz, B.; Weigelt, M. et al.: Evaluation of Machine Learning for Quality Monitoring of Laser Welding Using the Example of the Contacting of Hairpin Windings. 8th International Electric Drives Production Conference (EDPC), Schweinfurt, Germany, 2018, pp. 1–7 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-48
  133. [11] Mayr, A.; Hauck, L.; Meiners, M. et al.: Prediction of the Joint Cross-Section of Laser-Welded Hairpin Windings Based on 2D Image Data Using Convolutional Neural Networks. 2020 10th International Electric Drives Production Conference (EDPC), Ludwigsburg, Germany, 2020, pp. 1– 7 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-48
  134. [12] Vater, J.; Pollach, M.; Lenz, C. et al.: Quality Control and Fault Classification of Laser Welded Hairpins in Electrical Motors. 2020 28th European Signal Processing Conference (EUSIPCO), Amsterdam, Netherlands, 2021, pp. 1377–1381 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-48
  135. [13] Vater, J.; Kirschning, M.; Knoll, A.: Closing the loop: Real-time Error Detection and Correction in automotive production using Edge-/Cloud-Architecture and a CNN. 2020 International Conference on Omni-layer Intelligent Systems (COINS), Barcelona, Spain, 2020, pp. 1–7 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-48
  136. [1] Bundesministerium für Verkehr und digitale Infrastruktur (BMVI) (Hrsg.): Batterieproduktion für Deutschland und Europa: Bericht der Fokusgruppe Wertschöpfung der AG 4 der NPM. Stand: 2021. Internet: www.plattform-zukunft-mobilitaet.de/wp-content/uploads/2021/10/NPM_AG4_Batteriezellproduktion.pdf Zugriff am 19.08.2024 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-54
  137. [2] Erakca, M.; Baumann, M.; Bauer, W. et al.: Energy flow analysis of laboratory scale lithium-ion battery cell production. iScience 24 (2021) 5, #102437 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-54
  138. [3] Ahmed, S.; Nelson, P. A.; Dees, D. W.: Study of a dry room in a battery manufacturing plant using a process model. Journal of Power Sources 326 (2016) 10, pp. 490–497 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-54
  139. [4] Fleischer, J.; Kößler, F.; Sawodny, J. et al.: Flexible Produktionsysteme. wt Werkstattstechnik online 111 (2021) 07–08, S. 486–489. Internet: www.werkstattstechnik.de. Düsseldorf: VDI Fachmedien Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-54
  140. [5] Plocher, L.; Heller, M.; Ingendoh, B. et al.: Mini-Environments In Lithium-Ion Battery Cell Production: A Survey On Current State, Challenges And Trends. Hannover : publish-Ing 2023 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-54
  141. [6] Henschel, S.; Kößler, F.; Fleischer, J.: Material Flow of an Agile Battery Cell Production System Based on Diffusion-Tight Transport Boxes and Driverless Transport Systems. In: Bauernhansl, T.; Verl, A.; Liewald, M. et al. (Hrsg.): Production at the Leading Edge of Technology. Cham: Springer Nature Switzerland 2024, pp. 550–558 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-54
  142. [7] Kostengünstige Batteriezellen für das Elektroauto von morgen. JOT Journal für Oberflächentechnik 59 (2019) 8, S. 14–15 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-54
  143. [8] Verein Deutscher Ingenieure e.V.: VDI-Richtlinie 2860: Montage- und Handhabungstechnik. Berlin: Beuth Verlag GmbH 1990 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-54
  144. [1] Korthauer, R.: Handbuch Lithium-Ionen-Batterien. Heidelberg: Springer 2013 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-59
  145. [2] Bold, B.: In-Line Messung beim Kalandrieren von NMC 622 Kathoden zur Detektion von wrinkles und Dehnungen zur Erweiterung des Prozessverständnisses. Batterieforum Deutschland (2020), Berlin, 2020, Hrsg. Lithium-Ionen-Batterien (KLiB) e. V., S. 14 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-59
  146. [3] Wurba, A.-K.; Klemens, J.; Mayer, D. et al.: Methodology for the characterization and understanding of longitudinal wrinkling during calendering of lithium-ion and sodium-ion battery electrodes. Procedia CIRP 120 (2023), pp. 314–319 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-59
  147. [4] Günther, T.; Schreiner, D.; Metkar, A. et al.: Classification of Calendering‐Induced Electrode Defects and Their Influence on Subsequent Processes of Lithium‐Ion Battery Production. Energy Technology 8 (2019) 2, #1900026 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-59
  148. [5] Mayr, A.; Schreiner, D.; Stumper, B. et al.: In-line Sensor-based Process Control of the Calendering Process for Lithium-Ion Batteries. Procedia CIRP 107 (2022), pp. 295–301 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-59
  149. [6] Kößler, F.; Hertweck, R.; Fleischer, J.: Wechselwirkungserfassung zwischen Walzenrundlauf und Elektrodendicke. wt Werkstattstechnik online 113 (2023) 11–12, S. 469–474. Internet: www.werkstattstechnik.de. Düsseldorf: VDI Fachmedien Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-59
  150. [1] Wissenschaftliche Gesellschaft für Produktionstechnik: KI in der Produktion: Künstliche Intelligenz erschließen für Unternehmen. Stand: 2019. Internet: wgp.de/wp-content/uploads/WGP-Standpunkt_KI-final_20190906–2.pdf. Zugriff am 21.08.2024 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-65
  151. [2] Heider, I.; Yu, H.; Krischke, N. et al.: KI-Einsatz in KMU: Einstiegshürden ausräumen. wt Werkstattstechnik online 113 (2023), 07/08, S. 282–287. Internet: www.werkstattstechnik.de. Düsseldorf: VDI Fachmedien Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-65
  152. [3] Schlagenhauf, T.: Bildbasierte Quantifizierung und Prognose des Verschleißes an Kugelgewindetriebspindeln: Ein Beitrag zur Zustandsüberwachung von Kugelgewindetrieben mittels Methoden des maschinellen Lernens. Dissertation, Karlsruher Institut für Technologie, 2022. Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-65
  153. [4] Bretones Cassoli, B.; Hoffmann, F.; Metternich, J.: Comparison of AI-Based Business Models in Manufacturing: Case Studies on Predictive Maintenance. Proceedings of the Conference on Production Systems and Logistics CPSL 2021. Hannover, 2021, pp. 637–647 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-65
  154. [5] DIN e.V.; DKE (Hrsg.): Deutsche Normungsroadmap Industrie 4.0 (Version 5). Stand: 2023. Internet: www.dke.de/resource/blob/2244320/7954fb1eaf7265134b94f58e9fc919ff/deutsche-normungs-roadmap-industrie-4–0-version-5-data.pdf. Zugriff am 21.08.2024 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-65
  155. [6] DIN e.V.; DKE (Hrsg.): Deutsche Normungsroadmap Künstliche Intelligenz (Ausgabe 2). Stand: 2022. Internet: https://wgp.de/wp-content/uploads/WGP-Standpunkt_KI-final_20190906–2.pdf. Zugriff am 21.08.2024 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-65
  156. [7] Vojdani, N.; Erichsen B.: Anwendungspotenziale von maschinellem Lernen in der Produktion und Logistik. Logistics Journal, Proceedings (2020), doi.org/10.2195/lj_Proc_erichsen_de_202012_01 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-65
  157. [8] Chuo, Y. S.; Lee, J. W.; Mun, C. H. et al.: Artificial intelligence enabled smart machining and machine tools. Journal of Mechanical Science and Technology 36 (2022) 1, pp. 1–23 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-65
  158. [9] Mockenhaupt, A.; Schlagenhauf, T.: Digitalisierung und Künstliche Intelligenz in der Produktion. Wiesbaden: Springer Fachmedien 2024 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-65
  159. [10] Schallmo, D.: Geschäftsmodell-Innovation. Wiesbaden: Springer Fachmedien 2013 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-65
  160. [11] Gassmann, O.; Frankenberger, K.; Choudury, M.: The business model navigator: 55 models that will revolutionise your business. London: Pearson 2014 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-65
  161. [12] Osterwalder, A.; Pigneur, Y.; Bernarda, G. et al.: Value proposition design: How to create products and services customers want. Get started with. Hoboken, NJ: Wiley 2014 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-65
  162. [13] Kreuzberger, D.; Kühl, N.; Hirschl, S.: Machine Learning Operations (MLOps): Overview, Definition, and Architecture. IEEE Access 11 (2023), pp. 31866–31879 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-65
  163. [14] Xu, L.; Chen, L.; Gao, Z. et al.: Reshaping the Landscape of the Future: Software-Defined Manufacturing. Computer 54 (2021) 7, pp. 27–36 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-65
  164. [15] Katewa, S.; Jain, T.: Mobile Application‘s Quality and Pricing Decisions under Competition. Decision Sciences 53 (2022) 5, pp. 896–931 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-65
  165. [16] Siemens AG: Siemens verbindet die reale mit der digitalen Welt und ermöglicht es Unternehmen flexibel und nachhaltig zu handeln. Stand: 2021. Internet: assets.new.siemens.com/siemens/assets/api/uuid:232614c1–60bb-4c36–9048-b4c565167a5b/HQDIPR202111236348DE.pdf. Zugriff am 21.08.2024 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-65
  166. [17] Intel Corporation: Intel Edge Software Hub: Download prevalidated software to learn, develop, and test your solutions for the edge. Stand: 2024. Internet: www.intel.com/content/www/us/en/developer/topic-technology/edge-5g/edge-solutions/overview.html. Zugriff am 21.08.2024 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-65
  167. [18] Ma, D; Seidmann, A.: The Pricing Strategy Analysis for the “Software-as-a-Service” Business Model. In: Altmann, J.; Neumann, D., Fahringer, T. (Hrsg.): Lecture Notes in Computer Science, Grid Economics and Business Models. Heidelberg: Springer 2008, pp. 103–112 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-65
  168. [19] Sadeghi, A.-R.; Wachsmann, C.; Waidner, M.: Security and privacy challenges in industrial internet of things. Proceedings of the 52nd Annual Design Automation Conference (DAC), San Francisco, California, 2015, pp. 1–6 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-65
  169. [20] Alaluss, M. et al.: Usage-based leasing of complex manufacturing systems: A method to transform current ownership-based into pay-per-use business models. Procedia CIRP 107 (2022), pp. 1238–1244 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-65
  170. [21] Gebr. Heller Maschinenfabrik GmbH: HELLER4Use: Das neue Nutzungsmodell für mehr Flexibilität in Ihrer Fertigung. Stand: 2024. Internet: www.heller.biz/de/maschinen-und-loesungen/heller4use. Zugriff am 21.08.2024 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-65
  171. [22] Intel Corporation: OpenVINO 2024. Stand: 2024. Internet: docs.openvino.ai/2024/index.html. Zugriff am 21.08.2024 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-65
  172. [23] Froese, J.; Straub, S.: Wem gehören die Daten? – Rechtliche Aspekte der digitalen Souveränität in der Wirtschaft. In: Hartmann, E.A. (Hrsg.): Digitalisierung souverän gestalten. Heidelberg: Springer 2021, S. 86–97 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-65
  173. [24] VDI/VDE-Gesellschaft Mess- und Automatisierungstechnik (Hrsg.): Geschäftsmodelle für Industrie 4.0 – Digitale Chancen und Bedrohungen. Stand: 2016. Internet: www.vdi.de/ueber-uns/presse/publikationen/details/geschaeftsmodelle-fuer-industrie-40-digitale-chancen-und-bedrohungen. Zugriff am 21.08.2024 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-65
  174. [25] Zhuang, F.; Qi, Z.; Duan, K. et al.: A Comprehensive Survey on Transfer Learning. Proceedings of the IEEE 109 (2021) 1, pp. 43–76, doi.org/10.1109/JPROC.2020.3004555 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-65
  175. [26] Rafael, L.D.; Jaione, G. E.; Cristina, L. et al.: An Industry 4.0 maturity model for machine tool companies. Technological Forecasting and Social Change 159 (2020) #120203 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-65
  176. [27] Beckhoff Automation: TwinCAT 3 ML/NN Inference Engine. Stand 2024. Internet: infosys.beckhoff.com/index.php?content=../content/1031/tf38x0_tc3_ml_nn_inference_engine/index.html&id=. Zugriff am 21.08.2024 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-65
  177. [28] Bajic, B.; Cosic, I.; Katalinic, B. et al.: Edge Computing vs. Cloud Computing: Challenges and Opportunities in Industry 4.0. Proceedings of the 30th International DAAAM Symposium 2019, Vienna, 2019, pp. 864–871, doi.org/10.2507/30th.daaam.proceedings.120 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-65
  178. [29] Plathottam, S.J.; Rzonca, A.; Lakhnori, R. et al.: A review of artificial intelligence applications in manufacturing operations. Journal of Advanced Manufacturing and Processing 5 (2023) 3, doi.org/10.1002/amp2.10159 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-65
  179. [1] Gläser, W.: „Glücklicherweise ist es nur VUKA!“. In: Altenfelder, K.; Schönfeld, D.; Krenkler, W. (Hrsg.): Services Management und digitale Transformation, S. 119–146. Wiesbaden: Springer Fachmedien 2021 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-72
  180. [2] Schuh, G.; Schmidt, C.: Produktionsmanagement. Berlin: Springer Vieweg 2014 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-72
  181. [3] Vogel-Heuser, B.; Bauernhansl, T.; Hompel, M. ten (Hrsg.): Handbuch Industrie 4.0. Band 1: Produktion. Wiesbaden: Springer Fachmedien 2017 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-72
  182. [4] Naumann, V.: Smarte Produkt-Service Systeme: Eine transformations- und kostenorientierte Untersuchung. Dissertation, Universität Bamberg, 2021 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-72
  183. [5] Freitag, M.; Kück, M.; Ait Alla, A. et al.: Potenziale von Data Science in Produktion und Logistik. Industrie 4.0 Management 31 (2015) 6, S. 39–46 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-72
  184. [6] Forschungsbeirat der Plattform Industrie 4.0/acatech – Deutsche Akademie der Technikwissenschaften (Hrsg.): Themenfelder Industrie 4.0 – Forschungs- und Entwicklungsbedarfe für die erfolgreiche Umsetzung von Industrie 4.0. Stand: 2022. Internet:/www.acatech.de/publikation/themenfelder-i40-akt/download-pdf/?lang=de. Zugriff am 22.07.2024 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-72
  185. [7] Reinhold, J.; Ködding, P.; Scholtysik, M. et al.: Identifying Value Creation Patterns for Smart Services. Procedia CIRP 104 (2021), pp. 576–581 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-72
  186. [8] Liebrecht, C.: Entscheidungsunterstützung für den Industrie 4.0-Methodeneinsatz. Strukturierung, Bewertung und Ableitung von Implementierungsreihenfolgen. Dissertation, Karlsruher Institut für Technologie, 2020 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-72
  187. [9] Leineweber, S.: Ansatz zur Unterstützung des Auswahlprozesses von digitalen Technologien für manuelle Montagesysteme. Dissertation, Ruhr-Universität Bochum, 2023 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-72
  188. [10] Fischer, T.: Hürden der Digitalisierung in KMU. Ursachenanalyse und Handlungsempfehlungen. Zeitschrift für wirtschaftlichen Fabrikbetrieb 118 (2023) 3, S. 169–172 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-72
  189. [11] Scholz, P.: Methodik zur potenzial- und risikobasierten Technologiebewertung. Dissertation, RWTH Aachen, 2021 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-72
  190. [12] Nöhring, F.: Ansatz zur zielgerichteten Gestaltung cyber-physischer Produktionssysteme für kleine und mittlere Unternehmen. Dissertation, Technische Universität Dortmund, 2021 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-72
  191. [13] Neuhüttler, J.; Feike, M.; Kutz, J. et al.: Digital Factory Transformation from a Servitization Perspective: Fields of Action for Developing Internal Smart Services. Sci 5 (2023), 2, pp. 1–22, doi.org/10.3390/sci5020022 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-72
  192. [14] Gross, E.; Schrader, P.; Gramberg, T. et al.: Identifikation und Auswahl von digitalen Services. wt Werkstattstechnik online 113 (2023) 9, S. 376–381 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-72
  193. [15] Beverungen, D.; Müller, O.; Matzner, M. et al.: Conceptualizing smart service systems. Electronic Markets 29 (2017) 1, pp. 7–18 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-72
  194. [16] DIN SPEC 33453: Entwicklung digitaler Dienstleistungssysteme. Berlin: Beuth Verlag 2019 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-72
  195. [17] Bruhn, M.; Hadwich, K. (Hrsg.): Smart Services. Konzepte – Methoden – Prozesse. Wiesbaden: Springer Gabler 2022 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-72
  196. [18] Kampker, A.; Frank, J.; Schwartz, M. et al.: Lernen von den Besten: Fünf Erfolgsfaktoren bei der Entwicklung von Smart Services. In: Meyer, K.; Klingner, S.; Zinke, C. (Hrsg.): Service Engineering, S. 151–165. Wiesbaden: Springer Fachmedien 2018 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-72
  197. [19] BMWi: Digitale Strategie 2025. Stand: 2016. Internet: www.bmwk.de/Redaktion/DE/Publikationen/Digitale-Welt/digitale-strategie-2025.pdf?__blob=publicationFile&v=1. Zugriff am 22.07.2024 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-72
  198. [20] Richter, T.: Vorgehensmodell zur Implementierung von Industrie 4.0 im Kontext ganzheitlicher Produktionssysteme. Dissertation, Technische Universität Braunschweig, 2021 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-72
  199. [21] Begovic, A.: Datenbasiertes Wissensmanagement für Smart Services im Werkzeugbau. Dissertation, RWTH Aachen, 2018 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-72
  200. [22] Gerl, S.: Innovative Geschäftsmodelle für industrielle Smart Services. Ein Vorgehensmodell zur systematischen Entwicklung. Wiesbaden: Springer Fachmedien 2020 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-72
  201. [23] Hevner, A.; Chatterjee, S.: Design Science Research in Information Systems. In: Hevner, A.; Chatterjee, S. (eds.): Design Research in Information Systems. Boston, MA: Springer US 2010 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-72
  202. [24] Liberati, A.; Altman, D. G.; Tetzlaff, J. et al.: The PRISMA statement for reporting systematic reviews and meta-analyses of studies that evaluate health care interventions: explanation and elaboration. Journal of clinical epidemiology 62 (2009) 10, e1–34 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-72
  203. [25] Meiren, T.; Friedrich, M.; Gorovoj, A. et al.: Smart Services als Erfolgsfaktor für Dienstleister. Stand: 2022. Internet. smart-service-bw.de/wp-content/uploads/2022/04/1-Smart-Services-als-Erfolgsfaktor-fuer-Dienstleister.pdf: Zugriff am 22.07.2024 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-72
  204. [26] Arioli, V.; Ruggeri, G.; Sala, R. et al.: A Methodology for the Design and Engineering of Smart Product Service Systems: An Application in the Manufacturing Sector. Sustainability 15 (2023) 1, p. 64 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-72
  205. [27] Busse, A.: Ansatz zur quantitativen Bewertung der finanziellen Nutzenpotentiale von Zustandsdiagnosen und -prognosen in der industriellen Instandhaltung. Dissertation, Technische Universität Darmstadt, 2019 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-72
  206. [28] Grünebaum, T.: Methodik zur Gestaltung von Technologieketten und Prozessfolgen nach lebensphasenübergreifend ökologisch-ökonomischen Kriterien. Dissertation, RWTH Aachen, 2021 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-72
  207. [29] Kreutzer, R. J.: Methodik zur Bestimmung der Nutzenpotenziale von Felddaten cyber-physischer Systeme. Dissertation, RWTH Aachen, 2018 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-72
  208. [30] Kirazli, A.: Beitrag zur Analyse der Nutzen potentiale von Industrie 4.0 in der Automobilindustrie. Am Beispiel des Supply Chain Risikomanagements. Dissertation, Technische Universität Dortmund, 2017 Open Google Scholar doi.org/10.37544/1436-4980-2024-07-08-72

Citation

Download RIS Download BibTex

Downloads

Download chapter (PDF)

Notice

This work is protected by copyright and may only be used in accordance with the provisions of the Terms of Use and License Agreement. Any use of the work beyond this is expressly prohibited and will be prosecuted.

Share via email

Media