Logistische Herausforderung zur Implementierung von

JOHANNES KEPLER

UNIVERSITÄT LINZ

Altenberger Straße 69 4040 Linz, Österreich www.jku.at DVR 0093696

Logistische Herausforderung zur Implementierung von Industrie 4.0

Diplomarbeit zur Erlangung des akademischen Grades Magister der Sozial- und Wirtschaftswissenschaften

Im Diplomstudium

Wirtschaftswissenschaften

Eingereicht von Matthias Undesser Angefertigt am Institut für Produktions- und Logistikmanagement Beurteiler / Beurteilerin Univ.-Prof.in Sophie Parragh Monat Jahr Jänner 2021

I Matthias Undesser

Inhaltsverzeichnis

Inhaltsverzeichnis .................................................................................................................... I

Abbildungsverzeichnis............................................................................................................ III Tabellenverzeichnis ............................................................................................................... IV

Abkürzungsverzeichnis ........................................................................................................... V

1 Einleitung ......................................................................................................................... 1

1.1 Zielsetzung der Arbeit ................................................................................................ 3

2 Industrie 4.0 ..................................................................................................................... 6

2.1 Geschichtliches ......................................................................................................... 6

2.1.1 Erste industrielle Revolution ................................................................................ 7

2.1.2 Zweite industrielle Revolution .............................................................................. 8

2.1.3 Dritte industrielle Revolution ................................................................................ 9

2.1.4 Übersicht erste bis dritte industrielle Revolution ................................................. 11

2.1.5 Vierte industrielle Revolution – Revolution oder nicht? ....................................... 11

3 Der Schritt zur Industrie 4.0 ............................................................................................ 18

3.1 Begriffserklärung ..................................................................................................... 20

3.2 Technologische Grundlagen .................................................................................... 33

3.2.1 Cyber-physische-Systeme ................................................................................ 34

3.2.2 Intelligente Objekte und Produkte ...................................................................... 37

3.2.3 Big Data ........................................................................................................... 39

3.2.4 Internet der Dinge und Dienste (IoTS) ............................................................... 40

3.2.5 Smart Factory ................................................................................................... 43

3.2.6 Cloud Computing .............................................................................................. 43

3.2.7 Normierung und Standardisierung ..................................................................... 46

3.2.8 Datenschutz und IT-Sicherheit .......................................................................... 48

3.3 Aussichten, Ziele, Potentiale von Industrie 4.0 .......................................................... 50

3.4 Kritische Auseinandersetzung mit Industrie 4.0 Konzept ........................................... 54

4 Logistik 4.0 .................................................................................................................... 57

4.1 Grundlagen zur Logistik ........................................................................................... 57

4.1.1 (Kern-) Aufgaben der Logistik ............................................................................ 60

4.1.2 (Intra-) Logistik und Supply Chain Management ................................................. 62

4.2 Logistik 4.0.............................................................................................................. 63

4.2.1 (Selbst-) Steuerung von Materialflusssystemen durch (Multi-) Agentensysteme... 65

4.2.2 Das Lager der Zukunft – ein Ausblick ................................................................ 67

5 Warehouse Management- und Lagerverwaltungssysteme ............................................... 70

II Matthias Undesser

5.1 Begriffsabgrenzung Lagerverwaltung und Warehouse Management .......................... 70

5.2 Systemschnittstellen und Aufgaben eines Warehouse Managementsystems im Lager (Miteinbezug von ERP) ...................................................................................................... 71

5.3 Arten von betriebswirtschaftlicher Standardsoftware ................................................. 77

5.4 Am Beispiel SAP EWM (Teilkomponente SAP SCM) ................................................ 79

5.4.1 Definition von SAP EWM .................................................................................. 79

5.4.2 Funktionen von SAP EWM ................................................................................ 81

5.4.3 Werkzeuge zur Umsetzung von SAP EWM ........................................................ 90

6 Methodik ........................................................................................................................ 91

6.1 Auswahl des Analyseverfahrens .............................................................................. 95

6.2 Vorgehensweise ...................................................................................................... 96

6.3 Literaturanalyse und Stärken-Schwächen-Analyse ................................................... 97

6.4 Auswahlprozess der Literatur ................................................................................... 98

6.4.1 Quellenauswahl (Journals vs. Buchliteratur)....................................................... 99

6.4.2 Zeitrahmen ....................................................................................................... 99

6.4.3 Auswahl der Artikel (Datenbanken, Journals, Verlag, etc.) .................................. 99

6.4.4 Literaturpool ..................................................................................................... 99

7 Untersuchungsgegenstand ........................................................................................... 101

8 Anforderungsdimension ................................................................................................ 102

9 Literaturauswertung/Forschungsschwerpunkte .............................................................. 104

9.1 Inhaltsanalyse SAP EWM zur Anforderungsdimension 1 ......................................... 104




9.5 Stärken-Schwächen-Analyse ................................................................................. 121

9.5.1 Lösungsansätze zur potenziellen Implementierung von WMS-Systemen .......... 125

10 Zusammenfassung und Ausblick ............................................................................... 130

11 Literaturverzeichnis ................................................................................................... 134

III Matthias Undesser

Abbildungsverzeichnis

Abbildung 1: Die 4 Stufen industrieller Revolutionen (Bericht der Promotorengruppe Kommunikation der Forschungsunion Wirtschaft – Wissenschaft 2012, S. 13) ........................... 7 Abbildung 2: Von der Ersten zur Dritten industriellen Revolution (Jänicke, Jacob 2008, S. 14) . 11 Abbildung 3: Von der hierarchischen Automatisierungspyramide zum Cyber Physical System (CPS) (Hüning 2019, S. 6) ..................................................................................................... 22 Abbildung 4: Dreischichtenmodell der Verhaltenssteuerung (in Anlehnung an Strube 1998, S. 9) ............................................................................................................................................ 24 Abbildung 5: Automatisierungsebenen in Produktionsbetrieben und Bestrebungen zur Integration der Komponenten (Seitz 2015, S. 24) ................................................................... 27 Abbildung 6: Cyber-physisches Gefüge (in Anlehnung an Zamfirescu, 2012, zitiert nach Gorecky et al. 2014, S. 525) ................................................................................................................ 31 Abbildung 7: Komponenten der Industrie 4.0 (Siepmann 2016, S. 22) ..................................... 34 Abbildung 8: cyber-physisches System (CPS) in der Industrie 4.0 (Drath 2014, zitiert nach Siepmann 2016, S. 30).......................................................................................................... 36 Abbildung 9: Die Technologiekonzeption des Spitzenclusters it’s OWL für intelligente technische Systeme (Gausemeier 2013, et al., zitiert nach Michels 2016, S. 267) ..................................... 37 Abbildung 10: Internet der Dinge und Dienste (IoTS) (Siepmann 2016, S. 27) ......................... 41 Abbildung 11: Grundsätzlicher Aufbau von Service-orientierten Geschäftsmodellen (Eigner 2016, S. 142) ........................................................................................................................ 42 Abbildung 12: Klassische Automatisierungshierarchie und Nutzung von Cloud Computing (Stiller, Langmann 2017, S. 30) ............................................................................................. 46 Abbildung 13: Produktions- und Office-IT (Hänisch, Rogge 2017, S. 92) ................................. 49 Abbildung 14: Relative Suchanfragen für die Begriffe „Digitalisierung“ und „Industrie 4.0“ (Mertens 2017, et al., S. 51) .................................................................................................. 55 Abbildung 15: Physische Kernleistungen der Logistik (Heiserich 2011, et al., S. 5) .................. 59 Abbildung 16: Prozesssteuerung und Industrie 4.0 (ten Hompel, Henke 2014, S. 620) ............. 65 Abbildung 17: FDS-Diagramm (Funktionen – Daten – Systeme) für Warehouse Management (ten Hompel, Schmidt 2010, S. 11) ........................................................................................ 72 Abbildung 18: Grundelemente von Warehouse Managementsystemen und deren Bezug zu den Funktionen im Lager (ten Hompel, Schmidt 2010, S. 24) ........................................................ 73 Abbildung 19: Kommunikation zwischen SAP ERP und SAP EWM bezüglich der Bewegungsdaten (Lieferungen) (Lange 2017, et al., S. 38) ..................................................... 80 Abbildung 20: Cross-Docking-Methoden in SAP EWM (Lange 2017, et al., S. 995).................. 88 Abbildung 21: Übersicht über den Prozess "Event Driven Quantity Assignment“ (Lange 2017, et al., S. 1020) .......................................................................................................................... 89 Abbildung 22: Aufbau und Struktur des Lagermonitors (Lange 2017, et al., S. 885) ............... 113 Abbildung 23: Identifikationspunkt im automatischen Lager (SAP SE [15] 2015, o. S.) ........... 120 Abbildung 24: Grundkonzept des Agentensystems (Kugler, Gehlich 2013, S. 120) ................ 129

https://d.docs.live.net/aa96c304ac23fe13/Dokumente/Diplomarbeit_Undesser_K1055846.docx#_Toc60985100






































IV Matthias Undesser

Tabellenverzeichnis

Tabelle 1: Anforderungsdimensionen Industrie 4.0 (in Anlehnung an Lichtlein 2016, S. 57, eigene Dimensionen und Darstellung).................................................................................. 103

V Matthias Undesser

Abkürzungsverzeichnis

WMS Warehouse Management Systeme

IKT Informations- und Kommunikationstechnologie

CPLS Cyber-physikalische-Logistiksysteme

IoT Internet of Things

IoE Internet of Everything

IdD Internet der Dinge

CPS Cyber-physical-Systems

CPPS Cyber-physical-production-System

SAP EWM Extended Warehouse Management

MRP Manufactoring Ressource Planning

APS Avanced Planning and Scheduling

PPS Produktionsplanungs- und Steuerungssystem

AI Artifical Intelligence

KI Künstliche Intelligenz

RFID Radiofrequenz Identifikation

M2M Maschine-zu-Maschine Kommunikation

CIM Computer-integrated Manufactoring

IIT Industrielle Informationstechnik

CTS Cybertronische Systeme

SOA Serviceorientierte Architekturen

SCM Supply Chain Management

FTS Fahrerlose Transportsysteme

PAD Production Assistant Device

OCR Optical Character Recognition

LVS Lagerverwaltungssysteme

ERP Enterprise ressource planning

WCS Warehouse Control System

MFR Materialflussrechner

WE Wareneingang

WA Warenausgang

LT Ladungsträger

VI Matthias Undesser

FIFO First in – First out

LIFO Last in – First out

MM Material Management

SD Sales and Distribution

PP Production Planning

CRM Customer Relationship Management

PLM Product Lifecycle Management

SRM Supplier Relationship Management

SPM Service Parts Management

qRFC Queued Remote Function Calls

CIF Core Interface Function

MFS Materialflusssystem

SPS Speicherprogrammierbare Steuerung

HU Handling Unit

IGS Internet Graphics Server

EGF Easy Graphic Framework

PMA Produktionsmaterialanforderung

Gill Grafisches Lagerlayout

PVB Produktionsversorgungsbereich

WE Wareneingangsprozess

SAP APO Advanced Planning & Optimization

EDI Electronic Data Interchange

API Application Programming Interfaces

SCN Supply Network Calloboration

ASN Advanced Shipping Notification

IDN Inbound Delivery Notification

EGR Erwartete Wareneingänge

PPF Post Processing Framework

ID Inbound Delivery

TE Transporteinheiten

LANF Lageranforderungspositionen

LB Lageraufgabe

ITS Internet Transaction Server

VII Matthias Undesser

SAP GUI SAP Graphical User Interface

CD Cross Docking

TCD Transport-Cross-Docking

EWM-Opp.CD Opportunistisches Cross Docking

PD Push Deployment

PFGR Pick from Goods Receipt

BAdIs Business Add-Ins

SAP APO SAP Advanced Planning & Optimization

EDQA Event Driven Quantity Assignment

ZDO Zero-Downtime-Option

RF-Framework Radio-Frequency-Framework

SLS Staplerleitsystem

aSLS Agenten-basiertes Staplerleitsystem

VR Virtual Reality

AR Augmented Reality

MR Mixed Reality

ALS Adaptiv-Lernendes-System

NFA Nicht-funktionale Anforderungen

EPC Electronic Product Code

UI User Interface

mMTC Massive Machine Type Communication

uRLLC Ultra Reliable and Low Latency Communications

Einleitung

1 Matthias Undesser

1 Einleitung

In Zeiten der Globalisierung steigt der wirtschaftliche Druck auf die einzelnen Unternehmen,

weshalb die drei Faktoren Kosten, Zeit und Qualität im Produktionsablauf maßgeblich für den

wirtschaftlichen Erfolg sind. Es geht dabei um die Überwindung der steigenden Komplexität in

der Produktion und Logistik, um die Individualisierung der Produkte und um die Flexibilisierung

der Produktion. Unternehmen, die diese veränderten Rahmenbedingungen frühzeitig erkennen

und Lösungsstrategien erarbeiten, werden sich am Markt erfolgreich behaupten können. Zu den

Auslösern der neuen Rahmenbedingungen zählt sicher der Megatrend Digitalisierung, welcher

nicht nur technologische Veränderungen mit sich bringt, sondern, genauso wie die

Globalisierung, sämtliche Lebensbereiche und Geschäftsprozesse durchdringt und diese auch

verändert (vgl. Bousonville 2017, S. 13; Ganschar 2013, et al., zitiert nach Lichtlein 2016, S. 1).

Um also neue Formen der Wertschöpfung zu generieren und wettbewerbsfähig zu bleiben, wird

man um den Begriff „Industrie 4.0“ keinen Bogen machen können. Dieser weist auf die vierte

industrielle Revolution hin und impliziert eine neue Stufe der Organisation und Steuerung des

gesamten Wertschöpfungsflusses über den Produktlebenszyklus. „Dieser Zyklus orientiert sich

an den zunehmend individualisierten Kundenwünschen und erstreckt sich von der Idee, dem

Auftrag über die Entwicklung und Fertigung, die Auslieferung eines Produkts an den Endkunden

bis hin zum Recycling, einschließlich der damit verbundenen Dienstleistungen“ (Plattform

Industrie 4.0 2013-2015, S. 8).

Im Detail geht es dabei um vernetzte und kommunizierende Systeme, die mittels neuester

Internettechnologien eine Dezentralisierung von Steuerungsprozessen ermöglichen. Im

Vordergrund steht die Vernetzung identifizierbarer physischer Objekte mit einer virtuellen,

internetähnlichen Umwelt auf der Basis eines aktuellen Abbilds der Realität in Echtzeit. Das

heißt, der Austausch von Informationen zwischen Objekten erfolgt völlig autonom, sodass

Entscheidungen ohne Zutun des Menschen getroffen und sofort umgesetzt werden können (vgl.

Roth 2016, S. 6). Diese Verbindung von Menschen, Systemen und Objekten schafft

unternehmensübergreifende, selbstorganisierende und Echtzeit-basierte

Wertschöpfungsnetzwerke, die sich in Bezug auf Kosten, Qualität, Verfügbarkeit und

Ressourcenverbrauch jederzeit optimieren lassen (vgl. Plattform Industrie 4.0 2013-2015, S. 8).

Technologische Grundlagen sind neben dem Internet der Dinge cyber-physische-Systeme, wo

physische Gegenstände mittels Sensorik und Aktorik eigene Informationen und Informationen

über ihre Umgebung an andere IT-Systeme weiterleiten können (vgl. Vogel-Heuser 2016, et al.,

S. 4).

Einleitung

2 Matthias Undesser

Grundvoraussetzung ist die eindeutige Identifikation eines physischen Objekts, welche

beispielsweise durch passive Kennzeichnung, wie z.B. Barcodes, Data Matrix Codes oder RFID-

Transpondern erreicht werden kann (vgl. Bousonville 2017, S. 16).

Das Lager als zentraler Bestandteil der Logistik wird in den Ausführungen zur Industrie 4.0

zumeist vernachlässigt. Grundsätzlich haben Lagerverwaltungssysteme die Aufgabe,

Informationen darüber zu liefern, welches Material in welcher Menge an welchem Ort vorliegt.

Es erfüllt also eine Art Ausgleichsfunktion zwischen Angebot und Nachfrage. Mit zunehmender

Softwareunterstützung kommen weitere Funktionen hinzu, welche die Steuerung, Kontrolle

sowie Optimierung der Lager- und Distributionssysteme beinhalten (vgl. Stich 2013, et al., S.

276).

Jedoch wird kaum darauf Bezug genommen, ob gängige Warehouse Management Systeme

(WMS) die Anforderungen von Industrie 4.0 erfüllen können. Daraus ergibt sich das Ziel, WMS-

Systeme auf deren Eignung bezüglich einer Implementierung in einem cyber-physischen-

System zu analysieren und darüber hinaus Antworten zu liefern, welche technologischen

Voraussetzungen dafür geschaffen werden müssen.

Auf diese Ausgangssituation stützt sich die vorliegende Arbeit und soll der Frage nachgehen,

welche Rahmenbedingungen geschaffen werden müssen, um Logistik 4.0 realisieren zu

können. Neben den technologischen Grundlagen wie Identifikation, Ortung, Sensorik,

Datenverarbeitungstechnologie, etc. nehmen im Verlauf der Arbeit vor allem Warehouse-

Management-Systeme eine wesentliche Rolle ein. Eine ähnliche Ausgangslage ist in der

Masterarbeit von Lichtlein aus dem Jahr 2016 vorzufinden. Diese Arbeit setzt sich jedoch,

anders als bei Lichtlein, deutlich intensiver mit der Begrifflichkeit Industrie 4.0 auseinander. Der

erste Abschnitt wird von der ausführlichen Beantwortung der Frage, ob Industrie 4.0 einen

revolutionären Charakter hat, geprägt. Darauf aufbauend erfolgt in Kapitel 3.4 eine kritische

Auseinandersetzung mit der gegenwärtigen Bedeutung von Industrie 4.0. Die Ausführungen

dazu sind in der Arbeit deshalb so wichtig, da sich daraus Rückschlüsse ziehen lassen, wie sich

die Akzeptanz und der Stellenwert von Industrie 4.0 künftig entwickeln werden. Weiters lassen

sich Zukunftsszenarien ableiten, ob mit einer gegenwartsnahen Umsetzung von Industrie 4.0 in

der Intralogistik zu rechnen ist. Ein Resümee über den Status quo der Industrie 4.0 wird in

Kapitel 10 Zusammenfassung gezogen.

Einleitung

3 Matthias Undesser

1.1 Zielsetzung der Arbeit

Die vorliegende Arbeit befasst sich mit dem Thema Industrie 4.0 und welche Auswirkungen die

Digitalisierung im Hinblick auf Produktions- und Logistikprozesse hat. Im Anschluss werden die

Anforderungen herausgearbeitet, welche für die Umsetzbarkeit von heutigen WMS-Systemen

(SAP EWM) in Industrie 4.0 erforderlich sind. Ziel der Arbeit ist es, mithilfe geeigneter Methoden

drei Forschungsfragen zum Thema Industrie 4.0 im Kontext von Lagerverwaltungssystemen zu

klären. Schlussendlich soll das mögliche Potential von EWM im Umfeld von Industrie 4.0

Aufschluss über eine mögliche Anwendbarkeit geben und darüber hinaus sollen Stärken

beziehungsweise Schwächen bei den Funktionalitäten aufgezeigt werden.

Forschungsfragen:

1. Hat Industrie 4.0 einen revolutionären Charakter oder ist es ein reiner Marketing-Gag?

2. Können bereits bestehende WMS-Systeme (im speziellen SAP EWM) zukünftigen

Anforderungen von Industrie 4.0 Genüge leisten?

3. Wo liegen die Stärken beziehungsweise Schwächen aktueller Lagerverwaltungssysteme

und können daraus Rückschlüsse für die Gestaltung künftiger Lagerverwaltungssysteme

(am Beispiel SAP EWM) gezogen werden, um eine Umsetzbarkeit in der Industrie 4.0 zu

realisieren?

Mit der Beantwortung der Forschungsfragen soll eine Hilfestellung gegeben werden, wie

künftige Planungen zu Logistik 4.0 und Lagerverwaltungssystemen getroffen werden müssen,

um zukünftige Herausforderungen der Industrie 4.0 bewältigen zu können.

Als Ausgangspunkt zur analytischen Auseinandersetzung mit den genannten Forschungsfragen

dient zunächst eine umfangreiche Literaturrecherche zu Industrie 4.0, Logistik 4.0 und den

Lagerverwaltungssystemen WMS (Warehouse Management Systeme). Diese Analyse dient als

Grundlage, um einen Bezug zwischen den drei genannten Begriffen herzustellen. Beim Thema

Industrie 4.0 wird im Konkreten auf die Begriffsdefinition, auf die technologischen Grundlagen

sowie auf die Potenziale eingegangen. In diesem Abschnitt wird versucht, die erste

Forschungsfrage zu klären.

Wenn es eine Industrie 4.0 gibt, muss es natürlich auch eine Logistik 4.0 geben. Da sich die

Kernbetrachtung auf Lagerverwaltungssysteme bezieht und diese auch Bestandteil der Logistik

sind, wird im Rahmen dieser Arbeit auch die Logistik 4.0 ausführlich thematisiert. Hier werden

vor allem die technologischen Voraussetzungen näher betrachtet. Zudem ermöglicht dieses

Kapitel eine Einordnung von WMS-Systemen in das Umfeld der Logistik.

Einleitung

4 Matthias Undesser

Ebenso von essenzieller Bedeutung ist die Recherche zu WMS. Es soll schließlich eine Brücke

zum Themengebiet der Industrie 4.0 hergestellt werden. Mit Hilfe der Literaturanalyse wird ein

Untersuchungsrahmen definiert, der unter anderem Funktionalitäten und Erfolgsfaktoren zur

Implementierung von SAP-Systemen beinhaltet. Die Literaturanalyse dient auch zur Erstellung

eines Anforderungskataloges in Form eines Clusters. Dieses Cluster ist der zentrale

Ausgangspunkt meiner Untersuchung und soll Aufschluss darüber geben, ob die

Funktionalitäten von SAP EWM den Anforderungen der Industrie 4.0 gerecht werden. Darauf

aufbauend werden Stärken und Schwächen von SAP EWM identifiziert und mit Hilfe einer

Stärken-Schwächen-Analyse fehlende Funktionalitäten zur Umsetzung von Industrie 4.0

aufgezeigt. Im letzten Kapitel werden aus den gewonnenen Erkenntnissen dieser Schwächen-

Analyse Maßnahmen abgeleitet. Diese Maßnahmen sind als Handlungsempfehlungen zu

verstehen, welche es in der Praxis zu überprüfen gilt.

Zur Beantwortung der zweiten Forschungsfrage wird auf die Methodik von Lichtlein

zurückgegriffen. Die Erstellung eines Clusters hat sich bereits in ihrer Untersuchung als

zielführender und durchdachter Ansatz bewährt. Daher wird in dieser Ausarbeitung ein ähnlicher

Ansatz gewählt, die Analyse aber völlig unabhängig voneinander durchgeführt. Im Gegensatz zu

Lichtleins Abhandlung stützen sich die Auswertungen ausschließlich auf die Fachliteratur. Bei

Lichtlein werden indessen häufig Annahmen getroffen, die bei Fehlen von Expertenwissen kaum

nachvollziehbar sind. Die gewählte Vorgehensweise in dieser Arbeit hat den Vorteil, dass die

Herleitung der Ergebnisse transparent ist und kein Fachwissen vom Leser/von der Leserin

voraussetzt. Dies soll dazu beitragen, dass die Arbeit von einem größeren Kreis an Personen

genutzt wird, um eventuell weitere Forschungen durchzuführen. Da die Arbeiten bei der

Herleitung der Lösung der zweiten Forschungsfrage Parallelen bei der Vorgehensweise

aufweisen, wird es auch interessant zu beobachten sein, welche Entwicklungen von WMS-

Systemen in Bezug auf Industrie 4.0 zwischen 2016 und 2020 stattgefunden haben. Durch den

Vergleich der Ergebnisse kann schlussgefolgert werden, ob man einer Umsetzung bereits

nähergekommen ist oder nicht. Aufgrund der Tatsache, dass die Anforderungsdimension eine

umfangreiche Literaturrecherche voraussetzen, kann auch das Erstellungsdatum der

verwendeten Literatur Aufschluss darüber geben, wie sehr das Thema noch präsent ist. Daraus

lassen sich in der Schlussbetrachtung Erkenntnisse ableiten, ob die Bedeutung der Industrie 4.0

in der Intralogistik in den letzten Jahren zugenommen, stagniert oder gar abgenommen hat.

Bei der Beantwortung der dritten Forschungsfrage wird ein anderer Ansatz als in Lichtleins

Arbeit gewählt. In der vorliegenden Abhandlung soll aufgezeigt werden, welche Maßnahmen zu

den aus der Stärken-Schwächen-Analyse gewonnen Schwächen konkret gesetzt werden

können, um ein SAP EWM-System so auszugestalten, dass es den Anforderungen von Industrie

4.0 standhält. Die Handlungsempfehlungen werden so ausgelegt, dass SAP EWM bei der

Einleitung

5 Matthias Undesser

Steuerung der Prozesse das dominierende System bleibt. Auch hier wurde ein literaturbasierter

Ansatz zur Beantwortung der dritten Forschungsfrage gewählt, um sicherzustellen, dass man

bei einer möglichen Evaluierung von Umsetzungsstrategien auf bereits in der Praxis verfügbare

Technologien zurückgreifen kann. Bei Lichtleins Analyse hat dieser Ansatz kaum eine Relevanz,

in ihren Ausführungen soll das CPS die zentrale Steuerungsinstanz der intralogistischen

Prozesse werden. Eine große Gewichtung in dieser Arbeit bekommt auch die Analyse der

speicherprogrammierbaren Steuerung (SPS). Diese wird bereits seit vielen Jahren erfolgreich in

WMS-Systemen eingesetzt. Daher wird versucht, ihr Potenzial bezüglich einer Implementierung

in der Industrie 4.0 zu bewerten. Die Ergebnisse dazu sind aus der Zusammenfassung zu

entnehmen. Da in dieser Diplomarbeit der Blick in die Zukunft gerichtet wird, werden auch

Ausführungen darüber einfließen, mit welchen Zukunftstechnologien die SPS erweitert werden

kann, um den Kriterien der Industrie 4.0 zu entsprechen.

Abschließend erfolgen eine Einordnung und Zusammenfassung aller gewonnenen Ergebnisse,

die bei künftigen Analysen in der Praxis als Ausgangsmaterial dienen können. Im Idealfall sollen

die Ergebnisse neue Denkanstöße für die Gestaltung von WMS-Systemen geben. Zudem soll

ein Ausblick geliefert werden, welche Anpassungen SAP EWM benötigt, um künftige

Herausforderungen in der Industrie 4.0 bewältigen zu können.

Industrie 4.0

6 Matthias Undesser

2 Industrie 4.0

Um die Wettbewerbsfähigkeit zu sichern und Deutschland im internationalen Vergleich als

Innovations- und Wettbewerbsland zu stärken, wurde im Rahmen der High Tech Strategie 2011

das Zukunftsprojekt „Industrie 4.0“ eingeführt. Große mediale Aufmerksamkeit bekam der Begriff

schließlich im April 2013 auf der Hannover Messe (Dais 2014, et al., S. 625).

Gleichzeitig wurde von den Industrieverbänden BITKOM, VDMA und ZVEI die Plattform

Industrie 4.0 ins Leben gerufen, um gemeinsame Standards, Handlungsempfehlungen und ein

branchenübergreifendes sowie koordiniertes Vorgehen bei der Umsetzung von Industrie 4.0 zu

erarbeiten. Initiiert wurde diese Agenda von der Forschungsunion Wirtschaft-Wissenschaft,

welche im Rahmen der Hannover Messe 2013 einen Abschlussbericht mit

Umsetzungsempfehlungen, Handlungsfeldern und Forschungsbedarfen veröffentlichte

(Plattform Industrie 4.0 2013-2015, S. 8).

Der Begriff wurde in den letzten Jahren regelrecht zum Modewort und immer wieder spricht man

im Zuge dessen von der vierten industriellen Revolution. Eine einheitliche und wissenschaftliche

Definition dafür gibt es allerdings noch immer nicht. In den folgenden zwei Abschnitten erfolgt

daher eine Begriffseingrenzung. Dafür ist es erforderlich, die drei bisherigen Revolutionen zu

analysieren, um zu prüfen, ob sich hinter Industrie 4.0 tatsächlich ein revolutionärer Charakter

verbirgt. Anschließend werden auch die technologischen Kernelemente thematisiert und mit

zusätzlichen Begriffen wie „intelligente Informations- und Kommunikationstechnologien“ oder

„digitale Transformation“ in Kontext gebracht. Im methodischen Teil dieser Arbeit werden dann

die zuvor erarbeiteten technologischen Ausführungen zur Industrie 4.0 zu homogenen

Anforderungskriterien sortiert. Anschließend können mögliche Stärken und Schwächen von

Lagerverwaltungssystemen bei der Umsetzung in einer intelligenten Fabrik identifiziert werden.

Im letzten Schritt rückt der Fokus der Arbeit auf die Analyse der Schwächen. Als Ergebnis sollen

Handlungsempfehlungen für die künftige Gestaltung von Lagerverwaltungssystemen (am

Beispiel SAP EWM) ausfindig gemacht werden.

2.1 Geschichtliches

Industrie 4.0 wird immer wieder in Verbindung mit der vierten industriellen Revolution gebracht.

Daher macht es Sinn, zunächst einen Blick auf die drei vorangegangenen Revolutionen zu

werfen. Daraus können Merkmale und Kriterien abgeleitet werden, welche alle drei Revolutionen

gemein haben. Das ist insofern notwendig, um in der Arbeit zu klären, ob auch Industrie 4.0 dem

Begriff einer industriellen Revolution gerecht wird. Aber zunächst wird analysiert, wie die

bisherigen Revolutionen aufeinander aufbauen, was deren Auslöser waren und welche

Industrie 4.0

7 Matthias Undesser

Prozesse und gesellschaftliche Veränderungen dadurch in Gang gesetzt wurden. Fakt ist, dass

in den Phasen ein Wandel von einer Agrarwirtschaft zur Industriegesellschaft vollzogen wurde

und wir uns aktuell in einer Phase einer digitalen Transformation befinden (vgl. Frank 2019, S.

313).

2.1.1 Erste industrielle Revolution

Ihren Ursprung fand die erste industrielle Revolution um 1750 in England, wo sie sich bis in die

zweite Hälfte des 19. Jahrhunderts auch über weite Teile Europas ausweitete. Auslöser für

diese Revolution war die Erfindung der Dampfmaschine durch Thomas Newcomon und deren

Weiterentwicklung durch James Watt (vgl. Barthelmäs 2017, et al., S. 39).

Daraus entwickelten sich mechanisierte Produktionsmethoden, in denen mit Wasser und Dampf

betriebene Maschinen mechanische Arbeit verrichteten. Somit konnte ein weitreichendes

Problem, das bis dato bestand, gelöst werden: die ausreichende Bereitstellung und Versorgung

mit mechanischer Energie. Diese Errungenschaften läuteten die Transformation von der

Agrarwirtschaft zur Industriegesellschaft ein (vgl. Frank 2019, S. 313).

Abbildung 1: Die 4 Stufen industrieller Revolutionen (Bericht der Promotorengruppe Kommunikation der Forschungsunion Wirtschaft – Wissenschaft 2012, S. 13)

Industrie 4.0

8 Matthias Undesser

Waren es zuvor mit Wind und Wasser betriebene Mühlen, welche menschliche Kraft ersetzten,

wurden diese fortan durch die Dampfmaschine ersetzt. Der mechanische Webstuhl aus dem

Jahr 1784 beispielsweise leitete die erste mechanisierte Massenproduktion in der

Baumwollspinnerei ein. Die Textilindustrie wurde zum führenden Sektor und der treibende Motor

für die gesamtwirtschaftliche Entwicklung. Aber auch andere Wirtschaftszweige wie die Eisen-,

Stahl und Transportindustrie profitierten von der Entdeckung der Kohle als Energieträger und

erlebten einen immensen Aufschwung. Trotzdem waren vorindustrielle Strukturen um 1800 noch

immer die dominierende Kraft (vgl. Syska 2018, S.2; Russinger 2015, S.12 f.; Schönfelder 2018,

S. 10; Hahn 2011, S. 3).

Da sich im Zuge dieser Industrialisierung immer mehr Betriebe in den Städten ansiedelten, kam

es zu einem explosionshaften Anstieg der Bevölkerungszahl und somit zu einer

Überbeanspruchung des Wohnraums. Die hygienische und medizinische Versorgung konnte mit

dieser Entwicklung nicht Schritt halten und die zunehmende Ausbeutung der Arbeitskräfte in

Fabriken führte rasch zu sozialen Missständen. Fabrikarbeiter/Fabrikarbeiterinnen gehörten

fortan einer gesellschaftlichen Randgruppe an, die größtenteils unter der Armutsgrenze lebten

und zunehmend in Konflikt mit den Kapitalisten gerieten. Dieser Umstand und der Aufstieg des

Industriebürgertums führten zur bürgerlichen Revolution und lösten schließlich einen politischen

Wandel aus. Es war zugleich auch die Geburtsstunde der Arbeiterparteien und der

Gewerkschaften (vgl. Russinger 2015, S. 13).

2.1.2 Zweite industrielle Revolution

Das Aufkommen der elektrischen Energie und die sich daraus ergebende, arbeitsteilige

Massenproduktion markierten ab 1870 den Beginn der zweiten industriellen Revolution.

Elektrische Antriebe waren Sinnbild für den technischen Fortschritt und machten Erfindungen

wie das Fließband von Henry Ford erst möglich. Unter Verwendung von Fließ- und

Förderbändern wurde die Mechanisierung von Betrieben weiter vorangetrieben und die

Massenproduktion rasant ausgebaut. Gerade in den Industriebereichen Chemie und

Elektrotechnik war dieser Effekt deutlich zu spüren. Ebenfalls sinngebend für den Beginn der

zweiten Revolution Anfang des 20. Jahrhunderts war das sogenannte Scientific Management,

welches von Frederick W. Taylor geprägt wurde. Diesem Begriff geht ein Managementkonzept

voraus, welches die Optimierung von Arbeitsabläufen und Strukturen in handwerklich

orientierten Massenproduktionsstätten vorsieht. Auch Henry Ford vertraute in seinen Fabriken

dem Prinzip der Arbeitsteilung. Gleichzeitig vergeudete er keine Energie damit, mehrere

Varianten seiner Modelle zu entwickeln. Indem er jahrelang nur das Modell T fertigte, konnte er

die Fixkosten, welche anteilig durch jedes produzierte Auto getragen werden mussten, so gering

Industrie 4.0

9 Matthias Undesser

wie möglich halten. Das verschaffte ihm wesentliche Preis- und Wettbewerbsvorteile am Markt

(vgl. Schönfelder 2018, S. 12 f.; Russinger 2015, S. 14, Becker 2017, et al., S. 9; Syska 2018, S.

2 f.; Wikipedia [1], o. J., o. S.).

Diese Massenproduktion führte schließlich auch zu Masseneinkommen, welches dringend

benötigt wurde, um die erforderliche Nachfrageentwicklung zu stützen. Nach politischen

Umbrüchen 1918 in Deutschland hat man sich schlussendlich zu politischen Veränderungen bei

der Einkommensverteilung durchgerungen. Der gestiegene Produktionsausstoß und die

Erschließung von Massenmärkten in den 1950er Jahren hatten aber auch ihre Schattenseiten.

Der Ressourcenverbrauch stieg sprunghaft auf ein Rekordniveau an und der hohe Ausstoß von

Emissionen belastete die Umwelt schwer. Der Wohlstand der westlichen Gesellschaft und das

neue Lebensgefühl dank Mobilität erreichten schließlich auch andere Teile der Erde und

brachten die natürlichen Ressourcen beinahe zum Kollaps (vgl. Jänicke, Jacob 2008, S. 18).

Traditionelle Bereiche wie die Landwirtschaft oder die klassischen Handwerksbetriebe haben

mehr und mehr an Relevanz verloren. Die Wertschöpfung und Beschäftigung haben sich,

befeuert durch den technischen Fortschritt, klar in Richtung großindustrieller Massenproduktion

verlagert. Die Gewinner dieses Aufschwungs waren die Fabriksbesitzer, die Arbeiterschaft

wurde hingegen ausgebeutet. In der Gesellschaft hat sich gegen dieses ausbeuterische System

ein Widerstand formiert und Gewerkschaften gewannen an Bedeutung. Der Übergang von der

ersten zur zweiten industriellen Revolution war zugleich die Geburtsstunde der

Sozialdemokratie, welche zum Schutz der ArbeitnehmerInnen soziale Sicherungssysteme

einführten. Daneben haben auch erste Ideen des Kommunismus Fuß gefasst. Die hohe

Nachfrage nach Konsumgütern hat das Bild einer Wohlstandsgesellschaft geprägt (vgl.

Bauernhansl 2014, et al., S.6 f.)

2.1.3 Dritte industrielle Revolution

Während bei der ersten und zweiten industriellen Revolution die Massenproduktion sowie

Skaleneffekte in vorwiegend handwerklich dominierten Betrieben im Zentrum standen, steht die

dritte industrielle Revolution Anfang der sechziger Jahre des 20. Jahrhunderts ganz im Zeichen

einer ersten „digitalen Revolution“. Unterbrochen durch zwei Weltkriege und bis heute

andauernd, war es in Deutschland zunächst die Zeit des Wirtschaftswunders. Der vermehrte

Einsatz von Elektronik sowie Informations- und Kommunikationstechnologien (IKT) haben den

Weg zur Automatisierung der Produktionsprozesse geebnet. Wissen wurde durch die Erfindung

des Internets für eine breite Masse zugänglich. Daraus ergab sich einerseits eine

variantenreiche Serienproduktion, andererseits kam es zu einer starken Rationalisierung als

Folge der Einführung von automatisierten Montagesystemen, dem Aufkommen von

Industrie 4.0

10 Matthias Undesser

Industrierobotern und der Verbreitung computergestützter Fertigungs- und

Verwaltungsprozesse. Die manuelle Arbeitskraft des Menschen wurde und wird zunehmend

durch Maschinen in der Reihen- und Serienfertigung ersetzt (vgl. Barthelmäs 2017, et al., S. 40;

Russinger 2015, S. 15; Becker 2017, et al., S. 9, Schönfelder 2018, S. 17).

Die technischen Neuerungen haben aber vor allem ressourcenschonendere und

umweltverträglichere Technologien hervorgebracht, weshalb man auch von der „grünen

industriellen Revolution“ spricht. Das ist darauf zurückzuführen, dass ein neues Bewusstsein

vom Umgang mit fossilen Energieträgern wie Öl eingesetzt hat. Der Mensch ist sich mehr und

mehr seiner ökologischen Verantwortung bewusst und weiß, dass natürliche Ressourcen

endlich sind. Gestärkt wird dieses Bewusstsein auch von der Tatsache, dass technologische

Errungenschaften, wie die Kernkraft, bereits zu schweren Umweltkatastrophen mit

weitreichenden Folgen geführt haben. Ein ebenso gravierendes Ereignis passierte 2010, als die

Ölbohrplattform „Deepwater Horizon“ explodierte und eine Ölpest im Golf von Mexiko

verursachte (vgl. Jänicke, Jacob 2008, S. 12 f.; Barthelmäs 2017, et al., S. 40).

Haben die Fortschritte der ersten und zweiten industriellen Revolution noch dazu beigetragen,

dass in industriell dominierten Ländern strukturelle Hungersnöte weitgehend eliminiert wurden,

kam es im Laufe der dritten industriellen Revolution zum Entstehen von

Wohlstandsgesellschaften. Zugleich kam es zu einer Übersättigung vieler Märkte, da die

Grundbedürfnisse der Wohlstandsgesellschaften aufgrund des enormen

Wirtschaftsaufschwungs befriedigt waren. Verkäufermärkte wurden auch zu Käufermärkten.

Zudem haben sich die Kundenansprüche immer stärker voneinander differenziert. Qualität und

kundenspezifische Präferenzen sind in den Vordergrund gerückt. Mit Hilfe der variantenreichen

Serienfertigung bis hin zu Mass-Customization konnte der Wunsch nach immer individuelleren

Produkten, die der Konsument/die Konsumentin fortan gefordert hat, erfüllt und umgesetzt

werden. Voraussetzung war eine Flexibilisierung der Produktion (vgl. Bauernhansl 2014, et al.,

S. 7 f.).

Veränderungen haben sich aber auch in der Marktwirtschaft zugetragen, gerade die soziale

Marktwirtschaft hat sich in Europa weiterentwickelt. Ein Meilenstein in der dritten industriellen

Revolution, ausgelöst durch neue Kommunikations- und Informationstechnologien und in

weiterer Folge durch die Entwicklung des Internets, war der unkomplizierte Austausch von

Wissen. Dies ermöglichte eine neue Dynamik der Zusammenarbeit und brachte auch

weitreichende organisationale Veränderungen mit sich (ebd., S. 7). Dieser Wissenstransfer ging

auch mit einem wirtschaftlichen, technischen sowie politischen Strukturwandel einher. Dies

ebnete den Weg zur Globalisierung (vgl. Krafft, Wiepcke 2006, S. 135).

Industrie 4.0


Durch die immense Verschuldungspolitik vieler industrialisierter Staaten haben Experten den

Niedergang der arbeitnehmerzentrierten Industriegesellschaften und den Aufschwung von

Dienstleistungsgesellschaften prophezeit. Gerade in Deutschland hat sich diese These nicht

bewahrheitet, wo der Industriesektor noch einen Anteil von 25% des Bruttoinlandproduktes

ausmacht. Deshalb ist es auch nicht weiter verwunderlich, dass das Zukunftsprojekt „Industrie

4.0“, welches im folgenden Kapitel ausführlich behandelt wird, seine Geburtsstunde in

Deutschland hatte (ebd., S. 7 f.).

2.1.4 Übersicht erste bis dritte industrielle Revolution

Abschließend werden in der Tabelle nochmals alle Ereignisse der ersten bis zur dritten

industriellen Revolution übersichtlich dargestellt.

2.1.5 Vierte industrielle Revolution – Revolution oder nicht?

Aktuell herrscht noch immer Unklarheit über eine einheitliche Begriffsdefinition und wie

Unternehmen, Gesellschaft und Wirtschaft durch die fehlende Abgrenzung damit umgehen

sollen. Genauso taucht immer wieder die Debatte auf, ob Industrie 4.0 eine Revolution oder

doch nur eine Fortsetzung einer evolutionären Entwicklung ist.

Abbildung 2: Von der Ersten zur Dritten industriellen Revolution (Jänicke, Jacob 2008, S. 14)

Industrie 4.0


Im Folgenden wird mithilfe bereits veröffentlichter Arbeiten und Sichtweisen der Versuch

gestartet, Klarheit darüber zu geben, ob man von einer „echten“ industriellen Revolution im

Sinne der drei vorausgegangen Revolutionen sprechen kann.

Bevor jedoch auf die eigentliche Fragestellung Bezug genommen werden kann, braucht es

zunächst eine genauere Untersuchung des Begriffs Industrie 4.0, der für die vierte industrielle

Revolution stehen soll. Hier wurde offensichtlich bewusst auf eine im Softwarewesen gängige

Bezeichnung zurückgegriffen. Werden beispielsweise neue Softwareversionen innerhalb einer

bestehenden Generation veröffentlicht, wird auf eine aufsteigende Nummerierung nach dem

Punkt gesetzt. Beim Begriff Industrie 4.0 verweist die Zahl 4 auf den Nachfolger der dritten

industriellen Revolution, also auf die vierte industrielle Revolution. Die 0 kann dahingehend

interpretiert werden, dass wir uns am Anfang dieser Revolution befinden. Gleichzeitig suggeriert

die Zahl 0, dass es in absehbarer Zeit weitere Ausbaustufen beziehungsweise Versionen davon

geben wird. Das ist bemerkenswert, da die Prozesse in der Industrie 4.0 und die damit

angestoßenen Transformationen ebenso wenig plan- und abschätzbar sind, wie das bereits in

den vorausgegangenen Revolutionen der Fall war. Es ist möglicherweise nicht weit hergeholt zu

behaupten, dass der Begriff aus rein marketingrelevanten Gründen gewählt wurde, um im

öffentlichen Diskurs hoch gehandelt zu werden. Einen faden Beigeschmack hinterlässt auch die

Tatsache, dass industrielle Revolutionen immer erst rückblickend als solche tituliert wurden. Die

vierte industrielle Revolution hingegen soll bereits jetzt wegweisende Veränderungen für die

Gesellschaft einläuten. Das ist auch Sicht vieler Experten/Expertinnen schlichtweg falsch, da es

sich bei Industrie 4.0 / der vierten industriellen Revolution um von der deutschen

Bundesregierung aus der Taufe gehobene Begriffe handelt. Es gibt kein globales Netzwerk, das

sich auf diese Begrifflichkeiten geeinigt hätte. „Internet der Dinge“ oder „Smart Factory“ stellen

eine auf internationaler Ebene viel gängigere Umschreibung dar. Die von der deutschen

Regierung künstlich geschaffenen Begriffe kommen international hingegen kaum zur

Anwendung. Schon dahingehend kommen erste Zweifel auf, ob es sich tatsächlich um eine

Revolution im klassischen Sinn handle.

Diese Zweifel hegen auch renommierte Experten und Expertinnen sowie Wissenschaftler und

Wissenschaftlerinnen, die sich dem Thema bereits intensiv gewidmet haben. Im Folgenden

sollen daher Argumente aus bereits veröffentlichten literarischen Quellen herangezogen werden,

die für oder gegen eine vierte industrielle Revolution sprechen.

Insbesondere N. Barthelmäs et al. (2017) haben sich in ihrem wissenschaftlichen Artikel

„Industrie 4.0 – eine industrielle Revolution?“ aus dem Buch „Industrie 4.0 – wie cyber-physische

Systeme die Arbeitswelt verändern“ intensiv und strukturiert mit der Frage, was denn Industrie

4.0 eigentlich sei, auseinandergesetzt. Ihre Vorgehensweise dabei ist es, die allgemein gültigen

Definitionen einer Revolution aus verschiedenen Lexika mit den drei bisherigen Revolutionen

Industrie 4.0


gegenüberzustellen, um daraus wiederum Kriterien für die Einordnung von Industrie 4.0 zu

ermitteln (vgl. Barthelmäs 2017, et al., S. 36 ff.).

Zum Begriff „Revolution“ liegen in Lexika deshalb mehrere Definitionen vor, weil er sich auch in

verschiedenen Kategorien (Führerschaft, Wirtschaft, Technik und Wissenschaft) wiederfindet

und daher unterschiedlich beschrieben wird.

Grundsätzlich lösen Revolutionen einen strukturellen und nachhaltigen Wandel eines Systems

aus, der für gewöhnlich abrupt und radikal erfolgt (vgl. Wikipedia [2] o. J., o. S.). Klar

abzugrenzen sind hier die Begriffe Evolution und Reform, welche eine gewaltlose

Weiterentwicklung von Systemen beschreiben. Eine Evolution ist demnach ein Prozess, der

Entwicklungen anstößt, die etwas völlig Neues entstehen lassen. Dieser Wandel erfolgt dabei

weder abrupt noch radikal (Wikipedia [3] o. J., o. S.).

Barthelmäs et al. (2017) leiten aus den theoretischen und den lexikalischen Definitionen

folgende allgemeine Kriterien einer Revolution her (vgl. Barthelmäs 2017, et al., S. 38):

• Jede Revolution beginnt mit einem Problem und die Ursache ist benennbar.

(Krisensituation)

• Menschengruppen, die bei ausschlaggebenden Veränderungen profitieren bzw. nicht

profitieren, sind ebenfalls klar benennbar.

• Als Folge entstehen Reaktionen des alten Systems, eine neue Technologie oder Lösung

setzt sich durch.

• Dadurch kommt es zu einem politischen, sozialen, technischen, wirtschaftlichen oder

wissenschaftlichen Umbruch.

• Ein Strukturwandel erfolgt,

• eine neue Ideologie entsteht und führt zu einer Veränderung in der Gesellschaft.

Im nächsten Schritt analysieren die Autoren/Autorinnen Barthelmäs et al. (2017) die 1. – 3.

industrielle Revolution und zeigen die Gemeinsamkeiten auf. Demnach hatten alle drei

vorangegangenen Revolutionen folgenden gemeinsamen Nenner: Eine bahnbrechende

Erfindung als Auslöser, gefolgt von einer Reaktion mit revolutionärem Charakter und

Auswirkungen auf verschiedene Bereiche (Arbeit und Soziales, Energieversorgung, Verkehr,

Politik) bis hin zu einem Gesellschaftswandel.

In der 1. industriellen Revolution (Ende 18. Jh.) erforderten demnach die rasante

Bevölkerungszunahme und ein stets steigender Export von industriellen Gütern neue

technologische Errungenschaften. Die Dampfmaschine und andere mechanische

Produktionsanlagen (mechanischer Webstuhl) wurden erfunden. Dies bewirkte zunächst ein

Auseinanderdriften der Arbeiterschaft von den Kapitalisten. Zunehmende soziale Verelendung

Industrie 4.0


löste schließlich einen politischen Wandel aus, aus dem sich die Gewerkschaften und

Arbeiterparteien entwickelten, welche bis heute großen Einfluss auf das politische Geschehen

haben (vgl. Barthelmäs 2017, et al., S. 39).

In der 2. industriellen Revolution (Anfang 20. Jh.) löste die Erfindung des

Verbrennungskraftmotors, der Elektrizität und Elektronik weitreichende Veränderungen aus. Als

Energieträger wurden neben Kohle nun auch Erdöl und die Kernkraft eingesetzt, Ressourcen

uneingeschränkt genutzt und ökologische Gleichgewichte gefährdet. Großindustrielle

Massenproduktion nach dem Grundgedanken des Prinzips der Arbeitsteilung (Beispiel:

Fließbandfertigung von Henry Ford) setzte sich durch. In der Gesellschaft bedingte der Wandel

bei sinkenden Produktionskosten ein höheres Einkommen, jedoch auch strukturelle

Arbeitslosigkeit und den Wegfall ganzer Berufsbilder. Während dieser Periode kristallisierten

sich als neue Ideologien die ersten parlamentarischen Demokratien und Sozialstaaten heraus

(vgl. Barthelmäs 2017, et al., S. 39 f.).

In der 3. industriellen Revolution (Beginn der 70er Jahre im 20. Jh.), welche bis heute

andauert, können eine Reihe technischer Errungenschaften aufgezählt werden: die

Automatisierung in der Produktion durch Elektronik und IT, Informations- und

Kommunikationstechnologien (Mobiltelefonie bis zum Internet) und Mikroelektronik. Diese

Entwicklungen läuteten als gesellschaftliche Veränderung die zunehmende Globalisierung ein

und ermöglichten wachsende Rationalisierung als Folge von automatisierten Montagesystemen

und Industrierobotern. Als Folge von den Naturkatastrophen (Tschernobyl 1986, Fukushima

2011) und den ökologischen Auswirkungen von den fossilen Energieträgern etablier(t)en sich

erneuerbare Energien (vgl. Barthelmäs 2017, et al., S. 40).

Zur Beantwortung der Fragestellung „Industrie 4.0 – die vierte industrielle Revolution?“ wählten

Barthelmäs et al. (2017) eine qualitative Untersuchungsmethode. Sie gewichteten die Kriterien,

welche aus den allgemeinen Revolutionstheorien und aus den vorangegangen drei

Revolutionen abgeleitet wurden, in drei KANN- und zwei MUSS-Kriterien. Ein MUSS-Kriterium

(technologischer Wandel als Voraussetzung, Auswirkungen/Veränderungen,

Gesellschaftswandel) ist für die Autoren und Autorinnen dann gegeben, wenn es in beiden

Definitionstheorien enthalten ist. Ein KANN-Kriterium (Ursache benennbar, neue Ideologie)

beschreibt einen wichtigen Aspekt einer Revolution im Allgemeinen. Damit Industrie 4.0 der

Bezeichnung einer industriellen Revolution gerecht wird, müssen alle MUSS-Kriterien zutreffen

und zusätzlich mindestens eines der Kann-Kriterien erfüllt sein.

Anhand dieser Methodik kommen Barthelmäs et al. (2017) zum Ergebnis, dass Industrie 4.0

keine Daseinsberechtigung als industrielle Revolution findet. Begründet wird es damit, dass

sowohl von den drei MUSS-Kriterien als auch von den zwei KANN-Kriterien jeweils nur eines der

Industrie 4.0


Kriterien erfüllt ist. Sie konnten bei Industrie 4.0 keinen Auslöser/keinen technologischen Wandel

eindeutig identifizieren und schreiben, dass es sich bei den bei Industrie 4.0 genannten

Technologien vielmehr um Weiterentwicklungen der Technologien der dritten Revolution

handelt. Weiters ist für Barthelmäs et al. (2017) keine Gesellschaftswandel durch Industrie 4.0

erkennbar. Sie können bei Industrie 4.0 keine Ursache für eine Revolution (KANN-Kriterium)

erkennen, wohl aber Ansätze neuer Ideologien (vgl. Barthelmäs 2017, et al., S. 51f.).

Geht es nach der Meinung von Dipl.-Ing. Frank Maier, Vorstand Innovation Lenze SE, ist es

auch der technologieorientierte Ansatz, der alle drei vorangegangenen Revolutionen gemeinsam

auszeichnet. Gleichzeitig spricht aber eben genau dieses Argument des technologieorientierten

Ansatzes klar gegen die Bezeichnung von Industrie 4.0 als industrielle Revolution, teilt auch er

die Ansicht und begründet es damit, dass die vierte industrielle Revolution keine

bahnbrechenden neuen Technologien hervorbrachte, sondern noch immer von den

technologischen Errungenschaften der dritten industriellen Revolution profitiert und diese

Konzepte stetig weiterentwickelt werden.

Eines dieser wegweisenden Konzepte, welches sich im Zuge der dritten industriellen Revolution

durchsetzte, ist das computer-integrated-manufacturing (CIM) aus den 1970er Jahren. Die

automatisierte und vernetzte Produktion ist also schon länger als 30 Jahre ein großes Thema.

Geändert hat sich lediglich das Werkzeug: Während es beim CIM noch der Computer war, ist

der treibende Motor bei Industrie 4.0 das Internet der Dinge. Wir befinden uns demnach aus

technologischer Sicht noch immer in der dritten industriellen Revolution (vgl. DI Frank Maier: Die

4. industrielle Revolution gibt es gar nicht 2019, o. S.).

Befürworter einer vierten industriellen Revolution

Es gibt allerdings auch Experten/Expertinnen, die der vierten industriellen Revolution einen

revolutionären Charakter bescheinigen. Der Autor Klaus Schwab versucht in seinem Buch „Die

vierte industrielle Revolution“ (2016) anhand dreier Faktoren zu erläutern, warum aktuelle

Entwicklungen rund um das Internet der Dinge oder der künstlichen Intelligenz nicht Bestandteil

einer dritten industriellen Revolution sind. Seiner Ansicht nach spielt die Geschwindigkeit, mit

der Veränderungen in der vierten industriellen Revolution angestoßen werden, eine zentrale

Rolle. Diese Geschwindigkeit verläuft, begünstigt durch eine vernetzte und digitalisierte Welt,

nicht mehr linear wie bei den drei bisherigen Revolutionen, sondern exponentiell. Ebenso vertritt

der Autor die Auffassung, dass die digitale Revolution einen Paradigmenwechsel für

Gesellschaft und Wirtschaft auslösen wird. Als drittes Argument führt er an, dass diese

Transformationen ganze Systeme betreffen, egal ob auf Länder-, Branchen- oder

Unternehmensebene (vgl. Schwab 2016, o. S.).

Industrie 4.0


Inwieweit die Argumentationslinie von Schwab gegen die vorherrschende Meinung von

Experten/Expertinnen, dass es sich um keine industrielle Revolution handelt, standhält, ist

schwer zu beantworten. Fakt ist, dass seine Argumentationen allesamt auf den neuen, digitalen

Technologien fußen. Wirft man allerdings einen Blick auf den Stand dieser Technologien, wird

man feststellen, dass der Grundstein dafür bereits in der dritten industriellen Revolution gelegt

wurde.

Andere Autoren/Autorinnen wie Gleich et al. (2016) sehen in der Industrie 4.0 sowohl eine

Revolution als auch eine Evolution. Das Evolutionäre daran ist die technologische

Weiterentwicklung von bestehenden Konzepten zur dezentral gesteuerten Smart Factory mit

intelligenten Produkten und Produktionsmitteln. Damit gehen auch neue Methoden des

Produktionsprozesses einher, die nicht nur eine höhere Flexibilität und eine wirtschaftlichere

Nutzung von Ressourcen versprechen, sondern auch maximalen Kundennutzen durch

individualisierte Produkte mit einer Losgröße 1. Zusammenfassend lässt sich der evolutionäre

Charakter mit der Modifikation sowie Erweiterung bestehender Geschäftsmodelle und -prozesse

beschreiben. Die Autoren/die Autorinnen sind aber auch nicht abgeneigt, im Zusammenhang mit

Industrie 4.0 von einer Revolution zu sprechen. Diesen Ansatz begründen die

Verfasser/Verfasserinnen mit der Entwicklung komplett neuer Geschäftsmodelle. Demnach

bietet Industrie 4.0 die Chance, durch neue Geschäftsmodelle ein noch üppigeres Nutzen- bzw.

Wertangebot für die Kunden und Kundinnen zu realisieren (vgl. Gleich 2016, et al., S. 28 ff.).

Zusammenfassung

Undifferenziert, ob es sich um die Erfindung der Dampfmaschine in der ersten industriellen

Revolution handelte oder die Entwicklung von Transistoren, welche die Ära der dritten

industriellen Revolution einläutete, am Beginn einer jeden Revolution stehen immer

bahnbrechende Erfindungen. Diese Errungenschaften gelten allgemein als Auslöser, darauf

erfolgt eine Reaktion mit revolutionärem Charakter. Diese Abfolge kann in allen drei Epochen

auf dasselbe Ergebnis subsumiert werden, nämlich auf die nachhaltige Veränderung einer

Gesellschaftsstruktur.

In den wissenschaftlichen Arbeiten dominiert mehrheitlich die Meinung, dass sämtliche

Entwicklungen rund um Industrie 4.0 von den Errungenschaften der dritten industriellen

Revolutionen profitieren bzw. daraus resultieren. Dieser Auffassung sind auch Personengruppen

aus der beruflichen Praxis, wie Dipl.-Ing. Frank Maier, Vorstand Innovation Lenze SE, welcher

hinter den aktuellen Entwicklungen rund um das Thema Industrie 4.0 nach wie vor die dritte

industrielle Revolution mit den technologischen Möglichkeiten des 21. Jahrhunderts sieht.

Kritisiert wird von den Autoren und Autorinnen Bartelmäs et al. (2017) ebenso die Tatsache,

Industrie 4.0


dass die radikalen Veränderungen von Prozessen und Geschäftsmodellen der vierten

industriellen Revolution rein auf Prognosen und Zukunftsszenarien basieren. Dieser Vorgang

widerspricht sämtlichen Erkenntnissen und Erfahrungen aus den bisherigen industriellen

Revolutionen, welche erst rückblickend als solche eingestuft wurden.

Es scheint fast so, als wolle die deutsche Bundesregierung im Alleingang eine vierte industrielle

Revolution durchziehen. Ein riskanter Vorstoß, da gerade die gegenwärtige prekäre Situation,

hervorgerufen durch den Covid-19 Virus, verdeutlicht, dass Entwicklungen in manchen

Bereichen abrupt aussetzen können, während in anderen Bereichen ein Schub für die

Entwicklung zu beobachten ist. Die Digitalisierung scheint aktuell zu den Gewinnern der Covid-

19 Pandemie zu gehören, vielleicht ein game changer zu Gunsten einer vierten industriellen

Revolution. Fasst man die Erkenntnisse der Experten/Expertinnen sowie Autoren/Autorinnen

zusammen, wird deutlich, dass Industrie 4.0 im Kern die typischen Merkmale einer Evolution

aufweist. Diese bedingen eine langsame, fortschreitende Entwicklung, ohne einen radikalen

Wandel auszulösen. Eigenschaften, die sich in weiten Teilen auf die Charakteristiken der

Industrie 4.0 ummünzen lassen.

Dennoch gibt es auch Befürworter/Befürworterinnen einer vierten industriellen Revolution.

Autoren wie Klaus Schwab begründen das vor allem mit der Geschwindigkeit, mit der

Technologien und Innovationen im Vergleich zu den bisherigen Revolutionen vorangetrieben

werden. Zudem ist der Autor davon überzeugt, dass Entwicklungen der Industrie 4.0 eine

weitreichende Transformation von Systemen auslösen. Eine Ansicht, die auch von Barthelmäs

et al. (2017) in weiten Teilen vertreten wird, jedoch mit dem Unterschied, dass es sich ihrer

Meinung nach um reine Prognosen und Zukunftsszenarien handelt und daher noch kein finales

Urteil über den revolutionären Charakter der Industrie 4.0 gefällt werden kann.

Andere Experten und Expertinnen wiederum bescheinigen der Industrie 4.0 ein Zweigespann

aus Evolution und Revolution. Die Evolution steht hier für die technologische Transformation, die

Revolution für das Entstehen komplett neuer Geschäftsmodelle auf Seiten des Angebots.

Wer mit seinen Ansichten letztendlich recht behält, wird wohl - wie bei den bisherigen

Revolutionen - im erst Nachhinein eindeutig festgestellt werden können.

Der Schritt zur Industrie 4.0


3 Der Schritt zur Industrie 4.0

Die Thematik Industrie 4.0 hat längst die Bereiche Industrie, Forschung und Wirtschaft erreicht.

In den folgenden Abschnitten 3.1 bis 3.4 wird daher auf die typischen Merkmale, Potenziale,

Ziele und technologische Grundlagen im Kontext der Industrie 4.0 näher eingegangen. Da der

Begriff oftmals nur zu Marketingzwecken missbräuchlich verwendet wird, wird dieser zunächst

anhand der konzeptionellen Entwicklungen im Bereich Industrie und Digitalisierung begründet.

Eine Frage, die bei der Initiative Industrie 4.0 immer wieder auftaucht, ist jene, ob es sich bei

den aktuellen Umwälzungen tatsächlich um eine industrielle Revolution oder nur um den

nächsten Schritt einer evolutionären Entwicklung handle. Die Frage ist durchaus berechtigt und

es bleibt offen, ob Industrie 4.0 ein neues Wirtschaftssystem hervorbringen kann, wie es einst

durch Digitalisierung und Vernetzung durch das Internet passiert ist (vgl. Sendler 2016, S. 9).

Fest steht, dass die Industrie 4.0 durch das Internet der Dinge (IoT) und damit einhergehender

Daten und Dienste, angestoßen wurde. Beim IoT werden allerdings nur physikalische Objekte

und keine Menschen und Prozesse miteinander vernetzt. Das „Internet of Everything“ (IoE) stellt

folglich die nächste Ausbaustufe dar, indem es Personen, Prozesse, Gegenstände und Daten zu

einem intelligenten Prozess verknüpft (vgl. Kagermann 2014, S. 604).

Der Ursprung dieser Entwicklungen findet sich allerdings nicht in einer disruptiven Innovation,

wie es bei den vergangenen drei Revolutionen der Fall war. Möglich machten es vielmehr

bereits existierende Technologien, welche sich seit Ende der 1940er-Jahre rasant

weiterentwickelt haben. Als Synonym für die Beschleunigung der Digitalisierungswelle gilt das

Mooresche Gesetz, welches besagt, dass sich die Leistungsfähigkeit eines integrierten

Schaltkreises innerhalb von 12-24 Monaten verdoppelt, ohne dass die Kosten für Komponenten

und Teile zunehmen. Da sich seit den letzten 50 Jahren die technologischen

Rahmenbedingungen drastisch verändert haben, gilt der Grundsatz des exponentiellen

Wachstums der Leistungsfähigkeit nach wie vor. Dabei muss man allerdings festhalten, dass es

sich bei dem Mooreschen Gesetz nur um Beobachtungen handelt, die nicht auf

wissenschaftliche Grundlagen basieren. Nichtsdestotrotz werden Meilensteine von

Technologieunternehmen noch immer nach den Überlegungen von Gordon Moore geplant. In

diesem Kontext spricht man auch von einer sich selbsterfüllenden Prophezeiung. Ob und wann

letztendlich der Zeitpunkt der Singularität eintrifft, also wann die künstliche Intelligenz die

menschliche überflügelt, bleibt abzuwarten (vgl. Winkelhake 2017, S. 8). Im Rahmen dieser

Arbeit wird darauf auch nicht näher eingegangen.

Doch was genau unterscheidet die Industrie 4.0 von der Automatisierungswelle, die im Rahmen

der dritten industriellen Revolution angestoßen wurde?



Aktuell werden Maschinen, wie zum Beispiel Schweißroboter und Geräte, standardmäßig

programmiert, um bestimmte Aktionen auszuführen. Diese sind dann entweder direkt oder über

Intranet miteinander vernetzt und der Mensch kann auf die Daten zugreifen. Künftig soll es

allerdings möglich sein, dass Geräte Daten selbstständig über das Internet zur Verfügung

stellen, anhand von Daten Aktionen ausführen und mittels Daten selbstständig agieren, ohne

dass der Mensch in all diese Schritte eingebunden werden muss (vgl. Sendler 2016, S. 20).

Im Wesentlichen sind es drei Faktoren, die diesen Schritt möglich machen sollen (vgl. ebd., S.

19 f.):

• Die Mikroelektronik als Wegbegleiter für Industrie 4.0 kann nicht nur preisgünstig in

großen Massen hergestellt werden, sondern auch standardisiert, modular, passgenau

und miniaturisiert. Damit ist es möglich, Objekte mit Fähigkeiten wie Sehen, Hören und

Fühlen auszustatten. In der Wissenschaft spricht man daher auch von intelligenten,

selbststeuernden Objekten (vgl. Roy 2017, S. 63)

• Das neue Internetprotokoll IPv6 bietet einen weltweit nutzbaren Standard, um nahezu

sämtliche Dinge, Ressourcen, Objekte und Menschen mit einer eigenen Internetadresse

zu versehen und über das Internet der Dinge zu vernetzen. Damit können autonom

agierende Kleinstcomputer, sogenannte eingebettete Systeme (embedded Systems),

aus der physikalischen Welt untereinander und mit der virtuellen Umwelt (Cyber-Space)

kommunizieren sowie Daten empfangen als auch senden. Diese Verschmelzung bildet

letztendlich ein cyber-physisches System (CPS) (vgl. Sendler 2016, S. 19 f.; Baumann,

et al., o. J., S. 8)

• Neben den klassischen Ingenieursstudiengängen (Elektrotechnik, Maschinenbau) hat

gerade die Informatik in den letzten Jahren stark an Bedeutung dazugewonnen und

scheint eine Vorreiterrolle im Kontext Industrie 4.0 einzunehmen. Eine wirtschaftliche

Betrachtung von Methoden, Konzepten und Auswirkungen der Industrie ist ebenso

unumgänglich, daher ist die wirtschaftliche Komponente in den Studienrichtungen

Wirtschaftsinformatik und Wirtschaftsingenieurswesen bereits fest verankert (vgl. Sendler

2016, S. 20).

Der Digitalisierungsprozess in der Arbeitswelt erfordert zudem ein angepasstes

Anforderungsprofil an Kompetenzen, gerade im Bereich Informations- und

Kommunikationstechnik IKT. Neben Fach,- Quer und überfachlicher Kompetenzen

braucht es ein erhöhtes Maß an digitaler Grundkompetenz oder „digital literacy“ (vgl.

Rump, Eilers 2017, S. 41).



„Diese sogenannte Digital Literacy reicht vom Basiswissen über den prinzipiellen Aufbau

und die Funktionsweise von Computer- und Kommunikationsgeräten über grundlegende

Anwendungskenntnisse bis hin zur Fähigkeit, sich in Online-Communities zu bewegen

und zu äußern. Hinzu kommt die Informationskompetenz, d. h. die Fähigkeit,

zielgerichtet, selbstbestimmt, verantwortlich und effizient mit Informationen umzugehen“

(BMAS 2015, S. 61).

Fachkompetenzen sind logischerweise an die Berufswahl beziehungsweise an die

Branche gekoppelt. Das Anforderungsprofil im produzierenden Gewerbe ist demnach ein

anderes als im Handel oder in der Verwaltung. Grundlage bildet immer eine fundierte,

fachliche Ausbildung. Die Soziologin Sabine Pfeiffer nennt im wesentlichen fünf

Bereiche, welche im Rahmen von Industrie 4.0 besondere Kompetenzen erfordern:

Mobile Devices samt Web 2.0, CPS und Internet der Dinge, additive

Fertigungsmethoden (dazu zählt u. a. der 3D Druck), Robotik und spezielle Kenntnisse

im Bereich tragbarer Computersysteme (Wearables) (vgl. Pfeiffer 2016, zit. nach Verein

Industrie 4.0 Österreich 2017, S. 18).

Neben den Fachkompetenzen bezieht sich die Soziologin auch auf sogenannte

Querkompetenzen, um mit den neuen Technologien und Medien professionell und

verantwortungsvoll umgehen zu können. Dazu zählen Privacy und Datenschutz, die

Arbeit mit großen Mengen an Daten („Big Data“) sowie die Bereitschaft zur

interdisziplinären Zusammenarbeit (Kooperation mit anderen Disziplinen) und

Innovationsfähigkeit (vgl. Pfeiffer 2016, zit. nach Verein Industrie 4.0 Österreich 2017, S.

18).

Schließlich werden auch überfachliche Kompetenzen genannt, welche bei Befragungen

von Unternehmen vielfach gefordert und vorausgesetzt werden. Immer mehr an

Bedeutung gewinnen Kompetenzen wie Problemlösungsfähigkeit, Sprachkenntnisse

(Englisch), interkulturelle Kompetenzen, ein gutes Verständnis für System- und

Gesamtprozesse und der Erwerb von Sozialkompetenzen wie z. B. Teamfähigkeit,

Reflexionsfähigkeit, Kritikfähigkeit, etc. (vgl. ebd., S. 18)

3.1 Begriffserklärung

Eine einheitliche Definitionsgestaltung für den Begriff Industrie 4.0 zu finden, ist schon deutlich

schwieriger. Neben den Schlagwörtern wie cyber-physische-Systeme (cyber physical systems

CPS), Internet der Dinge und Dienste, Big Data, Cloud Computing und Smart Factory steht

Industrie 4.0 aber stellvertretend für eine Vielzahl von technologischen Veränderungen, die in



diesem Zusammenhang immer wieder genannt werden und unzertrennbar mit dem Begriff

Industrie 4.0 verknüpft sind.

Roth definiert Industrie 4.0 wie folgt:

„Industrie 4.0 umfasst die Vernetzung aller menschlichen und maschinellen Akteure über die

komplette Wertschöpfungskette sowie die Digitalisierung und Echtzeitauswertung aller hierfür

relevanten Informationen, mit dem Ziel die Prozesse der Wertschöpfung transparenter und

effizienter zu gestalten, um mit intelligenten Produkten und Dienstleistungen den Kundennutzen

zu optimieren“ (Roth 2016, S. 6).

Diese Definition wird auf den nächsten Seiten detailliert aufgeschlüsselt, um einen ausführlichen

Gesamtüberblick zu Industrie 4.0 zu geben.

Industrie 4.0 ermöglicht die Vernetzung von Maschinen, Produktions- und Lagersystemen sowie

von Betriebsmitteln mit Hilfe eingebetteter Produktionssysteme (Embedded Systems) auf Basis

der Digitalisierung und neuester Internettechnologien. „Die eingebetteten Produktionssysteme

sind vertikal mit betriebswirtschaftlichen Prozessen innerhalb von Fabriken und Unternehmen

vernetzt und horizontal zu verteilten, in Echtzeit steuerbaren Wertschöpfungsnetzwerken

verknüpft – von der Bestellung bis zur Ausgangslogistik“ (Promotorengruppe Kommunikation der

Forschungsunion Wirtschaft – Wissenschaft 2013, S. 5).

Die vertikale Integration beschreibt also die Vernetzung von IT-Systemen auf verschiedenen

Hierarchieebenen innerhalb des Unternehmens, von der Feldebene, Steuerungs- und

Prozessleitebene bis zur Unternehmensebene, zu einer ganzheitlichen Lösung. Das

Verschmelzen von intelligenten Maschinen, Betriebsmitteln, Produkten sowie Lagersystemen zu

einer digitalen Wertschöpfungseinheit und der Austausch über die Unternehmensgrenze hinweg

mit Partnern wie Lieferanten, Kunden, etc. sind zentrale Elemente der horizontalen Integration

(vgl. Wikipedia [4] o. J., o. S.; KWH13, S. 36 f., zit. nach Westermann 2017, S. 18).

Die Produktionsanlagen umfassen neben intelligenten Maschinen (Stichwort künstliche

Intelligenz) auch Betriebsmitteln und Lagersysteme (Stichwort intelligente, selbstorganisierende

Produktion), die Informationen austauschen, sich gegenseitig selbstständig konfigurieren,

organisieren und Aktionen autonom ausführen können. In der Smart Factory wird die Produktion

auf ein neues Level gehoben: intelligente Produkte sind mittels RFID-Transponder, Barcodes,

DataMatrix-Codes, etc. gekennzeichnet und jederzeit lokalisier- und identifizierbar. Indem das

intelligente Objekt seinen gegenwärtigen Zustand, seinen bisherigen Produktionsverlauf und

seinen finalen Endzustand kennt, unterstützt es aktiv den Produktionsprozess (vgl.

Promotorengruppe Kommunikation der Forschungsunion Wirtschaft – Wissenschaft 2013, S. 5).



In Kombination mit hochentwickelter Produktions- und Automatisierungstechnik kann so der

gesamte Wertschöpfungsprozess von der Eingangslogistik, über das Engineering, der

Produktion und Ausgangslogistik bis zum After-Sales Service verbessert werden. Ziel ist es,

eine flexiblere und effizientere Produktion entlang der Wertschöpfung zu schaffen sowie auf

spezifische Konsumentenwünsche mit einem hohen Maß an Produktindividualisierung eingehen

zu können (vgl. Roth 2016, S. 5; Promotorengruppe Kommunikation der Forschungsunion

Wirtschaft – Wissenschaft 2013, S. 5).

Gleichzeitig ist es auch wichtig, zwischen den einzelnen Akteuren Transparenz (Stichwort

Transparenz von Zustands- und Life-Cycle Informationen) zu gewähren. Daher spielen in cyber-

physischen Systemen auch Dezentralisierung und Echtzeitauswertung von Daten, Diensten und

Funktionen eine große Rolle. „Dienste, Daten und Komponenten können frei und dezentral auf

Knoten im Netzwerk verteilt werden“ (Roy 2017, S. 115).

Es kommt also durch die Dezentralisierung zu einem Übergang von der mechatronisch-

hierarchischen Automatisierungspyramide zum CPS (vgl. Roy 2017, S. 115).

Dieser Übergang wird durch neue, aus der Kognitionswissenschaft stammende, Erkenntnisse

wie das Dreischichtenmodell und Entwicklungen aus der Kommunikations- und

Informationstechnologie (IKT) beschleunigt. Grundsätzlich bestehen intelligente Systeme aus

vier wesentlichen Bestandteilen (vgl. Gausemeier, Czaja, Dülme 2015, S. 3):

• Technisches Grundsystem

o Mechanische Anlagen

Abbildung 3: Von der hierarchischen Automatisierungspyramide zum Cyber Physical System (CPS) (Hüning 2019, S. 6)



• Sensoren

o Datenerfassung aus der Umwelt oder dem System, Messwerte für

Informationsverarbeitung

• Aktoren

o Reaktion bzw. Einwirkung auf das Grundsystem

• Informationsverarbeitung

o Kommunikationssystem zwischen Sensoren, Aktoren und dem Grundsystem

Das Dreischichtenmodell bedient sich dieser vier Begrifflichkeiten und erklärt

Informationsverarbeitung in intelligenten Systemen wie folgt: Auf der nicht-kognitiven bzw.

technischen Schicht erfolgt die kontinuierliche Regelung und Steuerung des Systems. Die

Sinneswahrnehmung wird von den Sensoren übernommen und die gewünschte Aktion von der

Aktorik ausgeführt. Diese Kopplung aus Sensoren und Aktoren ist bei einem nicht-kognitiven

System starr und nicht „lernfähig“. Das heißt, dass ein bestimmter Reiz immer die gleiche

Reaktion auslöst. Man spricht in diesem Zusammenhang auch von einem reaktiven System (vgl.

Hüning 2019, S. 6; Gausemeier, Czaja, Dülme 2015, S. 4; Westermann 2017, S. 10).



Die assoziative Regulierung hingegen bricht diese starre Kopplung durch Konditionierung auf,

sodass die Beziehung aus Reizen (Sensoren) und Reaktionen (Aktoren) jederzeit und situativ

modifizierbar ist. Das System ist hierbei „anpassungsfähig“.

Wenn also eine Handlung als Reaktion auf einen Reiz positiv evaluiert werden kann, wird

zwischen diesen beiden eine Kopplung hergestellt, die bei Misserfolg auch wieder aufgelöst

werden kann (vgl. Hüning 2019, S. 6).

Bei der kognitiven Regulierung als oberste Schicht werden Reize erst evaluiert und bewertet,

bevor sie Reaktionen auslösen. „Damit wird künstliche Intelligenz mit ihrer Fähigkeit zum

Lernen, Planen und Handeln ein zentraler Bestandteil dieser kognitiven Regulierung, die dabei

durchaus durch ein verteiltes und vernetztes System technisch realisiert sein kann“ (Hüning

2019, S. 6).

Künstliche Intelligenz als Funktion der kognitiven Regulierung sorgt daher auf dieser Ebene für

bewusste Entscheidungen, Planungen und Handlungskontrollen zur Erreichung von Zielen.

Sollte es zu einer Abweichung der Ziele aufgrund geänderter Betriebsbedingungen kommen,

leitet das System eine Selbstoptimierung ein. Das kann sich in einer Neuausrichtung und

Modifikation der Ziele niederschlagen und das System passt dann selbstständig sein Verhalten

an die neuen Ziele an (vgl. Gausemeier, Czaja, Dülme 2015, S. 4; Hüning 2019, S. 6).

Alle drei Schichten bzw. Einzelsysteme inklusive dem zu Grunde liegenden technischem System

sind untereinander vernetzt und bilden ein cyber-physisches-System. „Weder die Vernetzung

Abbildung 4: Dreischichtenmodell der Verhaltenssteuerung (in Anlehnung an Strube 1998, S. 9)



noch die Rolle der Einzelsysteme ist statisch; vielmehr kann sich beides im Sinne der

geforderten Gesamtfunktionalität verändern“ (Gausemeier, Czaja, Dülme 2015, S. 4).

Für ein besseres Begriffsverständnis von Industrie 4.0 eignet sich die Definition nach Roth, da

hier alle wesentlichen Eigenschaften in Verbindung gebracht werden: „Industrie 4.0 umfasst die

Vernetzung aller menschlichen und maschinellen Akteure über die komplette

Wertschöpfungskette sowie die Digitalisierung und Echtzeitauswertung aller hierfür relevanten

Informationen, mit dem Ziel, die Prozesse der Wertschöpfung transparenter und effizienter zu

gestalten, um mit intelligenten Produkten und Dienstleistungen den Kundennutzen zu

optimieren“ (Roth 2015, S. 6).

In diesem Abschnitt werden die zuvor bereits in Zusammenhang gebrachten Kernelemente und

Eigenschaften von Industrie 4.0 näher beschrieben. Diese Eigenschaften sind die wesentlichen

Säulen einer cyber-physischen Fabrik und in keiner Literatur zum Thema Industrie 4.0

wegzudenken:

• Digitalisierung

• Dezentralisierung und (teil)autonome, selbstorganisierende Produktion

• Künstliche Intelligenz

• Industrielle Informationstechnik zur Vernetzung der Produktion

• Transparenz von Zustands- und Life-Cycle Informationen

• Flexibilität

• Mensch-Maschinen Interaktion

Gleichzeitig dienen die gewonnenen Erkenntnisse als Basis zur Erstellung der

Anforderungsdimensionen in Kapitel 8.

Digitalisierung

Die Digitalisierung in Unternehmen ist kein Trend unserer Zeit, denn der Einsatz von Computer-

und Softwaretechnologie, gerade in produzierenden Industrieunternehmen, hat sich längst

durchgesetzt. Für die Produktionsplanung zeigen sich ERP-Systeme verantwortlich. Die

Feinplanung und Optimierung unter Berücksichtigung von Kapazitäts- und Materialverfügbarkeit

wird von Systemen wie MRP, APS, PPS etc. durchgeführt. Die Automatisierung hat es auch

ermöglicht, bedarfssynchrone Beschaffungsmethoden wie Just-In-Time oder Just-In-Sequence

zu etablieren, um Losgrößen und Lagerkapazitäten zu verkleinern. Bei einem Störungsfall in der

Produktion haben all diese IT-Lösungen eine gemeinsame Schwäche. Sie erhalten zwar in der

Regel Rückmeldungen von den Produktionsmaschinen, können jedoch nicht autonom umplanen



und die Produktion neu ausrichten. Hier muss der Mensch manuell eingreifen (vgl. Hänisch

2017, S. 30).

Genau hier setzt Industrie 4.0 an und geht einen Schritt weiter. Digitalisierung bedeutet hierbei,

dass alle Signale und Informationen aus dem Produktionssystem digital verfügbar sind und

verwertet werden können. Das beinhaltet nicht nur die Ausstattung von Produktionssystemen

mit Sensoren und Aktoren. Auch Produktionsmittel und zu fertigende Produkte enthalten

Informationen zu ihrem Produktionsprozess. Vorrangiges Ziel ist es, „signifikante Prozess- und

Zustandsgrößen kontinuierlich zu erfassen und transparent zu machen“ (Michels 2016, S. 252).

Voraussetzung ist, wie bereits zuvor beschrieben, die vertikale Integration von Systemen, um

eine einheitliche und kompatible IT-Landschaft zu gewährleisten. Die horizontale Integration von

CPS ermöglicht den Informationsaustausch über Unternehmensgrenzen hinweg. Diese

Verschmelzung der realen und virtuellen Welt und der umfangreiche Austausch von in Echtzeit

generierter Daten eröffnen neue Perspektiven bei der Optimierung von Logistik- und

Produktionsabläufen (vgl. Siepmann 2016, S. 42).

Dezentralisierung und (teil)autonome Selbstorganisation

Das Konzept Industrie 4.0 sieht eine Zerlegung des Produktionsprozesses in einzelne,

dezentrale Arbeitssysteme vor. Selbstregelnde und intelligente Steuerungsmechanismen sollen

die weit verbreitete hierarchische Fertigungssteuerung mit festen Grenzen ablösen. Das soll zu

einer höheren Flexibilität der Prozesse führen, wo sich die Arbeitssysteme während des

Auftragsdurchlaufs gegenseitig abstimmen (vgl. Jahn 2017, S. 5).

Aktuell weit verbreitet ist die klassische speicherprogrammierbare Steuerung (SPS), welche zur

Regelung und Steuerung von Produktionsanlagen dient. Mittels busfähiger Sensoren und

Aktoren ist die SPS an Maschinen gekoppelt und kann diese veranlassen, eine bestimmte

Aktion auszuführen. Da jeder Sensor und Aktor einen eigenen Eingangs- und Ausgangskanal

(E/A-Kanal) besitzen muss, ist die Verkabelung von Produktions- und Steuerungseinheiten nur

unter hohem Aufwand bewältigbar. In der Industrie 4.0, wo Fertigungssysteme miteinander

kommunizieren und flexibel aufeinander abgestimmt sind, muss die SPS drahtlos an die

Feldgeräte angebunden sein (vgl. Seitz 2015, S. 24). Neben der anspruchsvollen Hardware

bedarf es aufgrund der enormen Komplexität der zentralen Steuerung auch einer aufwendigen

Softwareanpassung, um die SPS auf Geschwindigkeit zu optimieren. „Hierfür muss die SPS-

Software objektorientiert strukturiert und programmiert werden“ (Seitz 2015, S. 24). Dadurch

können mehrere SPSen und PCs zu einem leistungsstarken Automatisierungsverbund vernetzt

werden (vgl. ebd., S. 24). Die SPS ist jedoch modular auf Produktionsanlagen erweiterbar und

daher die wichtigste Steuerungstechnik weltweit.



Die Anforderungen von Industrie 4.0 erfordern ein radikales Umdenken. Die Vernetzung zur

Übertragung von Daten soll zukünftig über die Cloud oder über standardisierte Formate des

Internets, wie z.B. TCP/IP, HTTP oder XML erfolgen. Dazu ist es notwendig, dass alle

Teilnehmer im Wertschöpfungsverbund in ein solches Netzwerk integriert werden: den Anfang

bei der ortsunabhängigen Kommunikation bildet der Lieferant, in der Mitte steht das

automatisierte, modularisierte Materialflusssystem und am Ende der Kunde/die Kundin (vgl.

Hompel, Sondhof, Libert 2016, S. 1 f.).

Da flexible Produktionsnetzwerke mit dezentraler Steuerung auch eine dementsprechend hohe

Steuerungsintelligenz und einen hohen Rechenaufwand voraussetzen, eignet sich die

Auslagerung von dynamischen Optimierungsberechnungen in die Cloud. Die Cloud eignet sich

aufgrund der schier unendlichen Speicherkapazität auch zum Aufbewahren von Daten. Dabei

müssen die strengen Kriterien der Produktionstechnik wie Echtzeitfähigkeit, Datensicherheit und

Verfügbarkeit zu jederzeit gewährleistet werden. Das Internet der Dinge und Dienste liefert also

die richtige Kommunikationsbasis, um als Schnittstelle zwischen Produktionsanlagen und

Menschen zu fungieren (vgl. Siepmann 2016, S. 40).

Zur Beherrschung komplexer Systeme, wo Zielkonflikte auftreten können, greift Industrie 4.0 auf

das Konzept autonomer, selbstorganisierter Systeme zurück. Dieses lässt sich in Form von

Agenten umsetzen, welche neben der Autonomie auch Attribute wie reaktiv, proaktiv, robust,

flexibel und sozial aufweisen (vgl. Bitsch 2016, S. 122).

Abbildung 5: Automatisierungsebenen in Produktionsbetrieben und Bestrebungen zur Integration der Komponenten (Seitz 2015, S. 24)



Intelligente Agenten sollen folgende Eigenschaften mit sich bringen (vgl. Wooldridge, Jennings

1995, zitiert nach Hou 2015, et al., S. 143; Padgham, Winikoff 2004, zitiert nach Hou 2015, et

al., S. 143):

• Sozial: intelligente Agenten müssen auch mit anderen Agenten und Menschen wirksam

kommunizieren können

• Reaktiv: intelligente Agenten müssen ihre Umgebung wahrnehmen und zeitnah auf

Veränderungen reagieren können

• Autonom: intelligente Agenten müssen die eigenen Handlungen ohne externen Einfluss

kontrollieren

• Flexibel: intelligente Agenten müssen mehrere Lösungsansätze zur Zielerreichung

anbieten können

• Robust: intelligente Agenten müssen sich von Fehlschlägen erholen können.

• Proaktiv: intelligente Agenten müssen dauerhaft die Initiative ergreifen, um Ziele zu

erreichen

Die Selbstorganisation ist dabei stark an das Konzept der künstlichen Intelligenz geknüpft (vgl.

Bitsch 2016, S. 122). Mit Hilfe von Software-Agenten können selbststeuernde, logistische

Prozesse oder Produktionsanlagen Bearbeitungsschritte entlang der gesamten

Wertschöpfungskette planen, selbstständig Materialien anfordern und reservieren, den

Nachschub anstoßen (Kanban-Lösungen mit RFID-Technologie), sowie Anlagekapazitäten je

nach Auslastungsgrad in Anspruch nehmen. Dabei können intelligente Agenten mit Sensoren

und Aktoren in ihrer Umgebung interagieren und „sind zu einer aufgabenorientierten

Problemlösung durch autonome, reaktive und zielgerichtete Anwendung geeigneter Methoden

der Künstlichen Intelligenz (…) fähig“ (Broy, Geisberger 2012, S. 132). Sollte es entlang der

Wertschöpfungskette zu Komplikationen kommen, werden die vor- und nachgelagerten Stellen

unverzüglich informiert (vgl. Broy 2010, zitiert nach Spath 2013, S. 98).

Künstliche Intelligenz

Das eigenständige Handeln autonomer Systeme ist eines der Kernthemen von Industrie 4.0 und

die Grundlage für dezentrale Steuerung. Künstliche Intelligenz (KI) oder Artifical Intelligence (AI)

ist ein Teilgebiet der Informatik und umfasst darüber hinaus maschinelles Lernen. Dabei werden

Datenbestände mit Hilfe einer Software zusammengeführt, ausgewertet und auf Basis von

Algorithmen Verallgemeinerungen und Gesetzmäßigkeiten abgeleitet. Die benötigte

Rechenleistung wird in große Rechenzentren ausgelagert. Ein künstliches System kann also

Muster erkennen und aus Erfahrungen Wissen generieren. Folglich können dank „Big Data“



(Näheres dazu in Kapitel 3.2) Prozesse optimiert und neue Lösungen gefunden werden (vgl.

Wikipedia [5] o. J., o. S.).

Technische Voraussetzungen sind neben dem Internet der Dinge und Dienste (IoT) auch

Sensoren und Anlagen mit eingebetteten Kleinstcomputern. Die Daten, welche zum Aneignen

von Wissen benötigt werden, können beispielsweise in der Cloud gespeichert werden.

Intelligente Produktionsmittel erhalten die notwendigen Informationen wie Farbe, Qualität, Form,

Menge, etc. über RFID-Chips. Diese müssen für die Praxis energieautark konzipiert werden. Der

ultraflache RFID-Transponder, auch Smart Label genannt, kann problemlos auf die Oberfläche

von Werkstücken, auf Rohlinge, etc. angebracht werden. Produktionsanlagen können so die

Informationen auslesen und die nächsten Produktionsschritte einleiten. Da in der Smart Factory

alle Schnittstellen, Produktionsanlagen und Systeme miteinander vernetzt sind, fallen wiederum

enorme Datenmengen an. Durch die Analyse genau dieser mit Hilfe der künstlichen Intelligenz

kann der Fertigungsprozess weiter optimiert werden (vgl. Siepmann 2016, S. 39; Wikipedia [6] o.

J., o. S.).

Flexibilität

Das Wort Flexibilität leitet sich aus dem lateinischen Wort „flectere“ ab, was wörtlich übersetzt so

viel wie „biegen“ oder „beugen“ bedeutet. Generell versteht man darunter die

Anpassungsfähigkeit an wechselnde Umstände (vgl. Wikipedia [7] o. J., o. S.). Es ist also ein

Indikator dafür, wie schnell sich Unternehmen an veränderte Rahmenbedingungen einstellen

können. Solche Veränderungen können u.a. durch Lieferengpässe seitens der Teilelieferanten

oder durch eine spontane Erhöhung von Liefermengen auftreten (vgl. Roth 2016, S. 7).

Produktionsunternehmen müssen also, trotz zunehmend schwankender Marktbedingungen,

hohe Lieferfähigkeit und geringe Lieferzeiten mit niedrigen Beständen bei angemessener

Kapazitätsauslastung gewährleisten können. Unternehmensintern wird dabei zwischen der

Flexibilität im Produktionsbereich, der Anlagenflexibilität und der Flexibilität beim

Mitarbeitereinsatz, der sogenannten Kapazitätsflexibilität, differenziert. In beiden Fällen geht es

primär darum, schwankenden Nachfrageentwicklungen in volatilen Märkten mit hoher

Reaktionsfähigkeit in der Produktion zu begegnen. Das betrifft vor allem Betriebe mit hoher

Fertigungstiefe in der manuellen Fertigung, welche primär durch Kapazitätsflexibilität bei

Arbeitskräften in der Produktion reagieren können (vgl. Spath 2013, et al., S. 67 f.).

Um diesen Spagat erfolgreich zu meistern, wird der Vernetzung und Echtzeitabbildung der

Produktion eine immer wichtigere Rolle zukommen. Bei Industrie 4.0 geht es also auch darum,

auf Kundenbedürfnisse schnell und flexibel reagieren zu können. Da der Kunde/die Kundin auch

immer mehr Wert auf ein individualisiertes Produkt legt, wird ein Produktionsunternehmen auch



nicht darum herumkommen, eine hohe Variantenzahl bei niedriger Losgröße im Sortiment zu

führen. In diesem Zusammenhang ist auch festzuhalten, dass Flexibilisierung bei richtiger

Anwendung zu einer Verkürzung der Lead-Time (Reaktion auf Kundenanfragen) und Time-to-

Market (Dauer von der Produktentwicklung bis zur Markteinführung) führen kann. Beide

Faktoren lassen sich durch Anwendung neuer Technologien im Bereich von digitalem

Engineering, Prototypenbau im 3D-Druckverfahren und Predective Analytics (Vorhersagen auf

Basis von Daten) realisieren (vgl. Roth 2016, S. 7).

Am Ende des Tages wird sich jenes Unternehmen durchsetzen, welches der Kundschaft ein

Produkt exakt nach dessen Wünschen fertigen und zeitnah liefern kann. Bei diesem Ansatz

steht ein „kundenintegrierter Geschäftsprozess“ im Vordergrund, der den Kunden/die Kundin

bereits bei der Entstehung des Produktes aktiv miteinbezieht. In der Praxis kann das bedeuten,

dass der Kunde/die Kundin seine Bestellung noch adaptieren kann, auch wenn sich das Produkt

schon in der Produktion befindet. Dieses Szenario ist insbesondere in der Automobilindustrie

vorstellbar (vgl. Barthelmäs 2017 et al., S. 44; Spath 2013, et al., S. 67 f.).

Mensch-Maschinen Interaktion

Handlungs- und entscheidungsfähige Systeme, die ihre Aufgaben (teil)autonom erledigen,

betreffen nicht nur die Maschine-zu-Maschine (M2M) Kommunikation. Sie verändern auch den

künftigen Aufgaben- und Verantwortungsbereich des Menschen. Bei der hochkomplexen

Technik in vernetzten, dezentralen Systemen, wo Technik als „Mitentscheider“ fungiert, reicht

eine stationäre Bedieneinheit an den Maschinen nicht mehr aus. Der Mensch muss durch sein

großes Aufgabenspektrum auch räumlich flexibel sein und das setzt eine neue Art von

Steuerungskonzepten voraus. Die neue Konstellation an der Mensch-Maschine-Schnittstelle

wird aber auch Änderungen bei den Kompetenz- und Qualifikationsanforderungen bezüglich der

Mitarbeiter/Mitarbeiterinnen erforderlich machen (vgl. Czerniak 2017, et al., S. 171; Dworschak

2012, et al., S. 16; Gorecky 2014, et al., S. 525 ff.).

Anders als beim CIM (Computer-Integrated-Manufacturing) aus den 1980er Jahren, bleibt der

Faktor Mensch in CPPS nicht unberücksichtigt. Das frühere Modell sah eine Vollautomatisierung

von Fabriken vor, die den Einsatz des Menschen überflüssig machen sollte (vgl. Gorecky 2014,

et al., S.525). Bei Industrie 4.0 ist das nicht der Fall. Der Mensch soll im CPPS-Umfeld durch

intuitive, assistierende Technologien optimal unterstützt werden (vgl. Czerniak 2017, et al., S.

171).

In diesem cyber-physischen Gefüge kann der Mensch entweder direkt auf die physische

Komponente einwirken (über Touch-Displays, mobile Endgeräte, etc.) oder über eine



Benutzerschnittstelle mit der virtuellen, digitalen Komponente interagieren (Gorecky 2014, et al.,

S. 525).

An zentraler Bedeutung gewinnen dabei adaptive, lernende Assistenzsysteme, die stetig mit

neuem Wissen aus dem Unternehmen angereichert werden und den Menschen auch in

schwierigen und unbekannten Situationen unterstützen sollen. Die technologischen

Rahmenbedingungen wurden bereits geschaffen. Im Fabrikumfeld der Industrie 4.0 werden die

Beschäftigten mit einem persönlichen Assistenten in Form eines mobilen Endgerätes

ausgestattet, um Informationen aus dem CPPS zu erhalten, um mit anderen

Kollegen/Kolleginnen zu kommunizieren oder um Unterstützungsfunktionen auszuführen. Als

besonders intuitive und effiziente Technologien gelten die Gestensteuerung und

Spracherkennung.

Zu den state of the art Technologien gehören auch moderne Touch-Displays, welche nicht nur

Informationen graphisch darstellen können, sondern auch als Eingabegeräte dienen. Diese

liefern jetzt schon zufriedenstellende Ergebnisse, wenn es darum geht, ein reibungsloses

Zusammenspiel von Mensch-zu-Maschine zu gewährleisten. Zu erwähnen sind hier das seit

Jahren etablierte Smartphone oder das Tablet (vgl. Hüning 2018, S. 49; Gorecky 2014, et al., S.

535).

Dem Menschen als flexibles Element im cyber-physischen-System wird die höchste

Handlungsvarietät zugesprochen. Das heißt, er kann als übergeordnete Entscheidungs- und

Steuerungsinstanz die Produktionsstrategie festlegen, überwachen und im Bedarfsfall gegen

das autonom agierende Produktionssystem intervenieren. Wieviel Autonomie und „Macht“ ein

Abbildung 6: Cyber-physisches Gefüge (in Anlehnung an Zamfirescu, 2012, zitiert nach Gorecky et al. 2014, S. 525)



CPS erhält, ist eine sozio-technologische Frage, welche die Kybernetik mit dem „Gesetz von der

erforderlichen Varietät“ beantwortet (vgl. Gorecky 2014, et al., S. 526 f.).

Industrielle Informationstechnik zur Vernetzung der Produktion

Durch die industrielle Informationstechnik werden Automatisierungs- und

Produktionsinfrastrukturen zu digitalen, vernetzten Infrastrukturen erweitert. Vernetzte, digitale

Lösungen wie aus dem Virtualisierungs- oder Consumer-Bereich (Smartphones, Tablets, etc.)

sollen den gesamten Ablauf der virtuellen Produktentstehung, angefangen von der Produktidee,

Produktentwicklung, (Vorserien-)Planung und der Fehlervermeidung (Anlaufabsicherung) in der

Produktion bis zur Betreuung des Kunden/der Kundin nach dem Erwerb des Produktes,

effizienter und flexibler gestalten. Diese zunehmende Vernetzung und Digitalisierung lässt sich

aber nicht ohne erhöhte Produkt- und Produktionsintelligenz bewerkstelligen. Daher wird es

künftig ein vorrangiges Ziel sein, das Informationsmanagement dahingehend zu optimieren, um

eine reibungslose Vernetzung zwischen intelligenten Produkten und der Produktion sowie

zwischen smarten Produkten und ihrem Umfeld herzustellen. Dabei sind Planungs- Simulations-

und Erklärungsmodelle wichtige Werkzeuge für das „Ingenieurswesen 4.0“, um eine nahtlose

Integration der realen und virtuellen Welt zu ermöglichen. Das Erklärungsmodell wandelt die

reale Welt in eine virtuelle bzw. digitale Welt um. So werden bestehende Simulationen, die z.B.

einen Produktionsprozess abbilden, in eine digitale Welt transferiert, um Verbesserungen von

Abläufen abzuleiten. Als Resultat kann eine Optimierung des Ressourceneinsatzes o. Ä. erzielt

werden. Beim Planungsmodell wird eine virtuelle Welt erschaffen, welche im Anschluss

umgesetzt werden soll. Letztendlich geht es bei der industriellen Informationstechnik (IIT)

darum, beide Modelle ineinander zu integrieren (vgl. Stark 2016, et al., S. 177; Horn 2017, S.

69).

Allerdings stellt die IIT auch die IT-Sicherheit vor neue Herausforderungen. Es besteht ein

deutlich erhöhtes Gefahrenrisiko hinsichtlich potentieller „Angriffe, Manipulation, Fehlbedienung

oder technischer Störung durch (1) die gestiegene Komplexität der Gesamtsysteme, (2) die

Heterogenität in den technischen Systemen und Protokollen selbst, sowie durch (3) eine

vergrößerte Angriffsfläche und neue Angriffsvektoren“ (Horn 2017, S. 69).

Transparenz

Im Kontext von Industrie 4.0 bedeutet Transparenz, dass Produktionsanlagen und Maschinen

Informationen über den Ist-, Konfigurations- und Prozesszustand im Netzwerk bereitstellen und

das durchgängig über alle Stadien des Lebenszyklus hinweg. Um große Datenmengen aus



verschiedenen Systemen mit unterschiedlichen Formaten verwerten zu können, braucht es ein

standardisiertes System mit einer schlüssigen Bewertungsmethodik, um lückenlose und

permanente Durchgängigkeit und Transparenz sicher zu stellen. Über Sensoren können Daten

von Maschinen aufgenommen und an diverse Software-Module weitergegeben werden. Daraus

lassen sich neue Applikationen und Dienste ableiten. Da dies alles in Echtzeit erfolgt, kommen

enorme Datenmengen zusammen, die eine innovative Infrastruktur zur Datenübertragung und

Datenspeicherung voraussetzen. In diesem Zusammenhang spricht man auch von „Big Data“

(Näheres dazu im Abschnitt 3.2.3) (vgl. Michels 2016, S. 250; Jahn o. J., S. 106 f.).

Armin Roth sieht in der digitalen Transparenz in Echtzeit auch die Möglichkeit, die

Entscheidungsfähigkeit und Entscheidungskompetenz zu verbessern und globale wie lokale

Optimierungspotentiale in Produktentwicklung und Produktion zu identifizieren (vgl. Roth 2016,

S. 7).

3.2 Technologische Grundlagen

Alle Technologien, die bei Industrie 4.0 eingesetzt werden, haben ein und denselben Zweck: die

Verbindung von bisher isolierten Informationsquellen und die Verfügbarkeit von Informationen in

Echtzeit, um den gesamten Prozess einer Wertschöpfungskette zu verbessern. Grundlage

bilden Informations- und Kommunikationstechnologien (IKT), welche zur Vernetzung und

Kommunikationsfähigkeit von Systemen eingesetzt werden. Im Vordergrund stehen dabei nicht

revolutionäre, neue Technologien, sondern eine neue Stufe der Steuerung und Organisation von

Wertschöpfungsnetzwerken. Neue Produktionstechnologien sind nicht der zentrale

Ausgangspunkt, vielmehr ist es die Vision über einen Paradigmenwechsel entlang der

Wertschöpfungskette inklusive Lebenszyklus. In dem Zukunftsbild Industrie 4.0 gehören starre

Produktionssysteme und starre Organisationsstrukturen der Vergangenheit an. Das Ziel sind ad-

hoc vernetzte, selbst organisierende Produktionsanlagen und Organisationen (vgl. Anderl 2016,

et al., S. 122; Dais, Bosch 2014, S. 630).



Die wesentlichen Akteure in diesem System sind dabei das intelligente Produkt, die intelligente

Anlage und der assistierte Mitarbeiter, der als übergeordnete Entscheidungs- und

Steuerungsinstanz das System überwacht.

Wie bereits in Abschnitt 3.1 erläutert, baut die Kommunikation unter diesen drei Akteuren auf die

horizontale und vertikale Integration von IT-Systemen auf (vgl. Anderl 2016, et al., S. 122).

Zentrale technologische Komponente sind cyber-physische Produktionssysteme in intelligenten

Fabriken. Im CPPS kommen eine Reihe von Technologien zum Einsatz, die zur Lokalisierung,

Identifikation und Adressierung von realen Objekten wie von Werkstücken, Betriebsmitteln und

Prozessen dienen. Um welche Technologien es sich dabei im Detail handelt, wird im Folgenden

erläutert:

3.2.1 Cyber-physische-Systeme

Cyber-physische-Systeme setzen sich aus eingebetteten Software- und Hardwarekomponenten

zu einem smarten Verbund zusammen, in dem jedes physische Objekt mit einer eigenen

Identität versehen wird. Abbildung 7 zeigt die Technologieebene mit den drei Bausteinen

Ubiquitous Computing, Internet der Dinge und Dienste und Cloud Computing, aus denen sich

ein CPS zusammensetzt (vgl. Siepmann 2016, S. 23).

Abbildung 7: Komponenten der Industrie 4.0 (Siepmann 2016, S. 22)



Durch Ubiquitous Computing sind Objekte in der Lage, Daten über Sensoren zu erfassen und

diese durch eingebettete Mikroelektronik mit eigener Rechenleistung zu verarbeiten, um damit

den Aktoren Befehle zu erteilen. Die Aktoren können die erhaltenen Informationen wiederum in

mechanische Bewegungsenergie umwandeln, um einen direkten Einfluss auf das

Produktionssystem auszuüben. Die mit IKT ausgestatteten Produktionsmitteln, Produkte und

Maschinen müssen also über eine Art künstliche Intelligenz (KI) verfügen. Damit die von

intelligenten physischen Objekten gesammelten Daten (Ubiquitous Computing) auch außerhalb

des CPS mit der digitalen Welt geteilt werden können, fungiert das Internet der Dinge- und

Dienste (IoTS) als Verbindungsstück zwischen smarten Objekten des Ubiquitous Computing und

dem Internet. Dazu muss das Objekt eindeutig identifizierbar sein, was über Zuweisung einer

eigenen Adresse mit der neuesten Internet Protocol Version 6 (IPv6) erfolgt (vgl. Siepmann

2016, S. 23).

„In der Industrie 4.0 können so Produktionsmittel direkt über das Internet angesprochen und

benötigte Daten erhoben, verarbeitet und in Form von Steuerungsdaten an die Maschinen

zurückgeliefert werden“ (Siepmann 2016, S. 23).

Da eine lokale Aufbewahrung der Daten das bestehende IT-System überfordern würde, braucht

es eine erweiterte IT-Infrastruktur in Form von Cloud-Computing. Die in der Cloud aufbewahrten

Daten werden mit Hilfe geeigneter Analysealgorithmen und Auswertungen über Big-Data und

Analytics Tools in Echtzeit ausgewertet, um die Kontrolle, Steuerung und Wartung eines CPS zu

unterstützen. Cloud Computing liefert nicht nur eine Auslagerungsplattform für Daten, sondern

auch die nötige Infrastruktur, um aufwändige Rechenprozesse zur Erstellung von Algorithmen

durchführen zu können. Im Modell von Rainer Drath wird der gesamte Prozess von der

Datenerhebung bis zum Zurücksenden der ausgewerteten Steuerungsdaten an physische

Objekte wie Fertigungsmaschinen abgebildet (vgl. Siepmann 2016, S. 30 f.):



Auf der zweiten Ebene spricht man von Cyber-Physischen-Produktionssystemen (CPPS). Weitet

man das sich selbst optimierende Produktionssystem einzelner Anlagen und Maschinen auf das

gesamte Produktionsnetzwerk und auch über andere Produktionsbetriebe aus, erhält man ein

cyber-physisches Produktionssystem, welches in der Lage ist, die Produktion über

Unternehmensgrenzen hinweg kontextsensitiv zu steuern.

CPPS verbindet also selbst agierende Teilsysteme zu einem übergeordneten System. Man

spricht daher von einem CPPS, wenn für die Optimierung eines Prozessschrittes für ein

Betriebsmittel Daten aus einem vorangegangenen Prozessschritt herangezogen wurden (vgl.

Michels 2016, S. 266).

Um diese umfangreiche Verbindung und Kommunikation von Maschinen, Anlagen und dem

Menschen realisieren zu können, braucht es angepasste Schnittstellen und Funktechnologien.

Zur Verbindung von mobil verteilten Fertigungsanlagen in einzelnen CPS kommen

Übertragungstechnologien wie Wireless LAN (WLAN) und Bluetooth zur Anwendung. Bei der

Mensch-Maschine Interaktion (MMI) gewinnen lernende Assistenzsysteme an Bedeutung, die

den Bediener bei der Steuerung und Überwachung unterstützen. Bei der M2M-Kommunikation

wird es unabdingbar sein, einheitliche Standards für die Produktionssteuerung zu etablieren (vgl.

Michels 2016, S. 266; Siepmann 2016, S. 24).

Abbildung 8: cyber-physisches System (CPS) in der Industrie 4.0 (Drath 2014, zitiert nach Siepmann 2016, S. 30)



Neben den technologischen Voraussetzungen zur Umsetzung eines cyber-physischen-Systems

braucht es auf der Managementebene neue Unternehmensvisionen und zukunftsorientierte

Denkweisen. Diese machen eine Strategieanpassung genauso unabdingbar, wie die

Entwicklung neuer Geschäftsmodelle und Prozesse (vgl. Siepmann 2016, S. 24).

3.2.2 Intelligente Objekte und Produkte

In der Analyse von Meyer et al. wird das physisch vernetzte Objekt auch als „Intelligent Product“

bezeichnet (vgl. Meyer 2009, et al., S. 137).

Man spricht also von Produkten, die mittels Informations- und Kommunikationstechnologie

Daten aus ihrer Umgebung aufnehmen und weiterverarbeiten können. Dazu sind die smarten

Objekte mit Prozessoren, Netzwerktechnologien, Sensorik und Aktorik ausgestattet, um Daten

zu erfassen, sicher zu speichern und weiter zu leiten. Für die Informationsweitergabe und

Kommunikation ist die Vernetzbarkeit von physischen Objekten ebenso elementar, wie die

Datensicherheit. Nur so können physische Objekte als Bindeglied zwischen physischer und

virtueller Welt und als Schnittstelle zum Kunden eingesetzt werden (vgl. Hackmann 2014, zitiert

nach Kampker 2018, et al., S. 154). Darüber hinaus vernetzen cyber-physische-Systeme

physische Objekte und virtuelle Objekte über ein offenes und untereinander verknüpftes

Informationsnetzwerk (vgl. Kampker 2018, et al., S. 154).

Abbildung 9: Die Technologiekonzeption des Spitzenclusters it’s OWL für intelligente technische Systeme (Gausemeier 2013, et al., zitiert nach Michels 2016, S. 267)



Dadurch entstehen nicht nur neue Anwendungsmöglichkeiten im Bereich Logistik, sondern auch

neue Geschäftsmodelle wie „Smart Services“. Hierzulande wird der Begriff mit „digitalen

Dienstleistungsangeboten“ übersetzt. Diese Art von Dienstleistung wird von Anbietern für

Kunden erbracht, welche smarte Produkte einsetzen. Wenn beispielsweise eine Firma zur

Erzeugung von Kunststoffteilen eine Spritzgussmaschine erwirbt, bekommt diese vom Hersteller

nicht nur die vernetzte und mit moderner Sensorik ausgestattete Hardware, sondern auch ein

neues Dienstleistungsangebot in Form von Smart Service dazu. Die Maschine sammelt

permanent Daten über ihren Betriebszustand, welche diese über das Netzwerk in die

Softwareumgebung des Smart Service Anbieters überträgt. Der Inhaber dieser Onlineplattform

ist gleichzeitig der Hersteller der Spritzgussmaschine. Die Daten werden dort von Algorithmen

ausgewertet, um maschinelles Wissen zu erlangen. Mit diesem Wissen können

Serviceprotokolle zur vorbeugenden Instandhaltung erstellt werden. Angenommen es treten

technische Probleme bei einzelnen Teilen oder Baugruppen in der Maschine auf, können diese

betroffenen Teile selbstständig eine Ersatzteillieferung veranlassen und nicht erst zum Zeitpunkt

der Inspektion (vgl. Wikipedia [8], o. J., o. S.).

Im Rahmen dieser Arbeit haben physische Objekte im logistischen Bereich jedoch deutlich mehr

Gewichtung. Konkret können intelligente Objekte in der Logistik intelligente Werkstoffe,

Materialien, Ladungsträger, Lager, Beförderungstechniken und Betriebsmittel sein. Intelligente

Betriebsmittel sind heute schon im MES (Manufacturing Execution System) zur

Produktionsplanung von Aufträgen eingebunden (vgl. Roy 2017, S. 61 f.).

In der Literatur wird der Fokus auch auf den Grad der Intelligenz bzw. der Interaktionsfähigkeit

eines „intelligenten Produkts“ gelegt. Im Umgang mit Informationen sollte ein intelligentes

Produkt zumindest in der Lage sein, seine eigenen Informationen zu verwalten, welches es über

Sensorik, RFID-Lesegeräte und anderer Technologien gesammelt hat. Ist der Funktionsumfang

des intelligenten Produkts dermaßen beschränkt, spielt sich die künstliche Intelligenz nicht im

Produkt selbst, sondern außerhalb ab. Das Produkt hat also keine Kontrolle über sich selbst.

Der Grad der Intelligenz eines Produktes ist höher einzustufen, wenn es Probleme oder

Warnungen mitteilen kann. Das kann zum Beispiel die Warnmeldung über ein Stück Metall sein,

welches zur Weiterverarbeitung eine zu hohe Temperatur aufweist. In der fortschrittlichsten

Ausbaustufe kann das intelligente Produkt selbstständig Entscheidungen treffen, ohne

Intervention von außerhalb (vgl. Meyer 2009, et al., S. 139 f.).

Die Intelligenz eines Objekts hängt aber auch vom Ort der Datenverarbeitung ab. Verfügt ein

Objekt nicht über ausreichend Rechenleistung oder über zu knappe Speicherkapazitäten, muss

das maschinelle Lernen (Siehe 3.1 Begriffserklärung/künstliche Intelligenz) von einer Software

auf einem externen Server übernommen werden. Meyer et al. nennt das „Intelligenz durch

Netzwerk“. Umgekehrt kann „Intelligenz“ auch vollständig vom physischen Produkt,



vorausgesetzt es verfügt über die technischen Rahmenbedingungen, selbst generiert werden

(vgl. Meyer 2009, et al., S. 139 f.).

3.2.3 Big Data

Durch die Vernetzung einer großen Anzahl von Geräten werden wir künftig von einer Datenflut

regelrecht überschwemmt werden. Zur Lösung des Problems fällt immer wieder der Begriff „Big

Data“. Doch was verbirgt sich hinter dem Begriff, der nahezu immer einhergehend mit Industrie

4.0 genannt wird?

Adrian Merv beschreibt Big Data als Daten, welche die Möglichkeiten von konventioneller

Hardware zur Datenhaltung, -verarbeitung und -analyse übersteigen. Seiner Meinung nach ist

Big Data auch deutlich heterogener als konventionelle Daten. Das heißt, dass für analytische

Betrachtungen auch externe Daten herangezogen werden sollen. Damit würde das in sich

geschlossene Datenuniversum eines Unternehmens der Vergangenheit angehören und eine

globale Sichtweise auf das Unternehmen ermöglichen (vgl. Merv 2011, zitiert nach Fasel, Meier

2016, S. 5).

Andere Sichtweisen sehen in Big Data den großen Vorteil der Informationstransparenz und eine

Effizienzsteigerung, mit der Daten analysiert und ausgewertet werden können. Big Data soll

auch neue Entwicklungen bei Applikationen anstoßen, mit deren Hilfe bis dato nicht machbare

Simulationen mit detaillierten Daten berechnet werden können (vgl. Fasel, Meier 2016, S. 5 f.).

Ausgehend von der Definition von Adrian Merv und dem McKinsey Global Institute hat man sich

auf drei charakteristische Merkmale geeinigt, die die Nutzung von Spezialsoftwarelösungen für

Big Data rechtfertigen: es sind dies die Eigenschaften Volume, Variety, Velocity (vgl. ebd., S. 6).

Das Volumen, also der Datenbestand, bezieht sich auf die exponentiell wachsende

Datenmenge, da vernetzte Maschinen und Geräte mit immer mehr Sensorik ausgestattet

werden, die ununterbrochen Daten erzeugen. Begünstigt wird dieser Anstieg der Datenmenge

auch vom zunehmenden Zwang, Protokolldateien zu erstellen und durch Transaktionsdaten (vgl.

Dittmar 2016, S. 56).

Neben dem Datenvolumen steigt auch die Vielfalt an Daten (Variety). So unterschiedlich die

Quellen (Herkunft) von Daten sind, so verschieden sind auch die Datenformate. Dabei

unterscheidet man zwischen strukturierten, semi-strukturierten und unstrukturierten Multimedia-

Daten wie Video-, Bilder-, Grafik-, Audio- und Textdaten (vgl. Fasel, Meier 2016, S. 6).

Das dritte Kriterium der drei Vs, Velocity, bedeutet Geschwindigkeit und bringt zum Ausdruck,

wie schnell Datenströme entstehen und ausgewertet werden können. Egal ob Messdaten von



Anlagen im Dauerbetrieb oder Stammdaten von mobilen Geräten, für die Prozessintegration im

Unternehmen ist die Datenintegration, -auswertung und -analyse im Nanosekundenbereich

entscheidend, um neue Erkenntnisse zu gewinnen und gegebenenfalls Aktionen einzuleiten (vgl.

Sendler 2016, S. 47; Fasel, Meier 2016, S. 6; Dittmar 2016, S. 57).

Wirft man einen Blick auf alle drei Definitionen kommt man schnell zu dem Ergebnis, dass es

sich bei Big Data nicht nur um ausschließlich technische Aspekte handelt, sondern auch

methodische Fragestellungen berücksichtigt werden müssen (vgl. Dittmar 2016, S. 57). „Zudem

bezieht sich der Skalierungsanspruch nicht ausschließlich auf ein hohes Datenvolumen

(Volume), sondern auch auf eine hohe zeitliche Skalierung hinsichtlich hoher Datenaktualität

und hoher Performanceansprüche bei der Durchführung komplexer Analysen (Velocity) auf

Basis von Daten, die in vielfältiger Strukturierung vorliegen können (Variety)“ (Dittmar 2016, S.

57).

3.2.4 Internet der Dinge und Dienste (IoTS)

Die Wurzeln vom Internet der Dinge gehen bis ins Jahr 1991 zurück, als Mark Weiser ein

Szenario in einem Artikel beschrieb, dass dem Grundgedanken des heutigen Ubiquitous

Computing (siehe Abbildung 6) schon sehr nahekam. Er stellte darin eine Umgebung vor, in der

Computer, ausgestattet mit Sensoren, untereinander kommunizieren konnten (vgl Weiser 1991,

zitiert nach Hänisch 2017, S. 12). Bis zum Internet der Dinge und Dienste musste das Internet

jedoch noch diverse Entwicklungen durchlaufen, die grob in vier Phasen unterteilt werden

können (vgl. Dais, Bosch 2014, S. 625 f.):

• Web 0: Mit der Entwicklung des IP-Protokolls wurde die Grundlage für das Internet

geschaffen. Damit war es möglich, einzelne Computer in größeren Netzwerken zu

adressieren und verlinkte Dokumente über Browser und Webserver abzurufen

• Beim Web 1.0 drehte sich alles um die Vernetzung von Unternehmen. Aus der „one to

one“ Beziehung wurde eine „one to many“ Interaktion. Für den plattformunabhängigen

Austausch von Daten und Programmen entwickelte man die Programmiersprachen Java

und XML

• Der Begriff Web 2.0 könnte auch mit dem Begriff „Social Media“ gleichgesetzt werden.

Es geht also um die Echtzeitkommunikation von Menschen, in der der Mensch nicht nur

Konsument von Inhalten ist, sondern diese auch selbst erstellen und hochladen kann



• Beim Web 3.0 gesellt sich neben dem Menschen ein weiterer Teilnehmer hinzu, der

ebenfalls das Internet nutzt: das intelligente Objekt, welches Informationen sammelt,

einordnet, verarbeitet und über das Netzwerk weitergibt

Aus technischer Sicht stellt das Internet der Dinge eine Vernetzung von Systemen dar, die

dadurch untereinander interagieren können. Der in der Literatur häufig verwendete Zusatz

„Dienste“ inkludiert internetbasierte Dienstleistungen, welche heute schon mit Themen wie

Smart City, Smart Car, Smart Home, Smart Traffic, etc. in aller Munde sind (vgl. Siepmann

2016, S. 26).

Das smarte Produkt als fester Bestandteil des Internets legt den Grundstein für neue,

dienstleistungsorientierte Geschäftsmodelle (z.B. Predicted Maintenance, etc.), welche auch zu

Veränderungen auf der sozial-gesellschaftlichen, ökologischen und ökonomischen Ebene führen

werden. Jedes dieser intelligenten Gegenstände muss dafür mit einer eigenen Adresse

ausgestattet sein, um über das Internet jederzeit lokalisier-, ansprech- und steuerbar zu sein. Mit

dem Internet-Protokoll IPv6 ist es heute schon möglich, über einen 128-bit Adressraum bis zu

340 Sextillionen Adressen zu vergeben und eindeutig unterscheiden zu können (vgl. Karlsruher

Institute of Technology (KIT) 2011, zitiert nach Siepmann 2016, S. 27; Eigner 2016, S. 142).

Im Agrarbereich haben sich beispielsweise solche Geschäftsmodelle unter dem Stichwort

„Smart Farming“ schon sehr erfolgreich etabliert. Landmaschinenhersteller rüsten ihre

Abbildung 10: Internet der Dinge und Dienste (IoTS) (Siepmann 2016, S. 27)



Maschinen nicht nur mit intelligenter Sensorik aus, die permanent maschinen- und

ertragsrelevante Daten sammeln, sie stellen auch cloudbasierte Telemetrie-Lösungen zur

Verfügung. Der Betriebsleiter/die Betriebsleiterin, Lohnunternehmer/Lohnunternehmerin oder

Landwirt/Landwirtin kann so nicht nur den Standort der Maschine jederzeit abrufen, sondern

auch in alle relevanten Daten wie Spritverbrauch, Hektar-Leistung pro Stunde, etc. über ein

Portal einsehen. Selbst die Austragungsmenge von Düngemitteln lässt sich mit sogenannten

Ertragskarten für jedes Hektar genau steuern. Die Daten können wiederum dem Händler, dem

Hersteller oder an externe Partner zur Auswertung weitergegeben werden.

Mit dem Industrial Internet kommt es auch zu einer Weiterentwicklung mechatronischer

Systeme, indem es aktuelle Systeme um die Komponenten Intelligenz und

Kommunikationsfähigkeit erweitert. In diesem Zusammenhang spricht man auch von

„Cybertronischen Systemen“ (CTS). Im Vergleich zu Cyber-Physical-Systems (CPS) legen CTS

den Fokus mehr auf die Engineering-Komponente. Ihre Stärke liegt in der Kommunikations- und

Kooperationsfähigkeit in offenen Netzwerken mit anderen Systemen. Aus dieser Vernetzung

entstehen „intelligente“, selbst organisierende und dezentral verstreute Produktsysteme.

Aktuell scheitert eine konsequente Umsetzung noch an fehlenden Prozessen und an

unzureichend integrierten Software-Tools, um die echtzeitbasierte Verwaltung und Auswertung

der Informationen dieser Systeme zu realisieren (vgl. Eigner 2016, S. 140).

Abbildung 11: Grundsätzlicher Aufbau von Service-orientierten Geschäftsmodellen (Eigner 2016, S. 142)



Das Internet der Dinge ermöglicht auch die plattformübergreifende Nutzung neuer Software-

Applikationen. „Um die System- und Prozessqualität für produzierende Unternehmen zu

verbessern, können beispielsweise serviceorientierte, skalierbare (Cloud-) Plattformkonzepte zur

prädiktiven Qualitätsdatenanalyse dazu beitragen, intelligente, anwendungsspezifische

Feedbackloops im Qualitätsmanagement zu schaffen“ (Eigner 2016, S. 140 f.).

Es wird sich künftig vermehrt ein Trend weg von Hardware- hin zu Softwarelösungen

abzeichnen, welche das Potenzial haben, die Komplexität im Fertigungs- und

Entwicklungsbereich zu verringern (vgl. ebd., S. 142).

3.2.5 Smart Factory

Da in dieser Arbeit immer wieder der Begriff „intelligente Fabrik“ (Smart Factory) verwendet wird,

sollen, der Vollständigkeit halber, die wesentlichen Merkmale einer Smart Factory erläutert

werden. In der intelligenten Fabrik dominieren cyber-physische Produktionssysteme das

Geschehen. Einzelheiten zu den technischen Komponenten eines CPS können aus den

Kapiteln entnommen werden. Erste Ansätze einer intelligenten Fabrik gehen auf die 1970er

Jahre zurück, als man begann, Computer-integrated Manufacturing (CIM) einzuführen. Mit dem

Aufkommen intelligenter Softwareagenten, welche in der Fertigungssteuerung verwendet

wurden, konnten erste Verhandlungs- und Koordinierungsaufgaben dezentral durchgeführt

werden. Durch den Einsatz der Informationstechnologie auf Ebene der Fertigungssteuerung (im

Speziellen Manufacturing Execution Systems) legte man den Grundstein für die intelligente

Fabrik (vgl. Roth 2016, S. 20; Kurbel 2016, S. 523). Gegenwärtig wird der Begriff als „(…)

unternehmensweit vernetzte Systemlandschaft, die ERP-, SCM-, PLM-, und andere

Anwendungssysteme umfasst (…)“, verstanden (Laudon 2014, zitiert nach Kurbel 2016, S. 523).

Eine noch genauere Definition wird vom Autor Armin Roth formuliert. Für ihn umfasst die

intelligente Fabrik „(…) die Integration interner und externer Stakeholder in die Geschäfts- und

Wertschöpfungsprozesse (neue Geschäftsmodelle), die Verkopplung von Produkten mit

hochwertigen Dienstleistungen sowie die Vernetzung sämtlicher Produktionssysteme über das

Internet (…)“ (Roth 2016, S. 20).

3.2.6 Cloud Computing

Die Virtualisierung des Computers ist keine Zukunftsmusik, sie hat schon längst stattgefunden.

Der erste Cloud-Service wurde von Amazon ins Leben gerufen, andere Softwareriesen wie

Microsoft sind mit Cloud-Computing Plattformen nachgezogen (vgl. Sendler 2016, S. 50).



Grundsätzlich werden über die Cloud Dienstleistungen angeboten, die nach dem National

Institute of Standards and Technology (NIST) in drei Ebenen unterteilt werden können (vgl.

Siepmann 2016, S. 54 f.):

• Infrastructure as a Service (IaaS)

• Platform as a Service (PaaS)

• Software as a Service (SaaS)

Je nach Anforderungsprofil des Kunden/der Kundin kann sich dieser/diese seine/ihre

gewünschte IT-Infrastruktur in Form von Servicemodellen zusammenstellen. Das reicht von der

Bereitstellung von Rechenleistung oder Datenspeicher (IaaS) über Plattformen mit

standardisierter Schnittstelle (Paas) über einzelne Softwarepakete zur Kontaktdatenverwaltung,

Finanzbuchhaltung, etc. (SaaS) (vgl. Stiller, Lagermann 2017, S. 33; Siepmann 2016, S. 54 f.).

Bei den Cloud-Services unterscheidet man nicht nur nach den Dienstleistungs-Modellen,

sondern auch nach der Art der Bereitstellung. Je nachdem, wer den Service zur Verfügung stellt

und welche Zielgruppe man damit anspricht, unterscheidet man zwischen Public Clouds und

Private Clouds. In der Fachliteratur werden mit „Hybrid Clouds“ und „Community Clouds“ zwei

weitere Varianten genannt, auf die in dieser Arbeit kein weiterer Bezug genommen wird (vgl.

Stiller, Lagermann 2017, S. 34).

Bei der Public Cloud stellt ein Service-Provider Dienste wie IT-Infrastruktur in Form von Speicher

und Rechenleistung (IaaS), Computing-Plattformen (PaaS), oder diverse Software-

Anwendungen wie Microsoft Office 365 einer breiten Öffentlichkeit über das Internet zur

Verfügung. Neben kostenpflichtigen Abo-Modelle (z. B. Microsoft Abo-Dienste) können sich die

Kosten auch nach der tatsächlichen Nutzung richten oder komplett kostenlose Dienste

angeboten werden (vgl. Falkner o. J., o. S.).

Die Private Cloud ist hingegen nicht für die Öffentlichkeit zugänglich, sondern wird vom

Unternehmen selbst betrieben und genutzt. Manche Unternehmen ziehen diese Variante aus

Gründen des Datenschutzes und der IT-Sicherheit vor, das sie für die Betreuung ihrer Daten

selbst verantwortlich sind. „Private“ setzt aber nicht zwingend voraus, dass die Organisation

auch Inhaber der Server ist, sie verfügen lediglich exklusiv über die Nutzungs- und

Kontrollrechte. Der Anbieter der angemieteten IT-Infrastruktur kann auch externer Natur sein

(vgl. Bedner 2013, S. 33).

Für den Zweck dieser Arbeit wird hauptsächlich die „Industrial Cloud“ thematisiert, denn diese

spielt eine entscheidende Rolle bei der Produktionsautomatisierung.



Cloud-basierte Technologien wie Server-Plattformen auf Mietbasis sind in der Informations- und

Betriebswirtschaft fest etabliert. Im Bereich der Produktionsautomatisierung steht man erst am

Anfang. Hier sieht man das Potential von Cloud Computing vor allem in der Bereitstellung und

Auswertung intelligenter Daten und Informationen aus dem Internet. Das soll einerseits zu einer

Kosteneinsparung bei der Ausgestaltung einer unternehmensinternen IT-Infrastruktur führen und

andererseits erhofft man sich daraus die Betriebseffizienz zu steigern (vgl. Stiller, Langmann

2017, S. 29 f.).

In der klassischen Automatisierungspyramide werden Prozessdaten üblicherweise auf der

Feldebene mittels von Sensoren und Aktoren gewonnen. In der Theorie ließe sich dieser

Vorgang überspringen, indem ausgewertete Daten, beispielsweise aus dem jetzigen

vorgelagerten Produktionsvorgang, direkt über cloudbasierte Dienste beschaffen werden. In der

Praxis findet Cloud Computing aber (noch) vorwiegend im oberen Bereich der

Automatisierungspyramide statt, welche eher für betriebswirtschaftliche Steuerungsfunktionen

wie Betriebsmittelverwaltung, unternehmerische Aufgaben oder Bestellabwicklungen

verantwortlich ist (vgl. Stiller, Langmann 2017, S. 30 f.). Trotzdem ist davon auszugehen, dass

die klassische Automatisierungspyramide mit den unterschiedlichen Ebenen über kurz oder lang

von vernetzten und autonom agierenden Systemen abgelöst wird. Nach Abschluss dieses

Vorgangs bleibt nur noch eine flache „Automatisierungswolke“ übrig, welche mit dem Begriff

CPS-based Automation assoziiert wird. Bei der technologischen Umsetzung vertraut man auf

serviceorientierte Architekturen (SOA), um eine gemeinsame Informations- und Datenbasis zu

schaffen (vgl. ebd., S. 31).



Abbildung 9 veranschaulicht den Übergang von der Automatisierungspyramide hin zur CPS-

based Automation.

3.2.7 Normierung und Standardisierung

Die deutsche Normungsstrategie 2020 definiert Normung wie folgt: „Gemäß der (…) wird unter

Normung die vollkonsensbasierte Erarbeitung von Regeln, Leitlinien und Merkmalen für

Tätigkeiten zur allgemeinen oder wiederkehrenden Anwendung durch eine anerkannte

Organisation verstanden“ (Deutsche Normungsstrategie 2020, zitiert nach DIN e.V. 2018, S. 14).

Standardisierung wird von der deutschen Normungsstrategie „als eigentlicher

Erarbeitungsprozess von Standards beschrieben und bezeichnet“ (ebd., S. 14). Die Erarbeitung

von Normen und Standards erfolgt dabei auf den drei Ebenen national, international und

europäisch (vgl. DIN e. V. 2018, S. 14).

Standardisierung und Normierung ist aber auch ein vielfacher Wunsch von Expertinnen und

Experten, welche darin einen wesentlichen Erfolgsfaktor von Industrie 4.0 sehen. Eines der

zentralen Themen bei Industrie 4.0 ist dabei der Begriff „Interoperabilität“. Gemeint ist darunter

die nahtlose Zusammenarbeit von Datenaustauschformaten, Architekturen, Ontologien,

Produktionssystemen, Schnittstellen, etc. in den weitgehend heterogenen Themengebieten der

Industrie 4.0. Bereits in der Konzeptionsphase und Ausarbeitung von IT-technischen

Infrastrukturen müssen herstellerübergreifende Standards festgelegt werden, damit

verschiedenartige Systeme zusammenarbeiten (Interoperabilität) und Daten untereinander

austauschen können (Portabilität) (vgl. Wahlster 2016, et al., S. 8).

Abbildung 12: Klassische Automatisierungshierarchie und Nutzung von Cloud Computing (Stiller, Langmann 2017, S. 30)



Priorität bei der Standardisierung haben demnach vor allem die Bereiche Integration und

Vernetzung sowie die Schaffung einheitlicher Standards bei der Datenerfassung- und

bearbeitung. Ziel ist die Ausgestaltung eines einheitlichen Ökosystems über Unternehmens- und

Ländergrenzen hinweg (vgl. Wahlster 2016, et al., S. 25). Halten sich Hersteller und Anbieter

von Industrie 4.0-Systemen nicht daran, besteht die Gefahr der Bildung von proprietären

Insellösungen (vgl. ebd., S. 23).

Standards sind aber nicht gleich Standards. Wenn beispielsweise verschiedene Akteure eines

Marktes, charakteristischerweise in Verbindung mit Netzwerkeffekten1, nach einer gewissen Zeit

ein und dasselbe System verwenden, spricht man von de-facto Standards (vgl. Grindley 1995,

zitiert nach Franz 2003, S. 13). Als Beispiel hierfür können die Datenträgerformate Blue Ray und

das Gegenstück HD DVD genannt werden. Beide Formate waren inkompatibel zueinander und

haben um die Gunst des Marktes konkurriert. Durchgesetzt hat sich der Blue Ray Standard. In

der Literatur wird das als „Standard-Race“ (weniger gebräuchlich „Standard-Battle“ oder

„Standard-War“) bezeichnet (vgl. Besen, Farrell 1994, zitiert nach Franz 2003, S. 13).

Unternehmen können dabei versuchen, proprietär-geschlossene oder proprietär-offene

Standards am Markt zu verankern. Bei offenen Standards können auch andere Marktteilnehmer

Modifikationen an den Schnittstellen des Standards vornehmen. Zu proprietär geschlossenen

Standards hingegen hat nur jenes Unternehmen Zugang, welches den Standard etabliert hat

und es erlaubt obendrein keine Modifikationen von außerhalb. Als dritte Variante sind auch noch

öffentliche Standards anzuführen. Diese werden üblicherweise nicht von einzelnen

Unternehmen ins Leben gerufen, sondern von Standardisierungsorganisationen innerhalb einer

Branche etabliert (vgl. Picot, Reichwald, Wigand 2001, zitiert nach Franz 2003, S. 13).

Der zweckgerichtete Einsatz von Technologien ist der Schlüssel zur intelligenten Autonomie

sowie zur Selbstorganisation der Produktion. Durch die Zunahme der Vernetzung sämtlicher im

Wertschöpfungsprozess involvierter Ressourcen und Akteuren sowie durch den vermehrten

Einsatz neuer IKT-Technologien wird als Resultat einer dezentralen Produktion auch die

Prozessvariabilität gezwungenermaßen ansteigen. Um der daraus resultierenden Gefahr der

steigenden Prozesskomplexität entgegen zu steuern, ist eine Standardisierung zur

Simplifizierung von Prozessabläufen entlang der Wertschöpfungskette unumgänglich (vgl.

Deuse 2015, et al., S. 102 f.). „Erst die Implementierung von definierten, robusten Prozessen,

Schnittstellen und Abläufen mit beherrschbarer und planbarer Variabilität schafft die

erforderliche Transparenz in komplexen Produktionsstrukturen“ (Deuse 2015, et al., S. 103).

1 bei steigender Nutzerzahl nimmt auch der Nutzen eines Produktes zu (vgl. Gabler Wirtschaftslexikon [1] o. J., o. S.).



3.2.8 Datenschutz und IT-Sicherheit

Industrie 4.0 verlangt nach neuen Lösungen in der Cyber-Security. Hochsensible Daten,

ausgelagert in der Cloud, werden zwangsläufig auch mit neuen Methoden der Industriespionage

einhergehen. Die Komplexität der Netzwerkstrukturen und die Vernetzung intelligenter Objekte

und Geräte machen es praktisch unmöglich, einheitliche Sicherheitsstandards- und niveaus über

die Wertschöpfungskette hinweg zu gewährleisten (vgl. Roy 2017, S. 105). Erschwerend kommt

hinzu, dass die Sicherheitsmechanismen aus dem Office-Bereich (Office-IT) nicht spiegelbildlich

auf den Produktionsbereich (Produktions-IT) übertragen werden können, da hier völlig andere

Rahmenbedingungen vorzufinden sind. Dazu zählen „(…) zum Beispiel Langzeittauglichkeit der

Sicherheitslösungen, hohe Verfügbarkeits- und Echtzeitanforderungen der Anlagen und die

Integration der Security in die gewohnten Bedienungs- und Wartungsabläufe“ (DIN e. V. 2018,

S. 79).

Eine Standardisierung und Schaffung einer einheitlichen IT-Sicherheitslandschaft zwischen

Produktions- und Office IT wird unabdingbar sein, um die virtuelle Welt mit der realen Welt in

einer Art und Weise zu verbinden, damit das volle Potential des Industrial Internets

ausgeschöpft werden kann (vgl. World Economic Forum 2015, zitiert nach Hänisch, Rogge

2017, S. 92).

Eine Trennung dieser beiden IT-Landschaften (air gap), wie es bis dato die Regel und nicht die

Ausnahme ist, kann nicht im Sinne der Industrie 4.0 sein (vgl. Berghel 2015, zitiert nach

Hänisch, Rogge 2017, S. 92).



Umso wichtiger wird es sein, die ordnungsgemäße Umsetzung und Evaluierung von IT-

Sicherheit in Normen, Gesetzen und Handlungsweisen festzuhalten (vgl. Winkelhake 2017, S.

17).

Bereits in der Konzeptionsphase sollte man nach dem Prinzip „Security by Design“ vorgehen.

Das heißt, die Sicherheitsanforderungen bei der Entwicklung einer Sicherheitssoftware sind

dahingehend zu analysieren, dass die Software in der Lage ist, Bedrohungen in Echtzeit zu

identifizieren und die nötigen Sicherheitsvorkehrungen einzuleiten. Die Nutzung intelligenter

Objekte, sei es im privaten oder beruflichen Bereich, wird auch neue Informationen über

Verhaltensmuster der Benutzer/Benutzerinnen preisgeben (vgl. Roy 2017, S. 105).

Personenbezogene Daten sind also Daten, zu denen sich ein Personenbezug herstellen lässt

und die in Österreich nach dem Datenschutzgesetz gemeinsam mit der Datenschutz-

Grundverordnung geregelt sind (vgl. Wikipedia [9] o. J., o. S.; Winkelhake 2017, S. 18). Daher

wird der Schutz der Privatsphäre mehr und mehr in den Fokus rücken (vgl. Roy 2017, S. 105).

Eine intensivere Auseinandersetzung mit dem Thema IT-Sicherheit beziehungsweise das

Aufführen der wichtigsten Normen, Richtlinien und Standards würde den Rahmen dieser Arbeit

sprengen, daher ist hier der Verweis anzubringen, auf die Fachliteratur zurückzugreifen.

Abbildung 13: Produktions- und Office-IT (Hänisch, Rogge 2017, S. 92)



3.3 Aussichten, Ziele, Potentiale von Industrie 4.0

Die Digitalisierung gehört zu den großen Megatrends unserer Zeit und wird mit der

wirtschaftlichen Transformation zu Industrie 4.0 nicht nur ökonomische sowie ökologische

Veränderungen, sondern auch soziale Herausforderungen mit sich bringen. Die

Implementierung digitaler Technologien in die Unternehmenslandschaft macht aus den

klassischen Wertschöpfungsketten hochflexible, hochproduktive Wertschöpfungsnetzwerke.

Kosteneinsparungen durch zunehmenden Automatisierungsgrad, flexible Anpassung bei

Auftrags- und Auslastungsschwankungen oder kundenindividuelle Produkte dank flexibler

Produktionslayouts sind nur einige der zu nennenden Potentiale von Industrie 4.0. All diese

dynamischen Geschäftsprozesse, von der Zulieferung, Fertigung über Instandhaltung bis zum

Kundenservice, werden neue Formen der globalen und nationalen Zusammenarbeit verlangen.

Sie werden aber auch das Angebot an neuen Dienstleistungen wie Smart Services drastisch

erweitern. Mit der Zielsetzung der Echtzeitkommunikation steht bei der Entwicklung globaler

Geschäftsmodelle der nahtlose Informations- und Datenaustausch im Fokus. Das verlangt die

Ausgestaltung gemeinsamer Standards und Normen. Gleichzeitig besteht für Unternehmen die

Chance, mit der vertikalen Integration von smarten, dezentral gesteuerten Anlagen,

Betriebsmitteln und Produkten in die dynamischen Produktionssysteme die Prozess- und

Produktionskomplexität zu reduzieren und die Gesamteffizienz zu steigern. Mit der horizontalen

Eingliederung von Unternehmen in die Wertschöpfungsnetzwerke können neue Synergien und

Wettbewerbsvorteile generiert werden (vgl. Wahlster 2016, et al., S. 6; Kagermann 2014, S. 607;

Sauter 2015, et al., S. 3).

Technologische Aussichten

In diesem Punkt werden zwei verschiedene Sichtweisen angeführt. Zum einen, wie künftig

Technologien die Umgebung des Menschen gestalten können und zum anderen eine rein

technologiebasierte Sichtweise nach dem Reifegradmodell der Gartner Group (vgl. Roth,

Siepmann 2017, S. 251).

Andelfinger und Hänisch verweisen bei dem Thema „technologische Entwicklungen“ auf das

Buch „The Inevitable – Understanding the 12 Technological Forces That Will Shape Our Future“

von Kevin Kelly. Der Autor ist der Meinung, dass die Zukunft durch ein sich wandelndes Internet

gestaltet wird. Die Gegenwart ist also kein festgefahrener Zustand, sondern wird durch eine sich

permanent weiterentwickelnde technologische Umgebung geformt. In dieser Umgebung wird der

Mensch von Objekten und Gegenständen, ausgestattet mit künstlicher Intelligenz, begleitet und

situativ unterstützt. Genauso wichtig werden intelligente Algorithmen sein, die das Herausfiltern

wichtiger Informationen aus einem Meer von Daten, stellvertretend für den Menschen,



übernehmen. Weiters behauptet der Autor, dass künftige Innovationen aus der Rekombination

von vorhandenen Technologien und Lösungen entstehen (vgl. Andelfinger, Hänisch 2017, S.

267 f.).

Die zweite Sichtweise stützt sich auf den „Hype Cycles Special Report“ der Gartner Group. Hier

werden in Form eines veröffentlichten Berichts Prognosen aufgestellt, wie sich Trends und

Potentiale neuer Technologien im Zeitverlauf entwickeln und wann eine neue Technologie als

ausgereift betrachtet werden kann. Jede Technologie durchläuft dabei fünf Phasen (vgl. Roth,

Siepmann 2017, S. 251):

• Technologischer Auslöser: Das kann eine neuartige Technologie in Form eines

Prototyps sein. Dieser kann dann als Technologieträger dienen und Ausgangspunkt für

neue Entwicklungen sein

• Gipfel der überzogenen Erwartungen: Die Technologie erfährt durch enormen

medialen Zuspruch einen regelrechten Hype. Erste Unternehmen wenden die neue

Technologie an, obwohl sie noch nicht ausgereift ist

• Tal der Enttäuschung: Die Anwendungen in der Praxis haben nicht zu den

gewünschten Resultaten geführt. Ernüchterung kehrt ein und die mediale

Aufmerksamkeit nimmt ab

• Pfad der Erleuchtung: Der Grund des Scheiterns der Technologie wird analysiert und

auf Basis dessen werden ausgereifte Versionen mit konkreten Leistungsmerkmalen

entwickelt

• Plateau der Produktivität: Die Technologie erweist sich als ausgreift, erfolgreich und

allgemein akzeptiert

Im Kapitel 3.2 wurden die wesentlichen technologischen Grundlagen für Industrie 4.0 bereits

aufgezählt. Um den Umfang der Arbeit nicht zu sprengen, werden nur die Einschätzungen der

Gartner Group zu den wichtigsten Technologien „Internet der Dinge“, „Big Data“ und „Cloud

Computing“ in aller Kürze thematisiert. Nach dem Gartner Hype Cycle befindet sich das Internet

der Dinge aktuell auf dem „Gipfel der überzogenen Erwartungen“. Unternehmen preschen mit

unausgegorenen Lösungen in den Markt, um sich eine gute Marktposition zu sichern. Bis das

Plateau der Produktivität erreicht wird, kann es noch 5-10 Jahre dauern. Big Data nähert sich

hingegen dem „Tal der Enttäuschung“. Erste Anwendungen wie SAP HANA der SAP SE wurden

bereits in den Markt eingeführt, konnten die hohen Erwartungen jedoch nicht erfüllen. In einem

fortgeschrittenen Stadium befindet sich das Cloud Computing. Der Hype um den Megatrend hat

deutlich abgenommen, was eine realistische Einschätzung zur Thematik zur Folge hatte.

Konsequente Weiterentwicklungen streben das „Plateau der Produktivität“ an. Bis die



Technologie produktiv eingesetzt werden kann, werden noch 2-5 Jahre vergehen (vgl. Gartner

Inc. 2014, zitiert nach Roth, Siepmann 2017, S. 253).

Ökonomische Chancen

In der intelligenten Fabrik mit flexiblen, dezentral gesteuerten und miteinander vernetzten

Produktionsanlagen lassen sich Ressourcen deutlich effizienter und produktiver einsetzen.

Dadurch lassen sich individualisierte, nach Kundenwünschen gefertigte Produkte kostengünstig

und flexibel herstellen (vgl. Kagermann 2014, S. 607).

Daten, die mit intelligenten Algorithmen ausgewertet werden (Smart Data), helfen dabei,

Prognosen exakter und früher zu treffen. Das macht das Unternehmen deutlich resilienter gegen

Marktschwankungen, globale Wirtschaftskrisen und Störungen. Das Konzept der

Wertschöpfungskette wird mit Verbreitung des Internets zum dezentralen Ad-hoc

Wertschöpfungsnetz umgebaut (vgl. Kagermann 2014, S. 607).

Zudem erweitern die Schnittstellen zwischen und in den Systemen sowie das Internet der Dinge

das Angebot an dienstleistungsorientierten Geschäftsmodellen. Neue

Dienstleistungsinnovationen wie die im Kapitel 3.2.2 thematisierte Fernwartung (smart service)

ist nur eines von vielen Beispielen, wie intelligente Objekte als Sprungbrett für neue

Dienstleistungen und Geschäftsmodelle dienen können (vgl. ebd., S. 607).

Ökologische Chancen

Viele Entwicklungen, darunter die zunehmende Digitalisierung und Vernetzung durch

Informations- und Kommunikationstechnologie (IKT) führen zu einer Reduktion des Energie- und

Ressourcenverbrauchs. In der smarten Fabrik messen sensorgestützte Systemlösungen den

tatsächlichen Energie- und Ressourcenverbrauch. Mit diesen teils realen, teils virtuellen Daten,

die beispielsweise direkt ins ERP-System übertragen werden, kann völlige Transparenz im

Produktionsprozess hinsichtlich des Energie- und Ressourcenverbrauchs geschaffen werden.

Sollte dieser in einem Bereich zu hoch ausfallen, können Entscheidungen und

Optimierungsschritte in Echtzeit Abhilfe schaffen. Gleichzeitig lassen sich in der Logistik

Transportrouten und Auslastung effizienter planen. Ebenso großes Optimierungspotential bietet

die Intralogistik. Materialumschlag und Materialflüsse im innerbetrieblichen Bereich lassen sich

durch intelligente Transportsysteme flexibler und schneller gestalten. Unter Berücksichtigung der

Faktoren Energieverbrauch, Ressourceneinsatz und Rohstoffproduktivität kann Industrie 4.0

einen wesentlichen Beitrag zur ökologischen wie ökonomischen Nachhaltigkeit leisten (vgl.

Kagermann 2014, S. 608; Karl, Zitzmann, o. J., S. 86).



Soziale Auswirkungen – im privaten wie im beruflichen Bereich

Im Kontext der fortschreitenden Digitalisierung sind viele alternative Entwicklungsszenarien von

Arbeit möglich. In der Literatur wird die Entwicklungsperspektive von Arbeit von zwei Polen

begrenzt, dem „Upgrading von Qualifikationen“ und der „Polarisierung von Qualifikationen“.

Dazwischen gibt es für Bereiche wie Tätigkeiten und Qualifikation, Organisation und

Verlagerung von Arbeit, Mensch-Maschine-Interaktion und Einfacharbeit eine Vielzahl von

Studien, die zu teils sehr divergenten Ergebnissen kommen (vgl. Ittermann, Niehaus 2018, S.

41-45; ten Hompel, Hirsch-Kreinsen 2017, S. 363). Zunächst werden die beiden Pole

beschrieben, um den Stand der Debatte aus einer differenzierten Betrachtungsweise zu

reflektieren:

Beim ersten Pol wird von einem Upgrading-Szenario ausgegangen, bei dem die Digitalisierung

der Arbeit zu einer qualifikatorischen Aufwertung der Arbeitsform führt. Dieses

Entwicklungsszenario kann sowohl makrostrukturelle Konsequenzen auf den Arbeitsmärkten mit

sich ziehen als auch die Qualifikation und Tätigkeit auf der betrieblichen Ebene beeinflussen

(vgl. Zuboff 1988, zitiert nach Hirsch-Kreinsen, ten Hompel 2017, S. 363; Ittermann, Niehaus

2018, S. 41). Die hochgradig arbeitsteilig organisierten und computergestützten

Produktionssysteme bewirken die Substitution einfacher, routinisierter Tätigkeiten.

Solche Tätigkeiten besitzen einen regelorientierten und strukturierten Charakter und lassen sich

deshalb leicht von Computeralgorithmen auswerten und automatisieren. Darunter fallen

insbesondere industrielle Fertigungsberufe, in denen routinisierte Arbeiten, wie die Bedienung

und Steuerung von Maschinen, ausgeführt werden. In der Logistik sind jene Berufsgruppen

betroffen, die sich für die manuelle Datenerhebung und Auswertung verantwortlich zeigen. Als

Profiteure dieser fortschreitenden Digitalisierungswelle gehen Arbeitnehmer hervor, die über

eine hohe Qualifikation sowie Prozesswissen verfügen und daher wissensintensive Arbeiten

ausführen. In der Literatur wird für dieses Upgrading-Szenario der Begriff „skill-biased technical

change“ verwendet (vgl. Frey, Osborne 2013, zitiert nach Ittermann, Niehaus 2018, S. 45; Frey,

Osborne 2013, zitiert nach Hirsch-Kreinsen, ten Hompel 2017, S. 363).

Digitale Technologien sind auch Auslöser für den Prozess der Informatisierung der Arbeit.

Dieser Prozess impliziert eine steigende Verfügbarkeit und Nutzung von Echtzeit-Daten und

Informationen über Arbeitsschritte und Produktionsabläufe. Der Umgang mit dieser Flut an

Daten stellt alle Berufsgruppen hinsichtlich Qualifikation und Tätigkeiten vor neue

Herausforderungen. Zuboff sieht einen Ausweg aus diesem Dilemma in der Aneignung von

„intellective skills“. Upgrading ist demnach ein Vorgang, bei dem theoretisches Verständnis über

Prozesse und methodische Kompetenzen vorausgesetzt werden, um für die künftige Nutzung

von Daten und Informationen gerüstet zu sein (vgl. Zuboff 1988, zitiert nach Hirsch-Kreinsen, ten

Hompel 2017, S. 363 f.; Böhle 2013, zitiert nach Hirsch-Kreinsen, ten Hompel 2017, S. 365).



Das dritte Entwicklungsszenario beschäftigt sich mit dem Thema der Polarisierung der Arbeit. Im

Gegensatz zur Upgradingperspektive vereint diese These sowohl ein Positiv- als auch

Negativszenario, in denen Teile einer Beschäftigungsgruppe profitieren, während sich die

Arbeitsbedingungen für andere Beschäftigte drastisch verschlechtern. Dieser Umstand führt zu

Ungereimtheiten und sozialen Spannungen auf der gesellschaftlichen Ebene (vgl. Kirchner

2016, zitiert nach Ittermann, Niehaus 2018, S. 45). Im Kern ist diese These folgendermaßen zu

verstehen: die mittlere Qualifikationsebene (Angestellte, Facharbeiter, Meister) verliert

zunehmend an Bedeutung, wohingegen der Stellenwert komplexer Tätigkeiten mit hohen

Qualifikationsanforderungen und einfachen Arbeiten, die jedoch nicht routinisiert und somit nicht

durch Algorithmen automatisierbar sind, steigt. Die IKT treibt eine zunehmende Automatisierung

der Jobs auf mittlerer Qualifikationsebene voran, welche die Entwertung der mittleren

Qualifikationsgruppe bedingt (vgl. Ittermann, Niehaus 2018, S. 45; Hirsch-Kreinsen, ten Hompel

2017, S. 365). Betroffen sind vor allem Facharbeiter mit langjährigem Erfahrungs- und

Anwenderwissen, welches durch selbstlernende Algorithmen, Stichwort künstliche Intelligenz,

zur Datenauswertung und Mustererkennung substituiert werden kann. In Anbetracht des

Facharbeitermangels mag diese Entwicklung auch auf positive Resonanz stoßen, doch

profitieren gerade kleiner strukturierte Unternehmen vom unternehmensindividuellen Wissen

ihrer Facharbeiter (vgl. Reiß 2015, S. 6).

Welche makrostrukturellen Arbeitsmarktveränderungen letztendlich durch Industrie 4.0

hervorgerufen werden, bleibt abzuwarten. Die gängigen Thesen liefern allerdings schon einen

Ausblick darauf, wie sich die Jobsituation der einzelnen Qualifikationsgruppen entwickeln wird.

3.4 Kritische Auseinandersetzung mit Industrie 4.0 Konzept

Mit dem Themengebiet Industrie 4.0 werden auch grundlegende organisatorische wie

technologische Veränderung innerhalb der Fabrik einhergehen. Verantwortlich dafür ist die

verstärkte Integration von digitalen Technologien in der Produktion, insbesondere der

Informations- und Kommunikationstechnologie. Diese Neuausrichtung wird nicht nur in der

Produktion, sondern auch in der Lagerverwaltung einen Transformationsprozess anstoßen.

Gerade in diesem Punkt sind viele Ansätze aus der Literatur kritisch zu hinterfragen, da der

Schwerpunkt vorwiegend auf den Produktionsbereich, nicht jedoch auf die Lagerverwaltung

gerichtet ist. Das Thema Industrie 4.0 wird primär auf die Anwendungsfelder „Vertikale

Integration“, „horizontale Integration“ und „digitale Durchgängigkeit des Engineerings“

heruntergebrochen. Welche Lagerverwaltungssysteme stellvertretend für WMS überhaupt den

Anforderungen der Industrie 4.0 gerecht werden, findet in der Literatur sowie medial kaum



Beachtung. Daher setzt hier auch der Schwerpunkt des Untersuchungsgegenstandes der

vorliegenden Arbeit an.

Ebenso fehlt in der Diskussion eine klare Begriffsdefinition von Industrie 4.0. Viele Vertreter,

gerade aus der IKT Branche, setzen den Begriff fälschlicherweise mit einer vierten industriellen

Revolution gleich. Das mag zur medialen Aufmerksamkeit dienen und die Mundpropaganda am

Laufen halten, die vielen Begriffsdefinitionen erschweren aber die Prognosen zukünftiger

Entwicklungen. Mit der Verwendung der Terme Industrie 4.0 und Digitalisierung ist in den letzten

Jahren sehr sorglos umgegangen worden. Nicht verwunderlich also, dass teils sehr heterogene

Interpretationen in der Literatur auftauchen. Medien, Fachleute, Politiker und Vertreter der

Wirtschaft haben den Begriff regelrecht gehypt. Betrachtet man die Verlaufsentwicklung von

Google Trends nach der Abfrage nach den Suchbegriffen „Industrie 4.0“ und „Digitalisierung“,

wird diese Behauptung bekräftigt (vgl. Mertens, Barbian 2018, S. 152 ff.).

Dass Industrie 4.0 nicht nahtlos an die dritte industrielle Revolution anknüpft, wurde bereits in

Kapitel 2.1.5 ausführlich thematisiert. Die Merkmale der Industrie 4.0 sind vielmehr mit einer

Evolution gleichzusetzen.

Die öffentliche Diskussion rund um die Begriffe Industrie 4.0 und Digitalisierung macht sich in

einem weiteren Punkt negativ bemerkbar: Wie die Trendentwicklung des „Garnter Hype Cycles

Special Report“ zeigt, befinden sich viele Technologien am Übergang vom Gipfel der

überzogenen Erwartungen zum Tal der Enttäuschung (siehe Kapitel 3.3). Die zu optimistisch

Abbildung 14: Relative Suchanfragen für die Begriffe „Digitalisierung“ und „Industrie 4.0“ (Mertens 2017, et al., S. 51)



angesetzten Prognosen konnten den Erwartungen der Öffentlichkeit nicht gerecht werden und

die mediale Aufmerksamkeit ist geschrumpft. Es kam zu Phasen der Desinvestition. Daher

sollten künftige Entwicklungen in der Praxis fernab der breiten Öffentlichkeit erprobt werden (vgl.

Mertens, Barbian 2018, S. 160 f.).

Logistik 4.0


4 Logistik 4.0

Im vorangegangenen Kapitel wurde ein intensiver Blick auf das Themenfeld Industrie 4.0

geworfen. Im zweiten Teil der Arbeit verlagert sich der Schwerpunkt auf die wesentlichen

Aspekte der Logistik. Einem kurzen Überblick zur Logistik 4.0 folgt das zentrale Themengebiet

„Warehouse-Management-Systeme“. Dieses dient gleichzeitig als Grundlage der Analyse und

soll im Rahmen einer Literaturanalyse Aufschluss darüber geben, ob gängige SAP EWM-

Systeme als Teil von WMS-Systemen in der Industrie 4.0 eingesetzt werden können.

4.1 Grundlagen zur Logistik

Der Ursprung des Begriffs Logistik ist im militärischen Bereich zu finden. Hier diente die Logistik

dem Transport und der Unterbringung von Nahrungsmitteln, Truppen, Waffen und anderen

militärischen Gegenständen an einem bestimmten Ort. Nach dem zweiten Weltkrieg wurde die

Logistik und deren organisatorische Funktion in die betriebswirtschaftliche Praxis übernommen

(vgl. Arndt 2015, S. 15).

In den 1970er Jahren hat die Logistik, auch oder gerade wegen Entwicklungen in der modernen

Betriebswirtschaftslehre, einen starken Wandel vollzogen. Zunächst wurde in

materialflusstechnische Entwicklungen investiert. Der Fokus lag dabei auf eindimensionalen

Unterstützungsfunktionen, für die Techniken wie fahrerlose Transportsysteme, Hochregallager

oder Kommissionierungsverfahren eingesetzt wurden. Aus Sicht der Betriebswirtschaftslehre

wurden Optimierungen im Logistikbereich zunächst nicht mehrdimensional gedacht.

Einzelprobleme wurden isoliert voneinander betrachtet und Lösungen wurden nur in

Teilbereichen wie beispielsweise in der Lagerhaltung oder in der Reduktion des

Sicherheitsbestandes gesucht. Erst in den 1980er Jahren hat man auch andere Abteilungen,

insbesondere die Produktion und Beschaffung, in den Optimierungsprozess miteinbezogen, was

enorme Einsparpotentiale brachte. Von da an gewann die Logistik an Bedeutung in der

Unternehmenshierarchie (vgl. Koch 2012, S. 6; Gleißner, Femerling 2008, S. 4 f.; Schuh 2013,

et al., S. 4).

Eine einheitliche Begriffsabgrenzung lässt sich allerdings in der Literatur nicht ausfindig machen.

Je nach Autor unterscheidet sich in der Literatur nicht nur die Begriffsdefinition, sondern auch

das Aufgabenspektrum, welches der Logistik zugeschrieben wird (vgl. Gießmann 2010, S. 11).

Die Betriebswirtschaftslehre erklärt den Begriff mit informationellen und materiellen

Flusssystemen (steuernde, physische Logistik), welche einer Koordination, Steuerung (Logistik-

Planung) und Kontrolle (Logistik-Controlling) unterliegen müssen. Das Management hat also

nicht nur die operativen Geschicke der Logistik zu leiten (Planung, Steuerung, Kontrolle),

Logistik 4.0


sondern muss auch strategische Impulse setzen, um das Flusssystem entlang der

Wertschöpfungskette zu optimieren (vgl. Heiserich 2011, et al., S. 5). Damit umfasst die Logistik

auch Führungs- und Durchsetzungsaufgaben (Heiserich 2011, et al., S. 5). Mit anderen Worten

formuliert, versteht man unter Logistik „eine ganzheitliche, die einzelnen Funktionsbereiche

einzelner Unternehmen übergreifende Betrachtungsweise, welche die Optimierung des Material-

und Güterflusses unter Berücksichtigung der damit zusammenhängenden Informationsströme

zum Ziel hat“ (Haasis 2008, S. 5). Am besten lässt sich diese Interpretation anhand der sieben

„R´s“ beschreiben. Es handelt sich dabei um die zentralen Aufgabenstellungen der Logistik (vgl.

Klaus (2002), S. 11 und Pfohl (1972), S. 28 ff. und Jünemann (1989), S. 18, zitiert nach

Gleißner, Femerling 2008, S. 5):

• Das richtige Objekt

• in der richtigen Menge

• am richtigen Ort

• zum richtigen Zeitpunkt

• in der richtigen Qualität

• zu den richtigen Kosten

• für den richtigen Kunden

Andere Sichtweisen, beispielsweise Vertreter der Ingenieurswissenschaften, definieren

Logistikleistungen als eine Raum-Zeit Transformation von Objekten. Hierbei handelt es sich um

die Zeitausgleichsfunktion des Lagers als auch um den Transport von Gütern und Informationen.

Dazu kommen andere Vorgänge wie das Kommissionieren (Überbrücken von

Sortimentsunterschieden), das Umschlagen (Überwinden von Mengenunterschieden), das

Verpacken, etc. (vgl. Heiserich 2011, et al., S. 53).

Da das Ende der Produktion zeitlich nicht mit der Übergabe an den Abnehmer bzw.

Endverbraucher übereinstimmt, fungiert das Lager als Puffer und überbrückt die zeitlichen

Differenzen zwischen Produktion und Absatz. Der Transport überbrückt die räumliche Distanz

zwischen dem Ort der Bereitstellung und dem Ort des Bedarfs. Aus den genannten

Problemstellungen werden logistische Vorgänge ausgelöst, die „flussorientiert geplant, gesteuert

und kontrolliert werden müssen und mit Informationsflüssen verbunden sind“ (Heiserich 2011, et

al., S. 5). Die in der Literatur als TUL bezeichneten Aufgabengebiete (Transportieren,

Umschlagen, Lagern) sind maßgeblich verantwortlich für den Warenfluss innerhalb des

Wertschöpfungsnetzwerkes und nehmen beim Leistungserstellungsprozess eine

Unterstützungsfunktion ein. Anders als in der Produktionswirtschaft haben logistische

Logistik 4.0


Leistungen keinen Einfluss auf die qualitative Umwandlung von Stoffen zu Gütern (vgl. Heiserich

2011, et al., S. 4 f.; Haasis 2008, S. 4).

Logistik spielt sich auch außerhalb der Unternehmensgrenzen ab. Sie übernimmt dabei die

Steuerung und Kontrolle von Güterbewegungen, Information-, und Finanzflüssen über die

gesamte Wertschöpfungskette hinweg: angefangen vom Beschaffungsmarkt (Lieferant) über

innerbetrieblich logistische Prozesse bis zum Endabnehmer am Absatzmarkt (vgl. Lasch 1998,

S. 5ff.; Heiserich 2002, S. 7; Arndt 2008, S. 36, zitiert nach Gießmann 2010, S. 12).

Für den Zweck dieser Arbeit richtet sich der Fokus vorrangig auf das Thema „Intralogistik“.

Solche „innerbetrieblichen Materialfluss-Systeme“ übernehmen die Durchführung, Optimierung

und Organisation von logistischen Material- und Warenflüssen innerhalb eines Betriebsgeländes

(unternehmensinterne Materialflüsse) mit Hilfe technischer Systeme und Dienstleistungen (vgl.

Heiserich 2011, et al., S. 53).

Logistikmanagement

Kurz angeschnitten soll in den Ausführungen zum Kapitel Logistik auch der Begriff

„Logistikmanagement“ werden. Wie zuvor bereits erwähnt, enden logistische Fragestellungen

nicht mehr an den Unternehmensgrenzen. Die klassischen Funktionen der TUL (Transportieren,

Umschlagen, Lagern) werden auch um strategische Aspekte der Logistik erweitert.

Die Logistik hat sich zu einer Managementdisziplin entwickelt, da wettbewerbstreibende Trends

die Unternehmen zu Optimierungen bei Parametern wie Liefertreue, Reaktionsfähigkeit und

Lieferflexibilität zwingen. Neben den Materialflüssen werden beim Logistikmanagement auch

monetäre Größen und Informationsströme im Hinblick auf ein optimales logistisches

Gesamtergebnis berücksichtigt. Das bedeutet, dass bei der Zusammensetzung der

Kostenstruktur nicht nur der physische Logistikprozess, sondern auch die organisatorische

Abbildung 15: Physische Kernleistungen der Logistik (Heiserich 2011, et al., S. 5)

Logistik 4.0


Gestaltung der Logistik berücksichtigt werden. Dazu zählen u. a. die Auftrags- und

Bestellabwicklung, Materialdisposition sowie die Bestandsplanung. Das Logistikmanagement

übernimmt also auch taktische und strategische Aufgaben die darauf abzielen, ein Flusssystem

für Waren, Informationen und Dienstleistungen zu schaffen, welches sich sowohl qualitativ als

auch quantitativ an sich ändernde Qualitätsanforderungen anpassen kann (vgl. Koch 2012, S. 6;

Femerling, Gleißner 2008, S. 23; Schuh 2013, et al., S. 2-11).

Das Logistikmanagement als Querschnittsfunktion übernimmt die übergeordnete Rolle aller

Prozesse entlang der Wertschöpfungskette, von der Auftragserteilung bis zu Auslieferung und

steht daher permanent im Spannungsfeld zwischen den Stakeholdern der Unternehmung und

den widersprüchlichen Zielsetzungen (vgl. Schuh 2013, et al., S. 2 ff.).

„Unter dem Begriff Logistikmanagement kann folglich die ganzheitliche, marktorientierte

Organisation und Gestaltung aller logistischen Systeme sowie die Planung, Abwicklung,

Steuerung und Kontrolle der darin ablaufenden logistischen Prozesse subsumiert werden“

(Schuh, 2013, et al., S. 11).

Aus diesen Überlegungen heraus hat sich aus dem Amerikanischen der Begriff „Supply Chain

Management“ entwickelt (vgl. Schuh 2013, et al., S. 5). Näheres dazu in Abschnitt 4.1.2.

4.1.1 (Kern-) Aufgaben der Logistik

Logistik ist der Überbegriff für die „(…) Planung, Abwicklung, Steuerung und Kontrolle der darin

ablaufenden logistischen Prozesse (…) (Schuh, 2013, et al., S. 11). Unter Planung kann die

konzeptionelle Ausgestaltung von Maßnahmen und Strategien zur Umsetzung logistischer

Aktivitäten verstanden werden. Die Abwicklung steht für die Organisation und Ausführung eines

reibungslosen Ablaufs bei allen logistischen Aufgaben, beispielsweise den Lagerungs- und

Transportaktivitäten. Die Kontrolle erfüllt zwei wesentliche Funktionen. Zum einen werden

logistische Prozesse, wie der physische Güterfluss, überwacht und zum anderen wird die

Logistikleistung auf die Erreichung der Logistikziele hin überprüft (vgl. Fortmann, Kallweit 2007,

S. 20).

Daraus ergeben sich in der Unternehmenslogistik für Produktionsunternehmen vier große

Aufgabenbereiche, welche horizontal gegliedert sind: Beschaffungslogistik, Produktionslogistik

Distributionslogistik und Entsorgungslogistik (vgl. Gleißner, Femerling 2008, S. 14; Martin 2009,

S. 3).

Logistik 4.0


Die Beschaffungslogistik als Bindeglied zwischen Distributionslogistik der Lieferanten und der

internen Produktionslogistik beschäftigt sich mit der Versorgung von Einsatzgütern für den

eigentlichen Leistungserstellungsprozess des Unternehmens (vgl. Gleißner, Femerling 2008, S.

15 f.). „Dementsprechend zählen zu den beschaffungslogistischen Aufgaben der Transport vom

Lieferanten bis zum Wareneingang, die Warenannahme und -prüfung, teilweise die

Eingangslagerhaltung und der innerbetriebliche Transport zum Verbrauchsort sowie alle damit

verbundenen Planungs-, Steuerungs- und Kontrolltätigkeiten“ (Gabler Wirtschaftslexikon [2] o.

J., o. S.).

Die Produktionslogistik verbindet die Bereiche Beschaffungslogistik und Distributionslogistik.

Diese sorgt als Teil der Produktion für die Steuerung, Planung und Überwachung eines

optimalen Material-, Informations- und Wertflusses im Transformationsprozess der Produktion.

Eine Schlüsselrolle nimmt dabei die betriebliche Informationstechnik ein, welche mit Hilfe von

Softwarelösungen für die Bereiche Produktionsprogrammplanung, Termin-, Material- und

Kapazitätsplanung verantwortlich ist. Dabei können von den IT-Systemen Rückmeldungen vom

Warenwirtschaftssystem des Handels in die Programmplanung- und steuerung miteinbezogen

werden (vgl. Bauer 2014, S. 2 f.; Gleißner, Femerling 2008, S. 16; Mattner 2008, S. 8).

Die Distributionslogistik (Absatzlogistik) übernimmt die Funktion eines aktiven

Wertschöpfungsmanagements und lenkt durch Planung alle Prozesse, um Fertigwaren an den

Endverbraucher zu befördern. „Die Distributionslogistik beschreibt das Zusammenwirken von

Transport- und Lagerprozessen in Logistiksystemen zur Warenverteilung aus dem Unternehmen

heraus“ (Gleißner, Femerling 2008, S. 16). Dabei ist es relevant, dass das Unternehmen

Strategien entwickelt, um eine ausgewogene Balance zwischen Lieferservice und Logistikkosten

herzustellen. Je größer die Nachfrageschwankungen, desto größer müssen die Vorräte im

Distributionslager sein (vgl. Kother 2014, S. 14; Grün 2009, et al., S. 322).

Mit der Forderung einer nachhaltigen Kreislaufwirtschaft hat auch die Bedeutung der

Entsorgungslogistik entlang der gesamten Logistikkette zugenommen. Unternehmen sind

verpflichtet, Verpackungsmaterial nach Gebrauch zurückzunehmen und einer stofflichen

Verwertung zu unterziehen. Unter dem Begriff können also sämtliche logistischen Vorgänge zur

Planung und Steuerung von Entsorgungs- und Verwertungsprozessen (Recycling) subsumiert

werden (vgl. Fortmann, Kallweit 2007, S. 21; Martin 2009, S. 8).

Logistik 4.0


4.1.2 (Intra-) Logistik und Supply Chain Management

Im Folgenden sollen die beiden Begrifflichkeiten kurz erläutert werden, da sie im Themengebiet

der Logistik eine wesentliche Rolle einnehmen.

Durch die Zunahme von unternehmensweiten Verknüpfungen bei der Leistungserstellung von

Produkten und Dienstleistungen und der hohen Arbeitsteiligkeit bei allen logistischen Abläufen

hat sich in den 1980er der Begriff Supply Chain Management (SCM) entwickelt. Dieser, aus den

USA stammende Begriff, beschreibt die Koordination von logistischen Aktivitäten entlang eines

Logistiknetzwerks und erstreckt sich vom Rohstofflieferanten bis zur Lieferung des

Fertigerzeugnisses an den/die Endverbraucher/Endverbraucherin. Aufgabe eines SCM ist es,

sowohl für den/die Einzelnen/Einzelne als auch für alle Beteiligten der Wertschöpfungskette

einen zeit-, qualitäts- und kostenoptimalen Gesamtprozess zu schaffen. Es geht also um die

Verbesserung der Leistung aller Beteiligten entlang der Supply Chain als auch um die

Optimierung der Prozesse und Abläufe der Supply Chain als Ganzes. Da auch Akteure wie der

Kunde des Kunden oder der Lieferant des Lieferanten dieser Lieferkette angehören können,

spricht man weniger von einer linearen Kette von Akteuren als von einem Netzwerk an

Unternehmen, die bei der Entwicklung, Erstellung und Lieferung beteiligt sind. Maßgeblich für

eine reibungslose Zusammenarbeit in diesem Netzwerk ist auch die Verbesserung des

Informationsflusses. Dadurch können Supply Risiken, ausgelöst durch Informationsasymmetrien

zwischen Zulieferer und Abnehmer, minimiert werden (vgl. Mattner 2008, S. 10; Gleißner,

Femerling 2008, S. 23; Liebrecht 2010, S. 40-46; Schuh 2013, et al., S.14; Martin 2009, S. 15;

Miebach, Müller 2006, S. 21).

Großen Stellenwert innerhalb der Supply Chain hat die Intralogistik. Für den Begriff wurde bei

Erscheinen im Jahr 2003 folgende Definition gewählt: „Die Intralogistik umfasst die Organisation,

Steuerung, Durchführung und Optimierung des innerbetrieblichen Materialflusses, der

Informationsströme sowie des Warenumschlags in Industrie, Handel und öffentlichen

Einrichtungen (VDMA 2003, zitiert nach Arnold 2006, S. 1).

Die Intralogistik ist dabei nicht als reine Ingenieursdisziplin zu verstehen, welche nur den

technischen Aspekt des Materialflusses abwickelt. Sie übernimmt alle Aufgaben innerhalb des

Standortes, entkoppelt von der Distributionslogistik und vereint dabei auch Aspekte der

Informatik und Betriebswirtschaft. Warum die Intralogistik immens an Bedeutung gewonnen hat,

hat folgende Gründe: Durch die stetige Zunahme der Modell- und Variantenvielfalt sämtlicher

Produktgruppen und durch die hohen Anforderungen an die Verfügbarkeit steigt auch die

Komplexität, welche ohne Prozesse der Intralogistik nicht zu bewältigen wären (vgl. Miebach,

Müller 2006, S. 21).

Logistik 4.0


Beschränken sich die Aufgaben des Supply Chain Managements auf die Ausgestaltung der

strategischen Eckpfeiler einer Lieferkette und auf die Gewährleistung der Lieferfähigkeit über

verschiedene Distributionskanäle und Standorte hinweg zum optimalen Preis, ist die operative

Steuerungsleistung der Intralogistik deutlich aufwändiger. In der Intralogistik wird nämlich

bestimmt, zu welchem Zeitpunkt und in welcher Zusammenstellung die Güter in die Supply

Chain eingespeist werden und das in Abstimmung mit ineinandergreifenden, hochkomplexen

Prozessen, um schnellstmöglich auf permanent ändernde Marktbedingungen reagieren zu

können (vgl. Arnold 2006, zitiert nach Liebrecht 2010, S. 50).

Die Intralogistik ist also nicht nur ein Maßstab für das Leistungspotential einer Lieferkette,

welche im Einklang mit den Transporten im SCM gesteuert werden, sie ist zugleich auch das

Herz des Supply Chain Managements (vgl. Arnold 2006, S. 22).

4.2 Logistik 4.0

Die Intralogistik wird künftige Herausforderungen angesichts eines sprunghaften und schnell

wechselnden Produktions- und Handlungsumfeldes nicht mehr mit einer konventionellen,

technischen Infrastruktur bewältigen können. Zu diesem Schluss kamen Experten des

Frauenhofer IML (Institut für Materialfluss und Logistik) im Jahr 2008, als sie tagten, wie die

künftige Intralogistik im Rahmen der vierten industriellen Revolution (aufgrund der Gängigkeit

des Revolutionsbegriffs wird dieser weiterhin verwendet, auch wenn der Revolutionsgedanke in

dieser Arbeit bereits entkräftet wurde) aussehen könnte (vgl. ten Hompel, Henke 2014, S. 615).

Bisher baut die analytische Planung eines logistischen Systems darauf auf, dass potenzielle

Risikofaktoren bereits von Beginn an in dem mehrjährigen Lebenszyklus des logistischen

Systems berücksichtigt werden. Dabei verlässt man sich bei der Planung von

Materialflussberechnungen im Wesentlichen auf Methoden der Grenzleistungsberechnung, die

die maximal zu erbringende Leistung der jeweiligen Systemkomponenten im späteren Betrieb

lediglich simuliert. Diese Leistung kann als gefördertes Volumen pro Zeiteinheit (Schüttgut) oder

als Stückzahl pro Zeiteinheit (Stückgut) erbracht werden. Die Grenzleistungsberechnung liefert

zwar in der Regel ein sehr zielorientiertes Ergebnis. Dieser Methode sind jedoch hinsichtlich

Skalierbarkeit und dynamischer Anpassung an ein sich änderndes Umfeld durch individualisierte

Kundenforderungen und Bedarfsbestellungen anstelle von Sammelbestellungen Grenzen

gesetzt. Dieser Umstand macht es praktisch unmöglich, den optimalen Standort eines

logistischen Systems dauerhaft zu bestimmen. Es geht künftig also um das Aufbrechen einer

starren, festgeplanten Infrastruktur und um die Umsetzung der Vision des Internets der Dinge,

indem der ideale logistische Raum leer ist. Repräsentiert wird dieser Ansatz durch Techniken

wie das „Zellulare Transportsystem“. Auf der operativen Ebene kann das durch ein

Logistik 4.0


individualisiertes Layout mit einer skalierbaren, materialflusstechnischen Leistung geschehen.

Der Trend geht also weg von einer starr installierten Fördertechnik hin zum cyber-physischen-

System, mit autonom handelnden, dezentral gesteuerten Modulen. Zur Bewältigung dieser

Komplexität, die mit einer Flut an zusätzlichen Informationen verbunden ist, wird die hierarchisch

geregelte Steuerungspyramide mit zentraler Materialflusssteuerung an ihre Grenzen kommen.

Ein möglicher Ansatz, um diese Komplexität im CPS zu reduzieren, ist das „Devide and

Conquer“ Prinzip. Dieses sieht die Zerlegung des Hauptproblems in Teilprobleme vor und die

anschließende Zusammenführung der einzelnen Teillösungen (vgl. ten Hompel, Henke 2014, S.

617 f.; ten Hompel, Kerner, S. 176 f.; Roidl 2010, S. 65).

Die vierte industrielle Revolution wird auch beim SCM (Supply Chain Management) einen

Paradigmenwechsel auslösen. Es ist davon auszugehen, dass es zu einer Trennung des

operativen und des normativen Bereichs der SCM kommt. Im echtzeitfähigen, ausführenden Teil

der Materialflusssteuerung mit seinen mechanischen Transportelementen werden

Entscheidungen dezentral und auf Basis lokaler Informationen in Echtzeit getroffen. Dem

gegenüber steht das übergelagerte, normative System, welches nur noch die Informationen

erhält, um übergeordnete Entscheidungen zu treffen. Diese Trennung kann zu einer Reduktion

der Speicheraufwandes auf der normativen Ebene führen, da man ohne applikationsspezifische

Informationen auskommt. Wie das Zusammenwirken der Cloud mit dem CPS im Supply Chain

Management aussehen könnte, wird in dieser Grafik dargestellt (vgl. ten Hompel, Henke 2014,

S. 620; Nieke 2010, S. 17):

Logistik 4.0


4.2.1 (Selbst-) Steuerung von Materialflusssystemen durch (Multi-) Agentensysteme

Die Dezentralisierung, Autonomisierung und die heterarchische Organisation der Intralogistik

verlangen selbststeuernde Prozesse, welche von Multiagentensystemen beziehungsweise

Softwareagenten ausgeführt werden können (vgl. ten Hompel, Kerner 2015, S. 179). Zum

besseren Verständnis von Agentensystemen soll der Begriff der Selbststeuerung anhand

folgender Definition näher erläutert werden: „Die Selbststeuerung wird als ein Bündel von

Prozessen dezentraler Entscheidungsfindung in heterarchischen Strukturen verstanden. Sie

setzt die Fähigkeit und Möglichkeit interagierender Systemelemente zum autonomen Treffen

von zielgerichteten Entscheidungen voraus. Ziel (…) ist das Erreichen einer höheren

Systemrobustheit (…) durch die verteilte Bewältigung von Dynamik und Komplexität in Form von

höherer Flexibilität und Autonomie der Entscheidungsfindung“ (Scholz-Reiter, Höhns 2006, S.

749).

Die eigentliche Aufgabe eines Multiagentensystems ist die Lösung eines Gesamtproblems

mittels Steuerungssystems. Das eigentliche Problem wird dabei in Teilprobleme zerlegt, wobei

für jedes Problem ein selbstgesteuerter Agent zuständig ist. Der Vorteil des Systems zur

Erreichung einer systemweiten Funktionalität liegt in der Kooperation beziehungsweise

Kommunikation solcher Agenten (vgl. Roidl 2010, S. 65).

Abbildung 16: Prozesssteuerung und Industrie 4.0 (ten Hompel, Henke 2014, S. 620)

Logistik 4.0


In der Literatur sucht man vergeblich nach einer allgemein gültigen Definition, in dieser Arbeit

kommt die Definition von Burkhard zur Awendung, um das Mehragentensystem vorzustellen:

„Allgemein bezeichnet man eine Menge von interagierenden Agenten als ein Multi-

Agentensystem. Bei Softwareagenten beruht die Interaktion insbesondere auf dem Austausch

von Nachrichten, während in der Robotik auch die gemeinsame physische Arbeit in Betracht

kommt“ (Burkhard 2010, zitiert nach Scholz-Reiter, Höhns 2006, S. 752).

Im Zusammenhang mit der Materialflusssteuerung unterscheidet man vier Arten von

Agentensystemen (vgl. Russel, Norvig 2004, zitiert nach Roidl 2010, S. 66; Hamann 2019, S. 4

f.):

• Einfacher Reflexagent: Dieser reagiert nur auf Grundlage seiner aktuellen

Wahrnehmung. Zustände aus der Vergangenheit bleiben bei der Entscheidungsfindung

unberücksichtigt

• Modellbasierter Reflexagent: Der Agent hat bereits einen inneren Zustand, welcher die

eigentliche Wahrnehmung abbildet und kombiniert diesen zur Entscheidungsfindung mit

der aktuellen Wahrnehmung. Er kann also auf eine gleiche Wahrnehmung

unterschiedlich reagieren

• Zielbasierter Agent: Bei der Entscheidungsfindung folgt der Agent nicht nur einfachen

Wenn-Dann- Regeln, der zielbasierte Agent verfügt neben dem inneren Zustand auch

über Zielinformationen, über die er die Auswahl seiner Aktionen steuert. Er passt also

sein Verhalten an ein definiertes Ziel an

• Nutzenbasierter Agent: Bei diesem Agenten-Typ werden besonders hohe Ansprüche

an die Qualität der Zielerreichung gesetzt. Als Beispiel können hier fahrerlose

Transportsysteme (FTS) angeführt werden. Man erwartet sich vom System nicht nur,

dass es einen Weg zum Ziel findet, sondern auch, dass es den günstigsten Weg findet.

Welcher das ist wird von einer Nutzenfunktion bestimmt, welche aus mehreren Lösungen

die optimale Lösung herausfiltert

Agenten, speziell Softwareagenten sind also ein beliebtes Tool für Entwickler/Entwicklerinnen,

um eine agentenorientierte Softwareapplikation zur Selbststeuerung logistischer Prozesse zu

entwerfen. Entwickler/Entwicklerinnen bezeichnen die zwei Ebenen Einzelagent und Multi-

Agentensystem als „natürliche Metapher“ bei der Ausarbeitung verteilter, komplexer

Applikationen (vgl. Scholz-Reiter, Höhns 2006, S. 757).

Eine Trennung auf Mikroebene (Einzelagent) und Makroebene (Multi-Agentensystem) wurde

u.a. von Weiß vorgenommen (vgl. Weiß, Jakob 2005, zitiert nach Scholz-Reiter, Höhns 2006, S.

759). Auf der Mikroebene werden die Fähigkeiten des Agenten abgesteckt. Auf dieser Ebene

Logistik 4.0


wird auch die Entscheidung darüber getroffen, für welches Objekt (Maschine, Bauteil, Behälter)

der Agent zuständig ist, wie man dieses Objekt charakterisiert und welche Ziele man damit

verfolgt. Das Ziel (Kennzahl, Durchlaufzeit, etc.) braucht beispielsweise der Zielagent, um eine

spätere Auswahl seiner Aktionen zu treffen (bearbeiten, transportieren) (vgl. Scholz-Reiter,

Höhns 2006, S. 759).

Wenn mehr als ein Agent in derselben Umgebung agieren, muss auf der Makroebene die Form

der Kooperation und Kommunikation der Agenten ausgestaltet werden. Jeder einzelne Agent

kann zwar autonom agieren, das volle Leistungspotential wird aber erst durch die

Zusammenarbeit ausgeschöpft (vgl. Roidl 2010, S. 72f.). Vorab muss noch bestimmt werden,

„ob die Abstimmungsverfahren zwischen den einzelnen Softwareagenten prinzipiell kooperativ

erfolgen sollen, oder ob hier jeder Agent für sich optimiert (…) und so unter Umständen eine

gute Lösung der Gesamtaufgabe (…)“ vergeudet wird (Scholz-Reiter, Höhns 2006, S. 761). In

diesem Punkt treffen Mikro- und Makroebene aufeinander, da der im Softwareagenten

implementierte Auswahl- und Entscheidungsprozess für eine übergreifende Zusammenarbeit

oder lokale Optimierung ausschlaggebend ist (vgl. Scholz-Reiter, Höhns 2006, S. 761).

4.2.2 Das Lager der Zukunft – ein Ausblick

Das Internet der Dinge (IdD) hat den größten Einfluss- und Wirkungsbereich der vierten

industriellen Revolution und durchdringt ebenso die Bereiche der Logistik. Der Begriff wird im

angelsächsischen Sprachgebrauch häufig als Synonym für Ansätze des „Pervasive Computing“,

„Ambient Intelligence“ oder des „Ubiquitous Computing“ verstanden. Die eigentliche

Beschreibung bezieht sich auf die informationstechnische Vernetzung von

Objekten/Gegenständen, die sowohl untereinander als auch mit ihrer Umgebung und anderen

Steuerungssystemen agieren, was autonomes Handeln von IdD gestützten Systemen

ermöglichen soll (vgl. Windelband 2012, et al., S. 105; Dworschak 2012, et al., S. 7f.; Brand

2009, et al., S. 14, zitiert nach Roy, Thomas 2017, S. 52). Eine auf den Logistikbegriff

zugeschnittene Definition des Internets der Dinge wurde vom Frauenhofer-Institut für

Materialfluss und Logistik gewählt. Dabei rückt der selbstgesteuerte, autonome Transport von

Objekten vom Absender zum Empfänger in den Vordergrund (vgl. ten Hompel 2005, zitiert nach

Windelband 2012, et al., S. 105).

Die Bedeutung für die Logistik ergibt sich auch aus der Tatsache, dass enorme Entwicklungen

im Bereich der Informations- und Kommunikationstechnologien stattgefunden haben, die

sämtliche Lebensbereiche durchdringen. Zum anderen „sind viele der wesentlichen technischen

und gesellschaftlichen Herausforderungen direkt oder indirekt mit der Logistik und einem

effizienten Supply Chain Management verbunden“ (ten Hompel, Henke 2014, S. 615).

Logistik 4.0


Die technischen Komponenten wie die digitale Vernetzung von physischen Objekten,

Dezentralität und Selbststeuerung, welche im vorangegangenen Teil der Arbeit für die

Anwendung im Produktionsbereich bereits detailliert beschrieben wurden, sollen in diesem Teil

der Arbeit nur noch anhand konkreter Beispiele im Logistikbereich erwähnt werden. In der

Transportlogistik können Spediteure ihre LKWs auf einer digitalen Live-Karte nachverfolgen und

auf sämtliche fahrzeugspezifischen Daten in Echtzeit zugreifen. Das setzt die Ausstattung mit

Sensoren und die kabellose Anbindung des Fahrzeugs an ein IT-System voraus. Ebenso

können aus den Positionsdaten des Smartphones Rückschlüsse auf den Verkehrsfluss im

Straßennetz gezogen werden. In der Materialversorgung gibt es bereits sich selbst steuernde

Systeme, die ohne Informationstechnologien funktionieren. Ein nach dem KANBAN-Prinzip

arbeitendes System kann die Wiederbeschaffung von am Ziel entnommenen Materialien, in

KANBAN Einheiten zusammengefasst, durch die vorgelagerte Quelle veranlassen (vgl.

Bousonville 2017, S. 5 ff.).

Einige Autoren wie ten Hompel und Kerner sind der Auffassung, dass mit der Verbreiterung des

IoT auch das Ausmaß an Autonomie und dezentraler Steuerung in Logistik- und

Produktionsprozessen steigen wird. Die beiden Experten verweisen auf Dezentralisierung und

Autonomisierung mit Hilfe von Multiagentensystemen (detaillierte Beschreibung in Kapitel 4.2.1).

In diesem Kontext sprechen sie von zellularen Transportsystemen, in denen Schwärme von

Fahrzeugen oder intelligente Behälter/Regale starre, monolithische Fördersysteme ablösen.

Henke und ten Hompel sprechen gar von einer radikalen Neugestaltung der innerbetrieblichen

Logistik, indem der ideale logistische Raum leer ist. Diese Annahme setzt voraus, dass sich das

logistische Layout und seine Knoten kontinuierlich an die Gegebenheiten eines volatileren

Produktions- und Handlungsumfeldes anpassen müssen. Stattdessen kommen Schwärme von

autonomen Fahrzeugen zum Einsatz und beliefern die ortsungebundenen Arbeitsstationen im

flexiblen Layout. Die Fahrzeuge sind in der Lage, voneinander zu lernen und sind daher bei der

Auftragsabwicklung nicht mehr an die Anweisungen eines zentralen Materialflussrechners

gebunden (vgl. ten Hompel, Kerner 2015, S. 179 f., zitiert nach Bousonville 2017, S. 7 f.; ten

Hompel, Henke 2014, S. 615 f.; ten Hompel, Kerner 2015, S. 179 f.).

Umsetzen lässt sich das „durch die digitale Repräsentation der einzelnen Elemente eines

Materialflusssystems als Softwareagenten, die in einem Multi-Agentensystem miteinander

Entscheidungen über Reihenfolgen oder das Routing verhandeln“ (Günther 2008, et al., zitiert

nach Bousonville 2017, S. 8). Auch Regale und Behälter werden Bestandteil des cyber-

physischen Systems und können bei Unterschreitung des Mindestbestands selbstständig und

autonom Nachschub von den Fahrzeugen anfordern (vgl. ten Hompel, Henke 2014, S. 616).

Ten Hompel und Kerner setzen sich aber auch mit den Problemen von Multiagentensystemen

auseinander. Die Autoren stellen fest, dass emergentes Verhalten von Multiagentensystemen zu

Logistik 4.0


Instabilität führen kann und somit das System in Zusammenhang mit dem Internet der Dinge

nicht zweifelslos als zeitinvariant gesehen werden kann (vgl. ten Hompel, Kerner 2015, S. 180).

Die Neuausrichtung der Logistik im Kontext mit CPS wird auch die Rolle des Menschen im

soziotechnischen System der Logistik 4.0 maßgeblich verändern. Damit der Mensch auch

künftig mit dem digitalen Umfeld des CPS kollaborieren kann, müssen neue technische

Lösungen gefunden werden. Ein möglicher Ansatz sind sogenannte PADs (Production Assistant

Devices). Damit repräsentiert sich der Mensch als Avatar, ein digitales Abbild des Individuums,

und ist so permanent mit der Cloud verbunden und online (vgl. vgl. ten Hompel, Kerner 2015, S.

180 f.).

Durch die stetige Zunahme der Modell- und Variantenvielfalt sämtlicher Produktgruppen, die

Ausdehnung des Internethandels verbunden mit den Anforderungen an Distributions- und

Rückgabezentren und das Bestreben von Unternehmen, die Lagerbestände mit Just-in-

time/Just-in-sequence-Strategien so klein als möglich zu halten, steigt auch die Komplexität,

welche durch den Einsatz von Cross-Docking-Centern gelöst werden kann (vgl. Besse 2018, S.

1). Von hier aus erfolgt der Umschlag und die Sortierung vorkommissionierter Waren. Der große

Vorteil beim Cross-Docking (CD) liegt darin, dass keine Lagerbestände aufgebaut werden und

damit Prozess- und Kapitalbindungskosten entfallen. Bei diesem bestandslosen Umschlag von

Gütern kommt die sogenannte Radio Frequency Identification (RFID-Technologie) zum Einsatz,

welche durch die automatisierte Verarbeitung mehrerer Sendungsinformationen den physischen

Materialfluss optimiert und lange Wartezeiten minimiert (vgl. Besse 2018, S. 2-12). Mittels

drahtloser Verbindung werden Daten zwischen einem Datenträger und einem Lese-

/Schreibgerät ausgetauscht (vgl. ebd., S. 21). Der Vollständigkeit halber sollen hier drei weitere

Verfahren zur automatischen Identifikation genannt werden (vgl. Finkenzeller 2015, S. 8, zitiert

nach Besse 2018, S. 21):

• Chipkarten

• Optical Character Recognition (OCR)

• Barcode-Systeme

Wie im Produktionsbereich werden in der Logistik die Speicherung, Verarbeitung und der

Austausch von Informationen einen großen Einfluss auf die Erfolgschancen der Logistik 4.0

haben. SAP hat bereits mit SAP HANA eine „In-Memory-Technologie“ präsentiert. Mit dieser

können große Datenmengen schnell ausgewertet und verarbeitet werden (vgl. Walker, SAP

HANA Starter, 2012, S. 2-3, zitiert nach Elminger 2017, S. 106).

Warehouse Management- und Lagerverwaltungssysteme


5 Warehouse Management- und Lagerverwaltungssysteme

Unter Warehouse Management werden in der Literatur die Funktionen Steuerung, Kontrolle und

Optimierung von Lager und Distributionssystemen als zentrale Aufgabenbereiche ausgewiesen.

Dazu gehören auch Funktionen der Lagerverwaltung (u.a. Mengen- und Lagerplatzverwaltung

sowie Fördermittelsteuerung und Disposition), Methoden zur Überwachung von

Systemzuständen und eine Auswahl von Betriebs- und Optimierungsstrategien. Die

Kernaufgabe eines WMS liegt also in der Optimierung und Steuerung von innerbetrieblichen

Materialflusssystemen (i. e. S. von Lager- und Transportsystemen). Um diese Aufgaben

ausführen zu können, sind besonders hohe Anforderungen der unteren Systemschichten

betreffend Durchsatz, Datenstabilität, Datensicherheit und – qualität zu berücksichtigen (vgl.

VDI-Fachbereich Technische Logistik). Der Einsatz eines Warehouse-Managementsystems

verfolgt das Ziel, Lageranzahl- und standorte sowie Bestände zu minimieren, offensichtliche

sowie indirekte Kosten, die nur schwer aufzudecken sind, zu optimieren, um das zeitliche

Reaktionsvermögen und die logistische Leistungsfähigkeit der Warenverteilsysteme insgesamt

zu verbessern. Unabdingbar für ein erfolgreiches WMS ist dabei der Aufbau von Vertrauen und

Sicherheit in das eingesetzte Kontroll- und Führungssystem. Die Datensicherheit und die

Transparenz von Abläufen bewerkstelligen diese Sicherheit auf Seiten der Disponenten und der

Lagerverantwortlichen. Das bildet die Basis für eine kontinuierliche Systemoptimierung und die

Reduktion von „Sicherheitsbeständen“. Durch den präzisen und sicheren Datenaustausch mit

übergeordneten Systemen mittels Schnittstellen können Waren schneller geortet und auf diese

zugegriffen sowie Reaktionszeiten verkürzt werden (vgl. ten Hompel, Schmidt 2010, S. 7 f.).

5.1 Begriffsabgrenzung Lagerverwaltung und Warehouse Management

Im deutschen Sprachgebrauch wird der Begriff Lagerverwaltung oftmals mit dem

englischsprachigen Begriff Warehouse Management gleichgesetzt. Bei näherer

Betrachtungsweise kristallisieren sich allerdings Unterschiede heraus.

Lagerverwaltungssysteme (LVS) sind im engeren Sinne Lagerbestandsverwaltungssysteme,

welche sich mit der Verwaltung von Mengen und (Lager-) Orten und deren Wechselwirkung

zueinander auseinandersetzen. Zum erweiterten Aufgabenbereich gehören auch die Steuerung

und Verwaltung von Transportsystemen. Im Vergleich zu LVS übernehmen WMS auch

übergreifende Verwaltungs- und Managementfunktionen. Ein weiteres Unterscheidungsmerkmal

lässt sich in der Systemführung ausfindig machen. Während WMS ausnahmslos rechengestützt

funktionieren, können LVS auch manuell ausgeführt sein (z. B. Lagerleiter mit

Karteikartensystem) (vgl. ten Hompel, Schmidt 2010, S. 8).



5.2 Systemschnittstellen und Aufgaben eines Warehouse Managementsystems im Lager (Miteinbezug von ERP)

Wie in Abschnitt 5 bereits erwähnt, dient ein Warehouse Managementsystem zur Steuerung und

Optimierung von innerbetrieblichen Lagersystemen. Durch das Zusammenspiel verschiedener

Systeme bestehen auch Verknüpfungen zwischen den Systemen der Materialwirtschaft (WWS-,

PPS- oder ERP-System), den Systemen des Materialflusses und der Kommissionierung

(Warehouse Control Systeme) sowie dem Materialflussrechner (MFR). Aufgrund der zahlreichen

Schnittstellen können einzelne Steuerungsmodule auch in angrenzenden Systemen Aufgaben

übernehmen. Eine exakte Abgrenzung der Funktionalitäten in der Praxis lässt sich also nicht

festlegen. Im Warenwirtschaftssystem (WWS) oder Enterprise Ressource Planning System

(ERP) werden die Warenströme artikel- und mengenmäßig erfasst, um die interne

Bestandsführung mittels der Bewegungsdaten zu überwachen. Bestandsverändernde Vorgänge

werden dem WWS- bzw. ERP-System über das WMS kommuniziert. Umgekehrt werden

Kundenaufträge und darin enthaltene Informationen (z. B. Lieferscheindaten) zur Durchführung

vom WWS ausgehend weitergeleitet. Während manuelle Materialflussoperationen keinen Zugriff

auf die untergelagerten Ebenen erfordern, greift das WMS bei halb- oder automatischen

Materialflussoperationen auf untergelagerte Schnittstellen zu. Beispielsweise werden die vom

WWS gesendeten Kundenaufträge im WMS aufbereitet und anschließend einzelnen

Kommissionierzonen zugeordnet. Die enthaltenen Entnahmeinformationen (Erstellung der

Pickreihenfolge und Einteilung der Entnahmemengen zu Fächern) für eine Kommissionierung

mittels Pick-to-Light Verfahren2 werden vom Warehouse Control System (WCS) umgesetzt. Zur

technischen Durchführung des Vorgangs greift ein Materialflussrechner (MFR) auf die

Feldebene (physische Ebene) zu und steuert die Fachanzeige an. Die Dokumentation des

Kommissioniervorgangs wird wiederum an die jeweils übergeordneten Ebenen zurückgemeldet

(vgl. ten Hompel, Schmidt 2010, S. 9 f.)

2 Fachanzeige direkt am Entnahmefach zur Anzeige der zu pickenden Artikel und Mengen (vgl. Wikipedia [10] o. S., o. J.)



Im folgenden Abschnitt sollen die Funktionen von WMS im Lager dargestellt werden. Die von

den Autoren ten Hompel und Schmidt angefertigte Abbildung zeigt den Prozess des WMS von

der Auftragserfassung und -verarbeitung bis hin zum Kommissionieren und dem Versand der

Fertigprodukte. Aufgrund der Wichtigkeit von ERP-Systemen im weiteren Verlauf dieser Arbeit

wurden die Systemfunktionen bei der Auftragsbearbeitung bereits angeführt. Warehouse

Managementsysteme gehören zu den strategischen Steuerungen und übernehmen dabei

Abbildung 17: FDS-Diagramm (Funktionen – Daten – Systeme) für Warehouse Management (ten Hompel, Schmidt 2010, S. 11)



planerische und dispositive Aufgaben in der Produktion und Logistik (vgl. Feldhorst, Libert 2010,

S. 30; ten Hompel, Schmidt 2010, S. 23 f.).

Für die Funktionsfähigkeit eines ERP-Systems braucht es eine Informationsversorgung des

Wertschöpfungsprozesses mittels eines vollständigen Stammdatenbestandes der

Produktionslogistik. Hier werden die Stücklisten, Materialdaten, Arbeitsplatzdaten und

Arbeitspläne zu einem Grunddatenbestand zusammengefasst (vgl. Bauer 2017, S. 91).

Stammdaten sind Teil der Basisdaten und haben einen statischen Charakter, d. h. sie werden

administrativ nach art- und mengenmäßiger Ordnung einmalig gebildet und bleiben über einen

längeren Zeitraum unverändert (vgl. Gudehus 2005, S. 463, zitiert nach Schiek 2008, S. 385).

Als Artikelstammdaten enthalten sie wesentliche Informationen, wie z.B. das Artikelgewicht.

Bestandsdaten ändern sich hingegen durch die logistischen Aktivitäten regelmäßig.

Abbildung 18: Grundelemente von Warehouse Managementsystemen und deren Bezug zu den Funktionen im Lager (ten Hompel, Schmidt 2010, S. 24)



Diese Daten geben Auskunft über gelagerte und bereitgehaltene Mengen der Artikel (vgl. ten

Hompel, Schmidt 2010, S. 65). Daneben gibt es noch sogenannte Bewegungsdaten, welche

während des laufenden Geschäftsbetriebes permanent als neue Daten erfasst und gespeichert

werden. Darunter fallen z.B. Warenein- und Warenausgänge (vgl. Witt 2014, S. 12).

ERP-Systeme in der Produktionslogistik beschäftigen sich auch mit Aufgaben der Bestellung

und Einlagerung von Gütern, deren Bereitstellung über Fremdlieferanten erfolgt. Dabei greift das

System auf Stammdaten aus dem Prozess „Beschaffen“ zurück (vgl. Bauer 2017, S. 107 ff.). Für

ERP-Systeme sind eine Vielzahl von verschiedenen Modulen erhältlich, für logistische Aufgaben

ist das SAP ERP Operations Modul eine sehr gängige Variante (vgl. Koch 2015, S. 274).

Mit der Bekanntgabe der Lieferung der Warenbestellung durch den Lieferanten startet im

empfangenden Unternehmen der Materialfluss. Bevor der eigentliche Wareneingang erfolgt,

werden über ein sogenanntes AVIS (Avisierung) Vorinformationen bereitgestellt. Diese können

Informationen wie Artikel, Menge und Lagerplatz enthalten. Damit wird in einer

prozessorientierten Organisation die Brücke zum ERP-System geschlagen. Die Avisierung dient

auch zur Vereinbarung eines exakten Liefertermins. Damit soll sichergestellt werden, dass es

bei einer hohen Frequenz an Warenanlieferungen zu keinen Kapazitätsproblemen und

Lastspitzen auf Seiten der Warenannahme kommt. Im wichtigen Prozessschritt der

Warenannahme werden über dem Lieferavis der angekündigte Warenzugang mit der Bestellung

abgeglichen und die Informationen vorläufig in das bestandsführende System übernommen (vgl.

ten Hompel, Schmidt 2010, S. 24 f.). Im nächsten Schritt erfolgt der Wareneingang. Ein

Wareneingangsbearbeiter überprüft die mengenmäßige Übereinstimmung mit der Bestellung

und bestimmt für die Weiterleitung der Lieferung das Werk, den Lagerort und die Bestandsart

(frei verfügbarer Bestand). Zur Umsetzung stützt man sich auf die Stammdaten des

Materialbestandes und auf die Lagerdaten (vgl. Kurbel 2016, S. 270). Sollten im Lieferavis

zusätzliche Positionen gebucht werden, die in der Bestellung nicht aufscheinen, kann das

Customizing3 pro Bewegungsart so eingestellt werden, dass im Hintergrund eine automatische

Bestellung dieser Positionen nach dem Wareneingang angestoßen wird. Die

Nachschubsteuerung zählt zu den Grundelementen eines WMS (vgl. SAP AG [1] 2001, o. S.).

Der Wareneingang ist auch an eine physische Wareneingangsprüfung gekoppelt. Dabei wird

neben der Art und Menge der Güter auch die qualitative Beschaffenheit durch die

Qualitätssicherung kontrolliert (vgl. ten Hompel, Schmidt 2010, S. 25). Gebucht wird der

Wareneingang durch Abspeichern des Formulars im ERP SAP. Dabei werden die Bestände im

3 Customizing ist die Anpassung einer hoch integrierten Standardsoftware (z.B. SAP ERP) and die funktionalen und organisatorischen Gegebenheiten eines Unternehmens. Die Schwierigkeit beim Customizing ist es, den Spagat zwischen kundenindividueller Anpassung an Wünsche einer (Fach)Abteilung und größtmöglicher Standardisierung des Systems zu schaffen (vgl. Bauer 2017, S. 83).



Hintergrund angepasst und der Wareneingang erhält ein Label zur Identifikation der Ladeeinheit

bzw. des Zielortes (vgl. Kurbel 2016, S. 270). Ebenfalls Bestandteil des Wareneingangs und

Grundelement eines WMS sind sogenannte Hofmanagementsysteme (englisch Stock- and

Yardmanagement). Ihre Aufgabe besteht in der Koordination des Verkehrsflusses innerhalb des

Betriebsgeländes und in der Vermeidung unnötiger Such- und Rangierfahrten. Bevor der

eigentliche Einlagerungsprozess beginnen kann, müssen noch Lagereinheiten gebildet werden.

Das ist vor allem dann wichtig, wenn eingehende Güter in nicht genormten Behältergrößen mit

dem firmeninternen Materialflusssystem inkompatibel sind. Sollte das der Fall sein, ist ein

Umfüllen in interne Behälter und eine Zusammenfassung zu verbrauchskonformen Einheiten

notwendig (vgl. ten Hompel, Schmidt 2010, S. 25 ff.).

Anschließend beginnt die Einlagerung. Zunächst beginnt man mit der Prüfung, ob Aufträge aus

dem Warenausgang (WA) bzw. dem Versand zur Komplettierung mit den Gütern aus dem

Wareneingang aufgefüllt werden müssen (WE). Bei einer positiven Prüfung durch das WMS

können die benötigten Güter des WE direkt zum Versandbereich bzw. Bearbeitungsbereich

transportiert werden. Dieser Vorgang ist auch als „Durchlagerung“ bekannt. Ein ähnliches aber

umfassenderes Konzept verfolgt das Cross-Docking (siehe Abschnitt 4.2.2). Anderenfalls

werden die Güter in das Lager transportiert. Die als Ladeeinheit vorbereiteten Materialien

werden vom Identifikationspunkt (I-Punkt) erfasst, sofern dies nicht schon bei der

Wareneingangsprüfung geschehen ist, und einem Lagerplatz zugewiesen (vgl. Heiserich 2011,

et al., S. 68). Automatische Transportleitsysteme führen diese zu den Lagerbereichen. Hierzu

werden vom WMS die Transportziele festgelegt. Zur Vermeidung einer physischen Suche nach

einer falsch gelagerten Transporteinheit sollte im hochintegrierten Materialflusssystem ein

System zur lückenlosen Dokumentation aufgebaut werden. Zu nennen sind hier Methoden zur

Lokalisierung von Ladungsträgern durch Tracking und Tracing oder die Fehlervermeidung durch

die Verwaltung von Fördermittel als virtuelle Lagerorte (vgl. ten Hompel, Schmidt 2010, S. 29).

Der Einlagerungsprozess unterliegt einer ständigen Überwachung und mit der Dokumentation

des Einlagerungsortes und der Einlagerungszeit findet der Prozess seinen Abschluss (vgl. ten

Hompel, Schmidt 2010, S. 31).

In der Lagerverwaltung wird auch die Lagerplatzvergabe verwaltet. Die Vergabe ist von vielen

betriebstechnischen, sicherheitstechnischen und rechtlichen Kriterien abhängig. Der Ort der

Einlagerung hängt aber auch von der physischen Größe des Lagergutes ab (vgl. ebd., S. 30).

Die Lagerplatz- und Mengenverwaltung bildet das Rückgrat eines modernen WMS. Aus

materialwirtschaftlicher Sicht sollten bei der Implementierung einer Lagerplatzverwaltung drei

Ziele erfüllt werden (vgl. Fandel 1994, et al., S. 346):

• Die Einlagerungszeit der angelieferten Güter sollte so kurz als möglich sein



• Bei der Auslagerung der benötigten Güter sollte sich die Zugriffszeit auf ein Minimum

beschränken

• Der Lagerplatz sollte im Idealfall flexibel nutzbar sein

Bei der Materialeinlagerung unterscheidet man zwischen dem Festplatzsystem und dem Prinzip

der chaotischen Lagerhaltung (vgl. Demmelmeier 1989, S. 180 ff.; Dolezalek 1981, S. 188 f.;

Eschenbach 1990, S. 231; Mertens 1993, S. 115 f., zitiert nach Fandel 1994, et al., S. 346). Bei

ersterem werden die Materialien einem bestimmten Lagerort fix zugewiesen. Die zweite

Methode wurde erst durch moderne Lagerverwaltungssysteme realisiert: hier kann prinzipiell

jede Lagereinheit auf verschiedene Lagerplätze verteilt werden, vorausgesetzt, dass innerhalb

des Lagers ein Platz frei ist (vgl. Fandel 1994, et al., S. 346). Bevor am I-Punkt ein Einlagerplatz

vergeben werden kann, muss geprüft werden, ob ein Lagerplatz verfügbar ist. Zugleich muss

vermieden werden, dass in der Zeitspanne zwischen Zuweisung und Abschluss der Einlagerung

ein Platz doppelt vergeben wird. Aus diesem Grund können Plätze für bestimmte Artikel

reserviert werden (vgl. ten Hompel, Schmidt 2010, S. 55). Bei der Mengenverwaltung geht es

um die Gewährleistung eines fortwährenden Bestands von Waren. Eine Bestandsführung

verwaltet und registriert die Materialbewegungen und löst bei Über- oder Unterschreiten der

Meldegrenzen eine Aktion (Umlagern, Bestellen, etc.) aus (vgl. ten Hompel, Schmidt 2010, S.

56).

Liegt ein Auftrag zur Auslagerung vor, muss zunächst überprüft werden, ob der Auftrag realisiert

werden kann. Wenn ja, werden die auszulagernden Mengen und Lagereinheiten reserviert, um

Fehlmengen bei nachfolgenden Aufträgen zu vermeiden.

Das WMS greift bei der Disposition auf verschiedene Auslagerungsstrategien zurück, darunter

das FIFO (First-in-First-Out) und LIFO (Last-in-First-Out)4 Verfahren (vgl. ten Hompel, Schmidt

2010, S. 32 f.).

Im Anschluss muss das WMS den Lagertyp bestimmen, aus welchem das Material ausgelagert

werden soll. Hat das System eine Auswahl getroffen, muss es innerhalb dieses Lagertyps einen

geeigneten Lagerplatz suchen, aus dem das Material entnommen werden soll (vgl. SAP [1]

2013, o. S.). Nach durchgeführter Auslagerung erfolgt eine Rückmeldung an das LVS und die

Aktualisierung des verminderten Lagerbestandes, um die entnommene Menge sowie die

Streichung der Reservierung (vgl. ten Hompel, Schmidt 2010, S. 33).

4 Das FIFO-Verfahren (first in – first out) besagt, dass zuerst eingelagerte bzw. hergestellte Waren auch zuerst wieder verbraucht werden. Beim LIFO-Verfahren (last in – first out) wird im Gegensatz zum FIFO-Verfahren die zuletzt eingelagerte Ware als erstes verwendet (vgl. Kluck 2002, S. 106 ff.; Oeldorf, Olfert 2002, S. 216, zitiert nach Wannenwetsch 2007, et al., S. 65).



An sogenannten Konsolidierungspunkten werden zur Aktualisierung des Auftragsstatus Soll-

und Ist-Daten abgeglichen. Daraus können materialflusstechnische Entscheidungen, wie das

Festlegen des Transportziels, getroffen werden (vgl. ebd., S. 24).

Für die Abwicklung von Kunden- bzw. Produktionsaufträgen aufgrund von Bedarfsinformationen

werden mehrere Artikel aus einer Gesamtmenge in der Kommissionierung zusammengestellt

und für den Versand fertig gemacht. Die Kommissionierung ist dabei ein hochkomplexer

Prozess, der eine Verflechtung von technischen Gewerken, Ablauf- und Organisationsstrukturen

sowie Informationsmanagement voraussetzt. Die Planung und Organisation eines

Kommissioniersystems sollte daher immer im Gesamtkontext eines innerbetrieblichen

Materialflusssystems gesehen werden (vgl. ten Hompel, Schmidt 2010, S. 34). Damit in der

Kommissionierung ein reibungsloser Ablauf ohne größere Verzögerungen gewährleistet werden

kann, gehört die Überwachung der Bereitstellmengen sowie das rechtzeitige Auslösen eines

Nachschubs zu den wesentlichen Aufgaben eines WMS (vgl. ebd., S. 50 f.). Wie eine

automatische Bestellung im Hintergrund durch das Customizing ablaufen kann, wurde in diesem

Kapitel bereits thematisiert.

Bevor die kommissionierten Güter in den Versand gehen, müssen diese noch nach bestimmten

Kriterien zusammengeführt und für den Transport sicher verpackt werden. Da Aufträge oftmals

aus vielen Teilmengen aus unterschiedlichen Lagerbereichen bestehen, werden die Güter in

einem ersten Schritt zusammengeführt, auf Vollständigkeit geprüft und zu fertigen

Transporteinheiten zusammengestellt. Abschließend wird im Verpackungsbereich der

Auftragsstatus mit der Fortschreibung des Status des Auslagerungsauftrags aktualisiert (vgl.

ebd., S. 51 f.).

Mit dem Versand enden die lagerinternen Aufgaben eines WMS. Neben der Auswahl der

optimalen Versandart bzw. des optimalen Transportmittels und der Verladung zählen auch

Kontroll- und Organisationsaufgaben zu den Tätigkeiten im Versand. Mit dem Scannen der

verladenen Einheiten zur Quittierung des Auftragsabschlusses und dem Erstellen von

Frachtpapieren ist der Prozess abgeschlossen und das Frachtgut kann an den Empfänger

gehen (vgl. ebd., S. 53).

5.3 Arten von betriebswirtschaftlicher Standardsoftware

Wesentliche Faktoren beim Generieren von Wettbewerbsvorteilen sind Agilität, Flexibilität und

Reaktionsschnelligkeit. Ohne moderne Informationstechnologien innerhalb einer Supply Chain

wäre das undenkbar. Aus diesem Grund haben sich Softwaresysteme durchgesetzt, vor allem

im Bereich der Standardsoftware. Im Vergleich zur Individualsoftware haben diese den großen



Vorteil, dass sie möglichst viele Bedürfnisse und Anforderungen verschiedener Unternehmen

abdecken und unternehmerisch vertrieben werden können. Eine Individualsoftware wird

hingegen eigens für die Bedürfnisse eines einzelnen Unternehmens entwickelt, entweder vom

Unternehmen selbst oder in Form einer Fremdvergabe an ein Softwareunternehmen. Als

führende Standardsoftware hat sich das Enterprise Resource Planning (ERP) durchgesetzt.

ERP-Systeme decken dabei alle betrieblichen Funktionen eines Unternehmens ab. Das

Einsatzgebiet umfasst dabei: das stochastische Materialmanagement und die Beschaffung (MM:

Materials Management), den Vertrieb (SD: Sales and Distribution) sowie das deterministische

Materialmanagement inklusive Zeit-, Termin-, und Kapazitätsmanagement (PP: Production

Planning). Darüber hinaus sind ERP-Systeme in das Rechnungswesen integriert und

übernehmen sämtliche Abläufe in der Finanzbuchhaltung, Personalwirtschaft und in der

Kostenrechnung. Dabei kann das ERP auf einen integrierten Datenbestand (Stamm- und

Bewegungsdaten) zurückgreifen, welcher wiederum dem APS5 (Advanced Planning and

Scheduling) zur weiteren Planung zur Verfügung gestellt wird. Die Ergebnisse aus dieser

Planung werden umgekehrt an das ERP übermittelt und in Form elektronischer Belege vom

ERP-System abgespeichert (vgl. Witt 2014, S. 6 ff.; Schönsleben 2016, S. 381-388).

Die Performance und Effizienz einer Logistikkette hängt dabei stark vom Zusammenspiel

zwischen dem im Betrieb integrierten ERP und WMS ab. Daher werden WMS häufig in

bestehende ERP-Landschaften integriert. Als führender Anbieter einer solchen

betriebswirtschaftlichen Standardsoftware für Lagerverwaltung kann das Unternehmen SAP

genannt werden. Seit der Veröffentlichung von SAP R/3-Release 2.0 hat das Unternehmen eine

Vielzahl von Softwaremodulen, welche in der SAP Business Suite zusammengefasst sind, auf

den Markt gebracht. Diese Business Suite umfasst neben der Kernkomponente SAP ERP auch

Softwareprodukte wie SAP Supply Chain Management (SCM), Customer Relationship

Management (CRM), Product Lifecycle Management (PLM) und Supplier Relationship

Management (SRM). SAP ERP übernimmt dabei die Rolle eines Führungssystems, weil es über

Schnittstellen alle anderen Anwendungen mit relevanten Daten (Stamm- und Bewegungsdaten)

versorgt. Die Daten aus SAP ERP werden wiederum von anderen Anwendungen ergänzt und

aktualisiert (vgl. Kappauf 2012, et al., S. 102; Witt 2014, S. 11 f.). Im letzten Teil der Arbeit wird

das Augenmerk auf den Analysegegenstand SAP EWM gerichtet, um im Rahmen der

Literaturanalyse zu überprüfen, ob sich SAP EWM als zentral geführtes System an die

Anforderungen von Industrie 4.0 anpassen kann.

5 APS- bzw. SCM-Software werden für die unternehmensübergreifende Planung und Steuerung einer Supply Chain eingesetzt (vgl. Schönsleben, 2016, S. 385).



5.4 Am Beispiel SAP EWM (Teilkomponente SAP SCM)

Neben der Integration von Warehouse Management (WM) in die SAP ERP Domäne wurde die

Business Suite von SAP um das SAP Extended Warehouse Management (SAP EWM) erweitert.

Zunächst war SAP EWM Teil von der SAP-Lösung Service Parts Management (SPM), zuständig

für das Ersatzteilmanagement. Heute lässt es sich einem der fünf Anwendungsgebiete der SAP

Supply Chain Management Software (SAP SCM) zuordnen. SAP EWM wurde jedoch von

Anfang an als unabhängige Anwendung konzipiert und kann daher universell im Lagerumfeld

eingesetzt werden. Allerdings gilt zu beachten, dass der Name EWM sowohl zu den

Funktionalitäten von ERP (ERP EWM) als auch zu jenen von SCM (SAP EWM) zugeordnet

werden kann. SAP ERP Extended Warehouse Management ist jedoch eine Erweiterung der

SAP ERP Lagerverwaltung und steht daher in keinem Zusammenhang zum 2006 eingeführten

SAP EWM. Entwickelt wurde es für komplexe Lager- und Distributionszentren mit einer Vielzahl

von Produkten, hohem Durchsatz- und Dokumentenvolumen. SAP EWM ersetzt jedoch keine

ERP-basierte Warehouse Management Systeme, es unterstützt und erweitert diese viel mehr

durch dezentrale Lagersysteme (vgl. Kappauf 2012, et al., S. 103; Carter, 2010, et al., S. 33 f.;

Lange 2017, et al., S. 35 f.).

5.4.1 Definition von SAP EWM

Warehouse-Management-Systeme in komplexen Distributions- und Lagerzentren sind eine

Weiterentwicklung klassischer Lagerverwaltungssysteme (LVS), deren Leistung weit über eine

Unterstützungsfunktion von typischen Basisprozessen wie Wareneingang, Warenausgang und

Nachschub hinausgeht. Die Durchführung und Steuerung komplexer Prozesse wie das bereits

beschriebene Yard Management setzt vom WMS eine vollständige Integration der

Materialflusssteuerung als Anbindung an speicherprogrammierbare Steuerungssysteme (SPS)

voraus. Die Applikation SAP EWM ermöglicht das detaillierte Management von Lagerplätzen

und bietet automatisierte Unterstützung bei der Durchführung physischer Warenbewegungen,

von der Organisation und Steuerung bis hin zu Überwachung. Darunter fallen auch

Aufgabenbereiche wie die Umsetzung von Lagerkonzepten oder die Steuerung der

Warenverteilung durch Fördermittel innerhalb automatisierter Lagerbereiche. Des Weiteren

kümmert sich EWM um die Verwaltung von Beständen im Lager. Die umfassende Integration

von EWM in die Lieferabwicklung und Bestandsführung von SAP ERP ist dabei wichtig, weil von

dieser Komponente die Stamm- und Bewegungstasten bereitgestellt werden (vgl. Witt 2014, S.

15; SAP [a] 2020, o. S.; Lange 2017, et al., S. 33 f.). Die Kommunikation zwischen einem SAP

ERP- und EWM-System erfolgt über Wareneingangs- und Warenausgangsaktivitäten. Die bei

der An- und Auslieferung generierten Bewegungsdaten werden zwischen den beiden Systemen



über sogenannte queued Remote Function Calls (qRFC) asynchron und unter Beachtung der

Reihenfolge übermittelt und verarbeitet. Durch die enge Verknüpfung des ausführenden EWM-

Systems mit den physischen Systemabläufen hat auch nur das EWM-System die

Prozesskontrolle, beispielsweise um einen Beleg im System zu ändern. Angelegt wird der

Lieferbeleg zunächst vom SAP ERP, ehe die Daten zur Weiterverarbeitung an das EWM

geschickt werden. Nach dem Beginn einer Lageraktivität wie der Wareneingangsbuchung kann

der übereinstimmende Lieferbeleg vom SAP ERP nicht mehr geändert werden. Von da an

werden Änderungen an der Lieferung nur noch vom dezentral agierenden SAP EWM

angestoßen und an das SAP ERP kommuniziert (vgl. Lange 2017, et al., S. 37).

Der Datentransfer der Stammdaten vom ERP ins SCM erfolgt technisch ebenfalls über einen

queued Remote Function Call (qRFC), die Anbindung des SAP ERP an das SAP EWM ist

jedoch Aufgabe des Core Interface (CIF). Als Teil des SCM-Systems ist es für die Replikation

von Stammdaten verantwortlich und sorgt dafür, dass die Stammdaten im SCM-System stets

aktualisiert werden. Bei den Stammdaten ist allerdings das SAP ERP das tonangebende

System. Das zeigt sich auch an der Tatsache, dass die vom EWM durchgeführten Änderungen

an den zentralen Stammdaten bei der Ausführung der Replikation aus dem SAP ERP zum Teil

wieder überschrieben werden können (vgl. Lange 2017, et al., S. 123 f.).

Abbildung 19: Kommunikation zwischen SAP ERP und SAP EWM bezüglich der Bewegungsdaten (Lieferungen) (Lange 2017, et al., S. 38)



Bevor es überhaupt zum Datenaustausch kommen kann, muss ein Lager auch als ein vom

EWM-System verwaltetes Lager definiert werden. Das geschieht über die SAP ERP

Lagernummer, welche Auskunft über die physische Zahl der Lager gibt. Die Lagernummer ist

gleichzeitig das höchste Organisationselement in der Hierarchie des SAP EWM. Alle

Organisationselemente darunter, wie der Lagerplatz, werden ausnahmslos vom SAP EWM ohne

Kenntnis vom SAP ERP organisiert und verwaltet (vgl. ebd., S. 65-67).

5.4.2 Funktionen von SAP EWM

Dieser Abschnitt bildet gleichzeitig den Untersuchungsgegenstand, auf Basis dessen die

Themenschwerpunkte mit Hilfe der Literaturanalyse gesetzt, klassifiziert und auf deren Eignung

für Industrie 4.0 evaluiert werden. Bereits in der Einführung der Arbeit wurde festgehalten, dass

sich diese Herangehensweise in der Masterarbeit von Lichtlein als zielbringend erwiesen hat.

Aus diesem Grund wird zur Beantwortung der zweiten Forschungsfrage eine ähnliche Methode

gewählt. Bei der inhaltlichen Ausgestaltung der Funktionalitäten wird stark auf die Literatur von

Lange et al. mit dem Titel „Warehouse Management mit SAP EWM: Prozesse und Customizing

der Lagerverwaltung mit SAP Extended Warehouse Management 9.4“ sowie auf das von SAP

zur Verfügung gestellte SAP Help Portal Bezug genommen. Während das Werk von Lange et al.

dabei behilflich ist, die Funktionalitäten schlüssig zu gliedern, liefert das SAP Help Portal das

notwendige Detailwissen, um den gewünschten Inhalt auch für Leser/Leserinnen ohne

Expertenwissen verständlich aufzubereiten.

SAP EWM unterstützt sämtliche logistischen Prozesse im Lager und ist daher auch ein

wichtiges Tool zur Optimierung von Lagerkosten, Wegstrecken, Ressourcen, etc. und zur

Reduktion der Prozesskomplexität. Die wichtigsten Funktionen von SAP EWM, welche eine

Eignungsprüfung im Hinblick auf Industrie 4.0 erfordern, werden in diesem Kapitel behandelt.

5.4.2.1 Materialflusssteuerung und Materialflusssysteme

Dank dem Materialflusssystem (EWM MFS) kann die automatische Fördertechnik im Lager ohne

zusätzlichen Steuerrechner an das SAP EWM angebunden werden. Mittels

Telegrammkommunikation können Lageraufgaben vom EWM direkt an die

speicherprogrammierbare Steuerung (SPS) übergeben werden, ohne ein weiteres

Lagersteuersystem dazwischen schalten zu müssen. Aus dieser engen Verflechtung zwischen

Lagerverwaltung und Materialflusssystem ergeben sich Wechselwirkungen, von denen beide

Systeme profitieren. Das SPS steuert dabei in Echtzeit den physischen Transport von Handling

Units (HU) auf den Förderanlagen. Aus dieser Kommunikationsschnittstelle ergeben sich



Synergien für beide Komponenten. Das Lagerverwaltungssystem kann seine Strategien dem

Auslastungsgrad der Fördertechnik anpassen. Umgekehrt erhält das Materialflusssystem (MFS)

Daten und Funktionen aus der Lagerverwaltung.

Wenn mehrere SPS-Systeme implementiert und über dieselbe Schnittstelle mit SAP EWM

kommunizieren sollen, empfiehlt es sich im Customizing Schnittstellentypen zu definieren (vgl.

SAP [b] 2020, o. S.; Lange 2017, et al., S. 43).

Dem SAP EWM-System können außerdem Kapazitätsgrenzen vorgegeben werden und bei

Überschreitung dieser Grenzen erteilt es der SPS keine weiteren Aufgaben. Wurde eine solche

Situation als Alert-Profil festgelegt, meldet das System bei mangelnder Kapazität automatisch

einen Fehler. Dieses wird in einem Protokoll gespeichert und kann über einen Alert-Monitor

aufgerufen werden (SAP [c] 2020, o. S.; SAP [d] 2020, o. S.).

Die layoutorientierte Lagerungssteuerung steuert über das Materialflusssystem die Handling

Units (HU)6, beispielsweise wie sich eine HU von einem Meldepunkt bis zum nächsten

Meldepunkt bewegen soll. Wurde im Customizing für EWM ein Lagertyp definiert, kann mittels

Lagerverwaltungsmonitor der MFS-Prozess aufgerufen, ausgewertet und bei Fehlfunktion

beeinflusst werden (vgl. Lange 2017, et al., S. 937 ff.; SAP [e] 2020, o. S.).

5.4.2.2 Monitoring

Der Lagerverwaltungsmonitor ist dank seiner Vielzahl an vordefinierten Reports für Belege und

Prozesse ein wesentliches Instrument zur Überwachung, Steuerung und Kontrolle der

Lageraktivitäten. Gleichzeitig können die gezielte Steuerung, Zuordnung und Initiierung von

Arbeitsabläufen realisiert werden (vgl. Lange 2017, et al., S. 53). Der Lagermonitor gibt aber

nicht nur einen Überblick über den Ist-Zustand des Lagers, mit diesem ist es auch möglich, aktiv

in die Prozesse einzugreifen, um auf ungewollte Ereignisse schnellstmöglich reagieren und

Korrekturmaßnahmen einleiten zu können (vgl. ebd., S. 41). Der SAP-Standardmonitor ist

prinzipiell so aufgebaut, dass es einem Framework mit vordefinierten Reports im SAP-Standard

entspricht, mit deren Hilfe der Lagermonitor schnell und flexibel auf die unterschiedlichsten

Ansprüche eines Prozesses angepasst werden kann (vgl. ebd., S. 53). Unterstützend kommt

hinzu, dass sich eigene Monitore vollständig definieren lassen und auch eigene Reports im

Monitor integriert werden können (vgl. ebd., S. 53). Abhängig von der Anforderung stehen in den

einzelnen Geschäftsprozessen viele Reports zur Verfügung. So gibt es beispielsweise für den

6 Eine Handling Unit ist ein physischer Ladungsträger, auf dem sich die Waren befinden. Typische HUs bestehen immer aus einer Kombination von Packmitteln und Produkten (vgl. SAP [f] 2020, o. S.).



Wareneingang eigene Reports für die Qualitätsprüfung oder für die Einlagerung von Waren (vgl.

ebd., S. 884).

Neben dem Lagerverwaltungsmonitor gibt es mit dem Easy Graphic Framework (EGF) und dem

grafischen Lagerlayout noch zwei weitere Möglichkeiten im Monitoring (vgl. SAP [g] 2020, o. S.).

Beim Easy Graphic Framework können sogenannte Cockpits konfiguriert werden, welche Daten

über definierte Lagerkennzahlen und Objekte, im Gegensatz zu textbasierten Monitoren,

grafisch anzeigen. Gängige Chart-Typen sind dabei Ampeln, Tachometer, Balken- und

Säulendiagramme. Standardmäßig übernimmt die grafische Ausgestaltung der Daten der

Grafikanbieter SAP Internet Graphics Server (SAP IGS). Nicht nur die Darstellungsform eines

Lagercockpits lässt sich individuell konfigurieren, EGF bietet auch die Möglichkeit,

individualisierte Lagercockpits mit eigenen Kennzahlen (z. B. Füllgrad eines bestimmten

Lagerbereichs), Objekten und Funktionen zu implementieren (vgl. SAP [h] 2020, o. S.; Lange

2017, et al., S. 900 f.).

Das grafischen Lagerlayout (GLL) von EWM bietet die Funktion, das Lagerinnere als

zweidimensionale Grafik darzustellen. Diese Darstellungsform verschafft nicht nur eine grafische

Information über die Bestandssituation, Platzauslastung oder über den Zustand von

Fördertechniksegmenten, es lässt sich zudem überprüfen, ob die im Customizing angegebenen

Stammdaten (standardmäßig Lagernummer und -typ) korrekt sind. Angezeigt werden immer die

Lagerdaten pro Lagernummer. Gill-Objekte können aber auch zur realitätsnahen Abbildung von

weiteren Objekten wie Büros und Wände ergänzt werden (vgl. Lange 2017, et al., S. 909; SAP

[i] 2020, o. S.).

5.4.2.3 Erweiterte Produktionsintegration

Ziel der erweiterten Produktionsintegration ist die Integration des Produktionsprozesses von der

Versorgung der Produktion mit Produkten bis zur Einlagerung produzierter Artikel aus der

Produktion in das Extended Warehouse Management (EWM). Ein wesentlicher Vorteil aus der

Produktionsintegration in EWM ergibt sich durch die problemlose Verknüpfung mit externen

Fertigungssystemen (MES Manufactoring Execution-System) über Standardschnittstellen (API

Application Programming Interfaces). Die für den Produktionsprozess benötigten Komponenten

werden über Verbrauchsbuchungen aus dem Lagerbestand ausgebucht und anschließend

wieder als Halb- und Fertigerzeugnisse aus der Produktion auf definierten Lagerplätzen

eingelagert (vgl. Lange 2017, et al., S. 1025).



Der Prozess beginnt mit dem Anlegen eines Produktionsauftrages in SAP ERP. Mit der

vollständigen Erfassung des Produktionsauftrages, welcher Angaben zum produzierenden

Fertigerzeugnis und zur Produktionsmenge enthält, wird die Materialbereitstellung für den

Produktionsauftrag im ERP-System vorgenommen. Damit die Teilschritte Kommissionierung,

Bereitstellung und der anstehende Verbrauch wieder aus dem EMW-System herausgebucht

werden können, muss vom System eine Produktionsmaterialanforderung (PMA) im SAP EWM

erstellt werden. Die PMA enthält Informationen über benötigte Materialien und Mengen für den

gesamten Produktionsauftrag und wird auf Basis der Auftragsinformation über die qRFC-

Schnittstelle angelegt. Danach wird die Kommissionierung und Bestandsfindung der benötigten

Komponenten ausgeführt, welche im Anschluss aus dem Lagerplatz zum vorgegebenen

Produktionsversorgungsbereich (PVB) verschoben werden. „Die Bereitstellungsmenge kann

dabei abhängig von einer aus Lagerhaltungssicht sinnvollen Menge (…) mit den

Auslagersteuerungsregeln des Warenausgangsprozesses konfiguriert werden“ (Lange 2017, et

al., S. 1036). Der Verbrauch der Waren durch die Produktion wird im System ausgebucht. Nicht

genutzte Materialien gehen an den Produktionsbereitstellungsbereich zurück. Neben der

Warenausgangsbuchung für verbrauchte Materialien wird die PMA in SAP EWM aktualisiert und

der Produktionsauftrag im ERP-System auf „TECH. ABESCHL.“ gesetzt. Im Anschluss werden

die Fertigerzeugnisse, Neben- oder Kuppelprodukte des Produktionsauftrages in das EWM-

verwaltete Lager als Wareneingänge eingebucht und Anlieferungen (PDI) sowie Handling Units

erstellt. Die Grundlage dafür liefert der erwartete Wareneingangsbeleg, der vom ERP-System

freigegebenen Produktionsauftrag abgeleitet wird (vgl. Lange 2017, et al., S. 1028 ff.; SAP [j]

2020, o. S.).

Abgeschlossen wird der Prozess der Produktionsintegration durch die Einlagerung der

produzierten Artikel. Die Handling Units werden von der Produktionslinie zum finalen Lagerort

befördert (vgl. Lange 2017, et al., S. 1044).

5.4.2.4 Wareneingangs- und ausgangsprozesse

Der Wareneingangsprozess (WE) erstreckt sich vom Entladen des LKWs bis zur finalen

Einlagerung der Waren am dafür vorgesehenen Lagerplatz. Die einzelnen Prozessschritte

werden dabei durch SAP EWM unterstützt. Der Wareneingang kann auf drei verschiedene Arten

angestoßen werden: über einen Produktionsauftrag, über Bestellungen und bei besonders

exakten Mengen gemäß Lieferplan nach Lieferavis.

Damit sich das Lager optimal auf Warenlieferungen vorbereiten kann, muss der Lieferant zuvor

Anlieferungsinformationen mittels elektronischem Datenaustausch (EDI Electronic Data

Interchange) oder über SAP Supply Network Calloboration (SAP SCN) an das SAP ERP-



System des Empfängers übermitteln. Bei diesem wird systemseitig auf Basis der avisierten

Lieferdaten (ASN Advanced Shipping Notification) eine Anlieferung im Rahmen des

administrativen Wareneingangs erfasst und mittels qRFC in das EWM-System übertragen.

Erfolgt die Ankündigung nicht durch ASN, sondern durch Produktionsaufträge oder

Bestellungen, wird das EWM-gesteuerte Lager über den Belegtyp “erwartete Wareneingänge“

(EGR) informiert. Bei Verwendung von ANS wird anschließend im EWM ein Beleg für die

Anlieferungsbenachrichtigung (IDN Inbound Delivery Notification) erstellt und darüber hinaus

eine Validierung der Lieferinformationen auf Vollständigkeit sowie Konsistenz durchgeführt (vgl.

Lange 2017, et al., S. 344 ff.). Nach Abschluss dieses Vorgangs kann automatisch über das

Post Processing Framework (PPF) eine Anlieferung (ID Inbound Delivery) in EWM erstellt

werden. Das EWM ermittelt aus der aktivierten Anlieferungsbenachrichtigung relevante Aktionen

und Daten für die Ausführung des Wareneingangsprozesses. Diese Aktionen beinhalten die

Lagerprozessart, das Entladetor, die automatische Verpackung, die automatische

Lageraufgabenerstellung, die vorläufige Einlagerplatzermittlung und die Ermittlung der

Anlieferpriorität (vgl. ebd., S. 351 ff.). EWM bietet auch die Möglichkeit, Transporte im Lager

anzukündigen. Die Übermittlung der Transportdaten erfolgt, ähnlich wie beim WE, über EDI. Das

EWM kann mit den Transportdaten automatisch Transporteinheiten (TE) erstellen (vgl. ebd., S.

362 f.).

Genauso wie beim WE ist der Warenausgang (WA) ein komplexes Unterfangen, bei dem das

SAP EWM einen physischen Abgang von Waren in die Wege leitet. Mit der

Warenausgangsbuchung reduziert sich auch der Lagerbestand. Aus den von anderen SAP-

Systemen übermittelten Anforderungen für einen WA erstellt das EWM Lageranforderungen mit

dem Typ Auslieferungsauftrag (vgl. SAP [k] 2020, o. S.). Aus der Lageranforderung wird für

sämtliche Lagerbewegungen eine Lageraufgabe erstellt und diese zu Lageraufträgen gegliedert.

Darauf aufbauend beginnt die Kommissionierung (vgl. SAP [l] 2020, o. S.). Zur Optimierung des

WA-Prozesses können Lageranforderungspositionen (LANF-Positionen) auch zu Wellen

zusammengefasst werden. Ziel ist es, Positionen aus Lageranforderungen aufgrund bestimmter

Aktivitäten (Kommissionierbereich, Route, Produkt, etc.) in Wellen zu bündeln. Es besteht die

Möglichkeit, Wellen im EWM automatisch oder manuell anhand von Wellenvorlagen zu bilden

(vgl. SAP SE [1] 2016, o. S.; Lange 2017, et al. S. 298).

EWM ist auch ein sinnvolles Instrument zur effizienten Lagerraumnutzung. Es beherrscht die

Funktion der Lagerungsdisposition. Anhand dieser wird der optimale Lagerplatz unter

Berücksichtigung der Produkt-, Bedarfs- und Packdaten ermittelt. Das spart Wegezeiten beim

Kommissionierungsprozess. Die drei Parameter bestimmen ferner die Einlagerungsstrategie, die

Anforderungen an den Lagerplatz und in welchem Lagerbereich die Ware abgestellt wird (vgl.



Lange 2017, et al., S. 40). Bei der Erstellung der Lageraufgaben (LBs) werden diese

Informationen herangezogen (vgl. SAP SE [1] 2015, o. S.).

Im Customizing des EWM kann auch die Anordnung der Waren im Lager optimiert werden.

Diese Funktion fällt unter den Begriff Lager-Reorganisation und hilft dabei, Bestände an den

optimalen Lagerplatz zu befördern und somit die Lagerkapazitäten optimal auszuschöpfen. Dazu

zieht das System die optimalen Parameter aus der Lagerungsdisposition heran und vergleicht

diese mit dem derzeitigen Lagerbereich, Lagertyp und Lagerplatztyp. Wenn das System

feststellt, dass die aktuellen Werte für das entsprechende Produkt nicht ideal sind, bestimmt es

einen optimalen Lagerplatz. Der Mitarbeiter/die Mitarbeiterin behält dabei über ein Punktesystem

immer den Überblick und kann im Bedarfsfall einen Umlagerungsprozess zügig einleiten (vgl.

Lange 2017, et al., S. 40; SAP SE [2] 2015, o. S.).

5.4.2.5 Bestandsidentifikation

Aufgabe der Bestandsidentifikation (Stock ID) ist es, anhand einer eindeutigen Nummer einen

Bestand, d. h. eine Ware mit den Bestandsattributen, wie Menge, Bestandsart oder Charge,

exakt zu identifizieren. Die Bestandsidentifikation ist ein nützliches Werkzeug zur

Effizienzsteigerung bei Umlagerungsprozessen. Dazu wird die Bestandsidentifikation als

Barcode auf ein Kommissionieretikett gedruckt, um den Wareneingangsprozess bei der

Umlagerung zwischen zwei Lagern zu vereinfachen. Wenn also eine HU vom ersten Lager mit

dem LKW in das zweite Lager transportiert wird, wird die HU zunächst zur WE-Zone gebracht.

EWM erstellt daraufhin eine Anlieferung mit den zugehörigen aktiven HU-LBs, die dann quittiert

werden. Obwohl EWM für jede Warenbewegung eine eigene Lageraufgabe (LB) mit eigener

Lageraufgabennummer erzeugt, bleibt die Bestandsidentifikation gleich. Dadurch kann der

Bestand auch in einem anderen Lager während des Wareneingangs- und

Warenausgangsprozesses eindeutig gefunden werden (vgl. Lange 2017, et al., S. 230; SAP AG

[1] 2014, o. S.).

5.4.2.6 RFID

In diesem Unterpunkt werden unterschiedliche Möglichkeiten beschrieben, um in SAP EWM mit

einem mobilen Gerät zu interagieren. In der Praxis spielen vor allem zwei Varianten eine Rolle:

die RFID-Technologie und die Pick-by-Voice-Integration.

Erstere wird auch im Zusammenhang mit Industrie 4.0 immer wieder genannt und ist seit einigen

Jahren ein gängiger Begriff. Eine große Verbreitung im Logistikbereich ist allerdings noch nicht



zu beobachten. Die Gründe dafür liegen vor allem in den hohen Kosten im Vergleich zum

Einsatz von Barcodes (vgl. Lange 2017, et al. S. 682 f.). RFID bietet eine Schnittstelle zwischen

physischen Waren und digitalem Datenverkehr. Der Vorteil besteht darin, dass Daten auf einem

RFID-Tag gespeichert werden können und dadurch jedes beliebige Objekt in der Logistikkette

serialisiert werden kann. Aufgrund der hohen Kosten ist davon auszugehen, dass zunächst

Ladungsträger und nicht einzelne Objekte damit bestückt werden. Im Vergleich zu optischen

Barcode-Systemen erfolgt die Datenerfassung bei RFID ohne direkten Sichtkontakt und das

deutlich schneller als bei herkömmlichen Technologien. Die Anwendungsmöglichkeiten in SAP

sind vielfältig. Waren können beim Wareneingang automatisch erfasst und mit dem

Bestellauftrag direkt abgeglichen werden. Darüber hinaus können Nachschubsysteme mit

Bestandsinformationen versorgt werden, um geringe Lagerbestände frühzeitig zu erkennen. Die

aus den an den Warenausgang gekoppelten Versandinformationen können direkt an den

Empfänger übermittelt werden, damit dieser den Wareneingangsprozess optimal koordinieren

kann. Eine reibungslose Kommunikation zwischen Transponder und RFID-Reader hängt auch

vom eingesetzten Lesegerät ab. Zu nennen ist hier die Bulk-Reading-Identifikation (vgl. Lange

2017, et al., S. 683; Prather, Steber 2014, o. S.).

Um mobile RFID-Geräte in die Domäne eines SAP-Systems zu integrieren, braucht es auch

entsprechende Frameworks (vgl. Lange 2017, et al., S. 683). SAP bietet mit dem SAP ITS

(Internet Transaction Server) eine Möglichkeit, damit man über einen Browser mit einem SAP-

System kommunizieren kann. Damit die Bildschirmmaske exakt so aussieht, wie die

Benutzeroberfläche im SAP-GUI (SAP Graphical User Interface), erzeugt ITS unzählige

JavaScript-Codes und HTML-Codes. Aufgrund der Tatsache, dass diese Codes von

herkömmlichen Mobilgeräten nicht verarbeitet werden können, wurde ein mobiler Abkömmling

von ITS entwickelt. ITSmobile ist also eine Erweiterung, damit mobile RFID-Geräte optimal mit

einem SAP-System interagieren können (vgl. ebd., S. 665).

Bei der Pick-by-Voice-Integration kann der Benutzer/die Benutzerin mittels Sprachbefehle mit

dem System kommunizieren. Auch hier bildet ITSmobile die technologische Basis, damit ein

Voice-Browser mit einem SAP-System interagieren kann. Der Benutzer/die Benutzerin kann die

Anweisungen in ein Mikrofon sprechen und simultan manuelle Arbeiten mit den Händen

ausführen. Anwendung findet diese Technologie vor allem bei Lagerprozessen, beispielsweise

um eine Lageraufgabe zu quittieren (vgl. ebd., S. 674 f.).



5.4.2.7 Cross-Docking

Cross-Docking (CD) ist eine Methode, um Bearbeitungs- und Umschlagprozesse von Handling

Units und Waren zu beschleunigen. Während das sogenannte Transport-Cross-Docking (TCD)

dabei hilft, Transportkosten zu sparen, wird Cross-Docking in der Warenverteilung zur

Minimierung der Lagerkosten verwendet. EWM unterstützt beide Varianten als geplante Cross-

Docking-Szenarien (vgl. Lange 2017, et al., S. 52; SAP [m] 2020, o. S.). Um die Verweildauer

von Handling Units und Produkten im Lager so kurz als möglich zu gestalten, wird die Ware vom

Wareneingang bis zum Warenausgang ohne Einlagerung transportiert. Dazu muss EWM die

Relevanz von dringenden Kundenaufträgen kennen. Für den Ablauf des CD-Prozesses gibt es

zwei Methoden: Beim geplanten CD wird bereits im Customizing festgelegt, wie der Prozess

vonstatten gehen soll. Der TCD-Prozess bedient sich der Routenplanung und arbeitet mit

sogenannten Cross-Docking-Routen. Solche Cross-Docking-Routen bestehen aus ein- und

ausgehenden Routen, die durch eine Cross-Docking Lokation (z.B. Distributionszentrum)

verbunden sind. Für jedes Routenpaar, bestehend aus einer ein- und ausgehenden Route, kann

festgelegt werden, ob die Waren in der Cross-Docking-Lokation mit dem gleichen

Beförderungsmittel weiter transportiert oder in der Lokation auf ein anderes Fahrzeug

umgeladen werden (vgl. SAP [n] 2020, o. S.). Charakteristisch für das geplante CD ist, dass die

Cross-Docking-Relevanz bereits feststeht, obwohl die Ware noch nicht eingetroffen und weder

der Wareneingang gebucht noch die Auslieferung freigegeben wurden (vgl. SAP [o] 2020, o. S.).

Das opportunistische Cross-Docking lässt sich wiederum nach drei Methoden unterteilen: Das

opportunistische Cross-Docking, welches EWM anstößt (EWM-Opp.CD), Push Deployment (PD)

und das Kommissionieren vom Wareneingang (PFGR Pick from Goods Receipt). EWM-Opp.CD

läuft ausschließlich in EWM ab und bedarf keiner zusätzlichen Integration in andere SAP-

Systeme (vgl. Lange, et al., S 1007). Bei dieser Methode erfolgt der Einsatz von Cross Docking,

Abbildung 20: Cross-Docking-Methoden in SAP EWM (Lange 2017, et al., S. 995)



wenn die Lieferung im WE aufgrund der Kriterien Produkt, Charge und Menge zum

Auslieferungsauftrag passt und somit direkt zum Warenausgang gebracht werden kann. Der

EWM-Opp.CD Prozess setzt als sogenannte BAdI-Lösung eine Implementierung von Business

Add-Ins (BAdIs) voraus (vgl. SAP [p] 2020, o. S.).

Sowohl der PD-Prozess als auch der PFGR-Prozess arbeiten mit normalen Anlieferungen und

beginnen mit dem üblichen Wareneingangsprozess. Erst danach wird die Entscheidung für oder

gegen CD gefällt. Nach der Wareneingangs-Buchung in EWM wird die Buchung ins SAP ERP

und anschließend ins SAP APO-System (SAP Advanced Planning & Optimization) übermittelt.

SAP APO bestimmt dann mittels des EDQA-Prozesses (Event Driven Quantity Assignment) die

Cross-Docking-Relevanz und ob die Ware zum Kunden (PFGR) oder in ein anderes Lager (PD)

transportiert werden soll (vgl. Lange 2017, et al., S. 1007-1019.; SAP [q] 2020, o. S.).

Mit der Buchung des WE beginnt EWM zwischenzeitlich zu kontrollieren, ob die Lagerprozessart

und die Bestandsart für die Einlagerungsverzögerung relevant sind. Wird eine Relevanz

festgestellt, verzögert EWM die automatische Erzeugung der Lageraufgabe zur Einlagerung. Ist

das nicht der Fall, löst EWM verzögerungsfrei und automatisch die Lageraufgabe zur

Einlagerung aus (vgl. Lange 2017, et al., S. 1019).

Abbildung 21: Übersicht über den Prozess "Event Driven Quantity Assignment“ (Lange 2017, et al., S. 1020)



5.4.3 Werkzeuge zur Umsetzung von SAP EWM

Für die Systemverbindung zwischen SAP ERP, SAP EWM und der Lagerintegration stehen

verschiedene Implementierungswerkzeuge zur Verfügung. Eine Möglichkeit zur Umsetzung

bietet die toolbasierte ERP-Integration. Bei der Lagerintegration kann EWM auf die Variante des

vorkonfigurierten Standardlagers zurückgreifen, wo EWM mit vorkonfigurierten Prozessen

eingerichtet wird (vgl. Lange 2017, et al., S. 1049 ff.). Die Implementierungswerkzeuge sind im

ERP- bzw. EWM-Customizing zu finden, auf die einzelnen Durchführungsschritte wird hier nicht

näher eingegangen.

Unternehmen, welche von WM auf EWM umrüsten möchten, können Stammdaten und

Customizing-Einstellungen von einem WM-Lager in ein EWM-Lager migrieren. Beim

Customizing können folgende Einstellungen migriert werden (vgl. ebd., S. 1063):

• Lagerlayout

• prozessübergreifende Einstellungen

• Strategieeinstellungen

Ebenso wie Customizing-Einstellungen können Stammdaten von WM in EWM importiert

werden. Die Migration beinhaltet folgende Stammdaten (vgl. Lange 2017, et al., S. 1067):

• Bestände

• Lagerplätze

• Lagerproduktinformationen

• Inventurvollständigkeit

Betriebswirtschaftlich relevant ist auch die Zero-Downtime-Option (ZDO). Dieses neue

Verfahren ist Teil des SAP-Software-Update-Managers (SUM) und repliziert bei Updates bzw.

Upgrades nur die betroffene Datenbanktabelle anstelle der gesamten Datenmenge. Somit

können technische und betriebswirtschaftliche Ausfallzeiten gegen Null reduziert werden (vgl.

Lange 2017, et al.; S. 1073 f.).

Methodik


6 Methodik

Im Abschnitt Einleitung wurde bereits auf die Motivation dieser Arbeit eingegangen und daraus

die Zielformulierung abgeleitet. In Kapitel 2 wurden die drei bisherigen industriellen Revolutionen

im historischen Zeitverlauf untersucht. Aus den gewonnenen Erkenntnissen wurde versucht,

eine entsprechende Antwort auf die erste Forschungsfrage „Hat Industrie 4.0 einen

revolutionären Charakter oder ist es ein reiner Marketing-Gag?“ zu geben. In Kapitel 3 und 4

wurde mittels Literaturrecherche nicht nur die Rolle des Menschen in Industrie 4.0 und Logistik

4.0 thematisiert, sondern auch technische Dimensionen, Anforderungen sowie technologische

Schnittstellen näher erläutert. Diese aus der Literatur entnommenen Erkenntnisse werden im

Anschluss zu einem Industrie 4.0/Logistik 4.0 Anforderungsprofil in Form eines Clusters

verdichtet. Dieses Cluster besteht aus vier zentralen Dimensionen mit maximal vier

Unterkategorien.

Nach Abschluss des Verfahrens können Stärken und Schwächen von SAP EWM-Systemen bei

der Umsetzung von Industrie 4.0 herausgefiltert werden. Aus den identifizierten Stärken und

Schwächen soll nicht nur der Status quo praxisnahe abgebildet werden, es sollen auch durch

das detaillierte Auseinandersetzen mit den Schwächen Handlungsempfehlungen vorgeschlagen

werden können. Um den Rahmen dieser Arbeit nicht zu sprengen, werden nur die fünf

wichtigsten Funktionalitäten von SAP EWM als Untersuchungsgegenstand in die Analyse

miteinbezogen (siehe Kapitel 7 Untersuchungsgegenstand).

Zunächst wird in diesem Abschnitt versucht, den Begriff Industrie 4.0 in die richtige

Forschungsdisziplin einzuordnen. Zudem wird die Herangehensweise an die Problemstellung

beschrieben und die Zweckdienlichkeit der einzelnen Analyseverfahren untersucht.

Industrie 4.0 mit seinen vielfältigen Anwendungsfeldern und Ideen lässt sich nicht einer einzigen

Disziplin zuordnen. Die vielschichtigen Konzepte reichen in die Schnittstellen der

Betriebswirtschaftslehre, Elektrotechnik, Wirtschaftsinformatik sowie des Maschinenbaus samt

seiner Teildisziplinen (vgl. Lasi 2014, et al., S. 262). Die Handlungsfelder der Industrie 4.0 haben

aber auch das Interesse der Wirtschaftsinformatik geweckt. Wirft man einen Blick auf die

Historie der Wirtschaftsinformatik ist dies nicht weiter verwunderlich, da sich diese Disziplin seit

jeher der Industrie und dem produzierenden Gewerbe verschrieben hat. Eben jene Bereiche, in

denen auch Industrie 4.0 als Game-Changer angepriesen wird. Im Zentrum stehen dabei

integrierte Informationssysteme, welche der Disziplin Wirtschaftsinformatik ermöglichen, auf

fundierte Ergebnisse aufzubauen (vgl. Hasenkamp, Stahlknecht 2009, S. 16, zitiert nach Lasi

2014, et al., S. 262).

Das Thema Integration spielt in der Wirtschaftsinformatik eine ebenso wichtige Rolle und steht

im direkten Zusammenhang mit Industrie 4.0. Industrie 4.0 bestreitet allerdings in vielen

Methodik


Bereichen neue Wege. In Abschnitt 3.2.2 wurden auch neue wertschöpfende Prozesse wie

Dienstleistungen in Form von Smart Services behandelt. Man spricht auch von der Erweiterung

des klassischen Lebenszyklus durch Einführung zielgerichteter, immaterieller Serviceprodukte.

Darunter versteht man die Integration dynamischer Wertschöpfungsnetzwerke. Angesichts

dessen muss sich die Wirtschaftsinformatik mit Fragen hinsichtlich eines adäquaten Ausmaßes

der Dezentralisierung, Automatisation und Integration betrieblicher Informationssysteme

auseinandersetzen (vgl. Fettke 2013, zitiert nach Lasi 2014 et al., S. 263).

Die Gestaltung neuer Anwendungsfelder im Kontext der Industrie verlangt von der

Wirtschaftsinformatik amplifizierte Referenzmodelle und Modellierungsmethoden (vgl. Fettke,

Loos 2004, zitiert nach Lasi 2014, et al., S. 263).

Die in den folgenden Kapiteln näher beschriebenen Methoden wurden ausgewählt, um den in

dieser Arbeit definierten Forschungsschwerpunkt möglichst aufschlussreich beantworten zu

können. Es wurden die Stärken und Schwächen herausgearbeitet, um die Brauchbarkeit der

einzelnen Methoden zur Umsetzung der Zielstellung der Arbeit zu überprüfen und um

letztendlich ein möglichst optimales Verfahren herauszufiltern.

Grundsätzlich gilt es bei den unterschiedlichen Analyseverfahren festzuhalten, dass in der

empirischen Sozialforschung zwei verschiedene Forschungsrichtungen dominieren: die

qualitative und die quantitative Methode. Die quantitative Forschung ist mehr objektbezogen und

wird bei der Erhebung numerischer Daten angewandt (vgl. Lamnek 2006, zitiert nach Röbken,

Wetzel 2016, S. 12; Lichtlein 2016, S. 44). Bei der qualitativen Forschung geht es um das

Beschreiben und Verstehen empirischer Sachverhalte sowie um das Aufstellen von

Hypothesen7 und deren Prüfung. In manchen Fällen kann es auch vorteilhaft sein, beide

Methoden zu kombinieren. Aufbauend auf die Ergebnisse der qualitativen Forschung können

sinnvolle Fragen für eine quantitative Befragung formuliert werden (vgl. Grabner-Berger 2016, S.

128).

Eine sehr beliebte Variante unter den qualitativen Erhebungsmethoden ist das qualitative

Interview (vgl. Lichtlein 2016, S. 46). Es ist eine Form der mündlichen Befragung, bei der es

primär nicht um das Erheben quantitativer Daten, sondern von Texten geht. Markante

Unterschiede zwischen den einzelnen Methoden der Interviewführung lassen sich am

Standardisierungsgrad festmachen. Man unterscheidet zwischen kaum strukturierten Verfahren,

grob strukturierten Verfahren und einer Fragestruktur (vgl. Grabner-Berger, S. 132 f.). Der Grad

7 Eine Hypothese ist eine unbewiesene Annahme, die über den aktuellen Wissensstand hinausgeht. Je nach Ergebnis kann ihre Aussage empirisch bestätigt oder widerlegt werden (vgl. Grabner-Berger 2016, S. 121).

Methodik


der Strukturierung legt fest, inwieweit es sich um geschlossene Fragen mit Antwortvorgaben

handelt (vgl. Holzmüller, Buber 2009, S. 421).

Aus folgenden Gründen kann das qualitative Interview als methodische Vorgehensweise zur

Lösung der Aufgabenstellung dieser Arbeit ausgeschlossen werden: Zum einen sind

Lagerverwaltungssysteme und im speziellen SAP EWM-Systeme hochkomplexe

Themenbereiche, die Fachwissen voraussetzen, über das nur ein begrenzter Kreis an Personen

verfügt. Diese ausfindig zu machen wäre, wenn überhaupt, nur unter erheblichem Zeitaufwand

möglich. Zum anderen haben Interviews oder Fragebögen mit geschlossenen, standardisierten

Fragen den Nachteil, dass sie den Befragten wenig Möglichkeit geben, um die komplexen

Zusammenhänge von WMS und Industrie 4.0 themenübergreifend zu erklären. Abhilfe könnten

offene, unstrukturierte Befragungen leisten, bei dem die Schwerpunkte erst im Verlauf des

Gesprächs festgelegt werden. Zudem ist Industrie 4.0 ein relativ junges Forschungsgebiet,

welches in der Praxis noch kaum zur Anwendung kommt (vgl. Lichtlein 2016, S. 51). Es ist

daher anzunehmen, dass sich die Befragten in teils widersprüchliche und wenig fundierte

Aussagen verstricken könnten, da ihnen schlicht und einfach das Detailwissen über den

kontextuellen Zusammenhang zwischen SAP EWM und Industrie 4.0 fehlen könnte.

In der empirischen Sozialforschung gibt es auch eine große Zahl an quantitativen

Erhebungsmethoden. Weit verbreitet ist die Befragung, welche entweder telefonisch, online

mündlich oder schriftlich durchgeführt werden kann. Charakteristisch für strukturierte,

quantitative Befragungen sind vereinheitlichte Fragebögen. Zu den Fragen, welche in einer fixen

Reihenfolge abgefragt werden, gibt es bestimmte, vorgegebene Antwortkategorien (vgl.

Grabner-Berger 2016, S. 162). Auch diese Methode würde sich zur Lösung des

Untersuchungsgegenstandes nur bedingt eignen, da sich sehr ähnliche Problemstellungen

ergeben, wie sie bei der Methode der qualitativen Interviews bereits beschrieben wurden.

Aufgrund der Aktualität und Relevanz in der deutschsprachigen qualitativen Sozialforschung soll

auch die sogenannte Grounded Theory zur Lösung der vorliegenden Aufgabenstellung, also ob

eine Einführung von SAP EWM in Industrie 4.0 möglich ist, in Betracht gezogen werden.

Unter Grounded Theory versteht man ein theoriegenerierendes empirisches Arbeiten. Bei

diesem, von den amerikanischen Soziologen Barney G. Glaser und Anselm L. Strauss in den

1960er Jahren formulierten Forschungsstil, geht es um ein Gesamtkonzept bezüglich

Datenerhebung, Datenanalyse und Theorienbildung (vgl. Pentzold 2018, et al., S. 4). Der

traditionelle deduktive Forschungsstil wird hier allerdings in umgekehrter Reihenfolge

abgearbeitet: die Theorie- und Hypothesenbildung steht nicht am Beginn der Forschungsarbeit,

sondern nach Durchlaufen einiger Forschungsphasen am Ende eines deduktiven Prozesses

(vgl. Baumgarth 2009, et al., S. 109). Dabei bestreiten Strauss und Glaser keineswegs die

Methodik


Notwendigkeit in der Soziologie, bestehende Theorien zu verifizieren beziehungsweise zu

falsifizieren. Allerdings steht bei ihnen eine systematische Theoriengenerierung im Vordergrund,

welche einen systematischen, vorgängigen Umgang mit empirischen Daten voraussetzt (vgl.

Schröder 2018, S. 84).

Bevor jedoch eine empirische Datenerhebung erfolgen kann, bedarf es nach Strauss und Corbin

einer theoretischen Auseinandersetzung mit dem Forschungsfeld und dem Ziel, genügend

persönliche Erfahrungen und theoretisches Kontextwissen einzubringen (vgl. Strauss, A. L.;

Corbin, J. (1994), S. 276 und 279-280; Corbin, J.; Strauss, A. (1990), S. 13; vgl. zur

zunehmenden Berücksichtigung abduktiver Elemente der Grounded Theory nach STRAUSS

und STRAUSS/CORBIN insbesondere Reichertz, J. (2007), S. 215 ff.; vgl. hierzu auch Kern, M.

(1979), S. 14 f. mit einer Beschreibung des modernen Empiristen im Bacon’schen Sinne, zitiert

nach nach Pielken 2017, S. 112). Glaser jedoch befürchtet durch die theoretische

Auseinandersetzung mit dem Forschungsfeld eine gewisse Voreingenommenheit gegenüber

dem Thema und lehnt diese Methodik daher ab (vgl. Glaser, B. G. (1978), S. 31, zitiert nach

Pielken 2017, S. 112). Die Grounded Theory eignet sich nach Mayering auch für wenig

erforschte Forschungsbereiche, was sie speziell für das vorliegende Forschungsthema

interessant macht (vgl. Mayering 2002, S. 107). Ziel dieser Arbeit ist jedoch nicht das Entwickeln

einer auf in Daten begründeten Theorie, sondern die Analyse einer möglichen Implementierung

von SAP EWM in der Industrie 4.0, um anschließend realitätsnahe Empfehlungen für

Maßnahmen für eine Umsetzung von WMS in der Industrie 4.0 ableiten zu können (vgl. Lichtlein

2016, S. 51). Bei der Grounded Theory wird schon während der Datenerhebung eine

kontinuierliche Datenanalyse vorgenommen und analytische Fragen und Hypothesen werden zu

Kategorien zusammengefasst. Die fortlaufende, vergleichende Analyse findet im Rahmen des

„Theoretical Samplings“ statt. Diese Kategorien bilden den Ausgangspunkt „guter“ Theorien (vgl

Muckel 2017, S. 218 ff.). Auch diese Vorgangsweise scheint bei der Analyse des

zugrundeliegenden Untersuchungsgegenstandes kein probates Mittel zu sein. Aus den

genannten Gründen wird auch die Grounded Theory als ungeeignete Methode erachtet.

Wie zuvor bereits beschrieben, ist Industrie 4.0 unter anderem in die Disziplin der

Wirtschaftsinformatik einzuordnen. Die Konstruktion von Modellen zur Bildung brauchbarer

Artefakte, mit denen die Komplexität von betrieblichen Informationssystemen beherrschbar

gemacht werden soll, haben in der Wirtschaftsinformatik schon lange Tradition (vgl. Grochla et

al. 1971, zitiert nach Thomas 2006, S. 5). Daher soll auch das Referenzmodell als potenzielle

Analysemethode zur Klärung der Frage, ob die Funktionalitäten von SAP EWM eine Umsetzung

im Rahmen der Industrie 4.0 zulassen, untersucht werden. Eine allgemein gültige Definition für

das Referenzmodell ist nicht zu identifizieren, allerdings gibt es eine Reihe von Merkmalen,

welche diese Vorgehensweise auszeichnen. Referenzmodelle sind öffentlich verfügbare

Methodik


Modelle, entweder zur Entwicklung spezifischer weiterer Modelle oder welche zur

Wiederverwendung, beispielsweise für unternehmensspezifische Modelle, herangezogen

werden. Typischerweise bieten sie für einen gewissen Problembereich anerkannte Lösungen mit

gewisser Allgemeingültigkeit an, weshalb sie auch für andere Klassen von Anwendungsfällen

repräsentativ sind (vgl. Schütte 1998, S. 66, 69– 74; Becker et al. 2000, S. 90; vom Brocke

2003, S. 31–38, zitiert nach Thomas 2006, S. 5; Hansen, Neumann 2009, S. 275, zitiert nach

Hecht 2013, S. 28). Aufgrund der Tatsache, dass der Industrie 4.0 noch keine wissenschaftlich

gültigen Sachverhalte attestiert werden können und viele Aspekte auf Annahmen und keinen

Tatsachen basieren, wird die Schaffung eines allgemein gültigen Modells mit dem Fokus auf

Wiederverwendbarkeit kaum umsetzbar sein (vgl. Lichtlein 2016, S. 49). In dieser Arbeit sollen

hingegen erste Ansätze einer möglichen Umsetzung von SAP EWM im Rahmen der Industrie

4.0 anhand der Funktionalitäten und Eigenschaften von WMS beschrieben werden.

6.1 Auswahl des Analyseverfahrens

Im Folgenden soll nun eine Analyse der Funktionalität von SAP, insbesondere von SAP EWM,

im Kontext der Industrie 4.0 durchgeführt werden. Die Anforderungsdimension, welche zugleich

als konzeptioneller Bezugsrahmen fungiert, wird aus den gewonnenen Erkenntnissen aus der

durchgeführten Literaturrecherche zu den Kapitel 3 und 4 erstellt. Die Anforderungsdimension

wird als mehrdimensionales Cluster dargestellt (vgl. Lichtlein 2016, S. 52). Jeder dieser Punkte

wird auf eine Eignung bezüglich einer Umsetzung in einem cyber-physischen-System

untersucht, um festzustellen, ob die Funktionalitäten von SAP EWM

(Untersuchungsgegenstand) im Abgleich mit dem Anforderungskatalog (Bezugsrahmen) in einer

Industrie 4.0/Logistik 4.0 dominierten Umgebung überhaupt realisier- bzw. umsetzbar sind. Die

Ergebnisse der Analyse werden zu einem Stärken/Schwächen Profil verdichtet, um fehlende

Funktionalitäten von SAP EWM aufzudecken. Weiters werden aus den Schwächen

Handlungsempfehlungen und mögliche Strategien abgeleitet, wie künftige WMS-Systeme in

technologischer sowie organisatorischer Hinsicht verbessert werden müssen, um den Kriterien

der Industrie 4.0 zu entsprechen. Die zuvor angeführte Vorgehensweise soll mit der Methode

der Literaturanalyse und der Stärken-Schwäche-Analyse umgesetzt werden. Warum andere

wissenschaftliche Methoden nicht zur Beantwortung der Aufgabenstellung herangezogen

wurden, wurde in Kapitel 6 erläutert.

Methodik


6.2 Vorgehensweise

Aus der Literaturrecherche zu den Kapiteln 3 und 4 wurden die systembezogenen

Anforderungen der Industrie 4.0 bereits herausgearbeitet. Diese werden in einem

clusterähnlichen Verfahren zu Hauptanforderungsdimensionen zusammengefasst und

anschließend in Anforderungskriterien unterteilt. Dabei wurden nicht nur technische

Komponenten, sondern auch das Zusammenspiel verschiedener Systeme, der transparente

Datenverkehr zur Echtzeitsteuerung und die Einbindung des Menschen als oberstes

Kontrollorgan, als Voraussetzung für Industrie 4.0 identifiziert. Die detaillierte Aufstellung und

Gruppierung der Anforderungskriterien können aus der Tabelle in Kapitel 8 entnommen werden.

Für die folgenden Schritte der Analyse werden die Anforderungsdimensionen als grundlegende

Voraussetzung für eine Implementierung von Industrie 4.0 verstanden. Ziel ist es

herauszufinden, ob und wie die Schnittstellen moderner WMS-Systeme und im speziellen SAP

EWM mit den Schnittstellen in einer intelligenten, sich selbststeuernden Fabrik interagieren

können. Unter Schnittstellen fallen auch Cloud-Lösungen, moderne Assistenzsysteme wie

Mobile Devices als Mensch-Maschine-Benutzerschnittstellen oder die Integration verschiedener

IKT-Technologien. Auch diese Faktoren erweisen sich als Voraussetzung für eine intelligente

Produktionsumgebung und sind daher als Anforderungskriterien auszuweisen. Wesentliche

Aspekte einer erfolgreichen Umsetzung eines EMW-Systems im Kontext der Industrie 4.0

betreffen auch den Datenaustausch. Das bezieht sich nicht nur auf die Vernetzung eines WMS-

Systems, sondern auch auf die nahtlose Zusammenarbeit von Datenaustauschformaten,

Schnittstellen, Produktionssystemen, etc. mit anderen intelligenten Systemen. Diese Thematik

fällt unter den Begriff „Interoperabilität“, welcher zuvor in Kapitel 3.2.7 erklärt wurde. In

Verbindung mit der Fragestellung des Datenaustausches muss ebenfalls geklärt werden, ob

WMS-Systeme (SAP EWM) Daten mit durchgängiger Transparenz (siehe Seite 36) zur

Verfügung stellen können. In diesem Kontext soll untersucht werden, ob WMS-Systeme in der

Lage sind, Informationen und Daten kontinuierlich und in Echtzeit an Entitäten zu übermitteln.

Zur Verwertung dieser Daten wird es ein standardisiertes System mit einer schlüssigen

Bewertungsmethodik brauchen (siehe Kapitel 3.2.7 Standardisierung und Normierung).

Nachdem also die Anforderungsdimensionen, im Konkreten der Bezugsrahmen, aus der

Literaturrecherche abgeleitet wurden, werden diese mit den Funktionalitäten von SAP EWM

abgeglichen, um daraus Stärken und Schwächen eines SAP EWM-Systems in einer CPS-

dominierten Umgebung ableiten zu können. Dabei werden die fünf wesentlichen Funktionalitäten

eines EWM-Systems herangezogen und dahingehend analysiert, ob SAP EWM auf die Industrie

4.0 übertragen werden kann.

Es soll geklärt werden, ob die Ansprüche, welche Industrie 4.0 an WMS stellt, überhaupt erfüllt

werden können und somit eine Umsetzung in einer intelligenten Fabrik erlauben. Die Stärken

Methodik


werden dahingehend interpretiert, als dass diese bereits im Ist-Zustand von SAP EWM eine

Umsetzung in der Industrie 4.0 erlauben. Aus den Schwächen sollen die richtigen Schlüsse

abgeleitet werden, wie WMS, um integraler Bestandteil eines CPS zu werden, künftig zu

konfigurieren ist. Idealerweise sollen Strategien erarbeitet werden, wie aus den Schwächen

ebenfalls Stärken gemacht werden können.

6.3 Literaturanalyse und Stärken-Schwächen-Analyse

Nach der vorangegangenen Recherche und nach Abwägung aller Vor- und Nachteile der

verschiedenen Analyseverfahren erscheint ein kombinierter Ansatz aus Literaturanalyse und

Potentialanalyse als geeignete Methode. Die Literaturanalyse oder „Literature Review“ ist ein

Instrument zur „Aufarbeitung oder Zusammenfassung bestehenden Wissens“ (Zühlke 2007, S.

130, zitiert nach Trapp 2012, S. 74). Bei der Untersuchung stützt man sich auf bereits

bestehendes Schrifttum, welches es zur Beantwortung verschiedener Fragestellungen zu

analysieren gilt. Bezugsquellen sind vorwiegend Lehrbücher, Zeitschriftenpublikationen und

Beiträge aus Fachzeitschriften (vgl. Trapp 2012, S. 74 f.). Mit Hilfe der qualitativ-analytischen

Literaturanalyse, bei der die Quellenauswahl vom Kenntnisstand des Autors der vorliegenden

Literatur abhängt, soll ein Ist-Zustand der Industrie 4.0, Logistik 4.0 und der WMS-Systeme

festgelegt werden. Dieser Vorgang dient auch dem Aneignen inhaltlicher Kompetenz bezüglich

der Aufgabenstellung. Ebenso können bei der qualitativ-analytischen Literaturanalyse

Kategorien zur Strukturierung relevanter Beiträge gebildet werden (vgl. Trapp 2012, S. 79). Aus

dieser detaillierten Auseinandersetzung mit der Thematik werden Erkenntnisse und relevante

Anforderungen innerhalb des Forschungsfeldes Industrie 4.0 abgeleitet und zu

Anforderungsdimensionen zusammengefasst. Hier kommen auch Ansätze des

Clusterverfahrens zum Tragen. Bei der Clusteranalyse besteht das vordergründige Ziel,

Untersuchungsobjekte zu Gruppen (Cluster) zusammenzufassen, die bezüglich ihrer Merkmale

und Eigenschaften als weitgehend homogen zu betrachten sind (vgl. Backhaus 2016, et al., S

455; Lichtlein 2016, S. 52). Daher sind die Anforderungskriterien, welche aus der

Literaturrecherche zu den Kapiteln 3 und 4 identifiziert worden sind, nach gleichartigen

Merkmalen zu gliedern. Anschließend werden die Anforderungsdimensionen mit den

Funktionalitäten von SAP EWM hinsichtlich einer Umsetzung in einem Industrie 4.0 Szenario

verglichen.

Auch hier kommt die Methode der Literaturanalyse zum Einsatz (siehe Kapitel 9

Literaturauswertung). Aufbauend auf die Analyse des Ist-Zustandes wird die Strategie in eine

Stärken-Schwächen-Analyse übergehen, um die Eigenschaften SAP EWM dahingehend zu

analysieren, ob sie das Potenzial einer Umsetzbarkeit in einer intelligenten Umgebung haben.

Methodik


Die Funktionalitäten von SAP EWM werden also mit den Anforderungskriterien der Industrie 4.0

in Kontext gesetzt, um Stärken sowie Schwachstellen zu erkennen und Leistungskriterien zu

evaluieren (vgl. Lichtlein 2016, S. 51 f.). Im letzten Teil der Arbeit werden aus den Schwächen

gezielt Maßnahmen evaluiert, welche zur erfolgreichen Implementierung von SAP EWM in

einem CPS beitragen sollen. Die Ergebnisse sind als Annahmen zu interpretieren, welche erst

durch einen Praxisbezug verifiziert oder falsifiziert werden müssen.

Zur Untersuchung der Potenziale von SAP EWM, der Analyse bestimmter Eigenschaften und

deren Prüfung einer möglichen Übertragung auf Industrie 4.0 ist die Stärken-Schwächen -

Analyse eine vorteilhafte Methodik. Im Vordergrund stehen die Funktionalitäten von SAP EWM

und das Erkennen möglicher Potenziale, um anhand des Status-quo eine Einschätzung

abgeben zu können, ob SAP EWM den Ansprüchen und den gestellten Anforderungen von

Industrie 4.0 gerecht wird.

6.4 Auswahlprozess der Literatur

Mit dem Ziel, eine fundierte Aussage über eine eventuelle Umsetzbarkeit von SAP EWM in der

Industrie 4.0 zu geben, wurde eine systematische Literatursuche- und Analyse gestartet. Die

einzelnen Schritte dazu sollen im Folgenden kurz beschrieben werden.

Aus der umfangreichen Literaturanalyse in Kapitel 3 und 4 konnten vier wesentliche

Anforderungsdimensionen abgeleitet werden. Die Hauptknoten wurden mit Hilfe eines Clusters

weiter verzweigt, um möglichst alle Anforderungsbereiche von Industrie 4.0 abzudecken.

Als wichtigste Quelle, um umfangreiches Hintergrundwissen zu SAP EWM zu erlangen, wurde

das SAP Help Portal herangezogen. Das SAP Help Portal ist eine Hilfestellung für den

professionellen Anwender einer SAP-Suite und sollte daher den wissenschaftlichen Kriterien

entsprechen. Es enthält nicht nur Informationen über sämtliche Funktionalitäten von SAP EWM,

es unterstützt auch durch eine detaillierte Anleitung zu allen Einstellungen im Customizing.

Ohne diese Plattform wäre eine Umsetzung des Themengebietes nicht möglich gewesen.

Im Anschluss an die zweite Forschungsfrage konnte mit der Stärken-Schwächen-Analyse

begonnen werden. Die Schwächen wurden weiter analysiert, um daraus potenzielle

Umsetzungsstrategien zur Implementierung von SAP EWM in einem cyber-physischen-System

herauszuarbeiten.

Methodik


6.4.1 Quellenauswahl (Journals vs. Buchliteratur)

Bei der Literaturanalyse wurden vorwiegend deutschsprachige Quellen ab dem Jahr 2010

herangezogen. Die deutschsprachige Literatur überwiegt stark - eine Erklärung liegt sicher in der

Tatsache, dass der Begriff Industrie 4.0 erstmals in Hannover einem breiten Publikum

präsentiert wurde und es vorwiegend auch deutsche Leitbetriebe sind, welche sich bei diesem

Themengebiet verstärkt um eine Umsetzung bemühen. Ebenso hat die Plattform Industrie 4.0

ihren Ursprung in Deutschland. Gleiches gilt für die Literatur zum Thema SAP, speziell zu SAP

EWM. Hier handelt es sich um ein in Deutschland gegründetes Unternehmen.

Nicht verwunderlich also, dass der deutschsprachige Literaturanteil dazu deutlich überwiegt. Es

wurden vor allem Werke von Rheinwerk Publishing und vom Springer Verlag herangezogen.

Journals spielen in dieser Arbeit so gut wie keine Rolle, da der Informationsgehalt nicht den

Anforderungen zur Beantwortung der Forschungsfragen entspricht. Insgesamt hat sich die

Literatursuche als schwierig erwiesen, da die Vision beziehungsweise das Potenzial von

Industrie bis dato nur in Teilbereichen umgesetzt wird. Zudem wird Industrie 4.0 fast

ausschließlich in Kontext zum Produktionsbereich gesetzt. Die Intralogistik und deren

Verbindungen zu Industrie 4.0 werden, wenn überhaupt, nur am Rande erwähnt. Daher mangelt

es in diesem Zusammenhang an praxisrelevanter Literatur aus Journals.

6.4.2 Zeitrahmen

Dem Themengebiet Industrie 4.0 kommt seit 2012 mediale Aufmerksamkeit zu und Literatur

findet sich erst vermehrt ab diesem Zeitpunkt. SAP veröffentlicht in zeitlichen Abständen

aktualisierte Versionen ihrer SAP-Suite. Deshalb kamen, mit einer Ausnahme, nur Inhalte in

Frage, welche ab 2014 publiziert wurden.

6.4.3 Auswahl der Artikel (Datenbanken, Journals, Verlag, etc.)

Die Literatursuche erfolgte vorrangig in den frei zugängigen Datenbanken der JKU. Außerdem

wurde auch eine unsystematische Suche im Internet durchgeführt und Literatur gekauft.

6.4.4 Literaturpool

Bei der Themenausarbeitung dieser Diplomarbeit wurde ein Literaturpool angelegt, welcher

neben wissenschaftlichen Veröffentlichungen auch Beispiele aus der Praxis berücksichtigt.

Diese Kombination aus wissenschaftlichem und praxisorientiertem Wissen soll das

Methodik


umfangreiche Themengebiet möglichst ganzheitlich darstellen und abdecken. Daher umfasst der

Literaturpool unterschiedlichste Quellen, deren Erkenntnisse sich auf wissenschaftliche

Veröffentlichungen in Datenbanken, in eJournals, etc. stützen. Ebenso wurden verschiedene

Lehr- und Fachbücher miteinbezogen, allem voran die Bücher „Industrie 4.0 mit SAP“ und

„Warehouse Management mit SAP EWM“ von SAP Press, einer gemeinnützigen Initiative

zwischen SAP SE und dem Rheinwerk Verlag.

Untersuchungsgegenstand


7 Untersuchungsgegenstand

Der Untersuchungsgegenstand in Form der wesentlichen Funktionalitäten von SAP EWM wird in

der Untersuchung der Anforderungsdimensionen zur Diskussion gebracht. Diese wurden bereits

in Kapitel 5.4.2 angeführt und entsprechende Erkenntnisse aus einer umfassenden

Literaturrecherche gewonnen. Nicht alle Funktionalitäten (z.B. Cross-Docking) wurden auf eine

Eignung in der Industrie 4.0 untersucht, weil es sonst den Rahmen der Diplomarbeit gesprengt

hätte. Zudem hätte der Miteinbezug sämtlicher Funktionalitäten von SAP EWM die Ergebnisse

weder positiv noch negativ beeinflusst. Für weitere Analysen und konkrete

Umsetzungsstrategien empfiehlt es sich jedoch alle Themengebiete abzudecken. Folgende

Funktionalitäten kamen zur Anwendung:

• Materialflusssystem

• Wareneingangs- und ausgangsprozesse

• Monitoring

• Bestandsverwaltung (RFID-Technologie)

• Ressourcenmanagement

Anforderungsdimension


8 Anforderungsdimension

In Kapitel 3 und 4 konnten mit Hilfe der Literaturrecherche die Anforderungen und Eigenschaften

von Industrie 4.0 systematisch erfasst werden. Um die Ergebnisse als Vorbereitung zur

Literaturanalyse und Stärken-Schwächen-Analyse heranziehen zu können, werden diese im

nächsten Schritt zu weitgehend homogenen Gruppen zusammengefasst und für die weitere

Analyse aufbereitet. Diese Herangehensweise ist nicht neu und stellt auch in der Masterarbeit

von Lichtlein ein probates Mittel dar, die Zusammenhänge zwischen SAP EWM und Industrie

4.0 aufzuschlüsseln. Anders als bei Lichtlein beruhen die einzelnen Ausführungen nicht auf

Annahmen beziehungsweise auf umfangreichem Vorwissen, sondern es wird versucht, die neu

gewonnenen Erkenntnisse zu den einzelnen Anforderungskriterien auf Basis fundierter

Literaturquellen zu untermauern. Gleichzeitig hilft die intensive Auseinandersetzung mit der

Literatur bei der Aneignung jener Wissensgrundlage, die zur Beantwortung der zweiten

Forschungsfrage nötig ist. Die Auswahl der vier Anforderungsdimensionen wird nach ihrer

Gewichtung in den literarischen Werken zum Thema Industrie 4.0 von Barthelmäs, Bauernhansl,

ten Hompel, Andelfinger, Vogel-Heuser, Hänisch und anderen renommierten

Experten/Expertinnen getroffen. Die weitgehend homogenen Unterkapiteln ergeben sich aus

den Ausführungen in Kapitel zwei und drei. Diese Kriterien sind allgemein anerkannte

Voraussetzungen zur Umsetzung von Industrie 4.0 und daher können Überschneidungen zu

anderen Arbeiten nicht ausgeschlossen werden.

Da der Fokus der Untersuchung auf Umsetzungspotenzialen der Funktionalitäten von SAP

EWM im Industrie 4.0 Umfeld, also in der Smart Factory, liegt, werden die Anwendungsfelder

und Schnittstellen zwischen Industrie 4.0 und SAP EWM aus einer innerbetrieblichen

Logistikperspektive heraus betrachtet. Die daraus gewonnenen Erkenntnisse sollen nicht nur

den Status-Quo abbilden, sondern auch Rückschlüsse auf den Soll-Zustand zulassen. Der Soll-

Zustand leitet sich aus den Handlungsempfehlungen zur möglichen Beseitigung der ausfindig

gemachten Schwächen ab. Letztendlich soll ein Bild darüber gegeben werden, welche gestellten

Anforderungen von Industrie 4.0 durch SAP EWM bereits erfüllt bzw. nicht erfüllt werden

können. Daraus soll die Antwort auf die dritte Forschungsfrage abgeleitet werden können:

- Wo liegen die Stärken beziehungsweise Schwächen aktueller

Lagerverwaltungssysteme und können daraus Rückschlüsse für die Gestaltung

künftiger Lagerverwaltungssysteme (am Beispiel SAP EWM) gezogen werden, um

eine Umsetzbarkeit in der Industrie 4.0 zu realisieren?

Anforderungsdimension


Abgeleitete Anforderungsdimensionen:

Tabelle 1: Anforderungsdimensionen Industrie 4.0 (in Anlehnung an Lichtlein 2016, S. 57, eigene Dimensionen und Darstellung)

1

Informations- und

Kommunikationstechnologien

• Dezentrale Steuerung und

(teil)autonome Selbstorganisation

→Kapitel 3.2

• Integration (echtzeitfähiger)

Kommunikationstechnologien (u. a.

RFID-Technologie) →Kapitel 5.4.2.6

• Echtzeitfähige Schnittstellen zum

Austausch von Stamm- und

Bewegungsdaten →Kapitel 5.2

• Flexibilität als „kundenintegrierter

Geschäftsprozess“ →Kapitel 3.1

• Transparenz →Kapitel 3.1

2 Integration des Menschen über

Assistenzsysteme

• Intuitive Bedienelemente

• Moderne Assistenzsysteme

(Sprachsteuerung, Mobile Devices)

→Kapitel 3.1

• Mensch-Maschine-Schnittstelle über

intelligente Assistenzsysteme

→Kapitel 3.1 und Kapitel 4.2.2

• Der Mensch als übergeordnete

Kontroll- und Steuerungsinstanz

→Kapitel 3.1

3 Standardisierte Schnittstellen

• Integration von Cloud-Technologien

→Kapitel 3.2.6

• Normierung und Standardisierung

→Kapitel 3.2.7

4 Automatisierte Prozessfolge

• Einbettung von Multi-Agenten-

Systemen zur Interaktion mit einem

CPS →Kapitel 4.2.1 und Kapitel

3.2.1

• Vernetzung und Automatisierung in

der Produktion und Logistik

Literaturauswertung/Forschungsschwerpunkte


(autonome Transportsysteme aSLS)

→Kapitel 4.2.2)

9 Literaturauswertung/Forschungsschwerpunkte

Die zentrale Komponente von Industrie 4.0 sind cyber-physische-Systeme, welche sich aus

einem smarten Verbund aus Software- und Hardwarekomponenten zusammensetzen. Es

handelt sich dabei also um reale Systeme, die auf Basis einer technologischen Infrastruktur eine

ad-hoc Vernetzung von intelligenten Objekten, Maschinen, Betriebsmitteln sowie Distributions-

und Lagersystemen bewirken. Diese technologischen Komponenten, welche in

unterschiedlichen Ausprägungsformen zu leistungsfähigen Wertschöpfungsnetzwerken

kombiniert werden können, wurden ab Kapitel 3 detailliert beschrieben und liefern den

Ausgangspunkt für die Anforderungsdimensionen. In der folgenden Auswertung werden diese

Kriterien in Kontext zu einem SAP EWM-System gesetzt, um zu überprüfen, ob ein SAP EWM-

System in einer sich selbst organisierenden Domäne umgesetzt werden kann.

9.1 Inhaltsanalyse SAP EWM zur Anforderungsdimension 1

Die erste Anforderungsdimension hat das Themengebiet der Informations- und

Kommunikationstechnologien zum Gegenstand. In diesem Themenfeld soll untersucht werden,

ob das EWM-System mit echtzeitfähigen Kommunikationstechnologien kompatibel ist, um die

von der Industrie 4.0 eingeforderte Transparenz bei der Datenübertragung sicherzustellen und

eine dezentrale Steuerung zu ermöglichen.

In der intelligenten Fabrik sind Produktionsmittel, Menschen und Produkte ad-hoc miteinander

vernetzt und bilden eine sich selbst organisierende Organisation, das cyber-physische-System

(CPS). Die Grundlagen dafür liefern dezentrale Steuerungsmechanismen und autonome,

selbstorganisierende Produktionsanlagen sowie Materialflusssysteme. Daher sind die dezentrale

Steuerung und die (teil)autonome Selbstorganisation als Anforderungsdimension angeführt. Die

Umsetzung der Selbstorganisation von Produktionsanlagen und Materialflusssystemen kann

über intelligente Agenten erfolgen. Künstliche Intelligenz (KI) verleiht ihnen die Fähigkeit,

eigenständig zu handeln, sich gegenseitig abzustimmen und mit ihrer Umwelt aktiv zu

interagieren (Details dazu in Abschnitt 3.2). Die Fähigkeit von Systemen, aus historischen Daten

und Informationen zu lernen, wird ebenfalls der künstlichen Intelligenz zugeschrieben.



In einem solchen System spielt der Mensch als steuernde Instanz nur mehr eine untergeordnete

Rolle, er übernimmt primär eine Überwachungs- und Kontrollfunktion, bleibt aber die primäre

Entscheidungsinstanz. Betrachtet man nun ein SAP EWM-System, lässt sich festhalten, dass

SAP mit SAP Plant Connectivity (PCo) eine Softwarekomponente anbietet, die als Agent

dezentrale Entscheidungen treffen kann. SAP Plant Connectivity stellt eine Kommunikation

zwischen dem SAP EWM-Zielsystem und externen Quellsystemen her. Agenteninstanzen

zeigen sich wiederum für den Informationsfluss zwischen der Datenquelle (Anlagen, Geräte,

Steuerungen, etc.) und dem PCo verantwortlich. Der Agent kann auf Anfragen vom Quellsystem

direkt reagieren und Entscheidungen treffen, ohne das übergeordnete SAP EWM-System

miteinbeziehen zu müssen. Diese vorab ausgewerteten Informationen werden in weiterer Folge

über SAP Plant Connecitvity dem SAP EWM-System zur Verfügung gestellt (vgl. SAP [r] 2020,

o. S.; Schnell 2017, S. 126 f.). Allerdings stehen diesen Agenten keine Algorithmen zur

Wissensgenerierung aus Big-Data Mengen zur Verfügung. Als weniger problematisch erweisen

sich standardisierte Formate zur Übertragung der Informationen über das Internet. Dazu eignen

sich Formate, wie z.B. TCP/IP, Http oder XML (siehe Kapitel 3.1 Dezentralisierung und

autonome Selbstorganisation).

Ähnlich verhält es sich bei der Optimierung der Lagerprozessdurchführung. Das vollständig in

das SAP EWM-System integrierte Ressourcenmanagement stellt eine verbesserte Ausführung

der Lagertätigkeit sicher, indem es Arbeitspakete optimiert und diese den

Mitarbeitern/Mitarbeiterinnen automatisch zuweist. Damit soll eine intensivierte Nutzung von

Mitarbeitern/Mitarbeiterinnen und Ressourcen im Lagerprozess gewährleistet werden. Allerdings

ist die Qualität der Optimierung an die Datenverfügbarkeit gebunden. Das System kann hier nur

auf die zugrunde liegenden Stamm- sowie Konfigurationsdaten zurückgreifen (vgl. Lange 2018,

et al., S. 620). Im Sinne der Industrie 4.0 müssten die Prozess- und Produktdaten entlang der

gesamten Wertschöpfungskette zur Verfügung stehen und von einer zentralen Instanz verwaltet

werden (vgl. Seybold 2017, S. 46).

Optimierungen durch Automatisierung von Prozessen im Lager lassen sich, wie zuvor

angedeutet, durch das Ressourcenmanagement umsetzen. Dieses stützt sich auf

unterschiedliche Objekte, beispielsweise die Ressource oder den Bediener, für die

Konfigurations- bzw. Stammdaten im System angelegt sind. Das EWM-System muss sich

demnach auf die Zuverlässigkeit der Stammdatenpflege verlassen. Es kann somit nicht autonom

und selbstständig die Arbeitslast in Abhängigkeit saisonaler Schwankungen optimieren (vgl.

Lange 2017, et al., S. 620 f.). Eine Integration von SAP EWM in die Cloud-gestützte Plattform

SAP S4/HANA ist aktuell möglich und kann dabei helfen, das Problem der Datenverfügbarkeit

zu lösen. SAP EWM kann bereits als integraler Bestandteil des SAP S/4HANA Software-Stacks

ausgeliefert werden. Damit entfällt die Doppelpflege von Daten, da SAP EWM direkt auf die SAP



ERP-Daten im System zurückgreifen kann ohne die Notwendigkeit einer Replikation von

aktualisierten Stammdaten an EWM über das Core Interface (vgl. Lange 2017, et al., S 1080 f.).

Inwieweit damit die Kriterien von „Big Data“ erfüllt werden können, lässt sich in dieser

Untersuchung nicht feststellen.

Ein anderes Beispiel, welches gegen die Fähigkeit eines SAP EWM-Systems spricht, autonom

zu handeln und Prozesse selbstständig sowie dynamisch zu optimieren, ist die Findung von

Queues. Queues werden angelegt, um Lageraufträge nach betriebswirtschaftlichen

Gesichtspunkten zu gliedern und gemäß vor-konfigurierter Regeln abzuarbeiten. Welche

Lageraufträge sich je nach Verfügbarkeit von Mitarbeitern/Mitarbeiterinnen und Ressourcen

optimal abarbeiten lassen, muss abhängig von verschiedenen Prozessparametern bei der

Queue-Findung manuell eingegeben werden. Diese Findungskriterien (z. B.

Lagerplatzzugriffstyp, Lagerprozessart, Von- und Nach-Aktivitätsbereiche, etc.) müssen im

EWM-Customizing erstellt werden. Zudem können die Standardfelder über das BAdI (Business

Add-In) mit zusätzlichen Kriterien erweitert werden. Zieht man als Beispiel das

Ressourcenmanagement heran, müsste die Prozesssteuerung nach Auffassung der Industrie

4.0 anhand bestimmter Kennzahlen, Ressourcentypen (wie die zur Verfügung stehenden

Transportfahrzeuge) sowie unter Berücksichtigung der Auftragslage selbstständig die optimale

Strategie identifizieren (vgl. Lange 2018, et al., S. 620 ff.). Es zeigt sich also, dass EWM die

Anforderungskriterien bezüglich einer dezentralen Steuerung und Selbstorganisation nicht in

vollem Umfang erfüllt. Darüber hinaus ist die Lernfähigkeit im Sinne der künstlichen Intelligenz

zur autonomen Prozesssteuerung und -optimierung einem SAP EWM-System nicht

nachzuweisen (vgl. Schnell 2017, S. 126 f.).

Als zweiter Unterpunkt der ersten Anforderungsdimension hat sich die Integration echtzeitfähiger

Kommunikationstechnologien herauskristallisiert. Betrachtet man das SAP EWM-System im

Hinblick auf Kommunikationstechnologien, sind drei wesentliche Komponenten zu nennen: das

SAP-Materialflusssystem (MFS) als direkte Kommunikationsschnittstelle, die

speicherprogrammierbare Steuerung (SPS) und das SAP EWM-System. Die SPS steuert dabei

in Echtzeit den Transport von Handling Units (HU) auf Förderanlagen, indem es Signale der

verbundenen Förderanlage auswertet und mit den Informationen Sensoren, Aktoren und

Motoren ansteuert (vgl. SAP SE [3] 2015, o. S.). Der Datenaustausch zwischen der in der SAP

EWM integrierten Materialflusssteuerung und der SPS kann über mehrere

Kommunikationskanäle erfolgen, beispielsweise über sogenannte Meldepunkte. Ein Meldepunkt

entspricht einer speicherprogrammierbaren Steuerung (vgl. SAP [2] 2016, o. S.). Das in das

SAP EWM-System integrierte MFS kann daher in Echtzeit mit Förderungsanlagen und

Regalbediengeräten kommunizieren und somit exakt die Ein- und Auslagerungsstrategien,

sowie die Platzzuweisungen im Hochregallager und die damit verbundenen Lagerbewegungen



ansteuern. Die ausführende SPS erhält alle Befehle direkt und in Echtzeit von der MFS und gibt

entsprechende Signale an die miteinander verbundenen Maschinen weiter (vgl. Liebrecht 2010,

S. 131).

Aufgrund der direkten Anbindung von Fördertechnikanlagen an SAP EWM über die

speicherprogrammierbare Steuerung wurde ein durchgängiger Prozess geschaffen, der die von

der Industrie 4.0 gewünschten Transparenzkriterien (und die damit verknüpfte Echtzeitfähigkeit

von Kommunikationstechnologien) bezüglich bewegter Bestände und Lagerplätze erfüllt.

Die Integration echtzeitfähiger IKT-Technologien lässt sich vor allem anhand der

Bestandsverwaltung in einem SAP EWM-System untersuchen. Einzelstücke können im Lager

über die Serialnummer vom Wareneineingang bis zum Warenausgang identifiziert und verfolgt

werden (vgl. Lange 2015, et al., S. 203). Daneben bietet SAP die Möglichkeit zur

Bestandsidentifikation über Barcodes. Dadurch können verschiedene Produktattribute wie

Menge, Bestandsart und Charge ermittelt werden. Der Mitarbeiter/die Mitarbeiterin kann sich in

einer RF-Umgebung (Radio-Frequency) anmelden und für die Prozessschritte Dekonsolidierung,

Einlagerung und Verpacken die Daten aus der Bestandsidentifikation heranziehen. Die

Bestandsidentifikation kann aber auch dazu genutzt werden, um im Lagermonitor nach

Lageraufgaben, Beständen, etc. zu suchen (vgl. Lange 2015, et al., S. 230 ff.; SAP [s] 2020, o.

S.). Die Identifikation durch die Serialnummer ist allerdings mit erheblichem Aufwand verbunden,

da Serialnummernprofile sowohl in SAP ERP als auch in SAP EWM gepflegt und im

Materialstamm zwei Serialnummernprofile zugewiesen werden müssen (vgl. Lange 2015, et al.,

S. 207). Demnach ist eine Integration dieser Methode in einer cyber-physischen Fabrik nicht

realisierbar. Deutlich zukunftsfähiger ist jedoch die Kommunikation zwischen RFID-Hardware

und SAP EWM über SAP Auto-ID Infrastructure (vgl. Lange 2015, et al., S. 57).

Die RFID-Technologie erlaubt es, jedes Objekt auf der Materialebene (Paletten, Pakete, etc.) in

der Logistikkette zu serialisieren und während des gesamten Transportprozesses eindeutig zu

identifizieren (siehe Kapitel 5.4.2.6). Das störungsfreie Auslesen von einem RFID-Transponder

zur Datenerhebung geschieht an sogenannten Identifikationspunkten. In der Praxis werden

dafür Ein- und Ausgangskontrollen von Warenpulks durchgeführt (vgl. Schenk, o. J., o. S.).

Neben betriebswirtschaftlichen Faktoren gilt es auch Aspekte der Standardisierung zu

berücksichtigen. Welches Schema und welches Format die auf den Tags geschriebenen Daten

aufweisen müssen, wird im Electronic Product Code (EPC) vonseiten der EPCglobal festgelegt.

Würde es diese Standardisierung nicht geben, könnte die RFID-Technologie nur im eigenen

Betrieb eingesetzt werden. Dies würde eine Verfolgung des Objekts über Unternehmensgrenzen

hinweg nicht möglich machen und somit dem Grundgedanken der Industrie 4.0 widersprechen

(vgl. Lange 2017, et al., S. 684). Anders als beim herkömmlichen Verfahrensweg, dem seit

Jahren etablierten und bewährten Strichcode, verwendet RFID den 2-D Barcode



(zweidimensionalen Barcode), welcher deutlich mehr Informationen beinhalten kann (vgl. Lange

2017, et al., S. 683). Durch die Integration von SAP Auto-ID Infrastructure (SAP AII) in SAP

EWM können Lagerprozesse durch einen transparenten Datenaustausch in Echtzeit optimiert

werden. Mit Hilfe dieser Technologie können mehrere physische Objekte berührungslos

identifiziert werden, egal ob es sich dabei um Handling Units, verpackte Produkte oder

Ressourcen handelt (vgl. SAP [2] 2014, o. S.). Technische Voraussetzung dafür ist die

Kommunikation beider Systeme über synchrone RFC-Funktionsbausteine. Folgende RFID-

Prozesse können mit beiden Systemen realisiert werden (vgl. Lange 2017, et al., S. 686):

• Entladen im Wareneingangsprozess

• Beladen im Warenausgangsprozess

• Das Quittieren von Lageraufgaben

• Verpacken

Im Rahmen des dritten Unterpunkts der ersten Bewertungsdimension soll auch die

Kommunikation zwischen SAP ERP und SAP EWM bezüglich deren Tauglichkeit in einer

Industrie 4.0 gesteuerten Umgebung untersucht werden. Bei der Übertragung von Stamm- und

Bewegungsdaten zwischen den beiden Systemen kommen zwei Methoden zum Einsatz: das

Core Interface (CIF) und queued Remote Function Calls (qRFC). Für die Kommunikation

müssen die Daten zunächst entweder vom sendenden Quellsystem oder vom empfangenden

Zielsystem gepuffert werden. Daher können potenziell auftretende Fehlermeldungen auch nicht

an das System zurückgeschickt werden (vgl. SAP[3] AG 2014, o. S.).

Zusammenfassend lässt sich festhalten, dass bei Warenein- und ausgängen zunächst das ERP-

System als Empfänger fungiert, ehe die Informationen vom ERP zum SAP EWM-System

weitergeleitet werden (siehe Kapitel 5.4.2.4). Sollte es zu einer Änderung der Stammdaten im

ERP-System kommen bzw. zu Änderungen bei der Menge des Auslieferungsauftrags, muss das

Core Interface eine Replikation von geänderten Stammdaten an das EWM-System erstellen.

Allerdings erfolgt diese aufwändige Doppelpflege von Daten nur unter erheblichem Aufwand und

ohne die Permisse der Echtzeitfähigkeit, weshalb die Schnittstelle zwischen den beiden

Systemen nicht die Echtzeit-Kriterien einer Industrie 4.0 erfüllt.

Die Ausführungen zur Echtzeitfähigkeit von IKT-Technologien zeigen unterschiedliche

Ergebnisse. Während Materialflusssysteme, welche in das SAP EWM-System integriert sind, die

Kriterien der Echtzeitfähigkeit und Transparenz erfüllen, lassen sich diese Attribute in der

Kommunikation zwischen SAP EWM und SAP ERP nicht feststellen. Sollte SAP künftig jedoch

nur noch das cloudbasierte SAP EWM-System (als Bestandteil von SAP S/4HANA) anbieten,

könnte man die zuvor angeführten Attribute wieder entkräften. In der Bestandsverwaltung



hingegen kommt die neueste RFID-Technologie zum Einsatz, die durch einen transparenten,

echtzeitfähigen Datenaustausch Optimierungen in Lagerprozessen zulässt. Es lässt sich also

festhalten, dass das dritte Anforderungskriterium von SAP EWM nur zum Teil erfüllt werden

kann, wohingegen das vierte Kriterium nur unter der Prämisse SAP S/4HANA in der Industrie

4.0 tauglich wäre.

Beim vierten Punkt der ersten Anforderungsdimension „Flexibilität als kundenorientierter

Geschäftsprozess“ soll festgestellt werden, inwieweit sich ein Produktionsunternehmen an

wechselnde Prozessabläufe flexibel anpassen kann. Der Zusatz „kundenorientierter

Geschäftsprozess“ kann in diesem Abschnitt eher vernachlässigt werden, da dabei der

Miteinbezug des Kunden/der Kundin bei der Produktentstehung- und entwicklung im

Vordergrund steht. Man spricht auch vom individualisierten Produkt mit hoher

Variantenflexibilität, das in sehr geringen Losgrößen produziert wird. Dieser Bereich ist zwar

eines der Kernthemen der Industrie 4.0, kann aber verstärkt dem digitalen Engineering sowie

Methoden der „Predective Analytics“ zugeschrieben werden (Kapitel 3.1 →Flexibilität).

Vorweg kann festgehalten werden, dass SAP EWM zwar Möglichkeiten zur Anpassung an sich

verändernde Prozesse bietet, diese aber nicht vollumfänglich den Prämissen der

Selbstorganisation und des autonomen Handelns entsprechen. Es gibt zwar eine Reihe von

Anwendungsfällen, bei denen SAP EWM flexible Strategien bietet. Zu diesen zählen z.B. die

flexible Lagerplatzfindung oder flexible Ein- und Auslagerungstätigkeiten.

Beim flexiblen Lagerplatz handelt es sich um eine EWM Anwendung, welche die

Bestandsführung zur automatischen Platzverwaltung unterstützt. Ist ein Bestand vorhanden,

werden Lagerplätze automatisch erstellt und nach Quittierung der letzten Lageraufgabe wieder

gelöscht, vorausgesetzt dem flexiblen Lagerplatz soll kein neuer Bestand zugewiesen werden.

Diese Anwendung basiert auf SAP S/4HANA, einer cloudbasierten In-Memory Datenbank

(Kapitel 4.2.2). Auch dieser Vorgang ist an vorab festgelegte Einlagerungsregeln im Customizing

gebunden. In der Industrie 4.0 setzt Flexibilität allerdings eine Echtzeitabbildung voraus. SAP

EWM kann diese Voraussetzungen nicht erfüllen, da jeweils Schnittstellen

dazwischengeschalten sind. Bei der Lagerbewegung und damit verbundenen Einlagerung ist

das Materialflusssystem als Steuerungsinstanz installiert. Das MFS übergibt Lageraufgaben per

Telegrammkommunikation an die SPS, welche wiederum direkt Regalbediengeräte, Fördermittel

etc. ansteuert. SAP EWM stoppt jedoch die Lageraufgabe (LB) an das SPS nur dann, wenn im

Vorhinein schon gewisse Parameter festgelegt wurden. Das können Kapazitätsgrenzen sein,

welche für Ressourcen oder Meldepunkte eingestellt wurden. Gleiches gilt auch für den Fall,

dass die SPS eine Störung meldet. Erst dann leitet das EWM-System Maßnahmen ein, ein

vorausschauendes Erkennen von Störungen ist nicht möglich. Aufgrund der Tatsache, dass

SAP EWM nur anhand vordefinierter Restriktionen, welche bei Eintreten eine Störung auslösen,



handelt, kann in diesem Zusammenhang nicht von einer echtzeitbasierten Anpassungsfähigkeit

an wechselnde Umstände gesprochen werden. Für eine Umsetzbarkeit in einem CPS spricht

allerdings der flexible Lagerplatz zur automatischen Erstellung von Lagerplätzen oder die flexible

Einlagerung über MFS-Systeme. Mit einer sinnvollen Erweiterung der SAP HANA Technologie

soll das Anforderungskriterium der Flexibilität jedoch schon in naher Zukunft zu bewerkstelligen

sein (vgl. SAP [t] 2020, o. S.; Liebrecht 2010, S. 131.; SAP SE [4] 2015, o. S.).

Transparenz wird in der Industrie 4.0 durch den echtzeitfähigen Austausch von Informationen

und Daten definiert. Die Analyse des Begriffs bildet den fünften und letzten Punkt der ersten

Anforderungsdimension. Transparenz spiegelt sich in der Produktion und Logistik durch die

lückenlose Identifikation von Objekten und das Bereitstellen von Daten über den Ist-,

Konfigurations- und Prozesszustand von Maschinen sowie Produktionsanlagen entlang des

Wertschöpfungsnetzwerkes wider. Bei Warenbewegungen innerhalb des Lagers steht das

Materialflusssystem (MFS) als Bestandteil des SAP EWM-Systems im direkten Austausch mit

der SPS. Am Meldepunkt können Daten von der SPS an das EWM gemeldet werden und

gleichzeitig erhält die SPS über ein Telegramm neue Anweisungen (vgl. SAP SE [5] 2015, o.

S.). Dieser echtzeitbasierte Datenaustausch entspricht den von der Industrie 4.0 geforderten

Kriterien hinsichtlich Transparenz.

Auch der Einsatz der RFID-Technologie im Warenein- und ausgang ermöglichen den

echtzeitfähigen Datentransfer. In Bezug auf Transparenz und Datenverfügbarkeit ergibt sich

daraus der Vorteil, dass RFID-Tags auch innerhalb von Behältern ausgewertet werden können.

Das wäre mit konventionellen Barcode-Methoden nicht möglich, die einen direkten Sichtkontakt

zum Lesegerät voraussetzen. Mit HANA liefert SAP zudem ein echtzeitbasiertes Analyse- und

Auswertungstool, mit welchem Transparenz gewährleistet ist (vgl. Huber 2016, S. 236).

Betrachtet man allerdings den Austausch von Stamm- und Bewegungsdaten zwischen SAP

EWM und SAP ERP über das Core Interface, wird ersichtlich, dass diese Schnittstelle nicht dem

Kriterium der Echtzeitfähigkeit entspricht und somit keine durchgängige Transparenz entlang der

Wertschöpfungskette zulässt.


Die komplexen Abläufe in einem cyber-physischen Produktionssystem stellen Unternehmen vor

neue Herausforderungen und verlangen neue Wege zur Beherrschung dieser Komplexität.

Einen Ansatz dazu liefern Assistenzsysteme, welche das Bindeglied zwischen Menschen und

Maschinen im CPPS-Gefüge sind. Gemeinsam bilden sie ein sozio-technisches System.



Aus diesem Grund ist die „Integration des Menschen über Assistenzsysteme“ ebenso ein

Anforderungskriterium, welches an ein SAP-System gestellt wird.

Für die intuitive Navigation durch einen Datenbestand und die Abbildung verschiedener

Prozessschritte im Warenein- und ausgang, zu Lagerbeständen, Lageraufgaben und

Lageraufträgen, etc. braucht es intuitive Bedienelemente. Es geht darum, Informationen so

schnell wie möglich abzurufen, Einstellungen vorzunehmen und gegebenenfalls

Korrekturmaßnahmen einzuleiten. Daher sind intuitive Bedienelemente ein weiteres

Anforderungskriterium. Mobile Geräte mit berührungsempfindlicher Touch-Benutzeroberfläche

haben auch bei SAP EWM Einzug gehalten. Um eine SAP EWM Bildschirmmaske auf einem

integrierten mobilen Gerät anzeigen zu können, braucht es neben der passenden Hardware

auch eine webbasierte Software. Aufgrund der Tatsache, dass das Standard-Windows-SAP-GUI

nicht auf mobilen Endgeräten funktioniert, ist eine Integration mit der webbasierten SAP

ITSmobile erforderlich (siehe Kapitel 5.4.2.6). Um beispielsweise ein Lagergeschehen, wie das

Bewegen eines Bestandes, in Echtzeit abbilden zu können, ist eine Anwendung im

Onlinebetrieb Grundvoraussetzung. Die Bedienung über ein mobiles Gerät kann dezentral und

ohne räumliche Gebundenheit erfolgen. Hardwareseitig genügt die Ausstattung mit einer

Wireless-LAN-Netzwerk-Architektur (vgl. Lange 2017, et al., S. 656 ff).

In diesem Zusammenhang gilt es auch festzuhalten, dass SAP EWM mit dem Radio-Frequency-

Framework (RF-Framework) die Möglichkeit zur Verwendung mobiler RF-Geräte bereitstellt.

Durch diese Integration kann die betriebswirtschaftliche Logik (Geschäftslogik) von der

physischen Anzeige von Daten auf einem mobilen Gerät entkoppelt werden. Um Anpassungen

noch flexibler vornehmen zu können, unterstützt das RF-Framework nicht nur GUI- und

zeichenbasierte Geräte, sondern auch die im Hinblick auf Industrie 4.0 relevanten browser-

basierten Geräte. Zur Anbindung verwendet das Framework wiederum die Schnittstelle

ITSMobile. Im Hinblick auf eine intuitive Navigation können solche GUI-Geräte über

berührungsempfindliche Bildschirme, über eine klassische Tastatur oder über Drucktasten

bedient werden. Der Vorteil eines RF-Frameworks liegt darin, dass die Kommunikation sowie

der Datenaustausch mit einem Warehouse Management-System nicht von einem zentralen

Arbeitsplatz aus, sondern von praktisch jedem beliebigen Ort im Lager erfolgen kann. Zudem

ersetzen RF-Geräte sämtliche Dokumente und ermöglichen das fehlerfreie Auslesen codierter

Informationen, wie etwa Barcodes oder 2D Codes. Die direkte Interaktion der RF-Geräte erlaubt

eine korrekte Datenvalidierung und sichert einen hohen Qualitätsstandard im Lager, indem

Eingabefehler vermieden werden. Unter EWM können mehrere Aktivitäten ausgeführt werden,

welche RF unterstützen, wie das Bestätigen von Lageraufgaben, Verpacken, Be- und

Entladetätigkeiten, Bestandsaufnahme sowie der Prozessschritt Dekonsolidierung (vgl. Kappauf

2012, et al., S. 210; Lange 2017, et al., S. 644 f.; SAP SE [3] 2016, o. S.).



Aus den angeführten Punkten lässt sich schlussfolgern, dass das echtzeitbasierte Abrufen von

Daten und das Durchführen von Einstellungen über SAP EWM weitgehend den Kriterien der

Industrie 4.0 entsprechen, wenngleich auch hier nur Annahmen getroffen werden können.

Benutzeroberflächen sind in der CPS-gesteuerten Fabrik so zu gestalten, dass sich der

Bediener/die Bedienerin nicht erst durch unzählige Untermenüs quälen muss, um Einstellungen

vornehmen oder Daten abrufen zu können. Als besonders intuitiv erweist sich die Pick-by-Voice-

Integration, welche es dem Bediener/der Bedienerin erlaubt, über Sprachbefehle mit dem

System zu kommunizieren. Da die manuelle Eingabe entfällt, gibt es auch keine

Eingabeverzögerung und der Benutzer/die Benutzerin kann in Echtzeit Daten abrufen und an

das System zurückschicken. Die zuvor erwähnte ITSmobile Technologie liefert die passende

Schnittstelle, damit ein Voice-Browser mit einem SAP-System interagieren kann (vgl. Lange

2015, et al., S. 674 f.).

Die Integration von Pick-by-Voice-Technologien sind seit dem EWM 9.0 Release bereits im

Standard und im RF-Framework so einsetzbar, dass Kommissionierprozesse sprachgesteuert

ausgeführt werden können (vgl. Lange 2015, et al., S. 675).

SAP EWM zeichnet sich außerdem durch diverse Konfigurationsmöglichkeiten aus, um das

Layout einer Anzeige zu individualisieren. So erlaubt auch das RF-Framework neben der reinen

Dateneingabe die maßgeschneiderte Anpassung der Menüstruktur. SAP gewährt zudem die

Integration externer Experten/Expertinnen, welche die Visualisierung auf mobilen Geräten

gestalten. Ebenso lässt sich die Benutzeroberfläche des Lagermonitors nach persönlichen

Präferenzen und Geschäftsanforderungen anpassen. Dieser setzt sich aus drei Teilbereichen

zusammen, die sich in der Größe flexibel konfigurieren lassen. Der Knotenhierarchiebaum (1)

erfüllt den Zweck der Navigation zwischen den Knoten. Der obere Sichtbereich (2) enthält

Objektinformationen zu den einzelnen Knoten, im unteren Sichtbereich (3) werden Detaildaten

zu einem im oberen Sichtbereich markierten Objekt angezeigt.



Dieser Standardmonitor kann entweder angepasst oder durch einen individualisierten Monitor

mit eigenen Reports und Methoden ersetzt werden (vgl. Kappauf 2012, et al., S. 210; Lange

2017, et al., S. 885 ff.). Wie das Layout in einer smarten Fabrik auszusehen hat, hängt immer

auch von Vorlieben und persönlichen Präferenzen ab, daher kann diesbezüglich keine

zuverlässige Einschätzung getroffen werden. SAP EWM lässt jedoch sicherlich großen

Spielraum zur Individualisierung einer Struktur zu. Darüber hinaus liefert SAP EWM mit der

ITSmobile Technologie eine moderne Schnittstelle, um Voice-Browser Funktionen (z. B. Pick-by-

Voice) zu implementieren. Das kann gerade in solchen Lagerbereichen von Vorteil sein, wo

Kommissionieraktivitäten durchgeführt werden. Ob Pick-by-Voice Technologien auch in einem

CPS sinnvoll eingesetzt werden können, lässt sich aufgrund der fehlenden Praxisbeispiele nicht

beantworten. Eine Möglichkeit zur Integration ist aus technischer Sicht jedenfalls gegeben.

Durch die Integration des Menschen in ein cyber-physisches-System wird diesem eine

technisch-soziale Schnittstellenfunktion zugewiesen. Die Flut an Informationen von intelligenten

Objekten und Maschinen ohne entsprechende Filterungs- und Datenaufbereitungsmechanismen

Abbildung 22: Aufbau und Struktur des Lagermonitors (Lange 2017, et al., S. 885)



würde den Menschen schlichtweg überfordern. Neben „intelligenter Assistenz“ zur Unterstützung

in der Mensch-Maschinen-Kooperation benötigt es auch neue Ansätze in der

Kompetenzentwicklung, um aktives Lernen in den Arbeitsprozess zu integrieren. Intelligente

Assistenzsysteme sollen dem Nutzer/der Nutzerin nicht nur durch Instruktionen behilflich sein,

sondern auch dazu beitragen, durch die Anwendung neues Wissen zu generieren. Nur durch

das Aneignen neuer Kompetenzen kann der Mensch hochautomatisierte Prozesse überwachen

und regulativ eingreifen. Werden Assistenzsysteme jedoch so gestaltet, dass diese auf geringe

Benutzerakzeptanz stoßen, kann es zum Automatisierungsdilemma von Bainbridge kommen

(vgl. Bainbridge 1983, S. 775 f., zitiert nach Senderek, Geisler 2015, S. 36). Dieses als „Ironies

of Automation“ bekannte Phänomen besagt, dass es dem Menschen mit Zunahme des

Automatisierungsgrads immer schwerer fällt, „(…) die für ihn als „black box“ wahrgenommenen

Prozessabläufe zu verstehen, zu analysieren und Entscheidungen bezüglich der notwendigen

Maßnahmen abzuleiten“ (Hirsch-Kreinsen 2014, S. 20 ff., zitiert nach Senderek, Geisler 2015, S.

36 f.). Beleuchtet man nun mit diesem Hintergrundwissen die Gegebenheiten in einem SAP

EWM-System, sei in diesem Zusammenhang wieder auf das RF-Framework und auf mobile

Geräte verwiesen. Dass diese die Voraussetzungen mobil, echtzeit- und lokationsbasiert

erfüllen, wurde bereits festgestellt. Mobile Geräte können jedoch keine Informationen

selbstständig filtern, zusammenführen und einem Mitarbeiter/einer Mitarbeiterin bedarfsgerecht

zur Verfügung stellen (vgl. Senderek, Geisler 2015, S. 38). Es ist solchen Systemen auch nicht

möglich, selbstständig zu handeln oder alternative Lösungswege vorzuschlagen.

Dazu müssten mobile Geräte sowie „Wearable Technologies8“ mit künstlicher Intelligenz

ausgestattet sein. Durch das Fehlen einer KI kommt es auch zum Widerspruch mit der

arbeitsintegrierten Kompetenzentwicklung, welche intelligenten Assistenzsystemen

zugesprochen wird. Bereits existierende Systeme in SAP EWM können hochkomplexe

Prozessschritte und Planungsalgorithmen für den Mitarbeiter/die Mitarbeiterin

informationstechnisch nicht nachvollziehbar machen. Dieser/Diese kann daher nicht von der

Assistenz lernen und wird ein ablehnendes Verhalten gegenüber dem System entwickeln (vgl.

Seybold 2017, S. 44 f.).

SAP hat mittlerweile jedoch mit SAP Fiori ein neues User Interface (UI) im Angebot, welches

neben der Informationsbereitstellung auch Unterstützung bei der Entscheidungsfindung leistet.

Fiori Apps, welche in HTML 5 entwickelt wurden, sind auf jedem beliebigen Endgerät lauffähig

und passen die Oberfläche automatisch dem mobilen Endgerät an. Zudem sind SAP Fiori Apps

mit der cloudbasierten SAP-Lösung SAP S/4HANA verbunden, was es dem Lagermitarbeiter/der

8 „Wearable Technology“ sind am Körper getragene technische Hilfsmittel, welche die Schnittstelle zwischen einem zentralen Softwaresystem (z.B. SAP EWM) und dem Mitarbeiter bilden und eine Kommunikation in beide Richtungen ermöglichen (vgl. Schell 2017, et al., S. 166)



Lagermitarbeiterin ermöglicht, Echtzeitanalysen über die HANA-Datenbank durchzuführen. Dass

diese Apps intelligent sowie selbstständig agieren und Handlungsalternativen aufzeigen, kann

allerdings nicht festgestellt werden (vgl. IGZ Ingenieurgesellschaft für logistische

Informationssysteme mbH 2019, o. S.).

Im Kontext des Lernens sind auch rechtliche Aspekte zu beachten. Um die Information für jeden

Nutzer/jede Nutzerin individuell und verständlich aufzubereiten, müssen dem Assistenzsystem

dessen/deren Fähigkeiten und Kompetenzen bekannt sein. Dazu müssen vorab Nutzer- und

Kompetenzprofile angelegt und persönliche Lernfortschritte laufend aktualisiert werden (vgl.

Senderek, Geisler 2015 S. 39). Hier liegt die Vermutung nahe, dass die rechtlichen

Rahmenbedingungen in einem SAP EWM-System dahingehend noch nicht angepasst wurden.

Eine genauere Untersuchung der rechtlichen Ausgestaltung in einem SAP EWM-System ist in

der Arbeit jedoch nicht vorgesehen. SAP bietet zwar eine Schnittstelle zwischen dem

Mitarbeiter/der Mitarbeiterin und dem System, jedoch bleibt der Aspekt der intelligenten

Assistenz (noch) unberücksichtigt.

Die Rolle des Menschen am Arbeitsplatz wird sich durch Industrie 4.0 stark verändern. Während

manuelle Tätigkeiten mehr und mehr von Maschinen ausgeführt werden, übernimmt der Mensch

vorwiegend Tätigkeiten des Überwachens komplexer Automatisierungsprozesse, gezielte

Planungs- und Steuerungsaktivitäten auf Basis von Informationen und regulative Maßnahmen.

Daraus leitet sich der dritte Punkt der zweiten Anforderungsdimension ab: der Mensch als

übergeordnete Kontroll- und Steuerungsinstanz (vgl. Senderek, Geisler 2015 S. 39).

Damit der Mensch seine Rolle als Planungs- und Steuerungsinstanz in Taten umsetzen kann,

muss er mit Informationen aus dem operativen Betrieb versorgt werden. Wie bereits festgestellt

wurde, erfüllt SAP EWM in weiten Teilen das Kriterium der Transparenz, also die durchgängige

Datenverfügbarkeit eines Prozesses. Diese Informationsbereitstellung ist in SAP EWM jedoch

selten dynamisch gestaltet, weshalb die Aktualisierung von Daten manuell angestoßen werden

muss. Da die Genauigkeit und der Informationsgehalt der Lagerverwaltungsmonitoren von der

Datenstammpflege abhängen, sollte dieser Umstand nicht außer Acht gelassen werden (vgl.

Reinhart 2017, S. 67). Davon abgesehen bietet SAP EWM mit dem Lagerverwaltungsmonitor,

dem Easy Graphic Framework (EGF) und dem grafischen Lagerlayout (GLL) mehrere

Möglichkeiten im Reporting und Monitoring. Der Lagermonitor liefert nicht nur die

Informationsbasis zu Prozessschritten im Lager, er stellt auch Methoden zur Ausführung von

Korrekturmaßnahmen bereit (vgl. Lange 2017, et al., S. 884). Der Lagermonitor stellt auch mit

Bezug auf Industrie 4.0 ein geeignetes Instrument dar, um auf Basis von Daten und

Informationen einen ausreichenden Überblick über Lageraktivitäten zu geben.



Daten können in SAP EWM auch grafisch angezeigt werden. Beim grafischen Lagerlayout

(GILL) wird das Lagerinnere als zweidimensionale Grafik abgebildet, um Informationen über die

Platzauslastung, die Bestandssituation sowie die im Lager tätigen Ressourcen grafisch

darzustellen (vgl. Lange 2017, et al., S. 909). Mit dieser Methode kann jedoch keine

realitätsnahe 3D-Abbildung des Lagerlayouts (Virtual Reality) und somit keine Visualisierung des

Lagergeschehens im Sinne der Industrie 4.0 gewährleistet werden. Ein ähnliches Dilemma gilt

für das Easy Graphics Framework (EGF), welches definierte Lagerkennzahlen (z.B. dargestellt

als Balkendiagramm) anhand von Chart-Typen grafisch darstellt (vgl. Lange 2017, et al., S.

900). Um die Kriterien der Industrie 4.0 zu erfüllen, müssten Technologien wie die Augmented

Reality zum Einsatz kommen. Damit kann der Mitarbeiter/die Mitarbeiterin das Lagerlayout als

Hologramme projizieren, um einen umfassenden Überblick über die Situation im Lager zu

erhalten (vgl. Schell 2017, et al. S. 170).

Damit der Mensch seine neue Rolle in einem cyber-physischen-System wahrnehmen kann,

braucht es innovative Lösungen im Monitoring und Reporting, um die natürliche Wahrnehmung

des Lagermitarbeiters/der Lagermitarbeiterin mit der künstlichen Wahrnehmung des

Lagergeschehens zu verbinden. Neu Technologien wie VR-Brillen (Virtual Reality) oder Mixed

Reality werden heute bereits erfolgreich im Engineering oder Gaming-Bereich eingesetzt.

Auch SAP gewährt zu diesem Thema einen Blick in die Zukunft und spricht in diesem

Zusammenhang von der intelligenten Brille. Ob und wann es zu einer Umsetzung kommt, kann

an dieser Stelle nur gemutmaßt werden.


Das dritte Anforderungskriterium baut auf dem Themengebiet „standardisierte Schnittstellen“

auf. Damit logistische Prozesse innerhalb des Lagers effizient und planmäßig ablaufen können,

müssen in SAP EWM im Customizing vorab Parameter und Regeln definiert werden. Betrachtet

man beispielsweise die prozessorientierte Lagerungssteuerung, werden hier einzelne

Lagerungsprozessschritte zu einem Lagerungsprozess zusammengefasst. Die einzelnen

Prozessschritte wie das Entladen, Zählen oder die Qualitätsprüfung, etc. können im Customizing

vordefiniert werden. Anhand der standardisierten Parameter wird von SAP EWM festgelegt,

welche Arbeitsstation für die nächste Funktion (z.B. Prüfen der Qualität) innerhalb des

Wareneingangsprozesses angesteuert wird. Sobald EWM Handling Units (HUs) erzeugt, werden

diesen, je nach Customizing Einstellungen, jene festgelegten Prozessschritte zugeordnet, um

entweder vom Zwischenlagertyp zum nächsten Zwischenlagertyp oder zum endgültigen Nach-

Lagertyp gebracht zu werden (vgl. SAP SE [6] 2015, o. S.; SAP SE [7] 2015, o. S.; SAP SE [8]

2015, o. S.). Da Industrie 4.0 für die Implementierung autonomer Prozesse robuste und



standardisierte Prozesse sowie Schnittstellen als Steuerungsregeln bei der Kontrolle von

Prozessen voraussetzt, scheint SAP EWM aufgrund der Systembeschaffenheit diese

Voraussetzungen zu erfüllen (vgl. Deuse 2015, et al., S. 103).

Mit der plattformunabhängigen Architektur OPC UA hat SAP einen standardisierten Client,

welcher über SAP Plant Connectivity als bidirektionale Kommunikationsschnittstelle fungiert

sowie zum Datenaustausch zwischen einem SAP-System und einer branchenspezifischen

Standarddatenquelle dient. Der Vorteil von OPC UA liegt darin, dass auch Protokolle aus

anderen Standardisierungsgremien verwendet werden können. OPC UA wird zudem im

Referenzarchitekturmodell 4.0 (RAMI 4.0) als zukunftsweisende Technologie erwähnt, welche

die nötigen Voraussetzungen einer technischen Realisierung in der Industrie 4.0 erfüllt. OPC UA

unterstützt auch Protokolle, um sensorgenerierte Informationen in eine Cloud zu senden. Das

ermöglicht eine Vernetzung mit Geschäftspartnern/Geschäftsparterinnen über die gesamte

Wertschöpfungskette hinweg. Aufgrund der Tatsache, dass SAP OPC UA unterstützt, sollte das

Anforderungskriterium der Standardisierung erfüllt sein (vgl. Schell 2017, et al., S. 96).

Cloud-basierte Technologien sind ein integraler Bestandteil zur Datenaufbewahrung und zur

Datenbeschaffung in der Industrie 4.0 und stellen daher ein weiteres Anforderungskriterium dar.

Auch SAP EWM kann an eine cloudbasierte Plattform angebunden werden. Diese nennt sich

SAP S/4 HANA und erlaubt sowohl die direkte Integration von SAP EWM als auch die

Verwendung von SAP EWM als dezentrale Lagerverwaltungssoftware. Jedoch erscheint SAP

EWM als direkter Bestandteil von SAP HANA als deutlich zukunftssichere Technologie, daher

wird im Folgenden nur darauf näher Bezug genommen. Im Gegensatz zu einem an SAP

S/4HANA angebundenen dezentralen SAP EWM-System entfällt bei der integrierten Version die

Verwendung des Core Interface (CIF). Es müssen beispielsweise die Materialstämme nicht von

SAP ERP mittels Core Interface an das EWM-System übermittelt werden. Im Rahmen der

ersten Anforderungsdimension wurde bereits festgestellt, dass das CIF nicht echtzeitfähig und

damit auch nicht Industrie 4.0 tauglich ist. Dieser Nachteil entfällt jedoch durch den Einsatz von

S/4HANA, da EWM direkt auf die im System abgelegten SAP ERP-Daten zugreifen kann.

Kunden- und Lieferanteninformationen werden in SAP S/4HANA abgelegt, wo ein direkter

Zugriff von SAP EWM erfolgt. Ebenso können ERP-Materialstämme direkt von EWM genutzt

werden. Belege über An- und Auslieferungen in SAP EWM, welche nichts anderes sind als

Replikate der SAP ERP An- und Auslieferung, werden damit überflüssig (vgl. Lange 2015, et al.,

S. 1079 ff.). Die Cloud-Integration als Anforderungskriterium wird daher von SAP EWM erfüllt.

Inwieweit und in welcher Form der Umgang mit Big Data ausgestaltet werden muss, kann im

Rahmen dieser Arbeit nicht festgestellt werden. Big Data ist jedoch essenziell für die

Datenverarbeitung und -analyse (siehe Kapitel 3.2.3) und nutzt dabei auch externe

Datenquellen. Da SAP EWM als Teil einer SAP-SCM-Serverinstanz mit mehreren SAP



S/4HANA-Instanzen verbunden werden kann und somit externe Datenquellen abgerufen werden

können, sollten hier die geeigneten Rahmenbedingungen für Big Data vorzufinden sein (vgl.

Lange 2015, et al., S. 1079).


Eines der Kernthemen der Industrie 4.0 ist die Reduktion der Komplexität und die Steigerung der

Systemrobustheit im Produktions- sowie Logistikprozess durch die autonome Selbststeuerung

(siehe Kapitel 4.2.1). Im Fokus steht dabei immer ein Gesamtproblem, welches es zu lösen gilt.

Industrie 4.0 sieht jedoch die Spaltung eines Gesamtproblems in Teilprobleme vor. Diese

Aufgaben übernehmen Agenten. Münzt man diesen Aspekt auf ein SAP EWM-System um,

können dort Agenten zur Steuerung sämtlicher operativer Prozessschritte eingesetzt werden.

Diese Überlegungen führen zum vierten Anforderungskriterium, nämlich der Einbettung von

Multi-Agenten-Systemen zur Interaktion mit einem CPS. Heute werden in einem SAP EWM-

System Belege verwendet, die alle notwendigen Daten zur Steuerung und Dokumentation von

Geschäftsprozessen enthalten (vgl. SAP SE [9] 2015, o. S.). Das SAP EWM-System ermittelt

zunächst über den Anlieferungsbeleg, beispielweise über Lieferart, die Lagerprozessart. Dieser

beinhaltet Informationen zu den Aktivitäten des Ein- und Auslagerungsprozesses (vgl. SAP SE

[10] 2015, o. S.). Daran geknüpft ist der Beleg der Produkt- oder Handlung Unit-Lageraufgabe

(LB), welche die Informationen über den physischen Transport innerhalb des Lagers enthält

(SAP SE [11] 2015, o. S.). Kommen allerdings Agenten zum Einsatz, würden diese

Prozessschritte für das SAP EWM-System wegfallen und somit zu einer deutlichen Reduktion

der Komplexität führen. Es können zum Beispiel für jede Transporteinheit (TE) eigene TE-

Agenten aktiv sein und nur für die Transportdauer, vom Aufsetzen auf die Fördertechnik bis zu

Einlagerung der TE, bestehen. Der Agent ist dabei nicht an einen festen Platz gebunden,

sondern kann überall innerhalb des Netzwerks sein. Ein Agent repräsentiert dabei eine

übergeordnete Instanz (ConvLoc-Agent) und übermittelt an einem bestimmten Platz

(beispielsweise am Identifikationspunkt) Befehle an den TE-Agent (vgl. Gehlich 2010, et al. S.

303). SAP EWM übergibt die Lagersteuerung an die Agenten und führt nur noch Aufgaben der

Lagerverwaltung sowie der Datenpflege durch (vgl. SAP SE [12] 2015, o. S.) (Stammdaten

werden üblicherweise bereits im ERP-System angelegt). Voraussetzung ist jedoch, dass auf der

Makroebene das Zusammenspiel und die Kommunikation der Agenten genau definiert werden,

damit sich ihr jeweiliger Aufgabenbereich nicht mit anderen überkreuzt (siehe Kapitel 4.2.1). Die

Agenten müssen sich untereinander auch mitteilen, welcher Auftrag als nächstes abgearbeitet

werden darf. Eine zentrale Entscheidungsstelle ist nicht länger notwendig, das System handelt,

wie von Industrie 4.0 präferiert, dezentral (vgl. Gehlich 2010, et al., S. 307). Auch gilt es zu



klären, wie Agenten in ein SAP EWM-System integriert werden sollen, damit eine reibungslose

Kommunikation mit einem CPS vonstatten gehen kann. SAP EWM bietet zwar mit der EWM-

LSR-Schnittstelle eine Verbindung zu verschiedenen Fremdsystemen. Bei dieser Variante dient

das Remote Function Call (tRFC) als Schnittstelle zur Kommunikation (vgl. SAP SE [13] 2015, o.

S.). Agenten setzen allerdings eine dezentrale Steuerungshardware voraus. Um das zu

realisieren, werden netzwerkfähige Embedded-Controller benötigt. Darüber hinaus werden hohe

Anforderungen an die Echtzeitfähigkeit gestellt (vgl. Gehlich 2010, et al., S. 309). Da SAP noch

keine geeigneten Schnittstellen zur Integration von Agenten anbietet, kann dieses

Anforderungskriterium von SAP EWM nicht erfüllt werden.

Die Industrie 4.0 sieht vor, dass Sendungen innerhalb des Lagers mit Hilfe des Internets der

Dinge ihre Zielorte selbstständig mitteilen und die nächsten Prozesse autonom anstoßen. Das

setzt eine weitreichende Automatisierung der Intralogistik voraus (vgl. Göhring, Lorenz 2010, S.

313). Daher zählen die „Vernetzung und Automatisierung in der Produktion und Logistik“

ebenfalls als ein Anforderungskriterium und sind dahingehend zu überprüfen, ob SAP EWM

schon dafür gerüstet ist. In den vorangegangenen Ausführungen wurden bereits mehrere

Technologien wie Barcodes, Serialnummern und die RFID-Technologie diskutiert und wie

dadurch Sendungen, Produkte oder Handling Units vom System erfasst und automatisch durch

das Lager befördert werden.

In diesem Zusammenhang wurde in der Arbeit auch die layoutorientierte Lagerungssteuerung,

also das automatische Lager, thematisiert. So erfordern einige Lagertypen wie das

Hochregallager einen I-Punk (Identifikationspunkt), welcher Wareneingänge für weitere

Bearbeitungsschritte identifiziert. Zudem können Identifikationspunkte dazu genutzt werden, um

einen Wechsel des Förderzeugs anzustoßen, beispielsweise um eine Handling Unit (HU) von

einem Gabelstapler auf ein Regalförderzeug umzuladen (vgl. SAP SE [14] 2015, o. S.).



Der automatische Transport einer HU auf einer Fördertechnikanlage wird im Materialflusssystem

dargestellt, die Steuerung setzt zwingend den Einsatz einer SPS voraus. Diese kommuniziert

wiederum über Meldepunkte mit dem SAP EWM-System (vgl. SAP SE [16] 2015, o. S.; SAP SE

[17] 2015, o. S.). Der Anspruch der Automatisierung in der Intralogistik ist daher erfüllt.

Um moderne Technologien in das Gesamtkonzept eines CPS zu integrieren, bietet sich ein

dezentrales, agenten-basiertes System an. Das soll anhand eines in der Praxis bewährten

Staplerleitsystems (SLS) untersucht werden. Herkömmliche Staplerleitsysteme sind für die

Kommissionierung, für die Steuerung von Staplern und für die wege- und auftragsoptimierte

Gestaltung von Materialbewegungen verantwortlich. Zudem fungieren sie bei der

Datenübertragung auf ein mobiles Gerät als Bindeglied zwischen Funk-Controller und einem

WMS-System. Dabei erhalten SLS die Transportbedarfe von einem übergeordneten WMS-

System, um im Anschluss Transportaufträge zu erstellen. Um jedoch ein SLS an dezentrale,

sich selbst steuernde Strukturen anzupassen, braucht es die Implementierung eines aSLS

(agenten-basiertes Staplerleitsystem). Über Funkcontrollersysteme, an welchen mobile

Datenterminals angeschlossen sind, kommunizieren die Domänen der WMS und des aSLS.

Damit das System autark funktionieren kann, muss künstliche Intelligenz in die

Terminalumgebung eingeschleust werden. Das geschieht mittels Agenten (vgl. Göhring, Lorenz

2010, S. 313 ff.). Diese Vorgehensweise würde sich analog auch dazu eignen, intelligente

Maschinen, Förderanlagen und Produkte in einem CPS miteinander zu vernetzen. Wie bereits in

der ersten Anforderungsdimension festgestellt wurde, besitzt ein SAP EWM-System keine

künstliche Intelligenz, ebenso sind mobile Geräte nicht mit künstlicher Intelligenz ausgestattet.

SAP bietet mit SAP Fiori allerdings eine zukunftsfähige Plattform. Trotzdem lässt sich festhalten,

Abbildung 23: Identifikationspunkt im automatischen Lager (SAP SE [15] 2015, o. S.)



dass SAP EWM weder die Schnittstellenkompetenz (Funkcontrollersysteme) noch die Kriterien

einer künstlichen Intelligenz anbietet, um agenten-basierte Systeme zu installieren.

9.5 Stärken-Schwächen-Analyse

Die Ergebnisse aus der vorangegangenen Untersuchung können nun herangezogen werden,

um die zweite Forschungsfrage „Können bereits bestehende WMS-Systeme zukünftige

Anforderungen von Industrie 4.0 befriedigen?“ zu beantworten. Zunächst werden die

Schwächen von SAP EWM bezüglich einer Umsetzung in der Industrie 4.0 angeführt, ehe auf

die Stärken eingegangen wird. Aus den Schwächen werden im abschließenden Teil der Arbeit,

zur Beantwortung der dritten Forschungsfrage, Handlungsempfehlungen abgeleitet. Dass die

zweite Forschungsfrage mit einem klaren „Nein“ beantwortet werden kann, geht bereits aus den

Ergebnissen der Anforderungskriterien hervor. Im Folgenden werden im Detail auf die Stärken

und Schwächen eingegangen.

Bei der ersten Anforderungsdimension haben sich einige Punkte herauskristallisiert, die gegen

eine potenzielle Umsetzung in der Industrie 4.0 sprechen. Zur Erreichung dezentraler Steuerung

und teilautonomer Selbstorganisation wären dezentrale, agenten-basierte Strukturen notwendig.

Multi-Agenten-Systeme, ausgestattet mit künstlicher Intelligenz, könnten durch Koordination mit

anderen Agenten auf der Makroebene (Kapitel 4.2.1) Lageraufgaben selbstständig

untereinander aufteilen und ausführen. SAP verfügt zwar über ein agenten-basiertes System

(PCo), jedoch über keine Algorithmen, um SAP-Agenten mit künstlicher Intelligenz auszustatten.

Alle Regeln zum Ablauf der einzelnen Prozessschritte müssen vorab im Customizing eingestellt

werden und können nur bei Bedarf manuell vom Bediener/von der Bedienerin geändert werden.

Für eine dezentrale Steuerung mangelt es an der durchgängigen sowie echtzeitfähigen

Datenschnittstellen, insbesondere beim Austausch von Stamm- und Bewegungsdaten zwischen

SAP ERP und SAP EWM. In diesem Zusammenhang sei auch auf das Ressourcenmanagement

verwiesen und dessen Unfähigkeit, selbstständig Optimierungsprozesse in Abhängigkeit

gewisser Parameter (z.B. Ressourcenverfügbarkeit) in Gang zu setzen. Die Kriterien „dezentrale

Steuerung und (teil)autonome Selbstorganisation“ können daher als Schwächen von SAP EWM

ausgewiesen werden.

Zum Thema Flexibilität lässt sich festhalten, dass EWM einige Strategien wie beispielsweise die

flexible Lagerplatzfindung oder flexible Ein- und Auslagerungstätigkeiten dazu bietet. Jedoch ist

auch dieser Vorgang von festen Einlagerungsregeln im Customizing abhängig.

Sollte es zu Änderungen der sich wiederholenden Abläufe kommen, muss das System manuell

rekonfiguriert werden. Zudem können geänderte Kundenwünsche nicht in Echtzeit vom EWM-



System erfasst werden, da das dafür zuständige Core Interface nicht den Kriterien der

Echtzeitfähigkeit entspricht. Daher ist auch das Kriterium der Flexibilität als Schwäche

anzuführen.

Zu den Schwächen gehört auch das Kriterium der Transparenz. Eine isolierte Betrachtung des

Materialflusssystems (MFS) würde den Regeln der Transparenz entsprechen, da es als

Bestandteil eines EWM-Systems in Echtzeit im direkten Austausch mit der SPS steht. Dafür

zuständig ist die agenten-gestützte Datenverbindung Plant Connectivity (PCo), bestehend aus

Quellsystem (z.B. standardisierte Schnittstelle OPC UA), Zielsystem (SAP EWM),

Benachrichtigungen und Agenteninstanzen. Daher lassen sich alle Vorgänge lückenlos

rückverfolgen. Geht es jedoch um den Datenaustausch zwischen SAP ERP und SAP EWM,

beispielsweise bei An- und Auslieferungsprozessen, hat das SAP ERP die Datenhoheit.

Änderungen müssen also vom SAP ERP an EWM repliziert werden, dieser Vorgang erfolgt nicht

unter der Prämisse der Echtzeitfähigkeit. Eine durchgängige Transparenz vom

Anlieferungsprozess bis zum Warenausgang kann also nicht sichergestellt werden.

In den Ausführungen zuvor wurde bereits beschrieben, dass beim Austausch von Stamm- und

Bewegungsdaten zwischen SAP EWM und SAP ERP keine echtzeitfähige Schnittstelle

vorzufinden ist. Dieser Umstand kann daher als Schwäche festgemacht werden.

Als Schwäche zeigt sich auch die Mensch-Maschine-Schnittstelle über intelligente

Assistenzsysteme. Nachdem der Mensch in einem cyber-physischen-System planerische

Tätigkeiten mit Kontrollfunktionen übernimmt, braucht er auch entsprechende Assistenzsysteme,

welche die Flut an Information nach Relevanz filtern und für den Bediener/die Bedienerin

verständlich aufbereiten. Diese sollen den Menschen nicht nur beim Prozess der

Entscheidungsfindung unterstützen, sondern auch zur Kompetenzentwicklung beitragen. Jedoch

sind Assistenzsysteme wie Mobile Devices in SAP EWM nicht mit künstlicher Intelligenz

ausgestattet und können weder Probleme selbstständig lösen noch dem Anwender/der

Anwenderin neue Kompetenzen vermitteln.

Die Gestaltung der Schnittstelle zur Implementierung und Einbettung von Agenten-Systemen in

SAP EWM stellt zurzeit noch ein Problem dar. SAP EWM stößt beispielsweise über den

Anlieferungsbeleg die Lagerprozessart an, welche alle relevanten Informationen zu den

Aktivitäten des Ein- und Auslagerungsprozesses bereitstellt. Würde man jedoch die Steuerung

operativer Prozesse an ein agenten-basiertes CPS übertragen, könnte man diese

Prozessschritte vom WMS-System entkoppeln und dem agentengesteuerten cyber-physischen

System übertragen. Für jede Transporteinheit könnte für die Dauer des Transports ein eigener

Agent eingesetzt werden. Dieser wäre nicht ortsgebunden, also dezentral steuerbar und dank

künstlicher Intelligenz zur autonomen Selbstorganisation in der Intralogistik fähig. Die Agenten-



basierte Steuerung wäre auch auf andere Arten von Förderungsanlagen anwendbar. SAP bietet

aber weder die hard- noch die softwareseitigen Voraussetzungen. Dazu fehlen netzwerkfähige

Embedded-Controller zur dezentralen Steuerung und Schnittstellen zur Verwendung von

Funkcontroller. Zudem ist die Terminalumgebung nicht mit künstlicher Intelligenz ausgestattet.

Die Schnittstelle zwischen SAP EWM und CPS zur Einbettung von Agenten-Systemen ist

ebenso als eine Schwäche zu deuten.

Mit den Schwächen gehen auch Stärken einher, die den Kriterien der Industrie 4.0 standhalten.

Eine davon sind echtzeitfähige Kommunikationstechnologien. Diese Kriterien werden z.B. vom

Materiaflusssystem erfüllt, welches über Meldepunkte mit der SPS in Echtzeit kommuniziert.

Zur Übertragung der Daten wird zwischen der MFS-Komponente und einer externen Quelle (z.B.

Regalbediengeräte oder SPS) ein PCo-Agent eingerichtet (vgl. SAP SE [4] 2016, o. S.). Rückt

man die Bestandsverwaltung in das Interesse des Betrachters/der Betrachterin, wird ersichtlich,

dass SAP EWM eine Reihe echtzeitfähiger IKT-Technologien einsetzt. Bewegte Bestände

können über Barcodes identifiziert werden. Der Mitarbeiter/die Mitarbeiterin braucht sich nur mit

seinem/ihrem mobilen Gerät in die RF-Umgebung einloggen und kann Daten aus der

Bestandsidentifikation in Echtzeit abrufen. Zur lückenlosen Erfassung sämtlicher

Warenbewegungen und zum Anstoßen der nächsten Prozessschritte sieht Industrie 4.0 die

Verwendung der RFID-Technologie vor. Die Anbindung von RFID-fähiger Hardware an ein

WMS-System ist über SAP Auto-ID Infrastructure bereits möglich. Zudem unterstützt SAP EWM

das Protokoll OPC UA, eine bidirektionale Kommunikationsschnittstelle, welches im

Referenzarchitekturmodell 4.0 als geeignetes Kommunikationsprotokoll gelistet wird.

Zu den Stärken zählen auch intuitive Bediengeräte. Da der Mensch in einem CPS-System

weiterhin Berücksichtigung findet, braucht dieser auch entsprechende Bediengeräte, um

Analysen und Einstellungen in Echtzeit ausführen zu können. „Mobile Devices“ verfügen bereits

über hochauflösende berührungsempfindliche Touch-Oberflächen und lassen sich über die SAP

ITSmobile an eine browser-basierte RF-Umgebung anbinden. Mobile RF-Geräte können auch

dazu genutzt werden, um Barcodes dezentral im Lager auszulesen. Inwieweit Terminals in einer

intelligenten Fabrik zur Steuerung eingesetzt werden, bleibt abzuwarten. Prinzipiell übernehmen

in einem CPS die Agenten Steuerungsfunktionen.

Als noch intuitivere Eingabemöglichkeiten erweisen sich Pick-by-Voice Technologien, die

ebenfalls über die Schnittstelle ITSmobile laufen. Der Bediener/die Bedienerin kann ohne

Eingabeverzögerung Anweisungen über Sprachbefehle an das System weitergeben. Das

unterstützt den Lageristen/die Lageristin vor allem bei der Kommissionierung, da die Hände zur

Durchführung manueller Tätigkeiten frei bleiben.



Zu den Stärken, wenn auch mit „Schönheitsfehlern“, zählen Methoden zur Unterstützung des

Menschen bei seinen planerischen Tätigkeiten. Bis dato dient der Lagerverwaltungsmonitor in

einem WMS als Instrument zur Kontrolle, zur Informationsgewinnung und zur Bereitstellung von

Methoden zur Ausführung von Korrekturmaßnahmen. Letzteres soll in einem CPS jedoch

selbstständig und nicht unter Miteinbezug des Menschen erfolgen. Trotzdem ist der LVM ein

Instrument, welches in der Industrie 4.0, wenn auch mit reduziertem Funktionsumfang, zum

Einsatz kommen kann. Ebenso kann das Lagergeschehen in SAP EWM mit dem GILL grafisch

dargestellt werden.

Allerdings würden sich hier Technologien wie Augmented Reality (AR) oder Mixed Reality (MR)

anbieten, um das Lagerinnere als dreidimensionales Bild wahrnehmen zu können.

Als klare Stärke kann die Anbindung an die Cloud angeführt werden. Da SAP EWM bereits als

integraler Bestandteil der Cloud-Plattform SAP S/4HANA ausgeliefert werden kann, können

bereits die Voraussetzungen zur Echtzeitsteuerung und Beherrschung enormer Datenmengen

gelegt werden. Das Echtzeitkriterium wird unter anderem durch den Wegfall des CIF begründet.

Gleichzeitig ermöglich SAP S/4HANA die Anbindung an Lieferanten und Kunden.

In SAP EWM laufen Prozesse standardisiert ab. Dazu müssen im Customizing Regeln und

Parameter festgelegt werden, um dem System vorzugeben, welche Arbeitsstationen für den

nächsten Vorgang in Anspruch genommen werden und welche Aufgaben diese zu erfüllen

haben. Ob und inwieweit die Standardisierung von Prozessen in der sich selbst steuernden

Fabrik noch zum Tragen kommt, bleibt abzuwarten. Durch den Einsatz intelligenter Agenten

würden auch Einstellungen im Customizing entfallen. Zukunftsweisend und daher eine Stärke ist

die Verwendung des standardisierten OPC UA Client zur Kommunikation mit externen

Quellsystemen (von Lieferanten, Kunden, etc.).

Das Thema Automatisierung ist in der Intralogistik weit vorangeschritten. Im MFS können

Lagerbewegungen automatisiert ablaufen, beispielweise mit der layoutorientierten

Lagerungssteuerung. Prinzipiell wäre das auch eine Stärke, jedoch ist davon auszugehen, dass,

ähnlich wie bei der Standardisierung von Prozessen im Customizing, Multi-Agenten-Systeme

diese Aufgaben übernehmen und über Sensoren sowie Aktoren Automatismen ansteuern. Das

EWM-System könnte in diesem Szenario wieder deutlich an Komplexität verlieren, da es nur

noch für die Datenpflege und für das Erstellen von Belegen verantwortlich wäre.



9.5.1 Lösungsansätze zur potenziellen Implementierung von WMS-Systemen

Abschließend sollen nun anhand der Schwächen Handlungsempfehlungen abgeleitet werden,

wie künftige WMS-Systeme auszustatten sind, um ein cyber-physisches-System in der

Intralogistik zu implementieren. In diesem Zusammenhang wird explizit von Empfehlungen

gesprochen, da eine detaillierte Ausarbeitung in den jeweiligen Bereichen Expertenwissen aus

Mechatronik, Informatik, etc. voraussetzt.

Mit der Ausarbeitung dieser Strategien soll auch die dritte und letzte Forschungsfrage „Wo

liegen die Stärken beziehungsweise Schwächen aktueller Lagerverwaltungssysteme und

können daraus Rückschlüsse für die Gestaltung künftiger Lagerverwaltungssysteme (am

Beispiel SAP EWM) gezogen werden, um eine Umsetzbarkeit in der Industrie 4.0 zu

realisieren?“ beantwortet werden. Wie beispielsweise Agenten mit KI ausgestattet werden

können oder Algorithmen programmiert werden müssen, gehört in den Kompetenzbereich der

Informatik, Mechatronik, etc. und ist daher kein Bestandteil des letzten Abschnitts.

Als Schwäche wurden die dezentrale Steuerung und die autonome Selbstorganisation

identifiziert. Im Folgenden sollen nun einige Strategien angeführt werden, wie diese Problematik

umgangen werden kann. Die Funktionalitäten von SAP EWM beginnen mit dem Prozess des

Wareneingangs. Dezentrale Steuerung ist nur dann möglich, wenn Daten durchgehend, vom

Wareneingang bis zum Warenausgang, verfügbar sind. Hier wäre es ratsam, dass

Transporteinheiten mit RFID-Tags ausgestattet werden. Die Tore, welche im Yard-Management

anzufahren sind, werden im Customizing unter Stammdaten definiert. Sollte ein Yard-

Management integriert sein, beginnt der Entladeprozess bereits bei der Erfassung der

Fahrzeuge am Kontrollpunkt. Das ERP-System könnte weiterhin einen Lieferavis für eine

geplante Anlieferung von einem externen System erhalten, ohne dass hier bereits die RFID-

Technologie zum Einsatz kommen müsste. SAP ERP erzeugt mit Hilfe des Lieferavis eine

Anlieferung und verteilt diese über das Core Interface an das SAP EWM-System. Anknüpfend

an diese Benachrichtigung erzeugt EWM eine Anlieferung und ermittelt die Lagerprozessart.

Anschließend erfolgt das Entladen aus den Transporteinheiten und Fahrzeugen. Ist das Yard

Management in SAP EWM aktiviert, kann bereits vor dem Entladen eines Fahrzeuges ein

Wareneingang gebucht werden. Bei der Entladung selbst können die RFID-Tags ausgelesen

werden. SAP AII entschlüsselt die EPC-Kodierung (Electronic Product Code) auf einem RFID-

Transponder und sendet die Informationen an SAP EWM, welches den Status der gescannten

HU auf Entladen setzt. Ohne Yard Management wird ab diesem Zeitpunkt automatisch ein

Wareneingang von EWM gebucht und die Anlieferung wieder zurück an SAP ERP geschickt. Bei

der Ausgestaltung einer echtzeitfähigen Datenschnittstelle hat SAP mit S4/HANA bereits selbst

für eine Lösung gesorgt. Sofern der Lagerplatz mit einem stationären RFID-Gerät ausgestattet



ist, kann auch die Lageraufgabe der Handling Unit automatisch bestätigt und nach Übertragung

an ein EWM von diesem quittiert werden (vgl. SAP SE [18] 2015, o. S.).

Die RFID-Technologie wäre aber auch deswegen eine Handlungsempfehlung zur Erreichung

dezentraler autonomer Selbstorganisation, weil auf den Transpondern auch Agenten

gespeichert werden könnten. Angereichert mit künstlicher Intelligenz könnte der smarte Agent

für jede Transporteinheit angelegt werden und beispielweise auch mit agenten-basierten

Staplerleitsystemen interagieren.

Transport- und Produktionsaufgaben könnten durch Agenten dezentral, ohne Zuhilfenahme

eines zentralen Systems, gesteuert werden (vgl. Kremer, Westerkamp 2013, S. 188). Die

Einlagerung wäre somit auch als autonomer Prozess abbildbar. Weiterhin Berücksichtigung

findet die SPS, welche die Fördertechnik steuert und Lagereinheiten (LE) zum physischen

Lagertyp befördert (vgl. SAP SE [19] 2015, o. S.). Ähnlich, wie auch die PCo über einen

Schnittstellenagenten eine Kommunikation zwischen Quell- und Zielsystem herstellt, könnte ein

Agent als Kommunikationsschnittstelle zwischen der SPS und dem auf dem Tag gespeicherten

Agenten dienen. Dieser würde die SPS mit allen notwendigen Informationen versorgen, um die

LE zum physischen Lagertyp (Nachlagertyp) zu befördern. Durch den Einsatz von Agenten in

der SPS ergibt sich ein weiterer wesentlicher Vorteil; nämlich die Robustheit von Systemen.

Virtuelle Sensoren innerhalb von Softwareagenten könnten Ausfälle von traditionell

implementierten Sensoren einer SPS kompensieren und drohende Stillstandzeiten eliminieren

(vgl. Frank 2013, et al., S. 6).

Bei der Integration von Agenten in Embedded Systems muss aber auch die Agentenplattform

berücksichtigt werden. Agenten fußen zumeist auf einer Java-Umgebung, die auf

herkömmlichen Industrie-PCs lauffähig ist. In der Mikroelektronik bzw. in Embedded Systems

stehen diese Prozessorleistung und Speicherkapazität nicht zur Verfügung. Als weitere

Handlungsempfehlung kann daher die Entwicklung vereinfachter Agentenplattformen in ANSI-C

ausgesprochen werden, um Agenten z.B. auch in der RFID-Technologie einsetzen zu können

(vgl. Kremer, Westerkamp 2013, S. 189).

Dezentrale Steuerung und Aufgaben der autonomen Selbstorganisation übernehmen cyber-

physische Systeme. Entwicklungen in der Intralogistik wie die RFID-Technologie sind zwar erste

Ansätze in Richtung Industrie 4.0, mit einem CPS aber noch lange nicht gleichzusetzen. Hier

dominieren eingebettete Systeme mit Mikroprozessoren zur Nutzung von Software-Agenten und

bilden das Geschehen in Form von Daten in Echtzeit ab.

Flexibilität wurde im vorangegangenen Teil als Anpassungsfähigkeit eines Unternehmens an

neue Rahmenbedingungen, beispielsweise wie schnell es auf etwaige Störungen reagieren

kann, beschrieben und als Schwäche identifiziert. Zu einer Steigerung der Flexibilität bei



Produktionsanlagen können agentenbasierte Konzepte beitragen. Virtuelle Sensoren,

eingepflanzt in echtzeitfähigen Softwareagenten, könnten die physischen Sensoren einer

echtzeitfähigen SPS ersetzen. Durch die Kompensation von Sensorausfällen und damit

verbundenen Stillstandzeiten könnte die Störanfälligkeit von Anlagen weiter reduziert werden.

Weiters könnte durch die Implementierung von Agenten die Softwarestruktur vom technischen

Aufbau einer Anlage zusätzlich entkoppelt werden, um dadurch Produktionssysteme noch

flexibler und wandlungsfähiger zu gestalten (vgl. Frank 2013, et al., S. 4). „Aus Sicht des

Systementwicklers besteht die Herausforderung bei verteilten Automatisierungspyramiden darin,

dass eine Verteilung (Deployment) von Automatisierungsfunktionen auf unterschiedliche Knoten

nötig ist, um die geforderten funktionalen Anforderungen unter Berücksichtigung der nicht-

funktionalen Anforderungen (NFA) zu erfüllen“ (Frank 2013, et al., S. 4). Zu den NFAs gehören

z.B. Modularität, Interoperabilität, Echtzeitanforderung, Wiederverwendbarkeit und

Fehlertoleranz (vgl. Frank 2013, et al., S. 4).

Geht man allerdings von einem Szenario aus, indem Prozesse künftig von einem CPS und nicht

mehr von EWM angestoßen werden, lässt sich das Thema Flexibilität von SAP EWM

entkoppeln. Die Ausarbeitung eines praxistauglichen CPS zur Erreichung von Flexibilität ist nicht

Bestandteil der Arbeit und kann daher nicht beantwortet werden.

Aufgrund der nicht durchgängigen Datenverfügbarkeit entlang des Wertschöpfungsnetzwerks

wurde auch Transparenz als Schwäche eingestuft. Diese Schwachstelle betrifft vor allem die

nicht echtzeitfähige Datenschnittstelle CIF (Core Interface) zwischen SAP ERP und SAP EWM.

Diese Schnittstelle basiert auf Lieferungen in SAP ERP. Treten beispielsweise Änderungen beim

Lieferavis vom Lieferanten auf und es wurde vom SAP EWM-System bereits ein

Auslieferungsauftrag erstellt, können die gewünschten Änderungen nicht mehr durchgeführt

werden. Dies trifft auch auf eine mengenmäßige Änderung zu. SAP EWM setzt dann den Status

der Lageraktivität auf „Lagerakt./Teilweise beendet“ (vgl. SAP SE [20] 2015, o. S.). Der Auftrag

muss zunächst storniert werden, ehe EWM von SAP ERP den aktualisierten Auftrag erhält. Als

mögliche Strategien zur Lösung des Problems können zwei Varianten in Betracht gezogen

werden: Entweder man installiert eine echtzeitfähige Schnittstelle zwischen SAP ERP und SAP

EWM oder man ersetzt das CIF-Verteilungsmodell durch eine direkte Anbindung von SAP EWM

an die Geschäftspartner/Geschäftspartnerinnen. SAP EWM müsste nicht mehr mit Kopien

arbeiten und könnte über SAP S/4HANA direkt mit dem Geschäftspartner/der

Geschäftspartnerin interagieren (vgl. Lange 2017, et al., S. 1081). Transparenz im Sinne der

Datenverfügbarkeit zielt auch darauf ab, den Menschen in seinen planerischen Tätigkeiten

sowie als oberstes Kontrollorgan bestmöglich zu unterstützen. Erste Rahmenbedingungen mit

der Gestaltung von RF-Umgebungen, in denen mobile Geräte ortsunabhängig über WLAN

eingesetzt werden können, wurden bereits geschaffen. Um den Menschen noch intuitiver und



besser in das Geschehen zu integrieren, würden sich Technologien wie VR, AR oder Mixed

Reality anbieten. Der Benutzer/die Benutzerin könnte das Lagergeschehen als virtuelles 3D-

Abbild wahrnehmen. Dazu wird empfohlen, eine Schnittstelle zu schaffen, um eine permanente

Daten-Synchronisation zwischen VR-Rechner und SAP EWM sicherzustellen.

In der Intralogistik haben moderne Bediengeräte (Mobile Devices, Wearable Technologies, etc.)

zur Unterstützung des Mitarbeiters/der Mitarbeiterin längst Einzug gehalten. Aufgrund fehlender

KI können diese Bediengeräte keine alternativen Lösungswege anbieten bzw. den

Mitarbeiter/die Mitarbeiterin beim Erlernen neuer Fähigkeiten nicht adäquat unterstützen. Eine

Möglichkeit wäre es, künstliche Intelligenz mittels Agenten in die Terminalumgebung zu

übertragen. Ein anderer Lösungsweg wäre das Entwickeln von digitalisierten Adaptiv-

Lernenden-Systemen (ALS). Mit ALS soll nicht nur die Technikakzeptanz steigen (Stichwort

Automatisierungsdilemma von Bainbridge), sondern auch ein Prozess zum Erlernen neuer

Kompetenzen und Fähigkeiten einsetzen (vgl. Saggiomo 2015, et al., S. 209).

Das Konzept zur Automatisierung im Materialflussbereich durch den Einsatz agentenbasierter

Steuerungskonzepte wurde bereits erwähnt. Fehlende Schnittstellen zwischen SAP EWM und

einem CPS zur Integration von Multi-Agenten-Systemen wurden jedoch als Schwäche

identifiziert, wenn es um die erfolgreiche Implementierung von SAP EWM in eine intelligente

Fabrik geht. Ein möglicher Ansatz zur Implementierung von Agenten im Materialflusssystem ist

die Aufteilung der Elemente eines Lagers in Module. Jedes dieser Module lässt sich als

Modulagent (ConvLoc-Agent) darstellen. Ein TE-Agent enthält die Informationen über seine

exakte globale Adresse. Diese können auf einem RFID-Tag gespeichert sein, vorausgesetzt es

besteht eine Schnittstelle zum RFID-System. Der ConvLoc-Agent identifiziert den TE-Agent (z.

B. am Identifikationspunkt) und übermittelt die Daten wiederum an einen speziellen Agenten.

Dieser kann beispielsweise die Weichenstellung an der Fördertechnik ansteuern und die Weiche

je nach Einlagerungsort stellen (vgl. Kugler, Gehlich 2013, S. 119 ff.).



Sollte dieses Konzept in SAP EWM zur Anwendung kommen, müsste jedes dieser Module mit

netzwerkfähigen Embedded-Controllern mit digitalen I/O ausgestattet sein. Gleichzeitig erfordert

das Kriterium der Echtzeitfähigkeit den Einsatz einer Zwei-Schicht-Architektur. Linux-Systeme

mit Echtzeiterweiterungen könnten diese Anforderungen erfüllen. Die Steuerungsinstanz ist über

das Ethernet mit dem Netzwerk der Agenten verbunden. Ebenso muss das EWM-System mit

einer TCP/IP-Schnittstelle ausgestattet sein, damit benachbarte Systeme miteinander

kommunizieren können (vgl. Kugler, Gehlich 2013, S. 125).

Abbildung 24: Grundkonzept des Agentensystems (Kugler, Gehlich 2013, S. 120)

Zusammenfassung und Ausblick


10 Zusammenfassung und Ausblick

Im ersten Abschnitt der Arbeit wurde versucht, den Begriff Industrie 4.0 nach wissenschaftlichen

Kriterien zu hinterfragen. Dabei wurde anhand eines Kriterienkatalogs klargelegt, dass es sich

bei Industrie 4.0 nicht um eine vierte industrielle Revolution im klassischen Sinn handelt. Die

technologischen Rahmenbedingungen zur Umsetzung von Industrie 4.0 wurden bereits in der

dritten industriellen Revolution mit der Einführung der Mikroelektronik gelegt. Industrie 4.0 kann

also als Evolution ausgewiesen werden, welche eine stetige Entwicklung anstößt. Der radikale

Wandel wird jedoch, im Unterschied zu den drei bisherigen Revolutionen, ausbleiben. Zur

Ausarbeitung der zweiten Forschungsfrage wurden sowohl die technologischen als auch, in

eigeschränktem Umfang, die organisatorischen Voraussetzungen zur Umsetzung einer cyber-

physischen Umgebung ausgearbeitet. Im Zentrum der Betrachtung standen dabei echtzeitfähige

Informations- und Kommunikationstechnologien. Wie diese Schnittstellen innerhalb der Fabrik

zu gestalten sind, wurde im Detail beschrieben. Weniger ausführlich wurde die Vernetzung

mehrerer Fabriken durch das Internet der Dinge zu einem CPPS thematisiert. In diesem

Zusammenhang soll ein kurzer Blick in die Zukunft geworfen werden: Jedes Objekt einer cyber-

physischen Umgebung muss über eine eigene IP-Adresse verfügen. Das Internet-Protokoll IPv4

wäre damit schlichtweg überfordert. In diesem Kontext lässt sich wieder auf den

Evolutionsbegriff verweisen. Um Abhilfe zu schaffen, wurde IPv4 zu IPv6 weiterentwickelt, mit

dem deutlich mehr IP-Adressen möglich sind. Ebenso evolutionär als auch notwendig ist die

Einführung der 5G-Technologie. 5G steht für die fünfte Generation des mobilen Internets und

wurde mit dem Fokus auf das Internet der Dinge entwickelt. Zwei Aspekte stechen hier

besonders heraus. Zum einen das Anwendungsszenario Massive Machine Type Communication

(mMTC), zum anderen das Anwendungsprofil Ultra-reliable and Low Latency (uRLLC). Ersteres

unterstützt die Vernetzung von Geräten in noch nie dagewesenem Ausmaß. Im Fokus stehen

dabei viele Verbindungen, wie es z.B. beim Machine-to-Machine Kommunikationaustausch

(M2M) der Fall ist. Massive Machine Type Communication wurde verstärkt auf einen geringen

Energieverbrauch und eine geringe Datenrate hin optimiert. Diese neue Technologie schafft also

ideale Voraussetzungen zur umfassenden Vernetzung kommunikationsfähiger Mikroelektronik

(Embedded Systems). Ultra-reliable and Low Latency soll zu einer Verbindung mit möglichst

geringer Latenz beitragen. Dieser Umstand würde die Kriterien Transparenz und

Echtzeitfähigkeit im Zusammenhang mit dem Datenaustausch voll erfüllen (vgl. Wikipedia [11] o.

J., o. S.). Zur Beantwortung der zweiten Forschungsfrage, ob SAP EWM bereits in einer cyber-

physischen Fabrik eingesetzt werden könnte, wurde ein Kriterienkatalog erstellt. Diese Frage

konnte dadurch mit einem klaren „Nein“ beantwortet werden.

SAP EWM erfüllt keine der Kriterien wie Transparenz, Flexibilität, dezentrale Steuerung und

autonome Selbstorganisation. Transparenz deshalb nicht, weil diverse Schnittstellen die



Echtzeitbedingungen nicht erfüllen können. Durch die Integration von SAP EWM in die

Cloudlösung S/4HANA wurde jedoch eine Plattform geschaffen, welche die notwendigen

Bedingungen der Industrie 4.0 erfüllen könnte. Flexibilität erwies sich ebenso als Schwäche, weil

Prozessabläufe zuvor bereits manuell vom Lagermitarbeiter/der Lagermitarbeiterin im

Customizing nach festen Kriterien bestimmt werden müssen. Treten Änderungen oder

Störungen auf, kann SAP EWM nicht flexibel darauf reagieren. Störungen ließen sich durch den

Einsatz virtueller Sensoren weitgehend vermeiden. Sowohl die dezentrale Steuerung als auch

die autonome Selbstorganisation sind derzeit noch kein Thema in SAP EWM. Das System führt

Aktionen zentral aus und kommuniziert Informationen wie Menge, Charge, Art, etc. über

Barcodes oder RFID-Tags an weitere Systeme, beispielweise an Fördertechnikanlagen. Würde

die SPS jedoch die Informationen direkt von einem Objekt auf der Anlage bekommen, könnte

die Steuerung dezentral erfolgen. Dazu gilt es die Agenten auf einem RFID-Tag mit künstlicher

Intelligenz auszustatten. Zur Kommunikation mit anderen Systemen ist SAP EWM auf jeden Fall

mit einer TCP/IP-Schnittstelle auszustatten. Klar ist aber, dass der Datenaustausch zwischen

SAP EWM und Multi-Agenten-Systemen eine Zwei-Schicht-Architektur verlangt. Zudem müsste

jedes agentengesteuerte Modul mit netzwerkfähigen Embedded-Controllern bestückt werden.

Beim Blick in die Zukunft bleibt abzuwarten, welche Funktionen SAP EWM in einem intelligenten

Lager künftig ausführen wird oder ob es die Steuerung von Prozessen zur Erreichung der

dezentralen Steuerung mit Erfüllung der Flexibilitäts- und Transparenzkriterien abgibt.

Künstliche Intelligenz ist eines der zentralen Schlagworte in der Industrie 4.0. Welche

Algorithmen zur Generierung künstlicher Intelligenz konkret eingesetzt werden müssen, konnte

in dieser Arbeit nicht festgestellt werden. Künstliche Intelligenz dient aber nicht nur dem Aspekt

der Selbstorganisation und dezentralen Steuerung durch Auswertung und Verarbeitung von

Daten. Implementiert in mobilen Geräten oder Terminalumgebungen ist es auch eine Bedingung

dafür, um den Menschen bei seinen planerischen Tätigkeiten entsprechend zu unterstützen.

Ebenso können intelligente Bediengeräte den Mitarbeitern/den Mitarbeiterinnen beim Aneignen

neuer Kompetenzen aktiv unterstützen. Mit dem User Interface (UI) SAP Fiori hat SAP den Blick

bereits in die Zukunft gerichtet und eine Anwendung speziell für mobile Endgeräte entwickelt.

Aber auch SAP Fiori kann den Menschen nur mit den zum Einsatzszenario passenden Daten

versorgen, auf Basis dessen der Bediener/die Bedienerin Maßnahmen einleitet. SAP Fiori kann

aber auf Änderungen in Prozessen oder auf Störungen nicht selbstständig Lösungsschritte

einleiten.

Da zur Auswertung der zweiten Forschungsfrage eine ähnliche Vorgehensweise wie jene von

Lichtlein verwendet wurde, können die Ergebnisse miteinander verglichen werden. Trotz einer

Zeitspanne von fast vier Jahren, die zwischen den beiden Arbeiten liegt, sind in manchen

Bereichen Parallelen zu identifizieren. Das betrifft vor allem die nicht echtzeitfähige



Kommunikationsschnittstelle zwischen SAP EWM und SAP ERP, welche wiederum die Kriterien

Transparenz und Flexibilität maßgeblich beeinflusst. Anders als in Lichtleins Masterarbeit wird

jedoch mit SAP S/4HANA bereits ausführlich über eine neue Lösungsalternative diskutiert.

Berichten zufolge sollen die SAP-Suiten ab 2025 nur noch über diese cloudbasierte Plattform

lauffähig sein. Dieser Umstand würde das Problem der nicht echtzeitfähigen Schnittstellen mit

einem Schlag lösen und könnte zusätzlich neue Impulse in Richtung Implementierung von

Industrie 4.0 freisetzen. Ein weiterer Erklärungsversuch für die teils überschneidenden

Ergebnisse kann damit geliefert werden, dass Industrie 4.0 nach wie vor nicht die Bedeutung

und Aufmerksamkeit erhält, wie das im Jahr 2013 noch selbstbewusst prognostiziert wurde.

Dieser Umstand deckt sich mit den Ausführungen in Kapitel 3.4. Dort wird die Behauptung

aufgestellt, dass sich viele Technologien am Übergang vom „Gipfel der überzogenen

Erwartungen“ zum „Tal der Enttäuschung“ befinden. Ein Blick auf die in der Arbeit verwendete

Literatur kann diese Behauptung zusätzlich bekräftigen. Der Literaturpool hat sich in den letzten

Jahren nicht signifikant erweitert, Experten/Expertinnen und

Branchenkenner/Branchenkennerinnen scheinen nur noch ein gedämpftes Interesse an

Industrie 4.0 zu haben. Zusammenfassend lässt sich festhalten, dass Industrie 4.0 nach wie vor

in den Kinderschuhen steckt und neue Methoden nur sehr zögerlich umgesetzt werden. Nur

wenige neuartige Verfahren haben sich bereits in der Praxis etabliert, eine davon ist die RFID-

Technologie. Ebenso weit fortgeschritten ist die Anbindung sogenannter Smart Devices zur

Unterstützung des Lagermitarbeiters/der Lagermitarbeiterin.

Die SPS hat sich als Hardware-Plattform der Automatisierungstechnik in der industriellen

Umgebung etabliert und nimmt daher auch in dieser Arbeit einen wichtigen Stellenwert ein. Die

Erweiterung über Funktionsmodule macht ihren Einsatz flexibel gestalt- und erweiterbar. Als

echtzeitfähige Kommunikationsschnittstelle zur Steuerung der Fördertechnik hat sich die

handelsübliche SPS bewährt und könnte daher auch in der Industrie 4.0 zum Einsatz kommen.

In einem Zukunftsszenario wäre es denkbar, die SPS-Komponente mit intelligenten

Softwareagenten zu erweitern. Als Ersatz herkömmlicher Sensoren in der SPS könnten virtuelle

Sensoren, eingebettet in Softwareagenten, verwendet werden. Fehlerquellen und

Sensorausfälle an Förderanlagen könnten innerhalb der Toleranz der Echtzeitbedingung

neutralisiert werden (vgl. Frank 2013, et al. S. 6). Wie sich eine SPS künftig in ein CPS

integrieren lässt, kann zum jetzigen Zeitpunkt noch nicht beantwortet werden.

Sollte das CPS sämtliche Steuerungsaufgaben auf smarte Feldgeräte verteilen, welche über

Multi-Agenten-Systeme interagieren, würde es die SPS mit ihren Steuerungsaufgaben

überflüssig machen.

Abschließend soll festgehalten werden, dass es sich bei dem Themengebiet dieser Arbeit um

ein Zukunftsszenario handelt. Daher kann bei der Beantwortung der Forschungsfragen nur von



Annahmen gesprochen werden. Ebenso sollen die Umsetzungsstrategien im letzten Kapitel

erste Lösungsansätze liefern. Erst eine Umsetzung von SAP EWM unter Miteinbezug sämtlicher

Funktionalitäten in der Praxis könnte diese Annahmen und Handlungsempfehlungen verifizieren

oder falsifizieren. Es wurden auch nicht alle Funktionalitäten von SAP EWM auf eine mögliche

Umsetzung in einem CPS untersucht. Dazu gehört z. B. das opportunistische Cross-Docking.

Die Begründung liegt darin, dass es die Ergebnisse der Arbeit weder positiv noch negativ

beeinflusst hätte. Auch unter Zuhilfenahme der betrachteten Funktionalitäten konnte eindeutig

festgestellt werden, dass SAP EWM nicht die Kriterien der Industrie 4.0 erfüllt. Ziel der Arbeit ist

es nicht, eine auf Sachverhalte basierte Theorie zu entwickeln, sondern erste Ergebnisse

anbieten zu können, wie sich WMS in die Themenbereiche der Industrie 4.0 integrieren lässt. Es

geht auch darum aufzuzeigen, dass Industrie 4.0 nicht nur den Produktionsbereich positiv

beeinflussen kann. Durch Industrie 4.0 können auch die Prozesse innerhalb der 7-R-Regel

(siehe Abschnitt 4.1) der Logistik optimiert werden. Inwieweit die Ausführungen der Arbeit dazu

beitragen, wird die Praxis zeigen.

Literaturverzeichnis


11 Literaturverzeichnis

Andelfinger P., Volker/Hänisch, Till (2017): Industrie 4.0 – ein Ausblicksversuch, in: Andelfinger,

Volker/Hänisch, Till (Hrsg.): Industrie 4.0. Wie cyber-physische Systeme die Arbeitswelt

verändern, Wiesbaden: Springer Gabler Verlag, S. 267-271

Anderl, Reiner/Anokhin, Oleg/Arndt, Alexander (2016): Effiziente Fabrik 4.0 Darmstadt –

Industrie 4.0 Implementierung für die mittelständige Industrie, in: Sendler, Ulrich (Hrsg.):

Industrie 4.0 grenzenlos, Berlin-Heidelberg: Springer Verlag, S. 121-136

Arndt, Holger (2015): Logistikmanagement, Wiesbaden: Springer Gabler Verlag, URL:

https://link-1springer-1com-1o2jkgd1n007a.han.ubl.jku.at/content/pdf/10.1007%2F978-3-658-

07212-4.pdf, Stand: 22.08.2019

Arnold, Dieter (2006): Intralogistik. Potentiale, Perspektiven, Prognosen, Berlin-Heidelberg:

Springer Verlag

Backhaus, Klaus/Erichson, Bernd/Plinke, Wulff/Weiber, Rolf (2016): Multivariate

Analysemethoden. Eine anwendungsorientierte Einführung, 14., überarbeitete Auflage, Berlin-

Heidelberg: Springer Gabler Verlag

Barthelmäs, Nina/Flad, Daniel/Haußmann, Tobias, et al. (2017): Industrie 4.0 – eine industrielle

Revolution?, in: Andelfinger, Volker/Hänisch, Till (Hrsg.): Industrie 4.0. Wie cyber-physische

Systeme die Arbeitswelt verändern, Wiesbaden: Springer Gabler Verlag, S. 33-53

Bauer, Jürgen (2014): Produktionslogistik/Produktionssteuerung kompakt. Schneller Einstieg in

die Produktionslogistik mit SAP-ERP, Wiesbaden: Springer Vieweg

Bauer, Jürgen (2017): Produtionscontrolling- und management mit SAP ERP. Effizientes

Controlling, Logistik- und Kostenmanagement moderner Produktionssysteme, 5., überarbeitete

und aktualisierte Auflage, Wiesbaden: Springer Vieweg

Bauernhansl, Thomas/ten Hompel, Michael/Vogel-Heuser, Birgit (2014): Industrie 4.0 in

Produktion, Automatisierung und Logistik. Anwendung – Technologien – Migration, Springer

Fachmedien Wiesbaden: Springer Vieweg

Baumann, Sven/Gäbler, Uwe/Kaufmann, Thomas/Lang, K.-D./Meng, G./M. von

Podewils/Puschke, C./Scholles, M./Sebastian, I./Stoppok, C./Warnecke, H./Weichert,

R./Wenzler, A. (o.J.): Bedeutung der Mikroelektronik für Industrie 4.0. Positionspapier aus der

AG Silicon Germany, Dresden

https://link-1springer-1com-1o2jkgd1n007a.han.ubl.jku.at/content/pdf/10.1007%2F978-3-658-07212-4.pdf

https://link-1springer-1com-1o2jkgd1n007a.han.ubl.jku.at/content/pdf/10.1007%2F978-3-658-07212-4.pdf



Baumgarth, Carsten/Eisend, Martin/Evanschitzky, Heiner (2009): Empirische Mastertechniken.

Eine anwendungsorientierte Einführung für die Marketing- und Managementforschung,

Wiesbaden: Gabler/GWV Fachverlag

Becker, Wolfgang/Ulrich Patrick/Botzkowski Tim (2017): Industrie 4.0 im Mittelstand. Best

Practices und Implikationen für KMU, Wiesbaden: Springer Gabler Verlag

Bedner, Mark (2012): Cloud Computing. Technik, Sicherheit und rechtliche Gestaltung, Dr.-

Arbeit, Universität Kassel, Kassel

Berger-Grabner, Doris (2016): Wissenschaftliches Arbeiten in den Wirtschafts- und

Sozialwissenschaften. Hilfreiche Tipps und praktische Beispiele, 3., aktualisierte Auflage,

Wiesbaden: Springer Gabler Fachmedien

Bericht der Promotorengruppe Kommunikation der Forschungsunion Wirtschaft – Wissenschaft

(Hrsg.)/Kagermann, Henning/Wahlster, Wolfgang/Helbig, Johannes (2012): Im Fokus: das

Zukunftsprojekt Industrie 4.0. Handlungsempfehlungen zur Umsetzung, URL:

https://www.bmbf.de/upload_filestore/pub_hts/kommunikation_bericht_2012-1.pdf, Stand:

23.05.2019

Besse, Andreas (2018): Produktivitätssteigerung von Cross-Docking-Centern mit RFID. Eine

empirische Analyse multikriterieller Produktivitätseinflüsse in Umschlags- und Verteilzentren,

Dissertation Universität Duisburg-Essen, Wiesbaden: Springer Gabler Verlag

Bitsch, Günter (2016): „Smart Decisions“ als integraler Bestandteil von Industrie 4.0, in:

Obermair, Robert (Hrsg.): Industrie 4.0 als unternehmerische Gestaltungsaufgabe.

Betriebswirtschaftliche, technische und rechtliche Herausforderungen, Wiesbaden: Springer

Fachmedien, S. 121-136

BMAS (2015): Grünbuch Arbeiten 4.0. BMAS, Berlin, URL:

https://www.bmas.de/SharedDocs/Downloads/DE/PDF-Publikationen-DinA4/gruenbuch-

arbeiten-vier-null.pdf%3F__blob%3DpublicationFile, Stand: 15.05. 2019

Bousonville, Thomas (2017): Logistik 4.0. Die digitale Transformation der Wertschöpfungskette,

Wiesbaden: Springer Fachmedien

Brian, Carter M./Bauer, Frank-Peter/Lange, Joerg/Persich, Christoph (2010): SAP Extended

Warehouse Management. Processes, Fuctionality, and Configuration, Galileo Press

Buber, Renate/Holzmüller, Hartmut (2009): Qualitative Marktforschung. Konzepte – Methoden –

Analysen, 2., überarbeitete Auflage, Wiesbaden: Gabler/GWV Fachverlag

https://www.bmbf.de/upload_filestore/pub_hts/kommunikation_bericht_2012-1.pdf

https://www.bmas.de/SharedDocs/Downloads/DE/PDF-Publikationen-DinA4/gruenbuch-arbeiten-vier-null.pdf%3F__blob%3DpublicationFile

https://www.bmas.de/SharedDocs/Downloads/DE/PDF-Publikationen-DinA4/gruenbuch-arbeiten-vier-null.pdf%3F__blob%3DpublicationFile



Czerniak, N. Julia/Brandl, Christoph/Mertens Alexander/Schlick, M. Christopher (2017):

Innovative Mensch-Maschine-Interaktionskonzepte für den Facharbeiter der Zukunft in der

Produktion 4.0, in: Spöttl, Georg/Windelband, Lars (Hrsg.): Industrie 4.0. Risiken und Chancen

für die Berufsbildung, in: Reihe Berufsbildung, Arbeit und Innovation, Band 44, S.171-188

Dais, Siegfried/Bosch, Robert/Industrie Treuhand KG (2014): Industrie 4.0 – Anstoß, Vision,

Vorgehen, in: Bauernhansl, Thomas/ten Hompel, Michael/Vogel-Heuser, Birgit (Hrsg.): Industrie

4.0 in Produktion, Automatisierung und Logistik. Anwendung-Technologien-Migration,

Wiesbaden: Springer Fachmedien, S. 625-634

Dais, Siegfried/Bosch, Robert (2014): Industrie 4.0 – Anstoß, Vision, Vorgehen, in: Bauernhansl,

Thomas/ten Hompel, Michael/Vogel-Heuser, Birgit (Hrsg.): Industrie 4.0 in Produktion,

Automatisierung und Logistik. Anwendung – Technologien – Migration, Springer Fachmedien

Wiesbaden: Springer Vieweg, S. 625-634

Deuse, Jochen/Weisner, Kirsten/Hengstebeck, Andre/Busch Felix (2015): Gestaltung von

Produktionssystemen im Kontext von Industrie 4.0, in: Botthof, Alfons/Hartmann, Ernst Andreas

(Hrsg.): Zukunft der Arbeit in Industrie 4.0, Berlin-Heidelberg: Springer Vieweg, S. 99-110

DIN e. V., DKE Deutsche Kommission Elektrotechnik Elektronik Informationstechnik in DIN und

VDE (2018): Deutsche Normungsroadmap Industrie 4.0, Version 3, Online-Ressource:

https://www.dke.de/resource/blob/778174/7b1a6b3764d64b8669d97cba2852bc73/deutsche-

normungs-roadmap-industrie-4-0-version-3-0-data.pdf, Stand: 10.07.2019

Dittmar, Carsten (2016): Die nächste Evolutionsstufe von AIS: Big Data. Erweiterung klassischer

BI-Architekturen mit neuen Big Data Technologien, in: Gluchowski, Peter/Chamoni, Peter

(Hrsg.): Analytische Informationssysteme. Business Intelligence-Technologien und -

Anwendungen, 5. Auflage, Berlin-Heidelberg: Springer Verlag, S. 56-65

DI Frank Maier: Die 4. industrielle Revolution gibt es gar nicht (2019), URL https://www.technik-

medien.at/aktuelles/2019/03/14/die-4-industrielle-revolution-gibt-es-doch-gar-nicht/, Stand:

15.09.2020

Dworschak, Bernd/Zaiser, Helmut/Brand, Leif/Windelband, Lars (2012):

Qualifikationsentwicklungen durch das Internet der Dinge und dessen Umsetzung in der Praxis,

in: Abicht, Lothar/Spöttl Georg (Hrsg.): Qualifikationsentwicklungen durch das Internet der

Dinge. Trends in Logistik, Industrie und „Smart House“, Bielefeld: W. Bertelsmann Verlag, S. 7-

24

Eigner, Martin (2016): Das Industrial Internet. Engineering Prozesse und IT-Lösungen, in:

Sendler, Ulrich (Hrsg.) Industrie 4.0 grenzenlos, Berlin-Heidelberg: Springer Verlag, S. 137-168

https://www.dke.de/resource/blob/778174/7b1a6b3764d64b8669d97cba2852bc73/deutsche-normungs-roadmap-industrie-4-0-version-3-0-data.pdf

https://www.dke.de/resource/blob/778174/7b1a6b3764d64b8669d97cba2852bc73/deutsche-normungs-roadmap-industrie-4-0-version-3-0-data.pdf

https://www.technik-medien.at/aktuelles/2019/03/14/die-4-industrielle-revolution-gibt-es-doch-gar-nicht

https://www.technik-medien.at/aktuelles/2019/03/14/die-4-industrielle-revolution-gibt-es-doch-gar-nicht



Elminger Stefan (2017): SAP HANA-Einsatzmöglichkeiten des SAP Solution Managers, in:

Preuss, Peter (Hrsg.): In-Memory-Datenbank SAP HANA. Mit einem Geleitwort von Joachim

Scheibler, Wiesbaden: Springer Fachmedien, S. 107-128

Fandel, Günter/Francois, Peter/Gubitz, Klaus-Martin (1994): PPS-Systeme. Grundlagen,

Methoden, Software, Marktanalyse, Berlin-Heidelberg: Springer Verlag

Fasel, Daniel/Meier, Andreas (2016): Was versteht man unter Big Data und NoSQL?, in: Fasel,

Daniel/Meier Andreas (Hrsg.): Big Data. Grundlagen, Systeme und Nutzungspotenziale,


Feldhorst, Sascha/Libert, Sergey (2010): Software-Methoden für die Automatisierung, in:

Günthner, Willibald/ten Hompel, Michael (Hrsg.): Internet der Dinge in der Intralogistik, Berlin-

Heidelberg: Springer Verlag, S. 29-36

Fortmann, Klaus-Michael/Kallweit, Angela (2007): Logistik, 2., aktualisierte Auflage, Stuttgart:

Kohlhammer Verlag

Frank, Gudrun (2019): Digitalisierung und Kompetenzwandel – Erfolg durch Transformation: Das

5-K-Prinzip, in: Bügner, Torsten/Alexander Fürst, Ronny (Hrsg.): Gestaltung und Management

der digitalen Transformation. Ökonomische, kulturelle, gesellschaftliche und technologische

Perspektiven, Wiesbaden: Springer Fachmedien, S. 311-328

Frank, Timo/Schütz, Daniel/Vogel-Heuser, Birgit (2013): Funktionaler Anwendungsentwurf für

agentenbasierte, verteilte Automatisierungssysteme, in: Göhner, Peter (Hrsg.): Agentensysteme

in der Automatisierungstechnik, Berlin-Heidelberg: Springer Vieweg, S. 3-18

Franz, Andreas (2003): Management von Business Webs. Das Beispiel von

Technologieplattformen für mobile Dienste, Dissertation Universität München, München

Gausemeier, Jürgen/Czaja, Anja/Dülme, Christian (2015): Innovationspotentiale auf dem Weg

zu Industrie 4.0, Heinz Nixdorf Institut, Universität Paderborn, Paderborn

Gehlich, Dirk/Luft, Artur/Libert, Sergey (2010): ein dezentral gesteuertes Kommissionierlager, in:

Günthner, Willibal/ten Hompel, Michael (Hrsg.): Internet der Dinge in der Intralogistik, Berlin-

Heidelberg: Springer Vieweg, S. 295-310

Geisberger, Eva/Broy, Manfred (2012): >agendaCPS - Integrierte Forschungsagenda Cyber-

Physical Systems (acatech Studie), Heidelberg u. a.: Springer Verlag 2012

Gießmann, Marco (2010): Komplexitätsmanagement in der Logistik: kausalanalytische

Untersuchung zum Einfluss der Beschaffungskomplexität auf den Logistikerfolg, Dissertation der

technischen Universität Dresden, Dresden



Gleißner, Harald/Femerling, J. Christian (2008): Logistik. Grundlagen – Übungen – Fallbeispiele,

1. Auflage, Wiesbaden: Gabler Verlag, URL: https://link-1springer-1com-

1o2jkgd1n0070.han.ubl.jku.at/content/pdf/10.1007%2F978-3-8349-9547-6.pdf, Stand:

22.08.2019

Göhring, Stanislav/Lorenz, Thomas (2010): Agentenbasierte Staplerleitsysteme, in: Günthner,

Willibal/ten Hompel, Michael (Hrsg.): Internet der Dinge in der Intralogistik, Berlin-Heidelberg:

Springer Vieweg, S. 313-327

Gorecky, Dominic; DFKI GmbH/Schmitt, Matias; DFKI GmbH/Dr. Loskyll, Matthias; DFKI GmbH

(2014): Mensch-Maschine-Interaktion im Industrie 4.0-Zeitalter, in: Bauernhansl, Johann/ten

Hompel, Michael/Vogel-Heuser, Birgit (Hrsg): Industrie 4.0 in Produktion, Automatisierung und

Logistik. Anwendungen - Technologien – Migration, Wiesbaden: Springer Vieweg, S. 525-542

Haasis, Hans-Dietrich (2008): Produktions- und Logistikmanagement. Planung und Gestaltung

von Wertschöpfungsprozessen, 1. Auflage, Wiesbaden: Gabler Verlag

Hahn, Hans Werner (2011): Die industrielle Revolution in Deutschland, in: Enzyklopädie

Deutscher Geschichte, Band 49, 3. Auflage, München: Oldenbourg Verlag

Hamann, Heiko (2019): Schwarmintelligenz, Berlin: Springer Spektrum

Hamann, Rudolf (1981): Revolution und Evolution. Zur Bedeutung einer historisch akzentuierten

Soziologie, in: Soziologische Schriften, 1981, Band 34, S. 23

Hänisch, Till (2017): Grundlagen Industrie 4.0, in: Andelfinger, Volker/Hänisch, Till (Hrsg.):

Industrie 4.0. Wie cyber-physische Systeme die Arbeitswelt verändern, Wiesbaden: Springer

Gabler Verlag, S. 9-32

Hänisch, Till/Rogge, Stephan (2017): IT-Sicherheit in der Industrie 4.0, in: Andelfinger,

Volker/Hänisch, Till (Hrsg.): Industrie 4.0. Wie cyber-physische Systeme die Arbeitswelt

verändern, Wiesbaden: Springer Gabler Verlag, S. 91-98

Hecht, Sonja (2013): Ein Reifegradmodell für die Bewertung und Verbesserung von Fähigkeiten

im ERP-Anwendungsmanagement, Dissertation Technische Universität München, Wiesbaden:

Springer Gabler

Heiserich, Otto-Ernst/Helbig, Klaus/Ullmann, Werner (2011): Logistik. Eine praxisorientierte

Einführung, 4., vollständig überarbeitete und erweiterte Auflage, Wiesbaden: Springer

Fachmedien

Heiserich, Otto-Ernst/Helbig, Klaus/Ulmann, Werner (2011): Logistik. Eine praxisorientierte

Einführung, 4. Auflage, Wiesbaden: Springer Fachmedien

https://link-1springer-1com-1o2jkgd1n0070.han.ubl.jku.at/content/pdf/10.1007%2F978-3-8349-9547-6.pdf

https://link-1springer-1com-1o2jkgd1n0070.han.ubl.jku.at/content/pdf/10.1007%2F978-3-8349-9547-6.pdf



Horn, Christian – Frauenhofer IPK (2017): Industrie 4.0: Industrielle IT-Sicherheit im Wandel, in:

Pinnow, Carsten/Schäfer, Stephan (Hrsg.): Industrie 4.0. Safety und Security – Mit Sicherheit

gut vernetzt, 1. Auflage, Ort: Beuth Verlag Berlin, S. 69-82

Hou, Ming/Banbury, Simon/Burns, Catherine (2015): Intelligent Adaptive Systems. An

Interaction-Centered Design Perspective, Boca Raton: CRC Press

Huber, Walter (2016): Industrie 4.0 in der Automobilproduktion. Ein Praxisbuch, Wiesbaden:

Springer Vieweg

Hüning, Felix (2019): Embedded Systems für IoT, Berlin: Springer Vieweg

Huntington, Samuel (1968): Political Order in Changing Societies, New York/London

IGZ Ingenieurgesellschaft für logistische Informationssysteme mbH (2019): SAP Fiori 2.0. User

Experience par Excellence!, URL: https://www.igz.com/blog/sap-fiori-usability-im-fokus/, Stand:

15.02.2020

Ittermann, Peter/Niehaus, Jonathan (2018): Industrie 4.0 und Wandel von Industriearbeit –

revisited. Forschungsstand und Trendbestimmungen, in: Hirsch-Kreinsen, Hartmut/Ittermann,

Peter/Niehaus, Jonathan (Hrsg.): Digitalisierung industrieller Arbeit. Die Vision Industrie 4.0 und

ihre sozialen Herausforderungen, 2., aktualisierte und erweiterte Auflage, Baden-Baden: Nomos

Verlagsgesellschaft, S. 33-62

Jahn, Myriam (2017): Industrie 4.0 konkret. Ein Wegweiser in der Praxis, Wiesbaden: Springer

Gabler Verlag

Jahn, Myriam, ifm datalink gmbh (o. J.): Neue Transparenz in der Industrie 4.0 schafft Vertrauen

und Mehrwerte. Durchgängigkeit des Datenmanagement vom Sensor ins SAP, URL:

https://www.ifm.com/obj/industrie-4-0-schafft-vertrauen-und-mehrwerte.pdf, Seite 106-109,

Stand: 29.06.2019

Jänicke, Martin/Jakob, Klaus (2008): Eine dritte industrielle Revolution? Wege aus der Krise

ressourcenintensiven Wachstums, in: Bundesministerium für Umwelt, Naturschutz und

Reaktorsicherheit (BMU) Referat Öffentlichkeitsarbeit (Hrsg.): Die dritte industrielle Revolution –

Aufbruch in ein ökologisches Jahrhundert. Dimensionen und Herausforderungen des

industriellen und gesellschaftlichen Wandels, 1. Auflage, Berlin, S. 10-31

Jürgen Falkner (o. J.): Häufige Fragen – Was bedeutet Public, Private und Hybrid Cloud?, in:

Frauenhofer-Institut für Arbeitswirtschaft und Organisation IAO. Online-Ressource:

https://www.cloud.fraunhofer.de/de/faq/publicprivatehybrid.html, Stand: 19.07.2019

https://www.igz.com/blog/sap-fiori-usability-im-fokus/

https://www.ifm.com/obj/industrie-4-0-schafft-vertrauen-und-mehrwerte.pdf

https://www.cloud.fraunhofer.de/de/faq/publicprivatehybrid.html



Kagermann, Henning (2014): Chancen von Industrie 4.0 nutzen, in: Bauernhansl, Johann/ten

Hompel, Michael/Vogel-Heuser, Birgit (Hrsg): Industrie 4.0 in Produktion, Automatisierung und

Logistik. Anwendungen - Technologien – Migration, Wiesbaden: Springer Vieweg, S. 603-614

Kagermann, Henning (2014): Chancen von Industrie 4.0 nutzen, in: Bauernhansl, Thomas/ten

Hompel, Michael/Vogel-Heuser, Birgit (Hrsg.): Industrie 4.0 in Produktion, Automatisierung und

Logistik. Anwendung – Technologien – Migration, Springer Fachmedien Wiesbaden: Springer

Vieweg, S. 603-624

Kagermann, Henning, acatech – Deutsche Akademie der Technikwissenschaften (2014):

Chancen von Industrie 4.0 nutzen, in: Bauernhansl, Thomas/ten Hompel, Michael/Vogel-Heuser,

Birgit (Hrsg.): Industrie 4.0 in Produktion, Automatisierung und Logistik. Anwendung –

Technologien – Migration, Springer Fachmedien Wiesbaden: Springer Vieweg, S. 603-613

Kagermann, Henning/Anderl, Reiner/Gausemeier Jürgen/Schuh, Günther/Wahlster, Wolfgang

(Hrsg.) (2016): Industrie 4.0 im globalen Kontext. Strategien der mit internationalen Partnern,

acatech Studie, Online-Ressource: https://www.acatech.de/wp-

content/uploads/2018/03/acatech_de_STUDIE_Industrie40_global_Web.pdf, Stand: 10.07.2019

Kampker, Achim/Frank, Jana/Schwartz, Marcel/Jussen, Philipp (2018): Lernen von den besten:

Fünf Erfolgsfaktoren bei der Entwicklung von Smart Services, in: Meyer Kyrill/Klingner,

Stephan/Zinke, Christian (Hrsg.): Service Engineering. Von Dienstleistungen zu digitalen

Service-Systemen, Wiesbaden: Springer Vieweg, S. 151-163

Kappauf, Jens/Lauterbach, Bernd/Koch, Matthias (2012): Logistic Core operations wit SAP.

Inventory Management, Warehousing, Transportation, and Compliance, Berlin-Heidelberg:

Springer Verlag

Karl, David/Zitzmann, Immanuel (o. J.): Smart und Sustainable? – Industrie 4.0 aus der

Perspektive der Nachhaltigkeit, Otto-Friedrich-Universität Bamberg, Bamberg, URL:

https://doi.org/10.20378/irbo-51578, Stand: 02.08.2019

Kaufmann, Timothy (2015): Geschäftsmodelle in Industrie 4.0 und dem Internet der Dinge. Der

Weg vom Anspruch n die Wirklichkeit, Wiesbaden: Springer Vieweg

Koch, Susanne (2012): Logistik. Eine Einführung in Ökonomie und Nachhaltigkeit, Berlin-

Heidelberg: Springer Verlag

Koch, Susanne (2015): Einführung in das Management von Geschäftsprozessen. Six Sigma,

Kaizen und TQM, 2. Auflage, Berlin-Heidelberg: Springer Verlag

Koether, Reinhard (2014): Distributionslogistik. Effiziente Absicherung der Lieferfähigkeit, 2.,

aktualisierte und überarbeitete Auflage, Wiesbaden: Springer Gabler Verlag

https://www.acatech.de/wp-content/uploads/2018/03/acatech_de_STUDIE_Industrie40_global_Web.pdf

https://www.acatech.de/wp-content/uploads/2018/03/acatech_de_STUDIE_Industrie40_global_Web.pdf

https://doi.org/10.20378/irbo-51578



Krafft, Dietmar/Wiepcke, Claudia (2006): Innovative Strategien kommunaler

Wirtschaftsförderung in Zeiten der Globalisierung, in: Robert, Rüdiger/Konegen, Norbert (Hrsg.):

Globalisierung und Lokalisierung. Zur Neubestimmung des Kommunalen in Deutschland,

Münster: Waxmann Verlag, S. 135-150

Kremer, Holger/Westerkamp, Clemens (2013): Einsatz von Agentensystemen zur Optimierung

der Logistik in Produktions- und Agrarprozessen, in: Göhner, Peter (Hrsg.): Agentensysteme in

der Automatisierungstechnik, Berlin-Heidelberg: Springer Vieweg, S. 187-204

Kugler, Wilfried/Gehlich Dirk (2013): Einsatz von Agentensystemen in der Intralogistik, in:

Göhner, Peter (Hrsg.): Agentensysteme in der Automatisierungstechnik, Berlin-Heidelberg:


Kummer, Sebastian (Hrsg.)/Grün, Oskar/Jammernegg, Werner (2009): Grundzüge der

Beschaffung, Produktion und Logistik, 2., aktualisierte Auflage, München: Pearson Studium

Kurbel, Karl (2016): Enterprise Resource Planning und Supply Chain Management in der

Industrie. Von MRP bis Industrie 4.0, 8., vollständig überarbeitete und erweiterte Auflage,

Berlin/Boston: Walter de Gruyter GmbH

Kurbel, Karl (2016): Enterprise Resource Planning und Supply Chain Management in der

Industrie. Von MRP bis Industrie 4.0, 8. Auflage, Berlin/Boston: Walter de Gruyter GmbH

Lange, Jörg/ Bauer, Frank-Peter/Persich, Christoph/Dalm, Tim/Sanchez, Gunter/Adler,

Tobias/Carter, M. Brian (2017): Warehouse Management mit SAP EWM, 3., aktualisierte und

erweiterte Auflage, Bonn: Rheinwerk Verlag

Lars, Windelband/Fenzl, Claudia/Hunecker, Felix/Riehle, Tamara/Spöttl, Georg/Städtler,

Helge/Hribernik, Karl/Thoben, Klaus-Dieter (2012): Qualifikationsentwicklung durch das Internet

der Dinge in der Logistik, in: Abicht, Lothar/Spöttl Georg (Hrsg.): Qualifikationsentwicklungen

durch das Internet der Dinge. Trends in Logistik, Industrie und „Smart House“, Bielefeld: W.

Bertelsmann Verlag, S. 103-192

Lasi, Heiner/Fettke, Peter/Kemper, Hans-Georg/Feld Thomas/Hoffmann, Michael (2014):

Industrie 4.0, in: Wirtschaftsinformatik, Band 56, Ausgabe 4, URL:

https://link.springer.com/content/pdf/10.1007%2Fs11576-014-0424-4.pdf, S. 239-242, Stand:

24.10.2019

Lichtlein, Dorothee (2016): Analyse der Funktionalitäten von Warehouse Managementsystemen

in Bezug auf die zukünftigen Anforderungen der Industrie 4.0 am Beispiel SAP EWM,

Masterarbeit der technischen Universität Dortmund, Dortmund

https://link.springer.com/content/pdf/10.1007%2Fs11576-014-0424-4.pdf



Liebrecht, Carmen (2010): Stand und Organisationsanforderungen bei der Umsetzung von

Supply Chain Management in Unternehmen am Beispiel eines Unternehmens in der Rohstoff-

und Chemiebranche, Dr.-Arbeit, Universität Kassel, Kassel

Martin, Heinrich (2009): Transport- und Lagerlogistik. Planung, Struktur, Steuerung und Kosten

von Systemen der Intralogistik, 7., erweiterte und aktualisierte Auflage, Wiesbaden: Springer

Vieweg + Teubner Verlag

Marx-Engels (1960): Die Deutsche Ideologie, Ort: Berlin

Mattner, Philippe (2008): Die veränderte Rolle von Produktionslogistik und Supply Chain

Management in Logistiknetzwerken, Diplomarbeit, 1. Auflage, Norderstedt: GRIN Verlag

Mayering, Philipp (2002): Einführung in die qualitative Sozialforschung. Eine Anleitung zu

qualitativem Denken, 5. Auflage, Weinheim: Beltz Verlag

Mertens, Peter/Barbian, Dina (2018): Digitalisierung und Industrie 4.0 – eine kritische Sicht, in:

Bär, Christian/Grädler, Thomas/Mayr, Robert (Hrsg.): Digitalisierung im Spannungsfeld von

Politik, Wirtschaft, Wissenschaft und Recht, 2. Band: Wissenschaft und Recht, Berlin: Springer

Gabler, S. 151-170

Mertens, Peter/Barbian, Dina/Baier, Stephan (2017): Begriffe von Digitalisierung und Industrie

4.0, in Mertens, Peter/Barbian, Dina/Baier, Stephan (Hrsg.): Digitalisierung und Industrie 4.0 –

eine Relativierung, Wiesbaden: Springer Vieweg, S. 35-62

Meyer, C. Gerben/Främling, Kary/Holmström, Jan (2009): Intelligent Products: A survey, in:

Computers in Industry, 2009, Band 60, Ausgabe 3, URL:

https://doi.org/10.1016/j.compind.2008.12.005, S. 137-148, Stand: 12.07.2019

Michels, Jan Stefan (2016): Industrial Connectivity und Industrial Analytics, Kernbausteine der

Fabrik der Zukunft, in: Sendler, Ulrich (Hrsg.): Industrie 4.0 grenzenlos, Berlin-Heidelberg:

Springer Verlag, S. 245-270

Miebach, Joachim/Müller, Patrick P. (2006): Intralogistik als wichtiges Glied von umfassenden

Lieferketten, in Arnold, Dieter (Hrsg.): Intralogistik. Potentiale, Perspektiven, Prognosen, Berlin-

Heidelberg: Springer Verlag, S. 20-30

Moritz, Roidl (2010): Kooperation und Autonomie in selbststeuernden Systemen, in Günthner,

Willibald/ten Hompel, Micheal (Hrsg.): Internet der Dinge in der Intralogistik, Berlin-Heidelberg:


https://doi.org/10.1016/j.compind.2008.12.005



Muckel, Petra (2007): Die Entwicklung von Kategorien mit der Methode der Grounded Theory,

in: Historical Social Research, Supplement 19, URL:

https://www.ssoar.info/ssoar/handle/document/28862,S. 211-231, Stand: 27.10.2019

Nieke, Clemens (2010): Materialflusssteuerung heute und ihre Defizite, in: Günthner,

Willibald/ten Hompel, Micheal (Hrsg.): Internet der Dinge in der Intralogistik, Berlin-Heidelberg:


Pentzold, Christian/Bischof, Andreas/Heise, Nele (2018): Praxis Grounded Theory.

Theoriegenerierendes empirisches Forschen in medienbezogenen Lebenswelten. Ein Lehr- und

Arbeitsbuch, Wiesbaden: Springer Fachmedien

Pielken, Adrian (2016): Vertrauen zwischen Banken und Krisenunternehmen in der Sanierung.

Konzeptionelle Grundlagen und Ergebnisse einer empirischen Untersuchung nach Grounded

Theory aus Sicht kreditgebender Banken, Dissertation Technische Universität Berlin,

Wiesbaden: Springer Verlag

Plattform Industrie 4.0 (2013-2015), Herausgeberkreis BITKOM, VDMA, ZVEI:

Umsetzungsstrategie Industrie 4.0. Ergebnisbericht der Plattform Industrie 4.0, URL:

https://www.its-owl.de/fileadmin/PDF/Industrie_4.0/2015-04-

10_Umsetzungsstrategie_Industrie_4.0_Plattform_Industrie_4.0.pdf, Stand 24.05.2019

Prather, C. Patrick/Steber, Marco (2014): Pulk-Lesen von RFID-Transpondern. Schnelle

Identifikation im Warenpulk, URL: https://www.it-production.com/allgemein/pulk-lesen-von-rfid-

transpondernschnelle-identifikation-im-warenpulk/, Stand: 7.10.2019

Promotorengruppe Kommunikation der Forschungsunion Wirtschaft – Wissenschaft,

Kagermann, Henning/Wahlster, Wolfgang/Helbig, Johannes (2013): Deutschlands Zukunft als

Produktionsstandort sichern. Umsetzungsempfehlungen für das Zukunftsprojekt Industrie 4.0.

Abschlussbericht des Arbeitskreises Industrie 4.0, URL:

https://www.bmbf.de/files/Umsetzungsempfehlungen_Industrie4_0.pdf, Stand: 13.06.2019

Reinhart, Gunther (2017): Handbuch Industrie 4.0. Geschäftsmodelle, Prozesse, Technik,

München: Carl Hanser Verlag

Reiß, Thomas (2015): Industrie 4.0. Zehn Thesen aus Sicht der Innovationsforschung, in:

Frauenhofer ISI, Karlsruhe, URL:

https://www.isi.fraunhofer.de/content/dam/isi/dokumente/schnelleinstiege/Industrie_4_0-

Thesen.pdf, Stand: 08.08.2019

https://www.ssoar.info/ssoar/handle/document/28862

https://www.its-owl.de/fileadmin/PDF/Industrie_4.0/2015-04-10_Umsetzungsstrategie_Industrie_4.0_Plattform_Industrie_4.0.pdf

https://www.its-owl.de/fileadmin/PDF/Industrie_4.0/2015-04-10_Umsetzungsstrategie_Industrie_4.0_Plattform_Industrie_4.0.pdf

https://www.it-production.com/allgemein/pulk-lesen-von-rfid-transpondernschnelle-identifikation-im-warenpulk/

https://www.it-production.com/allgemein/pulk-lesen-von-rfid-transpondernschnelle-identifikation-im-warenpulk/

https://www.bmbf.de/files/Umsetzungsempfehlungen_Industrie4_0.pdf

https://www.isi.fraunhofer.de/content/dam/isi/dokumente/schnelleinstiege/Industrie_4_0-Thesen.pdf

https://www.isi.fraunhofer.de/content/dam/isi/dokumente/schnelleinstiege/Industrie_4_0-Thesen.pdf



Röbken, Heinke/Wetzel, Kathrin (2016): Qualitative und quantitative Forschungsmethoden, 2.,

aktualisierte Auflage, Oldenburg, URL:

https://uol.de/fileadmin/user_upload/c3l/Studiengaenge/BABusinessAdmin/Download/Leseprobe

n/bba_leseprobe_quli_quanti_forschungsmethoden.pdf, S. 6-17, Stand: 25.10.2019

Roth, Armin (2016): Einführung und Umsetzung von Industrie 4.0. Grundlagen,

Vorgehensmodell und Use Cases aus der Praxis, Berlin-Heidelberg: Springer Verlag

Roy, Daniel Thomas (2017): Industrie 4.0 – Gestaltung cyber-physischer Logistiksysteme zur

Unterstützung des Logistikmanagements in der Smart Factory, in: Straube, Frank/Baumgartner,

Helmut/Klinkner, Raimund (Hrsg.): Schriftreihe Logistik der Technischen Universität Berlin, Band

38, Ort: Universitätsverlag TU Berlin.

Rump, Jutta/Eilers, Silke (2017): Auf dem Weg zur Arbeit 4.0. Innovationen in HR, Berlin:

Springer Gabler Verlag

Russinger, Sarah (2015): Industrie 4.0 – Chancen für die Prozessautomatisierung, Dipl.-Arb.,

Hochschule Mittweida/Hochschulschrift, Mittweida

Saggiomo, M./Lemm, J./Löhrer, M./Winkel, B./Gloy, Y.-S./Gries, T. (2015): Intelligente

Assistenzsysteme in der Gewebeproduktion, in: Weidner, Robert/Redlich, Tobias/Wulfsberg,

Jens P. (Hrsg.): Technische Unterstützungssysteme, Berlin-Heidelberg: Springer Vieweg, S.

208-210

SAP AG [1] (2001): Wareneingang: Identifizierung. Wareneingang mit Bezug zu einem

Lieferavis oder einem Grobwareneingang, URL: https://help.sap.com/doc/saphelp_46c/4.6C/de-

DE/12/085b0e470311d1894a0000e8323352/frameset.htm; Stand: 19.09.2019

SAP [1] (2013): Auslagerungsstrategien, URL:

https://help.sap.com/erp_hcm_ias_2013_01/helpdata/de/c6/f8457a4afa11d182b90000e829fbfe/f

rameset.htm, Stand: 20.09.2019

SAP AG [1] (2014): Bestandsidentifikation im WE- und WA-Prozess. Ablauf, URL:

https://help.sap.com/saphelp_ewm91/helpdata/de/43/8c75c82c767104e10000000a1553f7/frame

set.htm, Stand: 18.10.2019

SAP AG [2] (2014): RFID, URL: https://help.sap.com/doc/saphelp_scm70/7.0/de-

DE/cb/c8cb53ad377114e10000000a174cb4/frameset.htm, Stand: 23.01.2020

SAP2 AG [3] (2014): qRFC-Monitor, URL: https://help.sap.com/doc/saphelp_scm70/7.0/de-

DE/61/28c9535f267414e10000000a174cb4/frameset.htm, Stand: 23.01.2020

https://uol.de/fileadmin/user_upload/c3l/Studiengaenge/BABusinessAdmin/Download/Leseproben/bba_leseprobe_quli_quanti_forschungsmethoden.pdf

https://uol.de/fileadmin/user_upload/c3l/Studiengaenge/BABusinessAdmin/Download/Leseproben/bba_leseprobe_quli_quanti_forschungsmethoden.pdf

https://help.sap.com/doc/saphelp_46c/4.6C/de-DE/12/085b0e470311d1894a0000e8323352/frameset.htm

https://help.sap.com/doc/saphelp_46c/4.6C/de-DE/12/085b0e470311d1894a0000e8323352/frameset.htm

https://help.sap.com/erp_hcm_ias_2013_01/helpdata/de/c6/f8457a4afa11d182b90000e829fbfe/frameset.htm

https://help.sap.com/erp_hcm_ias_2013_01/helpdata/de/c6/f8457a4afa11d182b90000e829fbfe/frameset.htm

https://help.sap.com/saphelp_ewm91/helpdata/de/43/8c75c82c767104e10000000a1553f7/frameset.htm

https://help.sap.com/saphelp_ewm91/helpdata/de/43/8c75c82c767104e10000000a1553f7/frameset.htm

https://help.sap.com/doc/saphelp_scm70/7.0/de-DE/cb/c8cb53ad377114e10000000a174cb4/frameset.htm

https://help.sap.com/doc/saphelp_scm70/7.0/de-DE/cb/c8cb53ad377114e10000000a174cb4/frameset.htm

https://help.sap.com/doc/saphelp_scm70/7.0/de-DE/61/28c9535f267414e10000000a174cb4/frameset.htm

https://help.sap.com/doc/saphelp_scm70/7.0/de-DE/61/28c9535f267414e10000000a174cb4/frameset.htm



SAP SE [1] (2015): Berücksichtigung von Lagertypen, URL:

https://help.sap.com/doc/saphelp_scm50/5.0/de-

DE/43/951d63aa5e274ee10000000a422035/frameset.htm, Stand: 18.10.2019

SAP SE [2] (2015): Lager-Reorganisation. Funktionsumfang, URL:


DE/9c/872041c877f623e10000000a155106/frameset.htm, Stand: 18.10.2019

SAP SE [3] (2015): Speicherprogrammierbare Steuerung (SPS), URL:

https://help.sap.com/saphelp_ewm70/helpdata/de/4d/c9cb53ad377114e10000000a174cb4/fram

eset.htm, Stand 23.01.2019

SAP SE [4] (2015): Materialflusssystem (MFS), URL:

https://help.sap.com/saphelp_ewm70/helpdata/de/4d/c9cb53ad377114e10000000a174cb4/fram

eset.htm, Stand: 30.01.2020

SAP SE [5] (2015): Meldepunkt, URL: https://help.sap.com/doc/saphelp_scm50/5.0/de-

DE/43/3bfb930c67181ae10000000a1553f6/frameset.htm, Stand: 30.01.2020

SAP SE [6] (2015): Prozessorientierte Lagerungssteuerung, URL:

https://help.sap.com/saphelp_scm50/helpdata/de/ac/c0b14068a4c24ee10000000a1550b0/frame


SAP SE [7] (2015): Lagerungssteuerung, URL:

https://help.sap.com/saphelp_scm50/helpdata/de/ac/c0b14068a4c24ee10000000a1550b0/frame


SAP SE [8] (2015): Direkte und zusammengesetzte Lagerungssteuerung (Einlagerung), URL:


DE/35/fa2f41b342ef23e10000000a155106/frameset.htm, Stand: 13.02.2020

SAP SE [9] (2015): Belege in der Lieferabwicklung, URL:


DE/3c/3ab5ea9ec449bebcf98c23e22b72fc/frameset.htm, Stand: 15.02.2020

SAP SE [10] (2015): Lagerungssteuerung, URL:


DE/89/7bd140d563cc38e10000000a155106/frameset.htm, Stand: 15.02.2020

SAP SE [11] (2015): Lageraufgabe, URL:

https://help.sap.com/saphelp_ewm70/helpdata/de/19/b63a83fbd846ba91d5078df371e915/frame


https://help.sap.com/doc/saphelp_scm50/5.0/de-DE/43/951d63aa5e274ee10000000a422035/frameset.htm

https://help.sap.com/doc/saphelp_scm50/5.0/de-DE/43/951d63aa5e274ee10000000a422035/frameset.htm

https://help.sap.com/doc/saphelp_scm50/5.0/de-DE/9c/872041c877f623e10000000a155106/frameset.htm

https://help.sap.com/doc/saphelp_scm50/5.0/de-DE/9c/872041c877f623e10000000a155106/frameset.htm

https://help.sap.com/saphelp_ewm70/helpdata/de/4d/c9cb53ad377114e10000000a174cb4/frameset.htm




https://help.sap.com/doc/saphelp_scm50/5.0/de-DE/43/3bfb930c67181ae10000000a1553f6/frameset.htm

https://help.sap.com/doc/saphelp_scm50/5.0/de-DE/43/3bfb930c67181ae10000000a1553f6/frameset.htm

https://help.sap.com/saphelp_scm50/helpdata/de/ac/c0b14068a4c24ee10000000a1550b0/frameset.htm




https://help.sap.com/doc/saphelp_scm50/5.0/de-DE/35/fa2f41b342ef23e10000000a155106/frameset.htm

https://help.sap.com/doc/saphelp_scm50/5.0/de-DE/35/fa2f41b342ef23e10000000a155106/frameset.htm

https://help.sap.com/doc/saphelp_scm50/5.0/de-DE/3c/3ab5ea9ec449bebcf98c23e22b72fc/frameset.htm

https://help.sap.com/doc/saphelp_scm50/5.0/de-DE/3c/3ab5ea9ec449bebcf98c23e22b72fc/frameset.htm

https://help.sap.com/doc/saphelp_scm50/5.0/de-DE/89/7bd140d563cc38e10000000a155106/frameset.htm

https://help.sap.com/doc/saphelp_scm50/5.0/de-DE/89/7bd140d563cc38e10000000a155106/frameset.htm

https://help.sap.com/saphelp_ewm70/helpdata/de/19/b63a83fbd846ba91d5078df371e915/frameset.htm

https://help.sap.com/saphelp_ewm70/helpdata/de/19/b63a83fbd846ba91d5078df371e915/frameset.htm



SAP SE [12] (2015): Szenarios zur Anbindung von Fremdsystemen, URL:

https://help.sap.com/doc/saphelp_snc70/7.0/de-

DE/81/f56f4151dc5758e10000000a1550b0/frameset.htm, Stand: 15.02.2020

SAP SE [13] (2015): Schnittstelle zwischen EWM und Fremdsystemen, URL:

https://help.sap.com/doc/saphelp_snc70/7.0/de-

DE/81/f56f4151dc5758e10000000a1550b0/frameset.htm, Stand: 15.02.2020

SAP SE [14] (2015): Identifikationspunkt, URL: https://help.sap.com/doc/saphelp_scm50/5.0/de-

DE/bc/d38b4142b7d960e10000000a1550b0/frameset.htm, Stand: 16.02.2020

SAP SE [15] (2015): Identifikationspunkt, URL: https://help.sap.com/doc/saphelp_scm50/5.0/de-


SAP SE [16] (2015): Materialflusssystem (MFS), URL:



SAP SE [17] (2015): Meldepunkt, URL: https://help.sap.com/doc/saphelp_scm50/5.0/de-


SAP SE [18] (2015): Einführung in RFID, URL:

https://help.sap.com/doc/saphelp_ewm2007/5.1/de-

DE/44/c0b0bb020e44a6b886b582db95380e/frameset.htm, Stand: 05.03.2020

SAP SE [19] (2015): Speicherprogrammierbare Steuerung (SPS), URL:

https://help.sap.com/saphelp_ewm2007/helpdata/de/43/3b3d26a7e217fae10000000a1553f6/fra

meset.htm, Stand: 05.03.2020

SAP SE [20] (2015): Kommunikation von EWM zu SAP ERP, URL:

https://help.sap.com/saphelp_ewm70/helpdata/de/65/cecb53ad377114e10000000a174cb4/fram


SAP SE [1] (2016): Welle, URL:

https://help.sap.com/saphelp_ewm94/helpdata/de/d8/cbcb53ad377114e10000000a174cb4/fram


SAP SE [2] (2016): Meldepunkt, URL:

https://help.sap.com/saphelp_ewm94/helpdata/de/15/849e5611ddf52ae10000000a4450e5/fram


https://help.sap.com/doc/saphelp_snc70/7.0/de-DE/81/f56f4151dc5758e10000000a1550b0/frameset.htm




https://help.sap.com/doc/saphelp_scm50/5.0/de-DE/bc/d38b4142b7d960e10000000a1550b0/frameset.htm








https://help.sap.com/doc/saphelp_ewm2007/5.1/de-DE/44/c0b0bb020e44a6b886b582db95380e/frameset.htm

https://help.sap.com/doc/saphelp_ewm2007/5.1/de-DE/44/c0b0bb020e44a6b886b582db95380e/frameset.htm

https://help.sap.com/saphelp_ewm2007/helpdata/de/43/3b3d26a7e217fae10000000a1553f6/frameset.htm

https://help.sap.com/saphelp_ewm2007/helpdata/de/43/3b3d26a7e217fae10000000a1553f6/frameset.htm

https://help.sap.com/saphelp_ewm70/helpdata/de/65/cecb53ad377114e10000000a174cb4/frameset.htm

https://help.sap.com/saphelp_ewm70/helpdata/de/65/cecb53ad377114e10000000a174cb4/frameset.htm

https://help.sap.com/saphelp_ewm94/helpdata/de/d8/cbcb53ad377114e10000000a174cb4/frameset.htm

https://help.sap.com/saphelp_ewm94/helpdata/de/d8/cbcb53ad377114e10000000a174cb4/frameset.htm

https://help.sap.com/saphelp_ewm94/helpdata/de/15/849e5611ddf52ae10000000a4450e5/frameset.htm




SAP SE [3] (2016): Radio-Frequency-Framework. Funktionsumfang, URL:

https://help.sap.com/saphelp_ewm94/helpdata/de/4d/4fa477c9c20c7ae10000000a42189c/frame


SAP SE [4] (2016): SAP Plant Connectivity als Kommunikationsschicht einrichten, URL:

https://help.sap.com/saphelp_ewm94/helpdata/de/15/849e5611ddf52ae10000000a4450e5/fram


SAP [a] (2020): SAP Extended Warehouse Management (SAP EWM), URL:

https://help.sap.com/viewer/3d97bec9bf1649099384bb8167df3cf2/9.5.0.2/de-

DE/4ecb88b8b2422afee10000000a42189e.html, Stand: 27.09.2019

SAP [b] (2020): SAP Extended Warehouse Management (SAP EWM). Materialflusssystem,

URL: https://help.sap.com/viewer/3d97bec9bf1649099384bb8167df3cf2/9.5.0.2/de-

DE/4dc9cb53ad377114e10000000a174cb4.html, Stand: 3.10.2019

SAP [c] (2020): SAP Extended Warehouse Management (SAP EWM). Materialflusssystem.

Einsatzmöglichkeiten, URL:


DE/4dc9cb53ad377114e10000000a174cb4.html, Stand: 3.10.2019

SAP [d] (2020): SCM Basis. Alert Monitor, URL:

https://help.sap.com/viewer/ba5b3f4f137f453fb874d611dde1a5c8/9.5.0.2/de-

DE/47f925c8852f383ce10000000a42189b.html, Stand: 4.10.2019

SAP [e] (2020): SAP Extended Warehouse Management (SAP EWM), MFS im

Lagerverwaltungsmonitor. Voraussetzungen, URL:


DE/b02618545685024be10000000a44176d.html, Stand: 4.10.2019

SAP [f] (2020): SAP Extended Warehouse Management (SAP EWM). Handling Unit (HU), URL:

https://help.sap.com/viewer/3d97bec9bf1649099384bb8167df3cf2/9.5.0.2/de-DE/5855ffe5-889a-

4e52-a31d-76616dadffeb.html, Stand: 4.10.2019

SAP [g] (2020): SAP Extended Warehouse Management (SAP EWM), Monitoring, URL:


DE/fac9cb53ad377114e10000000a174cb4.html, Stand: 4.10.2019

SAP [h] (2020): Easy Graphics Framework. Funktionsumfang, URL:


DE/eec9cb53ad377114e10000000a174cb4.html, Stand: 7.10.2019

https://help.sap.com/saphelp_ewm94/helpdata/de/4d/4fa477c9c20c7ae10000000a42189c/frameset.htm

https://help.sap.com/saphelp_ewm94/helpdata/de/4d/4fa477c9c20c7ae10000000a42189c/frameset.htm



https://help.sap.com/viewer/3d97bec9bf1649099384bb8167df3cf2/9.5.0.2/de-DE/4ecb88b8b2422afee10000000a42189e.html

https://help.sap.com/viewer/3d97bec9bf1649099384bb8167df3cf2/9.5.0.2/de-DE/4ecb88b8b2422afee10000000a42189e.html

https://help.sap.com/viewer/3d97bec9bf1649099384bb8167df3cf2/9.5.0.2/de-DE/4dc9cb53ad377114e10000000a174cb4.html




https://help.sap.com/viewer/ba5b3f4f137f453fb874d611dde1a5c8/9.5.0.2/de-DE/47f925c8852f383ce10000000a42189b.html

https://help.sap.com/viewer/ba5b3f4f137f453fb874d611dde1a5c8/9.5.0.2/de-DE/47f925c8852f383ce10000000a42189b.html

https://help.sap.com/viewer/3d97bec9bf1649099384bb8167df3cf2/9.5.0.2/de-DE/b02618545685024be10000000a44176d.html

https://help.sap.com/viewer/3d97bec9bf1649099384bb8167df3cf2/9.5.0.2/de-DE/b02618545685024be10000000a44176d.html

https://help.sap.com/viewer/3d97bec9bf1649099384bb8167df3cf2/9.5.0.2/de-DE/5855ffe5-889a-4e52-a31d-76616dadffeb.html

https://help.sap.com/viewer/3d97bec9bf1649099384bb8167df3cf2/9.5.0.2/de-DE/5855ffe5-889a-4e52-a31d-76616dadffeb.html

https://help.sap.com/viewer/3d97bec9bf1649099384bb8167df3cf2/9.5.0.2/de-DE/fac9cb53ad377114e10000000a174cb4.html

https://help.sap.com/viewer/3d97bec9bf1649099384bb8167df3cf2/9.5.0.2/de-DE/fac9cb53ad377114e10000000a174cb4.html

https://help.sap.com/viewer/3d97bec9bf1649099384bb8167df3cf2/9.5.0.2/de-DE/eec9cb53ad377114e10000000a174cb4.html

https://help.sap.com/viewer/3d97bec9bf1649099384bb8167df3cf2/9.5.0.2/de-DE/eec9cb53ad377114e10000000a174cb4.html



SAP [i] (2020): Verwendung des grafischen Lagerlayouts. Verwendung, URL:


DE/1a5ec67882d4481b9f47fbe6c609641d.html ,Stand: 7.10.2019

SAP [j] (2020): Erweiterte Produktionsintegration. Verwendung, URL:


DE/1b7fec53d3eb5514e10000000a441470.html, Stand: 7.10.2019

SAP [k] (2020): Warenausgang, URL:


DE/c4c8cb53ad377114e10000000a174cb4.html, Stand: 7.10.2019

SAP [l] (2020): Warenausgang. Auslagerung, URL:


DE/b8c8cb53ad377114e10000000a174cb4.html, Stand: 7.10.2019

SAP [m] (2020): Cross-Docking. Verwendung, URL:


DE/47da5e09338a3c84e10000000a42189c.html, Stand: 17.10.2019

SAP [n] (2020): Cross-Docking-Route. Verwendung, URL:


DE/21e0b64cc9df4589b8cae8cfd466a6e6.html, Stand: 17.10.2019

SAP [o] (2020): Geplantes Cross-Docking. Verwendung, URL:


DE/091ab21a468242959beecc8ba89f1f96.html, Stand: 17.10.2019

SAP [p] (2020): Opportunistisches CD (in EWM) im Anlieferungsprozess. Verwendung, URL:


DE/d349397317d64478aea5e1717d1dee95.html, Stand: 17.10.2019

SAP [q] (2020): Push-Deployment (PD) und Kommissionieren vom Wareneingang (PFGR).

Verwendung, URL:


DE/47da7ef8338a3c84e10000000a42189c.html, Stand: 17.10.2019

SAP [r] (2020): SAP Plant Connectivity, URL:

https://help.sap.com/viewer/c90214be0d934ebdb6f3bce29c63c0ff/15.1.4/de-

DE/46a00344d44852b7e10000000a155369.html, Stand: 17.01.2020

https://help.sap.com/viewer/3d97bec9bf1649099384bb8167df3cf2/9.5.0.2/de-DE/1a5ec67882d4481b9f47fbe6c609641d.html

https://help.sap.com/viewer/3d97bec9bf1649099384bb8167df3cf2/9.5.0.2/de-DE/1a5ec67882d4481b9f47fbe6c609641d.html

https://help.sap.com/viewer/3d97bec9bf1649099384bb8167df3cf2/9.5.0.2/de-DE/1b7fec53d3eb5514e10000000a441470.html

https://help.sap.com/viewer/3d97bec9bf1649099384bb8167df3cf2/9.5.0.2/de-DE/1b7fec53d3eb5514e10000000a441470.html

https://help.sap.com/viewer/3d97bec9bf1649099384bb8167df3cf2/9.5.0.2/de-DE/c4c8cb53ad377114e10000000a174cb4.html

https://help.sap.com/viewer/3d97bec9bf1649099384bb8167df3cf2/9.5.0.2/de-DE/c4c8cb53ad377114e10000000a174cb4.html

https://help.sap.com/viewer/3d97bec9bf1649099384bb8167df3cf2/9.5.0.2/de-DE/b8c8cb53ad377114e10000000a174cb4.html

https://help.sap.com/viewer/3d97bec9bf1649099384bb8167df3cf2/9.5.0.2/de-DE/b8c8cb53ad377114e10000000a174cb4.html

https://help.sap.com/viewer/3d97bec9bf1649099384bb8167df3cf2/9.5.0.2/de-DE/47da5e09338a3c84e10000000a42189c.html

https://help.sap.com/viewer/3d97bec9bf1649099384bb8167df3cf2/9.5.0.2/de-DE/47da5e09338a3c84e10000000a42189c.html

https://help.sap.com/viewer/3d97bec9bf1649099384bb8167df3cf2/9.5.0.2/de-DE/21e0b64cc9df4589b8cae8cfd466a6e6.html

https://help.sap.com/viewer/3d97bec9bf1649099384bb8167df3cf2/9.5.0.2/de-DE/21e0b64cc9df4589b8cae8cfd466a6e6.html

https://help.sap.com/viewer/3d97bec9bf1649099384bb8167df3cf2/9.5.0.2/de-DE/091ab21a468242959beecc8ba89f1f96.html

https://help.sap.com/viewer/3d97bec9bf1649099384bb8167df3cf2/9.5.0.2/de-DE/091ab21a468242959beecc8ba89f1f96.html

https://help.sap.com/viewer/3d97bec9bf1649099384bb8167df3cf2/9.5.0.2/de-DE/d349397317d64478aea5e1717d1dee95.html

https://help.sap.com/viewer/3d97bec9bf1649099384bb8167df3cf2/9.5.0.2/de-DE/d349397317d64478aea5e1717d1dee95.html

https://help.sap.com/viewer/3d97bec9bf1649099384bb8167df3cf2/9.5.0.2/de-DE/47da7ef8338a3c84e10000000a42189c.html

https://help.sap.com/viewer/3d97bec9bf1649099384bb8167df3cf2/9.5.0.2/de-DE/47da7ef8338a3c84e10000000a42189c.html

https://help.sap.com/viewer/c90214be0d934ebdb6f3bce29c63c0ff/15.1.4/de-DE/46a00344d44852b7e10000000a155369.html

https://help.sap.com/viewer/c90214be0d934ebdb6f3bce29c63c0ff/15.1.4/de-DE/46a00344d44852b7e10000000a155369.html



SAP [s] (2020): Verwendung der Bestandsidentifikation, URL:

https://help.sap.com/viewer/9832125c23154a179bfa1784cdc9577a/1909.000/de-

DE/84c9cb53ad377114e10000000a174cb4.html, Stand: 14.02.2020

SAP [t] (2020): Flexibler Lagerplatz, URL:

https://help.sap.com/viewer/9832125c23154a179bfa1784cdc9577a/1809.002/de-

DE/cbbeb981f273438197342af0357cb8d2.html, Stand: 30.01.2020

Sauter, Ralf/Bode, Maximilian/Kittelberger Daniel (2015): „Wie Industrie 4.0 die Steuerung der

Wertschöpfung verändert“, Horvath&Partner GmbH: Stuttgart, URL: https://www.horvath-

partners.com/fileadmin/horvath-

partners.com/assets/05_Media_Center/PDFs/deutsch/WP_Industrie_4.0_Bode-

Kittelberger_web_g.pdf, Stand:19.07.2019

Schenk, Michael (o. J.): »RFID-Tunnelgates« für eine sichere Pulkerfassung, in: Frauenhofer-

Institut für Fabrikbetrieb und -Automatisierung IFF, Magdeburg, URL:

https://www.iff.fraunhofer.de/content/dam/iff/de/dokumente/publikationen/rfid-tunnelgates-fuer-

sichere-pulkerfassung-fraunhofer-iff.pdf, Stand: 09.03.2020

Schiek, Arno (2008): Internationale Logistik. Objekte, Prozesse und Infrastrukturen

grenzüberschreitender Güterströme, München: Oldenburg Wissenschaftsverlag

Scholz-Reiter, Bernd/Höhns, Hartmut (2006): Selbststeuerung logistischer Prozesse mit

Agentensystemen, in: Schuh, Günther (Hrsg.): Produktionsplanung- und Steuerung.

Grundlagen, Gestaltung und Konzepte, 3., völlig neu bearbeitete Auflage, Berlin-Heidelberg:


Schönfelder, Christoph (2018): Muße – Garant für unternehmerischen Erfolg. Ihr Potenzial für

Führung und die Arbeitswelt 4.0, Wiesbaden: Springer Fachmedien.

Schönsleben, Paul (2016): Integrales Logistikmanagement. Operations und Supply Chain

Management innerhalb des Unternehmens und unternehmensübergreifend, 7., bearbeitete und

erweiterte Auflage, Berlin-Heidelberg: Springer Vieweg

Schröder, Stefan (2018): Freigeistige Organisationen in Deutschland. Weltanschauliche

Entwicklungen und strategische Spannungen nach der humanistischen Wende, 1. Auflage,

Boston: De Gruyter

Schuh, Günther/Hering, Niklas/Brunner, Andre (2013): Einführung in das Logistikmanagement,

in: Schuh, Günther/Stich, Volker (Hrsg.): Logistikmanagement. Handbuch Produktion und

Management 6, 2., vollständig neu bearbeitete und erweiterte Auflage, Berlin-Heidelberg:


https://help.sap.com/viewer/9832125c23154a179bfa1784cdc9577a/1909.000/de-DE/84c9cb53ad377114e10000000a174cb4.html

https://help.sap.com/viewer/9832125c23154a179bfa1784cdc9577a/1909.000/de-DE/84c9cb53ad377114e10000000a174cb4.html

https://help.sap.com/viewer/9832125c23154a179bfa1784cdc9577a/1809.002/de-DE/cbbeb981f273438197342af0357cb8d2.html

https://help.sap.com/viewer/9832125c23154a179bfa1784cdc9577a/1809.002/de-DE/cbbeb981f273438197342af0357cb8d2.html

https://www.horvath-partners.com/fileadmin/horvath-partners.com/assets/05_Media_Center/PDFs/deutsch/WP_Industrie_4.0_Bode-Kittelberger_web_g.pdf




https://www.iff.fraunhofer.de/content/dam/iff/de/dokumente/publikationen/rfid-tunnelgates-fuer-sichere-pulkerfassung-fraunhofer-iff.pdf

https://www.iff.fraunhofer.de/content/dam/iff/de/dokumente/publikationen/rfid-tunnelgates-fuer-sichere-pulkerfassung-fraunhofer-iff.pdf



Seite „Taylorismus“. In: Wikipedia [1], Die freie Enzyklopädie. Bearbeitungsstand: 16. März

2019, 02:25 UTC. URL:

https://de.wikipedia.org/w/index.php?title=Taylorismus&oldid=186625340, (Abgerufen: 7. Juni

2019, 08:28 UTC)

Seite „Revolution“. In: Wikipedia [2], Die freie Enzyklopädie. Bearbeitungsstand: 7. Mai 2019,

16:26 UTC. URL: https://de.wikipedia.org/w/index.php?title=Revolution&oldid=188331986,

(Abgerufen: 16. Mai 2019, 12:38 UTC)

Seite „Soziokulturelle Evolution“. In: Wikipedia [3], Die freie Enzyklopädie. Bearbeitungsstand:

20. Januar 2020, 08:16 UTC. URL:

https://de.wikipedia.org/w/index.php?title=Soziokulturelle_Evolution&oldid=195997250,

(Abgerufen: 20. Februar 2020, 12:13 UTC)

Seite „Automatisierungspyramide“. In: Wikipedia [4], Die freie Enzyklopädie. Bearbeitungsstand:

31. Mai 2019, 07:43 UTC. URL:

https://de.wikipedia.org/w/index.php?title=Automatisierungspyramide&oldid=189115330,

(Abgerufen: 13. Juni 2019, 09:48 UTC)

Seite „Maschinelles Lernen“. In: Wikipedia [5], Die freie Enzyklopädie. Bearbeitungsstand: 12.

Mai 2019, 21:54 UTC. URL:

https://de.wikipedia.org/w/index.php?title=Maschinelles_Lernen&oldid=188507804, (Abgerufen:

22. Juni 2019, 14:39 UTC)

Seite „Smart Label“. In: Wikipedia [6], Die freie Enzyklopädie. Bearbeitungsstand: 2. April 2017,

20:07 UTC. URL: https://de.wikipedia.org/w/index.php?title=Smart_Label&oldid=164187546,

(Abgerufen: 22. Juni 2019, 14:56 UTC)

Seite „Flexibilität“. In: Wikipedia [7], Die freie Enzyklopädie. Bearbeitungsstand: 12. Januar

2018, 21:13 UTC. URL:

https://de.wikipedia.org/w/index.php?title=Flexibilit%C3%A4t&oldid=172859946, (Abgerufen: 3.

Juli 2019, 14:33 UTC)

Seite „Smart Service“. In: Wikipedia [8], Die freie Enzyklopädie. Bearbeitungsstand: 13. Mai

2019, 01:40 UTC. URL:

https://de.wikipedia.org/w/index.php?title=Smart_Service&oldid=188510828, (Abgerufen: 11. Juli

2019, 13:21 UTC)

Seite „Datenschutzgesetz (Österreich)“. In: Wikipedia [9], Die freie Enzyklopädie.

Bearbeitungsstand: 13. Juli 2019, 12:21 UTC. URL:

https://de.wikipedia.org/w/index.php?title=Datenschutzgesetz_(%C3%96sterreich)&oldid=19039

2454, (Abgerufen: 27. Juli 2019, 13:46 UTC)

https://de.wikipedia.org/w/index.php?title=Taylorismus&oldid=186625340

https://de.wikipedia.org/w/index.php?title=Revolution&oldid=188331986

https://de.wikipedia.org/w/index.php?title=Soziokulturelle_Evolution&oldid=195997250

https://de.wikipedia.org/w/index.php?title=Automatisierungspyramide&oldid=189115330

https://de.wikipedia.org/w/index.php?title=Maschinelles_Lernen&oldid=188507804

https://de.wikipedia.org/w/index.php?title=Smart_Label&oldid=164187546

https://de.wikipedia.org/w/index.php?title=Flexibilit%C3%A4t&oldid=172859946

https://de.wikipedia.org/w/index.php?title=Smart_Service&oldid=188510828





Seite „Pick-by-Light“. In: Wikipedia [10], Die freie Enzyklopädie. Bearbeitungsstand: 3. Juni

2019, 11:32 UTC. URL: https://de.wikipedia.org/w/index.php?title=Pick-by-

Light&oldid=189214051, (Abgerufen: 13. September 2019, 13:10 UTC)

Seite „5G“. In: Wikipedia [11], Die freie Enzyklopädie. Bearbeitungsstand: 10. März 2020, 11:06

UTC. URL: https://de.wikipedia.org/w/index.php?title=5G&oldid=197630154, (Abgerufen: 12.

März 2020, 09:06 UTC)

Seitz, Matthias (2015): Speicherprogrammierbare Steuerungen für die Fabrik- und

Prozessautomation. Strukturierte und objektorientierte SPS-Programmierung, Motion Control,

Sicherheit, vertikale Integration, 4., überarbeitete und erweiterte Auflage, München: Carl Hanser

Verlag

Senderek, Roman/Geisler, Katrin (2015): Assistenzsysteme zur Lernunterstützung in der

Industrie 4.0, in: Rathmayer, Sabine/Pongratz, Hans (Hrsg.): Proceedings of DeLFI Workshops

2015 co-located with 13th e-Learning Conference of the German Computer Society (DeLFI

2015) München, Germany, September 1, 2015, S. 36-46

Sendler, Ulrich (2016): Industrie 4.0 grenzenlos, Berlin-Heidelberg: Springer Verlag, S. 3-16

Seybold, Philip, Daniel (2017): Selbstorganisationsmodell für Industrie 4.0, Master-Arbeit,

Master of Science in Wirtschaftsinformatik an der Zürcher Hochschule für Angewandte

Wissenschaften Master-Thesis, Zürich

Siepmann, David (2016): Industrie 4.0 – Fünf zentrale Paradigmen, in: Roth, Armin (Hrsg.):

Einführung und Umsetzung von Industrie 4.0. Grundlagen, Vorgehensmodell und Use Cases

aus der Praxis, Berlin-Heidelberg: Springer Verlag, S. 35-46

Siepmann, David (2016): Industrie 4.0 – Fünf zentrale Paradigmen, in: Roth, Armin (Hrsg.):



Siepmann, David/Roth, Armin (2016): Industrie 4.0 – Ausblick, in: Roth, Armin (Hrsg.):



Spath, Dieter/Ganscher, Oliver/Gerlach, Stefan/Hämmerle, Moritz/Krause, Tobias/Schlund,

Sebastian (2013): Produktionsarbeit der Zukunft – Industrie 4.0, Studie Frauenhofer IAO,

Stuttgart: Fraunhofer Verlag

Schwab, Klaus (2016): Die Vierte Industrielle Revolution, München: Pantheon Verlag

https://de.wikipedia.org/w/index.php?title=Pick-by-Light&oldid=189214051

https://de.wikipedia.org/w/index.php?title=Pick-by-Light&oldid=189214051

https://de.wikipedia.org/w/index.php?title=5G&oldid=197630154



Stark, Rainer/Damerau, Thomas/Lindow Kai (2016): Industrie 4.0 – Digitale Neugestaltung der

Produktentstehung und Produktion am Standort Berlin. Herausforderungen und Lösungsansätze

für die digitale Transformation und Innovation, in: Sendler, Ulrich (Hrsg.): Industrie 4.0

grenzenlos, Berlin-Heidelberg: Springer Verlag, S. 169-184

Stich Volker/Oedekoven, Dirk/Brosze, Tobias (2013): Informationssysteme für das

Logistikmanagement, in: Schuh, Günther/Stich, Volker (Hrsg.): Logistikmanagement. Handbuch

Produktion und Management 6, 2. Auflage, Berlin-Heidelberg: Springer Verlag, S. 257-304

Stichwort „Netzwerkeffekte“ (o. J.), in: Gabler Wirtschaftslexikon [1]: Springer Fachmedien

Wiesbaden GmbH, URL: https://wirtschaftslexikon.gabler.de/definition/netzwerkeffekte-51385,

Stand: 26.07.2019

Stichwort „Beschaffungslogistik“ (o. J.), in: Gabler Wirtschaftslexikon [2], Springer Gabler, URL:

https://wirtschaftslexikon.gabler.de/definition/beschaffungslogistik-31613, Stand: 25.08.2019

Stichwort „Revolution“ (o. J.), in: DudenOnline [1]: Bibliographisches Institut GmbH, URL:

https://www.duden.de/rechtschreibung/Revolution, Stand: 23.05.2019

Stiller, Michael/Langmann, Reinhard (2017): Industrial Cloud – Status und Ausblick, in:

Reinheimer, Stefan (Hrsg.): Industrie 4.0. Herausforderungen, Konzepte und Praxisbeispiele,


Strube, Gerhard (1998): Modelling Motivation and Action Control., in: U. Schmid, J. Krems & F.

Wysocki (Eds.), Mind Modelling. Berlin: Pabst, 1998, S. 89-108, URL:

http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.89.9346&rep=rep1&type=pdf, Stand:

13.06.2019

Syska, Andreas (2018): Industrie 4.0: zwischen Revolution und Illusion, in: Grote, Sven/Goyk,

Rüdiger (Hrsg.): Führungsinstrumente aus dem Silicon Valley. Konzepte und Kompetenzen,

Berlin: Springer Gabler Verlag, S. 1-16.

Ten Hompel, M./Libert, S./Sondhof, U. (2006): Dezentrale Steuerung für Materialflusssysteme

am Beispiel von Stückgutförder- und sortieranlagen. Logistics Journal: referierte

Veröffentlichungen, Vol. 2005, URL: https://www.logistics-

journal.de/archiv/2006/711/tenHompel_de.pdf, Seite 1-9, Stand: 21.06.2019

Ten Hompel, Michael/Kerner, Sören (2015): Logistik 4.0. Die Vision vom Internet der autonomen

Dinge, in: Informatik Spektrum, Juni 2015, Band 38, Ausgabe 3, S. 176-182

https://wirtschaftslexikon.gabler.de/definition/netzwerkeffekte-51385

https://wirtschaftslexikon.gabler.de/definition/beschaffungslogistik-31613

https://www.duden.de/rechtschreibung/Revolution

http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.89.9346&rep=rep1&type=pdf

https://www.logistics-journal.de/archiv/2006/711/tenHompel_de.pdf

https://www.logistics-journal.de/archiv/2006/711/tenHompel_de.pdf



Ten Hompel, Michael/Henke, Michael (2014): Logistik 4.0, in: Bauernhansl, Thomas/ten Hompel,

Michael/Vogel-Heuser, Birgit (Hrsg.): Industrie 4.0 in Produktion, Automatisierung und Logistik.

Anwendung – Technologien – Migration, Springer Fachmedien Wiesbaden: Springer Vieweg, S.

615-624

Ten Hompel, Michael/Hirsch-Kreinsen, Hartmut (2017): Digitalisierung industrieller Arbeit.

Entwicklungsperspektiven und Gestaltungsansätze, in: Vogel-Heuser, Birgit/Bauernhansl,

Thomas/ten Hompel, Michael (Hrsg.): Handbuch Industrie 4.0 Bd.3. Logistik, 2., erweiterte und

bearbeitete Auflage, Berlin: Springer Vieweg Verlag, S. 357-376


Dinge, in: Informatik Spektrum, Band 38, 3. Ausgabe, S. 176-182

Ten Hompel, Michael/Schmidt Thorsten (2010): Warehouse Management. Organisation und

Steuerung von Lager- und Kommissioniersystemen, 4., neu bearbeitete Auflage, Berlin-

Heidelberg: Springer Verlag


Dinge, Berlin-Heidelberg: Springer Vieweg, S. 176-182, URL: https://link-1springer-1com-

1o2jkgd6b0082.han.ubl.jku.at/content/pdf/10.1007%2Fs00287-015-0876-y.pdf, Stand:

31.08.2019

Thomas, Oliver(2006): Das Referenzmodellverständnis in der Wirtschaftsinformatik: Historie,

Literaturanalyse und Begriffsexplikation, URL: https://scidok.sulb.uni-

saarland.de/bitstream/20.500.11880/23828/1/IWi-Heft_187.pdf, in: Institut für

Wirtschaftsinformatik im Deutschen Forschungszentrum für Künstliche Intelligenz, Heft 187, S.

1-34, Stand: 7.11.2019

Trapp, Rouven (2012): Konvergenz des Rechnungswesens. Eine Inhaltsanalyse der Diskussion

um eine Annäherung des internen und externen Rechnungswesens in deutschsprachigen

Fachzeitschriften, Wiesbaden: Gabler Verlag

VDI-Fachbereich Technische Logistik (2015): Warehouse-Management-Systeme, in: VDI-

Fachbereich Technische Logistik, URL: https://www.vdi.de/richtlinien/details/vdi-3601-

warehouse-management-systeme, Stand: 13.09.2019

Verein Industrie 4.0 Österreich (Hrsg.)/Leidl-Krapfenbauer, Ilse/Sommer, Roland/Schnobrich-

Cakelja, Jasmina (2017): Ergebnispapier „Qualifikation und Kompetenzen in der Industrie 4.0.

Verein Industrie 4.0, URL: https://plattformindustrie40.at/wp-

content/uploads/2018/05/WEB_Industrie4.0_Ergebnispapier_2018.pdf, Stand: 17.05.2019

https://link-1springer-1com-1o2jkgd6b0082.han.ubl.jku.at/content/pdf/10.1007%2Fs00287-015-0876-y.pdf

https://link-1springer-1com-1o2jkgd6b0082.han.ubl.jku.at/content/pdf/10.1007%2Fs00287-015-0876-y.pdf

https://scidok.sulb.uni-saarland.de/bitstream/20.500.11880/23828/1/IWi-Heft_187.pdf

https://scidok.sulb.uni-saarland.de/bitstream/20.500.11880/23828/1/IWi-Heft_187.pdf

https://www.vdi.de/richtlinien/details/vdi-3601-warehouse-management-systeme

https://www.vdi.de/richtlinien/details/vdi-3601-warehouse-management-systeme

https://plattformindustrie40.at/wp-content/uploads/2018/05/WEB_Industrie4.0_Ergebnispapier_2018.pdf

https://plattformindustrie40.at/wp-content/uploads/2018/05/WEB_Industrie4.0_Ergebnispapier_2018.pdf



Wannenwetsch, Helmut (Hrsg.)/Comperl, Peter/Illgner, Elke/E. Meier, Alexander/Nicolai,

Sascha/Schmid, Karl-Heinz (2007): Integrierte Materialwirtschaft und Logistik. Beschaffung,

Logistik, Materialwirtschaft und Produktion, 3., aktualisierte Auflage, Berlin-Heidelberg: Springer

Verlag

Westermann, Thorsten (2017): Systematik zur Reifegradmodell-basierten Planung von Cyber-

Physical Systems des Maschinen- und Anlagenbaus, Dissertation, Fakultät Maschinenbau der

Universität Paderborn, Paderborn

Winkelhake, Uwe (2017): Die digitale Transformation der Automobilindustrie. Treiber –

Roadmap – Praxis, Berlin: Springer Vieweg

Witt, Andreas (2014): Grundkurs SAP APO. Eine Einführung mit durchgehendem Fallbeispiel,

Wiesbaden: Springer Vieweg

Documents

Logistische Herausforderung zur Implementierung von