Catálogo de publicaciones - libros

Die Zukunft der Arbeit ist gestaltbar und gestaltungsbedürftig. Es gibt keinen technologischen Determinismus – die Folgen der unter „Industrie 4.0“ subsumierten neuen Technologien für Arbeitswelt und Arbeitsmarkt entstehen nicht unmittelbar aus Merkmalen dieser Technologien selbst, sondern aus den Anwendungs- und Einsatzmodellen für diese Technologien. In dem vorliegenden Buch werden anhand konkreter Forschungsprojekte im Kontext von Industrie 4.0 Szenarien entwickelt, die sich mit einem einheitlichen Beschreibungsmodell im Hinblick auf die Implikationen für die Arbeitsgestaltung darstellen lassen. Dieses Kapitel umreißt den Kontext, in dem sich die hier dargestellten Szenarien bewegen, und fasst die wesentlichen Aspekte zusammen.

In diesem Kapitel werden Gestaltungsdimensionen mit einem Bezug zur lernförderlichen Arbeitsgestaltung, deren prognostizierten Entwicklungen in den Praxisbeispielen dieses Buches aufgezeigt werden, dargestellt und zusammenfassend analysiert. Hinsichtlich der hierarchischen Vollständigkeit von Tätigkeiten zeigen sich deutliche Effekte im Sinne einer Abnahme monotoner und einer Zunahme komplexer Aufgaben. Für das Lernen werden insgesamt und in jeder Hinsicht Zuwächse erwartet. Dabei wird informelles Lernen eine deutlich größere Rolle spielen und in qualitativ neuer Weise durch die neuen Technologien unterstützt werden. Im Bereich der sequentiellen Vollständigkeit werden insbesondere im Bereich Kooperation und Kommunikation deutliche Zuwächse erwartet. Wenn auch nuanciert im Detail, so wird in der Gesamtbetrachtung aus den Praxisfällen ein – im Sinne der menschengerechten Arbeit wie auch der Innovationsfähigkeit der Volkswirtschaft – optimistischer Ausblick auf die Zukunft deutlich.

In der nachfolgenden Arbeit wird ein Assistenzsystem für manuelle Montageprozesse vorgestellt, welches im Zuge des Forschungsprojektes motionEAP entwickelt wurde. Neben der technischen Umsetzung werden die pädagogischen, psychologischen und ethischen Aspekte für die Nutzung dieses Assistenzsystems erläutert. Anschließend daran werden die Auswirkungen des Assistenzsystems für manuelle Montagetätigkeiten auf betriebliche Funktionen erläutert. Dabei werden in einem ersten Schritt die hauptsächlich betroffenen Tätigkeiten des direkten Montageumfelds analysiert. In einem nachfolgenden Schritt werden die Auswirkungen und Konsequenzen des Einsatzes eines Montageassistenzsystems auf diese drei betrieblichen Funktionen anhand der festgelegten Bewertungskriterien bestimmt. Zum Schluss werden die wichtigsten Änderungen eines Arbeitssystems durch die Nutzung eines solchen Assistenzsystems betrachtet.

Ausgehend von der hohen Bedeutung und den Grundlagen industrieller Servicerobotik wird der aktuell vergleichsweise geringe betriebliche Umsetzungsgrad derartiger Teilautomatisierungslösungen diskutiert. Um den Abbau möglicher Automatisierungshemmnisse zu unterstützen, wird im Folgenden ein konkreter Anwendungsfall aus dem Bereich der Kleinteilemontage dargestellt. Hierbei erfolgt zunächst eine detaillierte Darstellung und Analyse des manuellen Prozesses. Daran anknüpfend wird eine Potenzialanalyse durchgeführt, auf deren Basis ein hybrides Gestaltungskonzept abgeleitet wird. Anhand dessen werden mögliche Auswirkungen auf verschiedene betriebliche Rollen vorgestellt und auf den übergeordneten Gesamtkontext bezogen.

Der Mensch stellt auch in der Produktion und Logistik von morgen einen entscheidenden Faktor dar. Aus der immer weiter wachsenden Datenmenge in Unternehmensprozessen müssen jene Informationen extrahiert werden, welche den Mitarbeiter bei seiner Arbeit unterstützen können und nicht zu Überforderung führen. Das durch das BMBF geförderte Forschungsprojekt SmARPro (Smart Assistance for Humans in Production Systems) befasst sich mit dieser Problematik. Es wird ein System entwickelt, das über einheitliche und standardisierte Schnittstellen Daten aller umgebenden Systeme erfasst und diese in der SmARPro-Plattform zu kontextsensitiven Informationen aufbereitet. Diese werden dem Mitarbeiter über Wearables wie beispielsweise Datenbrillen, Smart Watches, Smartphones oder Tablets angezeigt.

Die Entwicklung hin zu Industrie 4.0 basiert in erster Linie auf modernen Produktionsmaschinen in Verbindung mit digitalen Technologien. Diesem Trend folgend werden der Betrieb und die Entwicklung von modernen Textilmaschinen immer komplexer und erfordern komplexe Fähigkeiten und Arbeitsaufgaben des Bedienpersonals in den verschiedenen Qualifizierungsphasen. Unter dem Gesichtspunkt der zunehmenden Heterogenität der Produktionsbelegschaft, insbesondere dem Wachstum der Gruppe der älteren Arbeitnehmer/-innen, scheint die differentiell-dynamische Arbeitsgestaltung in der Textilproduktion aktueller denn je. Die Verwendung von Assistenzsystemen ermöglicht eine altersgerechte Arbeit und qualifikationsspezifische Unterstützung der Mitarbeiter/-innen. Diese Unterstützung ermöglicht den Beschäftigten, ihre Berufsfähigkeit zu erhalten.

In diesem Beitrag werden erste Ergebnisse des vom Bundesministerium für Bildung und Forschung (BMBF) geförderten Verbundprojekts ELIAS anhand der Anwendungsfälle der HELLA KGaA Hueck & Co. und der FEV GmbH, zweier der größten Unternehmen aus dem deutschen Automotive Sektor, vorgestellt. In dem Projekt wird unter Führung des FIR an der RWTH Aachen ein Konzept entwickelt, das das Lernen im Prozess der Arbeit als elementaren gestalterischen Bestandteil in bestehende oder zukünftige Arbeitssysteme integriert. Die beiden Beispiele zeigen, dass der durch die Digitalisierung beschleunigte Wandel der Arbeitswelt in Produktion und Dienstleistungen bereits heute in vollem Gange ist und insbesondere Maßnahmen zur betrieblichen Weiterbildung eine immer größere Bedeutung gewinnen. Sowohl die Hella als auch die FEV reagieren auf diesen Wandel mit dem verstärkten Einsatz des arbeitsnahen Lernens, wenn auch in sehr unterschiedlichen Formen. Der Artikel gibt Aufschluss über die Veränderungen der Arbeitswelt im Automotive Sektor sowie über die durchgeführten Maßnahmen in Form unterschiedlicher Lernlösungen.

Ein Effekt der Transformation zur Industrie 4.0 ist ein stetiger Anstieg der Komplexität sowohl in der Bedienung und Instandhaltung von Anlagen als auch in der Steuerung der Produktionsabläufe. Der sukzessive Rückgang von Produktionsmitarbeitern bei gleichzeitiger Zunahme der Komplexität der Arbeitsprozesse lässt den Informationsbedarf sowie die notwendige berufliche Expertise rasant wachsen. Intelligent-adaptive Assistenz- und Wissensdienste bieten hier Abhilfe durch die Vermittlung von formellem und informellem Wissen und Know-how, angepasst auf Expertiseniveaus und fachliche Aufgaben der Mitarbeiter. Dieser Beitrag beschreibt die Zielsetzung des APPsist-Projektes hinsichtlich Assistenz und Lernen am Arbeitsplatz. Die sich daraus ergebende technische Lösung wird skizziert und die resultierenden Veränderungen im Arbeitsprozess beispielhaft an zwei Anwendungsfällen (Montage und Instandhaltung) erläutert. Ein weiterer Schwerpunkt von APPsist liegt in der Konzeption von Prozessen, die die Mitarbeiter systematisch in die Entwicklung und Implementierung des Systems einbinden.

Zunehmende Variantenvielfalt und der Wunsch der Kunden nach individuelleren Produkten verlangt nach Produktionskonzepten, die ein hohes Maß an Flexibilität und Autonomie bieten. Dies führt zu signifikanten Veränderungen in der Arbeit der Produktionsmitarbeiter. Beispielsweise werden für einen Meister und einen Produktionsplaner komplexe Aufgaben dadurch zunehmen, wohingegen monotone Tätigkeiten, wie beispielsweise die tägliche Feinplanung von Aufträgen, entfallen werden. Neben der Beschreibung weiterer Veränderungen in den beteiligten Mitarbeiterrollen werden in diesem Beitrag Forschungsansätze vorgestellt, die eine Interaktion zwischen Menschen und autonomen Produktionsplanungs- und -steuerungssystemen ermöglichen und fördern. Hierzu gehört neben der frühzeitigen Ableitung von Qualifikationsmaßnahmen für Mitarbeiter und der mitarbeiterindividuellen Anpassung von Assistenzsystemen auch ein Ansatz zum Umgang und zur Nutzung großer Datenmengen.

Ziel des vom Bundesministerium für Wirtschaft und Energie (BMWi) geförderten Projekts ReApp ist es, Werkzeuge und Modelle für die Entwicklung wiederverwendbarer Softwarebausteine (Apps) für Roboter zu schaffen. Diese verleihen beispielsweise Fähigkeiten für die Erkennung und das Greifen von Werkstücken bis hin zur automatisierten Ausführung von kompletten Prozessabläufen. Außerdem entsteht eine Entwicklungsumgebung, mit der diese Apps modelliert und auf den Robotersystemen auf einfache Weise integriert und eingerichtet werden können. Tests und Simulationen der Apps sind möglich, bevor das Robotersystem aufgebaut wird. Der Vorteil: Roboterbasierte Anwendungen lassen sich mit den Apps schneller und effizienter als bisher entwickeln. Dadurch wird der Einsatz von Automatisierung auch für kleine Stückzahlen rentabel. Dies hat Auswirkungen auf betriebliche Abläufe in mehrerlei Hinsicht: Zum einen ändert sich durch ReApp der Entwicklungsprozess von Automatisierungslösungen, was sich auf entwickelnde Berufe auswirkt, zum anderen können bisher rein manuell durchgeführte Tätigkeiten durch Automatisierung unterstützt oder gar ersetzt werden. Dies hat unmittelbare Konsequenzen für die Berufsgruppen, die bei der Produktion von Gütern eine Rolle spielen. Der Artikel beschreibt zunächst die grundlegenden Lösungsansätze des Projekts und analysiert anhand eines konkreten Anwendungsfalls die Auswirkungen auf die involvierten Berufsgruppen.