Chancen und Risiken der Digitalisierung für Unternehmen und Arbeitnehmer in der Automobilindustrie

Inhaltsverzeichnis

1 Einleitung

2 Zentrale Paradigmen und Technologien
2.1 Zentrale Paradigmen
2.1.1 Paradigma 1: Horizontale und vertikale Integration
2.1.2 Paradigma 2: Machine-to-Machine (M2M)-Kommunikation
2.1.3 Paradigma 3: Dezentrale Steuerung
2.2 Zentrale Technologien
2.2.1 Cyber-Physical-System (CPS)
2.2.2 Big Data

3 Chancen und Risiken für Unternehmen
3.1 Chancen für Unternehmen
3.1.1 Effizienzsteigerung
3.1.2 Bessere Produktfindung
3.1.3 Höhere Qualität der Produkte
3.2 Risiken für Unternehmen
3.2.1 IT-Sicherheit

4 Chancen und Risiken für die Arbeitnehmer
4.1 Chancen für Arbeitnehmer
4.1.1 Bessere Arbeitsbedingungen für Mitarbeiter
4.1.2 Flexibleres Arbeiten
4.2 Risiken für Arbeitnehmer
4.2.1 Ablösung des Menschen
4.2.2 Überforderung
4.2.3 Gefahr der Überwachung

5 Gesamtfazit

6 Quellenverzeichnis
6.1 Literaturverzeichnis
6.2 Internetquellen

1 Einleitung

Die Automobilindustrie zählt in Deutschland zu den bedeutendsten Zweigen der Industrie. Die Entwicklung dieser Branche ist ausschlaggebend für die gesamtwirtschaftliche Entwicklung Deutschlands. Die deutsche Automobilindustrie unterscheidet sich von ihren weltweiten Mitbewerbern vor allem durch hohe Qualität, Zuverlässigkeit und hohe Funktionalität der Produkte. Weiterhin leistet ein sicherer Entwicklungs- und Herstellungsprozess, in denen die Automatisierung eine wichtige Rolle spielt, eine große Rolle für den Erfolg der Branche. Neben dem Einsatz von „IT-Werkzeugen für Engineering, Produktvalidierung, Produktionsplanung, Inbetriebnahme und Fertigung“^[1] ist auch der Einsatz von Software in der Produktion, ein wichtiger Faktor für das Ansehen im weltweiten Wettbewerb.^[2] Die Digitalisierung der Unternehmen wird in Deutschland vor allem mit von der Politik geprägtem Stichwort „Industrie 4.0“^[3] bezeichnet. In dieser Facharbeit verwende ich diesen Begriff deshalb stellvertretend für die Digitalisierung der Unternehmen. Den Innovationsvorsprung, den Deutschland momentan -einigen Experten zufolge jedenfalls- noch hat, könnte durch das Versäumen des Investierens in entsprechende Technologien schon in fünf bis zehn Jahren zu einem Rückstand werden. Der Wirtschaftsstandort Deutschland ist erheblich gefährdet, wenn der Zeitpunkt für entsprechende technologische Innovationen verpasst wird. Bisher findet die Entwicklung echter technologischer Vorteile vor allem im Silicon Valley in den USA, sowie in Asien statt.^[4]

Doch nicht nur die Unternehmen, und somit die Wirtschaftsleistung Deutschlands, könnte langfristig gefährdet sein. Direkt bei Automobilherstellern oder Zulieferern waren im Jahr 2016 insgesamt über 800.00 Menschen beschäftigt.^[5] Um diese Arbeitsplätze langfristig zu sichern, ist es essentiell notwendig, den technologischen Fortschritt der anderen aufzuholen. Um dieses Ziel zu erreichen, wird das Zukunftsprojekt Industrie 4.0 von der Bundesregierung mit jährlich 40 Milliarden Euro subventioniert.^[6]

2 Zentrale Paradigmen und Technologien

2.1 Zentrale Paradigmen

Rund um die Bedeutung der Digitalisierung für Unternehmen, zusammengefasst unter dem Stichwort Industrie 4.0, gibt es einige zentrale Paradigmen. Um die Chancen und Risiken dieses Begriffs besser erklären zu können, werde ich diese Definitionen zunächst allgemeingültig, ohne eigenständigen Bezug auf die Automobilindustrie, erklären. Eine Fokussierung auf einen bestimmten Bereich halte ich an dieser Stelle auch nicht für sinnvoll, da es keine individuellen Paradigmen für jede Branche gibt. An geeigneter Stelle nenne ich zur besseren Verständlichkeit jedoch Beispiele aus der Automobilindustrie.

2.1.1 Paradigma 1: Horizontale und vertikale Integration

Die horizontale und vertikale Integration beschreibt einerseits die Integration verschiedenster Prozesse, sowohl bei Kunden als auch innerhalb des Unternehmens. Doch aus welchem Grund sind diese Integrationen nun so essentiell wichtig? Die horizontale Integration bedeutet hierbei die Integration zwischen dem Unternehmen, den Kunden und den Lieferanten. Sie ist insofern relevant, um eine ständig steigende Komplexität, entstehend durch immer individuellere Kundenwünsche, trotz kürzer werdenden Produktzyklen, bewältigt werden kann.^[7]

Innerhalb des Unternehmens bedeutet die vertikale Integration die Eingliederung verschiedenster Systeme der verschiedenen Hersteller, die untereinander bislang aufgrund verschiedenster Standards noch nicht sehr effizient zusammenarbeiten können.^[8] Kommt es in Zukunft jedoch zu einer stärkeren Vernetzung der Abteilungen eines Unternehmens (zum Beispiel „Entwicklung, Planung, Einkauf, Produktion und Logistik“^[9] ), so muss eine gute Integration verschiedener Prozesse, Strukturen und Systeme gewährleistet sein. Momentan ist diese Integration jedoch sowohl in horizontaler als auch vertikaler Richtung noch sehr verbesserungsbedürftig.^[10]

Der Vorteil des Einsatzes von horizontaler und vertikaler Integration für das Unternehmen liegt hierbei in der besseren Flexibilität und der Fähigkeit, das Produkt im besten Falle in Echtzeit an die Anforderungen des Kunden anzupassen.^[11]

2.1.2 Paradigma 2: Machine-to-Machine (M2M)-Kommunikation

Die M2M- Kommunikation beschreibt den Austausch von Daten zwischen zwei Produktionsfaktoren, im Falle der Automobilindustrie also vor allem zwischen zwei Robotern. Dieser Austausch findet dabei vollautomatisch statt, und ohne einen aktiven Befehl zur Kommunikation durch einen Menschen. Im besten Falle kann durch diesen Austausch eine Optimierung des Produktionsprozesses oder des Werkstücks erfolgen. Risiken birgt hierbei vor allem die Gefahr eines Hacking Angriffes auf das Unternehmen. Kann ein Hacker Daten über die Produktion direkt von den beteiligten Maschinen erhalten, könnte so ein enormer Wettbewerbsverlust für das betroffene Unternehmen entstehen.^[12]

Maschinen können die angesprochene Optimierung erreichen, indem sie sich eigenständig organisieren und untereinander „absprechen“. Hierfür könnte beispielsweise jedes Werkstück mit einem sogenanntem RFID- Chip^[13] ausgestattet werden. Audi setzt diese Chips schon aktiv in der Produktion ein. So werden bei Audi während des Pressvorgangs ständig Daten über die Genauigkeit des Pressens gesammelt. Die ermittelten Daten und Abweichungen werden dann mit den Daten verglichen, die bei der Entwicklung des Fahrzeugs entstanden sind. Werden bereits während des Vorgangs Abweichungen festgestellt, findet eine Korrektur der Teile statt.^[14] Fallen erst bei der abschließenden Kontrolle nach dem Pressen Ungenauigkeiten auf, werden diese auf dem Chip abgespeichert und können für die Optimierung der Produktion verwendet werden.^[15]

2.1.3 Paradigma 3: Dezentrale Steuerung

Die Produktion der Zukunft wird relativ ortsunabhängig angelegt sein. Es gibt keine starren, ortsfesten Schaltschränke mehr, die durch eine massive Zahl von Datenkabeln mit den Maschinen verbunden sind. Vielmehr werden die Produktionsfaktoren per WLAN frei platzierbar sein. Vor allem aber wird eine Verlagerung der Rechenleistung heraus aus dem Unternehmen hin zu externen, flexiblen Anbietern möglich. Der Vorteil hierbei ist, dass beim Einkauf von Rechenleistung in Form von Computern nicht mehr für die nächsten Jahre kalkuliert werden muss. Stattdessen kann die Rechenleistung flexibel je nach Bedarf angemietet werden. Die Gefahr bei einer Auslagerung sensibler Daten ist jedoch, dass der externe Anbieter Opfer eines Angriffes durch Hacker werden könnte. Die Datensicherheit liegt nicht mehr in der Hand des Unternehmens, sondern bei anderen Firmen.^[16]

2.2 Zentrale Technologien

2.2.1 Cyber-Physical-System (CPS)

Ein CPS ist der Schlüssel zu einer intelligenteren Produktion, die sich selbst optimiert und verbessert. Diese Art der Produktion kann nur durch entsprechenden Automatisierungsgrad und eine umfassende M2M-Kommunikation realisiert werden. Bezogen auf die Automobilindustrie werden CPS vermehrt als Schlüssel zur Bewältigung der zunehmenden Komplexität gerade in dieser Branche gesehen. Die Vernetzung ist dabei aber nicht nur unternehmensintern zwischen Akteuren, vielmehr findet auch eine Vernetzung mit anderen am Produktionsprozess Beteiligten statt. Das bedeutet, dass die Maschinen durch das CPS auf Daten Externer, zum Beispiel Zulieferern eines Teils, bezüglich z.B. der Größe zugreifen können, um ihre Produktion einerseits überhaupt erst selbstständig steuern zu können und sie im Endeffekt zu verbessern.^[17] Für die Steuerung dieses Prozesses sind sogenannte „Cyber-Physical-Production-Systems (CPPS)“^[18],^[19] nötig.

Bei der Einführung eines solchen CPS ergeben sich aber vielfältige Risiken und Chancen für das Unternehmen. Das Risiko ist die Empfindlichkeit solch sensibler Systeme, und damit im Ernstfall eine nicht mehr gegebene Funktionstüchtigkeit der Produktion, falls sie Opfer eines Angriffes werden sollte. So könnte das Unternehmen von einem Angreifer völlig lahmgelegt werden. Für die Einführung spricht aber eine bessere Planbarkeit der Produktion, wodurch die Zuverlässigkeit verbessert werden kann. Es können aufgrund von Planungsfehlern so beispielsweise in der Automobilproduktion nicht plötzlich Teile fehlen, da die Planung besser realisiert werden kann.^[20] Außerdem kann die Effizienz in Abteilungen, wie der Reparatur und Wartung der Anlagen erhöht werden. So können Maschinen selbstständig melden, falls an ihnen ein Defekt vorliegt oder wenn eine Wartung nötig wird. Im Falle eines Defektes muss nicht zunächst der Fehler aktiv gefunden werden, sondern die genaue Herkunft des Fehlers ist schon bekannt bevor überhaupt ein Mitarbeiter zur Reparatur eintrifft.^[21] Beim Eintreffen eines Mitarbeiters kann das CPS dann seine Vorteile voll ausspielen. Im besten Falle trägt der Mitarbeiter eine Augmented Reality (AR)-Brille^[22], die ihm eine exakte Anleitung zur Reparatur einblendet. So ist die Maschine innerhalb kürzester Zeit wieder voll einsatzbereit.^[23]

Außerdem kann durch „durchgängiges digitales Engineering“^[24] als Teil des CPS ein digitales Abbild der Produktion erstellt werden, mit dem dann die reale Produktion simuliert werden kann. Somit ist ein weiterer Vorteil des CPS die Minimierung von späteren Fehlern in der Produktion durch vorheriges digitales Testen des Prozesses.^[25] Durch diese Technologie kann auch die Steuerung sowohl in Hinsicht auf den Verbrauch von Ressourcen als auch für den Kostenaufwand optimiert werden. Kann man alles ausgiebig testen, fallen zum Beispiel Verschnitte in einem Presswerk deutlich geringer aus.^[26] Durch dieses intensive Testen fallen aber auch hohe Kosten an. Die Produktion muss zunächst digitalisiert werden, um möglichst realistisch betrachtet werden zu können. Die Übertragung der Realität in die digitale Fiktion ist momentan sehr arbeitsaufwendig.^[27] Einen weiteren Kostenfaktor stellt die nötige Visualisierung der Produktion dar. Wird zu Planungszwecken ein digitales Abbild der Produktion erstellt, ist es für Ingenieure wohl sehr schwer, mögliche Fehlerquellen nur anhand von rohen Datenmengen zu erkennen. Die zwei realistischsten Technologien zur Visualisierung der Produktionslinie sind AR- und Virtual Reality (VR)^[28] - Brillen. Die Anschaffung einer solchen Brille ist aber recht kostenintensiv.^[29]

Um nun die aktuelle Umsetzung zu thematisieren, werde ich die Technologie des CPS bei einem Hersteller, in diesem Falle BMW erklären. Bei der Einführung eines umfassenden CPS hofft BMW, eine Null-Fehlerrate zu erreichen, da sich Werkzeuge selbstständig verbessern. Doch auch das Kundenerlebnis soll verbessert werden. Hat der Kunde nach der Bestellung noch einen Änderungswunsch, so soll dieser auch kurzfristig realisiert werden können. Auch die „Digitale Fabrik“^[30] als Projekt im Rahmen des durchgängigen digitalen Engineering wird bereits eingesetzt. Auf Basis eines digitalen Abbildes der Fabrik können so verschiedenste Szenarien auf dem Fließband zunächst digital getestet werden.^[31]

2.2.2 Big Data

In Zukunft fallen immer mehr Daten an, vor allem, wenn jede Maschine, jeder Roboter, jedes Werkstück mit Sensoren und Chips ausgestattet ist. Sie benötigen wiederum Daten, um zu funktionieren und geben diese weiter. Big Data ist hierbei der Schlüssel weg von riesigen, undurchsichtigen Datenmengen hin zum Erkennen von klaren Mustern in diesen Daten,^[32] mit denen mit steigender Anzahl an Daten auch genauere, betriebswirtschaftlich relevante Aussagen über Probleme in der Produktion getroffen werden sollen.^[33] Trotzdem ist zu beachten, dass den Daten aus der Produktion und entsprechenden Schlussfolgerungen nicht blind getraut werden sollte. Um die Glaubwürdigkeit der Daten zu steigern, sollte deshalb auf eine möglichst hohe Varietät der Daten geachtet werden.^[34]

Um Big Data Dienste zu ermöglichen, sind außerdem Cloud Computing Dienste essentiell wichtig. Bei diesen Diensten „handelt es sich um die bedarfsgerechte und flexible Nutzung von unterschiedlichen IT-Leistungen.“^[35] Durch die Auslagerung der IT zu externen Dienstleistern ergeben sich Vorteile, so kann das IT-Budget bei gleichzeitig besserer Performance und Verfügbarkeit reduziert werden, und somit insgesamt die Effizienz gesteigert werden.^[36] Es gibt aber auch einige Nachteile, die es zu klären gilt. So muss die Sicherheit der sensiblen Daten bei Externen garantiert werden. Um diese transparent zu machen, gibt es zum Beispiel seit 2014 ein Gütesiegel der EU für Anbieter, die ein hohes Maß an Sicherheit garantieren.^[37]

Auch in der Automobilindustrie finden Big Data Dienste bereits Anwendung. So will man bei BMW Fehler finden, bevor sie überhaupt auftreten, um durch geringere Fehlerraten Kosten im großen Stil einzusparen.^[38]

Auch Mercedes setzt auf Big Data Dienste. Im Werk in Stuttgart, in dem pro Tag circa 10.000 Zylinderköpfe produziert werden, sammeln Sensoren insgesamt ca. 500 Messgrößen, die dann zur extrem genauen Auswertung von Fehlern genutzt werden. Die Auswertung dieser Daten dauerte in der Vergangenheit mindestens 3 Tage, mit Big Data kann dieselbe Menge an Daten innerhalb von wenigen Stunden ausgewertet werden. Dies führte zu einer Steigerung der Produktivität um 25%. Aufgrund der durchweg positiven Erfahrungen bei Mercedes soll in Zukunft die gesamte Produktion durch Big Data analysiert werden, um einerseits die Qualität der Produkte massiv zu erhöhen und Ausfälle von Maschinen zu minimieren.^[39]

3 Chancen und Risiken für Unternehmen

3.1 Chancen für Unternehmen

3.1.1 Effizienzsteigerung

Insbesondere in der Logistik kann die Digitalisierung große Vorteile für die Unternehmen bezüglich der Effizienz der Mitarbeiter leisten. Bislang müssen die Arbeiter in mehr oder weniger gut sortierten Lagerhallen mühselig jeden Artikel, der beispielsweise für die Produktionslinie in der Automobilproduktion benötigt wird, suchen. Durch den Einsatz von AR in Form einer Datenbrille können dem Arbeitnehmer gezielt Hinweise auf den genauen Standort des gesuchten Produktes gegeben werden. Die Datenbrille kann dabei auch erfassen, wenn der Arbeiter nach der falschen Ware greift, und warnt ihn dabei sowohl optisch durch ein Signal im Display der Brille, als auch akustisch. Somit können Fehler minimiert werden. Außerdem kommt die Produktion so wesentlich seltener zum Stillstand, da die Arbeiter weniger Fehleranfällig arbeiten, und dringend gebrauchte Produkte so pünktlich in der Produktion vorliegen. Es können bei dieser Vorgehensweise massive Kosteneinsparungen erreicht werden, da weniger Zeit für das Suchen eines Werkstücks von den Unternehmen eingeplant werden muss.^[40] Auch VW setzt diese Brillen schon zum genannten Zweck in der Logistik im Werk in Wolfsburg ein. Die Datenbrille scannt hier vollautomatisch die Codes der jeweiligen Kiste ein und erkennt so, ob es sich um die richtige Kiste handelt. Bei VW konnte man eine erhebliche Zeiteinsparung beobachten, sodass die Brillen ein effizienteres Arbeiten ermöglichen. Aufgrund dieser positiven Erfahrungen plant VW den Einsatz dieses Systems in den nächsten Jahren.^[41]

AR Technologie kann aber auch noch an völlig anderer Stelle als der Lagerhallen im Unternehmen eingesetzt werden. So forscht beispielsweise Audi an einem System, bei dem die AR-Brille den Mitarbeiter in der Abteilung der Funktionsprüfung unterstützt. So können dem Arbeiter in Echtzeit Anleitungen zu seiner aktuellen Tätigkeit eingeblendet und die Ergebnisse der Funktionsprüfung dokumentiert werden. Dieses System wurde von Audi dennoch nicht eingeführt, denn trotz großer Vorteile durch höhere Effizienz aufgrund der nun nicht mehr nötigen manuellen Dokumentation der Ergebnisse gibt es aktuell noch zu viele Probleme. So war einerseits die Akku-Laufzeit der Brillen noch zu kurz für einen reibungslosen Einsatz in der Produktion, andererseits hatten die Kameras, die zur Erkennung des jeweiligen Schrittes benötigt werden, Probleme mit schlechten Lichtverhältnissen. Trotzdem wird die Forschung an dieser vielversprechenden Technologie fortgesetzt.^[42]

[...]

^[1] Zimmermann, 2017, S.4

^[2] Vgl. Zimmermann, 2017, S.4 f.

^[3] Vgl. Huber, 2016, S.16 f.

^[4] Vgl. Huber, 2016, S.17 f.

^[5] Vgl. Art. “So abhängig ist Deutschland von der Autoindustrie”, in wiwo.de

^[6] Vgl. Art. Umfrage zum Thema Nutzenpotential von Industrie 4.0, in: PwC.de

^[7] Vgl. Huber, 2016, S.11

^[8] Vgl. Roth, S.37f

^[9] Huber, 2016, S.11

^[10] Vgl. Huber, 2016, S.11

^[11] Vgl. Roth, S.38

^[12] Vgl. Huber, 2016, S.11

^[13] RFID- Chip: Kleiner, autarker Chip, auf dem kleine Datenmengen gespeichert werden können, die bei Kontakt mit einem Lesegerät ausgelesen werden können.

^[14] Vgl. Huber, 2016, S.265

^[15] Vgl. Huber, 2016, S.123 f.

^[16] Vgl. Roth, S.40

^[17] Vgl. Huber, 2016, S.38 f.

^[18] Huber, 2016, S.39

^[19] CPPS sind die Obereinheit über den einzelnen CPS, die vom CPPS koordiniert werden. Viele CPS werden zu einem CPPS zusammengeschlossen.

^[20] Vgl. Huber, 2016, S.39

^[21] Vgl. Huber, 2016, S.45

^[22] AR-Brille: Erweitert die Realität, hier wird zum Beispiel die virtuelle Produktion in den Raum gelegt.

^[23] Vgl. Huber, 2016, S.82

^[24] Roth, S.41

^[25] Vgl. Roth, S.41 f.

^[26] Vgl. Huber, 2016, S.39

^[27] Vgl. Huber, 2016, S.39

^[28] VR-Brille: Versetzt den Betrachter in eine andere, virtuelle Realität.

^[29] Vgl. Huber, 2016, S.84

^[30] Huber, 2016, S.140

^[31] Vgl. Huber, 2016, S.139 f.

^[32] Vgl. Huber, 2016, S.54 f.

^[33] Vgl. Roth, S.64

^[34] Vgl. Huber, 2016, S.55-57

^[35] Huber, 2016, S.60

^[36] Vgl. Huber, 2016, S.60

^[37] Vgl. Huber, 2016, S.64 f.

^[38] Vgl. Huber, 2016, S.137

^[39] Vgl. Huber, 2016, S.147 f.

^[40] Vgl. Huber, 2016, S.78 f.

^[41] Vgl. Huber, 2016, S.167

^[42] Vgl. Huber, 2016, S.128 f.