Die Verschmelzung digitaler Intelligenz mit physischer Wertschöpfung
S. Schlund – Industrial Engineering an der Technischen Universität Wien; Fraunhofer Austria Research GmbH
Die industrielle Wertschöpfung steht an einem Wendepunkt: Künstliche Intelligenz und Robotik ermöglichen eine Symbiose, die weit über die klassische Automatisierung hinausgeht. Die aktuelle Ausgabe der wt Werkstattstechnik online 9/2025 zeigt eindrucksvoll, wie breit dieses Spektrum ist – von hochpräziser Fertigung bis hin zu autonomen Sicherheitslösungen. S. 637
Humanzentriertes Zero Defect Manufacturing der Zukunft
B. Gal, N. Scheder, S. Roßkogler; J. Himmelbauer; S. Schlund – Montanuniversität Leoben, Department für Umwelt- und Energieverfahrenstechnik; Software Competence Center Hagenberg GmbH; TU Wien
Die Nachhaltigkeit industrieller Produktion kann durch datenbasierte, KI-gestützte Systeme wesentlich verbessert werden. In diesem Beitrag wird eine Plattform vorgestellt, die auf den drei Zero³-Dimensionen „Zero Human Potential Loss“, „Zero Resource Loss“ und „Zero Data Loss“ basiert. Mithilfe eines Recommender-Systems, das nach dem Prinzip der Retrieval-Augmented Generation (RAG) arbeitet, werden Produktionsengpässe identifiziert, passende Basistechnologien vorgeschlagen und Handlungsempfehlungen abgeleitet. Die Plattform unterstützt Unternehmen bei der systematischen Bewertung und Verbesserung ihrer Produktionsprozesse mit Fokus auf Nachhaltigkeit. S. 638
doi.org/10.37544/1436-4980-2025-09-6
Studie zum Einsatz von LLMs im Produktionsumfeld
N. Fjodorovs, A. Gütermann – FIR e. V. an der RWTH Aachen
Large Language Models (LLMs) haben sich in kurzer Zeit zu einem zentralen Bestandteil der digitalen Transformation entwickelt. Während ihr Einsatz in Kundenservice, Marketing und Vertrieb bereits weit verbreitet ist, stellt sich zunehmend die Frage, welches Potenzial LLMs im Produktionsumfeld bieten. In dieser Studie wurde anhand von Interviews mit produzierenden Unternehmen untersucht, welche Anwendungsfälle im Produktionsumfeld besonders vielversprechend sind. S. 645
doi.org/10.37544/1436-4980-2025-09-13
Autonome Cyberabwehr
M. Geyer, J. Schwab – Fraunhofer IPA, Stuttgart
Dieser Beitrag skizziert eine Methodik für autonome Cyberabwehr in Industrie-4.0-Umgebungen, die organisatorische Risiken mit generativer KI verbindet. Durch die Kombination von LLMs, RAG und standardisierten SOPs entsteht ein strukturierter Entscheidungsprozess, der Echtzeitreaktionen und Auditierbarkeit ermöglicht. Die konzeptionellen Grundlagen, technischen Herausforderungen und Potenziale werden diskutiert. Eine prototypische Umsetzung wurde separat evaluiert. S. 653
doi.org/10.37544/1436-4980-2025-09-21
AIM4M: MLOps strukturiert im Produktionsumfeld
L. Rauh, M. Süner, D. Schel – Fraunhofer IPA, Stuttgart
Der produktive Einsatz von KI in der Industrie scheitert oft nicht an der Modellentwicklung, sondern am stabilen Betrieb im Produktionsumfeld. AI Asset Management for Manufacturing (AIM4M) ist ein Prozessmodell für den KI-Lebenszyklus in cyber-physischen Produktionssystemen (CPPS) mit Fokus auf die Operationalisierung. Es ergänzt dazu den Ansatz von Machine Learning Operations (MLOps) aus der IT um CPPS-spezifische Feinheiten – als praxisnaher Orientierungsrahmen. S. 658
doi.org/10.37544/1436-4980-2025-09-26
Kopplung von TwinCAT-CNC und ROS für CNC-Pfadplanung
M. Marquart, B. Kaiser, S. Ajdinović, A. Verl – ISW, Uni Stuttgart
In der Produktionstechnik werden vermehrt CNC-gesteuerte Fertigungszellen mit Robotern erweitert, die auch von der vorhandenen CNC gesteuert werden können. CNC-Steuerungen verfügen allerdings nicht über Funktionen zur Planung kollisionsfreier Bewegungspfade. Das Robot Operating System (ROS) bietet Algorithmen zur kollisionsfreien Pfadplanung, ist jedoch nur begrenzt industrietauglich. In diesem Beitrag wird eine Schnittstelle entwickelt, mit der die TwinCAT-CNC mit den ROS Algorithmen zur Pfadplanung erweitert werden kann. S. 666
doi.org/10.37544/1436-4980-2025-09-34
Roboterbasierte virtuelle Demontage
A. Elser, L. Klingel, A. Verl; R. Dannecker – ISG Industrielle Steuerungstechnik GmbH; Institut für Steuerungstechnik der Werkzeugmaschinen und Fertigungseinrichtungen (ISW), Universität Stuttgart; TECOSIM GmbH, Stuttgart
Daten aus der CAE-gestützten Fahrzeugentwicklung ermöglichen Planung, Validierung und Durchführung automatisierter Demontage und Sortierung gemäß R-Strategien (Reuse, Recycle, Recover etc.). Der Beitrag behandelt die automatisierte Demontagesimulation auf Basis von Engineeringdaten im Rahmen der virtuellen Inbetriebnahme. Datendurchgängigkeit entsteht durch Anpassung und Verkettung bestehender Teillösungen. S. 673
doi.org/10.37544/1436-4980-2025-09-41
Produktportfolios im Wandel disruptiver Trends
T. Gramberg, B. Gabriel, E. Gross, T. Bauernhansl – Fraunhofer IPA, Stuttgart
Disruptive Trends wie die Digitalisierung oder die Nachhaltigkeitswende verändern die Anforderungen an das Produktportfoliomanagement. Der Beitrag entwickelt ein Referenzmodell und eine Bewertungsmethodik, die neben finanziellen auch qualitative Faktoren integriert. Die Methode wurde durch Literaturrecherche, Online-Umfrage sowie Experteninterviews erarbeitet und validiert. Ziel ist es, die Verantwortlichen bei der Gestaltung zukunftsrobuster Produktportfolios zu unterstützen. S. 679
doi.org/10.37544/1436-4980-2025-09-47
L. Häge, D. Karelina, C. Jauch – Fraunhofer IPA, Stuttgart
Die Produktion steht, wie viele Industriezweige in Deutschland, vor Herausforderungen. Dazu gehören der Fachkräftemangel, rasante Entwicklungen in Wertschöpfungssystemen, demografischer Wandel und die hohe Bereitschaft zum Jobwechsel. Somit geht Erfahrungswissen schneller verloren und effiziente Kompetenzvermittlung wird immer wichtiger. Die Forschung beschäftigt sich daher mit innovativen Strategien, um Erfahrungswissen erhalten und effizient weitergeben zu können. S. 687
doi.org/10.37544/1436-4980-2025-09-55
One Stop Autonomization: GenAI-driven embodiment
C. Nitsche, A. Yaman, J. Schwab, F. Strohm, W. Kraus, M. Huber – Fraunhofer IPA, Stuttgart
The paper introduces the “One Stop Autonomization” approach, based on embodied, generative AI agents. These humanoid robots act flexibly in real-world environments, enabling scalable, safe, and human-centric automation. Emphasis is placed on explainability, simulation-based validation, and workforce augmentation, offering a new paradigm for collaborative autonomy in industry and beyond. S. 693
