Eingabehilfen öffnen

Skip to main content
Open Source ERP-System

Eignungsprüfung eines Open Source ERP-Systems

Eignungsprüfung eines Open Source ERP-Systems

zurück zur Übersicht


In diesem erfolgreich durchgeführten Digital Plus-Projekt mit der Ernst Dello GmbH & Co. KG wurde ein Open Source ERP-System getestet. Ob das Testergebnis zielführend war, erfahren Sie im Beitrag.


Kurzer Blick ins Unternehmen:

Seit sieben Jahren verschmelzen die Autohausgruppen Ernst Dello GmbH & Co. KG und die DÜRKOP GmbH mit Hansa Nord zu einem Unternehmen, der DELLO GRUPPE. Als Spezialist und Servicepartner von Opel, Kia, Mazda, Fiat, Fiat Professional, Abarth, TROPOS Motors, Crosscamp, Eura Mobil, Forster und Karmann Mobil, Toyota, Lexus, sowie BMW, BMW i, BMW M, MINI, Jaguar und Land Rover kommen die 1.500 Mitarbeitenden an den 52 Standorten täglich ihrem Leistungsversprechen nach, ihren Kunden kompetente Beratung und exzellenten Service anzubieten.


Ausgangslage:

Als gewachsenes Unternehmen nutzt die Ernst Dello GmbH & Co. KG ältere Softwaresysteme für die Planung und Durchführung von Geschäftsprozessen. Durch die erreichte Größe des Unternehmens und die damit verbundene Anzahl an Geschäftsvorgängen stoßen viele neue Systeme an ihre technischen Grenzen. Durch die Menge an Transaktionen sind die Antwortzeiten und Dauer der Bearbeitung gestiegen und erfüllen nicht mehr die gewünschten Anforderungen.

Nach Sondierung des Angebotes an Enterprise Resource Planning (ERP) und Dealer Management Systemen (DMS), wurde das Open-Source ERP-System „odoo“ in Betracht gezogen, um die bisher eingesetzten Systeme zukunftssicher zu ersetzen. Ob das Open Source ERP-System odoo die technischen Anforderungen der Ernst Dello GmbH & Co. KG erfüllen kann, sollte nun in Form von Lasttests ermittelt werden. (Lasttests sind Tests, bei welchem ein System, mit einer hohen Arbeitslast belastet wird. Dabei können die Leistungsgrenzen, Antwortzeiten und Verbrauchsverhalten ermittelt werden.)


Ablauf:

Dieses „Digital plus“-Projekt begann Mitte Juli 2021 mit einer einführenden Besprechung, um zu klären, vor welcher Herausforderung Dello steht. Nach Klärung der Anforderungen wurde ein Konzept für den Systemtest entwickelt. Dabei wurde im Verlauf des Projektes mehrfach Rücksprache gehalten, um ein zielgenaues Arbeiten zu ermöglichen.

Zunächst wurde ein Test-System aufgesetzt, mit dem erste Tests durchgeführt wurden. Anschließend wurden eine Reihe von Tools zum halbautomatisierten Testen und Erheben von Performance-Parametern ausgewählt und eingesetzt: Munin zum Messen der RAM-, CPU- und Datenbank-Nutzung, das Python-Framework locust für die Ausführung der Testgeschäftsvorgänge, sowie das Protokollieren von Mengen und Antwortzeiten und Powershell zum flexiblen Übergeben von Testparametern und dem Starten der Tests. Mit unterschiedlichen Lastprofilen wurde anschließend getestet, ob die von Dello gestellten Anforderungen des Open Source ERP-System odoo erfüllt wurden. Abgeschlossen wurde die Prüfung mit einem Langzeittest, der über 3 Tage das Verhalten bei kontinuierlicher Auslastung des Systems testete.

Ergebnisse:

Die erhobenen Antwortzeiten und die dabei festgestellte Systemauslastung lassen darauf schließen, dass das Open Source ERP-System grundsätzlich für den vorgesehenen Einsatz geeignet ist. Diese Erkenntnis und offene Fragen wurden in einer abschließenden Besprechung vermittelt/beantwortet. Eine zukünftige partnerschaftliche Weiterentwicklung wurde wohlwollend befürwortet.

Sie haben Fragen zu diesem Digital Plus-Projekt, zum Open Source ERP-System oder zu anderen Digitalisierungs-Möglichkeiten?

Kommen Sie gern auf uns zu, wir bringen Sie Digital Voraus!

Wir freuen uns über eine Nachricht an mittelstand-digital@hk24.de

Das Mittelstand-Digital Zentrum Hamburg gehört zu Mittelstand-Digital. Mit dem Mittelstand-Digital Netzwerk unterstützt das Bundesministerium für Wirtschaft und Klimaschutz die Digitalisierung in kleinen und mittleren Unternehmen und dem Handwerk.

Weiterlesen

KI-Technologie

KI-Technologie in technischen Anlagen

KI-Technologie in technischen Anlagen

zurück zur Übersicht


Wie KI-Technologien und darauf abgestimmte Geschäftsmodelle für technische Anlagen eingesetzt werden können, führt Ihnen unser „Digital-Konkret-Projekt“ bei der OLBRICH GmbH | Polytype Converting® vor.


Kurzer Blick ins Unternehmen:

Als Unternehmen im Maschinenbau scheuen wir keine Herausforderung. Wie stellen Sie sich die Umsetzung Ihrer bahnenförmigen Produkte in der Produktion vor? Unsere Ingenieure setzen Ihre Anforderungen in intelligente Maschinen- und Anlagenkonzepte um, maßgeschneidert für Ihre Branche. Sei es die Herstellung von Tapeten, Bodenbelägen, Folien oder technischen Textilien. Dabei fokussieren wir nicht nur auf optimale Produktionsabläufe für Ihr Unternehmen, sondern auch auf absolute Präzision, höchste Effizienz und die maximale Zuverlässigkeit Ihrer neuen Anlage.


Projekt:

Welche zusätzlichen Potentiale sind für Industrieunternehmen durch die Einführung von KI-Technologie in komplexe Maschinen und Anlagen möglich? Welche konkreten Technologien verbergen sich überhaupt hinter diesem inzwischen sehr populären KI-Begriff und wie können damit verbundene Geschäftsmodelle aussehen? Worauf sollte bei einer Einführung von KI im Unternehmen besonders geachtet werden und an welchen Stellen werden zusätzliche Kompetenzen benötigt? Mit diesen Fragestellungen hat sich die OLBRICH GmbH | Polytype Converting® an das Mittelstand-Digital Zentrum Hamburg gewendet. In insgesamt vier aufeinander aufbauenden Workshops wurden mögliche Antworten auf diese Fragestellungen gegeben, von denen wir im Folgenden berichten möchten.


Workshop 0 – Anforderungen des Unternehmens und Struktur unseres Vorgehens:

Um das mögliche Informationsangebot des Mittelstand-Digital Zentrum Hamburg auf die tatsächlichen Bedarfe der OLBRICH GmbH | Polytype Converting® zuzuschneiden, wurden in einem ersten Austausch, noch vor Beginn der eigentlichen Workshopreihe, die verschiedenen Produktionsanlagen durch das Unternehmen präsentiert.

Durch diesen ersten Eindruck war es möglich, sowohl den technologischen Reifegrad der OLBRICH GmbH | Polytype Converting® einzuschätzen als auch generelle Voraussetzungen zur Einführung von KI-Technologien zu überprüfen. Es wurde entschieden, die Workshop-Reihe in ihrer inhaltlichen Ausrichtung dynamisch zu gestalten, das heißt die Inhalte eines geplanten Workshops von den Erkenntnissen des vorherigen abhängig zu machen. Die allgemeine Struktur sollte darin bestehen, dass im ersten Workshop ein möglichst umfangreicher Überblick über verschiedene KI-Technologie gegeben werden sollte.

Im Anschluss sollte darüber entschieden werden, welche Technologie für einen Einsatz besonders attraktiv scheint. Auf Basis von diesem ausgewählten Use Case sollten in einem zweiten Workshop verschiedene Geschäftsmodelle mit dem Unternehmen gemeinsam erarbeitet werden. Je nachdem, ob ein mögliches Geschäftsmodell zur Nutzung und Verwertung der KI-Technologie gefunden werden würde, sollte daraufhin in einem letzten Workshop dargelegt werden, wie eine tatsächliche Einführung der Technologie methodisch und auch inhaltlich entsprechend aussehen könnte.


Workshop 1 – KI-Technologien:

Ziel dieses Workshops war es, die OLBRICH GmbH | Polytype Converting® für die Einsatzmöglichkeiten und Potentiale von KI-Technologie in Produktionsanlagen zu sensibilisieren.

Zunächst wurde die Definition und Funktionsweise von KI-Technologie sowie deren Anwendungsmöglichkeiten in Produktionsanlagen vorgestellt, diverse Datenquellen /-arten sowie Anwendungsbeispiele aus der Forschung aufgezeigt. Des Weiteren wurde die OLBRICH GmbH | Polytype Converting® über die Potenziale und Herausforderungen, die mit dem Einsatz von KI in Produktionsanlagen einhergehen, informiert.

Im zweiten Teil des Workshops wurde die Bedeutung der Planung für die erfolgreiche Umsetzung von KI-Anwendungen dargestellt und das Ziel der Workshop-Reihe anhand des Systems-Engineering-Ansatzes skizziert. Anschließend wurde ein Ansatz zur Use-Case-Identifikation von KI in technischen Systemen vorgestellt. Drei Bewertungskriterien (Daten & Infrastruktur, Business Case & Akzeptanz und Kompetenzen & Methodik) und deren Ausprägungen wurden intensiv erläutert. Anhand von Beispielen aktueller KI-Anwendungen in technischen Anlagen wurde mit der OLBRICH GmbH | Polytype Converting® darüber diskutiert, wo ein geeigneter KI-Einstiegspunkt für das Unternehmen liegen könnte.

Anschließend an die Diskussion der unterschiedlichen Anwendungsmöglichkeiten von KI-Technologie stellte sich der Einsatz von Predictive Maintenance als geeigneter Use Case heraus. Der Fokus lag dabei zunächst auf einzelnen Komponenten einer Produktionsanlage.

Darüber hinaus wurde die aktuelle Situation in Bezug auf die Umsetzung dieses Use Cases analysiert und weitere Voraussetzungen aufgezeigt, die für die Umsetzung geschaffen werden müssten. Hierzu zählen zum Beispiel welche Daten gesammelt und welche Sensoren ggf. noch installiert werden müssen und ob Daten überhaupt gespeichert werden können.


Workshop 2 – Erweiterung des Geschäftsmodells:

Im zweiten Workshop wurde das bisherige Geschäftsmodell analysiert und auf potenzielle Erweiterungen hin geprüft.  Als Erwartungshaltung und Ziel wurde im Vorfeld definiert:

  • Skizzierung eines möglichen Geschäftsmodells
  • Erste Prüfung und Bewertung verschiedener Ansätze

Klar war, dass das bisherige Geschäftsmodell erweitert und keinesfalls abgelöst werden sollte. In methodischer Hinsicht wurde das Business Model Canvas (BMC) (Osterwalder[1]) als Basis ausgewählt und um die Berücksichtigung technologischer Entwicklungen erweitert. Dieses Modell wurde in einem ersten Schritt mit der Beschreibung des aktuellen Geschäftsmodells gefüllt, anschließend in Hinblick auf erforderliche und mögliche Änderungen bei dem Thema Predictive Maintenance erweitert. Dies war auch in einer Videokonferenz problemlos möglich, alle Beteiligten konnten dem Moderator einzelne Punkte nennen, die dann direkt auf dem Formular eingetragen wurden, was wiederum direkt für alle Teilnehmenden sichtbar war.

Folgende Einzelaspekte wurden bei der Analyse der Erweiterungen geprüft:

  • Wie verändert sich das „Wertversprechen“ gegenüber den Kunden? Kann es kundenspezifisch „modulare“ Erweiterungen eines Standard-Produkt-Kerns geben?
  • Verändert sich dadurch die Hersteller-Kunden-Beziehung grundlegend oder kommen „nur“ neue Produkte dazu?
  • Welche neuen Prozesse müssen von wem etabliert werden? Zu welchen Kosten ist dies auf welche Weise möglich?
  • Können mittelfristig neue Kundensegmente erreicht werden?
  • Werden neue Einnahmemöglichkeiten erschlossen? Oder werden primär Kundenbeziehungen stabilisiert?

Bei der Entwicklung von Optionen für die Erweiterung des Geschäftsmodells stellte sich als Schwerpunkt des Wertversprechens eine weitere Verbesserung der Betriebssicherheit der Maschinen und Anlagen bei den Kunden heraus:

  • Erhöhung der Verfügbarkeit der Maschinen und Anlagen
  • Reduzierung der Lagerhaltung an eigenen Ersatzteilen bei den Kunden
  • Bessere Planbarkeit von Servicetätigkeiten
  • Lieferzeitenverkürzung für Ersatzteile durch rechtzeitigen Beginn der Fertigung (“proaktiver Service”) bzw. der Logistikaktivitäten (inkl. Zoll)

Dies erfordert auf Seiten der Ressourcen, dass neue Partner in die Prozesse des Geschäftsmodells integriert werden. Einerseits verstärkt sich die Rolle des Kunden als Partner im Co-Development, andererseits müssen weitere Leistungen in der Entwicklung, bei der Inbetriebnahme (auch bei Systemtests!) und in der Analyse des Betriebs durch externe IT-Dienstleister erbracht werden. Geklärt werden muss auch, „wem die Daten gehören“. Die Idee des KI-Einsatzes für Predictive Maintenance basiert auf der Verfügbarkeit möglichst vieler Daten. Dabei müssen die Kunden nicht bekannt sein, die Schlussfolgerungen über die Wartungsanforderungen können auch aus „anonymisierten“ Daten gezogen werden. Erhebung, Speicherung und Verarbeitung von Betriebsdaten werden zu essenziellen Ressourcen.

In der Folge müssen auch die Dispositionsprozesse für die Wartungsarbeiten und die Teileversorgung geändert werden. Im Gegenzug können ggf. die Kosten für Ersatzteillogistik reduziert werden.

Auf der Einnahmeseite scheinen Vorteile im Neugeschäft, vor allem aber im Kontext des gesamten Lifecycles möglich: Im After-Sales-Geschäft können Serviceverträge (als „Ersatzteilabo“ etc.) anders gestaltet werden, wodurch eine Chance auf regelmäßigere und kalkulierbarere Einnahmen realistisch ist.

Dabei verändert sich die Kundenbeziehung insofern, wie Kunden (1) Daten liefern müssen und mit der Bereitstellung ihrer Daten auch (2) Teil einer „Community“ werden. Damit ändern sich nicht nur technisch die Kommunikationskanäle zu den Kunden, sondern auch deren Relevanz verschiebt sich.

Das dargestellte erweiterte Geschäftsmodell beeinflusst nicht das bisherige Geschäftsmodell, sondern ergänzt dieses.

Die Erweiterung des Geschäftsmodells muss pilotiert werden; eine sofortige Einführung auf „breiter Ebene“ ist nicht sinnvoll. Von den verschiedenen Möglichkeiten einer Pilotierungsstrategie – (1) schnellstmöglich bei geringem Risiko, (2) schnellstmöglich bei maximaler Erlöserwartung, (3) höchster Kundennutzen – erscheint die Möglichkeit (1) als die sinnvollste. Dabei ist die technische Realisierung mit einem externen Dienstleister sinnvoll und erscheint auf Grund fehlenden eigenen Know-Hows auch als die einzige realistische Möglichkeit einer schnellen Einführung.


Workshop 3 – Predictive Maintenance:

Neben der Wahl einer geeigneten KI-Technologie und einem damit verbundenen Geschäftsmodell ergibt sich die Fragestellung, wie eine Einführung methodisch strukturiert und für alle am Einführungsprozess beteiligten Stakeholder nachvollziehbar gestaltet werden kann. Um diese Fragestellung zu beantworten, wurde in diesem Workshop am Beispiel von Predictive Maintenance ein mehrstufiges Vorgehen zur Einführung von KI-Technologien durch das Mittelstand-Digital Zentrum Hamburg präsentiert. 

Gegenstand dieses Vorgehens sind unter anderem die Definition von Erfolgsmetriken, die Bestimmung von Ideal-Daten, die explorative Datenanalyse, die Erstellung und das Training eines entsprechenden KI-Modells, sowie die Bereitstellung und Überwachung der KI-Technologie. Im Rahmen der Vorstellung dieses Vorgehens wurden an verschiedenen Punkten Stellen identifiziert, an welchen zusätzliche externe Kompetenz mit eingebunden werden könnte, um die Rolle der OLBRICH GmbH | Polytype Converting® im Einführungsprozess zu betrachten. Zur Veranschaulichung des theoretischen Vorgehens, wurden Umsetzungsbeispiele in einem programmierten Quellcode gezeigt und entsprechende Zusammenhänge erläutert.


Sie haben Fragen zu diesem Digital Plus-Projekt zur KI-Technologie, oder zu anderen Chancen, Ihre Digitalisierung voranzutreiben?

Kommen Sie gern auf uns zu, wir bringen Sie Digital Voraus! Wir freuen uns über eine Nachricht an mittelstand-digital@hk24.de

Das Mittelstand-Digital Zentrum Hamburg gehört zu Mittelstand-Digital. Mit dem Mittelstand-Digital Netzwerk unterstützt das Bundesministerium für Wirtschaft und Klimaschutz die Digitalisierung in kleinen und mittleren Unternehmen und dem Handwerk.

Weiterlesen

Umsetzungsprojekt in der Dienstleistungsbranche: Change Management

Umsetzungsprojekt in der Dienstleistungsbranche Change Management

zurück zur Übersicht


Mitarbeitenden-Einbindung als Erfolgsfaktor bei der Einführung digitaler Prozesse – Eine Praxisreise mit der Goldener Elch GmbH.

Das vorliegende Umsetzungsprojekt zeigt auf, welche Bedeutung gezieltes sowie strukturiertes Vorgehen und die Mitarbeitenden-Einbindung in Bezug auf Veränderungsprojekte in Unternehmen hat.


Kurzer Blick ins Unternehmen:

Die Goldener Elch – Glas und Gebäudereinigung GmbH ist ein mittelständischer Reinigungsdienstleister mit Sitz in Hamburg. Das im Jahr 2002 zunächst als GbR gegründete Unternehmen beschäftigt mittlerweile rund 150 Mitarbeitende, die Objekte in der Metropolregion Hamburg aus Bereichen, wie u.a. Büros, Kliniken, Schulen oder Lagerhallen, betreuen.

Zu den Aufgaben des Unternehmens zählen u. a. die klassische Unterhaltsreinigung, Glas- und Rahmenreinigung, Bauend-/Baufeinreinigung, Teppich- und Fußbodenbeschichtung, sowie die Erfüllung von weiteren individuellen Kundenwünschen. Zusätzlich zum Kerngeschäft der Reinigung, bietet Goldener Elch seinen Kunden jederzeit die Möglichkeit einer einfachen Meldung von Reklamationen, Wünschen und Feedback mittels der hauseigenen App. Dies ermöglicht eine direkte Kommunikation mit dem Büro und Service-Team.


Ausgangslage:

Die Goldener Elch GmbH beschäftigte sich mit der Fragestellung wie, bzw. an welchen Stellen die Digitalisierung das Unternehmen, die Arbeitsabläufe, die Mitarbeitenden und/oder die Dienstleistung unterstützen kann. Dabei stellte sich nicht nur die Frage, ob die Digitalisierung unterstützen kann, sondern viel mehr, wo weitere Ansatzpunkte sind, welche Strukturen hierfür angepasst werden müssen und wie die Mitarbeitenden einzusetzen sind, um diese Digitalisierungsvorhaben überhaupt zu ermöglichen.

Im Rahmen des Auftaktgesprächs mit dem Mittelstand-Digital Zentrum Hamburg wurden die Servicekräfte als Ansatzpunkt identifiziert. Wie in anderen Unternehmen auch, treffen Veränderungen teilweise auf Ablehnung durch die Mitarbeitenden und der Informationsaustausch über Hierarchie-Ebenen hinweg gestaltet sich zum Teil schwierig. Eine zusätzliche Besonderheit die u. a. in dieser Branche auftritt: Der Informationsaustausch mit den Mitarbeitenden wird häufiger durch sprachliche Barrieren erschwert. Somit hatte dieses gemeinsame Projekt das Ziel, nicht nur ein einzelnes Problem zu betrachten, sondern dabei zu unterstützen, auf breiter Fläche zu Verbesserungen im Unternehmen zu führen.

Umsetzungsprojekt in der Dienstleistungsbranche Change Management Umsetzungsprojekt in der Dienstleistungsbranche Change Management Umsetzungsprojekt in der Dienstleistungsbranche Change Management

Vorgehen und Ergebnis:

Nach der Aufarbeitung des Goldener Elch-Praxisbeispiels für den Leitfaden Gamification wurden in anschließenden Gesprächen mit dem Unternehmen u. a. die Themen Change Management bzw. Mitarbeitenden-Einbindung als Handlungsfeld identifiziert, die am Beispiel der unternehmenseigenen App zur Auftragsvergabe, Zeiterfassung und Materialbestellung thematisiert wurden.

Es erfolgte zunächst die Aufnahme der Ist-Situation anhand von Interviews mit Mitarbeitenden aller Hierarchieebenen, mit Fokus auf die Einführung der unternehmenseigenen App. Dazu wurde vorab ein Interviewleitfaden erstellt, welcher grob zusammengefasst die folgenden Themen fokussiert:

  • Retrospektive – Veränderungsprozesse und Mitarbeitenden-Einbindung,
  • Retrospektive – Vorschlagswesen und
  • Veränderungen und Mitarbeitenden-Einbindung in Zukunft.

Insgesamt wurden Interviews mit acht Personen in verschiedenen Funktionen und Positionen im Unternehmen geführt.

Für die Analyse der Interviews wurden diverse Kategorien festgelegt und soweit notwendig erweitert. Die Interviews wurden anhand folgender neun Kategorien analysiert: Veränderungsprozess, Mitarbeitenden-Einbindung, App-Verbesserung, Veränderungsprozess-Verbesserung, Veränderungsgrund, Probleme, Vorgehen, Motivation, App, Kommunikationswege und Ideen.

Sehr früh während der Analyse konnte bereits festgestellt werden, dass es teilweise unterschiedliche Auffassungen der diskutierten Themen beim Vergleich der strategischen und der operativen Perspektive gibt. (Unter der strategischen Perspektive wird in diesem Zusammenhang in erster Linie die Sichtweise des Betriebsleiters und unter der operativen, die der Servicekräfte (sowie Teile der Aussagen von Objektleitern und Innendienst) verstanden.

Die Erkenntnisse aus der Analyse der Interviews wurden anschließend in die folgenden fünf Themen unterteilt: (1) Veränderungsgründe, (2) Probleme beim Veränderungsprozess, (3) Vorschläge und Wünsche der Mitarbeitenden zur Prozessverbesserung, (4) Probleme bei der App und (5) Ideen für die Verbesserung der App. Auf Basis der gewonnenen Erkenntnisse wurden drei konkrete Verbesserungs- bzw. Weiterentwicklungsideen abgeleitet, die jeweils mit Tipps zur Umsetzung ergänzt wurden.


Was sind die zentralen Erkenntnisse zum Projekt?

  • Externe methodische, organisatorische bzw. fachliche Unterstützung, z. B. durch universitäre Partner, kann die Erreichung der Projektziele deutlich unterstützen.
  • Die freiwillige Bereitschaft der Interviewten sowie die Schaffung einer geschützten Interviewatmosphäre (inkl. Anonymisierung) ermöglichen es Change Management Themen kritisch zu diskutieren.
  • Bei Veränderungen im Unternehmen spielen menschliche Faktoren eine große Rolle. Bei der Einführung, wie in diesem Beispiel einer unternehmenseigenen App, kann dies bei einem Teil der Mitarbeitenden zu zusätzlichen persönlichen Veränderungsprozessen führen, da eine Umstellung in der Arbeitsweise für den Erfolg notwendig ist. Mitarbeitende sollten aus diesem Grund frühzeitig über Veränderungen unterrichtet und in das Projekt einbezogen werden.
  • Sensibilisierung der Mitarbeitenden über die Beweggründe der Veränderung ist für den Projekterfolg entscheidend.

Fazit:

Change Management und Mitarbeitenden-Einbindung sind Begriffe, die in Unternehmen nicht als notwendiges Übel, sondern als Stellhebel für den Erfolg von Veränderungen und Weiterentwicklung zu verstehen sind. Im Rahmen des Projektes, wurde die Einführung der unternehmenseigenen App (mit den wesentlichen Funktionen Zeiterfassung und Materialbestellung) als zentrales Beispiel für die Analyse gewählt. Dabei wurden zurückliegende Veränderung beleuchtet und mögliche Verbesserungen für die Zukunft diskutiert. Ein besonderes Augenmerk wurde zusätzlich auf die Mitarbeitenden-Einbindung gelegt.

Die Ergebnisse der Analyse wurden genutzt, um einerseits Handlungsempfehlungen für das unternehmensinterne Change Management und andererseits Verbesserungsvorschläge sowie Ideen abzuleiten.

Auch für andere Unternehmen kann dieses Projekt ein gutes und lehrreiches Beispiel sein. Es zeigt deutlich, dass Probleme und Hindernisse in Change Management Projekten durch zielgerichtete Planung minimiert werden können. Ein wesentlicher Schlüsselfaktor liegt in der Mitarbeitenden-Einbindung, umso Akzeptanzprobleme vorwegzugreifen und die Veränderungsmotivation zu fördern.

Sie haben Fragen zu diesem Digital Plus Change Management Projekt, oder zu anderen Digitalisierungs-Möglichkeiten?

Kommen Sie gern auf uns zu, wir bringen Sie Digital Voraus!

Kontaktdaten zu diesem Umsetzungsprojekt:

Das Mittelstand-Digital Zentrum Hamburg gehört zu Mittelstand-Digital. Mit dem Mittelstand-Digital Netzwerk unterstützt das Bundesministerium für Wirtschaft und Klimaschutz die Digitalisierung in kleinen und mittleren Unternehmen und dem Handwerk.

Weiterlesen

smarte Qualitätskontrolle

Auf dem Weg zur smarten Qualitätskontrolle

Auf dem Weg zur smarten Qualitätskontrolle

zurück zur Übersicht


In diesem Digital-Plus Projekt zum Thema Smarte Qualitätskontrolle wurde anhand von Trainingsdaten der Einsatz von Deep Learning in der Qualitätskontrolle des EdgeClip getestet.


Kurzer Blick ins Unternehmen:

Überall dort, wo Strom durch eine Leitung fließt oder Daten mit einem Glasfaserkabel übertragen werden, ist ein Produkt von HellermannTyton nicht weit entfernt. Aufbauend auf einem erfinderischen Erbe, dessen Geschichte 1935 mit den Erfindungen vom Gründungsvater Paul Hellermann in Hamburg begann, ist das Unternehmen heute einer der weltweit führenden Hersteller und Anbieter von Produkten zum Bündeln, Befestigen, Verbinden, Schützen und Kennzeichnen von Kabeln, Leitungen und Konnektivitätslösungen für Datennetzwerke – in Gebäuden, im Boden, in Maschinen und in Fahrzeugen.


Ausgangslage:

Zu den erfolgreichsten Produkten zählt auch der EdgeClip, welcher als Befestigungslösung für die flexible Führung von Kabelbäumen, Schläuchen oder Rohrleitungen in diversen Industrieanwendungen, unter anderem in der Automobilindustrie, dient. Der EdgeClip ist ein kleiner Kabelhalter für die Kantenmontage. Diese speziellen Kunststoffteile mit integrierten Federstahlklammern kommen mit einem Kabelbinder zum Einsatz. Auf mehreren vollautomatischen Montageanlagen werden davon enorme Jahresmengen produziert.

Die hohen Ansprüche der Kunden an die Lieferqualität sowie der eigene Qualitätsanspruch führen zu hohen Anforderungen an die Qualitätskontrolle der produzierten Edge Clips. Zu Sicherstellung dieser Ansprüche, wird derzeit ein automatisiertes pixelbasiertes Vision-System eingesetzt. Wenn dieses System Teile nicht als eindeutig „OK“ klassifizieren kann, werden sie aussortiert. Aufgrund der hohen Qualitätsanforderungen wurde das System so eingestellt, dass Gutteile sicherheitshalber aussortiert, statt Schlechtteile nicht erkannt werden. Aktuell beträgt die Ausschussrate etwa 1%, beinhaltet durch die zuvor erwähnten Umstände jedoch einen immensen Pseudoausschussanteil. 

Die Ursachen hierfür sind:

  • Blitzeffekte, Glanz
  • Schmutz- und Staubpartikel, Zinksplitter, verschmutzte Beschichtungen
  • kleine Abweichungen in Geometrie, Abmessungen, Chargenabweichungen

Nachdem sich eine Vielzahl verschiedener Lösungsansätze wie z.B. komplexe Beleuchtungssysteme, 3D-Scans oder Strategien zur Vermeidung von Staub und Verschmutzungen in der Praxis nicht als hilfreich oder kosteneffizient herausgestellt hatten, sollte im Rahmen dieses Projektes durch ein Proof-of-Concept (PoC) untersucht werden, ob Künstliche Intelligenz, insbesondere das Deep Learning, dazu geeignet wäre, die bisherigen visuellen Qualitätssysteme zu unterstützen oder gar zu ersetzen.


Ablauf:

Das Vorgehen im Projekt zur smarte Qualitätskontrolle wurde angelehnt an den Cross Industry Standard Process for Data-Mining (CRISP-DM). Dieses Vorgehen zeichnet sich vor allem dadurch aus, dass es non-linear ist und die Prozessschritte auf Basis der Erkenntnisse beliebig oft iterativ wiederholt werden können.
Für den PoC wurde sich dafür vor allem auf die Bereiche der Datengewinnung, Datenverständnis und auf das Training eines ersten KI-Modells konzentriert.

Für Projekte dieser Art sind sowohl technisches Wissen aus dem Bereich KI, als auch ein hohes Prozessverständnis und Fachwissen zum jeweiligen Anwendungsfall essentielle Erfolgsfaktoren, sodass im Rahmen des Projektes eine enge Zusammenarbeit zwischen den KI-Experten Jan Fischer und Daniel Smit des Mittelstand-Digital Zentrum Hamburg und den Ingenieuren von HellermannTyton stattfand.

Für das gewählte KI-Verfahren Deep Learning kamen sogenannte Convolutional Neural Networks zum Einsatz, die dem visuellen Cortex nachempfunden sind und sich hervorragend für die Bilderkennung eignen. Wie bei vielen KI-Verfahren ist auch beim Deep Learning der Erfolg unter anderem von der Qualität und der Menge der verfügbaren Trainingsdaten abhängig. Der Trainingsdatensatz sollte möglichst repräsentativ für den späteren Einsatz sein.

In diesem Projekt besteht dieser aus Bildern von Teilen, die vom bisherigen Qualitätssystem als Ausschuss erkannt wurden. Diese werden im Nachgang von Experten begutachtet. Die Bilder des Datensatzes werden also nach erhaltenswerten und nicht erhaltenswerten Teilen sortiert. Hierzu wurde in einem ersten Schritt ein sog. Annotation-Tool zur Sortierung an die Anforderungen der Experten von HellermannTyton angepasst. Der Trainingsdatensatz wurde iterativ erweitert, so dass der finale Datensatz aus ca. 20.000 Bildern besteht.

Als Zwischenergebnis wurde auf Basis eines kleineren Datensatzes durch die Experten des Business Innovation Lab ein erstes Deep Learning Modell erzeugt. Das auf der Resnet50-Architektur basierende Modell wurde mit der Bibliothek fast.ai erzeugt und auf handelsüblichen PC mit einer RTX 3090 Grafikkarte trainiert.


Ausgehend von der Klassenverteilung von etwa 5:1, zeigte sich, dass die erreichte Genauigkeit von ca. 82% genau dieser Verteilung der Klassen entsprach. Eine genauere Analyse ergab jedoch, dass das KI-Modell keine Merkmale der Bilder, sondern nur die Verteilung der Klassen gelernt hatte. Um dem entgegenzuwirken wurden verschiedene Lösungsansätze, wie Augmentierung der Daten, Over- und Undersampling sowie gewichtete Verlustfunktionen untersucht. Insgesamt wurden so etwa 250 unterschiedliche Modellkonfiguration trainiert, bewertet und auf neuen Daten getestet.

Ergebnisse:

Der Proof-of-Concept zur smarten Qualitätskontrolle konnte zeigen, dass Deep Learning eine sinnvolle Alternative zu den klassischen visuellen Qualitätskontroll-Systemen sein kann: Aus den ca. 250 unterschiedlichen Modellkonfiguration wurden etwa 20 Modellkonfigurationen identifiziert, die sich als besonders geeignet erwiesen hatten. Die höchste Genauigkeit im Training von ca. 95% erreichte das Projektteam mit Hilfe des sog. Transfer Learnings, bei dem komplexe Deep Learning Modelle, die auf die Klassifizierung einer Vielzahl von Objekten mit hunderttausenden von allgemeinen Bildern trainiert wurden, mit dem eigenen Datensatz nachtrainiert (engl. finetuning) werden. Man profitiert also dabei von den Erkenntnissen und Trainingsfortschritten anderer, so reduziert sich der Ressourcen und Zeitaufwand um ein Vielfaches und ist somit auch für KMU durchführbar.

Zur Visualisierung, Sortierung und Clustering der Daten, sowie dem Testen und Vergleichen verschiedener Deep Learning Modelle wurde von den Experten der HAW ein Dashboard entwickelt, das HellermannTyton zur Verfügung gestellt wird und zukünftig bei der weiteren Bearbeitung des Themas „Smarte Qualitätskontrolle“ zum Einsatz kommen wird. Die Erkenntnisse und trainierten Modelle werden zukünftig in einer prototypischen Versuchsanlage eingesetzt.

Sie haben Fragen zu diesem Digital Plus-Projekt zum Thema smarte Qualitätskontrolle, oder zu anderen Digitalisierungs-Möglichkeiten?

Kommen Sie gern auf uns zu, wir bringen Sie Digital Voraus! Wir freuen uns über eine Nachricht an mittelstand-digital@hk24.de

Das Mittelstand-Digital Zentrum Hamburg gehört zu Mittelstand-Digital. Mit dem Mittelstand-Digital Netzwerk unterstützt das Bundesministerium für Wirtschaft und Klimaschutz die Digitalisierung in kleinen und mittleren Unternehmen und dem Handwerk.

Weiterlesen

Künstliche Intelligenz

Video Präsentation: Einführung von Künstlicher Intelligenz in Maschinen und Anlagen

Video Präsentation: Einführung von Künstlicher Intelligenz in Maschinen und Anlagen

zurück zur Übersicht


Anhand einer konventionellen Drehbank wird in diesem Video erklärt, wie Künstliche Intelligenz (KI) eine Predictive Maintenance (vorbeugende Instandhaltung) ermöglicht.


Neben dem großen Schlagwort der Digitalisierung ist auch das Thema Künstliche Intelligenz (KI) in aller Munde. Doch was genau verbirgt sich hinter dem KI-Begriff und welche einzelnen Schritte sind bei einer Einführung zu gehen? Da diese Fragestellungen vor allem für produzierende Unternehmen mit der Aufrüstung bestehender Maschinen und Anlagen verbunden sind, erklären wir Ihnen in diesem Video am Beispiel einer konventionellen Drehbank wie Sie in vier aufeinander aufbauenden Phasen an das Ziel einer intelligenten Maschine gelangen, die Ihnen mitteilt, wann die nächsten Wartungen erforderlich sind.


Inhalt des Videos:
  • Grundlagen KI
  • Das Prinzip der vorausschauenden Instandhaltung
  • Einführung von Technologien der KI in 4 Phasen
  • Fazit
Sie haben Fragen zu diesem Umsetzungsprojekt im Bereich Künstliche Intelligenz, oder zu anderen Digitalisierungs-Möglichkeiten? Kommen Sie gern auf uns zu, wir bringen Sie Digital Voraus!

Kontaktdaten zu diesem Umsetzungprojekt:
Feras El Sakka, Helmut-Schmidt-Universität Hamburg, E-Mail: feras.elsakka@hsu-hh.de

Das Mittelstand-Digital Zentrum Hamburg gehört zu Mittelstand-Digital. Mit dem Mittelstand-Digital Netzwerk unterstützt das Bundesministerium für Wirtschaft und Klimaschutz die Digitalisierung in kleinen und mittleren Unternehmen und dem Handwerk.

Weiterlesen

Umsetzungsprojekt: Digitales Dokumentenmanagement

Umsetzungsprojekt im Handelsunternehmen – digitales Dokumentenmanagement

zurück zur Übersicht


Der Weg zur gelungenen Dokumentenarchivierung und was dies mit Kommunikation zu tun hat – Eine Praxisreise mit der Hamburger Hochdruck Hydraulik GmbH.


Dokumente transparent, übersichtlich und nachvollziehbar digital verwalten – das hört sich gut an! Da mittlerweile selbst bei kleinen Handwerksbetrieben immer mehr Dokumente im Umlauf sind, lohnt es sich, aufzuräumen und digitale Strukturen zu schaffen. Ein digitales  Dokumentenmanagementsystem (DMS) hilft Zeit einzusparen, verbessert die Nachverfolgbarkeit von Dokumenten und reduziert händische Bearbeitungsschritte. Dokumente, die in ein DMS gelangen, werden gekennzeichnet und strukturiert und können mithilfe von Schlagwörtern schneller gefunden und mit Berechtigungen versehen werden. 

Die Hamburger-Hochdruck-Hydraulik GmbH hat sich projektorientiert diesem Thema genähert und in Zusammenarbeit mit dem Mittelstand-Digital Zentrum Hamburg eine geeignete Lösung gefunden. Das eigentlich Spannende ist aber nicht die Lösung an sich, sondern der Prozess dahinter, denn ein DMS muss zum Betrieb und zu den Bedarfen der Belegschaft passen und bedarf daher einer guten Vorbereitung.


Kurzes Unternehmensportrait:

Die 2001 gegründete Hamburger-Hochdruck-Hydraulik GmbH (3H) hat sich auf Dienstleistungen rund um die Wartung und Reparatur sowie den Verleih von hydraulischen Geräten der Presstechnik spezialisiert. Mit 36 Mitarbeitenden des Standortes Hamburg bietet der Betrieb verschiedene Services in der Metropolregion an. Das Know-how der Mitarbeitenden erstreckt sich dabei über ein breites Spektrum von Produkten, Technologien und Dienstleistungen.

©Firma Hamburger-Hochdruck-Hydraulik GmbH


Ausgangslage: 

3H ist bereits seit 2019 in der Lage, auftragsbezogene Prozesse weitgehend papierlos zu steuern, wie z. B. die Aufnahme von Kundenanfragen, die Wareneingänge und die interne Bearbeitung der Verleih- oder Reparaturaufträge.

Die Archivierung von auftragsunabhängigen Dokumenten erfolgte bisher jedoch ohne eine klar definierte Struktur. Die Probleme dabei lagen in den vielen händischen Bearbeitungsschritten und einer fehlenden Transparenz. Die Suche nach Dokumenten war somit besonders zeitaufwändig und stellte eine große Herausforderung dar. Mehrfachablage und Doppelarbeit sägten an den Nerven. Philipp Rahn kann sich rückblickend an folgende Gesprächssituationen erinnern: „Kann mir jemand sagen, wo die Papiere vom PKW zu finden sind?“ oder „Die Aufstellung hatte ich dir doch schon das letzte Mal in die Hand gegeben!“. Für den Geschäftsführer Curt Kaesler und Philipp Rahn stand fest: Speicherung, Pflege und Austausch von Dokumenten soll künftig in strukturierter und digitaler Form erfolgen. Eine softwarebasierte und transparente Dokumentation soll sowohl Zusammenarbeit, als auch Effizienz verbessern.


Vorgehen und Ergebnis:

Gemeinsam mit dem Mittelstand-Digital Zentrum Hamburg wurde ein Umsetzungsprojekt für ein digitales Dokumentenmanagement gestartet. Ziel war die Unterstützung von 3H bei der systematischen Auswahl und Einführung eines digitalen Dokumentenmanagements, welches die Anforderungen und Rahmenbedingungen des Betriebes berücksichtigt.

Hierzu wurde das folgende Vorgehen im Umsetzungsprojekt angewandt:

Zunächst wurden gemeinsam die bestehenden Prozesse bei 3H analysiert. Hierbei wurde eine Analysemethode entwickelt und angewandt, die sowohl die relevanten Informationen abbildet als auch einfach zu erlernen ist und besonders verständlich und anschaulich unterschiedliche Dokumententypen berücksichtigt. Aus der Analyse ergab sich, dass die wertschöpfenden Prozesse bei 3H bereits größtenteils digital abgebildet werden, aber keine klare Struktur bei der Archivierung besteht. Bei den unterstützenden Prozessen führten nicht definierte Verantwortlichkeiten zudem häufig zu Unregelmäßigkeiten bei der Abwicklung, was zu Zeit- und Informationsverlusten führte.

Nach der Analyse wurde der Bedarf an das digitale Dokumentenmanagement festgelegt. Hierzu wurden die Grundfunktionalitäten verschiedener Softwaresysteme verglichen. Als Ergebnis wurde ein digitales Dokumentenmanagement als geeignetes System für 3H identifiziert, wobei einzelne Grundfunktionen eines Workflow-Management-Systems ebenfalls gewünscht waren.

Nach der Eingrenzung der Systemart wurden geeignete digitale Dokumentenmanagement in einer Marktübersicht zusammengetragen, welche die zuvor definierten Grundfunktionen abdecken. Um die Anforderungen an ein passendes digitales Dokumentenmanagement zu erarbeiten, wurden die Belange der Beteiligten gesammelt und strukturiert. Die Anforderungen wurden unterteilt in funktionale Anforderungen die das künftige System abbilden sollte, Randbedingungen welche u.a. vertragliche Bedingungen beinhalten und Qualitätsanforderungen die sich aus der Gesetzgebung ergeben können.

Unter anderem wurden folgende Anforderungen an ein digitales Dokumentenmanagement erarbeitet:

  • Bereitstellung einer geeigneten Archivierungsstruktur
  • Umgang mit gängigen Datenformaten und Verlinkung zu weiteren Dokumenten
  • Schnittstellen für den Import und Export von Daten
  • Übersichtliche und nachvollziehbare Versionsverwaltung von Daten
  • Bereitstellung eines konfigurierbaren Rechtemanagements mit verschiedenen Anwenderrollen
  • Fallspezifisches Zusammenstellen, Kopieren und Gruppieren von verschiedenen Dokumenten

Vor der Auswahl eines digitalen Dokumentenmanagements wurden diese Anforderungen noch geschärft bzw. konkreter gemacht und führten dazu, dass die zuvor erstellte Markt-Übersicht angepasst wurde. Denn DMS ist nicht gleich DMS!

Mithilfe einer Nutzwertanalyse wurden die Systeme im weiteren Verlauf des Umsetzungsprojektes bewertet. Hierzu wurden zunächst die Kriterien gewichtet, d.h. mit einer Gewichtung von 1-10 versehen. Mithilfe der Bewertung der einzelnen Systeme konnten die geeigneten Systeme als Liste der möglichen „Gewinner“ immer weiter eingegrenzt werden, bis schließlich die passende Lösung gefunden war.

Wird ein neues DMS eingeführt, besteht zunächst ein leeres System ohne individuell gewünschte Struktur. Diese musste zunächst während der Implementierung geschaffen und gefüllt werden. Das Rechtemanagement bspw. ordnet Personen einer Gruppe zu und vergibt entsprechende Rechte. Stück für Stück wurde die Struktur auf die Unternehmensbedarfe angepasst.

Sollte es also bei einem digitalen Dokumentenmanagement für 3H bleiben? Ja, bestätigte die Geschäftsführung. 3H entschied sich, zunächst kein umfangreiches DMS zu implementieren, sondern sich erst einmal auf nicht auftragsbezogene Dokumente zu fokussieren. Es sei wichtig, während eines Projektes immer wieder die Anforderungen und ggf. Ziele anzupassen und nachzusteuern. Nicht immer sei es in Projekten so, dass am Ende genau das herauskommt, was anfangs verlangt wurde.

Aber was hat das Ganze nun mit Kommunikation zu tun? Bevor mit dem neuen System gestartet werden konnte, wurde geredet, getestet und geschult. Und zwar wurde vorher mit allen 3H Mitarbeitenden persönlich gesprochen – über den Sinn des DMS, aber auch über Bedenken und kritische Punkte. „Wer sein Team hier nicht ernst nimmt, verdirbt sich einen guten Start.“ so Philipp Rahn.

Getestet wurde spielerisch, in dem eine DMS-Schnitzeljagd im Testmodus durchs Unternehmen durchgeführt wurde. In kleinen Teams aufgeteilt, bekamen Mitarbeitende Aufgaben zu „Finden und ablegen im DMS“, ihrem künftigen „Unternehmens-Google“, z.B. zu Fotodokumentation (Fotos von einem Cocktail im passenden Ordner ablegen) und Kommentierungen. Nicht vorbereitet waren die Geschäftsführung über die großartige Resonanz ihrer Mitarbeitenden.

Philipp Rahn, Hamburger Hochdruckhydraulik


„Was das Tool für uns mittlerweile unverzichtbar macht, ist die Vernetzung unserer Mitarbeitenden, gepaart mit Papieren, die nicht auftragsbezogen sind.“

Nach der Testung des digitalen Dokumentenmanagements stellte sich die Kernfrage: Klappt der Wechsel zur konsequenten Nutzung eines digitalen Dokumentenmanagements? Ein klares Ja! Heute ist das eingesetzte digitale Dokumentenmanagement zentraler Kommunikationsknoten und hat mehrere Schnittstellen, die anfangs nicht geplant waren. So wird nun die Buchhaltung hierüber abgewickelt und sogar Umfragen für die Mitarbeitenden werden regelmäßig und anonym über das DMS angeboten, um die Bedarfe der Belegschaft gespiegelt zu bekommen. Mittlerweile werden 80% aller früheren Mails über das DMS abgewickelt. Das also hat ein digitales Dokumentenmanagement alles mit Kommunikation zu tun!

Im Leitfaden Dokumentenmanagementsysteme in KMU systematisch auswählen und einführen des Mittelstand-Digital Zentrum Hamburg finden Sie eine Vorgehensweise, die Sie bei der Auswahl eines geeigneten digitalen Dokumentenmanagements und der erfolgreichen Einführung unterstützt.


Sie haben Fragen zu diesem Umsetzungsprojekt im Bereich digitales Dokumentenmanagement, oder zu anderen Digitalisierungs-Möglichkeiten? Kommen Sie gern auf uns zu, wir bringen Sie Digital Voraus!

Kontaktdaten zu diesem Umsetzungsprojekt:

Philipp Rahn, Prokurist Hamburger Hochdruck Hydraulik, E-Mail: p.rahn@HHHydraulik.com
Feras El Sakka, Helmut-Schmidt-Universität Hamburg, E-Mail: feras.elsakka@hsu-hh.de
Christine Mish, Mittelstand-Digital Zentrum Hamburg, E.Mail: christine.mish@hwk-hamburg.de

Das Mittelstand-Digital Zentrum Hamburg gehört zu Mittelstand-Digital. Mit dem Mittelstand-Digital Netzwerk unterstützt das Bundesministerium für Wirtschaft und Klimaschutz die Digitalisierung in kleinen und mittleren Unternehmen und dem Handwerk.

Weiterlesen

Blockchain Technologie

Video-Präsentation: Demonstrator zur Blockchain Technologie

Video-Präsentation: Demonstrator zur Blockchain Technologie

zurück zur Übersicht


Anhand eines fiktiven jedoch praxisnahen Beispiels aus dem Supply Chain Management und der Logistik wird Ihnen die Blockchain Technologie im Video anschaulich vorgestellt und erklärt.


Die Blockchain besitzt großes Potenzial als Lösung für Herausforderungen, die zwischen unabhängigen Organisationen auftreten können. Damit ist diese Technologie vor allem für das Supply Chain Management und die Logistik relevant, da hier viele Akteure miteinander agieren und aufgrund hoher Konkurrenz wenig Vertrauen untereinander herrscht.

Die Vorteile der Blockchain sind vor allem ihre Eigenschaften als dezentrale Datenbank, die zudem unveränderbar ist und eine Verifikation erfordert.

Im Mittelstand-Digital Zentrum Hamburg ist zu diesem Thema ein Demonstrator entwickelt worden, der die Technologie Blockchain an einem praxisnahen Beispiel aus dem Supply Chain Management und der Logistik anschaulich erklärt. In dem Demonstrator wird für einen fiktiven Ausleihprozess von Smartphones der Zustand der Geräte mithilfe einer Blockchain überwacht, wodurch die Kautionsabwicklung automatisiert werden kann.


Inhalt des Videos:
  • Grundlagen Blockchain
  • Problemstellung in der Logistik
  • Einführung in den Demonstrator
  • Video-Präsentation des Demonstrators
  • Fazit Blockchain Technologie
Sie haben Fragen zu diesem Demonstrator, Blockchain Technologie oder zu anderen Digitalisierungs-Möglichkeiten? Kommen Sie gern auf uns zu, wir bringen Sie Digital Voraus!

Kontaktdaten zum Demonstrator:

Jan Fischer, Hochschule für Angewandte Wissenschaften Hamburg, E-Mail: jan.fischer@haw-hamburg.de
Henning Schöpper, Technische Universität Hamburg, E-Mail: henning.schoepper@tuhh.de

Danksagung an folgende Partner des Mittelstand-Digital Zentrums Hamburg, die diesen Demonstrator entwickelten:

  • Helmut-Schmidt-Universität Hamburg (Aron Schnakenbeck)
  • Hochschule für Angewandte Wissenschaften Hamburg (Jan Fischer, Daniel Smit, Steffen Treske)
  • Technische Universität Hamburg (Sven Dierfeld, Sven Reimers, Johannes Schnelle, Henning Schöpper)

Das Mittelstand-Digital Zentrum Hamburg gehört zu Mittelstand-Digital. Mit dem Mittelstand-Digital Netzwerk unterstützt das Bundesministerium für Wirtschaft und Klimaschutz die Digitalisierung in kleinen und mittleren Unternehmen und dem Handwerk.

Weiterlesen

PDF-Rechnungseingang

Automatisierung des PDF-Rechnungseingangs

Automatisierung des PDF-Rechnungseingangs

zurück zur Übersicht


Kurzportrait des Partnerunternehmens
Die Klempnerei Sadowski besteht seit 1978 und ist in der Bremer Neustadt ansässig. Sie arbeitet im Umgang mit Kunden und Partnern stets nach dem Leitsatz: „Es soll angenehm sein, mit uns zusammenzuarbeiten“.


Ausgangslage

Bei Klempnerei Sadowski gehen Rechnungen als Briefe und zunehmend per E-Mail im PDF-Format ein, um dann einzeln bearbeitet zu werden. Die Rechnungsdaten werden nach dem Öffnen kontrolliert, in die Buchhaltungssoftware übertragen und bezahlt. Die Rechnungen werden im Anschluss an ein Steuerberatungsunternehmen versandt. Neben dem großen zeitlichen Aufwand für diesen Prozess gaben zwei weitere Punkte den Impuls für die Kontaktaufnahme mit dem Mittelstand-Digital Zentrum Hamburg: Die Rechnungen in Papierform konnten erstens nicht am Computer durchsucht werden, so dass nicht gut nachvollziehbar war, welche Materialien bereits bei einem Endkunden verwendet wurden. Zweitens versendeten die Lieferanten der Klempnerei Sadowski Rechnungen teilweise bereits in einem Format, welches eine automatisierte Weiterverarbeitung erleichtert.

Daher bestand der Wunsch, die Bearbeitung des PDF-Rechnungseingangs zumindest teilweise zu automatisieren. Dabei wurde ein Workflow von der ankommenden E-Mail, über das Auslesen der Rechnungsdaten, dem Speichern der PDF-Datei nach festgelegten Regeln und der Verbuchung im Buchhaltungssystem angestrebt. Außerdem sollte die Durchsuchbarkeit im Volltext der abgelegten PDF-Dateien unter Windows untersucht werden mit dem Ziel, alle abgelegten Rechnungen nach einer Kunden- oder Artikelnummer zu durchsuchen. In einigen Fällen wurde die PDF-Datei im ZUGFeRD-Format versendet. Das ZUGFeRD-Format ist ein branchenübergreifendes Datenformat für den elektronischen Rechnungsdatenaustausch. Dabei werden im PDF die Daten zusätzlich in elektronisch lesbarer Form (XML) gespeichert. Dies sollte die automatisierte Übernahme der Daten ermöglichen. Jedoch benutzte nicht jedes Unternehmen dieses Format.


Ablauf

Dieses „Digital Konkret“-Projekt zur Automatisierung des PDF-Rechnungseingangs begann Anfang September 2022 mit einer einführenden Besprechung mit der Klempnerei Sadowski, um den konkreten Handlungsbedarf zu klären. Anschließend wurden Lösungsmöglichkeiten erarbeitet. Im Verlauf des Projektes wurde wiederholt Kontakt gehalten und Zwischenziele kommuniziert. In einem Bericht wurden der Klempnerei Sadowski erste Lösungsmöglichkeiten zusammengestellt. Abschließend wurde der Bericht um die Automatisierungslösungen erweitert.


Ergebnisse

Es wurden mehrere Lösungsmöglichkeiten Automatisierung des PDF-Rechnungseingangs erarbeitet. Die Durchsuchbarkeit von PDF-Dateien unter Windows wurde für Windows 10 und 11 über die systemintegrierte Indizierung umgesetzt. Das regelhafte Speichern von eingehenden E-Mail Anhängen kann mit einem Add-on für Mozilla Thunderbird ermöglicht werden (FiltaQuilla). Anhand der E-Mail-Adresse oder der Benennung der Rechnung kann eine Aktion ausgelöst werden, die das Speichern in einem Ordner sein kann. Dies wurde untersucht und prototypisch umgesetzt, um dem Unternehmen eine Grundlage für weitere Arbeiten zu geben. Dabei wurde anhand der Versand-E-Mail-Adresse der PDF-Anhang in einem zugewiesenen Ordner gespeichert.

Eine automatisierte Verarbeitung innerhalb der aktuell von der Klempnerei Sadowski verwendeten Buchhaltungs- und Banking-Software war nicht möglich, da weder der Rechnungsimport noch die Verarbeitung des ZUGFeRD-Formates unterstützt wird. Es wurden die technischen Anforderungen an eine Buchhaltungs-Software dokumentiert, so dass die Klempnerei im Falle eines Wechsels dieser Software schnell passende Alternativen durch eine Internet-Recherche finden kann.

Zusätzlich wurden zwei Möglichkeiten zur automatisierten Verarbeitung von E-Mails diskutiert:

  • Mit Hilfe der Technologie Robotic Process Automation können eingehende E-Mails überwacht werden, um bei Vorhandensein einer PDF-Datei diese weiter zu verarbeiten. Mit speziellen Suchmasken, sog. „regulären Ausdrücken“, können die benötigten Daten aus den PDF-Dateien ausgelesen werden. Diese können dann von dem Software-Roboter in die Buchhaltungssoftware übertragen werden. Diese Form der Automatisierung ist auch für Nutzer:innen ohne Programmiererfahrung gut einsetzbar, da Lösungen mit wenigen Mausklicks erzeugt werden können.
  • Als zweite Variante wurde ein Python-Skript vorgeschlagen. Durch eine Python Bibliothek sollte auch die Verarbeitung von Rechnungen im ZUGFeRD-Format möglich sein. Die Daten können so ausgelesen werden. Falls eine Schnittstelle bei der verwendeten Buchhaltungssoftware vorhanden ist, kann diese mit den Daten angesprochen werden.

Fazit

Für die Automatisierung eines PDF-Rechnungseingangs gibt es keine Standardlösung. Es muss individuell auf die Bedürfnisse und Gegebenheiten des Unternehmens geschaut werden. Die Klempnerei Sadowski möchte nun auf Grundlage der zur Verfügung gestellten Informationen entscheiden, wie sie weiter vorgehen werden. Erste Verbesserungen des Rechnungsprozesses wurden durch die Klempnerei bereits selbstständig umgesetzt.

Sie haben Interesse an der Automatisierung Ihres PDF-Rechnungseingangs? Sprechen Sie uns an oder schreiben Sie einfach eine kurze Mail:

Mittelstand-Digital Zentrum Hamburg, Steffen Treske
040 428 75 6996, steffen.treske@haw-hamburg.de

Das Mittelstand-Digital Zentrum Hamburg gehört zu Mittelstand-Digital. Mit dem Mittelstand-Digital Netzwerk unterstützt das Bundesministerium für Wirtschaft und Klimaschutz die Digitalisierung in kleinen und mittleren Unternehmen und dem Handwerk.

Weiterlesen

Prozesse im Handwerk iverändern

Prozesse im Handwerk im Sinne der Kund:innen verändern

Prozesse im Handwerk im Sinne der Kund:innen verändern

zurück zur Übersicht


Betriebliche Prozesse sind irgendwann aus irgendeinem Grund entstanden – hören wir doch oftmals bei gezieltem Nachfragen „Das war hier schon immer so!“ Wer jedoch nach dem Motto „Never change a running system“ arbeitet, wird schnell von anderen überholt – durch neue Technologien und Softwarelösungen gibt es viele neue Möglichkeiten, um Prozesse schneller, effektiver und günstiger zu gestalten. Daher lohnt es sich zu fragen: Sind unsere Prozesse heute noch sinnvoll bzw. effektiv und vor allem: Was hat eigentlich der Kunde davon, wenn der Prozess so stattfindet?

Diese und weitere Fragen stellte sich die Hümmer Elektrotechnik GmbH zusammen mit dem Betrieb LAN 1, der aus dem 1963 gegründeten, familiengeführten Meisterbetrieb Hümmer Elektrotechnik im Rahmen eines Firmenverbundes hervorgegangen ist. Beide Betriebe arbeiten eng verzahnt, wenn es z.B. darum geht, E-Mobilitäts-Ladestationen für Mietparteien in großen Gebäudekomplexen zur Verfügung zu stellen. 

Der Prozess ist sehr umfassend mit vielen Beteiligten und beinhaltet neben der Auftragsklärung, Begehung der Parkplätze und Beratung auch Programmierung, Installation sowie den Abrechnungsprozess und die Wartung der Ladestationen. An Kunden:innen fehlt es nicht – das Geschäftsmodell ist innovativ und stark nachgefragt – jedoch gibt es Kommunikationsbedarf an Schnittstellen, vor allem zu den Informationen und Daten, die zwischen den beiden Firmen hin und herwandern oder gar nicht ausgetauscht werden und dadurch für doppelte Arbeit sorgen.


Inhaber Jörg Hümmer initiiert hierzu einen halbtägigen Ideen-Workshop, der vom Mittelstand-Digital Zentrum Hamburg durchgeführt wird. Gemeinsam mit 10 Mitarbeitenden aus beiden Firmen wird der Prozess unter die Lupe genommen. Der Fokus hierbei liegt nicht in der Vergangenheit, sondern ist zukunftsgerichtet: Was muss passieren, damit unsere Kunden sich noch besser fühlen und wir noch besser zusammenarbeiten?

Im Workshop wird vor allem aus Kundensicht schnell deutlich: Für den Kunden ist nicht immer 100%ig klar, was er wann mit wem und warum zu tun hat. Hieraus leiten sich in Kürze viele Ideen ab. Es macht allen Kolleg:Innen Spaß, Prozesse im Sinne des Kunden zu verändern, weil hier ein großer Hebel liegt. Aber auch die internen, betriebsübergreifenden Prozesse werden angepackt, es wird diskutiert und abgewogen.

Bei der Analyse kristallisiert sich heraus, dass es durch zwar digitale aber nicht immer ineinander greifende Prozesse immer wieder zu Brüchen im Prozess kommt, beispielsweise wenn Daten von einem System in das andere übertragen werden müssen. Doch allein das Reden über Prozesse bewirkt Verständnis für die Belange anderer Beteiligter, oft fallen Sätze wie „Ah, daher machst Du das so, jetzt verstehe ich!“. Am Ende entsteht eine priorisierte To-Do-Liste mit Verantwortlichen und es werden regelmäßige Austausche innerhalb der 6-monatigen Umsetzungsphase vereinbart.

Prozesse im Handwerk im Sinne der Kund*innen verändern

O-Töne der Teilnehmer:innen während der Feedbackrunde: “Es ist sehr sinnvoll, die Kundensicht einzunehmen, denn damit verdienen wir unser Geld!”, “Abläufe kritisch zu hinterfragen bringt uns voran. Nun haben wir konkrete Ansatzpunkte, an denen wir arbeiten,”, “Es gab viele Denkanstöße und Impulse.”

Fazit: Die betriebliche Prozessanalyse und -modellierung ist ein weites Feld. Sich einen interessanten Prozess auszusuchen, diesen aus verschiedenen Perspektiven zu betrachten und miteinander zu diskutieren, gibt bereits Hinweise auf grundsätzliche Optimierungsfelder eines Betriebes. Steigt man in zu kurzer Zeit zu tief in die Prozessmodellierung ein, droht die Gefahr sich zu verzetteln.

Damit Ihnen dies nicht passiert, helfen folgende Tipps bei der Optimierung von Prozessen.

Vom Ist zum Soll-Prozess

  • Klein anfangen und Schritt für Schritt gehen, externe Moderation bzw. Experten hinzuziehen
  • Sich bewusst machen, dass Analyse, Ideenfindung und Umsetzung Zeit und Willen benötigen
  • Innovative Ideen für veränderte Prozesse entstehen im guten Kontakt: Team oder Beteiligte einladen ohne gedankliche Grenzen zu diskutieren
  • Haltung deutlich machen: Nicht mit dem Finger auf andere zeigen, sondern gemeinsam Verantwortung für Prozesse übernehmen
  • Einen interessanten Prozess mit viel Optimierungspotential aussuchen
  • Ggf. Kundenbefragung durchführen
  • Ist-Prozess sichtbar machen/auf Papier bringen, hierzu u.a. folgende Fragen im Blick haben:
    • Was ist Start und Endpunkt des Prozesses?
    • Was passiert dazwischen, welche Haupt-Schritte gibt es?
    • Wer ist alles beteiligt? (Abteilungen, Kunden, Lieferanten, …)
    • Wer gibt Infos/Daten wie an wen?
    • Wie lange dauert der jeweilige Prozess-Schritt, wo sind lange Wartezeiten?
    • Welcher Prozessschritt ist am teuersten/wertvollsten?
    • Was haben Kund:innen alles zu erledigen? Wie kann ihnen geholfen werden?
    • Wo sind die Risiken, Fehleranfälligkeiten, Medienbrüche, Doppelarbeiten?
    • Warum machen wir das überhaupt? Kann man etwas weglassen?
    • Welche Prozesse/Schritte werden häufig wiederholt/wo lohnt es sich besonders hinzuschauen?

  • Identifikation von Quick Wins und Ideen für Verbesserungen, die mehr Zeit brauchen
  • Priorisierung der effektiven Ideen
  • Kommunikation im Betrieb
  • Verantwortlichkeiten sowie Deadlines klären, dabei Mitarbeitende integrieren
  • Stück für Stück den neuen Soll-Prozess entstehen lassen
  • Regelmäßig Feedback einholen und den Prozess anpassen, bis er rund ist

Interesse? Sprechen Sie uns an oder schreiben Sie einfach eine kurze Mail:

Mittelstand-Digital Zentrum Hamburg, Christine Mish

Handwerk4.0@hwk-hamburg.de

Mittelstand-Digital Zentrum Hamburg
mittelstand-digital@tuhh.de

Das Mittelstand-Digital Zentrum Hamburg gehört zu Mittelstand-Digital. Mit dem Mittelstand-Digital Netzwerk unterstützt das Bundesministerium für Wirtschaft und Klimaschutz die Digitalisierung in kleinen und mittleren Unternehmen und dem Handwerk.

Weiterlesen

Einsatz von künstlicher Intelligenz in der Intralogistik

Einsatz von künstlicher Intelligenz in der Intralogistik

Einsatz von künstlicher Intelligenz in der Intralogistik

zurück zur Übersicht


Kurzes Unternehmensportrait

Die Gleistein GmbH ist mit einer rund 200-jährigen Firmengeschichte das älteste industrielle Familienunternehmen in Norddeutschland. Es produziert hochwertige Spezialseile für individuelle Anforderungen des jeweiligen Kunden in zwei der weltweit modernsten Produktionsbetriebe, in denen neben der Produktion von Seilen bzw. Tauwerk auch eigenständig geforscht und entwickelt wird. Die breit aufgestellte Firmengruppe agiert global und konnte sich durch ihre Technologieführerschaft in vielen Bereichen als Marktführer etablieren. Insgesamt beschäftigt das Unternehmen rund 250 MitarbeiterInnen und generiert einen Jahresumsatz von circa 27,5 Mio. Euro.


Ausgangslage und Kernfragestellung zum Einsatz von künstlicher Intelligenz in der Intralogistik

Durch den Einsatz von künstlicher Intelligenz (KI) können Unternehmen manuelle und repetitive Tätigkeiten automatisieren und so Prozesse effizienter gestalten. Darüber hinaus kann KI sehr komplexe Tätigkeiten durchführen, zu denen der Mensch nicht in der Lage ist, und auf diese Weise wertvolle Erkenntnisse gewinnen. Die Gleistein GmbH hat die Potenziale von KI erkannt und sich die Frage gestellt, wie KI in der Intralogistik am Standort Bremen eingesetzt werden kann. Welche Erfolgsfaktoren spielen dabei eine Rolle, und welche Grundvoraussetzungen müssen vorab geschaffen werden?. Mit diesen Fragen hat sich das Unternehmen an das Mittelstand-Digital Zentrum Hamburg gewendet. In fünf Workshops und fünf leitfadengestützten Experteninterviews wurde ein strukturierter Transformationsprozess für den Einsatz von KI in der Intralogistik entwickelt.


Identifizierung der Problemstellung

Zu Beginn des Umsetzungsprojektes mit der Gleistein GmbH wurde die genaue Problemstellung identifiziert. Hierfür stellten die Mitarbeiter des Mittelstand-Digital Zentrums Hamburg die Grundlagen der KI sowie das MOIN-KI-SCHEMA (siehe Abbildung 1) vor. Das MOIN-KI-SCHEMA wurde von den KI-Trainern des Mittelstand-Digital Zentrums Hamburg entwickelt und ist ein Managementkonzept, um Anwendungsfälle für KI bei kleinen und mittleren Unternehmen systematisch zu identifizieren.

Als erstes werden Herausforderungen und Motivation des Unternehmens sowie Nutzen und Potenziale von KI unternehmensspezifisch hergeleitet. Sind diese Faktoren bekannt, fokussiert das Schema das jeweilige Vorgehensmodell bei der Einführung von KI und die Partnerauswahl, um mögliche fehlende Kompetenzen extern zu beschaffen. Anschließend werden die notwendigen Erfolgsfaktoren in den Bereichen Business Case und Strategie, Kultur und Mentalität, Daten und Algorithmen, Infrastruktur und Compliance, Kompetenzen und Aufgaben sowie Reorganisation und Aufklärung diskutiert, um den eigentlichen Use Case und Lösungsansatz zu bestimmen. Damit schließt die Identifizierung und Konkretisierung des unternehmensspezifischen Anwendungsfalls ab.

Das MOIN-KI-SCHEMA

Abbildung 1: MOIN-KI-SCHEMA

Im weiteren Verlauf des Umsetzungsprojekts zum Einsatz von künstlicher Intelligenz fand ein Brainstorming mit der Geschäftsführung und Mitarbeitenden aus dem mittleren Management statt, um den Schwerpunkt des gemeinsamen Vorhabens zu bestimmen. Als Diskussionsgrundlage wurde die intralogistische Wertschöpfungskette herangezogen, um festzustellen, in welchen Bereich der Wertschöpfungskette die größten Potenziale für den Einsatz von KI bei der Gleistein GmbH liegen. Die Ergebnisse des Brainstormings können Abbildung 2 entnommen werden. Aktuell liegen die größten Potenziale für den Einsatz von KI in den Prozessschritten Lager und Kommissionierung. Diese Prozessschritte wurden ausgewählt, da aktuell Verbesserungspotenziale in der Lagerplatzzuordnung und -kontrolle sowie der Kommissionierung von Produkten bestehen.

Abbildung 2: Ergebnis des Brainstormings

Abbildung 2: Ergebnis des Brainstormings

Herleitung des Anwendungsfalls

Im Anschluss an das Brainstorming recherchierten die Mitarbeiter des Mittelstand-Digital Zentrums Hamburg mögliche Anwendungsfälle für KI in der Intralogistik im Allgemeinen. Die Suche wurde bewusst offen gestaltet, damit nicht durch eine eingeschränkte Recherche interessante Informationen verloren gehen. Abbildung 3 zeigt das Ergebnis der Recherche. Die meisten Anwendungsfälle für KI liegen im Prozessschritt Lager, was das gemeinsame Vorhaben der Geo. Gleistein & Sohn GmbH und des Mittelstand Digital Zentrums Hamburg bestärkt und demonstriert, dass zahlreiche weitere Unternehmen und Forschungseinrichtungen die Potenziale von KI im Prozessschritt Lager erkannt haben.

Abbildung 3: Anwendungsfälle für künstliche Intelligenz in der Intralogistik

Abbildung 3: Anwendungsfälle für künstliche Intelligenz in der Intralogistik

Im Folgenden sind diejenigen Anwendungsfälle für den Einsatz von künstlicher Intelligenz bei der Gleistein GmbH aufgezeigt, die nach einer weiteren gemeinsamen Sitzung in die engere Auswahl das gemeinsamen Vorhabens gerückt sind.

Wareneingang:

  • Erkennen von Ausreißern bei der Nutzung von RFID-Technologie

Lager:

  • Lagerplatzzuordnung und Kommissionierung in einem Smart Warehouse
  • Lagerplatzzuordnung und -kontrolle durch intelligente Behälter
  • Nachfrageprognosen im Bestandsmanagement

Kommissionierung:

  • Ermittlung einer optimalen Kommissionier-Politik zur Steigerung der Leistung des Lagerbetriebs

Versand:

  • Planung einer optimalen Verpackung für den Verpackungsprozess

Im Rahmen eines weiteren Austauschs zwischen der Gleistein GmbH und dem Mittelstand-Digital Zentrum Hamburg wurde der Fokus des gemeinsamen Umsetzungsprojekts auf den Einsatz von KI für die intelligente Lagerplatzzuordnung gelegt.

Bewertung der Ausgangssituation

Im nächsten Schritt fanden Experteninterviews mit der Geschäftsführung, dem mittleren Management und Mitarbeitenden aus dem Lager statt, um die aktuelleSituation sowie unternehmensspezifische Erfolgsfaktoren für die Einführung von KI zu identifizieren. Allgemeine Erfolgsfaktoren wurden aus wissenschaftlicher Literatur abgeleitet, um  die erforderlichen Grundvoraussetzungen für die intelligente Lagerplatzzuordnung zu erkennen. Für die Klassifizierung der Erfolgsfaktoren wurden die zuvor genannten Klassen aus dem MOIN-KI-SCHEMA Business Case und Strategie, Kultur und Mentalität, Daten und Algorithmen, Infrastruktur und Compliance, Kompetenzen und Aufgaben sowie Reorganisation und Aufklärung herangezogen. Einige der zentralen Erfolgsfaktoren aus den jeweiligen sechs Klassen sind:

Kultur und Mentalität / Kompetenzen und Aufgaben:

  • Aufbau von Fachwissen
  • Grad an digitaler Affinität
  • Weiterbildungsmaßnahmen durchführen
  • Akzeptanz bei Veränderung
  • Standardisierte Prozesse schaffen
  • Unterstützung durch die Führungsebene

Daten und Algorithmen / Infrastruktur und Compliance:

  • Daten Warehouse aufbauen
  • Qualität der Daten sicherstellen
  • Datensicherheit gewährleisten
  • Rechenspeicher zur Verfügung stellen
  • Skalierbare Rechensysteme einsetzten
  • Einen ML Algorithmus festlegen

Business Case und Strategie / Reorganisation und Aufklärung:

  • Einsatz von externen Experten
  • Standards zum Einsatz von künstlicher Intelligenz festlegen
  • Komplexität der Organisationsstrukturen nicht unterschätzen
  • Reifegradmodell zur Bestimmung der IST- und SOLL-Reife anwenden
  • Strategien und Umsetzungsmaßnahmen festlegen
  • Roadmap erstellen und festlegen

Einsatz von künstlicher Intelligenz: Der Reifegrad

Um die KI-Reife der Gleistein GmbH zu bestimmen und passende Handlungsempfehlungen für die KI-Einführung abzuleiten, wurden die drei Dimensionen Technologie, Organisation und Umwelt bzw. Umfeld herangezogen.

Die technologische KI-Reife zeigt, dass der Nutzen durch den Einsatz von künstlicher Intelligenz wahrgenommen und als Wettbewerbsvorteile erkannt wird. Darüber hinaus harmoniert die Vision und Strategie des Unternehmens mit der angestrebten KI-Transformation und fördert diese zu großen Teilen. Das Unternehmen setzt auf Digitalisierung und profitiert in vielerlei Hinsicht von den daraus resultierenden Potenzialen.

Sowohl die Geschäftsführung als auch das mittlere Management und die Mitarbeitenden im Lager unterstützen und befürworten das angestrebte Vorhaben (organisatorische KI-Reife). Das gesamte Team hat Vertrauen in KI-Technologien und weist keine Skepsis auf. Des Weiteren ist das Unternehmen bereit, Investitionen in die Modernisierung des Lagers vorzunehmen. Die Offenheit gegenüber technologischen Modernisierungen wurzelt in den bereits durchgeführten Digitalisierungsaktivitäten aus diversen Bereichen des Unternehmens und fördert die weitere intensive Digitalisierung der Gleistein GmbH. Nachholbedarfe bestehen in den Bereichen der personellen Ressourcen, dem KI-Know-How und der notwendigen IT-Infrastruktur. Das Unternehmen möchte hier die notwendigen Voraussetzungen für den Einsatz von KI schaffen, sodass die zukünftige KI-Transformation erfolgreich durchgeführt werden kann.

Die Gleistein GmbH strebt an, das erste Unternehmen seiner Branche zu sein, das KI im Bereich der intelligenten Lagerplatzzuordnung einsetzt (umwelt- bzw. umfeldbezogenen KI-Reife). Mit der sog. Pionierstrategie soll die Marktführerschaft erreicht werden, da  die Mitbewerber in der Regel eher konservative Verfahren einsetzen.

Zusammenfassung und Ausblick

Um die erfolgreiche KI-Transformation bei der Gleistein GmbH sicherzustellen, haben sich folgende Handlungsempfehlungen ergeben:

Abbildung 4: Handlungsempfehlungen für die erfolgreiche KI-Transformation

Abbildung 4: Handlungsempfehlungen für die erfolgreiche KI-Transformation

Die Gleistein GmbH sollte für den Einsatz von künstlicher Intelligenz einen externen Partner einbeziehen, um gemeinsam die KI-Einführung im Unternehmen voranzutreiben. Um sich einen Überblick über mögliche Umsetzungsvarianten zu verschaffen, lohnt es, unterschiedliche Anbieter bzw. Entwickler aus dem Bereich der KI anzusprechen. Anschließend ist ein Anbieter auszuwählen, welcher die KI-Transformation im Unternehmen aus technologischer und organisationaler Sicht unterstützt. Neben der Beschaffung der KI-Lösung müssen die internen Verbesserungspotenziale ausgeschöpft werden. Diese gehen in den meisten Fällen mit der KI-Einführung einher. Aus diesem Grund sollten beide Aktivitäten parallel initiiert und durchgeführt werden. Zu den internen Verbesserungspotenzialen zählen die Beseitigung der aktuellen IT-Infrastrukturschwachstellen und die Auflösung der personellen Engpässe. Sobald ein geeigneter Anbieter ausgewählt ist und die internen Verbesserungspotenziale umgesetzt sind, gilt es im weiteren Verlauf die KI-Implementierung z. B. mithilfe von agilen Projektmanagementmethoden durchzuführen. Dabei ist stets zu berücksichtigen, dass das Gelernte aus der Test- und Evaluationsphase in den Implementierungs- und Entwicklungsprozess eingebunden werden muss, um die KI-Anwendung kontinuierlich weiterzuentwickeln.

Besteht weiteres Interesse am Einsatz von künstlicher Intelligenz in der Intralogistik? Sprechen Sie uns an oder schreiben Sie einfach eine kurze Mail: 

Mittelstand-Digital Zentrum Hamburg
E-Mail: mittelstand-digital@tuhh.de

Das Mittelstand-Digital Zentrum Hamburg gehört zu Mittelstand-Digital. Mit dem Mittelstand-Digital Netzwerk unterstützt das Bundesministerium für Wirtschaft und Klimaschutz die Digitalisierung in kleinen und mittleren Unternehmen und dem Handwerk.

Weiterlesen