Abkürzungsverzeichnis
Abbildungsverzeichnis
1. Einleitung
1.1 Zielsetzung
1.2 Struktur und Ablauf der Arbeit
2. Industrie 4.0
2.1 Begriffsabgrenzung und Definition
2.2 Kernkomponenten und technologien
2.2.1 Eingebettete und Cyber-Physische Systeme
2.2.2 Internet der Dinge
2.2.3 Big Data
2.2.4 Cloud Computing
3. Potentiale für Unternehmen
3.1 Wirtschaftliche Potentiale
3.1.1 Smart Factory
3.1.2 Smart Products
3.1.3 Smart Data
3.1.4 Prozessdigitalisierung
3.1.5 Wertschöpfungsnetzwerke
3.1.6 Geschäftsmodelle
3.2 Ökologische Potentiale
3.3 Soziale Potentiale
4. Risiken für Unternehmen
4.1 Sicherheitsrisiken
4.2 Strategische und finanzielle Risiken
4.3 Externe Risiken
5. Handlungsempfehlungen für Unternehmen
6. Schlussbetrachtung
6.1 Zusammenfassung und Fazit
6.2 Limitationen
6.3 Ausblick
7. Literaturverzeichnis
Abbildung in dieser Leseprobe nicht enthalten
Abb. 1: Kette Industrie 4.0
Abb. 2: Wertschöpfungsnetz "Anwenderunterstützung in der Produktion"
Abb. 3: Modell des digitalen Unternehmens mit Reifegraden
Abbildung in dieser Leseprobe nicht enthalten
Die Welt befindet sich
1 Dieser Umschwung ist unter dem erten Themen, denn er betrifft nicht nur die Zukunft, sondern findet bereits jetzt schon statt.2 Die Industrie 4.0 stellt die vierte der so genannten Industriellen Revolutionen dar.
Die Erste Industrielle Revolution begann mit der Erfindung des ersten mechanischen Webstuhls im Jahre 1784.3 Darauf folgte die Zweite Industrielle Revolution, welche in der Industrie die Massenproduktion einleitete, beginnend mit dem Einsatz des ersten Fließbands im Jahr 1870.4 Fast 100 Jahre später wurde die erste Speicher-Programmierbare-Steuerung im Jahre 1969 entwickelt und stellte gleichbedeutend den Einzug des Computers sowie den Start der Dritten Industriellen Revolution dar.5 Die aktuelle Vierte Industrielle Revolution basiert auf ihren Vorgängern. Zusätzlich kennzeichnet sie sich durch eine allgegenwärtige Vernetzung über das Internet, kleine leistungsfähige Kleinstcomputer und Sensoren sowie durch künstliche Intelligenz.6
Des Weiteren zeichnen sie drei Charakteristiken aus, die sie von den vorherigen Revolutionen unterscheidet. Die Veränderungsgeschwindigkeit verläuft nicht mehr linearer sondern exponentiell. Zudem sind die Breite und Tiefe der Veränderung sowie die systemischen Auswirkungen der Industrie 4.0 so umfassend, dass sie gesamte Systeme über sämtliche Grenzen hinweg transformiert.7
Auf Grund der Aktualität und der zukunftsweisenden Wichtigkeit des Themas, beschäftigt sich diese Arbeit mit der Industrie 4.0. Laut Klaus Schwab sind die Veränderungen "so tiefgreifend, dass es in der Menschheitsgeschichte noch nie eine Zeit größerer Chancen, aber auch gravierender potentieller Gefahren
Abbildung in dieser Leseprobe nicht enthalten
gegeben hat."8 Aus diesem Grund hat sich diese Arbeit zum Ziel gesetzt, die Auswirkungen der Industrie 4.0 aus der Sicht der Unternehmen zu betrachten. Es soll kritisch herausgestellt werden, welche Potentiale und Risiken mit der Implementierung von Industrie 4.0-Lösungen beziehungsweise der digitalen Transformation in Unternehmen einhergehen. Diese sollen gegeneinander abgewogen werden, um der Frage nachzugehen, ob die Vierte Industrielle Revolution zum jetzigen Zeitpunkt generell eher eine Chance oder eine Gefahr für Betriebe darstellt. Bedingt durch den Umfang des Themas nimmt diese Arbeit hauptsächlich Bezug auf das deutsche Unternehmensumfeld, weil Deutschland laut Statista mit 25 Prozent als eines der führenden Industrie 4.0- Länder angesehen wird.9 Es handelt sich um eine literaturbasierte Analyse, die ihre Erkenntnisse aus der bis zum jetzigen Zeitpunkt verfügbaren Literatur zum Thema zieht.
abgrenzen. Im Folgenden werden die dahinterstehenden Kernkomponenten- und technologien erklärt. Daraus ableitend folgt der Hauptteil dieser Arbeit, bei dem zuerst die Potentiale für Unternehmen unter wirtschaftlichen, ökologischen und sozialen Gesichtspunkten beleuchtet werden. Die damit einhergehenden Risiken werden im Anschluss aufgezeigt. Diese untergliedern sich in Sicherheits-, strategische und finanzielle sowie externe Risiken. Im darauffolgenden Abschnitt werden ausgehend von den Potentialen und Risiken sich daraus ableitende, allgemeine und spezifische Handlungsempfehlungen und Strategien gezeigt. In der Schlussbetrachtung werden die Potentiale gegenüber den Risiken zusammenfassend abgewogen, um als Fazit die Fragestellung dieser Arbeit zu beantworten. Abschließend wird ein Ausblick in die mögliche Entwicklung der Industrie 4.0 dargestellt.
Jahr 2011 von einer Promotorengruppe mit Experten aus Verbänden,
Abbildung in dieser Leseprobe nicht enthalten
Wissenschaft und Praxis vorgestellt.10 Eine genauere Definition und Abgrenzung des Begriffs folgt im nächsten Abschnitt.
Es gibt eine Vielzahl von Definitionen zu Industrie 4.0, im Englischen oft auch
11 Beispielhaft wird für diese Arbeit
die Beschreibung aus einem Bericht des Bundesministeriums für Wirtschaft und Energie herangezogen: In der Industrie 4.0 sind digitale Technologien integraler Bestandteil der Produktion. In der vernetzten Fabrik (Smart Factory) kommunizieren Maschinen miteinander das sogenannte Internet der Dinge. Kunden und Geschäftspartner werden in die Geschäfts- und Wertschöpfungsprozesse integriert. Maßgeschneiderte Produkte können nach individuellen Kundenwünschen produziert werden kostengünstig und in hoher Qualität. Intelligente Wertschöpfungsketten mit automatisiertem Bestell- und 12 Die Vierte Industrielle Revolution ist nicht unbedingt als Synonym des beschreibt die Industrie 4.0 die Digitalisierung der Industrie.13 Sie ist somit als ein Teil der allgemeinen, branchenunabhängigen und umfassenden Digitalisierung einzuordnen.
Die Vierte Industrielle Revolution baut auf einigen Kernkomponenten und -technologien auf, die diese Arbeit im Folgenden erläutern wird.
Mit exponentieller Wirkung wachsen Rechenleistung sowie Speicher- und Netzkapazitäten, während die damit verbundenen Kosten sowie die physische Größe in gleichem Maße sinken.14 Die Basis für eingebettete Systeme stellen hochleistungsfähige Kleinstcomputer dar, welche heutzutage bereits in Milliarden von physischen Gegenständen wie Smartphones integriert sind.15
Abbildung in dieser Leseprobe nicht enthalten
Um Daten aus dem Umfeld sammeln, sichern und verarbeiten zu können, sind Sensoren Bestandteil der eingebetteten Systeme.16 Damit auf Basis dieser Daten reagiert und das Umfeld beeinflusst werden kann, sorgen Aktuatoren dafür, dass elektrische Signale in mechanische Größen umgewandelt werden.17
Aufbauend auf eingebetteten Systemen entstehen durch Vernetzung mit dem Internet und der Vernetzung von Maschinen untereinander so genannte Cyber- Physische Systeme (CPS).18 Dabei gehen die reale und virtuelle Welt ineinander über.19 CPS sind durch Dezentralisation und autonomes Verhalten gekennzeichnet. Sie entwickeln sich weiter und passen sich dynamischen Strukturen an.20 Eingebettete Systeme und CPS machen somit Objekte und Umgebungen intelligent. Über 90 Prozent aller Prozessoren sind mittlerweile in solchen Systemen und Objekten anstatt in Computern verarbeitet.21
Unter anderem hat sich die so genannte RFID-Technologie als Standard durchgesetzt. RFID steht für Radio Frequency Identification. Das System besteht immer aus einem elektronischen Datenspeicher, dem Transponder, sowie einem Erfassungs- und Lesegerät. Ist der Transponder in Reichweite des Erfassungsgeräts, erfolgt ein Datenaustausch mittels magnetischer oder elektromagnetischer Wellen.22
Laut Koch et al. steht im Kern von Industrie 4.0
23 Das
Internet der Dinge erlaubt es jenen Akteuren untereinander zu kommunizieren.24 Dazu muss jedem Objekt eine eindeutige Identität zugewiesen werden.25 Es wird erwartet, dass bis zum Jahr 2020 mehr als 50 Milliarden Geräte über das Internet miteinander vernetzt sein werden.26 Auf Grund dieser hohen Anzahl
Abbildung in dieser Leseprobe nicht enthalten
wurde im Jahr 2012 das Internetprotokoll IPv6 eingeführt. Gegenüber dem Vorgänger IPv4 mit 4,3 Milliarden möglichen Kombinationen stehen nun 340 Sextillionen eindeutig identifizierbare IP-Adressen zur Verfügung.27 CPS können sich somit nahezu beliebig oft untereinander und mit dem Internet verbinden.28 29
Auf Grund der hohen Anzahl von Geräten wird es zunehmend komplexer, die generierten und gespeicherten Daten zu verarbeiten.30 Bei Big Data handelt es sich um Massendaten, die mit gewöhnlichen Mitteln der Datenverarbeitung nicht zu verwerten sind.31 Zur Komplexität gehören neben dem Datenvolumen auch die Geschwindigkeit, in der Daten erzeugt und verarbeitet werden müssen, die Bandbreite von heterogenen Datentypen und quellen sowie die Güte und Richtigkeit der Daten.32 Es gibt keine einheitliche Definition, ab welcher Größe solche Datensätze als Big Data wahrgenommen werden. Diese kann zwischen Branchen von einigen Terabytes zu vielen tausenden Terabytes, auch Petabytes genannt, variieren.33 Um aus diesen Datenmengen auch Nutzen zu ziehen, werden Analytics-Methoden mit speziellen Algorithmen und Verfahren verwendet.34 Welche Nutzen Unternehmen aus Big Data ziehen können, wird in Kapitel 3.1.3 erörtert.
Nicht nur zum Speichern, sondern auch zum Verarbeiten von Big Data wird viel Rechenleistung benötigt. Cloud Computing erlaubt es, Rechenkapazitäten flexibel und bei Bedarf mit geringem Verwaltungsaufwand verfügbar zu machen. Diese Dienste werden entweder als Software (SaaS), als Plattform (PaaS) oder als Infrastruktur (IaaS) bereitgestellt.35 Sie können einfach skaliert, bei Bedarf genutzt und pro Benutzer oder nach genutzter Kapazität bezahlt werden. Es gibt Cloud -Dienste zur exlusiven Privatnutzung, zugänglich für die Öffentlichkeit oder einem hybriden Mix der beiden. Cloud Computing bietet
Unternehmen Vorteile durch erhöhte Verfügbarkeit und Kapazitäten sowie Agilität bei gleichzeitig verringerten Kosten.36 Der Mehrwert liegt darin, dass alle an die Cloud angeschlossenen Unternehmen eine Schnittstelle mit denselben Standards für Prozesse, Datenformate und Datensicherheit nutzen.37 Aktuelle Cloud -Dienste mit IoT-Funktionen sind beispielsweise Google Cloud IoT Core,38 Bosch IoT Suite in Verbindung mit IBMs Bluemix und Watson IoT Platform39, Microsofts Azure IoT Suite40 oder die Plattform MindSphere von Siemens.41 Laut dem Statistischen Bundesamt nutzten 17 Prozent der Unternehmen kostenpflichtige IT-Dienste über Cloud Computing im Jahr 2016.42
3. Potentiale für Unternehmen
Ausgehend von den grundlegenden Kernkomponenten und -technologien der Industrie 4.0 ergeben sich eine Vielzahl von Möglichkeiten für Unternehmen. So sehen 72 Prozent von 3.000 mittelständischen, deutschen Unternehmen in der Digitalisierung eine Chance.43 Im Folgenden werden diese Möglichkeiten in wirtschaftliche, ökologische und soziale Potentiale untergliedert und erläutert.
Zu den wirtschaftlichen Potentialen der Industrie 4.0 gehören die Steigerung von Zielgrößen wie Produktivität, Effizienz, Qualität, Flexibilität und Individualität bei simultanen Einsparungen an Kosten, Ressourcen und Energie.44 Die Erfolgsfaktoren im Rahmen der Industrie 4.0, die diese wirtschaftlichen Zielgrößen optimieren, werden in Abbildung 1 veranschaulicht und in den folgenden Abschnitten detailliert erläutert.
Abb. 1: Kette Industrie 4.0
Quelle: Kagermann 2017, S. 241.
Eine in höchstem Maße digitalisierte Produktion stellt die so genannte Smart Factory dar. Sie ist eine sich selbst organisierende Produktion.45 Im Zentrum besteht sie aus einem Netzwerk von CPS beziehungsweise Cyper-Physischen Produktionssystemen (CPPS).46 Dort können Social Machines untereinander und mit anderen intelligenten Objekten in der Produktion mittels Vernetzung und gemeinsamen Informationen kommunizieren und voneinander lernen.47 Die intelligente Fabrik zeichnet sich durch einen modularen Aufbau und standardisierte Schnittstellen aus. Mit Hilfe von einfach sein, Maschinen und Maschinenmodule flexibel zu verbinden oder auszutauschen.48 Arbeits- und Betriebsmittel sind autonom und können sich selbstständig steuern und konfigurieren.49 Die Konfiguration wird von dem nächsten zu bearbeitenden Produkt vorgegeben.50 Neben der vertikalen Integration mit Entwicklungs-, Produktions- und Betriebsprozessen ist die Smart Factory auch horizontal mit Kunden und Lieferanten vernetzt.51 Aufträge und Bearbeitungszustände werden in Echtzeit übermittelt. Diese
Wertschöpfungsnetzwerke werden in Kapitel 3.1.5 erläutert.52
Das Ziel der Digitalisierung der Produktion ist Qualität, Durchlaufzeit und Auslastung in ein Gesamtoptimum zu bringen.53 Die Smart Factory soll im Optimalfall Effizienz und Produktivität steigern und gleichzeitig Kosten und Ressourcen, unter anderem durch reduzierte Durchlaufzeiten und Lagerbestände, sparen.54 Laut einer Studie von PwC erwarten Unternehmen durch Maßnahmen der Industrie 4.0 eine durchschnittliche jährliche Effizienzsteigerung von 3,3 und Kostenreduktion von 2,6 Prozent innerhalb von fünf Jahren.55 Um auf volatile Märkte und individuelle Kundenwünsche agil reagieren zu können, ermöglicht die S mart Factory es zudem, Individualität und Flexibilität zu steigern. Das Umrüsten des Systems erfolgt ohne Zeitverlust und Kosten, weshalb im besten Fall bis hin zur so genannten Losgröße 1 produziert werden kann.56 Die Losgröße steht für die Anzahl an Produkten pro Fertigungsauftrag ohne Unterbrechung.57
Bezugnehmend auf diese Wettbewerbsvorteile durch eine Smart Factory stellen auch damit interagierende intelligente Produkte wirtschaftliches Potential für Unternehmen dar. Die so genannten S mart Products besitzen mittels eines digitalen Gedächtnisses Informationen über ihre Eigenschaften und sind in der Lage, Daten zu sammeln, zu kommunizieren und sich zu vernetzen.58 Dabei sind Informationen zu ihrem aktuellen Status, zur Produktionshistorie, zu noch ausstehenden Prozessen sowie zum geplanten Zielzustand hinterlegt. In Folge dessen kann man diese Produkte allzeit eindeutig identifizieren, lokalisieren und Zustandsabfragen in Echtzeit durchführen.59
Intelligente Produkte stellen einen integralen Teil der S mart Factory dar, da sie mit den Social Machines interagieren und kommunizieren können. Dies geschieht, indem Smart Products wissen und vorgeben, in welchen Schritten
Abbildung in dieser Leseprobe nicht enthalten
mit welchen Maschinen oder Betriebsmitteln sie gefertigt werden und mit welchen anderen Produkten man sie verbinden kann.60 Diese Informationen könnten beispielsweise maschinell lesbar auf einem RFID-Chip hinterlegt sein.
Daten sollen nicht nur während der Fertigung gesammelt und kommuniziert werden, sondern auch während der Nutzungsphase.61 Diese Daten können wiederum genutzt werden, um das Produkt zu verbessern, einen zusätzlichen Nutzen zu generieren oder das Produkt vorausschauend instand zu halten.62 Intelligente Produkte in Kombination mit einer intelligenten Produktion optimieren somit sämtliche wirtschaftliche Zielgrößen. Zusätzlich wird durch die Automatisierung die Fehlerquote gesenkt und die Qualität gesteigert.63 Unternehmen erwarten im Zuge eines digitalisierten Produktangebots eine durchschnittliche jährliche Umsatzsteigerung von 2,5 Prozent innerhalb von fünf Jahren.64
Unternehmens. In diesen Kreis sind jetzt auch die Daten aufgestiegen, in vielen
Daten werden in Zeiten von Industrie 4.0 als einer der zentralen Rohstoffe angesehen.66 Wirtschaftliche Potentiale ergeben sich aus ihnen allerdings erst durch eine integrierte Nutzung als Werkzeug für Analysen, Prognosen und Entscheidungen. Unstrukturierte, heterogene Big Data muss mittels Rechenleistung und Algorithmen zu strukturierten, selektiven und relevanten Informationen, so genannter Smart Data, angereichert und aufbereitet werden.67
Zum einen geschieht dies durch Data Mining, welches eine Reihe von statistischen Verfahren beschreibt, um aus großen Datenmengen im Rahmen konkreter Fragestellungen des Anwenders Muster und Strukturen zu entnehmen. Dabei werden Methoden der Statistik, des Datenbankmanagements
Abbildung in dieser Leseprobe nicht enthalten
und Maschinenlernens verbunden.68 Bei letzterem liegt der Fokus auf computergestützter, künstlicher Intelligenz. Diese soll aus den Massendaten automatisch komplexe und statistisch signifikante Muster, Verhaltensweisen oder kausale Zusammenhänge erkennen und intelligente Entscheidungen treffen.69
Im Rahmen der Business Intelligence liegt der Fokus auf der Problemerkennung.70 In diesem Zuge kann Smart Data für deskriptive oder im besten Fall diagnostische Analysen genutzt werden, um nicht nur Probleme oder Entwicklungen, sondern auch Gründe zu erkennen.71 Der Bereich Business Analytics hingegen konzentriert sich auf Prognosen und Zukunftsentwicklungen.72 Dabei kann Smart Data ebenfalls als Basis für prädiktive oder präskriptive Analysen dienen, um zusätzlich zu den generierten Prognosen auch Handlungsempfehlungen zu geben.73
Große Mengen an Daten erfordern einen Kompromiss zwischen Datenkonsistenz, Skalierbarkeit und Geschwindigkeit.74 Gerade letztere stellt einen wichtigen Erfolgsfaktor dar, um im dynamischen Umfeld schnell oder sogar in Echtzeit Smart Data bereitstellen zu können.75 Aktuell ist es
Datenmengen in Petabyte-Bereichen zu speichern und verwalten. Verbunden
Memory Datenbank, können Daten stetig und augenblicklich ausgewertet werden.76 Neben einer gesteigerten Effizienz und Wirksamkeit von Geschäftsprozessen können neue Erkenntnisse unter Umständen auch zu veränderten oder neuen Geschäftsmodellen führen,77 wie im Abschnitt 3.1.6 erläutert wird. Laut dem Statistischen Bundesamt führten trotz dieser Potentiale 2015 erst sechs Prozent der Unternehmen Big Data -Analysen durch.78
Abbildung in dieser Leseprobe nicht enthalten
Geschäftsprozesse und Betriebsabläufe eines Unternehmens spielen eine unterstützende Rolle und stellen einen Erfolgsfaktor zur Optimierung der wirtschaftlichen Zielgrößen dar. Laut einer Studie von BITKOM ist das meistgenannte Ziel, das 69 Prozent der befragten Unternehmen mit dem Einsatz von Industrie-4.0-Anwendungen verfolgen, die Verbesserung von Prozessen.79
In der Industrie 4.0 soll ein digitaler Prozess oder Arbeitsschritt parallel statt sequentiell ablaufen.80 Die Prozessdigitalisierung geht mit ihrer Automatisierung einher, welche an sich ist nicht neu ist.81 In der Vierten Industriellen Revolution sind Geschäftsprozesse nicht nur digital, sondern darüber hinaus auch selbstgesteuert und autonom. Laut Schircks et al. können einfache, schlanke und effiziente Prozesse werden.82 So kommen die wirtschaftlichen Erfolgsfaktoren im Unternehmen erst durch eine möglichst umfassende und transparente digitale Prozessinfrastruktur voll zur Geltung.83 Diese konsequente Digitalisierung soll abteilungs- und softwareübergreifende Medienbrüche vermeiden oder umgehen, indem über Standardschnittstellen vernetzte Systeme untereinander kommunizieren und integriert werden können. Die Interaktion verschiedener Softwares und Systeme (beispielsweise ERP-, MES- oder SCM-Systeme) in sämtlichen Betriebsabläufen soll demnach reibungslos, effizient und in Echtzeit geschehen.84
Eine solch effiziente digitale Basis und Prozessstruktur stellt gerade in den kommenden Jahren einen signifikanten Faktor dar, damit Unternehmen weiter ein integraler Bestandteil ihrer jeweiligen vertikalen und horizontalen Wertschöpfungskette sind. So wird erwartet, dass bis zum Jahr 2020 mehr als 80 Prozent der Unternehmen in Deutschland ihre Wertschöpfungskette zu einem hohen Grad digitalisiert haben werden.85
[...]
1 Schwab 2016, S. 9.
2 Vgl. Gneuss 2014, S. 2.
3 Vgl. Gneuss 2014, S. 3 4.
4 Vgl. Seiter et al. 2017, S. 6.
5 Vgl. Gneuss 2014, S. 4.
6 Vgl. Schwab 2016, S. 17.
7 Vgl. Schwab 2016, S. 12.
8 Schwab 2016, S. 11.
9 Vgl. Statista 2016.
10 Vgl. Kagermann und Lukas 2011.
11 Vgl. Gilchrist 2016, S. 1.
12 Bundesministerium für Wirtschaft und Energie (BMWi) 2016, S. 7.
13 Vgl. Koch et al. 2014, S. 3.
14 Vgl. Mattern 2003, S. 5.
15 Vgl. Kagermann 2017, S. 236.
16 Vgl. Kagermann 2017, S. 237.
17 Vgl. Kagermann 2017, S. 237.
18 Vgl. Pflaum 2014, S. 15.
19 Vgl. Schallmo et al. 2017, S. 64.
20 Vgl. Dekkers et al. 2012, S. 977.
21 Vgl. Broy 2010, S. 71.
22 Vgl. Broy 2010, S. 135.
23 Koch et al. 2014, S. 5.
24 Vgl. Obermaier 2016, S. 36.
25 Vgl. Siepmann und Graef 2016, S. 23.
26 Vgl. Reinheimer 2017, S. 17.
27 Vgl. Aschermann 2013.
28 Vgl. Kagermann 2017, S. 237.
29 Vgl. Obermaier 2016, S. 36.
30 Vgl. Hübschle 2017, S. 207.
31 Vgl. Brown et al. 2011, S. 1.
32 Vgl. International Business Machines Corporation (IBM) o.D.
33 Vgl. Brown et al. 2011, S. 1.
34 Vgl. Reinheimer 2017, S. 24.
35 Vgl. Bundesamt für Sicherheit in der Informationstechnik (BSI) o.D.
36 Vgl. OECD 2017, S. 82.
37 Vgl. Zillmann 2016, S. 20.
38 Vgl. Menge-Sonnentag 2017.
39 Vgl. Neumann 2017.
40 Vgl. Neumann 2016.
41 Vgl. Siemens AG o.D.
42 Vgl. Statistisches Bundesamt 2016, S. 8.
43 Vgl. Ernst & Young GmbH Wirtschaftsprüfungsgesellschaft (EY) 2017, S. 13.
44 Vgl. Kagermann et al. 2012, S. 5.
45 Vgl. Reinheimer 2017, S. 50.
46 Vgl. Hinrichsen und Jasperneite 2013, S. 45.
47 Vgl. Bauer und Horváth 2015, S. 23.
48 Vgl. Bauer und Horváth 2015, S. 23.
49 Vgl. Kagermann et al. 2012, S. 12.
50 Vgl. Hinrichsen und Jasperneite 2013, S. 46.
51 Vgl. Kagermann et al. 2013, S. 5.
52 Vgl. Müller 2016
53 Vgl. Mosler 2017, S. 511.
54 Vgl. Hinrichsen und Jasperneite 2013, S. 46.
55 Vgl. Koch et al. 2014, S. 7.
56 Vgl. Obermaier 2016, S. 38.
57 Vgl. Ohse 1963, S. 59.
58 Vgl. Vogel-Heuser 2017, S. 38.
60 Vgl. Vogel-Heuser 2017, S. 38.
61 Vgl. Freisinger 2017.
62 Vgl. Fraunhofer-Institut für Optronik, Systemtechnik und Bildauswertung (Fraunhofer IOSB) o.D.
63 Vgl. IT Production Online 2016
64 Vgl. Koch et al. 2014, S. 8.
65 Porter und Heppelmann 2015, S. 5.
66 Vgl. Schweichhart 2017, S. 154.
67 Vgl. Reinheimer 2017, S. 24.
68 Vgl. Brown et al. 2011, S. 28.
69 Vgl. Brown et al. 2011, S. 29.
70 Vgl. Kaufmann und Forstner 2017, S. 131.
71 Vgl. Appelfeller und Feldmann 2017, S. 29.
72 Vgl. Kaufmann und Forstner 2017, S. 131.
73 Vgl. Appelfeller und Feldmann 2017, S. 29.
74 Vgl. Huber und Kaiser 2017, S. 24.
75 Vgl. Deuse et al. 2015, S. 107.
76 Vgl. Huber und Kaiser 2017, S. 24.
77 Vgl. Czotscher 2014, S. 3.
78 Vgl. Statistisches Bundesamt 2016, S. 7.
79 Vgl. Riemensperger 2016, S. 5.
80 Vgl. Priddat und West 2016, S. 13.
81 Vgl. Plass 2017, S. 9.
82 Schircks et al. 2017, S. 41.
83 Vgl. Schircks et al. 2017, S. 64.
84 Vgl. Plass 2017, S. 9.
85 Vgl. Koch et al. 2014, S. 7.
