The main objective of this research work is to better understand the role of digital technologies, whose implementation has grown significantly in recent years in Germany. Digitalization and Information and Communication Technologies play crucial roles in the German economy, in fields such as education, industries, business, management and, ultimately, in the entire economy. Therefore, the main objective of this Thesis is to calculate the evolution of the product of the German economy through the parameterization of the constant elasticity of substitution production function and considering different scenarios of the input factors included in it. In this way, the potential relative productivity of each of the elements will be calculated. Among these factors are Industry 4.0 and ICT, among others, which will allow us to see their relative evolution in each of the future cases.:1. Foreword . . . 6 2. Introduction . . . 7 3. Scope and Research Question . . . 7 3.1. Limitations of Research . . . 8 4. Motivation of the study . . . 8 5. Theoretical Approach . . . 10 5.1. Digitization . . . 10 5.2. Digitalization . . . 11 5.3 Importance of digitalization . . . 11 6. Introduction of the production function . . . 13 6.2 Defining the efficiency parameter (Growth Accounting: Methodical Factors) . . . 15 6.3 Contribution of labor force to productivity . . . 15 7.1 Employment rate of Germany . . . 20 7.2 Multifactor Productivity in Germany . . . 21 7.3 Investment in Germany . . . 22 7.4 Investment in Digitalization . . . 23 8. Parametrization of the equation . . . 26 9. Data . . . 27 9.1 Productivity Evolution . . . 33 10. Results & Discussion . . . 37 11. Conclusion . . . 39 References . . . 40 Appendix A: Tables . . . 45

Die Refabrikation wird eine entscheidende Rolle zur Erreichung einer Kreislaufwirtschaft einnehmen, denn durch diesen Prozess können bereits ausgediente Produkte wieder in einen neuwertigen Zustand gebracht und dem Markt erneut hinzugefügt werden. Dennoch steht die Refabrikation vor Hindernissen, welche überwunden werden müssen. Dieser Beitrag soll einen Überblick über die Herausforderungen geben und den Stand der Technik erörtern, wie ein durchgängiger und geschlossener Informationsfluss über den gesamten Produktlebenszyklus einen wichtigen Beitrag zur Lösung dieser Hindernisse liefern kann.

Der Einrichtprozess der Wasserstrahlschneidanlage erfolgt überwiegend als manueller Prozess. Die fehlende Automatisierung führt zu einem hohen Zeitverlust und der dauerhaften Anwesenheit einer Fachkraft. Dieser Umstand wird durch eine Steigerung des Automatisierungsgrades angegangen. Die Steigerung wird durch die Integration einer Umfeldsensorik und die Erstellung eines Algorithmus re-alisiert. Dieser erkennt die Halbzeuge im Arbeitsraum, um diese anschließend in ein CAD-Modell zu transformieren.

Wissen über Digitalisierung, Automatisierung und über „smarte“ Technologien sind Schlüssel für einen stabilen und nachhaltigen Erfolg von Klein- und Mittelunternehmen in der Region Salzburg. Die Fachhochschule Salzburg beantragte aus diesem Grund die Initiative Salzburg Smart Factory Bootcamp. Moderne und mobile Industrierobotik, kommunikative Software-Architekturen und OT-Sicherheit bilden die Basis für die Umsetzung aktueller Smart-Factory-Technologien und deren Potentiale in Unternehmen. Ziel des Bootcamps ist die gezielte Weiterqualifizierung mit modernsten Smart-Factory-Technologien von Mitarbeiterinnen und Mitarbeitern der beteiligten Unternehmen. Zusätzlich kann langfristig, auch über die beantragte Projektlaufzeit hinaus, die Zusammenarbeit zwischen Hochschule und Salzburger Unternehmen etabliert und weitergeführt werden.

Innovative possibilities for data collection, networking, and evaluation are unleashing previously untapped potential for industrial production. However, harnessing this potential also requires a change in the way we work. In addition to expanded automation, human-machine cooperation is becoming more important: The machine achieves a reduction in complexity for humans through artificial intelligence. In fractions of a second large amounts of data of high decision quality are analyzed and suggestions are offered. The human being, for this part, usually makes the ultimate decision. He validates the machine’s suggestions and, if necessary, (physically) executes them. Both entities are highly dependent on each other to accomplish the task in the best possible way. Therefore, it seems particularly important to understand to what extent such cooperation can be effective. Current developments in the field of artificial intelligence show that research in this area is particularly focused on neural network approaches. These are considered to be highly powerful but have the disadvantage of lacking transparency. Their inherent computational processes and the respective result reasoning remain opaque to humans. Some researchers assume that human users might therefore reject the system’s suggestions. The research domain of explainable artificial intelligence (XAI) addresses this problem and tries to develop methods to realize systems that are highly efficient and explainable. This work is intended to provide further insights relevant to the defined goal of XAI. For this purpose, artifacts are developed that represent research achievements regarding the systematization, perception, and adoption of artificially intelligent decision support systems from a user perspective. The focus is on socio-technical insights with the aim to better understand which factors are important for effective human-machine cooperation. The elaborations predominantly represent extended grounded research. Thus, the artifacts imply an extension of knowledge in order to develop and/ or test effective XAI methods and techniques based on this knowledge. Industry 4.0, with a focus on maintenance, is used as the context for this development. / Durch innovative Möglichkeiten der Datenerhebung, Vernetzung und Auswertung werden Potenziale für die Produktion freigesetzt, die bisher ungenutzt sind. Dies bedingt jedoch eine Veränderung der Arbeitsweise. Neben einer erweiterten Automatisierung wird die Mensch-Maschinen-Kooperation wichtiger: Die Maschine erreicht durch Künstliche Intelligenz eine Komplexitätsreduktion für den Menschen. In Sekundenbruchteilen werden Vorschläge aus großen Datenmengen von hoher Entscheidungsqualität geboten, während der Mensch i.d.R. die Entscheidung trifft und diese ggf. (physisch) ausführt. Beide Instanzen sind stark voneinander abhängig, um eine bestmögliche Aufgabenbewältigung zu erreichen. Es scheint daher insbesondere wichtig zu verstehen, inwiefern eine solche Kooperation effektiv werden kann. Aktuelle Entwicklungen auf dem Gebiet der Künstlichen Intelligenz zeigen, dass die Forschung hierzu insbesondere auf Ansätze Neuronaler Netze fokussiert ist. Diese gelten als hoch leistungsfähig, haben aber den Nachteil einer fehlenden Nachvollziehbarkeit. Ihre inhärenten Berechnungsvorgänge und die jeweilige Ergebnisfindung bleiben für den Menschen undurchsichtig. Einige Forscher gehen davon aus, dass menschliche Nutzer daher die Systemvorschläge ablehnen könnten. Die Forschungsdomäne erklärbare Künstlichen Intelligenz (XAI) nimmt sich der Problemstellung an und versucht Methoden zu entwickeln, um Systeme zu realisieren die hoch-leistungsfähig und erklärbar sind. Diese Arbeit soll weitere Erkenntnisse für das definierte Ziel der XAI liefern. Dafür werden Artefakte entwickelt, welche Forschungsleistungen hinsichtlich der Systematisierung, Wahrnehmung und Adoption künstlich intelligenter Entscheidungsunterstützungssysteme aus Anwendersicht darstellen. Der Fokus liegt auf sozio-technischen Erkenntnissen. Es soll besser verstanden werden, welche Faktoren für eine effektive Mensch-Maschinen-Kooperation wichtig sind. Die Erarbeitungen repräsentieren überwiegend erweiterte Grundlagenforschung. Damit implizieren die Artefakte eine Erweiterung des Wissens, um darauf aufbauend effektive XAI-Methoden und -Techniken zu entwickeln und/ oder zu erproben. Als Kontext der eigenen Erarbeitung wird die Industrie 4.0 mit Schwerpunkt Instandhaltung genutzt.

Die zunehmende Forderung an automatisierte Produktionsanlagen sich flexibel auf neue Situationen in der Produktion anpassen zu können, fordert innovative Konzepte. Dieser Beitrag stellt ein Retrofit- Konzept vor, welches bereits bei der Erstellung der Anlagen mit integriert werden kann, um somit zukünftig flexibel Teilbereiche austauschen zu können. Hierbei muss in den praxiserprobten Steuerungsablauf nicht direkt eingegriffen werden. Das vorliegende Konzept basiert auf einer Anforderungsanalyse und ist prototypisch umgesetzt.

Der technische Fortschritt hat dazu geführt, dass die Kosten für das automatisierte Drucken von Emblemen, Anhängern sowie allgemein gedruckten Prototypen stark gefallen sind. Dies geschah insbesondere auch vor dem Hintergrund einesWandels der Industrie hin zu einer modernen Industrie 4.0. In dieser Arbeit wird ein neuer Ansatz für das automatische 3D-Drucken eines Logos präsentiert, welches als Pixelgrafik vorliegt. Die vorgeschlagene Prozesskette erzeugt hierbei final den G-code zum Drucken. Dabei sind seitens des Users wenige Eingaben erforderlich.

The application of Wireless Sensor Networks (WSNs) with a large number of tiny, cost-efficient, battery-powered sensor nodes that are able to communicate directly with each other poses many challenges. Due to the large number of communicating objects and despite a used CSMA/CA MAC protocol, there may be many signal collisions. In addition, WSNs frequently operate under harsh conditions and nodes are often prone to failure, for example, due to a depleted battery or unreliable components. Thus, nodes or even large parts of the network can fail. These aspects lead to reliable data dissemination and data storage being a key issue. Therefore, these issues are addressed herein while keeping latency low, throughput high, and energy consumption reduced. Furthermore, simplicity as well as robustness to changes in conditions are essential here. In order to achieve these aims, a certain amount of redundancy has to be included. This can be realized, for example, by using network coding. Existing approaches, however, often only perform well under certain conditions or for a specific scenario, have to perform a time-consuming initialization, require complex calculations, or do not provide the possibility of early decoding. Therefore, we developed a network coding procedure called Broadcast Growth Codes (BCGC) for reliable data dissemination, which performs well under a broad range of diverse conditions. These can be a high probability of signal collisions, any degree of nodes' mobility, a large number of nodes, or occurring node failures, for example. BCGC do not require complex initialization and only use simple XOR operations for encoding and decoding. Furthermore, decoding can be started as soon as a first packet/codeword has been received. Evaluations by using an in-house implemented network simulator as well as a real-world testbed showed that BCGC enhance reliability and enable to retrieve data dependably despite an unreliable network. In terms of latency, throughput, and energy consumption, depending on the conditions and the procedure being compared, BCGC can achieve the same performance or even outperform existing procedures significantly while being robust to changes in conditions and allowing low complexity of the nodes as well as early decoding. / Der Einsatz von drahtlosen Sensornetzen (Wireless Sensor Networks, WSNs) mit einer Vielzahl hochintegrierter, kostengünstiger und batteriebetriebener Sensorknoten, die direkt miteinander kommunizieren können, birgt viele Herausforderungen. Aufgrund der großen Anzahl von kommunizierenden Objekten kann es trotz eines verwendeten CSMA/CA MAC Protokolls zu vielen Signalkollisionen kommen. Darüber hinaus arbeiten WSNs häufig unter rauen Bedingungen und die Knoten sind oft anfällig für Ausfälle, z.B. aufgrund aufgebrauchter Energiekapazität oder defekter Komponenten. Infolgedessen können einzelne Knoten oder auch große Teile des Netzes ausfallen. Diese Aspekte führen dazu, dass zuverlässige Datenverteilung und Datenhaltung von entscheidender Bedeutung sind und folglich im Rahmen dieser Arbeit adressiert werden. Gleichzeitig soll die Latenz niedrig, der Durchsatz hoch und der Energieverbrauch möglichst gering gehalten werden. Des Weiteren sind eine geringe Komplexität sowie Robustheit gegenüber veränderten Bedingungen wesentlich. Um diese Ziele zu erreichen, ist ein gewisses Maß an Redundanz nötig. Dies kann beispielsweise durch die Verwendung von Netzwerkkodierung realisiert werden. Bestehende Ansätze liefern jedoch oft nur unter bestimmten Bedingungen oder für ein spezifisches Szenario gute Performanz-Ergebnisse, müssen aufwändig initialisiert werden, benötigen komplexe Berechnungen oder bieten keine Möglichkeit für frühzeitige Dekodierung. Daher haben wir ein als Broadcast Growth Codes (BCGC) bezeichnetes Netzwerkkodierungsverfahren für zuverlässige Datenverteilung entwickelt, welches unter einem breiten Spektrum unterschiedlicher Bedingungen gute Ergebnisse erzielt. Zu diesen Bedingungen gehören zum Beispiel eine hohe Wahrscheinlichkeit von Signalkollisionen, ein beliebiger Grad an Knotenmobilität, eine große Knotenanzahl oder das Auftreten von Knotenausfällen. BCGC benötigen keine komplexe Initialisierung und verwenden nur einfache XOR-Operationen für Kodierung und Dekodierung. Darüber hinaus kann mit der Dekodierung bereits begonnen werden, sobald ein erstes Paket/Codewort empfangen wurde. Evaluationen mit einem eigens implementierten Netzwerksimulator sowie einem realen Testbed haben gezeigt, dass BCGC ermöglichen, Daten trotz eines unzuverlässigen Netzwerks zuverlässig zu erhalten. In Bezug auf Latenz, Durchsatz und Energieverbrauch können BCGC, je nach Bedingungen und verglichenem Verfahren, vergleichbare Ergebnisse wie bestehende Verfahren erzielen oder diese sogar deutlich übertreffen, während sie gleichzeitig robust gegenüber veränderten Bedingungen sind, eine geringe Komplexität der Knoten erlauben sowie eine frühzeitige Dekodierung ermöglichen.

Die europäische Fertigungsindustrie steht vor großen Veränderungen, die durch die zunehmende Nachfrage der Kunden nach maßgeschneiderten und/oder intelligenten Produkten, Industrie 4.0 Lösungen und Öffnung der Produktionsketten für Newcomer getrieben werden sowie durch die Veränderung hin zu Wertschöpfungsketten, in denen die Rollen von Lieferanten, Herstellern und Einzelhändlern verschwimmen. Diese sich dynamisch wandelnde Umwelt erfordert eine Anpassungsfähigkeit der Mitarbeiter, Fertigungswerkzeuge und Prozesse. Neue IKT-basierte Lösungen erleichtern einen Paradigmenwechsel, der Fabrikarbeiter als zukünftige "Wissensarbeiter" in den intelligenten Fabriken sieht, welcher nicht nur durch die Einführung neuer Technologien in die Fabriken gelingen kann. Arbeitsabläufe müssen umgestaltet werden und neue Ansätze zur kontinuierlichen Weiterentwicklung sind erforderlich. Bei der Verschiebung der Arbeitsaufgaben hin zur Wissensarbeit müssen bei der Anpassung der Arbeitsumgebungen zunehmend die Unterschiede bei den kognitiven Fähigkeiten berücksichtigt werden. Das hier vorgestellte Forschungsprojekt Factory2Fit zielt darauf ab, die menschlich zentrierte Fertigung auf ein neues Niveau zu bringen, indem den Mitarbeitern eine führende Rolle bei der Anpassung und Entwicklung ihrer eigenen Aufgaben zukommt. Das Hauptziel des Projektes ist es, adaptive Automatisierungslösungen zu entwickeln und zu pilotieren, die den Arbeitsablauf verbessern, den Arbeitnehmer dabei unterstützen, seine Kompetenzen zu entwickeln und die Mitarbeiter dazu befähigen, Wissen zu teilen und sich an der Gestaltung ihrer eigenen Arbeit zu beteiligen. Das Projekt Factory2Fit wird von Horizon 2020 (H2020/2014-2020), dem Programm für Forschung und Innovation der Europäischen Union, unter der Zuwendungsvereinbarung Nr. 723277 gefördert.

Die europäische Fertigungsindustrie steht vor großen Veränderungen, die durch die zunehmende Nachfrage der Kunden nach maßgeschneiderten und/oder intelligenten Produkten, Industrie 4.0 Lösungen und Öffnung der Produktionsketten für Newcomer getrieben werden sowie durch die Veränderung hin zu Wertschöpfungsketten, in denen die Rollen von Lieferanten, Herstellern und Einzelhändlern verschwimmen. Diese sich dynamisch wandelnde Umwelt erfordert eine Anpassungsfähigkeit der Mitarbeiter, Fertigungswerkzeuge und Prozesse. Neue IKT-basierte Lösungen erleichtern einen Paradigmenwechsel, der Fabrikarbeiter als zukünftige "Wissensarbeiter" in den intelligenten Fabriken sieht, welcher nicht nur durch die Einführung neuer Technologien in die Fabriken gelingen kann. Arbeitsabläufe müssen umgestaltet werden und neue Ansätze zur kontinuierlichen Weiterentwicklung sind erforderlich. Bei der Verschiebung der Arbeitsaufgaben hin zur Wissensarbeit müssen bei der Anpassung der Arbeitsumgebungen zunehmend die Unterschiede bei den kognitiven Fähigkeiten berücksichtigt werden. Das hier vorgestellte Forschungsprojekt Factory2Fit zielt darauf ab, die menschlich zentrierte Fertigung auf ein neues Niveau zu bringen, indem den Mitarbeitern eine führende Rolle bei der Anpassung und Entwicklung ihrer eigenen Aufgaben zukommt. Das Hauptziel des Projektes ist es, adaptive Automatisierungslösungen zu entwickeln und zu pilotieren, die den Arbeitsablauf verbessern, den Arbeitnehmer dabei unterstützen, seine Kompetenzen zu entwickeln und die Mitarbeiter dazu befähigen, Wissen zu teilen und sich an der Gestaltung ihrer eigenen Arbeit zu beteiligen. Das Projekt Factory2Fit wird von Horizon 2020 (H2020/2014-2020), dem Programm für Forschung und Innovation der Europäischen Union, unter der Zuwendungsvereinbarung Nr. 723277 gefördert.