Logistik 4.0

Kernidee und Bedeutung

Logistik 4.0 bezeichnet die vierte industrielle Revolution bezogen auf die Logistik als Querschnittsfunktion in der betrieblichen Leistungserstellung. Gemeint ist eine Logistik, in der Prozesse transparent, vernetzt und stark automatisiert sind. Interne Wertschöpfungsprozesse werden standardisiert, IT-seitig miteinander verbunden und durch verfügbare Informationen sowie lernfähige Algorithmen besser gesteuert.

Logistik 4.0 hängt eng mit Industrie 4.0 zusammen. Industrie 4.0 beschreibt die Digitalisierung und Vernetzung industrieller Prozesse; Logistik 4.0 ist dafür ein wichtiges Anwendungsgebiet und zugleich ein Ermöglicher. Der Artikel betont: „Keine Industrie 4.0 ohne Digitalisierung der Supply Chain.“ Eine zum Teil synonym verwendete Teildisziplin ist die „selbstorganisierende Logistik“ beziehungsweise self-organizing logistics. Sie umfasst autonome Systeme, künstliche Intelligenz, Schwarmrobotik und Selbstvalidierung.

Abgrenzung und Ziele

Industrie 4.0 steht für die schrittweise Auflösung der Grenzen zwischen digitaler und realer Welt durch Kommunikations- und Informationstechnologien, Automation und künstliche Intelligenz. In der dritten industriellen Revolution wurden Arbeitsschritte teilweise automatisiert, etwa durch Elektronik, Computertechnologie, CNC-Maschinen und Industrie-Roboter. Logistik 3.0 wird im Artikel als „Insel-Prinzip“ beschrieben: starre Liefer- und Produktionsketten sollen durch flexible Netzwerke mit unternehmensübergreifendem Informationsaustausch ersetzt werden.

Ziel von Logistik 4.0 ist mehr Transparenz in Zuliefer- und Versandketten und damit ein besseres Supply Chain Management. Wichtige Merkmale sind Vernetzung, Dezentralisierung, Echtzeitfähigkeit und Serviceorientierung. Neue Technologien sollen die logistischen Grundanforderungen nach Produkt, Qualität, Zeit, Ort, Menge und Kosten, also die 6R, sowie Flexibilität und Informationstransparenz verbessern. Dadurch sollen Material- und Informationsströme zwischen Unternehmen und ihrem Umfeld effizienter werden.

Ein weiteres Ziel ist der Wandel logistischer Netzwerke hin zu dezentralen und flexiblen Systemen im innerbetrieblichen Transport. Integrationsplattformen und umfangreiche Datenbestände sollen autonome, fahrerlose Transportsysteme mit Schwarmintelligenz ermöglichen. So soll auch die Individualisierung von Kundenwünschen bis zur Losgröße Eins in der Logistik unterstützt werden.

Technische Grundlagen

Ein zentrales Merkmal ist die kognitive Logistik. Damit sind Logistikprozesse und -systeme gemeint, die lernfähig, intelligent und entscheidungsfähig sind. Die Systemkomponenten kommunizieren ohne Eingriff des Menschen miteinander, erkennen Probleme selbst und organisieren Lösungen.

Das Internet der Dinge, kurz IoT, vernetzt Objekte im Logistikprozess. Besonders wichtig ist der Datenaustausch zwischen einem physischen Objekt und seinem digitalen Abbild. Dieses digitale Abbild heißt digitaler Zwilling und erhält über das IoT in Echtzeit Daten aus dem Betrieb des realen Objekts. In der Logistik können Digital Twins den Materialfluss simulieren, die Auslastung logistischer Prozesse in Echtzeit sichtbar machen und so Optimierungen unterstützen.

Selbststeuerung bedeutet, dass Einheiten und Systeme eigenständig und ohne direkte Anweisungen von außen ein vorgegebenes Ziel verfolgen oder einen Zustand aufrechterhalten. Dadurch werden dezentrale Steuerungen und mehr Autonomie in logistischen Prozessen möglich.

Im digitalen Wertschöpfungsprozess stehen Daten im Mittelpunkt. Zuerst werden Daten erhoben und übertragen, zum Beispiel durch Sensorik oder intelligente Produkte. Danach werden sie bereinigt und auf Qualität geprüft. Anschließend können weitere Datenquellen eingebunden werden, auch aus Bereichen außerhalb des Unternehmens. Methoden wie Data Mining oder Operation Research leiten aus den Daten neue Informationen ab, die dann über standardisierte Schnittstellen oder Benutzerinterfaces im logistischen Prozess genutzt werden.

Daten, Identifikation und Sicherheit

Damit Objekte und ihre digitalen Abbilder Daten austauschen können, müssen Objekte und Akteure eindeutig identifizierbar sein. Dafür gibt es Identifikationssysteme und Standards mit Nummern- oder Zeichenfolgen, zum Beispiel die GS1-Standardfamilie. In der Konsumgüterindustrie wird sie besonders häufig genutzt; in der Automobilindustrie dominiert der ODETTE-Standard. Solche Datenstrukturen können als Barcode, DataMatrix-Code oder RFID-Transponder codiert werden. RFID bedeutet Radio Frequency Identification und benötigt RFID-Lesegeräte sowie Middleware zur Weiterverarbeitung. Wenn Objekte ihren Standort selbst bestimmen und mitteilen, geschieht dies oft über Satellitennavigationssysteme wie GPS, GLONASS oder Galileo.

Neben Identifikation und Ortung ist die Erfassung von Zuständen wichtig, etwa Temperatur, Druck, Füllstand oder Energieverbrauch. Dafür werden Sensorik und eingebettete Systeme eingesetzt. Eingebettete Systeme sind technische Systeme, die in ein Objekt integriert sind und dort Mess- oder Steuerungsaufgaben übernehmen.

Die großen Datenmengen führen zu Big Data. Damit meint der Artikel nicht nur wachsende Datenmengen, sondern auch die Verknüpfung verschiedener Datenquellen, um Zusammenhänge zu erkennen, Phänomene zu erklären oder Prognosen zu erstellen. Damit Daten zwischen Systemen ausgetauscht werden können, braucht es leistungsfähige Datenfunkverbindungen, hohe Speicherkapazitäten und einheitliche Kommunikationsstandards. Cloud-Computing über das Internet kann dafür genutzt werden; das Internet wird als „Rückgrat“ und wichtige Voraussetzung von Logistik 4.0 beschrieben.

Blockchain wird als Technologie zur Datensicherheit genannt. Sie ist eine Distributed-Ledger-Technologie, bei der Informationen in Blöcken gespeichert und über Hashwerte verkettet werden. Dadurch können Transaktionen fälschungssicher dokumentiert und in Echtzeit an Beteiligte vermittelt werden. Die Blockchain wird als dezentrale Datenbank beschrieben, die Zahlungen und andere Transaktionen ohne Vermittler ermöglicht. Durch Zeitstempel, kryptologische Verfahren mit Private und Public Key sowie identische Datenketten auf mehreren dezentralen Rechensystemen sollen Fälschungen ausgeschlossen werden.

Herausforderungen für Arbeit und Datenschutz

Die Rolle des Menschen verändert sich. In der Logistik von morgen soll der Mensch als „kreativer Problemlöser“ mit Robotern und autonomen Systemen zusammenarbeiten. Einfache körperliche Tätigkeiten können vollständig durch Maschinen ersetzt werden. Gleichzeitig entstehen neue Tätigkeiten, zum Beispiel bei der Überwachung und Wartung von Geräten.

Durch die zunehmende Datenmenge steigt die Prozess- und Informationskomplexität für Führungskräfte und Beschäftigte. Damit Akzeptanz entsteht und Überforderung vermieden wird, ist laut Artikel ein Umdenken in Arbeitsorganisation und Arbeitsgestaltung nötig. Mitarbeiter werden über Smart Devices und Avatare Teil cyber-physischer Systeme, kurz CPS. CPS verbinden physische Vorgänge mit digitalen Systemen.

Weitere Probleme ergeben sich aus Datenschutz und möglicher unangemessener Nutzung von Kunden- oder Lieferantendaten. Dafür müssen allgemeingültige Regelungen gefunden werden. Als ein Ansatz zur Erhöhung der Datensicherheit und zur Verringerung von Manipulationsmöglichkeiten wird die Blockchain-Technologie genannt, weil sie einen transparenten Systemzustand liefern kann.

Beispiel: Zellulare Transportsysteme

Als Beispiel nennt der Artikel zellulare Transportsysteme. Das Fraunhofer IML entwickelte zusammen mit der Industrie das Multishuttle Move, ein fahrerloses Logistiksystem mit Schwarm-Intelligenz. Es besteht aus vielen kleinen, baugleichen, kostengünstigen und autonomen Shuttle-Einheiten. Diese tauschen sich über Funk, genauer WLAN, über Auftragsdisposition und Routenfindung aus.

Die Shuttles können in Lagern über ein Schienensystem selbstständig Regalstellplätze erreichen und mit Lagerbehältern das Lager verlassen. Außerhalb des Lagers bewegen sie sich frei und navigieren ohne Markierungen. Dafür nutzen sie Sensoren und Informationen anderer Shuttle-Einheiten, um auf kurzer Route zum Ziel zu gelangen, zum Beispiel zu einer Maschine in der Produktion. So bleibt die Fläche zwischen Lager und Bedarfsort flexibel, weil keine dauerhaften Stetigfördertechniken nötig sind.

Die dezentrale Selbststeuerung macht das System skalierbar: Durch Hinzufügen oder Entfernen autonomer Fahrzeuge lässt sich die Gesamtleistung verändern. Außerdem steigt die Ausfallsicherheit, weil bei einer Störung einer Einheit nicht das ganze System stehen bleibt; eine andere Einheit übernimmt die Aufgabe. Die Koordination erfolgt ohne Zentralsteuerung mit Multi-Agenten-Software. Optimierungen nutzen Metaheuristiken wie den Ameisenalgorithmus nach M. Dorigo.

Für Lokalisation, Navigation und Kollisionsvermeidung nutzt das System ein hybrides Sensorkonzept aus Koppelnavigation, Funkortung, Abstands- und Inertialsensoren. Kommunikationsprinzipien sind direkte Point-to-point-Übertragung, etwa zur Lastwechsel-Koordination am Übergabepunkt, und indirekter Datenaustausch über dezentrale Informationsknotenpunkte, sogenannte Blackboards.