Sicheres IT-Auditing einer Cloud - Konzept zum sicheren IT-Auditing in unsicheren Umgebungen zur Erlangung von Vertrauen

Aljona Wehrhahn-Aklender, Norbert Pohlmann

Die Verbreitung der Cloud steigt. Mittlerweile nutzen über 60 % der deutschen Unternehmen Cloud-Dienste, zusätzlich planen knapp 20 %, zukünftig auf die Vorteile von Cloud-Lösungen zu setzen [1]. Mit der Cloud-Technologie sind jedoch auch vielfältige Herausforderungen hinsichtlich der IT-Sicherheit verbunden [2]. Aktuell wird die IT-Sicherheit einer Cloud primär durch den Cloud-Anbieter realisiert. Es gibt keine verlässliche Möglichkeit, um zu kontrollieren, welche IT-Sicherheitsmechanismen dieser in der Cloud wie umsetzt. Im Besonderen verunsichert diese Kontrollabgabe an einen externen Cloud-Anbieter viele potenzielle Kunden [1]. Es stellt sich die berechtigte Frage, wie Unternehmen Vertrauen in die IT-Sicherheit von Cloud-Anbietern aufbauen können.

[mehr]



„Internet+“: Digitalisierungstrends in Chinas Industrien

Christoph Mingtao Shi, Sigrun Abels

Erfolgsfaktoren, die Chinas Wirtschaftsboom lange beflügelt hatten, haben zunehmend ihre Antriebskraft verloren. In den letzten zwei Dekaden hat die Heranreifung wettbewerbsstarker indigener Technologieunternehmen in den IT-, Telekommunikation- und Softwarebranchen Chinas Plan industrieller Digitalisierung begünstigt, die das Land dringend benötigt, um ökonomisch zukünftig mehr auf Technologie und Innovation basierend und damit nachhaltiger weiter zu wachsen. Internet+ repräsentiert das derzeitig in der Wirtschaft, Politik und Medieninformation eifrig debattierte Konzept, das für die Digitalisierung in Chinas Industrien richtungsweisend sein soll. Dabei wird die Integration der Informationstechnologie mit anderen produzierenden Industriezweigen besonders hervorgehoben. Der Beitrag erläutert den Hintergrund, den Begriff und wirft einen Blick auf das Marktmodell sowie einige technische Aspekte von Internet+. Eine Fallstudie begleitet den „Ausflug“ nach China und gibt einen ersten Eindruck über die Umsetzung.

[mehr]



Digitalisierung

Standardisierung für Industrie 4.0 in KMU - Welche Herausforderungen werden von kleinen und mittleren Unternehmen durch Standardisierung hinsichtlich Industrie 4.0 gesehen? Ein Branchenvergleich.

Julian Müller, Kai-Ingo Voigt

Industrie 4.0 erfordert hinsichtlich der Standardisierung zahlreiche Anstrengungen für alle in einer Wertschöpfungskette beteiligten Unternehmen. Der Begriff Standardisierung wird dabei in unterschiedlichen Zusammenhängen verwendet. So lassen sich notwendige Maßnahmen zur Standardisierung beispielsweise hinsichtlich Daten und deren Austausch, technischen Standards, rechtlichen oder auch organisatorischen Standards finden. Auch stellt sich die Frage, in welchen Hierarchieebenen Standardisierung erforderlich ist. Hierzu gehören die Standardisierung im eigenen Unternehmen, die Standardisierung der Schnittstellen zu anderen Unternehmen oder die Schaffung einheitlicher Standards im gesamten Unternehmensumfeld. Die Anzahl erforderlicher Maßnahmen der drei Hierarchieebenen ist dabei sehr umfangreich. Dieser Beitrag befasst sich mit der grundsätzlichen Frage, in welchen Hierarchieebenen die größten Anstrengungen zur Standardisierung im Branchenvergleich erforderlich sind und gibt kurze Handlungsempfehlungen.

[mehr]



Digitalisierung

Betriebliches Nachhaltigkeitsmanagement 4.0 - Informationsdurchgängigkeit mittels Methoden der Wissensrepräsentation

Grischa Beier, Malte Reißig, Silke Niehoff und André Ullrich

Der Einfluss der Digitalisierung auf Wirtschaft und Gesellschaft ist omnipräsent und kann nicht losgelöst von der Debatte zur nachhaltigen Entwicklung betrachtet werden. Vor dem Hintergrund von Industrie 4.0 bietet das betriebliche Nachhaltigkeitsmanagement (BNM) besonderes Potenzial, sich den Themen nachhaltiges Wirtschaften und Digitalisierung aus Perspektive der Unternehmen zu nähern. Ein digitalisiertes Nachhaltigkeitsmanagement in industriellen Unternehmen mit Informationen zu unterstützen, bedarf jedoch einer Durchgängigkeit von Informationen. Um diese zu erreichen und zugleich Informationen aus verschiedenen Disziplinen zu integrieren, sind Methoden der Wissensrepräsentation geeignet. Aktuelle Herausforderungen und Ansätze für die Entwicklung eines offenen und konzeptionellen BNM-Modells werden in diesem Beitrag vorgestellt.

[mehr]



Digitalisierung

Maschinelles Lernen in der Produktion Anwendungsgebiete und frei verfügbare Datensätze

Jonathan Krauß, Jonas Dorißen, Hendrik Mende, Maik Frye und Robert H. Schmitt

Steigende Rechenleistungen und bessere Datengrundlagen bei gleichzeitig sinkenden Kosten für Rechen- und Speicherkapazitäten stellen die Basis für den Einsatz von Machine Learning (ML) in der Produktion dar. Herausforderungen bestehen in der Identifizierung aussichtsreicher Anwendungsgebiete, dem Erkennen der mit diesen verbundenen Learning Tasks sowie dem Aufdecken passender Datensätze. In diesem Beitrag werden daher folgende Fragen beantwortet: Welche Anwendungsgebiete in der Produktion bieten das größte Potenzial für den Einsatz von ML? Welche frei zugänglichen Datensätze eignen sich, um eigene Erfahrungen zu sammeln und welche Learning Tasks sind damit verbunden? Was sind Best Practices für die Anwendungsgebiete?

[mehr]



Digitalisierung

Kollaborative Robotik – Maschinelles Lernen durch Imitation - Flexible Automation für KMUs durch intelligente und kollaborative Roboterassistenten

 

Andrea Giusti, Dieter Steiner, Walter Gasparetto, Sebastian Bertoli, Michael Terzer, Michael Riedl und Dominik Tobias Matt

Der Trend zur kundenindividuellen Massenproduktion stellt klassische Produktionsmethoden kleinerer und mittlerer Unternehmen vor große Herausforderungen. Branchenübergreifend lässt sich feststellen, dass es für diese Unternehmen besonders schwierig ist mit klassischen Automationslösungen einen tragbaren Kompromiss für den Dreiklang aus hoher Flexibilität, hoher Produktionseffizienz und geringem Investitionsrisiko zu finden. Gleichzeitig stellt die Agilität zur Anpassung an variable Marktbedingungen eine typische Stärke kleiner und mittlerer Unternehmen dar.

[mehr]



Digitalisierung

Digitalisierung im Engineering - Ein Ansatz für ein Vorgehensmodell zur durchgehenden, arbeitsteiligen Modellierung am Beispiel von AutomationML

Eike Schäffer, Lars Penczek, Andreas Mayr, Jupiter Bakakeu, Jörg Franke und Bernd Kuhlenkötter

Die Digitalisierung im Engineering verspricht automatisierte Arbeitsabläufe, höhere Geschwindigkeiten und sinkende Kosten bei der Entwicklung von Automatisierungslösungen. Voraussetzung hierfür ist nicht nur die Modularisierung auf Basis einer strukturierten Beschreibungssprache, sondern auch eine einheitliche, aufeinander aufbauende Modellierung, welche einen automatisierbaren Datenaustausch über die Systemgrenzen hinweg ermöglicht. Um eine breite Anwendung zu erzielen, sollte die zugrundeliegende Ontologie auf bestehenden Normen und Standards aufbauen und in Open-Source-Anwendungen zur Verfügung stehen. Für die kollaborative und konsistente Entwicklung einer solchen Ontologie bedarf es eines strukturierten, methodischen Vorgehens sowie einer damit verbundenen Modellierungslandkarte, welche als Orientierung zur standardisierten, arbeitsteiligen Modellierung dient. Ein möglicher Ansatz für das benötigte Vorgehensmodell sowie der zugehörigen Landkarte wird im Rahmen dieses Beitrags vorgestellt und unter Verwendung von AutomationML validiert. Der vorgestellte Ansatz soll eine mögliche Richtung aufzeigen und weitere prozessgesteuerte Modellierungsbestrebungen von Ontologien anregen.

[mehr]



Industrial Big Data: Tieferes Prozessverständnis durch Daten - Modernes Informationsmanagement in der Produktion

Thomas Thiele, Max Hoffmann und Tobias Meisen

Längst hat die digitale Transformation auch die industrielle Produktion erreicht. Insbesondere getrieben durch die Erfolge und Fortschritte der vorwiegend amerikanischen IT-Unternehmen ist diese vierte industrielle Revolution, oder Industrie 4.0, wie sie in der Hightech-Strategie der Bundesregierung heißt, in vollem Gange. Eine Vielzahl von Begriffen und Technologien wie Internet der Dinge, Cyber-Physische Systeme und Big Data bilden das Rahmenwerk dieses Wandels. Im vorliegenden Beitrag wird insbesondere der Big Data Begriff adressiert und eine Abgrenzung dieses umfassenden Konzepts hinsichtlich der Definition von Industrial Big Data unternommen. Zudem wird anhand von Fallbeispielen exemplarisch erläutert, welche Mehrwerte die Anwendung dieser Methoden in der Produktion generiert.

[mehr]



Digitalisierung

Der Kognitive Loop - Und wie sich „Intelligenz“ auf Siliziumbasis konstelliert

Claus Riehle, Thorsten Pötter und Thomas Steckenreiter

In der Prozesstechnik denkt man in Produktionsoperationen, die von Sensoren und Aktoren gesteuert bzw. geregelt werden. Und jede Realisierung von Stoffumwandlung basiert auf einem physischen Substrat, was in gleicher Weise für lebende Systeme und ihr Verhalten gilt. Unterschieden werden in dem Beitrag drei Systemebenen: die Funktionsebene, das Interface zur Umwelt und die kognitive Ebene Intelligenz. Mithilfe dieser drei Ebenen lässt sich der Lernzyklus bzw. der bisherige Kognitive Loop sehr gut veranschaulichen. Vergleicht man in dieser Unterscheidungsweise intelligentes Verhalten von Menschen mit den technischen Entwicklungsstufen Maschinisierung, Automatisierung, Regelung und Deep Learning, dann wird das in der kybernetisch-soziologische Systemtheorie gängige Merkmal „operational geschlossen“ verständlich. Daraus wird der Schluss gezogen, dass wir im Rahmen einer digitalisierten Kultur von Produktion und Organisation mit einem neuen Kognitiven Loop auf Silizium-Basis (SI) rechnen sollten. Um diese Analogie hervorzuheben, bezeichnen wir das vom Homo Sapiens entwickelte intelligente Verhalten mit Bio-Informatisierung und die Evolution der sogenannten Künstlichen Intelligenz mit Si-Informatisierung.

[mehr]



Seiten