Datenmanagement für Augmented Reality (DM4AR)

Problemstellung
Der gesellschaftliche Umbau zu einer Wissensgesellschaft hat Wissen zu dem zentralen Erfolgsfaktor jedes Unternehmens gemacht. Dies gilt insbesondere im technischen Service, da dieser häufig an komplexen und hochindividuellen Maschinen und Anlagen durchgeführt wird. Die fortschreitende Vernetzung und Digitalisierung bieten dabei das Potenzial, vorhandenes Wissen einzelner Mitarbeiter eines Unternehmens deutlich effizienter aufzunehmen und durch eine gezielte, kontextbezogene Bereitstellung einer Vielzahl an Mitarbeitern zur Verfügung zu stellen. Bisherige Augmented Reality (AR)-Forschung fokussiert sich dabei hauptsächlich auf die Optimierung der Hardware. Eine weitere Hürde für einen wirtschaftlich tragfähigen und damit flächendeckenden Einsatz von AR im technischen Service ist der hohe manuelle Aufwand, welcher für die vorherige Generierung der AR-tauglichen Inhalte notwendig ist.

Zielsetzung
Das Ziel des Forschungsprojekts DM4AR ist es, zum einen eine AR-Plattform zur automatisierten Aufbereitung und Umwandlung von Produktionsdaten in ein gängiges AR-Format zu entwickeln. Diese bringt auf ganzheitliche Weise die unterschiedlichen Anforderungen von Daten, Schnittstellen und Datenmodelle zusammen. Zum anderen sollen die Mitarbeiter mit geeigneten Ziel-, Anreizsystemen und Referenzprozessen in der Bereitstellung von implizitem Wissen unterstützt werden.

Vorgehensweise
Im Fokus stehen die aktuellen Herausforderungen aus dem technischen Service, die in den drei Anwendungsfällen definiert und adressiert werden: technischer Kundendienst, Anlagenwartung und Instandsetzung. Hier finden je drei Iterationsschritte statt, welche sich aus der zunehmend komplexen Aufbereitung der Informationen ergeben: Begonnen wird mit der Inklusion von strukturierten Daten, welche dann mit zusätzlichen Prozessinformationen von unstrukturierten Daten angereichert werden. Zuletzt wird das implizite Erfahrungswissen von Fachkräften betrachtet und integriert. Diese Ergebnisse werden prototypisch schon sehr früh im Prozess umgesetzt, um der hohen Komplexität der Informationen mit aufwendigen Tests von Schnittstellen und Datenmodellen gerecht zu werden und dabei gleichzeitig agil in der Weiterentwicklung zu bleiben. Im Mittelpunkt steht stets die Benutzerfreundlichkeit des Systems, um Arbeitsprozesse zu beschleunigen und die Akzeptanz der Beschäftigten zu fördern.

Ergebnisse und Anwendungspotenzial
Durch die Etablierung eines plattformbasierten und automatisierten Ansatzes zur Datenaufbereitung können zukünftig die wesentlichen Barrieren für die flächendeckende und produktive Nutzung von AR-Technologien überwunden werden. Dabei steht die einfache Integration in den operativen Serviceprozess im Vordergrund, um den Nutzen zu maximieren und die Umstellung der Serviceprozesse zu vereinfachen. Dieselben Methoden können darüber hinaus auf weitere Branchen und Datenquellen, wie beispielsweise den Automobilbau, übertragen werden und so für eine wesentliche Produktivitätssteigerung sorgen.

• Forschungsinstitut für Rationalisierung e. V.
• oculavis GmbH
• Software GmbH
• thyssenkrupp Polysius GmbH
• TOP Mehrwert-Logistik GmbH & Co. KG
• YNCORIS GmbH & Co. KG