Home Digitaler Schatten aller Wertströme
Article
Licensed
Unlicensed Requires Authentication

Digitaler Schatten aller Wertströme

Automatisierte Wertstromerfassung durch Anreicherung von Produktionsdaten mit Computer Vision
  • Günther Schuh

    Prof. Dr.-Ing. Dipl.-Wirt. Ing. Günther Schuh, geb. 1958, ist Inhaber des Lehrstuhls für Produktionssystematik am Werkzeugmaschinenlabor WZL der RWTH Aachen, Direktoriumsmitglied am Fraunhofer-Institut für Produktionstechnologie IPT in Aachen und Direktor des Forschungsinstituts für Rationalisierung e. V. (FIR) an der RWTH Aachen. Er ist Gründer der Schuh & Co. Firmengruppe in Aachen, St. Gallen und Atlanta. Prof. Schuh ist in mehreren Aufsichts- und Verwaltungsräten tätig.

    , Esben Schukat

    Dr.-Ing. Esben Schukat, geb. 1993, leitet seit 2023 als Oberingenieur die Abteilung Fabrikplanung am Werkzeugmaschinenlabor WZL der RWTH Aachen. Inhaltliche Schwerpunkte der Abteilung sind die Werksstruktur-, Montage- und Logistikplanung sowie der Einsatz digitaler Planungstools und agiler Methoden in der Fabrikplanung.

    and Carsten Engeln

    Carsten Engeln, M. Sc. RWTH, geb. 1994, leitet seit 2025 die Gruppe Werksstrukturplanung der Abteilung Fabrikplanung am Werkzeugmaschinenlabor WZL der RWTH Aachen. Inhaltliche Schwerpunkte der Gruppe sind das Aachener Fabrikplanungsvorgehen, strategische Aufgaben, wie z. B. die Standortauswahl, und die Fabrikdigitalisierung.

    EMAIL logo
Published/Copyright: October 29, 2025

Abstract

Die Erfassung von Wertströmen in Fabriken wird meist manuell durchgeführt und ist daher aufwändig, unvollständig und selten aktuell. Dieser Beitrag stellt ein System vor, das fortlaufend, echtzeitnah, vollständig und automatisiert Wertströme erfasst. Kamerabilder werden mit KI ausgewertet und mit Daten aus IT-Systemen zu einem Event Log kombiniert. Dieser Event Log ermöglicht die Prozessmodellierung mittel Process Mining und somit die Erstellung eines digitalen Schattens aller Wertströme, der neue Potenziale für die Fabrikplanung und -betrieb eröffnet.

Abstract

Value stream mapping in factories is mostly done manually and is therefore time-consuming, incomplete, and rarely up to date. This article presents a system that maps value streams continuously, near real time, completely, and automatically. Camera images are evaluated using AI and combined with data from IT systems to form an event log. This event log enables process modeling via process mining and thereby the creation of a digital shadow of all value streams, which opens potential for factory planning and operation.


Hinweis

Bei diesem Beitrag handelt es sich um einen von den Mitgliedern des ZWF-Advisory-Board wissenschaftlich begutachteten Fachaufsatz (Peer Review).



Tel.: +49 (0) 151 515 69705

Funding statement: Die Autoren werden gefördert durch die Deutsche Forschungsgemeinschaft (DFG) im Rahmen der Exzellenzstrategie des Bundes und der Länder – EXC-2023 Internet of Production – 390621612. Website: https://www.iop.rwth-aachen.de.

About the authors

Prof. Dr.-Ing. Dipl.-Wirt.-Ing. Günther Schuh

Prof. Dr.-Ing. Dipl.-Wirt. Ing. Günther Schuh, geb. 1958, ist Inhaber des Lehrstuhls für Produktionssystematik am Werkzeugmaschinenlabor WZL der RWTH Aachen, Direktoriumsmitglied am Fraunhofer-Institut für Produktionstechnologie IPT in Aachen und Direktor des Forschungsinstituts für Rationalisierung e. V. (FIR) an der RWTH Aachen. Er ist Gründer der Schuh & Co. Firmengruppe in Aachen, St. Gallen und Atlanta. Prof. Schuh ist in mehreren Aufsichts- und Verwaltungsräten tätig.

Dr.-Ing. Esben Schukat

Dr.-Ing. Esben Schukat, geb. 1993, leitet seit 2023 als Oberingenieur die Abteilung Fabrikplanung am Werkzeugmaschinenlabor WZL der RWTH Aachen. Inhaltliche Schwerpunkte der Abteilung sind die Werksstruktur-, Montage- und Logistikplanung sowie der Einsatz digitaler Planungstools und agiler Methoden in der Fabrikplanung.

Carsten Engeln

Carsten Engeln, M. Sc. RWTH, geb. 1994, leitet seit 2025 die Gruppe Werksstrukturplanung der Abteilung Fabrikplanung am Werkzeugmaschinenlabor WZL der RWTH Aachen. Inhaltliche Schwerpunkte der Gruppe sind das Aachener Fabrikplanungsvorgehen, strategische Aufgaben, wie z. B. die Standortauswahl, und die Fabrikdigitalisierung.

Literatur

1 Ma, C.; Wang, N.; Chen, Q.; Shen, C.: Slow-Track: Increasing the Latency of Camera-Based Perception in Autonomous Driving Using Adversarial Examples. AAAI 38 (2024) 5, S. 4062–4070 DOI:10.1609/aaai.v38i5.2820010.1609/aaai.v38i5.28200Search in Google Scholar

2 Winkler, H.; Lugert, A.: Die Wertstrommethode im Zeitalter von Industrie 4.0. Studienreport. Band 1: Studienreports des Lehrstuhls für Produktionswirtschaft. BTU Brandenburgische Technische Universität Cottbus-Senftenberg, Cottbus 2017Search in Google Scholar

3 Erlach, K.: Wertstromdesign – Der Weg zur schlanken Fabrik (VDI-Buch). Springer-Vieweg-Verlag, Wiesbaden 2020 DOI:10.1007/978-3-662-58907-610.1007/978-3-662-58907-6Search in Google Scholar

4 Rother, M.; Shook, J.: Learning to See. Value Stream Mapping to Create Value and Eliminate Muda; A Lean Tool Kit Method and Workbook; Version 1.2. The Lean Enterprise Institute, Brookline, Mass. 1999Search in Google Scholar

5 Michael, J.; Koren, I.; Dimitriadis, I. et al.: A Digital Shadow Reference Model for Worldwide Production Labs. In: Brecher, C.; Schuh, G.; van der Aalst, W.; Jarke, M.; Piller, F.; Padberg, M. (Hrsg.): Internet of Production. Springer International Publishing, Cham 2024, S. 61–89Search in Google Scholar

6 Urnauer, C.; Metternich, J.: Die digitale Wertstrommethode. ZWF 114 (2019) 12, S. 855–858 DOI:10.3139/104.11220310.3139/104.112203Search in Google Scholar

7 Lugert, A.; Winkler, H.: Zukunftsfähigkeit der Wertstrommethode im Kontext von Industrie 4.0. Logistics Journal nichtreferierte Veröffentlichungen 2019 DOI:10.2195/lj_NotRev_lugert_de_201901_0110.2195/lj_NotRev_lugert_de_201901_01Search in Google Scholar

8 Wollert, T.; Behrendt, F.: Application Potentials of a Bata-based Value Stream Map Model in Production and Logistics.Conference: 16th International Doctoral Students Workshop on Logistics, Supply Chain and Production Management. Magdeburg 2023Search in Google Scholar

9 Muehlbauer, K.; Wuennenberg, M.; Meissner, S.; Fottner, J.: Data Driven Logistics-oriented Value Stream Mapping 4.0: A Guideline for Practitioners. IFAC-PapersOnLine 55 (2022) 16, S. 364–369 DOI:10.1016/j.ifacol.2022.09.05110.1016/j.ifacol.2022.09.051Search in Google Scholar

10 Kletti, J.; Deisenroth, R.: Einsatz eines MES in typischen Fertigungsprozessen eines Produktionsbetriebs. In: Kletti, J.; Deisenroth, R. (Hrsg.): Lehrbuch für digitales Fertigungsmanagement. Springer Berlin Heidelberg, Berlin, Heidelberg 2021, S. 167–197 DOI:10.1007/978-3-662-63202-4_410.1007/978-3-662-63202-4_4Search in Google Scholar

11 Kletti, J.; Deisenroth, R.: MES in der studentischen Ausbildung und in der Weiterbildung. In: Kletti, J.; Deisenroth, R. (Hrsg.): Lehrbuch für digitales Fertigungsmanagement. Springer Berlin Heidelberg, Berlin, Heidelberg 2021, S. 217–240 DOI:10.1007/978-3-662-63202-4_610.1007/978-3-662-63202-4_6Search in Google Scholar

12 Brambring, F.: Steigerung der Datenintegrität in der Produktionssteuerung. Dissertation, RWTH Aachen University, Aachen 2017Search in Google Scholar

13 Sullivan, B.; Yazdi, P.; Suresh, A.; Thiede, S.: Digital Value Stream Mapping: Application of UWB Real Time Location Systems. Procedia CIRP 107 (2022), S. 1186–1191 DOI:10.1016/j.procir.2022.05.12910.1016/j.procir.2022.05.129Search in Google Scholar

14 Spieckermann, S.; Schubert, V.; Penner, D.: Der digitale Wertstromzwilling. ZWF 117 (2022) 1/2, S. 75–78 DOI:10.1515/zwf-2022-100910.1515/zwf-2022-1009Search in Google Scholar

15 Böhm, M.; Drees, J.; Sai, B.; Erlach, K; Stambera, S; Teriete, T.: Universelle Datenschnittstelle für digitale Wertstromdienste. ZWF 118 (2023) 5, S. 293–297 DOI:10.1515/zwf-2023-106210.1515/zwf-2023-1062Search in Google Scholar

16 Di Federico, G.; Burattin, A.: CvAMoS – Event Abstraction Using Contextual Information. Future Internet 15 (2023) 3, 113 DOI:10.3390/fi1503011310.3390/fi15030113Search in Google Scholar

17 Schreiber, M.; Metternich, J.: Data Value Chains in Manufacturing: Data-based Process Transparency through Traceability and Process Mining. Procedia CIRP 107 (2022), S. 629–634 DOI:10.1016/j.procir.2022.05.03710.1016/j.procir.2022.05.037Search in Google Scholar

18 Haggui, O.; Bayd, H.; Magnier, B.; Aberkane, A.: Human Detection in Moving Fisheye Camera Using an Improved YOLOv3 Framework. IEEE MMSP 2021 – IEEE 23rd International Workshop on Multimedia Signal Processing. Tampere, Finland Oct 2021, S. 1–6 DOI:10.1109/MMSP53017.2021.973367410.1109/MMSP53017.2021.9733674Search in Google Scholar

Published Online: 2025-10-29
Published in Print: 2025-10-20

© 2025 Walter de Gruyter GmbH, Berlin/Boston, Germany

Downloaded on 2.11.2025 from https://www.degruyterbrill.com/document/doi/10.1515/zwf-2025-1112/html?lang=en
Scroll to top button