Die Entwicklung des wissenschaftlichen Managements: Vom Industrial Engineering zur Industrial Data Science
Seit der ersten industriellen Revolution beruhen Optimierungsmaßnahmen und betriebliche Entscheidungen in der produzierenden Industrie auf quantitativen und faktenbasierten Bewertungen. Neue Entwicklungen im Zuge der fortschreitenden Digitalisierung und Globalisierung der heutigen Arbeitswelt stellen eine logische und unausweichliche Fortführung der beobachtbaren Trends in Wissenschaft und Technik dar. Vor dem Hintergrund dieser natürlichen Entwicklung stellen die durch Data Science (DS) entstehenden Potenziale nicht unbedingt einen Paradigmenwechsel, sondern vielmehr eine Fortführung der Entwicklung des Industrial Engineering (IE) dar. Angesichts der gegenwärtig überhöhten Erwartungen an die Problemlösungskapazitäten von DS und ihre ökonomischen Rationalisierungsversprechen, wird in diesem Beitrag auf wichtige Vertreter und Pioniere des IE verwiesen, wie Frank und Lillian Gilbreth, John Burbidge, William E. Deming und Eliyahu M. Goldratt. Am Beispiel ihres jeweiligen Fachgebiets wird die bisherige Entwicklung des IE zusammengefasst. Ausgehend von den aktuellen Trends werden in dieser Veröffentlichung wissenschaftliche Trends untersucht, um einen Rahmen für die künftige Entwicklung von Industrial Data Science (IDS) zu skizzieren.
Diese Veröffentlichung ist das Ergebnis der Forschungsarbeit des Instituts für Produktionssysteme (IPS) der TU Dortmund.
Zusammenfassung und Ausblick
Die vier Fallstudien der Pioniere des IE in diesem Papier zeigen die Entwicklung des wissenschaftlichen Managements in verschiedenen Bereichen als einen evolutionären Prozess. Wir betrachten den Trend zu einer breiten Anwendung von IDS als das unvermeidliche Ergebnis eines jahrzehntelangen Entwicklungsprozesses. Die Nutzung der wachsenden Datenquellen ist nur der nächste logische Schritt in einem Umfeld, das auf faktenbasierte und quantifizierte Entscheidungen angewiesen ist. Daher wird die Anwendung von DS im IE in den kommenden Jahrzehnten weiter an Bedeutung gewinnen. Im Kern werden produzierende Unternehmen weiterhin die ursprünglichen Konzepte der diskutierten Pioniere nutzen, aber die Effektivität durch die Hinzunahme von digitalen und datengesteuerten Methoden und Werkzeugen erhöhen. Der Zugriff auf Daten, deren Analyse, Anwendung und Verwaltung von Daten wird für zukünftige Anwendungen von IDS entscheidend sein. Um in Zukunft wettbewerbsfähig zu sein, muss die Sammlung der anwendbaren Methoden und Werkzeuge eines Industrial Engineers um die Fähigkeiten der IDS erweitert werden. Die Vielzahl der Anforderungen an eine integrierte und vernetzte Anwendung der industriellen Datenanalyse in dynamischen Wertschöpfungsnetzwerken wird den weiteren Verlauf der IDS-Forschung prägen.
