„CESSAR“: Configuration and Evaluation of Service Systems in Air-Catering with RFID. Betriebswirtschaftliche Konfiguration, Demonstration, exemplarischer Workflow

 Kölner Arbeitspapiere zur Wirtschaftswissenschaft, 1/2011 Schmalenbach Institut für Wirtschaftswissenschaften „CESSAR“: Configuration and Evaluation of Service Systems in Air-Catering with RFID Betriebswirtschaftliche Konfiguration, Demonstration, exemplarischer Workflow Rolf Franken, Udo Inden    Rolf Franken, Udo Inden „CESSAR“: Configuration and Evaluation of Service Systems in Air-Catering with RFID Betriebswirtschaftliche Konfiguration, Demonstration, exemplarischer Workflow Dieses Werk resp. dessen Inhalt ist unter der folgenden Creative-Commons-Lizenz lizensiert: Namensnennung, nicht kommerziell, keine Bearbeitung (cc-by-nc-nd de). Köln, 2011 ISSN (Print) 2192-7936 ISSN (Internet) 2192-7944 Herausgeber / Editorship Schmalenbach Institut für Wirtschaftswissenschaften / Schmalenbach School of Business and Economics Fakultät für Wirtschaftsund Rechtswissenschaften / Faculty of Business, Economics and Law Fachhochschule Köln / Cologne University of Applied Sciences Gustav Heinemann-Ufer 54, D-50968 Köln Web http://www.f04.fh-koeln.de Kontakt Autor / Contact Author Prof. Dr. Rolf Franken Schmalenbach Institut für Wirtschaftswissenschaften / Schmalenbach School of Business and Economics Fakultät für Wirtschaftswissenschaften / Faculty of Economics and Business Administration Fachhochschule Köln / Cologne University of Applied Sciences Gustav Heinemann-Ufer 54, D-50968 Köln E-mail [email protected] Kontakt Schriftleitung / Contact Editor Prof. Dr. Frank Gogoll Schmalenbach Institut für Wirtschaftswissenschaften / Schmalenbach School of Business and Economics Fakultät für Wirtschaftsund Rechtswissenschaften / Faculty of Business, Economics and Law Fachhochschule Köln / Cologne University of Applied Sciences Gustav Heinemann-Ufer 54, D-50968 Köln Tel. +49 221 8275-3410 Fax +49 221 8275-3131 E-mail [email protected] „CESSAR“: Configuration and Evaluation of Service Systems in Air-Catering with RFID Betriebswirtschaftliche Konfiguration, Demonstration, exemplarischer Workflow Rolf Franken, Udo Inden Schmalenbach Institut für Wirtschaftswissenschaften, Fachhochschule Köln Gustav Heinemann-Ufer 54, D-50968 Köln Kölner Arbeitspapiere zur Wirtschaftswissenschaft Arbeitspapier 1/2011 Köln, 2011 ISSN (Print) 2192-7936 ISSN (Internet) 2192-7944 Schlussbericht Titel des Verbundvorhabens: „iC-RFID“ Aufbau & Demonstration eines unternehmensübergreifenden intelligenten RFID-gestützten Service Systems unter Einbeziehung der gesamten Prozesskette am Beispiel Luftfahrtcatering „CESSAR“ Configuration and Evaluation of Service Systems in Air-Catering with RFID Titel des Teilvorhabens: Betriebswirtschaftliche Konfiguration, Demonstration, exemplarischer Workflow Zuwendungsempfänger: Fachhochschule Köln Förderkennzeichen: MT06005 Autor/en: Prof. Dr. Dr. h.c. Rolf Franken Dipl.-Oec. Udo Inden (Projektleiter) Laufzeit des Vorhabens: 01.05.2007 bis 31.07.2010 Gefördert durch das Bundesministerium für Wirtschaft und Technologie (BMWi) 2 Inhaltsverzeichnis Inhaltsverzeichnis ................................................................................................................ 2 Abbildungsverzeichnis ........................................................................................................ 4 Tabellenverzeichnis ............................................................................................................. 5 1 Einleitung: Erkenntnisinteressen ................................................................................ 6 2 Projektstruktur .............................................................................................................. 8 3 Stand der Technik zur Projektbeginn ........................................................................ 11 4 Eingehende Darstellung der Entwicklungsergebnisse ............................................ 14 4.1 Technische Ergebnisse ........................................................................................ 14 4.1.1 Zur objektorientierten Modellierung (Ontologie und Szenarien) ................ 14 (1) Servicekonzepte .................................................................................. 15 (2) Flotte (Flugzeugtypen und Galleys) ..................................................... 15 (3) Verkehrsnetz und Flugplan .................................................................. 16 (4) Flughafenvorfeld ................................................................................. 16 (5) Lokaler Cateringbetrieb ....................................................................... 16 (6) Mobiles Flughafenequipment .............................................................. 16 4.1.2 Beschreibung von Planungsund Steuerungsprozessen auf Objektebene ............................................................................................. 17 (1) Ontologie – Zum Komplexitätsanspruch der Modellierung ................... 17 (2) Ablauf von Planungsund Steuerungsprozessen: Emergente Komplexität ......................................................................................... 18 (3) Zur Entwicklung optimaler Pläne in CESSAR ...................................... 19 (4) Zur „Intelligenz“ von CESSAR ............................................................. 20 (5) Erzeugung und Verarbeitung von (u. a. RFID-induzierten) Ereignissen ......................................................................................... 22 (6) Betriebswirtschaftliche Auswertungen in CESSAR .............................. 22 (7) Die Grenzen von CESSAR .................................................................. 23 3 4.1.3 Zum Agentenmodell ................................................................................. 24 (1) Ereignisagenten .................................................................................. 24 (2) Operationsagenten .............................................................................. 24 (3) Ressourcenagenten ............................................................................ 24 (4) Statusagenten ..................................................................................... 24 (5) Zur Rolle der Stati ............................................................................... 25 4.2 Zu den Ergebnissen der Begleitstudien ................................................................ 27 4.2.1 Zur nutzerund sachgerechten Modellierung des Gegenstandsbereiches ............................................................................. 28 4.2.2 Zum Einsatz von MAS im Real-Time-Management .................................. 30 4.2.3 Zum Einsatz von MAS in der taktischen Planung...................................... 32 4.2.4 Zum Einsatz von MAS in der strategischen Planung ................................ 33 4.2.5 Zur Verwendung von MAS für eine experimentelle Managementforschung ............................................................................. 33 4.2.6 Zum Management von Komplexität .......................................................... 34 4.2.7 Zum Beitrag von MAS zur intelligenten Organisation ................................ 35 (1) Real-Time-Unterstützung .................................................................... 36 (2) Taktisches Management ..................................................................... 36 (3) Kollaboratives und experimentelles Lernen ......................................... 36 4.3 Öffentlichkeitsarbeit ............................................................................................. 37 5 Nutzen und Verwertung .............................................................................................. 38 5.1 Amortisationspotenziale ....................................................................................... 38 (1) Amortisationspotenzial im Cateringbetrieb ...................................................... 39 (2) Amortisationspotenzial im Flughafenbetrieb ................................................... 39 (3) Amortisationspotenzial in implementierten industriellen Anwendungen .......... 40 5.2 Transferprogramm ............................................................................................... 41 Anhang ............................................................................................................................... 43 Literaturverzeichnis ........................................................................................................... 45 4 Abbildungsverzeichnis Abb. 1: Forschungsund Arbeitsinteresse ............................................................................ 6 Abb. 2: Architektur des zu untersuchenden Systems ............................................................ 7 Abb. 3: Inflight Catering, Material-, Arbeitsund Servicekreislauf ......................................... 9 Abb. 4: Skizze des Gesamtsystems (einschließlich Umlauf im Airline-Netzwerk) ................. 9 Abb. 5: iC-RFID-Demonstrator Mockup .............................................................................. 11 Abb. 6: Grafische Darstellung eines Ausschnitts aus einer Ontologie ................................. 18 Abb. 7: Kostenund relative Ressourcenauslastung (rechts für ein Szenario mit 6 Flügen).23 Abb. 8: Umläufe im Bodenund im Flugbetrieb .................................................................. 25 Abb. 9: Zusammenhang von Objekten, Diensten und Systemstati ..................................... 26 Abb. 10: Grafischer Ontologie-Editor, Anwendungsbeispiele ............................................... 29 Abb. 11: CESSAR Gantt-Diagramm für das Catering eines Fluges (Ausschnitt) .................. 31 5 Tabellenverzeichnis Tab. 1: Die Konsortialpartner und ihre Arbeitsschwerpunkte .............................................. 10 Tab. 2: Projektvergleich „interactive Tracking“ (1996) und iC-RFID (2007-2010) ................ 13 Tab. 3: Szenarien ............................................................................................................... 15 Tab. 4: Fragen und Antworten zur Leistung von CESSAR ................................................. 23 Tab. 5: Betriebsstati ........................................................................................................... 26 6 1 Einleitung: Erkenntnisinteressen Wie ist der zentrale Produktionsfaktor Wissen bzw. Intelligenz zu organisieren, um den Herausforderungen eines zunehmend global vernetzten und auch durch finanzwirtschaftliche, politisch-gesellschaftliche Einflüsse und nicht zuletzt durch rasante Fortschritte von I&KTechnologien zunehmend komplexeren und volatileren Wettbewerbs nachhaltig zu begegnen? 1 Gerade mit der Entwicklung des „Semantic Web“ und eines sich zum damaligen Zeitpunkt abzeichnenden „Social Semantic Web“ deuteten sich gravierende Änderungen an. Wettbewerb Intelligente Organisation Technologische Unterstützung Wissensbasierte Systeme Gegenstand von Begleitstudien Gegenstand der techologischen Entwicklung Abb. 1: Forschungsund Arbeitsinteresse Quelle: eigene Darstellung Auch wenn die praktische Umsetzung des Semantic Web bis heute deutlich hinter der Vision her hinkt 2 , folgt aus dem Zusammenspiel mit dem Social Web (auch mit Blick auf zukünftige, weiter unten aufgegriffene Entwicklungen) eine neue Dynamik, die einerseits geeignet ist, die angesprochenen Herausforderungen zu verschärfen, andererseits aber ein großes Potenzial neuer Antworten erschließt. „Fügt man die beiden Paradigmen zusammen, so ergeben sich zwei komplementäre Entwicklungspfade, die bei der Herausbildung des Social Semantic Web eine wichtige Rolle spielen: Einerseits ‚Semantically Enabled Social Software‘, also die funktionelle Erweiterung von Social Software zur strukturierten Anreicherung von Web 2.0 Content mit maschinenverabeitbaren Metadaten; andererseits das ‚Socially Enabled Semantic Web‘, die kollaborative Bereitstellung von großen strukturierten Datenbeständen zur Ermöglichung von Mashups und Rich Content-Applikationen.“ 3 – Aber was hat das mit RFID und Multiagentensystemen zu tun? Web 2.0 und Multiagentensysteme (MAS) sind komplementäre, auf semantischen Verfahren aufsetzende Technologien. Im Web 2.0 dienen Metadaten der Deklaration von Inhalten, die die zielgenauere Suche und Vernetzung von Inhalten unterstützen. Multiagentensysteme 1 Die Dotcom-Krise war zu Projektbeginn noch in guter Erinnerung, ebenso die politischen Auswirkungen von 9/11 oder die Verdreifachung des Ölpreises zwischen 2002 und 2007 sowie die Entwicklung des Web 2.0. 2 Eines von vielen Beispielen: Techlet (2010). 3 Blumauer/Pellegrini (2009), S. 8 [mit Verweis auf Originalquelle]. 13 Tab. 2: Projektvergleich „interactive Tracking“ (1996) und iC-RFID (2007-2010) Komponente „interactive Tracking“ 1996 „intelligent Catering mit RFID“ 2010 Thema Intelligente Logistiksteuerung im Ausnahmefall (sehr selten) Intelligente Logistiksteuerung im Regelfall (sehr häufig / ständig) Sensorik Barcode, Handscanner (Transponder hatten einschließlich notwendiger Stromversorgung noch Aktenkoffergröße) RFID, Handscanner und Gates, automatisiertes Lesen und Schreiben Vernetzung entlang der Prozessketten Begleitdiskette (zur Fracht), Untersucht: E-Mail-Attachment Middleware Qualitätssicherung Hilfen im Arbeitsablauf, Disziplin Weitgehend automatisiert Dokumentenaustausch Unverändert, Begleitpapiere, überwiegend manuelle Verarbeitung Papierlos, openTrans-Standard, elektronische Verarbeitung „Intelligenzquelle“ Erfahrung der Palettierer, Dispatcher Multiagentensystem und Dispatcher Art der Planungs- / Steuerungsintelligenz „Plan B“ auf Zuruf (1) ereignisgesteuert, kontinuierlich, (2) automatische Prüfung von „Plan B“ Tracking Verzögert Real-time Objektauflösung Palette, Sendung, Packstück Lager, Behälter, Objekt Zeitliche Auflösung Sehr gering (wenige Ereignisse) Extrem hoch (ideal: alle Ereignisse) Betriebswirtschaft keine Prozessbegleitende Real-Time-Zeitund Kostenrechnung (einschl. Penalties) Analyse Möglich, Datenbankauswertung Real-time und ex post Test Lokal in einem Luftfrachtlager Lokal in einem System-Mockup Quelle: eigene Darstellung Nach damaligen Recherchen wurde hier erstmals ein zumindest für geringe Fallzahlen funktionsfähiges durchgängiges System einer Sensor-basierten Logistiksteuerung entwickelt, die intelligent auf ungeplante Ereignisse reagiert. Für Volkswagen setzen Luftfrachtsendungen einen dringenden Bedarf voraus, der durch einen Seetransport nicht mehr erfüllt werden kann. Zweck des Konzeptes war, im Ausnahmefall den Zielort einer Sendung in der Luftfrachtkette zu ändern, um einen noch dringenderen Bedarf abzudecken. Das Konzept wurde auf mehreren internationalen Tagungen in Deutschland, anderen EU-Ländern und den USA vorgestellt, in denen das Thema „Multiagentensysteme“ zunehmend in den Fokus des Interesses rückte, das im iaT-Projekt noch keine Rolle gespielt hatte. Im Jahr 2000 haben wir im Rahmen des CargoLifter-Projektes 13 betriebswirtschaftliche Studien zur Entwicklung eines sensorgestützten Systems für das Festmachen und den Lastaustausch (Nutzlast / Ballast) unterstützt, mit dessen Hilfe die Bodenbetriebskosten gesenkt werden sollten. Für die Echtzeit-Steuerung von ca. einhundert Parametern wurde der Einsatz eines Multiagentensystems geprüft. Auf Wissensebene sollte dieses MAS auch der simulationsbasierten Optimierung technischer Verfahren dienen. Auch hier konnten damals keine geeigneten Referenzprojekte gefunden werden. Völlig unabhängig davon wurde 2010 von Kollegen am Institut für Nachrichtentechnik der FH Köln das Verbundprojekt „Positionierung von Objekten mit Hilfe von 13 Großprojekt zur Entwicklung eines Schwerlastluftschiffes und Luftschiffbetriebs (Start: 1995 / 2002 beendet wg. Insolvenz); s. auch Fußnote 23. 14 RFID-Technologie (PositOR)“ gestartet 14 . In diesem Projekt kommt allerdings kein MAS zum Einsatz. 4 Eingehende Darstellung der Entwicklungsergebnisse Als Real-Time-Planungsund -Steuerungssystem muss ein System wie CESSAR auf vielfältiger Ereignisse reagieren können, die z. B. über RFID oder von Legacy-Systemen wie der Flugverkehrskontrolle, dem Wetterdienst, einem ERP-System oder vom Nutzern direkt eingegeben werden. Neben der Interaktion mit dem Nutzer wurde in CESSAR im Rahmen des iC-RFID-Demonstrators zwar nur ein Anschluss für RFID-basierte Interaktionen mit der realen operativen Umgebung hergestellt. Die in Abschn. 4.1 dargestellten Funktionen einer intelligenten, ereignisund kontextsensitiven Planung und Real-Time-Steuerung sind aber auf Interaktionen mit anderen Sensorsystemen übertragbar. In Abschn. 4.2 werden die Ergebnisse begleitender Studien vorgestellt, deren Ziel das integrative Verständnis von intelligenten Unternehmensund Managementsystemen ist. 4.1 Technische Ergebnisse 4.1.1 Zur objektorientierten Modellierung (Ontologie und Szenarien) Die Entwicklung des Systems setzt auf einer .Net-basierten Plattform auf, die von Knowledge Genesis (Samara, Russland), einem Spin-off des Institute for Control of Complex Systems (ICCS) der Russischen Akademie der Wissenschaften (Samara, Russland), entwickelt wurde. 15 Alle Arbeiten wurden auf Standard-XP Systemen ausgeführt. Zur Entwicklung wurden zwei mit .Net und der MAS-Entwicklungsplattform vertraute Softwareentwickler beschäftigt, die im Rahmen des Lizenzvertrages bei Bedarf von Experten von Knowledge Genesis unterstützt wurden. Die Gesamtentwicklung nahm 80 Personenmonate in Anspruch. Tab. 3 gibt eine Idee von der Komplexität und Größe der von CESSAR verarbeiteten Szenarien. Das Demonstrator-Szenario ist an die Möglichkeiten eines Testaufbaus in einer Versuchshalle von Airbus Hamburg angepasst, bei dem die Funktionsprinzipien des gesamten iC-RFID-Systems vorgeführt wurden. Das Standardszenario wurde für „Lasttests“ und v. a. für Simulationsserien zur Einschätzung betriebswirtschaftlicher Effekte von iC-RFID-Installationen sowie z. B. bei Messeauftritten verwendet. 14 BMWF-Förderprogramm „FHProfUnt“, Start: Juli 2010, Verbundpartner: RWTH Aachen, Noretec GmbH, Köln, indurad GmbH, Aachen. Eine Anwendung ist die Positionierung von Förderbändern im Braunkohletagebau. 15 Die FH Köln arbeitet seit vielen Jahren mit ICCS und Knowledge Genesis zusammen. Mitarbeiter beider Organisationen waren zeitweise als Gastdozenten an der FH Köln tätig. Die Entwicklung der Plattform beruht in weiten Teilen auch auf Arbeiten von George Rzevski, Emeritus Professor für Design und Direktor des Complexity Laboratory der Open University Milton Keynes (GB) und ebenfalls zeitweise Gastdozent an der FH Köln, sowie beim ICCS Samara. George Rzevski ist Gründer mehrerer Unternehmen von MAS-basierten Lösungen, v. a. von Magenta Technologies, London (GB), einem führenden Anbieter in Europa. Die Softwareentwicklung von Magenta ist ebenfalls in Samara ansässig. 15 Tab. 3: Szenarien Demonstrator (Halle 51) Hauptsystem Standardszenario Flüge 2 73 (150-200 max.) Netzwerk / Flugzeugumläufe 1 Flughafen 27 Flughäfen / 23 Umläufe Flugzeuge / Flugzeugtypen 1 Flugzeug / Typen nicht konfigurierbar 25 Flugzeuge / 4 Typen beliebig konfigurierbar Cateringitems / Servicekonzepte / Ladelisten Ca. 20 Items / 6 iC-RFID 70.000 Items / 33 Servicekonzepte / ca. 150 Ladelisten Auf den „Heimatflughafen“ beschränkt: Caterer Bodenbetrieb / Produktionslinien 1 Betrieb / 2 Produktionslinien 1 Betrieb / 20 Produktionslinien Return Catering / Maintenance Teilweise / nein Ja / vorbereitet Vorfeldbetrieb Nein Ja, detaillierte Funktionen, maßstäbliche Darstellung Highloader 1 23 RFID-Funktion und Dokumentenüberwachung Ja, elektronisches Dokument Ja, beliebige Medien Emergency Delivery Rudimentär Systematisch Quelle: eigene Darstellung CESSAR erlaubt, komplexe, realitätsnahe „Cateringwelten“ (Szenarien) mit vielen Funktionen darzustellen, die einen großen Teil der relevanten Geschäftsprozesse in Air-Cateringsystemen in hoher, teilweise beliebiger Differenzierung abbilden. Für die u. U. sehr aufwändige Entwicklung der Szenarien stehen u. a. grafische Oberflächen und ein Wizard zur Verfügung, der die Einhaltung der Gestaltungslogik von Szenarien unterstützt. (1) Servicekonzepte Service-Konzepte (beliebige Items, Konzepte, Flugzuordnung) Registrationsliste für Catering Items, incl. Steuerungsparameter für Produktion und Servicetyp, Gruppierung von Items, Servicekonzepte parametrisiert für Flüge und Serviceklassen, Bibliothek (2) Flotte (Flugzeugtypen und Galleys) Flotten (beliebige Flugzeugtypen) Flugzeugmuster, Kabinenund Galley-Konfiguration, Standards frei definierbar (defaults: Atlas), Galley-Positionen für Behälter und Geräte, RFID-Funktion, Bibliothek Servicekonzepte definieren den Inhalt von Inflight Services, die eine Airline in Abhängigkeit von Serviceklassen (First, Business etc.), Routen (Lang-, Kurzstrecke etc.), Typ oder Kennung des Flugzeugs (z. B. Ausstattung der Galley) und Zeitenlage von Flügen (Vormittag, Mittag etc.) anbietet. Ausgangspunkt der Definition ist die Registrierung von Waren für Mahlzeiten, Bordverkauf etc. mit ihren Basisdaten (Preis, Packmasse für die Planung der Verladung in Cateringbehältern). Diese Waren werden Servicekonzepten zugeordnet und diese wiederum den Flügen der geplanten Netzumläufe. Das Verfahren wird weitgehend grafisch unterstützt. Flugzeuge werden (grafisch unterstützt) als Typ oder einzeln hinsichtlich Größe und Anzahl der Galleys (Single Aisle, Dual Aisle, mit ein oder zwei Ebenen) sowie ihrer Reichweite (Long- / Medium- / Short-Range) definiert. Die Galleys werden individuell mit Staufächern, Geräteausstattung sowie Maßstandards für Cateringsysteme beschrieben. 16 (3) Verkehrsnetz und Flugplan Globale Netzwerke (beliebige Flugzeugrotationen) Verkehrsorte (mit rudimentären lokalen Prozessen), Routen (Verkehrsrechte), Flüge mit Planungsparametern, Flugzeugund Materialumläufe (kont und interkont), Hauptflughafen mit vollständigen Prozessen, Bibliothek Die folgenden Funktionen stehen nur auf dem „Heimatflughafen“ der Flotte zur Verfügung. Auf den übrigen Flughäfen im Netzwerk werden bei einund ausgehenden Flügen nur fundamentale Funktionen automatisch simuliert, um den Umlauf sicher zu stellen. (4) Flughafenvorfeld Vorfeld –beliebige Infrastruktur Cateringund Gepäcktransportdienst (beide ausund eingehend), Flugzeugabfertigungspositionen, Arbeitspositionen am Flugzeug pro Dienst, Vorfeldstraßen (maßstabgetreu), Sicherheitseinrichtungen (5) Lokaler Cateringbetrieb Catering-Betrieb –beliebige Produktionsstruktur Umlauflager, Arbeitsstationen für Trays / Warm Components / Bar / Sales / Sonstiges, Zwischenlager pro Ausgangsflug, Clean- / Dirty Gates, Arbeitsstationen für Rückführung von Umlaufequipment (Behälter, MGS-Geräte) (6) Mobiles Flughafenequipment Mobile Ressourcen für Betriebsprozesse: internes Transportgerät, für Vorfeldprozesse: Catering-Highloader, Gepäckzüge, Gepäck-Highloader, Gepäck-Förderbänder (Geräte + Personal**) Flugzeuge und mit ihnen ein großer Teil des Cateringequipments rotieren in den Verkehrsnetzen der Airlines. Es können beliebig viele Flughäfen positioniert und Routen (Verkehrsrechte) eingerichtet sowie Flüge den Routen zugeordnet werden. Flugpläne können im Excel-Format importiert werden. Der Standardflugplan wurde aus realen Flugplänen von Airlines entwickelt. Der „Heimatflughafen“ (Default = Köln-Bonn) wurde maßstabsgetreu (Basis: Bitmap) mit Gates, Straßen, Flugzeugabfertigungspositionen, Standort des Cateringbetriebes oder von Parkpositionen für Vorfeldgerät (primär Highloader) abgebildet. Neben dem Cateringdienst wurde ein vereinfachter Vorfelddienst für Gepäck eingerichtet und Abfertigungspositionen mit entsprechenden Arbeitspositionen ausgestattet. Der Cateringbetrieb kann mit beliebig konfigurierbaren Kommissionierstraßen für Service Trays, Getränke, Verkaufsware, Warmmomponenten usw. ausgestattet werden. Hinzu kommen Zwischenlager sowie Gates für die Verladung auf die Highloader. Weitere Produktionsstraßen schließen den „Bodenumlauf“ des nach dem Ladungsaustausch am Flugzeug zurückgeführten Equipments. Die Zahl der Cateringbehälter, der Transportgeräte im Cateringbetrieb sowie Vorfeldfahrzeuge (Catering-Highloader, Gepäck-Highloader, Förderbänder etc.) wird über ein eigenes Menü definiert. Das Cateringequipment wird nach Servicestandards unterschieden. Das erforderliche Bedienungspersonal (Fahrer, Lader etc.) wird nicht separat geplant (s. Abschn. 4.1.2 (5)). 17 4.1.2 Beschreibung von Planungsund Steuerungsprozessen auf Objektebene Die Kette von Diensten, die den Geschäftsprozess bilden, ist implizit in den Eigenschaften der Objekte und Relationen zwischen Objekten enthalten. Ein Vorfeldfahrzeug (CateringHighloader, kurz: C-Truck) muss Relationen unterstützen zu „Clean-Gates“ (Verladerampen für Güter für den Ausgangsflug), „Dirty-Gates“ (Verladerampen für Güter aus angekommenen Flügen), zu Behältern und einzelnen Waren, zu Parkpositionen von Flugzeugen, die eingehende Flüge durchgeführt haben und ausgehende durchführen sollen, zum Flugzeug, zur Tür zur Galley usw. Der Flugplan triggert den Geschäftsprozess zur Bereitstellung von containerisierten Waren zur Beladung eines spezifischen Flugzeugs (und der ggf. für Serviceklassen spezifizierten Galleys dieses Flugzeugs), das einen ausgehenden Flug durchführen soll (und i. d. R. verknüpft mit der Zug um Zug erfolgenden Entladung der „gebrauchten“ Behälter und Waren aus dem Eingangsflug dieses Flugzeugs). Die notwendige Reihenfolge (erst kommissionieren, dann transportieren und ent-/beladen etc.) wird durch die Abhängigkeiten der Stati 16 der Objekte erzeugt, die rekursiv erklärt werden kann (s. u.). Bevor eine Galley beladen werden kann muss der C-Highloader an der Tür der richtigen Galley angedockt haben (z. B. Front-Galley für Businessclass), davor an der Parkposition angekommen und zu dieser Position gefahren sein, u. U. Kontrollen (Security-Gates) passiert haben, mit der Fracht für den Ausgangsflug beladen worden sein und im Status „entladen und sauber“ ein (definiertes) Clean-Gate des Betriebes angefahren haben etc. Eine entsprechende rekursive Kette kann für die Bereitstellung der Güter zur Beladung eines Highloaders definiert werden. (1) Ontologie – Zum Komplexitätsanspruch der Modellierung Die in Abschn. 4.1.1 beschriebene Oberfläche ist ein grafisches Abbild der Ontologie, dessen Objekte der Nutzer mehr oder weniger manipulieren kann, um „seine Welt“ – so wie er sie versteht und in ihr handelt – zu beschreiben. Die zu Grunde liegende Ontologie umfasst also Prozesse, Objekte, Ziele und Leistungen des Gegenstandsbereiches. An dieser Stelle kann leicht erklärt werden, wie die Anforderungen aus Abschn. 1 erfüllt werden:  Unabhängigkeit der Modellierung von der Komplexität des Gegenstandsbereiches,  Erzeugen der tatsächlichen Komplexität aus dem Informationsverarbeitungsprozess. Das in der Ontologie abgelegte Modell muss die reale Welt „isomorph“ beschreiben bzw. umgekehrt: jeder Abbildungsfehler führt zu Fehlentscheidungen des MAS – und zwar genau so, wie ein falsches Verständnis der Situation eines menschlichen Entscheiders zu falschen Entscheidungen führt! Aus diesem Grund kann ein ontologiebasiertes MAS auch als Instrument zum experimentellen Lernen verwendet werden – der wichtigsten Schnittstelle zur „intelligenten Organisation“ (s. Abschn. 4.2 und Fußnote 20). Abb. 6 zeigt einen stark vereinfachten Ausschnitt der Ontologie am Beispiel Personen und Vehikel. Die Relation „is a“ kennzeichnet eine Vererbungsbeziehung bei Eigenschaften einer 16 Mehr Details in Abschn. 4.1.3 / Agentenmodell / Operations. Schritte im Geschäftsprozess sind in CESSAR auf der Ebene der Agenten definiert und können vom Nutzer nicht geändert werden – u. a., weil es zur Kette „erst Einladen dann Ausladen“ keine Alternative gibt. 18 übergeordneten, abstrakteren Objektklasse, der weitere Eigenschaften hinzugefügt werden (und ggf. verallgemeinerten Relationen weitere spezifischere). Die Relation „needs“ ist eine operative Beziehung, d. h. ein Truck „braucht“ einen Fahrer bzw. genauer ein C-Truck einen C-Fahrer (und vice versa), um einen Dienst (beladen, transportieren etc.) ausführen zu können. Die Objekte sind Nachfrager und/oder Anbieter von Diensten. Aus der Ontologie leitet sich das „Demand-Resource-Netzwerk“ ab, das den Geschäftsprozess trägt. „Stati“ sind für Dienste relevante Werte einer Objekteigenschaft. Ein Status ist ein Wert einer Eigenschaft, die im Geschäftsprozess relevant ist – z.B. für das Objekt = Catering-Highloader •Hygiene-Status = sauber / verschmutzt •Beladungs-Status = voll / leer •Betriebs-Status = beschäftigt / frei •Temperatur-Status = 32° C •… Vehíkel Fahrer Person Catering-Fahrer Gepäck-Fahrer ist ist ist CateringHighloader GepäckHighloader Lastkraftwagen Flugzeug braucht braucht braucht braucht ist ist istist Lader Dispatcher Catering-Lader Gepäck-Lader ist ist ist ist Abb. 6: Grafische Darstellung eines Ausschnitts aus einer Ontologie Quelle: eigene Darstellung Die Beschreibung dieses Demand-Resource-Netzwerkes ist aufwändig (s. Abschn. 4.1.1). Den Nutzern wir daher ein Wizard zur Verfügung gestellt, der u. a. die in CESSAR erforderliche logische Reihenfolge der Definitionen unterstützt. Diese Aufgabe ist aber nicht komplex: Es genügt das Wissen der Nutzer über alle Objekte. Die operative Komplexität entsteht erst durch die dynamische Interaktion der Agenten. (2) Ablauf von Planungsund Steuerungsprozessen: Emergente Komplexität Ein Multiagentensystem unterstellt, dass jedes Objekt Ziele hat und diese autonom (mit eigenen Entscheidungen) aktiv verfolgt. Insofern ist ein Plan „fertig“, wenn die Zielfunktionen aller Objekte erfüllt sind. Dieser Zustand wird durch Verhandlungen erreicht. Zur Vereinfachung der Darstellung sei dies am Beispiel eines Ereignisses erklärt, das einen schon vor- 19 handenen Plan stört. Die Entwicklung eines völlig neuen Plans („von Null“) erfolgt in genau der gleichen Weise, nur dass zum Beginn des Prozesses in diesem Fall alle Agenten „unzufrieden“ sind. „Störung“ oder „Problem“ bedeutet, dass mindestens ein Objekt (z. B. C-Truck 1) „unzufrieden“ ist; z. B. weil ein erwarteter, einkommender Flug 1 verspätet wurde (Ereignis) und die Zeit nicht mehr ausreicht, um die Kette „Ladungsaustausch, Rückfahrt und Entladung, Anfahren und Neubeladung etc.“ für den „kontrahierten“ nächsten Flug 2 rechtzeitig durchzuführen. Auf Grund dieses Problems löst der C-Truck den Vertrag mit Flug 1 und löst damit eine Welle neuer Verhandlungen aus, bis eine Lösung für das Problem gefunden wurde. Nur bereits in Ausführung befindliche Dienste können in CESSAR nicht mehr gekündigt werden. 17 In diesem Fall bedeutet das, dass C-Truck 1 auf den verspäteten Flug warten muss (es sei denn, der Nutzer „erlöst“ ihn durch manuellen Eingriff). Die Kalkulation der Folgen der Verspätung von Flug 2 beruht auf Planzeiten für die einzelnen noch auszuführenden Dienste, die als Eigenschaften von Objekten abgelegt sind (Kommissionierung eines Service Trays für Langstrecke Businessclass entspricht drei Minuten) oder aus Eigenschaften errechnet werden (Fahrtzeit entspricht Standardgeschwindigkeit und Strecke). Am Ende kann es aber sein, dass Truck 1 den Auftrag Flug 2 behält, weil sich während der Entwicklung des neuen Plans z. B. auch dieser Flug verspätet hat. Oder dass nur ein anderer C-Truck (und nicht alle 27 C-Trucks am Flughafen und weitere 64 Flüge) ihre Dienste neu planen mussten. 18 Wenn man sich die Vielfalt der Objekte sowie ihrer Eigenschaften und Beziehungen vor Augen führt, die mit der in Abschn. 4.1.1 entwickelten Cateringwelt verbunden ist, bekommt man eine Vorstellung von der Komplexität der Suchprozesse des Systems nach einer Lösung. Die Komplexität ist eine emergente Eigenschaft der Interaktion. Sie resultiert aus dem dynamischen Zusammenspiel der Agenten. Im Verhältnis zum Problem liefern „unterkomplexe“ (nicht hinreichend intelligente) Systeme keine brauchbaren Lösungen. Das MAS als „Maschine zur Lösung komplexer Probleme“ darf nicht weniger komplex sein als das Problem bzw. die reale Welt, für die es Lösungen finden soll. Multiagentensysteme geben dem Nutzer nur die Chance, den Umgang mit Komplexität zu erleichtern (s. Abschn. 4.1.2 (1)), aber nicht, sie los zu werden. (3) Zur Entwicklung optimaler Pläne in CESSAR Ist die Lösung aber auch „optimal“, die ehrliche Antwort lautet: „Keine Ahnung“. Allerdings schneidet ein MAS damit in der Praxis nicht schlechter ab, als ein Algorithmus, der überprüfbar und wiederholbar „optimale“ Parameterwerte liefert, die aber nicht besser und langlebiger sein können, als die Annahmen, die in die Berechnung eingeflossen sind; und z. B. die Statistiken, auf denen die Annahmen beruhen. Technisch gesehen ist die Chance eines MAS nicht schlecht, eine gleichwertige „optimale“ Lösung zu finden. Das MAS liegt weit vorn, wenn die Zahl der zu berücksichtigenden Objekte, Eigenschaften und Relationen (die sog. 17 Das ist eine – prinzipiell behebbare – Vereinfachung bei CESSAR, die zu Nachteilen führen kann. 18 Dahinter kann auch eine – in CESSAR nicht implementierte – Eskalationsstrategie stehen, Probleme „so lokal wie möglich und so global wie nötig“ zu lösen. 20 „Objektgranularität“) und die Zahl ungeplanter Ereignisse (Störungen, die sog. „Zeitgranularität“) zunimmt, also echte Komplexität vorliegt 19 : Einerseits wird der Nutzer bei der Modellierung entlastet, andererseits der Computer bei der Ermittlung der Lösung, da er nicht nach einer optimalen, sondern „nur“ nach einer „möglichen und zulässigen“ Lösung suchen muss. Eine mögliche Lösung ist durchführbar, aber nicht notwendigerweise optimal. Eine zulässige Lösung hält zunächst alle Regeln ein (z. B. dass kein Gepäcklader einen Gepäck-Highloader fährt – es sei denn, dass eine Ausnahmeregelung greift (s. Abb. 6)). Darüber hinaus kann es aber auch bedeuten, dass Wirtschaftlichkeitsregeln eingehalten werden. Die Verfallzeit eines „Optimums“ wird von der dynamischen Komplexität der operativen Umgebung determiniert: je höher die Frequenz ungeplanter Ereignisse, desto kürzer die Lebensdauer eines Optimums. Wenn – theoretisch oder praktisch – die Lebenszeit eines Optimums kürzer wird als die Rechenzeit, ist das Konzept irrelevant und sollte durch ein dynamischeres Konzept ersetzt werden: den „Schwellenwert“ (engl. Threshold), der im Betrieb nicht über- (Kosten) oder unterschritten (Qualität) werden sollte, es sei denn, der Nutzer akzeptiert die Abweichung. 20 Die Grundlage beruht auf der kontinuierlichen Erfassung der Performance-Parameter auf Basis der Ist- (ausgeführter Teil des Planes) und Plandaten (noch nicht ausgeführter Teil). Ein solches Schwellenwertkonzept war für CESSAR geplant, konnte aber im Rahmen des Projektes nicht mehr realisiert werden. Stattdessen bietet CESSAR eine Lösung, die bei noch relativ geringen, aber für konventionelle Systeme schon herausfordernden Störfrequenzen anwendbar ist: das MAS sucht auch bei einem schon „fertigen“ Plan, bei dem also alle Agenten „zufrieden“ sind, weiter. D. h. „wenn das System Zeit hat“, verwendet es diese auf die Verbesserung des noch in der Zukunft liegenden, also noch nicht ausgeführten Plans. Der „alte“ Plan bleibt gültig, bis ein besserer gefunden wurde. (4) Zur „Intelligenz“ von CESSAR „I define intelligence as the capability of a system to achieve a goal or sustain desired behaviour under conditions of uncertainty.“ 21 CESSAR ist „intelligent“, weil es auf ungeplante Ereignisse mit einem machbaren und zulässigen neuen Plan reagiert und über zumindest ein Verfahren verfügt, um nach Verbesserungen einer schon gefundenen Lösung zu suchen. So stößt jedes ungeplante Ereignis den Prozess neu an – wobei „Ereignis“ auch bedeuten kann, dass „nichts passiert“, das System also Zeit hat, um nach einer besseren als der bisherigen Lösung zu suchen (s. o.). Diese Fähigkeit von CESSAR ähnelt der „Improvisationsintelli19 Der Lösungsraum wird „NP-vollständig“. Dieses Attribut definiert Probleme, bei denen eine bekannte Lösung zwar u. U. einfach verifiziert werde kann, für die aber keine effiziente Lösungsmethode bekannt ist und daher keine Rechenzeit für konventionelle Algorithmen prognostiziert werden kann. Die Rechenkapazität wird von zwei Seiten angegriffen: Einerseits von mehr Details (viele Objekte, Eigenschaften, Relationen), die eine Rolle spielen, und andererseits von mehr Störereignissen, weil selbst die „kleinsten“ Details im dynamischen Interaktionsprozess zur Ursache und/oder zum „Opfer“ einer Störung (auch einer katastrophalen (Butterfly Effekt)) werden können. Die Welt wird „unkalkulierbar“. 20 Schwellenwerte können durch Simulation (relativ junger) Vergangenheitsdaten ermittelt werden. 21 Rzevski (1995), s. auch Fußnote 15. 21 genz“ erfahrener menschlicher Agenten, die „immer einen Ausweg finden“ bzw. „es trotzdem schaffen“. Nur dass CESSAR die Erfahrung und das „Bauchgefühl“ des Menschen durch schlichte Rechenleistung und eine effektive Suchstrategie ersetzt, die z. B. als „Schwarmintelligenz“ von der Natur abgeschaut wurde. Neben der „kontinuierlichen Planung“ wurde eine zweite Variante intelligenten Verhaltens implementiert: die Fähigkeit, „B-Pläne“ (konditionierte Eventualpläne) auf ihre Anwendbarkeit in einer konkreten operativen Situation zu prüfen und einen zulässigen Plan ggf. anzuwenden. Ein Beispiel: die Verspätung von Flug 1 (s. Abschn. 4.1.2 (2)) ereignet sich z. B. in einer Peak-Zeit des Flughafenbetriebs und alle Dienste operieren am Rande ihrer Kapazitätsgrenzen. In diesem Fall sind Folgeverspätungen wahrscheinlich, u. a. die von Flug 2. D. h. es kann eine sinnvolle Strategie sein, auf die Verspätung von Flug 1 nicht mit der Auflösung des Vertrages mit Flug 2 zu reagieren. In der Betriebswirtschaft entspricht dies der Entscheidungsoption „Wait and Learn“ (oder „Postpone“). Die B-Planung geht jedoch darüber hinaus und realisiert die Option „Wait and prepare“. CESSAR kennt zwei B-Pläne, von denen der erste operativ ist. In beiden Fällen arbeitet es als Entscheidungsunterstützungssystem für die zuständigen Dispatcher. Die von einem aktiven B-Plan erzeugten Ereignisse triggern dabei auch die kontinuierliche Planung. Beispiel 1 ist einfach und nur begrenzt realistisch, aber auch schon mit heute verfügbaren Systemen nicht zu beherrschen. Es kommt vor, dass ein Highloader die Ladung für zwei Flüge transportiert, deren geplante Starttermine eine gewisse Zeit auseinander liegen. Bei der Beladung des ersten Flugzeugs meldet das RFID-System einen Fehlbestand von z. B. fünf Flaschen Wein. CESSAR prüft, ob diese Flaschen (1) in der Ladung des zweiten Fluges vorhanden sind und (2) ob der Austausch wirtschaftlich ist. Wenn bei Flug 1 keine Strafzahlungen für die fehlende Ladung anfallen, wird das System den Austausch vermeiden. Der Flug startet ohne den Wein. Anderenfalls werden die Folgen für Flug 2 geprüft. Entstehen dort keine Zusatzkosten, wird der Austausch vorgenommen. Ist Flug 2 auch „strafbewehrt“, werden die Strafen und die ggf. auf Grund des Austauschs entstehenden Kosten für die dann zu veranlassende Nachlieferung für Flug 2 ermittelt. Sollten die Kosten für den Fehlbestand in Flug 1 größer sein als die Gesamtkosten für Flug 2, wird ausgetauscht. Beispiel 2 ist nicht operativ, da dafür zumindest ein weiterer Dienst in CESSAR implementiert werden muss. Ausgangspunkt ist, dass zwei Highloader an der Parkposition eines zunehmend verspäteten Eingangsfluges warten und dass zu diesem Zeitpunkt keine freien Highloader mehr verfügbar sind. Es besteht die Gefahr, dass für einen späteren Flug Kapazität fehlt. Daher wird mit den Airlines bzw. den Ramp-Agents von zwei folgenden Flügen die Absprache getroffen, diese mit jeweils nur einem Highloader anzufahren (ausreichende Ladekapazität sei gegeben). Da beim Einsatz von nur einem Highloader Zeit verloren geht (er muss z. B. von der Arbeitsposition an der vorderen zur Position an der hinteren Galley repositionieren), wird mit dem Passagiergate abgestimmt, dass die Beladung der zweiten Galley noch während des Einstiegs der Passagiere fortgesetzt wird. Bei einer Terminalposition sollte das möglich sein, da die Passagiere durch die Gangway vorne einsteigen. Bei Vorfeldpositionen steigen aber auch Passagiere durch die hintere Galley ein, in der der Caterer noch 22 arbeitet. In diesem Beispiel geht es um Kosten und die Prozessqualität von Diensten, die sich präzise abstimmen müssen. Fortgeschrittene Systeme (nicht CESSAR) können die Kritizität der Situation einschätzen und die für die Vorbereitung der Durchführung eines B-Plans benötigte Zeit erarbeiten. (5) Erzeugung und Verarbeitung von (u. a. RFID-induzierten) Ereignissen Abhängig vom Betriebsmodus „Planer“ oder „Real-Time-Management“ können Ereignisse in verschiedener Weise induziert werden:  im Planungsmodus manuell oder über einen Zufallsgenerator,  im Real-Time-Modus über Sensordaten, im gegebenen Fall mit RFID-Daten. RFID-Daten verarbeitet CESSAR aber nur im Rahmen von Szenarien, die speziell für den iC-RFID-Demonstrator definiert wurden. Das System muss z. B. an die gesamte relevante Peripherie angepasst werden und auch die übermittelten Codes verstehen. Umgekehrt muss die Peripherie die Antworten des MAS verarbeiten können. Diese Abstimmungen haben im Projekt mehre Monate in Anspruch genommen. Im Demonstrator arbeitet CESSAR als „intelligente Middleware“, die RFID-Ereignisse (einschließlich des Nichteintritts erwarteter Ereignisse) nicht nur an ihre Abonnenten verteilt, sondern in eine korrigierte Planung übersetzt. (6) Betriebswirtschaftliche Auswertungen in CESSAR Während eines Simulationsoder Steuerungsprozesses kennt das MAS die Dauer aller Ressourceneinsätze für jeden Auftrag (z. B. Flugnummer) und ebenso das Arbeitsergebnis. Aus der Zeitrechnung kann mit Hilfe der in den Eigenschaften der Ressourcen eingetragenen Standardkostensätze eine auftragsbezogene Berechnung der Prozesskosten durchgeführt und nach Maßgabe der in der jeweiligen Planrechnung unterstellten maximalen Verfügbarkeit eine relative Auslastung der Ressourcen im laufenden Betrieb realisiert werden. Auf Grund der Servicelevels können Fehler identifiziert und mit Strafzahlungen (Penalties) belegt werden. Die Auswertungstabellen können in Excel-Formaten z. B. für Controllingzwecke exportiert werden (s. Abb. 7). Da das System über keine Warenwirtschaft verfügt (Annahme: alle Waren sind immer für den Kommissionierprozess verfügbar), gibt es keine Lagerhaltung und keine Berechnung von Lagerkosten oder -kapitalbindung. Ebenso ist keine Personalwirtschaftskomponente implementiert, so dass Geräte und Bedienungspersonal (Highloader, Fahrer, Lader) immer als Einheit geplant werden. Die Kostensätze umfassen demnach immer die gesamte „arbeitsfähige Einheit“. Die Einführung von Penalties ist ein „Trick“, um Servicefehler als Kostengröße zu formulieren und damit unmittelbar rechenbar zu machen. 29 Problem resultiert auch ein weiteres, die Wiederverwendbarkeit der Inhalte der Ontologie betreffendes Problem. Abb. 10: Grafischer Ontologie-Editor, Anwendungsbeispiele Quelle: eigene Darstellung CESSAR (wie allerdings alle uns bekannten Systeme) unterstützt nur die automatische Übersetzung relativ oberflächlicher Modifikationen der Ontologie in die Prozessebene der Softwareagenten. Hierzu müssen sowohl der Abstraktionsgrad der Ontologien auf Objektebene als auch die Architektur des Agentenmodells deutlich vorangetrieben werden. Dieses Thema wird in späteren Projekten weiter verfolgt werden. Eine weitere offene Frage ist die Übertragbarkeit und Wiederverwendbarkeit einmal entwickelter Ontologieinhalte. Auch sie können nur in weiteren Projekten überprüft und demonstriert werden. Eine generelle generische Modellentwicklung ist nur mit einem erheblichen konzeptionellen Aufwand und evtl. auch neuen Programmierungsstrategien und Architekturen umzusetzen. Die Entwicklung eines MAS, wie es am Beispiel CESSAR erfolgreich demonstriert wurde, ist inhaltlich ein Unikat und muss es immer sein. Die praktische Leistungsfähigkeit des Systems basiert ganz wesentlich auf seiner Isomorphie zum realen Problem; dabei sind die funktionalen Anforderungen – wie sich ebenfalls gezeigt hat – aber von Problem zu Problem sehr ähnlich. Voruntersuchungen im Bereich der Dienstleistungsproduktion haben diese Ähnlichkeit bestätigt. Die entwickelten Geschäftsmodelle zeigen, dass die Wirtschaft der Zukunft, insbesondere der Dienstleistungssektor mit seinen hohen Anforderungen an ein flexibles Produktdesign, wesentlich vom Einsatz ähnlicher Unterstützungstechnologie abhängig sein wird. Während der Projektlaufzeit wurden auf der theoretischen Ebene mehrere Studien zur Übertragbarkeit der Designund Planungslogik von CESSAR angestellt. Beispiele dazu waren z. B. die Idee eines mobilen, individuellen Terminund Reiseplaners mit Anbindung von unterstützenden Dienstleistungen (Projektgruppe „Adaptive Mobilitäts-Systeme“ (AMS)), die Organisation von ambulanten Pflegeund haushaltsnahen Dienstleistungen, die Gestaltung von Unternehmensnetzwerken zur Produktion komplexer, hybrider Produkte, (Projektgruppe „INtelligente Kooperationen Lokaler, Umfassender Services zur Individuellen Versorgung Pflegebedürftiger Menschen – Prävention inklusive“ (INKLUSIV/P)) oder das Management 30 von medizinischen Notfalldiensten. Bei allen Beispielen konnte aufgezeigt werden, dass mit der gleichen logischen Grundstruktur und dem Einsatz von Produktionsplanungsund Steuerungssystemen vom Typ CESSAR für interessante Geschäftsmodelle sowohl Theorie als auch Praxis formuliert werden können. Die Beispiele wurden auf wissenschaftlichen Tagungen vorgestellt und in Zusammenarbeit mit Unternehmen entwickelt. Die Umsetzung der Beispiele wird angestrebt und soll insbesondere Erkenntnisse darüber liefern, wie weit die formalen MAS-Strukturen generalisiert und in eine generische Entwicklungsumgebung integriert werden können. Eine erfolgreiche Weiterarbeit würde es ermöglichen, die Systementwicklung von der Informatikseite weg hin zu einem stärker betriebswirtschaftlichen Problem zu machen. Domänenexperten im Allgemeinen und Studierende der Betriebswirtschaftslehre im Besonderen sollten in der Lage sein, Probleme soweit formal zu beschreiben, dass sie für die Spezifikation eines MAS ausreichen. 4.2.2 Zum Einsatz von MAS im Real-Time-Management Aufbauend auf dem ontologiebasierten Modell und dem Einsatz der neuen Sensorund Kommunikationstechnologien kann auf virtueller Ebene ein operatives Managementsystem gestaltet werden, welches die hochauflösende, technisch aufgenommene Information ebenso wie Eingaben von Nutzern permanent verarbeitet und zur Handlungssteuerung umsetzt. Die Notwendigkeit, ein betriebswirtschaftlich-technisches System mit einer hohen, evtl. noch wachsenden Detailund Ereignisauflösung zu steuern, resultiert aus dem als „Objekt-ZeitGranularität“ diskutierten Phänomen. 24 Systeme dieser Art stellen eine neue Qualität für das betriebliche Management dar. Ihr Einsatz im Zusammenspiel mit menschlichen Handlungseinheiten ist noch weitgehend unerforscht. Einerseits steigern MAS-basierte Systeme die Reaktionsgeschwindigkeit und Flexibilität der Unternehmen. Andererseits stellt sich die Frage, wie weit Manager oder ausführende Arbeitsebenen diese Flexibilität mittragen werden. Im Folgenden werden zunächst die Eigenschaften des technischen Systems charakterisiert. Das operative Management trifft – aufbauend auf vorhandenen Systemen – konkrete Entscheidungen darüber, was wann von wem wie getan werden soll; d. h.  es bestimmt die konkreten Handlungsziele des Systems (die gewünschte Leistung)  und legt fest, welche Handlungseinheiten des Systems unter Einsatz von welchen Hilfsmitteln und Einsatzfaktoren welche Handlungen ausführen sollen. Auftragsbezogen oder auf der Grundlage der eigenen Zielsetzung legt das Unternehmen den gewünschten Leistungsumfang für einen Planzeitraum fest. Aus ihm wird ein Ausgangsplan für das Handeln aller Einheiten bestimmt. Dieser operative Plan kann in Form eines GanttDiagramms visualisiert werden. Das Gantt-Diagramm des gesamten operativen (bei CESSAR: des Catering-) Systems umfasst alle Aktivitäten, die in der geplanten Zeit erfolgen sollen (s. Abb. 11). Das virtuelle Sys24 S. Abschn. 4.1.2 (3) und Fußnote 4. 31 tem geht davon aus, dass dieser Plan im angegebenen Zeitablauf realisiert wird. Treten nicht geplante Ereignisse ein, muss das System reagieren. Dabei verhalten sich herkömmliche Managementsysteme in der virtuellen Welt anders als in der Welt des realen Handelns. Abb. 11: CESSAR Gantt-Diagramm für das Catering eines Fluges (Ausschnitt) Quelle: eigene Darstellung Die Planungsprozesse der klassischen Planungsund Steuerungssysteme (ERP) erfordern auf Grund ihrer Inflexibilität und der Komplexität der Szenarien häufig mehr Zeit bis zur Realisierung als dem ungeplanten Ereignis zur Verfügung steht. In der Realität initiieren dagegen z. B. die Dispatcher Sonderaktivitäten, die in keinem klassischen System abgebildet werden können. Sie ordnen Überstunden an, motivieren zu schnellerer Arbeit, greifen auf schon anders verplante Ressourcen zurück usw. Durch diese Sonderaktivitäten soll das angestrebte Ziel doch noch realisiert werden. 25 Diese Vorgehensweise bestimmt einen wesentlichen Teil der Handlungsintelligenz eines Unternehmens 26 und sollte zukünftig in die Gestaltung der Unterstützungssysteme einbezogen werden. 25 S. Abschn. 4.1.2 (4) zur Intelligenz eines MAS. 26 In der Praxis werden diese Maßnahmen in unterschiedlichem Umfang schon immer durchgeführt, sie sind jedoch nicht in die unterstützende Datenverarbeitung integriert und können daher nur gegen die klassischen Systeme und nicht in Kooperation mit ihnen eingesetzt werden. Entsprechende Beispiele kennen wir aus der Flugplanung von Airlines. 32 CESSAR versucht einerseits beide Reaktionsformen an die kontextuellen Bedingungen durch eine permanente Neuplanung, die von Ereignissen oder von der Suche nach „Verbesserungen“ getriggert wird, anzupassen. Andererseits kann das MAS sekundäre Pläne zur Sicherung des Primärplanes generieren, die auf Sonderaktivitäten oder Veränderungen von Constraints (Menge der verfügbaren Ressourcen, Arbeitszeiten etc.) basieren. 4.2.3 Zum Einsatz von MAS in der taktischen Planung Die taktische betriebswirtschaftliche Planung befasst sich bei einer gegebenen operativen Strategie mit der Bemessung und Bereitstellung von Ressourcen für den ausführenden Betrieb. Der Zusammenhang kann anhand eines auf den ersten Blick einfachen Beispiels 27 aus der Lackiererei eines großen Industrieunternehmens erläutert werden: Das Controlling macht die Vorgabe, die Produktivität in der nächsten Planungsperiode um weitere drei Prozent zu steigern. Wegen der hohen Kapitalintensität der Anlage übersetzt sich diese Forderung unmittelbar in die Forderung nach einer weiteren Reduzierung des Personals, der die Leitung der Lackiererei nicht zustimmen will und kann. Vorausgehende Einsparungsmaßnahmen haben die „Personaldecke schon so weit reduziert, dass es knirscht“, d. h. dass es dem Betrieb schon sehr schwer fällt, den alltäglichen Störpegel zu kompensieren (Absenzen, Materialund Lackierprobleme, Geräteausfälle, späte Auftragsänderungen, Sonderwünsche, Terminverschiebungen etc.). Der Konflikt zwischen Controlling und Betriebsleitung wird u. a. durch die unterschiedlichen Sicht- (Zuständigkeitskontexte) und Modellierungsweisen beider Seiten befeuert: während die Lackiererei-Seite mit einem tiefen, detaillierten Wissen über die tatsächliche operative dynamische Realität argumentiert (und daher auch Probleme hat, standardisierte Modelle vorzulegen), verwenden die Controller ein stark vereinfachtes, im Zweifel auf die Reichweite von Excel-Tabellen reduziertes, statisches und bestenfalls mit Statistiken begründetes Modell, die ihrerseits ebenfalls auf Vereinfachungen beruhen und auf Strukturen, die seit mehreren Jahren nicht mehr überarbeitet wurden. In der Tat sind keine Controller-Modelle und keine ERP-Systeme bekannt, die ohne z. T. grober Vernachlässigung von Details der Realität funktionieren – geschweige denn in der Lage wären, dynamische Effekte zu berücksichtigen. Unter der Bedingung einer steigenden Komplexität kann es allerdings eine entscheidende taktische und sogar strategische Rolle spielen, ob sich z. B. die Performance von Teams oder die zwischen einer Tagund einer Nachtschicht unterscheidet oder dass ältere und erfahrenere Mitarbeiter, die für qualitätskritische Arbeiten dringend benötigt werden, u. U. häufiger erkranken. Mit einem MAS, das, wie gezeigt, eine detailreiche, genaue und auch dynamische Darstellung des Gegenstandsbereiches ermöglicht, weil es den Nutzer bei der Modellierung von der Komplexität des Gegenstandsbereiches „befreit“, kann man den Wissensvorteil und „praktischen Realismus“ der Betriebsleitung der Lackiererei modellieren; nicht zuletzt auch zum 27 Dieses Industriebeispiel wird seit 2010 untersucht, der Einsatz von MAS-basierten Simulationen ist geplant. 33 Vorteil der Controller, die ja auch gerne mit realitätsnäheren Modellen arbeiten würden – wenn ihre konventionellen Instrumente dies zuließen (s. Abschn. 4.1.2 (3)). Ein wichtiger Input für das Controlling resultiert daraus, dass im Simulationsmodus, aber auch im Planungsoder Real-Time-Steuerungsmodus des MAS, eine Zeitund Kostenrechnung mitläuft (s. Abschn. 4.1.2 (6)). Das System „weiß“ jederzeit, welche Ressource wann mit was (Dienst) und für was (Auftrag) beschäftigt ist und kann jederzeit die relative Auslastung, die direkten aktivitätsabhängigen Kosten und deren Inzidenz und auch andere Parameter (Qualität, umweltrelevante Faktoren etc.) planen, erfassen, steuern, auswerten und berichten. Darüber hinaus ist es sinnvoll, die entsprechenden Daten und die jeweils relevanten Umweltfaktoren (Erfahrungswissen) zu speichern und zu analysieren, um sie z. B. in der taktischen Planung u. a. zur Entwicklung von Ressourceneinsatzplänen oder zur Identifikation von Indikatoren für ergebniskritische Entwicklungen 28 zu nutzen. 4.2.4 Zum Einsatz von MAS in der strategischen Planung Der konstruktive Modellierungsprozess nach dem Motto „Beschreibe die Welt, wie Du sie siehst!“, wie er in Abschn. 4.2.1 dargestellt wurde, kann auch als Instrument eines strategischen Managements zur Gestaltung des Unternehmens herangezogen werden (ResourceBased View). Dieser Prozess fördert das Verständnis des Geschäftsmodells und unterstützt die Entwicklung eines klaren Systemverständnisses. CESSAR ermöglicht dies z. B. im Rahmen der vorgegebenen grafischen Oberflächen zur Systemkonstruktion. Ein strategischer Planer kann – beginnend beim Streckennetz und den Servicekonzepten bis hin zu den Cateringaktivitäten an einem Flughafen – seine Welt modellieren. Wird aber die Reichweite der vorgegebenen Instrumente überschritten, erfordert die Spezifikation neuer Objekte auch Programmieraufwand. 29 Wird dieser Aufwand aber geleistet, kann das System die neue Welt sofort simulieren und bei hinreichender Ausarbeitung auch planen und steuern. Für das strategische Management ergeben sich daraus neue Möglichkeiten zur Beurteilung des Geschäftssystems eines Unternehmens. Die analytischen Möglichkeiten beschränken sich dann nicht mehr allein auf eine hypothetische Investitionsrechnung. Vielmehr steht ein Systemmodell zur Verfügung, mit dem das dynamische Verhalten des Systems realitätsnah untersucht werden kann. Das schließt z. B. die Untersuchung der Reaktion in „kritischen“ Situationen ein, die Identifikation von Risikoquellen und -potenzialen, die Kostenentwicklung in Abhängigkeit von Szenarien (Sensitivitätsanalyse) u. v. a. m. Der Einsatz von MAS kann das strategische Management deutlich verbessern. 4.2.5 Zur Verwendung von MAS für eine experimentelle Managementforschung Ein weiteres Potenzial für den Einsatz von MAS ist die Managementforschung selbst. Betriebswirtschaftliche Forschung war bisher auf das Beschreiben der Welt von Gestern und 28 S. Abschnitt 4.1.2 (4): Anmerkung zur Analyse der Kritizität von Entwicklungen und zum simulativen Einsatz des MAS. 29 An der Entwicklung leistungsfähiger Ontologieund Agentenarchitekturen wird gearbeitet. 34 das Ausdenken von (normativen) Vorschlägen für eine bessere Praxis beschränkt. Eine experimentelle Forschung ist nur in sehr begrenztem Umfang – zumeist als Aktionsforschung – möglich gewesen. Der Einsatz ontologiebasierter Multiagentensysteme ermöglicht dagegen die Simulation des Systemverhaltens, bietet also die Möglichkeit, Organisationskonzepte, Planungsund Steuerungsverfahren etc. wesentlich realitätsnäher zu diskutieren und die Vorschläge an die Praxis damit fundierter präsentieren zu können. Ein aktuelles Einsatzgebiet ist die Netzwerkforschung und Dezentralisierung von Organisationen. Die zeitliche und inhaltliche Detaillierung der Planung und Steuerung führt zu einem Komplexitätsproblem, welches nur durch eine ebenfalls stärkere Dezentralisierung der Entscheidungsfindung (lokal statt zentral) aufgefangen werden kann. Zwischen unabhängigen Teilbereichen besteht jedoch ein hoher Koordinationsaufwand, wenn man nicht bewusst auf die Vorteile der Koordination verzichten möchte. Ein ähnliches Problem entsteht in Netzwerken, wenn sich Unternehmen zu Kooperationen zusammenschließen. Diese Unternehmen möchten weiter unabhängig agieren, aber in ihren gemeinsamen Aktivitäten eine optimale Abstimmung erzielen. Die flexibelste Koordinationsform ist die direkte Kommunikation. Die Übergabe der Entscheidungsbefugnisse an spezielle Einheiten ist dazu meist unerwünscht. Partner in einem Unternehmensnetzwerk möchten keine vorgesetzte Einheit und schon gar nicht ihre eigene Situation komplett offen legen. Die Peer-to-Peer-Abstimmung verlangt kurze Übertragungsund Reaktionszeiten, also u. a. schnelle Entscheidungen der einzelnen Handlungseinheiten. Kooperierende Unternehmen, die gemeinsam einen Auftrag annehmen wollen, müssen u. U. sehr rasch ihre aktuelle Produktionsplanung und ggf. auch begleitende Logistikprozesse miteinander abstimmen können. 4.2.6 Zum Management von Komplexität Komplexität kann man bis zu einem gewissen Grade vermeiden (Lean Management). Aber den „Rest“ kann man weder ignorieren noch vernichten. Während Multiagentensysteme also den Nutzer in der Modellierung von Komplexität entlasten, kommt diese als „emergente Eigenschaft“ der Interaktionen der Agenten wieder hervor (s. Abschn. 4.1.2 (2)). Wenn die Abbildung der realen Welt im MAS stimmt, ist die virtuelle Welt im MAS kaum weniger komplex und folglich kaum transparenter als die reale. Die Komplexität realer Märkte, Supply Chains oder Lackierereien kann nicht auf ein Modell reduziert werden, mit dem sich sein Verhalten sicher prognostizieren lässt. 30 In Testund Akzeptanz-Szenarien kann zwar geprüft werden, ob das MAS „zulässige und machbare“ Entscheidungen liefert. Aber diese Tests haben allenfalls eine statistische Gültigkeit und sind nicht mit dem Beweis der Richtigkeit einer mathematischen Formel vergleichbar. 30 Modelle repräsentieren einen Teil der realen Welt in einer vereinfachten, aber sinnvollen Weise. Sie dienen z .B. dazu, das Verhalten des Gegenstandsbereiches zu prognostizieren. Im Falle komplexer Systeme (gleich ob realer oder künstlicher Natur) versagt jedoch jeder Versuch der Vereinfachung, d. h. Prognosen benötigen Modelle, die alle Details umfassen, die also nicht „schlanker“ als die Realität sein können. Die „Äquivalenzregel“ bedeutet, dass kein effektives Lösungssystem weniger komplex als das Problem sein kann: „Make it simple, but not too simple“ (Albert Einstein) oder Ashby's Law (The Law of Requisite Variety): „Die Komplexität eines Steuersystems muss gleich oder größer sein als die Komplexität des Systems sie kontrolliert.“ 35 Man muss sich schon vor Augen führen, dass der formale Beweis einer mathematischen Lösung nicht bedeutet, dass der Algorithmus auch gültige Lösungen liefert. Die Verwechslung der Richtigkeit einer Formel mit der Gültigkeit des Ergebnisses ignoriert die Richtigkeit, Gültigkeit und das Verfallsdatum der Annahmen, die Notwendigkeiten zur Vereinfachung, damit der Algorithmus überhaupt angewendet werden kann u. a. m. Es ist eine Variante der sog. „Kontrollillusion“. CESSAR hat praktisch gezeigt, dass ein komplexes System, dessen Arbeitsweise man zwar verstehen, aber weder nachvollziehen (stark vernetzte und nichtlineare Effekte) noch sicher reproduzieren kann (Sensitivität gegenüber Anfangsbedingungen), trotzdem – bzw. gerade deshalb – eine leistungsfähige „Problemlösungsmaschine“ ist. 4.2.7 Zum Beitrag von MAS zur intelligenten Organisation Bisher fehlt zwar noch eine vollständige Theorie zur intelligenten Organisation. Aber es gibt pragmatisch begründete Einstiegskonzepte hierzu. Rüdiger Klimecki bezeichnet z. B. die intelligente Organisation als „die Leitperspektive des Wissensmanagements“: „Mit dem Motiv der ‚intelligenten Organisation‘ lässt sich die Leitperspektive des Wissensmanagements … zum Ausdruck bringen: Die Eigenschaft ‚Intelligenz‘, üblicherweise nur Individuen zugesprochen, wird zum Kennzeichen für das gesamte Unternehmen.“ Daraus resultiert u. a., dass „… die Wissensverarbeitung nicht nur einzelnen Spezialisten und Abteilungen (z. B. Forschung und Entwicklung) überlassen werden darf, sondern Aufgabe des gesamten Unternehmens und aller seiner Teile ist …“ und dass „… sämtliche Geschäftsprozesse, Praktiken und Regeln mit Blick auf einen möglichst ‚intelligenten‘ Umgang mit der Ressource Wissen zu überprüfen und zu optimieren sind…“. 31 Wissen ist und war schon immer die primäre Grundlage jeden Geschäftsmodells. 32 Und jede Organisation ist ein wissensverarbeitendes System. Mit der „Wissensexplosion“ der vergangenen 100 Jahre wurde Wissen – genauer: die wirksame Implementierung neuen Wissens – zur Voraussetzung der Konkurrenzfähigkeit. Dies schließt viele Formen der „Intelligenz“ ein: z. B. die des Aufspürens (vgl. den englischen Begriff „intelligence“ z. B. in der CIA), die kreative Intelligenz in neuen Ideen, die kognitive Intelligenz der Argumentationsentwicklung oder emotionale Intelligenz in der Entwicklung von Beziehungen und letztlich auch die maschinelle Intelligenz eines Multiagentensystems im Umgang mit Komplexität. Organisationen sind nicht intelligent, sondern nur die Menschen, die in ihnen arbeiten und u. U. die IT, die sie dabei unterstützt. Die Organisation (von Menschen gemacht und gelebt) 31 Klimecki (1999), S. 4-5. 32 Das gilt schon für „den ersten Menschen“, der seinen Lebensunterhalt mit der Herstellung von Steinwerkzeugen verdient. Er wusste, wo er die Steine findet, wie er sie bearbeitet, wo und wie er sie tauschen und wohl auch, wie er sein Produkt verbessern kann. Aber der Lebenszyklus des Wissens in dieser Zeit überstieg die Lebensdauer der Menschen um ein Vielfaches. Erst nachdem sich dieses Verhältnis in den vergangenen Jahrzehnten dramatisch umgekehrt hat, ist Wissen (das von „Know-Why“ und „Know-How“) zur wettbewerbskritischen Ressource geworden – und damit vor allem Intelligenz: die Fähigkeit, Wissen zu bewerten, neues Wissen zu schaffen bzw. allgemein: sich anzupassen. Klimecki sinngemäß: Intelligenz ist der „Geist in der Flasche“ des Wissensmanagements. 36 kann diese Intelligenz aber fördern oder behindern: organisationale Intelligenz entwickelt sich aus den Chancen, die das Zusammenwirken von Menschen und Geräten birgt, dem Verständnis der Lage und daraus, die Strategien und Wahrnehmungen, Methoden, Entdeckungen oder Ideen zu teilen, die verschiedenen Rollen und ihre Ziele oder Interessen zu verstehen, eine sinnvolle Kommunikation zu schaffen und aufrecht zu erhalten. Die Intelligenz einer Organisation ist selbst ein komplexes Phänomen. Klimeckis „Geist in der Flasche“32 findet sein Äquivalent in der Kultur der Organisation. Einige dieser Effekte werden durch praktische Erfahrungen vor allem aus dem Umfeld aus der Entwicklung von CESSAR plausibilisiert. (1) Real-Time-Unterstützung „Nicht selten halten wir den Betrieb durch Improvisation aufrecht. Aber man muss sehr gut vorbereitet sein und sehr sorgfältig arbeiten, wenn man von den Standardverfahren abweicht. Dabei macht uns gerade in kritischen Situationen eine Informationsflut zu schaffen, die niemand effektiv auswerten kann. Ein intelligentes System könnte uns Arbeit abnehmen. Vielleicht gibt es ja eine bessere Lösung als die, die uns gerade eingefallen ist.“ 33 Es ist offensichtlich, dass ein System, das Komplexität sinnvoll aufarbeitet, nicht nur die Übersicht, sondern auch die gerade in kritischen Situationen erforderliche Zusammenarbeit verbessert. Systeme wie CESSAR „kaufen“ Zeit. Ein Beispiel ist die in Abschn. 4.1.2 (4) erklärte Variante der „B-Planung“. (2) Taktisches Management Das Beispiel der Lackiererei (s. Abschn. 4.2.3) zeigt, dass sich der geradezu klassische Konflikt zwischen betriebswirtschaftlicher Planung und operativer Linienverantwortung „auflösen“ kann, wenn man ein Instrument einsetzt, dessen Funktionsfähigkeit nicht auf Vereinfachung, d. h. auf dem Ignorieren von Details, beruht. Wenn die Controller aber mit dem gleichen Detailwissen wie der Betriebsleiter modellieren und analysieren können, sind sie nicht mehr Kontrahent sondern Dienstleister des Betriebes (eine Rolle, die zwar oft reklamiert wird, aber nicht immer selbsterklärend ist). Und umgekehrt wird der Betrieb zum Dienstleister, der gerne die Daten liefert, die in der betriebswirtschaftlichen Planung benötigt werden – im Sinne der „intelligenten Organisation“ eine gewiss intelligentere Lösung, die Feedbacks wechselseitigen Lernens zwischen den Organisationseinheiten erzeugen kann. (3) Kollaboratives und experimentelles Lernen Die Erschließung von Lernzyklen auf taktischen Managementebenen leitet über zu Überlegungen, die bei der Diskussion des experimentellen (s. Abschn. 4.2.5) und des strategischen Managements (s. Abschn. 4.2.4) dargestellt wurden und die durch einige in Abschn. 4.2.1 erwähnte Praxisbeispiele unterstützt werden. Zunächst sei hier nochmals auf das Multiagentensystem verwiesen, das für das CargoLifter-Projekt entwickelt und dort (wenn auch erst relativ kurz vor Eintritt der Insolvenz) praktisch eingesetzt wurde. Seine Leistung bestand darin, dass Experten verschiedener Entwicklungsbereiche ihren Wissensfortschritt in das Simulationsmodell einbringen konnten, indem sie die Auswirkungen auf den operativen Betrieb des Luftschiffes einschätzten. Dieses Vorgehen erzeugte schon im ersten Workshop 33 Zitat aus einem Expertengespräch mit Dispatchern an einem großen Flughafen. 37 eine neue Form der fachübergreifenden Kommunikation, die Entwicklung gemeinsamer Begriffe und Szenarien, ein Verständnis für die unterschiedlichen Forschungsthemen u. a. m. Die in die Simulation integrierte betriebswirtschaftlichen Bewertung (s. Abschn. 4.1.2 (6)) lieferte aber auch eine erste Idee der Interdependenz der Entscheidungen in den einzelnen Fachbereichen und ihrer Auswirkungen auf die voraussichtliche Wirtschaftlichkeit eines zukünftigen Luftschiffbetriebes. Selbst die wesentlich unverbindlicheren Expertengespräche im Rahmen des iC-RFIDProjektes oder die ebenfalls in Abschn. 4.2.1 erwähnten Studien zu „Personal Assistants“ (AMS) oder zu Dienstleistungsnetzwerken in der Pflege (INKLUSIV/P) sowie die ersten Gespräche mit Experten der o. a. Industrielackiererei haben gezeigt, dass der mit der Entwicklung eines ontologiebasierten MAS verbundene andere Umgang mit Wissen und Modellierung auch zu neuen Einsichten und Ideen führt und auch die Qualität der Zusammenarbeit verbessern kann. 4.3 Öffentlichkeitsarbeit Die wichtigste Schiene der Öffentlichkeitsarbeit ist die Entwicklung eines auf die Verwertung von Arbeiten der Fachhochschule Köln im iC-RFID-Projekt ausgerichteten deutschen und internationalen Forschungsund Industrienetzwerkes zu den Themen intelligente Technologien und intelligente Organisationen. Die Strukturen dieses Netzwerkes werden in Abschn. 5.2 dargestellt. CESSAR wurde auf der CeBIT 2009 auf dem Messestand von Airbus zum iC-RFID-Projekt und 2010 auf dem CeBIT-Stand der Russischen Akademie der Wissenschaften vorgeführt. Einige der in diesem bzw. im Abschnitt über die Verwertung (Transfer) aufgeführten Kontakte mit an der Technologie interessierten IT-Unternehmen oder potenziellen Nutzern kamen bei diesen Gelegenheiten zustande. Vorträge und die Teilnahme an Tagungen dienten primär der Entwicklung internationaler Kontakte und der Intensivierung unserer Kooperation mit der Russischen Akademie der Wissenschaft in Samara:  Udo Inden: „Intelligent Pricing – An Airline Management Case“; Konferenz „Complex Systems: Control and Modelling Problems”, 23.-27.06.2010, Russische Akademie der Wissenschaften, Samara, Russland;  Udo Inden: „Real-time Management and Complexity“; Konferenz „Complex Systems: Control and Modelling Problems”, 23.-27.06.2010, Russische Akademie der Wissenschaften, Samara, Russland;  Rolf Franken: „Einfluss der IuK-Technologie auf die zukünftige Gestaltung des Managements“; 05.-06.03.2009, Marmara Universität, Istanbul, Türkei; 38  Rolf Franken: „Netzwerke als Innovation – Das Potenzial neuer IKT zur Entwicklung von Dienstleistungsnetzwerken“; Konferenz „Innovationsfähigkeit von KMU: messen, fördern, vernetzen“, 17.12.2009, Universität Bielefeld;  Rolf Franken: „Management und IKT: Unternehmensnetzwerke“; 06.-10.09.2010, Staatliche Universität für Bauwesen, Nishnij Nowgorod, Russland;  Rolf Franken: „Management und IKT: Geschäftsmodelle unter Einsatz einer permanenten High Resolution Planung“; 07.-11.09.2011, Staatliche Universität für Bauwesen, Nishnij Nowgorod, Russland;  Swetlana Franken: „Status quo der Innovationsfähigkeit von KMU in Deutschland: Ergebnisse der Studie“; Konferenz „Innovationsfähigkeit von KMU: messen, fördern, vernetzen“, 17.12.2009, Universität Bielefeld. Im bzw. begleitend zum iC-RFID-Projekt fanden ferner diverse Workshops an Flughäfen (Flughafen Köln-Bonn (2007), Flughafen München (2009)) und mit Cateringunternehmen (Lufthansa Catering Einkauf (2009), LSG Zentrale (2009), LSG Catering Logistik (2009), LSG Betriebsleitung München und dezentrale Betriebe (2009)) statt. Veröffentlichungen mit Bezug zu CESSAR und zum iC-RFID-Projekt:  Franken, R. (2009): High-Resolution-Management durch das Zusammenspiel von RFID und Multiagentensystemen; Forschungsbericht 2009, Fachhochschule Köln, S. 148-151;  Franken, R.; Franken, S (2011): Integriertes Wissensund Innovationsmanagement; Wiesbaden. 5 Nutzen und Verwertung 5.1 Amortisationspotenziale Die betriebswirtschaftlichen Studien zu CESSAR zeigen eine Reihe konkreter Nutzenpotenziale auf, die hier nicht im Einzelnen wiederholt werden sollen. Dazu gehören:  Reduzierung der Modellierungskomplexität (4.2.1);  Unterstützung des Real-Time-Managements (Schwerpunkt von CESSAR (4.2.2));  Verbesserung der taktischen Planung (Lackierereibeispiel (4.2.3));  Methode zur strategischen Planung (strategische Simulation (4.2.4));  Methode zur experimentellen Managementforschung (4.2.5);  Grundlagen zum Management komplexer Systeme (4.2.6);  Beiträge zur Implementierung einer „intelligenten Organisation“ (4.2.7). Der Schwerpunkt der Entwicklung von CESSAR im iC-RFID-Projekt liegt auf dem Real-TimeManagement. In Verbindung mit RFID-Systemen muss sich das System aber primär durch 45 Literatur Andreev, M.; Rzevski, G.; Ivashchenko, A.; Skobelev, P.; Shveykin, P., Tsarev, A. (2007): Adaptive Planning for Supply Chain Networks; Proceedings, The Third International Conference on Industrial Applications of Holonic and Multi-Agent Systems (HoloMAS 2007), 03.-05.09.2007, Regensburg, Deutschland, S. 215-224 Blumauer, A.; Pellegrini, T. (2009): Semantic Web Revisited – Eine kurze Einführung in das Social Semantic Web; in: Blumauer, A.; Pellegrini, T. (Hrsg.): Social Semantic Web. Web 2.0 – Was nun?; Berlin/Heidelberg, S. 3-22 [Originalquelle: Schaffert, S.: Semantic Social Software: Semantically enabled Social Software or Socially enabled Semantic Web; in: Schaffert, S.; York, S. (Hrgs.): Semantic Systems. From Visions to Applications; Wien 2006, S. 33-46] Brussel, H. V.; Wyns, J.; Valckenaers, P.; Bongaerts, L.; Peeters, P. (1998): Reference Architecture for Holonic Manufacturing Systems: PROSA; in: Computer in Industry, Jg. 37 (1998), Heft 3, S. 255-274 Chen, R.-S.; Tu, M. (2009): Development of an agent-based system for manufacturing control and coordination with ontology and RFID technology; in: Expert Systems with Applications, Jg. 36 (2009), Heft 4, S. 7581-7593 Chevaleyre, Y.; Endriss, U.; Estivie, S.; Maudet, N. (2005): Welfare engineering in practice – On the variety of multi-agent resource allocation problems; Proceedings, The Fifth International Workshop Engineering Societies in the Agent World (ESAW 2004), 20.- 22.10.2004, Toulouse, Frankreich, S. 335-347 Chow, K. H.; Choy, K. L.; Lee, W. B. (2007): A dynamic logistics process knowledge-based system – An RFID multi-agent approach; in: Knowledge-Based Systems, Jg. 20 (2007), Heft 4, S. 357-372 Drucker, P. F. (1998): Management Challenges of the 21st Century; New York Fleisch, E.; Müller-Stewens, G. (2008): High-Resolution-Management: Konsequenzen des „Internet der Dinge“ auf die Unternehmensführung; in: zfo – Führung und Organisation, Jg. 77 (2008), Heft 5, S. 272-281 Franken, R. (2009): High-Resolution-Management durch das Zusammenspiel von RFID und Multiagentensystemen; Forschungsbericht 2009, Fachhochschule Köln, S. 148-151 Franken, R.; Franken, S. (2011): Integriertes Wissensund Innovationsmanagement; Wiesbaden Glashenko, A.; Ivashenko, A.; Rzevski, G.; Skobelev, P. (2009): Multi-Agent Real Time Scheduling System for Taxi Companies; Proceedings, The Eight International Conference on Autonomous Agents and Multiagent Systems (AAMAS 2009), 10.-15.05.2009, Budapest, Ungarn, S. 29-36 Grauer, M.; Karadgi, S.; Metz, D.; Schäfer, W. (2010): Real-Time Enterprise – Schnelles Handeln für produzierende Unternehmen; in: Wirtschaftsinformatik & Management, Ausgabe 5/2010, S. 40-45 Günthner, W.; ten Hompel M. (Hrsg.) (2010): Internet der Dinge in der Intralogistik; Heidelberg et al. Hermans, B. (1996): Intelligent Software Agents on the Internet; Diplomarbeit, Universität Tilburg, Niederlande 46 Himoff, J.; Rzevski, G.; Skobelev, P. (2006): Magenta Technology. Multi-Agent Logistics iScheduler for Road Transportation; Proceedings, The Fifth International Joint Conference on Autonomous Agents and Multiagent Systems (AAMAS 2006), 08.-12.05.2006, Hakodate, Hokkaido, S. 1514-1521 Koestler, A. (1967): The Ghost in the Machine; London Leitao, P.; Restivo, F. (2006): ADACOR A holonic architecture for agile and adaptive manufacturing control; in: Computers in Industry, Jg. 57 (2006), Heft 2, S. 121-130 Luck, M.; Mc Burney, P.; Shehory, O.; Willmott, S. (2005): Agent Technology: Computing as Interaction. A Roadmap for Agent Based Computing; AgentLink, Southampton Nonaka, I.; Takeuchi, H. (1995): The Knowledge-Creating Company: How Japanese Companies Create the Dynamics of Innovation; Oxford R. Klimecki (1999): Wissensmanagement – Wege zur ‚intelligenten Organisation‘, in: Management Forschung und Praxis, Hochschulschriftenreihe, Ausgabe 30 (1999), Universität Konstanz Rajveer, B.; Lü, K.; George, R.; Skobelev, P. (2005): Resolving Scheduling Issues of the London Underground Using a Multi-Agent System; Proceedings, The Second International Conference on Applications of Holonic and Multi-Agent Systems, (HoloMAS 2005), 22.-24.08.2005, Kopenhagen, Dänemark, S. 188-196 Rzevski, G.; Skobelev, P.; Andreev, V. (2007): MagentaToolkit: A Set of Multi-Agent Tools for Developing Adaptive Real-Time Applications; Proceedings, The Third International Conference on Industrial Applications of Holonic and Multi-Agent Systems (HoloMAS 2007), 03.-05.09.2007, Regensburg, Deutschland, S. 303-313 Rzevski, G. (1995): Artificial Intelligence in Engineering: Past, Present and Future; Keynote Paper, The Tenth International Conference on Applications of Artificial Intelligence in Engineering (AIENG 1995), 04.-06.1995, Udine, Italy Scholz-Reiter, B.; de Beer, C.; Freitag, M.; Hamann, T.; Rekersbrink H.; Tervo, J. T. (2008): Dynamik logistischer Systeme; in: Nyhuis, P. (Hrsg.): Beiträge zu einer Theorie der Logistik, Berlin/Heidelberg, S. 109-138 Senge, P. M. (1994): The Fifth Discipline: The Art and Practice of the Learning Organization; New York Techlet, Y. (2010): Is the Semantic Web just a dream?, URL: http://memeburn.com/2010/06/is-the-semantic-web-just-a-dream/ (Stand 01.06.2010) Thompson, J. (2004): Ant Colony Optimisation; Vortrag, South Wales OR Discussion Society (SWORDS), 26.10.2004, Cardiff, Wales Trappeya, J. C.; Lu T.-H.; Fu, L-D (2009): Development of an intelligent agent system for collaborative mold production with RFID technology; in: Robotics and ComputerIntegrated Manufacturing, Jg. 25 (2009), Heft 1, S. 42-56 Trautmann, A. (2007): Multiagentensysteme im Internet der Dinge – Konzepte und Realisierung; in: Bullinger, H.-J.; ten Hompel, M. (Hrsg.): Internet der Dinge, Berlin et al. S. 281294. Wooldridge, M. (2002): An Introduction to MultiAgent Systems; Chichester