Open Access

Die Prüfung der Technischen Sauberkeit stellt in der Automobilindustrie einen wesentlichen Bestandteil der Qualitätssicherung dar. Gleichzeitig sind die zugehörigen Prüfprozesse häufig durch hohe manuelle Aufwände, komplexe Abläufe und unzureichend standardisierte Planungsgrundlagen gekennzeichnet. Ziel dieser Arbeit ist die Entwicklung eines methodischen Leitfadens zur systematischen Analyse, Bewertung und Optimierung industrieller Prüfprozesse zur Technischen Sauberkeit. Hierzu werden Methoden des Qualitätsmanagements, Prozessmanagements und der Arbeitswissenschaft zu einem ganzheitlichen Vorgehensmodell kombiniert. Der Leitfaden umfasst die strukturierte Erfassung und Modellierung bestehender Prozesse mittels geeigneter Methoden der Prozessmodellierung (z. B. ereignisgesteuerte Prozessketten und Swimlane-Darstellungen), die Durchführung eines REFA-basierten Arbeitsstudiums zur Ermittlung von Zeitanteilen und Vorgabezeiten sowie die Analyse von Störgrößen, Stillstandszeiten und weiteren nicht wertschöpfenden Prozessbestandteilen. Ergänzend werden Risiken hinsichtlich der Belastbarkeit von Planungsdaten bewertet und Optimierungspotentiale systematisch identifiziert. Die Anwendbarkeit des entwickelten Vorgehens wird anhand eines industriellen Prüfprozesses im Umfeld der Technischen Sauberkeit exemplarisch demonstriert. Dabei werden betriebliche Besonderheiten einer durchgeführten Fallstudie bei der LINAMAR Antriebstechnik GmbH abstrahiert und die gewonnenen Erkenntnisse in allgemein gültige Handlungsempfehlungen überführt. Das Ergebnis ist ein praxisorientierter Best-Practice-Leitfaden, der Unternehmen bei der Standardisierung, Bewertung und kontinuierlichen Verbesserung von Prüfprozessen unterstützt. Die Arbeit leistet einen Beitrag zur methodischen Weiterentwicklung der Prozessanalyse im industriellen Qualitätswesen und schafft eine Grundlage für effizientere und besser planbare Prüfprozesse im Bereich der Technischen Sauberkeit.

Die Integration Künstlicher Intelligenz (KI) in die globale Wirtschaft löst eine tiefgreifende Transformation von Beschäftigungsverhältnissen aus. Die vorliegende explorative Studie untersucht diese Dynamik, ausgehend von einer technologischen Einordnung kognitiver Systeme, und analysiert sektorale Unterschiede in der KI-Adaption – mit Fokus auf das Gesundheitswesen, das Finanzwesen und das verarbeitende Gewerbe. Ein Kernstück der Untersuchung bildet die Bewertung künftiger Kompetenzprofile: Während hochspezialisierte technische Fähigkeiten und ausgeprägte Sozialkompetenzen an Bedeutung gewinnen, unterliegen repetitive Tätigkeiten einem hohen Substitutionsrisiko. Zur Visualisierung dieser disruptiven Kräfte wird das „Hufeisenmodell der KI-bedingten Arbeitsmarktdisruption“ entwickelt. Es zeigt auf, dass insbesondere die breite Mittelschicht der Gefahr einer Verdrängung ausgesetzt ist, während Tätigkeiten im Niedriglohnsektor und im Bereich der Hochspezialisierung bestehen bleiben. Die Arbeit schließt mit einer Debatte über die drohende soziale Einkommenskluft und liefert damit eine fundierte Basis für strategische Entscheidungen und weiterführende Forschungsfragen.