@inproceedings{BrecherBrockmannBiernatetal.2020,
  author    = {Brecher, Christian and Brockmann, Matthias and Biernat, Benedikt and Frenkel, Nils and Neus, Stephan},
  title     = {Modellbasierte Datenanalyse als Basis f{\"u}r Zustands{\"u}berwachung in Werkzeugmaschinen},
  series = {Steel and more : ASK 34 : Aachener Stahlkolloquium : 19. November 2020 : Online-Konferenz : Tagungsband},
  booktitle = {Steel and more : ASK 34 : Aachener Stahlkolloquium : 19. November 2020 : Online-Konferenz : Tagungsband},
  editor    = {Krupp, Ulrich and M{\"u}nstermann, Sebastian},
  publisher = {DVS Media GmbH},
  address   = {D{\"u}sseldorf},
  isbn      = {3-96144-092-1},
  pages     = {9 -- 18},
  year      = {2020},
  abstract  = {Moderne Produktions- und Verarbeitungsanlagen in der Stahlherstellung beinhalten eine Vielzahl von Sensoriken und digitalisierten Informationen. Prinzipiell stehen daher bereits w{\"a}hrend des Betriebes große Datenmengen entlang des gesamten Herstellungsprozess zur Verf{\"u}gung. Diese Daten werden teilweise direkt f{\"u}r interne Regelungen der Maschinen oder f{\"u}r Qualit{\"a}tskontrollen genutzt. Ein Großteil dieser Daten bleibt jedoch ungenutzt. Dies hat zwei Hauptgr{\"u}nde: Zum einen m{\"u}ssten sehr große Datenmengen gespeichert werden, zum anderen sind die erzeugten Daten sehr heterogen und ohne Vorverarbeitung und Kenntnis der physikalischen Wirkzusammenh{\"a}nge von keinem direktem Nutzen. Der Verkn{\"u}pfung von relevantem Wissen, Modellen und Daten {\"u}ber alle relevanten technischen Dom{\"a}nen hinweg bietet die M{\"o}glichkeit den OEE zu optimieren. Ein dom{\"a}nen{\"u}bergreifender Datenzugriff erm{\"o}glicht neue M{\"o}glichkeiten f{\"u}r produzierende Unternehmen, insbesondere m{\"u}ssen mit Wissen aufbereitete Daten zusammen mit bedarfsgerecht reduzierten Modellen genutzt werden. Diese modellbasierte Datenanalyse stellt die Grundlage f{\"u}r einen optimalen Nutzen von Daten aus der Produktion dar.},
  language  = {de}
}
@incollection{BeckerBrockmannNiemietzetal.2021,
  author    = {Becker, Marco and Brockmann, Matthias and Niemietz, Philipp and Trauth, Daniel and Bergs, Thomas and Brecher, Christian},
  title     = {Das Internet of Production als Fundament der Datenverwertung in der Produktion},
  series = {Monetarisierung von technischen Daten / Hrsg. Daniel Trauth, Thomas Bergs, Wolfgang Prinz},
  booktitle = {Monetarisierung von technischen Daten / Hrsg. Daniel Trauth, Thomas Bergs, Wolfgang Prinz},
  editor    = {Trauth, Daniel and Bergs, Thomas and Prinz, Wolfgang},
  publisher = {Springer Vieweg},
  address   = {Berlin, Heidelberg},
  doi       = {10.1007/978-3-662-62915-4_15},
  publisher      = {FH M{\"u}nster - University of Applied Sciences},
  pages     = {275 -- 295},
  year      = {2021},
  abstract  = {Das Internet of Things entfaltet erst durch die {\"U}berwindung von bestehenden Produkt- und Industriegrenzen sein volles {\"o}konomisches Potenzial. Trotzdem werden Cyberphysische Systeme in der Forschung bisher oftmals isoliert betrachtet. Der Begriff des Internet of Production (IoP) steht f{\"u}r die Vision eines {\"u}bergreifenden Austauschs von Daten und Informationen zwischen Produktentwicklung, Produktion und Nutzungsphase - {\"u}ber bestehende Organisationsgrenzen hinaus. Die Realisierung des IoP ist mit Herausforderungen im Bereich der datengetriebenen Modellierung sowie der Infrastruktur verbunden. In diesem Buchbeitrag werden die bestehenden Herausforderungen erl{\"a}utert und L{\"o}sungsans{\"a}tze skizziert. Der Schwerpunkt liegt auf der datengetriebenen Modellierung. Im Speziellen wird die Problematik des Lernens von kausalen Zusammenh{\"a}ngen, die Interpretierbarkeit von Machine-Learning-Modellen sowie die Integration von Dom{\"a}nenwissen in Lernalgorithmen diskutiert. Abschließend werden zwei Anwendungsbeispiele des „Digital Material Shadows" vorgestellt. Diese veranschaulichen wie mithilfe von Machine Learning Erkenntnisse {\"u}ber den Materialzustand eines Werkst{\"u}cks gewonnen werden k{\"o}nnen. Ziel dieser Digital Material Shadows ist es, langfristig Fertigungsprozesse adaptiv an die individuellen Materialeigenschaften des vorliegenden Werkst{\"u}cks bzw. Rohmaterials anzupassen.},
  language  = {de}
}
@article{PennekampBuchholzDahlmannsetal.2021,
  author    = {Pennekamp, Jan and Buchholz, Erik and Dahlmanns, Markus and Kunze, Ike and Braun, Stefan and Wagner, Eric and Brockmann, Matthias and Wehrle, Klaus and Henze, Martin},
  title     = {Collaboration is not Evil: A Systematic Look at Security Research for Industrial Use},
  series = {Learning from Authoritative Security Experiment Results (LASER) 2020},
  journal   = {Learning from Authoritative Security Experiment Results (LASER) 2020},
  doi       = {10.14722/laser-acsac.2020.23088},
  year      = {2021},
  abstract  = {Following the recent Internet of Things-induced trends on digitization in general, industrial applications will further evolve as well. With a focus on the domains of manufacturing and production, the Internet of Production pursues the vision of a digitized, globally interconnected, yet secure environment by establishing a distributed knowledge base. Background. As part of our collaborative research of advancing the scope of industrial applications through cybersecurity and privacy, we identified a set of common challenges and pitfalls that surface in such applied interdisciplinary collaborations. Aim. Our goal with this paper is to support researchers in the emerging field of cybersecurity in industrial settings by formalizing our experiences as reference for other research efforts, in industry and academia alike. Method. Based on our experience, we derived a process cycle of performing such interdisciplinary research, from the initial idea to the eventual dissemination and paper writing. This presented methodology strives to successfully bootstrap further research and to encourage further work in this emerging area. Results. Apart from our newly proposed process cycle, we report on our experiences and conduct a case study applying this methodology, raising awareness for challenges in cybersecurity research for industrial applications. We further detail the interplay between our process cycle and the data lifecycle in applied research data management. Finally, we augment our discussion with an industrial as well as an academic view on this research area and highlight that both areas still have to overcome significant challenges to sustainably and securely advance industrial applications. Conclusions. With our proposed process cycle for interdisciplinary research in the intersection of cybersecurity and industrial application, we provide a foundation for further research. We look forward to promising research initiatives, projects, and directions that emerge based on our methodological work.},
  language  = {en}
}
@incollection{BrecherBrockmann2020,
  author    = {Brecher, Christian and Brockmann, Matthias},
  title     = {Vernetzte Produktion durch Digitale Schatten - Werkzeugmaschine 4.0},
  series = {Handbuch Industrie 4.0: Recht, Technik, Gesellschaft / Hrsg. Walter Frenz},
  booktitle = {Handbuch Industrie 4.0: Recht, Technik, Gesellschaft / Hrsg. Walter Frenz},
  publisher = {Springer-Verlag GmbH Deutschland},
  address   = {Berlin, Heidelberg},
  doi       = {10.1007/978-3-662-58474-3},
  publisher      = {FH M{\"u}nster - University of Applied Sciences},
  pages     = {543 -- 552},
  year      = {2020},
  abstract  = {Der Begriff Internet of Things hat sich weltweit als Bezeichnung f{\"u}r die horizontale internetbasierte Vernetzung von Cyber-Physical Systems durchgesetzt. Das IoT erm{\"o}glicht dabei die Nutzung von Felddaten (z. B. Kundenverhalten) zur Realisierung von neuartigen digitalen Gesch{\"a}ftsmodellen. In den meisten Anwendungsf{\"a}llen sind dabei große Mengen an Felddaten vorhanden, welche durch eine relativ kleine Anzahl von Parametern beschrieben werden. Die {\"U}bertragung des IoT-Ansatzes auf die Produktion wird - insbesondere in Deutschland - mit dem Begriff Industrie 4.0 bezeichnet. Das volle Potenzial dieses Ansatzes kann derzeit jedoch nicht vollst{\"a}ndig genutzt werden, da der Zugang zu Daten aus der Produktion aus verschiedenen Gr{\"u}nden nicht m{\"o}glich ist und die Daten aufgrund der komplexen physikalischen Wirkzusammenh{\"a}nge sehr heterogen sind. Dies f{\"u}hrt insbesondere in der Datenanalyse zu g{\"a}nzlich neuen Herausforderungen.},
  language  = {de}
}
@article{JarkeSchuhBrecheretal.2018,
  author    = {Jarke, Matthias and Schuh, G{\"u}nther and Brecher, Christian and Brockmann, Matthias and Prote, Jan-Phillip},
  title     = {Digital Shadows in the Internet of Production},
  series = {ERCIM News 115 Special Theme: Digital Twins},
  journal   = {ERCIM News 115 Special Theme: Digital Twins},
  year      = {2018},
  abstract  = {Due to highly sophisticated, specialised models and data in production, digital twins, as defined as full digital representations, are neither computationally feasible nor useful. The complementary concept of digital shadows will provide cross-domain data access in real time by combining reduced engineering models and production data analytics.},
  language  = {en}
}
@article{SchuhHaefnerHopmannetal.2020,
  author    = {Schuh, G{\"u}nther and H{\"a}fner, Constantin and Hopmann, Christian and Rumpe, Bernhard and Brockmann, Matthias and Wortmann, Andreas and Maibaum, Judith and Dalibor, Manuela and Bibow, Pascal and Sapel, Patrick and Kr{\"o}ger, Moritz},
  title     = {Effizientere Produktion mit Digitalen Schatten},
  series = {Effizientere Produktion mit Digitalen Schatten},
  volume    = {115},
  journal   = {Effizientere Produktion mit Digitalen Schatten},
  number    = {ZWF Zeitschrift f{\"u}r wirtschaftlichen Fabrikbetrieb},
  doi       = {10.3139/104.112339},
  pages     = {105 -- 107},
  year      = {2020},
  abstract  = {Die Digitalisierung verspricht Unternehmen, die Wandlungsf{\"a}higkeit und Produktivit{\"a}t bestehender Fertigungssysteme zu f{\"o}rdern. Durch die Komplexit{\"a}t cyber-physischer Produktionssysteme liegen Produktionsdaten jedoch heterogen, unstrukturiert und isoliert vor. Die f{\"u}r eine konkrete Aufgabe oder Fragestellung ben{\"o}tigten Daten werden durch Digitale Schatten zielgerichtet verkn{\"u}pft, abstrahiert und aggregiert, sodass eine wissensbasierte und echtzeitf{\"a}hige Entscheidungsfindung in der Produktion m{\"o}glich wird.},
  language  = {de}
}
@article{Brockmann2022,
  author    = {Brockmann, Matthias},
  title     = {Warum digitale Transformation und Nachhaltigkeit sich gegenseitig bedingen},
  series = {VDMA Magazin "Digitale Transformation"},
  journal   = {VDMA Magazin "Digitale Transformation"},
  pages     = {18 -- 24},
  year      = {2022},
  abstract  = {Nachhaltig, menschzentriert und resilient - so beschreibt die Europ{\"a}ische Kommission in einem ihrer Dossiers die n{\"a}chste industrielle Revolution unter dem Stichwort Industrie 5.0. Vor zehn Jahren wurde auf der Hannover Messe 2011 die Vision Industrie 4.0 pr{\"a}sentiert. Kernelemente von Industrie 4.0 sind eine Referenzarchitektur (RAMI 4.0) zur Vernetzung zunehmend autonomer IoT-Ger{\"a}te sowie Cyber-Physical Production Systems (CPPS), bei denen hochaufgel{\"o}ste Simulationen („Digital Twins") dabei helfen, physische Produktionssysteme zu {\"u}berwachen, deren Verhalten vorherzusagen und zu regeln. Dar{\"u}ber hinaus sollen personalisierte und kontextspezifische „intelligente Agenten" und dazugeh{\"o}rige Organisationsformen neue Formen der Arbeit schaffen.},
  language  = {de}
}