von Prof. Dr. Joachim Käschel und Dr. Tobias Teich
Die Deutsche Forschungsgemeinschaft (DFG) richtete zum 1. Januar 2000 an der Chemnitzer Universität einen neuen Sonderforschungsbereich (SFB) ein. Das Thema dieses SFB ist "Hierarchielose regionale Produktionsnetze". Hier werden Wissenschaftler aus vier Fakultäten zu Theorien, Modellen, Methoden und Instrumentarien forschen. Der DFG-Sonderforschungsbereich mit der Nummer 457 ist bereits der vierte Sonderforschungsbereich an der TU Chemnitz. Den Anstoß zur Beantragung gab die Fakultät für Maschinenbau und Verfahrenstechnik. Schon frühzeitig wurden Professuren aus der Philosophischen Fakultät (Regionalentwicklung), der Fakultät für Informatik (Datenmodelle) und der Fakultät für Wirtschaftswissenschaften (Marketing, Organisation, Innovationsmanagement und Koordination/Erfolgscontrolling) in die Konzipierung des SFB einbezogen.
Die TU Chemnitz ist damit - gemessen an der Zahl ihrer Professoren - eine der forschungsintensivsten in Deutschland. Unter den 59 Universitäten, an denen Sonderforschungsbereiche angesiedelt sind, belegt sie Platz 7. In den neuen Bundesländern liegt sie sogar mit weitem Abstand vor ihren Mitbewerbern unangefochten auf dem 1. Platz (s. Tabelle 1).
Die noch recht junge Fakultät für Wirtschaftswissenschaften ist damit erstmals an einem Sonderforschungsbereich beteiligt. Dies berechtigt zu einem gewissen Stolz, ist es doch bei weitem in Deutschland nicht typisch, dass Wirtschaftsfakultäten an einem SFB beteiligt sind. Dies ist eher die Domäne der Ingenieur- oder Naturwissenschaftlichen Fakultäten.
Das Thema "Netzwerke" ist nicht neu, insbesondere die Autoindustrie hat beim Aufbau von aus ihrer Sicht gut funktionierenden Zuliefernetzwerken eine Vorreiterrolle inne. Aber hier, und das wird gerade bei der Autoindustrie sehr deutlich, sind vor allem kleinere Firmen oft einseitig von größeren abhängig und ihnen untergeordnet. Derartige Hierarchien und starre Vernetzungen erschweren oft Neugründungen von Firmen und den Zugang zum Markt. Aber gerade kleine und mittlere Unternehmen sind es, die insbesondere auch in unserer Region Südwestsachsen für eine dynamische Entwicklung der Wirtschaft sorgen. Aus ihnen kommen häufig innovative Ideen. Sie sind meist beweglicher und können schneller auf Veränderungen am Markt reagieren, sofern sie über Kapital, Marktzugang und zuverlässige Partner verfügen.
Deshalb wollen die beteiligten Wissenschaftler bei ihrem Projekt neue Wege der Firmenzusammenarbeit aufzeigen. Bisherige Hierarchien sollen aufgebrochen und durch hierarchielose bzw. hierarchiearme Produktions- und Dienstleistungsnetze ersetzt werden. Unterordnungen sollen, wenn überhaupt erforderlich, nur projektabhängig und im Sinne von Koordination auftreten. Diese Koordinationsaufgabe ist nicht an ein Unternehmen gebunden. Man spricht hier auch von Heterarchie. Von dieser gleichberechtigten Zusammenarbeit sollen letztlich alle profitieren: die Firmen selbst, deren Mitarbeiter und die Kunden.
Forschung zu Unternehmensnetzwerken ist an der Chemnitzer Universität nicht neu, schon seit 1992 finden wir hierzu Ergebnisse. Neu ist jetzt die Einbeziehung regionaler Gesichtspunkte der Wirtschaftsentwicklung und die Einbeziehung von Koordinations- und Controlling-Konzepten nicht zuletzt auf der Basis sogenannter weicher Faktoren, wie z.B. das Vertrauen. Effiziente Zusammenarbeit erfordert Einblick in die Situation des anderen. In der Autoindustrie wird dies gegenüber den Zulieferern aufgrund der Marktmacht durchgesetzt. Bei gleichberechtigter Zusammenarbeit dagegen muss die Bereitschaft, sich informationsmäßig dem Partner zu öffnen, durch Einsicht in die Vorteile, gepaart mit Vertrauen, entwickelt werden.
Neu und sicher auch sehr interessant und zukunftsträchtig, wenn auch aus juristischer Sicht noch nicht ausgearbeitet, ist das Konzept, nicht notwendigerweise die Unternehmen selbst zu vernetzen, sondern sich bei der Vernetzung vielmehr auf einzelne Kompetenzen zu konzentrieren. Kompetenz ist dabei als die Fähigkeit, Aufgaben zu formulieren, anzugehen und letztlich effizient zu lösen, zu verstehen. In dieser Richtung finden wir in der Forschung und in der Praxis schon einige Ansätze (Profit Center, Fraktale,...), aber konsequent die Betrachtung bis auf die unmittelbar benötigte Kompetenz herunterzubrechen, dies wird derzeit wohl nur noch am renommierten Massachussetts Institute of Technology (MIT) untersucht. Mit diesem Institut wollen und müssen die Chemnitzer Wissenschaftler in Zukunft zusammenarbeiten.
Diese neue Art der Vernetzung umfasst die gesamte Wertschöpfung von der Planung und Entwicklung über Produktion und Qualitätssicherung bis hin zu Marketing und Service. Sie ist projektgebunden, d.h. Netzwerke in diesem Sinne entstehen temporär und lösen sich mit der Fertigstellung eines Auftrages möglicherweise wieder auf. Außerdem können Kompetenzen (Kompetenzzellen, wie sie hier genannt werden) damit gleichzeitig in verschiedenen Netzwerken eingebunden sein. Im Extremfall kooperieren sie mit einer anderen Kompetenzzelle innerhalb eines auftragsbezogenen Netzes und konkurrieren gleichzeitig mit ihr um das Einwerben eines anderen Auftrages. Koopkurrenz ist dazu die etwas fragwürdige Wortschöpfung, die allerdings nicht aus Chemnitz stammt.
Um die Forschungsaufgaben erfolgreich zu bewältigen, ist eine fächerübergreifende Forschung nötig, die neben der Universität auch die Industrie mit einbezieht. Als weiteres Ergebnis des Sonderforschungsbereichs erwarten die Wissenschaftler deshalb auch, dass die Region Chemnitz noch schneller als bisher schon zu einem Zentrum der Mechatronik - der Verbindung zwischen Elektronik und Mechanik - im Maschinenbau wird.
An dem neuen Sonderforschungsbereich beteiligen sich insgesamt zwölf Professoren aus den genannten vier Fakultäten. Dazu kommen noch 17 wissenschaftliche Mitarbeiter, die teilweise eigens eingestellt werden, und zahlreiche studentische Hilfskräfte - an der Chemnitzer Uni ist es üblich, dass auch Studenten schon an anspruchsvollen Forschungsvorhaben teilhaben. Aber auch die Industrie sitzt von Anfang an mit im Boot: So sind etwa der Interessenverband Chemnitzer Maschinenbau, das Anwenderzentrum für Mikrotechnologie und die Gesellschaft für Prozessrechnerprogrammierung mit dabei.
Der Sonderforschungsbereich wird vorerst bis Ende des Jahres 2002 mit jährlich zwei Millionen Mark gefördert. Auf der Grundlage der bis dahin erreichten wissenschaftlichen Resultate wird die DFG über eine Verlängerung um weitere drei Jahre und danach nochmals um drei Jahre entscheiden. Sprecher des SFB ist Prof. Dr. Siegfried Wirth, der in der Fakultät für Maschinenbau und Verfahrenstechnik am Institut für Betriebswissenschaften und Fabriksysteme wirkt.
2. Beschreibung eines ausgewählten Problems � der Netzwerkaufbau und die Koordination
2.1 Aufgabenstellung
Ein Kunde kontaktiert einen potentiellen Netzwerkknoten, also eine Kompetenzzelle, und löst einen Bedarf zur Produktion eines bestimmten Gutes aus. Dieser Netzwerkknoten besitzt seinerseits einen Zugang zu einem �Frontend� des zu schaffenden informationstechnischen Modellkerns und stimuliert darüber die Genese eines temporären Netzwerkes zur Produktion des nachgefragten Gutes. Der Informationskern ist aufgrund der Information, die von der Konstruktion und der Fertigung in Form von Regel- und Faktenwissen in einer Ontologie-basierten Datenbank hinterlegt ist, in der Lage, alle sinnvollen fertigungstechnischen Alternativen in Form eines Graphen aufzubauen. Hierbei werden zunächst die einzelnen Routen durch den Graphen anhand von Arbeitsplänen ausgerichtet. Bild 1 illustriert diesen Zusammenhang entlang der Wertschöpfungskette.
Im nächsten Schritt erfolgt die Zuordnung der potentiellen Kompetenzzellen zu den Knoten des Netzes nach fertigungstechnischer Eignung. Die Objekte des Graphen werden attributiert. Die Knoten enthalten Informationen über Kosten und Zeiten, die Kanten über Logistik und Qualität. Ziel ist es, einen Weg durch den gegebenen Graphen zu finden, der entsprechend einer Zielfunktion ein unbekanntes Optimum approximiert. Bei der Zielfunktion kann es sich um mehr als nur ein Kriterium handeln.
Es stellt sich die Frage, in welche Problemklasse das formulierte Modell einzuordnen ist. Dieses Wissen ist zur Auswahl effizienter Algorithmen notwendig. Zunächst könnte der Eindruck gewonnen werden, dass es sich um ein kapazitiertes Traveling Salesman Problem (CTSP) handelt. Bei genauer Betrachtung ist jedoch erkennbar, das Präzedenz-Beziehungen der Technologien modelliert werden müssen. Obwohl Reihenfolgeprobleme sich als verallgemeinertes TSP formulieren und lösen lassen, müssen die Kanten mit Distanzen versehen werden, die Auswirkungen auf die Zielfunktion besitzen und deren Berechnung schwierig ist, da alle Vorgänger im Netz diesen Kantenwert während der Berechnung beeinflussen. Gleichzeitig enthalten die Knoten Alternativen, die die nachfolgenden Knoten beeinflussen. Das beschriebene Problem enthält somit Elemente aus dem CTSP und dem JSP (Job-Shop-Problem) und betrachtet zusätzlich Alternativen. Es ist folglich ein höchst komplexes Problem, in der Fachsprache NP-schwer genannt. Damit kommen als Lösungsverfahren nur heuristische Verfahren in Betracht. Es bleibt herauszufinden, welche der heuristischen Verfahren geeignet sind, die oben angeführte Problemstellung befriedigend zu lösen.
2.2 Lösungsverfahren
Es gibt eine Reihe von Verfahren, die auch bei gewissen höchst komplexen Aufgabenstellungen für die Praxis befriedigende Resultate liefern. Solche Verfahren, die auf die Garantie einer bestimmten Leistungsfähigkeit verzichten müssen (i.d.R. fehlt ein Konvergenzbeweis), können unter gewissen Voraussetzungen als Heuristiken bezeichnet werden. Bild 2 liefert einen Überblick über die möglichen Heuristiken.
Für Probleme der im SFB 457 betrachteten Größenordnung spielen Eröffnungsverfahren eine untergeordnete Rolle. Ihre Lösungsgüte ist nicht ausreichend für befriedigende Lösungen praktischer Problemstellungen.
Die Genetischen Algorithmen bieten eine Vielfalt von Möglichkeiten, das Kompetenzzellennetz zu modellieren. Sie sind inhärent parallel und eignen sich aus diesem Grunde zur Verteilung in Informationssystemen. Als wesentlicher Nachteil ist zu nennen, dass bei zunehmender Berücksichtigung von Constraints der Berechnungsaufwand überlinear ansteigt. Derzeit wird untersucht, wie die Individuen im Informationssystem verteilt werden können und die Berechnung dezentral für jedes Individuum erfolgen kann.
2.3 Ant Colony Optimierung
In der aktuellen Forschung auf dem Gebiet der Tourenplanung und des Scheduling stellten sich die Ant Colony Algorithmen als überaus erfolgreiche Optimierungsverfahren heraus. Vor allem beim Routing in Telekommunikationsverfahren werden diese Verfahren derzeit von großen Konzernen eingesetzt.
Das Verfahren selbst macht sich das Verhalten von Ameisen zu nutze. Ameisen sind soziale Insekten, die auf indirektem Wege miteinander kommunizieren, um ihre Aktivitäten zu koordinieren (Stigmergy). Ameisen sind in der Lage, innerhalb kurzer Zeit den kürzesten Weg von mehreren Alternativen vom Nest zur Futterquelle und zurück zu finden. Das Ergebnis ist um so eindeutiger, je größer die Unterschiede der Wege sind. Auf ihrem Wege hinterlassen sie Pheromone, welche im Laufe der Zeit evaporieren. Muss sich eine Ameise für eine Alternative entscheiden, bestimmt die Stärke der jeweiligen Pheromonspur die entsprechenden Auswahlwahrscheinlichkeiten. Diese grundsätzliche Wirkungsweise wurde in die Ant Colony Optimization übertragen. Zur schnelleren Konvergenz des Algorithmus können für spezielle Probleme Heuristiken entwickelt werden. Bild 3 illustriert den Entscheidungsprozess einer Ameise, die sich im Knoten i befindet und vor der Wahl steht, Knoten j1 oder j2 zu besuchen.
Es gibt einen gerichteten Graph G=(N,E), mit der Menge der Knoten N und der Menge der gerichteten Kanten E. Jeder Knoten entspricht einer Arbeitsoperation einer Technologie, die durch eine durch den Knoten abgebildeten Kompetenzzelle ausgeführt wird. E bezeichnet die Menge von Kanten, die zwei aufeinanderfolgende Operationen bzw. deren Knoten miteinander verbindet. Als Kantengewichte werden die Pheromonwerte tij(t) und weitere Werte hij(t), die durch eine Heuristik erzeugt werden und das Wesen der zu lösenden Problemstellung widerspiegeln, benutzt. Beide Werte sind in der Zeit veränderlich.
Eine Ameise mit der Nummer k wählt eine Kante von i nach j mit einer Wahrscheinlichkeit, die sich aus den obengenannten Werten bestimmt und bei der die unterschiedliche Einflüsse von Heuristik und Pheromonspur über Parameter a und b gesteuert werden können. Gesucht ist ein möglichst guter Weg entsprechend einer Zielfunktion von einem Startknoten zu einem Endknoten, wobei im Unterschied zum TSP nicht alle Knoten besucht werden müssen.
Da eine Kolonie aus mehr als einer Ameise besteht, sind zu einem Zeitpunkt gewöhnlich mehrere Ameisen im Graphen unterwegs, die i.d.R. gleichzeitig starten. Wenn alle Ameisen das Ziel erreicht haben, darf die Ameise mit dem höchsten Zielerreichungsgrad das Pheromon-Update ausführen. Wie viele Ameisen dieses Update durchführen und mit welcher Funktion (Intensität der Pheromonspur) ist letztlich jedoch problemspezifisch und soll an dieser Stelle nicht weiter ausgeführt werden. Quasi gleichzeitig erfolgt die Evaporation. Auch hierfür gibt es zahlreiche Heuristiken. Berücksichtigt wird z.B. die Menge des Pheromons, welches die beste Ameise auf ihrem Rückweg "zum Nest" in Abhängigkeit von der Lösungsgüte hinterlässt. Die Spezifik des Problems wird in dem weiteren Kantengewicht hij(t) abgebildet und beinhaltet die lokale Sicht auf die zu lösende Aufgabe aus dem Blickwinkel eines Netzknotens. Im Falle des Kompetenzzellennetzes ist dessen Berechnung nicht einfach. Es fließen Informationen über Kosten und Zeiten in die heuristische Schätzfunktion ein, die abhängig von den vorher getroffenen Entscheidungen sind. Das betrifft insbesondere reihenfolgeabhängige Zeiten und Kosten.
3.4 Schlussfolgerungen
Das Verfahren der Ant Colony Optimization weist ein hohes Potenzial zur Lösung der Teilprobleme eines Kompetenzzellennetzes auf, die sich aus der Sicht der Koordination ergeben. Erste Untersuchungen wurden an einem Praxisprojekt durchgeführt. Die Ergebnisse stimmen sehr zuversichtlich für die weitere Modellierung der gegebenen Problemstellung.