Zusammenfassung
Industrie 4.0 umfasst ein Bündel vielfältiger Technologien. Wie sie konkret im Unternehmen zum Einsatz kommen, ist hochgradig gestaltungsbedürftig. Bei aktuellen Formen der partizipativen Gestaltung (agile Methoden, Design Thinking, Open Innovation) werden zwar Kunden stärker direkt eingebunden, kaum aber die eigenen Beschäftigten in der Produktion (dem Shopfloor). Wollen die Engineering-Beschäftigten, die Industrie 4.0 gestalten, den Shopfloor überhaupt einbeziehen? Der Artikel präsentiert bislang unveröffentlichte Ergebnisse zu Erhebungen im Engineering eines Automobilwerks. Speziell wurden die Sichtweisen, Erfahrungen und Zukunftsvorstellungen der Engineering-Beschäftigten darüber ermittelt, wie die Produktion bei der Umsetzung von Industrie 4.0 integriert werden kann. Die qualitativen und quantitativen Erhebungen mit Q-methodologischem Anteil zeigen einerseits gute Erfahrungen mit und eine hohe Bereitschaft zur Beteiligung. Andererseits ist diese voraussetzungsvoll, es fehlt nicht nur an Zeit und Gelegenheiten, sondern auch an Phantasie und Initiative, um die bisherigen formalen, auf nachholende Optimierung verengten Verfahren zu durchbrechen.
Vollständig neuer Original-Beitrag.
Die Auswertungen und konzeptionellen Arbeiten für diesen Artikel entstanden im Verbundprojekt „Gute agile Projektarbeit in der digitalisierten Welt (diGAP)“. Dieses Forschungs- und Entwicklungsprojekt wird im Rahmen der Förderprogramme „Zukunft der Arbeit“ und „Innovationen für die Produktion, Dienstleistung und Arbeit von morgen“ vom Bundesministerium für Bildung und Forschung (BMBF) und dem Europäischen Sozialfonds (ESF) gefördert und vom Projektträger Karlsruhe (PTKA) betreut.
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Notes
- 1.
Der Datensatz (IG Metall 2013) umfasst 514.134 Personen aus über 8400 Unternehmen.
- 2.
Für die Auswertung werden nur Befragte zwischen 15 und 65 Jahren einbezogen, um in die Befragung eingegangene Mitglieder auszuschließen, die sich in Rente oder Schulpraktika befinden.
- 3.
Nach einer Horn (1965) und Glorfeld (1995) folgenden Parallelanalyse mittels auf Q-Daten angepasster Monte-Carlo-Simulation (Held 2017) verbleibt nur die erste Hauptkomponente mit einem korrigierten Eigenwert größer 1 (Kaiser-Guttman-Kriterium). Dieser strikte Standard der Komponentenextraktion ist besonders bei den vorliegenden hochdimensionalen Daten mit geringen Fallzahlen (HDLSS) angezeigt: Bei 233 Teilnehmenden, aber nur 25 Items muss von erheblichen zufälligen Kovarianzen ausgegangen werden. Die Parallelanalyse erfolgte aus technischen Gründen (wie üblich) basierend auf dem Pearson’s Koeffizienten, nicht dem hier sonst verwendeten und besser für Q geeigneten Spearman’s Rangkoeffizienten. Auch bei einer Spearman’s Korrelationsmatrix fallen allerdings die Eigenwerte nach der ersten Komponente scharf ab (Scree-Kriterium), sodass eine Ein-Komponentenlösung die sicherere Wahl zu sein erscheint. Die Analyse erfolgte mit der pensieve Software (Held 2017) für die R Statistik Plattform (R Core Team 2012).
- 4.
Streng genommen legt die o. g. Parallelanalyse nur einen negativen Standard an: Die verbleibenden Kovarianzen außerhalb der ersten Hauptkomponente (Residualmatrizen) können nicht mit großer Wahrscheinlichkeit (p = 0,05) von zufälligen Mustern unterschieden werden und sollen daher hier sicherheitshalber nicht interpretiert werden. Solch ein in Q eher untypisches Ergebnis lässt sich erklären durch eine unzureichende Eignung der Items, große Homogenität der Teilnehmenden und ein ungünstiges Verhältnis von Teilnehmenden und Anzahl der Items, hier vor allem der letzten beiden. Da sich auch bei den nicht korrigierten, „rohen“ Eigenwerten ein extremer Abfall nach der ersten Komponente verzeichnen lässt, kann aber trotz dieser beschränkten „Auflösung“ des Messinstruments von einer tatsächlichen Übereinstimmung ausgegangen werden.
- 5.
Wir verwenden hier den ladungsgewichteten Durchschnitt der Rohdaten, auch bekannt als „Regression Scores“ (Thompson 2004).
- 6.
Es handelt sich um die ladungsgewichtete Standardabweichung der Ränge in den Rohdaten (vgl. Held 2017).
- 7.
Die große Streuung in den extremen Items bei gleichzeitig teilweise sehr geringer Streuung in der neutralen Mitte stellt aus Sicht der Q-Methodologie eine Anomalie dar. Tatsächlich wäre zu erwarten, dass die Items in den extremen Rängen wenig streuen, schließlich haben Kovarianzen in den Extremen großen Einfluss auf die Hauptkomponentenanalyse. Möglicherweise sehen wir hier die Spuren eines seltenen, aber grundsätzlichen Dissenses, der insgesamt mit einem aufwendigen Messinstrument (mehr Items) und entsprechender Rotation der Ladungen klarer zutage treten würde.
Literatur
Asdonk J, Bredeweg U, Kowol U (1993) Innovation, Organisation und Facharbeit: Rahmenbedingungen und Perspektiven betrieblicher Technikentwicklung. USP, Bielefeld
Bieber D (Hrsg) (1997) Technikentwicklung und Industriearbeit: industrielle Produktionstechnik zwischen Eigendynamik und Nutzerinteressen. Campus, Frankfurt am Main
Boulos-Rødje N, Ellingsen G, Bratteteig T et al (Hrsg) (2015) ECSW 2015: proceedings of the 15th European Coference on Computer Supported Cooperative Work, 19–23 September 2015, Oslo, Norway. Springer, Heidelberg/New York/Dordrecht/London
Brown SR (1980) Political subjectivity – applications of Q methodology in political science. Yale University Press, New Haven
Fuchs-Fronhofen P, Lorscheider B (1995) Kooperation von Ingenieuren und Facharbeitern: das Beispiel BPK. In: Fricke E (Hrsg) Betrieblicher Wandel und Autonomie von Ingenieuren. Friedrich-Ebert-Stiftung, Bonn, S 64–79
Funken C (1994) Das Bild des Entwicklers vom Benutzer: eine Problemskizze. In: Fricke E (Hrsg) Zur Zukunftsorientierung von Ingenieuren und Naturwissenschaftlern. Friedrich-Ebert-Stiftung, Bonn, S 75–92
Georg A, Katenkamp O, Guhlemann K, Dechmann U (2017) Digitalisierungsprozesse und das Handeln von Betriebsräten. Arb – Z Arbeitsforsch 26:1–24
Glorfeld LW (1995) An improvement on Horn’s parallel analysis methodology for selecting the correct number of factors to retain. Educ Psychol Meas 55:377–393
Held M (2017) Pensieve: an R package for the scientific study of human subjectivity. https://github.com/maxheld83/pensieve
Hirsch-Kreinsen H, Ittermann P, Niehaus J (2015) Digitalisierung industrieller Arbeit. Die Vision Industrie 4.0 und ihre sozialen Herausforderungen. Edition Sigma, Berlin
Horn JL (1965) A rationale and test for the number of factors in factor analysis. Psychometrica 30:179–185
IG Metall (2013) Arbeit: sicher und fair! Die Befragung. IG Metall
Kagermann H, Wahlster W, Helbig J (2013) Umsetzungsempfehlungen für das Zukunftsprojekt Industrie 4.0. Abschlussbericht des Arbeitskreises Industrie 4.0. Plattform 4.0, Frankfurt am Main
Lingitz L, Hold P (2015) Integration von Lösungskompetenz operativer Mitarbeiter des Shop-Floors in die Produktionsplanung und -steuerung. In: Kersten W, Koller H, Lödding H (Hrsg) Industrie 4.0: wie intelligente Vernetzung und kognitive Systeme unsere Arbeit verändern. Gito, Berlin
Manske F (1995) Kooperation von Ingenieuren und Facharbeitern: das Beispiel BPK. In: Fricke E (Hrsg) Betrieblicher Wandel und Autonomie von Ingenieuren. Friedrich-Ebert-Stiftung, Bonn, S 51–63
Mayring P (2007) Qualitative Inhaltsanalyse: Grundlagen und Techniken. Beltz, Weinheim/Basel
Müller FH, Kals E (2004) Die Q-Methode. Ein innovatives Verfahren zur Erhebung subjektiver Einstellungen und Meinungen. Forum Qual Sozialforsch 5:Art. 34
Murray R, Caulier-Grice J, von zu Mulgan G (2010) The open book of social innovation. Nestager, London
Patton J (2015) User Story Mapping: Die Technik für besseres Nutzerverständnis in der agilen Produktentwicklung. O’Reilly, Heidelberg
Pfeiffer S (2012) Arbeit in Bewegung – Innovation stillgestellt? Standardisierung 2.0 in der Innovationsarbeit des Maschinenbaus. In: Schilcher C, Will-Zocholl M (Hrsg) Arbeitswelten in Bewegung: Arbeit, Technik und Organisation in der nachindustriellen Gesellschaft. VS Verlag für Sozialwissenschaften, Wiesbaden, S 59–83
Pfeiffer S, Schütt P, Wühr D (2011) Innovationsarbeit unter Druck braucht agile Forschungsmethoden. „Smarte Innovationsverlaufsanalyse“ als praxisnaher und partizipativer Ansatz explorativer Forschung. Arb- Ind Stud AIS 4:19–32
Pflüger J, Pongratz HJ, Trinczek R (2010) Fallstudien in der deutschen Arbeits- und Industriesoziologie. Eine Bestandsaufnahme. In: Pongratz HJ, Trinczek R (Hrsg) Industriesoziologische Fallstudien: Entwicklungspotenziale einer Forschungsstrategie. Edition Sigma, Berlin, S 23–72
R Core Team (2012) R: a language and environment for statistical computing. R Found Stat Comput. http://www.R-project.org/. Zugegriffen am 19.09.2017
Rasmus DW (2011) Management by design: applying design principles to the work experience. Wiley, Hobokenko
Reason P, Bradbury H (Hrsg) (2010) Handbook of action research: concise paperback edition. Sage, Thousands Oaks/London/New Delhi
Schmiedgen J (2011) Innovating user value. The interrelations of business model innovation, design (thinking) and the production of meaning – a status-quo of the current state of research. Zeppelin University, Friedrichshafen
Thompson B (2004) Exploratory and confirmatory factor analysis – understanding concepts and applications. American Sociologocal Association, Washington, DC
Will-Zocholl M (2011) Wissensarbeit in der Automobilindustrie: Topologie der Reorganisation von Ingenieursarbeit in der globalen Produktentwicklung. Edition Sigma, Berlin
Wittke V, Hanekop H (Hrsg) (2011) New forms of collaborative innovation and production on the internet. An interdisciplinary perspective. Universitätsverlag, Göttingen
Wolf H (2012) Akademiker und Nicht-Akademiker im Wissenskapitalismus: betriebliche Kooperations- und Interessenkonstellationen. In: Kuda E (Hrsg) Akademisierung der Arbeitswelt? Zur Zukunft der beruflichen Bildung. VSA, Hamburg, S 52–67
Author information
Authors and Affiliations
Corresponding author
Editor information
Editors and Affiliations
Anhang
Anhang
Abb. 7.1
Rights and permissions
Copyright information
© 2018 Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature
About this chapter
Cite this chapter
Pfeiffer, S., Held, M., Lee, H. (2018). Digitalisierung „machen“ – Ansichten im Engineering zur partizipativen Gestaltung von Industrie 4.0. In: Hofmann, J. (eds) Arbeit 4.0 – Digitalisierung, IT und Arbeit. Edition HMD. Springer Vieweg, Wiesbaden. https://doi.org/10.1007/978-3-658-21359-6_7
Download citation
DOI: https://doi.org/10.1007/978-3-658-21359-6_7
Published:
Publisher Name: Springer Vieweg, Wiesbaden
Print ISBN: 978-3-658-21358-9
Online ISBN: 978-3-658-21359-6
eBook Packages: Computer Science and Engineering (German Language)