Entwicklungsperspektiven von Produktionsarbeit

Chapter

Zusammenfassung

Die Einführung von Industrie 4.0-Systemen ist von großem arbeitssoziologischen wie auch arbeitspolitischem Interesse. Denn es liegt auf der Hand, und es ist in der Debatte um Industrie 4.0 unumstritten, dass smarte Produktionssysteme im Fall ihrer breiten Durchsetzung die bisherige Landschaft der Arbeit in der industriellen Produktion nachhaltig verändern werden. Auszugehen ist von einem disruptiven Wandel von Prozess- und Arbeitsstrukturen vor allem dadurch, dass die bisherigen sequentiell und ex-ante optimierten Abläufen durch in Echtzeit gesteuerte Prozesse ersetzt werden. Es wird nun eine erste Einschätzung möglicher Wandlungstendenzen und damit auch Gestaltungsherausforderungen von Produktionsarbeit im Kontext der Einführung von smarten Produktionssystemen vorgelegt. Der Fokus der folgenden Analyse richtet sich primär auf mögliche innerbetriebliche Wandlungstendenzen der Arbeit. Ausgeklammert werden Veränderungstendenzen überbetrieblicher Produktionsbeziehungen. Methodisch basiert die Argumentation auf einer Durchsicht und einer systematischen Zusammenfassung der vorliegenden Literatur aus dem Bereich der sozialwissenschaftlich orientierten Arbeitsforschung, die sich mehr oder weniger explizit mit dem Wandel von Produktionsarbeit unter den Bedingungen fortgeschritten automatisierter Systeme befasst.

Literaturverzeichnis

  1. Abel, J., Ittermann, P., & Steffen, M. (2013). Wandel von Industriearbeit. Herausforderung und Folgen neuer Produktionssysteme in der Industrie. Soziologisches Arbeitspapier Nr. 32, TU Dortmund. Google Scholar
  2. Ausschuss für Bildung, Forschung und Technikfolgenabschätzung (2008). Zukunftsreport: Arbeiten in der Zukunft – Strukturen und Trends der Industriearbeit. Deutscher Bundestag Drucksache, 16, 7959. Google Scholar
  3. Bainbridge, L. (1983). Ironies of automation. Automatica, 19(6), 775–779. CrossRefGoogle Scholar
  4. Böhle, F. (2013). Subjektivierendes Arbeitshandeln. In H. Hirsch-Kreinsen & H. Minssen (Hrsg.), Lexikon der Arbeits- und Industriesoziologie, Berlin (S. 425–430). CrossRefGoogle Scholar
  5. Cummings, M., & Bruni, S. (2009). Collaborative Human-Automation Decision Making. In S. Nof (Hrsg.), Handbook of automation, Berlin (S. 437–447). CrossRefGoogle Scholar
  6. Forschungsunion/acatech (Hrsg.) (2013). Umsetzungsempfehlungen für das Zukunftsprojekt Industrie 4.0. Abschlussbericht des Arbeitskreises Industrie 4.0. Frankfurt am Main Google Scholar
  7. Geisberger, E., & Broy, M. (2012). Agenda CPS. Integrierte forschungsagenda cyber-physical systems. Heidelberg. Google Scholar
  8. Grote, G. (2005). Menschliche Kontrolle über technische Systeme – Ein irreführendes Postulat. In K. Karrer, B. Gauss, & C. Steffens (Hrsg.), Beiträge der Forschung zur Mensch–Maschine-Systemtechnik aus Forschung und Praxis. Düsseldorf (S. 65–78). Google Scholar
  9. Grote, G. (2009). Die Grenzen der Kontrollierbarkeit komplexer Systeme. In J. Weyer (Hrsg.), Management komplexer Systeme. München (S. 149–168). Google Scholar
  10. Hirsch-Kreinsen, H. (2009). Innovative Arbeitsgestaltung im Maschinenbau? Soziologisches Arbeitspapier Nr. 27, TU Dortmund. Google Scholar
  11. Hollnagel, E., & Bye, A. (2000). Principles for modelling function allocation. International Journal of Human-Computer Studies, 52(2), 253–265. CrossRefGoogle Scholar
  12. Kaber, D., & Endsley, M. (2004). The effects of level of automation and adaptive automation on human performance, situation awareness and workload in a dynamic control task. Theoretical Issues in Ergonomics Sciences, 5(2), 113–153. CrossRefGoogle Scholar
  13. Kinkel, S., Friedewald, M., Hüsing, B., Lay, G., & Lindner, R. (2008). Arbeiten in der Zukunft: Strukturen und Trends der Industriearbeit. Berlin. CrossRefGoogle Scholar
  14. Kurz, C. (2013). Industrie 4.0 verändert die Arbeitswelt. In Gegenblende. Das gewerkschaftliche Debattenmagazin. www.gegenblende.de/24-2013 (15.01.2014). Google Scholar
  15. Lee, J. D., & Seppelt, B. (2009). Human factors in automation design. In S. Nof (Hrsg.), Handbook of automation, Berlin (S. 417–436). CrossRefGoogle Scholar
  16. Neef, A., & Burmeister, K. (2005). Die Schwarm-Organisation – Ein neues Paradigma für das e-Unternehmen der Zukunft. In B. Kuhlin & H. Thielmann (Hrsg.), Real-Time Enterprise in der Praxis. Berlin (S. 563–572). CrossRefGoogle Scholar
  17. Schuh, G. & Stich, V. (Hrsg.) (2013). Produktion am Standort Deutschland. Ergebnisse der Untersuchung 2013. Aachen. Google Scholar
  18. Schumann, M., Baethge-Kinsky, V., Kuhlmann, M., Kurz, C., & Neumann, U. (1994). Trendreport Rationalisierung. Automobilindustrie, Werkzeugmaschinenbau, Chemische Industrie. Berlin. Google Scholar
  19. Spath, D., Ganschar, O., Gerlach, S., Hämmerle, M., Krause, T., & Schlund, S. (2013). Produktionsarbeit der Zukunft – Industrie 4.0. Stuttgart. Google Scholar
  20. Sydow, J. (1985). Der soziotechnische Ansatz der Arbeits- und Organisationsgestaltung. Frankfurt am Main/New York. Google Scholar
  21. Trist, E., & Bamforth, K. (1951). Some social and psychological consequences of the long wall method of coal-getting. Human Relations, 4(1), 3–38. CrossRefGoogle Scholar
  22. Uhlmann, E., Hohwieler, E., & Kraft, M. (2013). Selbstorganisierende Produktion mit verteilter Intelligenz. wt-online, 103(2), 114–117. Google Scholar
  23. Windelband, L., et al. (2011). Zukünftige Qualifikationsanforderungen durch das „Internet der Dinge“ in der Logistik. In FreQueNz (Hrsg.) Zukünftige Qualifikationserfordernisse durch das Internet der Dinge in der Logistik, Zusammenfassung der Studienergebnisse, (S. 5–9). Google Scholar

Copyright information

© The Author(s) 2015

Open Access This chapter is distributed under the terms of the Creative Commons Attribution Noncommercial License, which permits any noncommercial use, distribution, and reproduction in any medium, provided the original author(s) and source are credited.

Authors and Affiliations

  1. 1.Wirtschafts- und Sozialwissenschaftliche Fakultät, Wirtschafts- und IndustriesoziologieTechnische Universität DortmundDortmundDeutschland

Personalised recommendations