SlideShare ist ein Scribd-Unternehmen logo
1 von 17
Downloaden Sie, um offline zu lesen
BIG DATA MANAGEMENT IN DER LOGISTIK
Univ.-Prof. Dr.-Ing. habil. Boris Otto
Wien, 29.01.2014

© Fraunhofer
AGENDA
 Aktuelle Megatrends
 Big Data Management
 Implikationen für die Logistik

© Fraunhofer
Industrie 4.0: Die Dinge werden „intelligent“

Cy ber-phy s ikalis che S y s tem e (CPS )

High Res olution
Managem ent

Virtuelle Welt
Manual
data input

Smart
Cards

Barcode

RFID

Eingebettete,
drahtlose Sensoren

Einfachheit der
Datenerfassung

Physische
Welt

Ambient Intelligence in der Fabrik der Zukunft

Hochfrequente Datenerfassung und -analyse
Quelle: Kagermann, 2013 (zitierend Wahlster, DFKI).

© Fraunhofer

Informations- und Datenqualität für
adaptive Prozesse
Nachhaltigkeit: Informationslogistik findet auf ItemEbene statt
CO2-Bilanz auf dem Kassenbon

CO2-Bilanz auf dem Artikeletikett

Externe und interne Datenquellen
Extreme Datenvolumina und heterogene Datenformate
Datenqualitätsanforderungen

© Fraunhofer
Globalisierung: Produktions- und Logistiknetzwerke sind
global

Ingolstadt

Bratislava

Neckarsulm
Changchun
Györ
Martorell
Sta. Agata
Foshan
Aurangabad
San José Chiapa

Jakarta
Pacheco

Legende:

Audi-Produktionsstandort;

geplanter Audi-Produktionsstandort.

Permanente Kopplung von Informations- und Warenfluss

© Fraunhofer
AGENDA
 Aktuelle Megatrends
 Big Data Management
 Implikationen für die Logistik

© Fraunhofer
Big Data Management bedeutet neue Datenquellen zu
erschließen
Welche Datenquellen nutzt Ihr Unternehm en?
46

Social Media
(Facebook, Twitter, Blogs usw.)
Internet-Daten
(Click Streams usw.)

54
66
34

47

Smart Grid
(Sensordaten, Betriebsdaten usw.)

53
43

RFID Tags und Strichcodes
GPS-Daten

57
39

Finanzdaten

Nutzungsdaten mobiler Endgeräte
Quelle: The Economist Intelligence Unit Limited: Big Data – Lessons from the leaders, 2012, n = 752, Angaben in Prozent.
Legende:
bereits genutzt
Nutzung geplant.

© Fraunhofer

61
51
49
51
49
Big Data Management erfordert neue Fähigkeiten in der
Datenverarbeitung
 Ad-hoc-Abfragen
 Fähigkeit jede Anfrage jederzeit beantworten zu können
 Beispiel: »Welche Rohstoffe haben wir in welchem Umfang in einem
Umkreis von 50 km um das KKW in Fukushima in den ersten drei Tagen
nach dem Unfall bezogen?«
 Echtzeittransparenz
 Fähigkeit der vollständigen Transparenz zu Material- und
Informationsflüssen
 Beispiel: »Was ist der Value at Risk unseres weltweiten Logistiknetzwerks
in Echtzeit?«
 Vorhersagefähigkeit
 Fähigkeit, Daten zur proaktiven Geschäftssteuerung zu nutzen – nicht als
Quelle für Probleme
 Beispiel: »Wie können Wetter- und Verkehrsdaten zur Steuerung des
Distributionsnetzwerks genutzt werden?«

© Fraunhofer
Ein Beispiel: Der Pizza-Code

Arbeitsbedingungen

Sojalecithin

Tomaten

(Brasilien)

L30827017F10647

Backmischung

(Emilia-Romagna
und Latium, Italien)

Knoblauch
(Shandong, China)

(Deutschland)

Vollmilchpulver

Pfeffer

Tomatensauce

Weizen

Weizenmehl

(Feld in Hochborn,
Deutschland)

Teig

(Pfalzmühle Mannheim,
Deutschland)

(Muntok,
Indonesien)

Gewürzmischung
(Deutschland)

Chili
(Muntok,
Indonesien)

Oregano

Nutzung von Pestiziden

(Türkei)

Rosemarin

Thymian

Hygienevorschriften

(Aschersleben,
Deutschland)

(Kairo, Ägypten)

Buchenbäume
Milch

(Marokko)

Basilikum

(Westerwald, Deutschland)

Schweinezuchtbed.

(Höfe in Bayreuth,
Deutschland)

Edamerkäse

Salami

(Bayernland, Germany)

BetaCarotin

Buchenhölzer

Schweinehälften

(Deutschland)

(Belgien, Dänemark,
Frankreich, [Vital-Fleisch]
Deutschland, Niederlande)

Schwein
(Belgien, Dänemark,
Frankreich, Deutschland,
Niederlande)

Salami
(Deutschland)

Ascorbinsäure

Gewürze

Speck
Salz

Maltodextrin
(China, Deutschland,
Natriumnitrat
(China, Deutschland,
(EU, USA)
Thailand)
Thailand)
NB: Das Beispiel folgt der Argumentation von Rohwetter, M.; Willmann, U.: Der Pizza-Code. In: Zeit Online Wirtschaft; http://www.zeit.de/2013/31/lebensmittelindustrieder-pizza-code (25.7.2013), abgerufen am 8.8. 2013.

© Fraunhofer
Die Quintessenz laut…

»Transparenz und Rückverfolgbarkeit sind möglich, dank moderner
Informationstechnik bis in den letzten Winkel der Erde. Wer sagt, er wisse
etwas nicht, der lügt, ist schlecht organisiert oder kriminell.«

© Fraunhofer
Ein Praxistest dazu
Frage 1: Mein Unternehmen ist in der Lage, sämtliche Informationen zu unseren Produkten, den
Komponenten und Rohstoffen transparent in Echtzeit bis in den letzten Winkel der Erde
zurückzuverfolgen.
Ja.
Nein.
Bei »Nein« weiter mit Frage 2.
Frage 2: Der Grund für diese Unfähigkeit ist:
In meinem Unternehmen nimmt man es mit der Wahrheit nicht so genau.
Mein Unternehmen ist vom Zufall getrieben und schlecht organisiert.
Mein Unternehmen agiert öfters kriminell.
NB: Mehrfachnennungen möglich …

© Fraunhofer
AGENDA
 Aktuelle Megatrends
 Big Data Management
 Implikationen für die Logistik

© Fraunhofer
Logistische Systeme müssen heute eine Vielzahl
Anforderungen erfüllen

Wandlungs fähigkeit

Trans parenz

Kom plex itäts beherrs chung

Effizienz

© Fraunhofer

Modernes
Logistisches
System
Big-Data-Management in der Logistik bedeutet
Dezentralisierung von „Intelligenz“
 Smart Labels als intelligente
Lagerplatzbeschriftungen
 Intelligente Kleinteilebehälter mit
Mensch-Maschine-Schnittstelle
 Intelligenter Luftfrachtcontainer (smartULD) für die
Integration in bestehende Flughafen-IT-Systeme
 Zukunft: Einsatz mit autonomen Transportsystemen

© Fraunhofer
Big-Data-Management in der Logistik
bedeutet Virtualisierung in der Cloud

© Fraunhofer
Moderne logistische Systeme sind dezentral und
virtualisiert

Legende: CPS – Cyber-Physical Systems.

© Fraunhofer

LOGISTIK
Dinge & CPS

»Bottom-Up«
Virtualisierung

»Top-Down«
Dezentralisierung

Cloud
Ihr Ansprechpartner

Univ.-Prof. Dr. Ing. habil. Boris Otto
Technis che Univ ers ität Dortm und

Fraunhofer-Ins titut für Materialflus s
und Logis tik

Audi-Stiftungslehrstuhl
Supply Net Order Management

Director Information Management &
Engineering

LogistikCampus
Joseph-v.-Fraunhofer-Straße 2-4
D-44227 Dortmund

D-44227 Dortmund

Tel.: +49-231-755-5959

Tel.: +49-231-943-655

Boris.Otto@tu-dortmund.de

© Fraunhofer

Joseph-v.-Fraunhofer-Straße 2-4

Boris.Otto@iml.fraunhofer.de

Weitere ähnliche Inhalte

Mehr von Boris Otto

International Data Spaces: Data Sovereignty and Interoperability for Business...
International Data Spaces: Data Sovereignty and Interoperability for Business...International Data Spaces: Data Sovereignty and Interoperability for Business...
International Data Spaces: Data Sovereignty and Interoperability for Business...Boris Otto
 
Data Governance
Data GovernanceData Governance
Data GovernanceBoris Otto
 
Data Resource Management: Good Practices to Make the Most out of a Hidden Tre...
Data Resource Management: Good Practices to Make the Most out of a Hidden Tre...Data Resource Management: Good Practices to Make the Most out of a Hidden Tre...
Data Resource Management: Good Practices to Make the Most out of a Hidden Tre...Boris Otto
 
Smart Data Engineering: Erfolgsfaktor für die digitale Transformation
Smart Data Engineering: Erfolgsfaktor für die digitale TransformationSmart Data Engineering: Erfolgsfaktor für die digitale Transformation
Smart Data Engineering: Erfolgsfaktor für die digitale TransformationBoris Otto
 
IDS: Update on Reference Architecture and Ecosystem Design
IDS: Update on Reference Architecture and Ecosystem DesignIDS: Update on Reference Architecture and Ecosystem Design
IDS: Update on Reference Architecture and Ecosystem DesignBoris Otto
 
Datensouveränität in Produktions- und Logistiknetzwerken
Datensouveränität in Produktions- und LogistiknetzwerkenDatensouveränität in Produktions- und Logistiknetzwerken
Datensouveränität in Produktions- und LogistiknetzwerkenBoris Otto
 
Digital Business Engineering am Fraunhofer ISST
Digital Business Engineering am Fraunhofer ISSTDigital Business Engineering am Fraunhofer ISST
Digital Business Engineering am Fraunhofer ISSTBoris Otto
 
Digitalisierung der Industrie
Digitalisierung der IndustrieDigitalisierung der Industrie
Digitalisierung der IndustrieBoris Otto
 
Data Sovereignty - Call for an International Effort
Data Sovereignty - Call for an International EffortData Sovereignty - Call for an International Effort
Data Sovereignty - Call for an International EffortBoris Otto
 
Turning Industrial Data into Value
Turning Industrial Data into ValueTurning Industrial Data into Value
Turning Industrial Data into ValueBoris Otto
 
Industrial Data Space: Referenzarchitekturmodell für die Digitalisierung
Industrial Data Space: Referenzarchitekturmodell für die DigitalisierungIndustrial Data Space: Referenzarchitekturmodell für die Digitalisierung
Industrial Data Space: Referenzarchitekturmodell für die DigitalisierungBoris Otto
 
Industrial Data Space: Digitale Souveränität über Daten
Industrial Data Space: Digitale Souveränität über DatenIndustrial Data Space: Digitale Souveränität über Daten
Industrial Data Space: Digitale Souveränität über DatenBoris Otto
 
Industrial Data Space
Industrial Data SpaceIndustrial Data Space
Industrial Data SpaceBoris Otto
 
Industrial Data Space: Digital Sovereignty for Industry 4.0 and Smart Services
Industrial Data Space: Digital Sovereignty for Industry 4.0 and Smart ServicesIndustrial Data Space: Digital Sovereignty for Industry 4.0 and Smart Services
Industrial Data Space: Digital Sovereignty for Industry 4.0 and Smart ServicesBoris Otto
 
Industrial Data Space: Referenzarchitektur für Data Supply Chains
Industrial Data Space: Referenzarchitektur für Data Supply ChainsIndustrial Data Space: Referenzarchitektur für Data Supply Chains
Industrial Data Space: Referenzarchitektur für Data Supply ChainsBoris Otto
 
Überblick zum Industrial Data Space
Überblick zum Industrial Data SpaceÜberblick zum Industrial Data Space
Überblick zum Industrial Data SpaceBoris Otto
 
Industrial Data Space Key Facts
Industrial Data Space Key FactsIndustrial Data Space Key Facts
Industrial Data Space Key FactsBoris Otto
 
Enabling the Industry 4.0 vision: Hype? Real Opportunity!
Enabling the Industry 4.0 vision: Hype? Real Opportunity!Enabling the Industry 4.0 vision: Hype? Real Opportunity!
Enabling the Industry 4.0 vision: Hype? Real Opportunity!Boris Otto
 
Logistik in der digitalen Wirtschaft: Daten als strategische Ressource
Logistik in der digitalen Wirtschaft: Daten als strategische RessourceLogistik in der digitalen Wirtschaft: Daten als strategische Ressource
Logistik in der digitalen Wirtschaft: Daten als strategische RessourceBoris Otto
 
Industrial Data Management and Digitization
Industrial Data Management and DigitizationIndustrial Data Management and Digitization
Industrial Data Management and DigitizationBoris Otto
 

Mehr von Boris Otto (20)

International Data Spaces: Data Sovereignty and Interoperability for Business...
International Data Spaces: Data Sovereignty and Interoperability for Business...International Data Spaces: Data Sovereignty and Interoperability for Business...
International Data Spaces: Data Sovereignty and Interoperability for Business...
 
Data Governance
Data GovernanceData Governance
Data Governance
 
Data Resource Management: Good Practices to Make the Most out of a Hidden Tre...
Data Resource Management: Good Practices to Make the Most out of a Hidden Tre...Data Resource Management: Good Practices to Make the Most out of a Hidden Tre...
Data Resource Management: Good Practices to Make the Most out of a Hidden Tre...
 
Smart Data Engineering: Erfolgsfaktor für die digitale Transformation
Smart Data Engineering: Erfolgsfaktor für die digitale TransformationSmart Data Engineering: Erfolgsfaktor für die digitale Transformation
Smart Data Engineering: Erfolgsfaktor für die digitale Transformation
 
IDS: Update on Reference Architecture and Ecosystem Design
IDS: Update on Reference Architecture and Ecosystem DesignIDS: Update on Reference Architecture and Ecosystem Design
IDS: Update on Reference Architecture and Ecosystem Design
 
Datensouveränität in Produktions- und Logistiknetzwerken
Datensouveränität in Produktions- und LogistiknetzwerkenDatensouveränität in Produktions- und Logistiknetzwerken
Datensouveränität in Produktions- und Logistiknetzwerken
 
Digital Business Engineering am Fraunhofer ISST
Digital Business Engineering am Fraunhofer ISSTDigital Business Engineering am Fraunhofer ISST
Digital Business Engineering am Fraunhofer ISST
 
Digitalisierung der Industrie
Digitalisierung der IndustrieDigitalisierung der Industrie
Digitalisierung der Industrie
 
Data Sovereignty - Call for an International Effort
Data Sovereignty - Call for an International EffortData Sovereignty - Call for an International Effort
Data Sovereignty - Call for an International Effort
 
Turning Industrial Data into Value
Turning Industrial Data into ValueTurning Industrial Data into Value
Turning Industrial Data into Value
 
Industrial Data Space: Referenzarchitekturmodell für die Digitalisierung
Industrial Data Space: Referenzarchitekturmodell für die DigitalisierungIndustrial Data Space: Referenzarchitekturmodell für die Digitalisierung
Industrial Data Space: Referenzarchitekturmodell für die Digitalisierung
 
Industrial Data Space: Digitale Souveränität über Daten
Industrial Data Space: Digitale Souveränität über DatenIndustrial Data Space: Digitale Souveränität über Daten
Industrial Data Space: Digitale Souveränität über Daten
 
Industrial Data Space
Industrial Data SpaceIndustrial Data Space
Industrial Data Space
 
Industrial Data Space: Digital Sovereignty for Industry 4.0 and Smart Services
Industrial Data Space: Digital Sovereignty for Industry 4.0 and Smart ServicesIndustrial Data Space: Digital Sovereignty for Industry 4.0 and Smart Services
Industrial Data Space: Digital Sovereignty for Industry 4.0 and Smart Services
 
Industrial Data Space: Referenzarchitektur für Data Supply Chains
Industrial Data Space: Referenzarchitektur für Data Supply ChainsIndustrial Data Space: Referenzarchitektur für Data Supply Chains
Industrial Data Space: Referenzarchitektur für Data Supply Chains
 
Überblick zum Industrial Data Space
Überblick zum Industrial Data SpaceÜberblick zum Industrial Data Space
Überblick zum Industrial Data Space
 
Industrial Data Space Key Facts
Industrial Data Space Key FactsIndustrial Data Space Key Facts
Industrial Data Space Key Facts
 
Enabling the Industry 4.0 vision: Hype? Real Opportunity!
Enabling the Industry 4.0 vision: Hype? Real Opportunity!Enabling the Industry 4.0 vision: Hype? Real Opportunity!
Enabling the Industry 4.0 vision: Hype? Real Opportunity!
 
Logistik in der digitalen Wirtschaft: Daten als strategische Ressource
Logistik in der digitalen Wirtschaft: Daten als strategische RessourceLogistik in der digitalen Wirtschaft: Daten als strategische Ressource
Logistik in der digitalen Wirtschaft: Daten als strategische Ressource
 
Industrial Data Management and Digitization
Industrial Data Management and DigitizationIndustrial Data Management and Digitization
Industrial Data Management and Digitization
 

Big Data Management in der Logistik

  • 1. BIG DATA MANAGEMENT IN DER LOGISTIK Univ.-Prof. Dr.-Ing. habil. Boris Otto Wien, 29.01.2014 © Fraunhofer
  • 2. AGENDA  Aktuelle Megatrends  Big Data Management  Implikationen für die Logistik © Fraunhofer
  • 3. Industrie 4.0: Die Dinge werden „intelligent“ Cy ber-phy s ikalis che S y s tem e (CPS ) High Res olution Managem ent Virtuelle Welt Manual data input Smart Cards Barcode RFID Eingebettete, drahtlose Sensoren Einfachheit der Datenerfassung Physische Welt Ambient Intelligence in der Fabrik der Zukunft Hochfrequente Datenerfassung und -analyse Quelle: Kagermann, 2013 (zitierend Wahlster, DFKI). © Fraunhofer Informations- und Datenqualität für adaptive Prozesse
  • 4. Nachhaltigkeit: Informationslogistik findet auf ItemEbene statt CO2-Bilanz auf dem Kassenbon CO2-Bilanz auf dem Artikeletikett Externe und interne Datenquellen Extreme Datenvolumina und heterogene Datenformate Datenqualitätsanforderungen © Fraunhofer
  • 5. Globalisierung: Produktions- und Logistiknetzwerke sind global Ingolstadt Bratislava Neckarsulm Changchun Györ Martorell Sta. Agata Foshan Aurangabad San José Chiapa Jakarta Pacheco Legende: Audi-Produktionsstandort; geplanter Audi-Produktionsstandort. Permanente Kopplung von Informations- und Warenfluss © Fraunhofer
  • 6. AGENDA  Aktuelle Megatrends  Big Data Management  Implikationen für die Logistik © Fraunhofer
  • 7. Big Data Management bedeutet neue Datenquellen zu erschließen Welche Datenquellen nutzt Ihr Unternehm en? 46 Social Media (Facebook, Twitter, Blogs usw.) Internet-Daten (Click Streams usw.) 54 66 34 47 Smart Grid (Sensordaten, Betriebsdaten usw.) 53 43 RFID Tags und Strichcodes GPS-Daten 57 39 Finanzdaten Nutzungsdaten mobiler Endgeräte Quelle: The Economist Intelligence Unit Limited: Big Data – Lessons from the leaders, 2012, n = 752, Angaben in Prozent. Legende: bereits genutzt Nutzung geplant. © Fraunhofer 61 51 49 51 49
  • 8. Big Data Management erfordert neue Fähigkeiten in der Datenverarbeitung  Ad-hoc-Abfragen  Fähigkeit jede Anfrage jederzeit beantworten zu können  Beispiel: »Welche Rohstoffe haben wir in welchem Umfang in einem Umkreis von 50 km um das KKW in Fukushima in den ersten drei Tagen nach dem Unfall bezogen?«  Echtzeittransparenz  Fähigkeit der vollständigen Transparenz zu Material- und Informationsflüssen  Beispiel: »Was ist der Value at Risk unseres weltweiten Logistiknetzwerks in Echtzeit?«  Vorhersagefähigkeit  Fähigkeit, Daten zur proaktiven Geschäftssteuerung zu nutzen – nicht als Quelle für Probleme  Beispiel: »Wie können Wetter- und Verkehrsdaten zur Steuerung des Distributionsnetzwerks genutzt werden?« © Fraunhofer
  • 9. Ein Beispiel: Der Pizza-Code Arbeitsbedingungen Sojalecithin Tomaten (Brasilien) L30827017F10647 Backmischung (Emilia-Romagna und Latium, Italien) Knoblauch (Shandong, China) (Deutschland) Vollmilchpulver Pfeffer Tomatensauce Weizen Weizenmehl (Feld in Hochborn, Deutschland) Teig (Pfalzmühle Mannheim, Deutschland) (Muntok, Indonesien) Gewürzmischung (Deutschland) Chili (Muntok, Indonesien) Oregano Nutzung von Pestiziden (Türkei) Rosemarin Thymian Hygienevorschriften (Aschersleben, Deutschland) (Kairo, Ägypten) Buchenbäume Milch (Marokko) Basilikum (Westerwald, Deutschland) Schweinezuchtbed. (Höfe in Bayreuth, Deutschland) Edamerkäse Salami (Bayernland, Germany) BetaCarotin Buchenhölzer Schweinehälften (Deutschland) (Belgien, Dänemark, Frankreich, [Vital-Fleisch] Deutschland, Niederlande) Schwein (Belgien, Dänemark, Frankreich, Deutschland, Niederlande) Salami (Deutschland) Ascorbinsäure Gewürze Speck Salz Maltodextrin (China, Deutschland, Natriumnitrat (China, Deutschland, (EU, USA) Thailand) Thailand) NB: Das Beispiel folgt der Argumentation von Rohwetter, M.; Willmann, U.: Der Pizza-Code. In: Zeit Online Wirtschaft; http://www.zeit.de/2013/31/lebensmittelindustrieder-pizza-code (25.7.2013), abgerufen am 8.8. 2013. © Fraunhofer
  • 10. Die Quintessenz laut… »Transparenz und Rückverfolgbarkeit sind möglich, dank moderner Informationstechnik bis in den letzten Winkel der Erde. Wer sagt, er wisse etwas nicht, der lügt, ist schlecht organisiert oder kriminell.« © Fraunhofer
  • 11. Ein Praxistest dazu Frage 1: Mein Unternehmen ist in der Lage, sämtliche Informationen zu unseren Produkten, den Komponenten und Rohstoffen transparent in Echtzeit bis in den letzten Winkel der Erde zurückzuverfolgen. Ja. Nein. Bei »Nein« weiter mit Frage 2. Frage 2: Der Grund für diese Unfähigkeit ist: In meinem Unternehmen nimmt man es mit der Wahrheit nicht so genau. Mein Unternehmen ist vom Zufall getrieben und schlecht organisiert. Mein Unternehmen agiert öfters kriminell. NB: Mehrfachnennungen möglich … © Fraunhofer
  • 12. AGENDA  Aktuelle Megatrends  Big Data Management  Implikationen für die Logistik © Fraunhofer
  • 13. Logistische Systeme müssen heute eine Vielzahl Anforderungen erfüllen Wandlungs fähigkeit Trans parenz Kom plex itäts beherrs chung Effizienz © Fraunhofer Modernes Logistisches System
  • 14. Big-Data-Management in der Logistik bedeutet Dezentralisierung von „Intelligenz“  Smart Labels als intelligente Lagerplatzbeschriftungen  Intelligente Kleinteilebehälter mit Mensch-Maschine-Schnittstelle  Intelligenter Luftfrachtcontainer (smartULD) für die Integration in bestehende Flughafen-IT-Systeme  Zukunft: Einsatz mit autonomen Transportsystemen © Fraunhofer
  • 15. Big-Data-Management in der Logistik bedeutet Virtualisierung in der Cloud © Fraunhofer
  • 16. Moderne logistische Systeme sind dezentral und virtualisiert Legende: CPS – Cyber-Physical Systems. © Fraunhofer LOGISTIK Dinge & CPS »Bottom-Up« Virtualisierung »Top-Down« Dezentralisierung Cloud
  • 17. Ihr Ansprechpartner Univ.-Prof. Dr. Ing. habil. Boris Otto Technis che Univ ers ität Dortm und Fraunhofer-Ins titut für Materialflus s und Logis tik Audi-Stiftungslehrstuhl Supply Net Order Management Director Information Management & Engineering LogistikCampus Joseph-v.-Fraunhofer-Straße 2-4 D-44227 Dortmund D-44227 Dortmund Tel.: +49-231-755-5959 Tel.: +49-231-943-655 Boris.Otto@tu-dortmund.de © Fraunhofer Joseph-v.-Fraunhofer-Straße 2-4 Boris.Otto@iml.fraunhofer.de