nuveon GmbH

Von Anfang an haben wir mHub konsequent nach einer klaren Schichtenarchitektur aufgebaut. Nicht, weil wir irgendwann KI darauf loslassen wollten, sondern weil wir die Komplexität industrieller Software so weit reduzieren wollten, dass ein kleines Team viele unterschiedliche Kunden und Systeme effizient betreuen kann. Heute zeigt sich: Genau von dieser Vereinfachung profitiert auch KI. Unsere KI-Agenten arbeiten ausschließlich über die API-Schicht. Statt freien Zugriff auf den gesamten Software-Stack zu haben, bewegen sie sich innerhalb klar definierter Schnittstellen und Aufgabenbereiche. Das macht die Sache nicht nur für die KI überschaubarer, sondern auch für uns: Wir können genauer steuern, was ein Agent tun darf, welche Systeme betroffen sind und was anschließend überprüft werden muss. Auch die Trennung der Geschäftslogik von konkreten Benutzeroberflächen, Maschinen und Technologien spielt dabei eine wichtige Rolle. Ein Agent muss nicht jedes technische Detail der darunterliegenden Systeme verstehen, sondern kann über die vorgesehenen Schnittstellen mit den relevanten fachlichen Informationen arbeiten. Genau darin liegt für uns heute der zusätzliche Wert einer Architektur, die ursprünglich für ganz andere Anforderungen geschaffen wurde: Sie reduziert Komplexität für Menschen und schafft gleichzeitig klare Grenzen für KI. Dass sie uns Jahre später auch dabei hilft, KI kontrolliert und gezielt einzusetzen, war damals nicht Teil des Plans. Heute ist genau das einer ihrer spannendsten Vorteile. #nuveon #fertigung #maschinenbau #industrie40 #produktion #automatisierung #iiot #innovation #smartfactory #LeanManufacturing #KI

The other day, we heard an interesting story about a manager who built an entire product configurator using Claude Code. And he was understandably impressed with the result. An attractive interface, plenty of functionality, and a working application built much faster than he had expected. Until he wanted to make a seemingly minor change: replace the color of an element that appeared throughout the application. What sounded like a simple task turned out to be surprisingly complicated, requiring considerable effort, multiple adjustments, and a lot of tokens. The problem wasn't necessarily Claude Code itself. It was how the application had been structured. With the right architecture, a change like this could have been as simple as updating one variable. And that's what makes this story interesting. 𝗔𝗜 𝗰𝗮𝗻 𝗴𝗲𝗻𝗲𝗿𝗮𝘁𝗲 𝘀𝗼𝗳𝘁𝘄𝗮𝗿𝗲 𝗿𝗲𝗺𝗮𝗿𝗸𝗮𝗯𝗹𝘆 𝗳𝗮𝘀𝘁. 𝗕𝘂𝘁 𝘀𝗽𝗲𝗲𝗱 𝗼𝗳 𝗱𝗲𝘃𝗲𝗹𝗼𝗽𝗺𝗲𝗻𝘁 𝗱𝗼𝗲𝘀𝗻'𝘁 𝗮𝘂𝘁𝗼𝗺𝗮𝘁𝗶𝗰𝗮𝗹𝗹𝘆 𝘁𝗿𝗮𝗻𝘀𝗹𝗮𝘁𝗲 𝗶𝗻𝘁𝗼 𝗾𝘂𝗮𝗹𝗶𝘁𝘆, 𝗺𝗮𝗶𝗻𝘁𝗮𝗶𝗻𝗮𝗯𝗶𝗹𝗶𝘁𝘆, 𝗼𝗿 𝗹𝗼𝗻𝗴-𝘁𝗲𝗿𝗺 𝗲𝗳𝗳𝗶𝗰𝗶𝗲𝗻𝗰𝘆. We see a similar challenge when it comes to AI in manufacturing. We're enthusiastic about AI. We use it ourselves, and we help manufacturers put it to work. But manufacturing involves complex processes, dependencies, and decisions that don't disappear just because AI enters the picture. AI can bring tremendous value when it's combined with solid software, reliable algorithms, and a real understanding of how production works. Which brings us to something we believe is often overlooked when companies choose an AI partner: 𝗨𝗹𝘁𝗶𝗺𝗮𝘁𝗲𝗹𝘆, 𝘁𝗵𝗲 𝘃𝗮𝗹𝘂𝗲 𝗼𝗳 𝗔𝗜 𝗶𝗻 𝗺𝗮𝗻𝘂𝗳𝗮𝗰𝘁𝘂𝗿𝗶𝗻𝗴 𝗱𝗲𝗽𝗲𝗻𝗱𝘀 𝗹𝗲𝘀𝘀 𝗼𝗻 𝘄𝗵𝗮𝘁 𝘁𝗵𝗲 𝘁𝗲𝗰𝗵𝗻𝗼𝗹𝗼𝗴𝘆 𝗶𝘀 𝗰𝗮𝗽𝗮𝗯𝗹𝗲 𝗼𝗳, 𝗮𝗻𝗱 𝗺𝗼𝗿𝗲 𝗼𝗻 𝗵𝗼𝘄 𝘄𝗲𝗹𝗹 𝘄𝗲 𝘂𝗻𝗱𝗲𝗿𝘀𝘁𝗮𝗻𝗱 𝘁𝗵𝗲 𝗽𝗿𝗼𝗰𝗲𝘀𝘀𝗲𝘀 𝗶𝘁'𝘀 𝗺𝗲𝗮𝗻𝘁 𝘁𝗼 𝗶𝗺𝗽𝗿𝗼𝘃𝗲. #nuveon #industry40 #AI #KI #iiot #innovation #production #manufacturing #smartfactory #smartmanufacturing

Ein Azubi kann eine SPS programmieren. Aber was passiert, wenn plötzlich ein Fertigungsauftrag aus dem ERP kommt, mehrere Varianten produziert werden sollen und am Ende noch jemand wissen möchte, warum die OEE nicht stimmt? Genau dafür gibt es die 𝗺𝗛𝘂𝗯 𝗘𝗱𝘂𝗰𝗮𝘁𝗶𝗼𝗻 𝗘𝗱𝗶𝘁𝗶𝗼𝗻. In einer realitätsnahen Lernfabrik erleben Studierende und Auszubildende, wie Produktionsplanung, Automatisierung und Shopfloor-Daten tatsächlich zusammenspielen. Simulierte Aufträge laufen durch die Linie, Varianteninformationen werden verarbeitet und Zustände, Fehler sowie Produktions- und Ausschussdaten zurückgespielt. So werden Themen wie MES, OEE, One-Piece-Flow und Lean Manufacturing nicht nur erklärt, sondern direkt sichtbar. nuveon.de/mhub#education #nuveon #education #fertigung #maschinenbau #industrie40 #produktion #automatisierung #iiot #innovation #smartfactory #LeanManufacturing

nuveon Under the Hood 🥷 (𝘞𝘩𝘺 𝘈𝘐 𝘯𝘦𝘦𝘥𝘴 𝘶𝘴, 𝘢𝘯𝘥 𝘯𝘰𝘵 𝘫𝘶𝘴𝘵 𝘵𝘩𝘦 𝘰𝘵𝘩𝘦𝘳 𝘸𝘢𝘺 𝘢𝘳𝘰𝘶𝘯𝘥) 𝗔𝗜 𝗮𝗴𝗲𝗻𝘁𝘀 𝗮𝗿𝗲 𝗴𝗿𝗲𝗮𝘁 𝗮𝘁 𝘄𝗼𝗿𝗸𝗶𝗻𝗴 𝗾𝘂𝗶𝗲𝘁𝗹𝘆 𝗶𝗻 𝘁𝗵𝗲 𝗯𝗮𝗰𝗸𝗴𝗿𝗼𝘂𝗻𝗱. 𝗨𝗻𝘁𝗶𝗹 𝘁𝗵𝗲𝘆 𝗴𝗲𝘁 𝘁𝗼𝗼 𝗾𝘂𝗶𝗲𝘁. We recently added something to our internal AI setup that sounds simple, but solves a very practical problem: if one of our AI agents runs into trouble, we get a message on Telegram. Not because Telegram is somehow part of the AI magic. It just happens to be where we want the alert. The same idea can work with other communication tools as well. If an agent encounters an error, can’t complete a task or needs someone to step in, the relevant person gets notified directly instead of discovering it hours later in a log. We spend a lot of time talking about what AI agents can do. In practice, knowing when they couldn’t do something is just as important. At the end of the day, the best features are often the ones that make a system easier to trust in everyday use. #nuveon #AI #industry40 #techinnovation #iiot #innovation #production #manufacturing #smartfactory #smartmanufacturing #industrialautomation

AI-Tokens! Klingt ein bisschen beängstigend, oder? Es fängt mit einer eigentlich ziemlich vernünftigen Frage an: „Was wird uns das nächsten Monat kosten?“ Bei tokenbasierten KI-Diensten lautet die ehrliche Antwort oft: Es kommt darauf an. Darauf, wie viele Menschen das System nutzen, wie häufig sie es verwenden, wie groß Dokumente und Prompts sind, wie komplex die Anfragen werden und auf viele weitere Faktoren. Je nützlicher die KI intern wird, desto schwieriger lässt sich der monatliche Verbrauch vorhersagen. Für ein kleines Experiment mag das noch keine große Rolle spielen. Sobald KI aber mit großen Mengen internen Wissens verbunden ist und Teil alltäglicher Prozesse wird, sieht die Sache bei einer ständig schwankenden Pay-per-Use-Abrechnung schon anders aus. Das ist einer der Gründe, warum wir lokale KI als eine mögliche Bereitstellungsoption innerhalb von 𝗔𝗜 𝗯𝘆 𝗡𝘂𝘃𝗲𝗼𝗻 anbieten. Statt für jedes verarbeitete Token an einen externen Anbieter zu zahlen, investiert das Unternehmen in eigene Hardware und die Implementierung. Die vorhandene Rechenleistung kann dann genutzt werden, ohne dass jede zusätzliche Anfrage direkt weitere Token-Kosten verursacht. Natürlich muss auch lokale KI betrieben und gewartet werden, deshalb wäre es irreführend, von „kostenloser KI“ zu sprechen. Was sich verändert, ist das Kostenmodell: Statt sich jeden Monat zu fragen, wie hoch die nächste Token-Rechnung wohl ausfällt, ist die wesentliche Investition von Anfang an bekannt. Für Unternehmen, die ihr eigenes internes Wissen intensiv nutzen wollen, kann diese Planbarkeit fast genauso wichtig sein wie die Technologie selbst. nuveon.de/ki #nuveon #KI #fertigung #maschinenbau #industrie40 #produktion #automatisierung #iiot #innovation #smartfactory #LeanManufacturing

The uncomfortable side effect of using AI? People use it! An employee may upload documents or share screenshots to one of the familiar public AI tools to summarize a document, understand a technical issue or simply get help with a task. The intention is usually completely reasonable, but sensitive internal information can still leave the company environment. Banning AI altogether is hardly realistic, especially when people have already seen how useful it can be. We suggest a more practical approach, especially for companies handling particularly sensitive internal knowledge: give employees access to AI in an environment the company can actually control. With a local deployment option of 𝗔𝗜 𝗯𝘆 𝗡𝘂𝘃𝗲𝗼𝗻, internal knowledge can stay within a company-controlled environment while the AI connects to the systems, documents and databases people already work with. Access can also be based on existing roles and permissions, so not everyone automatically gets access to everything. For us, that is one of the more important parts of enterprise AI. It should make company knowledge easier and more intuitive to use, without the concern that it might end up in the wrong hands, either inside or outside the company. nuveon.de/en/ai #nuveon #AI #iiot #innovation #production #manufacturing #smartfactory #smartmanufacturing #industrialautomation

𝗪𝗲𝗻𝗻 𝗱𝗲𝗿 𝗞𝘂𝗻𝗱𝗲 𝗺𝗲𝗵𝗿 𝘄𝗶𝗹𝗹, 𝗮𝗹𝘀 𝗱𝗲𝗿 𝗦𝘁𝗮𝗻𝗱𝗮𝗿𝗱 𝘃𝗼𝗿𝘀𝗶𝗲𝗵𝘁 … Neulich hatten wir bei Nuveon einen Kundentermin, bei dem sich relativ schnell herausstellte: Das wird kein klassischer mVariants-Anwendungsfall (unsere CPQ-Software). Der Kunde hatte konkrete Vorstellungen, die deutlich über das hinausgingen, was wir bisher mit mVariants umgesetzt hatten. Zusätzliche Logiken, individuelle Abläufe, Informationen aus unterschiedlichen Quellen und die Anbindung weiterer Prozesse. Kurz gesagt: „Könnt ihr das auch?“ Die ehrliche Antwort wäre gewesen: So, wie ihr es gerade beschreibt, haben wir das noch nicht gemacht. Aber natürlich wählen wir immer den interessanten Weg. 😉 Denn je genauer wir die Anforderungen betrachtet haben, desto deutlicher wurde: Eigentlich müssen wir mVariants gar nicht verbiegen. Die offene und webbasierte Grundausrichtung des Systems bietet genau den Spielraum, den wir brauchen. Produktwissen, Konfiguration, Regeln, Daten und Prozesse lassen sich flexibel miteinander verbinden. Und wo eine konkrete Funktion noch nicht existiert, kann sie auf dieser Basis gezielt ergänzt werden. Aus einem zunächst vermeintlich „zu speziellen“ Kundenwunsch wurde damit eine ziemlich interessante Erkenntnis: 𝗺𝗩𝗮𝗿𝗶𝗮𝗻𝘁𝘀 𝗺𝘂𝘀𝘀 𝗻𝗶𝗰𝗵𝘁 𝗷𝗲𝗱𝗲𝗻 𝗦𝗼𝗻𝗱𝗲𝗿𝗳𝗮𝗹𝗹 𝘀𝗰𝗵𝗼𝗻 𝗸𝗲𝗻𝗻𝗲𝗻. 𝗘𝗻𝘁𝘀𝗰𝗵𝗲𝗶𝗱𝗲𝗻𝗱 𝗶𝘀𝘁, 𝘄𝗶𝗲 𝗳𝗹𝗲𝘅𝗶𝗯𝗲𝗹 𝘀𝗶𝗰𝗵 𝗻𝗲𝘂𝗲 𝗔𝗻𝗳𝗼𝗿𝗱𝗲𝗿𝘂𝗻𝗴𝗲𝗻 𝗮𝗯𝗯𝗶𝗹𝗱𝗲𝗻 𝗹𝗮𝘀𝘀𝗲𝗻. Und vielleicht ist genau das eine der spannendsten Eigenschaften unserer Plattform: Sie ist nicht für einen einzigen vorhersehbaren Standardfall gebaut, sondern bietet die Basis, auch ziemlich individuelle Anforderungen abzubilden. 𝗗𝗲𝗿 𝗞𝘂𝗻𝗱𝗲 𝗯𝗿𝗶𝗻𝗴𝘁 𝗱𝗶𝗲 𝗛𝗲𝗿𝗮𝘂𝘀𝗳𝗼𝗿𝗱𝗲𝗿𝘂𝗻𝗴. 𝗪𝗶𝗿 𝗯𝗿𝗶𝗻𝗴𝗲𝗻 𝗱𝗶𝗲 𝗣𝗹𝗮𝘁𝘁𝗳𝗼𝗿𝗺. nuveon.de/mvariants #nuveon #mVariants #Konfigurator #fertigung #maschinenbau #industrie40 #produktion #iiot #innovation #smartfactory

Predictive maintenance has one awkward limitation: you first have to imagine what might fail. We came across an article that brings up an interesting angle on machine maintenance. industryweek.com/operations/… The author describes working on a system that monitored industrial machines and successfully predicted the failure modes it had been designed to recognize. Then a tiny bolt broke, something nobody had thought to instrument, and the machine was down for about a month. The bolt itself cost about two cents. The article makes an important distinction between predicting the failures you already know how to look for and being prepared for the ones nobody thought to monitor. One line from the article stuck with us: “Frequency tells you what to expect. It tells you nothing about what will actually hurt you.” And that is probably the more interesting maintenance question. When we developed our 𝗺𝗛𝘂𝗯 𝗠𝗮𝗶𝗻𝘁𝗲𝗻𝗮𝗻𝗰𝗲 module, we knew there could never be a realistic system that anticipates every possible reason for a machine to stop. What we can do is make the response much better when something happens: maintenance points can be identified quickly, relevant instructions and information are available where they’re needed, work is documented properly, and previous activities remain traceable. So, the next time a machine fails, whether it’s because of a broken gear or a grain of dust, you need to be confident about what to do next. nuveon.de/en/maintenance #nuveon #maintenance #industry40 #iiot #innovation #manufacturing #smartfactory #industrialautomation #PredictiveMaintenance

𝗘𝘅𝗰𝗲𝗹 𝗸𝗮𝗻𝗻 𝗲𝗿𝘀𝘁𝗮𝘂𝗻𝗹𝗶𝗰𝗵 𝘃𝗶𝗲𝗹𝗲 𝗣𝗿𝗼𝗯𝗹𝗲𝗺𝗲 𝗹ö𝘀𝗲𝗻. 𝗠𝗮𝗻𝗰𝗵𝗺𝗮𝗹 𝗶𝘀𝘁 𝗴𝗲𝗻𝗮𝘂 𝗱𝗮𝘀 𝗱𝗮𝘀 𝗣𝗿𝗼𝗯𝗹𝗲𝗺. Bei einem unserer Kunden standen wir vor einer ziemlich typischen Herausforderung: Im ERP-System fehlten einige Daten, die wir brauchten. Gleichzeitig gab es bereits mehrere große Excel-Dateien, mit denen seit Jahren gearbeitet wurde – und die man auch weiterhin nutzen wollte. Unsere Lösung war, eine Schnittstelle zu bauen, die diese Excel-Dateien anbindet und die Daten so aufbereitet, dass sie in der Produktion verwendet werden können. Technisch ist das machbar. Tatsächlich können wir nahezu jede Datenquelle anbinden und die Daten in das benötigte Format bringen. Aber nur weil wir Excel anbinden können, heißt das noch lange nicht, dass Excel langfristig die richtige Quelle der Wahrheit ist. Warum? Weil Excel als Quelle für Produktionsstammdaten erhebliche Risiken mit sich bringt. In großen Tabellen können schon kleinste, unbemerkte Änderungen ernsthafte Folgen haben – ein geändertes Format, ein ungültiges Zeichen oder schlicht ein falscher Eintrag. Genau das haben wir bereits erlebt: Eine scheinbar kleine Änderung in einer Excel-Datei hat Fehler in der nachgelagerten Datenverarbeitung verursacht. Das langfristige Ziel sollte deshalb klar sein: Stammdaten gehören in eine kontrollierte Datenbank oder in ein zentrales Stammdatenmanagement-System, zum Beispiel mHub. 𝗘𝘅𝗰𝗲𝗹 𝗸𝗮𝗻𝗻 𝗲𝗶𝗻𝗲 𝗽𝗿𝗮𝗴𝗺𝗮𝘁𝗶𝘀𝗰𝗵𝗲 𝗕𝗿ü𝗰𝗸𝗲 𝘀𝗲𝗶𝗻. 𝗔𝗯𝗲𝗿 𝗱𝗶𝗲 𝗕𝗿ü𝗰𝗸𝗲 𝘀𝗼𝗹𝗹𝘁𝗲 𝗻𝗶𝗲 𝘇𝘂𝗺 𝗙𝘂𝗻𝗱𝗮𝗺𝗲𝗻𝘁 𝘄𝗲𝗿𝗱𝗲𝗻. Wir können nahezu jede Datenquelle anbinden und anpassen. Langfristig sollten Produktionsdaten aber dort liegen, wo sie kontrolliert, validiert und zuverlässig in den relevanten Prozessen genutzt werden können. nuveon.de/ #nuveon #fertigung #maschinenbau #industrie40 #produktion #automatisierung #iiot #innovation #smartfactory #LeanManufacturing

When nobody knows exactly what the next twelve months will bring, “we’ve always done it this way” could become a surprisingly expensive strategy. There’s enough uncertainty around at the moment without us adding another gloomy economic post to the pile. Energy costs move, demand changes, supply chains surprise us, budgets get examined a little more closely than usual. The good news is, there are still things we can control. Like the small inefficiencies inside our own processes that quietly cost time every single day: rebuilding a production plan manually when something changes, asking three people where an order currently stands, or relying on the one colleague who somehow knows which product combinations actually work. And there are plenty more like these. None of them seems dramatic on its own, which is probably why we can live with them for years. But when margins are under pressure and decisions have to be made more carefully, “we’ll deal with that someday” becomes harder to justify. Improving efficiency doesn’t necessarily mean launching a huge transformation project. Sometimes fixing one process can have more impact than expected. We can’t control what the next twelve months will bring. But making the processes we can influence a little smarter seems like a pretty good place to start. #efficiency

Wenn ein Produkt viele Varianten hat, wird aus „nur noch eine Option dazu“ ziemlich schnell ein kleines Regelwerk. Genau dafür gibt es den 𝗺𝗩𝗮𝗿𝗶𝗮𝗻𝘁𝘀 Produkt-Konfigurator: Er bildet Produktwissen, Abhängigkeiten und gültige Kombinationen zentral ab und führt Schritt für Schritt durch die Konfiguration komplexer Produkte. So muss nicht jedes Detail im Kopf einzelner Kollegen oder in diversen Excel-Listen leben. Je nach Prozess kann die Konfiguration anschließend direkt weiterverarbeitet werden – zum Beispiel für die Preisberechnung, Angebote und Belege, den Warenkorb oder die Übergabe an ERP und mHub. Auch Mehrsprachigkeit und projektbezogene Vertriebssteuerung lassen sich integrieren. Das Ziel ist dabei ziemlich simpel: Vielfalt behalten, ohne dass sie im Alltag unnötig kompliziert wird. nuveon.de/mvariants #nuveon #mVariants #fertigung #maschinenbau #industrie40 #produktion #automatisierung #iiot #innovation #smartfactory #LeanManufacturing

𝗕𝗲𝘆𝗼𝗻𝗱 𝘁𝗵𝗲 𝗛𝗲𝗮𝗱𝗹𝗶𝗻𝗲 A detail in a recent Reuters article about Volkswagen’s plans to simplify its business caught our attention: alongside reducing its model lineup, Volkswagen plans to cut what it calls “offering complexity” (including equipment options) by up to 75%. reuters.com/business/world-a… There’s an interesting question behind that number. When product variety becomes expensive to manage, is the answer always to offer less — or can part of the problem be how that variety is managed in the first place? Every additional option creates dependencies: which components work together, which combinations are technically possible, what changes the price and what can actually be produced. As the number of variants grows, keeping all of that knowledge consistent across sales, engineering and production becomes increasingly difficult. Reducing unnecessary complexity makes sense. But where variety is valuable to the customer, another direction is to make the rules behind it easier to manage: keeping product knowledge in one place, defining dependencies clearly and making sure that only valid configurations move through the process. That doesn’t make a complex product simple. It makes the complexity more manageable. This is also the idea behind 𝗺𝗩𝗮𝗿𝗶𝗮𝗻𝘁𝘀, our CPQ solution for variant-rich products: bringing configuration rules, dependencies and product knowledge together so that variety doesn’t have to rely on spreadsheets, scattered information or individual know-how. 𝗠𝗼𝗿𝗲 𝗮𝗯𝗼𝘂𝘁 𝗺𝗩𝗮𝗿𝗶𝗮𝗻𝘁𝘀: nuveon.de/en/mvariants #nuveon #industry40 #iiot #innovation #production #manufacturing #smartfactory #smartmanufacturing #manufacturingnews

Wenn wir sowieso überall von Bildschirmen umgeben sind, können wir auch das Beste daraus machen. Den aktuellen Stand der Produktion jederzeit im Blick zu haben – egal, wo man gerade ist und welches Gerät sich in Reichweite befindet – ist praktisch. Wenn allerdings etwas schiefläuft, wird es entscheidend, die richtigen Informationen klar und auf einen Blick auf dem Bildschirm zu sehen. Die Software von Nuveon ist deshalb weder an ein bestimmtes Gerät noch an eine bestimmte Bildschirmgröße gebunden. Ob großer Monitor, Tablet, Smartphone, Handscanner oder Smart Glasses – die Benutzeroberfläche passt sich an die jeweilige Arbeitssituation an und rückt genau die Informationen in den Fokus, die in diesem Moment gebraucht werden. Und dabei geht es nicht einfach darum, dieselbe Ansicht kleiner darzustellen. Ein Mitarbeiter direkt an der Maschine braucht schließlich andere Informationen als jemand, der Produktionskennzahlen auf einem großen Bildschirm analysiert. Und mal ehrlich: Wer hat schon Zeit, auf jedem einzelnen Gerät separat Software zu installieren? Deshalb haben wir unsere Software so entwickelt, dass der Zugriff browserbasiert erfolgt, keine lokale Installation nötig ist und der Zugang sicher über die Firewall gesteuert werden kann. Und noch eine letzte Erinnerung von uns: So nützlich all diese Bildschirme auch sind – ab und zu wegzuschauen ist trotzdem eine ziemlich gute Idee. :) #nuveon #manufacturing #MES #mHub #Digitalisierung #SmartFactory #IIoT

Nuveon in numbers

„Dank nuveons mVariants sind Vertrieb und Arbeitsvorbereitung jetzt in der Lage, sich voll auf die Kernaufgaben zu konzentrieren.“ So beschreibt Christopher Péus, Prokurist bei RZB, eine der wichtigsten Veränderungen seit der Einführung von 𝗺𝗩𝗮𝗿𝗶𝗮𝗻𝘁𝘀. RZB fertigt hochindividuelle Stahlzargen – und genau diese Vielfalt hatte die bestehenden Systeme zunehmend an ihre Grenzen gebracht. Viele Varianten ließen sich mit klassischen, artikelbasierten Strukturen kaum noch sinnvoll abbilden, wodurch bei Angeboten und Aufträgen immer mehr manuelle Prüfungen notwendig wurden und wichtiges Produktwissen zunehmend bei einzelnen Mitarbeitern lag. Gemeinsam mit dem Kunden haben wir deshalb die Produktstruktur neu gedacht und die Varianten in einem zentralen Produktmodell abgebildet. Daraus entstand ein webbasierter Konfigurator, der technische und kaufmännische Regeln direkt berücksichtigt und im Hintergrund prüft, ob eine konfigurierte Zarge tatsächlich produziert und zum richtigen Preis angeboten werden kann. Gleichzeitig werden nachgelagerte Dokumente wie Angebote, Auftragsbestätigungen, Fertigungsbelege oder Lieferscheine automatisch erzeugt. 𝗗𝗶𝗲 𝗴𝗮𝗻𝘇𝗲 𝗙𝗮𝗹𝗹𝘀𝘁𝘂𝗱𝗶𝗲: nuveon.de/cs-rzbmvariants #mVariants #CPQ #Produktkonfiguration #Variantenmanagement #Digitalisierung

𝗕𝗲𝘆𝗼𝗻𝗱 𝘁𝗵𝗲 𝗛𝗲𝗮𝗱𝗹𝗶𝗻𝗲 We recently came across an interesting analysis by the Manufacturing Leadership Council: 89% of manufacturers surveyed say that data has improved their decision-making. At the same time, 63% use less than half of the production data actually available to them. manufacturingleadershipcounc… That is quite a striking combination. It suggests that, in many cases, the problem is not a lack of data, but the difficulty of bringing the right information together at the right time. This is hardly surprising when information about machines, orders and processes is spread across different systems, older equipment makes data difficult to access, or different sources first need to be brought onto a common footing. Collecting even more data does not necessarily solve the problem. Things become more interesting when existing information can be connected: Which order is currently running? What is happening on the machine? Which process values are changing? Was there already an indication of a deviation? This is where individual data points gradually become something people can actually work with. AI can also help at this stage by identifying connections more quickly or deriving the next sensible step from the information available. But simply giving AI access to a mountain of data is only part of the equation. Its real value grows when that information can be related to the machines, orders and processes behind it. This is exactly the idea behind 𝗺𝗛𝘂𝗯 and the 𝗦𝘆𝘀𝘁𝗲𝗺 𝗣𝗿𝗼𝗰𝗲𝘀𝘀 𝗗𝗮𝘁𝗮 module: bringing existing production data together from different sources and connecting it to the machines, orders and processes it belongs to. nuveon.de/en/systemprocessda… P.S. This is also where 𝗔𝗜 𝗯𝘆 𝗡𝘂𝘃𝗲𝗼𝗻 comes into play: it can build on this foundation and turn connected information into understandable context and concrete actions. nuveon.de/en/ai #nuveon #industry40 #techinnovation #iiot #innovation #production #manufacturing #smartfactory #smartmanufacturing #manufacturingnews

Was passiert eigentlich mit einem Produkt auf seinem Weg durch die Produktionslinie? In der Schokoladenproduktion zum Beispiel können Temperatur, Vibration, Druck und Feuchtigkeit entlang der Linie entscheidend sein, um Qualitätsabweichungen zu verstehen oder Probleme im Prozess frühzeitig zu erkennen. Mit unserer mHub LogTEC Edition lassen sich diese Bedingungen genau dort messen, wo sie entstehen. Die mobilen LogTEC-Datenlogger von Agathon fahren mit dem Warenträger durch die Produktionslinie und zeichnen dabei Sensordaten auf. Auch wenn die Netzwerkverbindung vorübergehend unterbrochen ist, wird weiter gemessen und die Daten werden übertragen, sobald die Verbindung wiederhergestellt ist. In mHub können die Messwerte anschließend in Echtzeit analysiert, verglichen und visualisiert werden. Werden definierte Grenzwerte überschritten, löst das System Alarme aus. Gleichzeitig bilden die gesammelten Daten eine interessante Grundlage für KI-Anwendungen. Die Software kann also dabei helfen, dass am Ende das perfekte Produkt die Fabrik verlässt. Was die Kunden anschließend damit machen … nun ja, das liegt nicht mehr in unserer Hand. nuveon.de/mhub#mhub-logtec-e… #nuveon #LotTEC #fertigung #maschinenbau #industrie40 #produktion #automatisierung #iiot #innovation #smartfactory #LeanManufacturing

We believe software shouldn’t be tied to hardware. It should be available anytime, anywhere — flexible, fast, and truly valuable. We never stop exploring and integrating new technologies — because processes and standards evolve every day. That’s why we ensure that upgrades and growth stay simple. They should move you forward, not slow you down. We love teamwork, out-of-the-box thinking, and a good cup of coffee paired with an intelligent conversation. #nuveon #philosophy #honesty

Über KI in der Fertigung wird oft in großen Begriffen gesprochen: Transformation, Automatisierung, Agenten, die Zukunft der Arbeit. In unseren Gesprächen mit produzierenden Unternehmen sind die Fragen meist deutlich pragmatischer. Warum verzögert sich dieser Auftrag? Welcher Produktionsplan ist heute gefährdet? Wo finde ich die aktuellsten Informationen? Wer weiß, was als Nächstes passieren muss? Die Antworten auf diese Fragen stecken meist bereits in den vorhandenen Informationen. Doch die relevanten Informationen müssen schnell gefunden, verstanden und in konkrete Maßnahmen umgesetzt werden. Genau hier kommt 𝗔𝗜 𝗯𝘆 𝗡𝘂𝘃𝗲𝗼𝗻 ins Spiel. Nicht als eigenständiger Chatbot neben der eigentlichen Arbeit. Und nicht mit dem Versprechen, bestehende Systeme zu ersetzen. AI by Nuveon unterstützt industrielle Teams dabei, bestehende Daten, Dokumente und Workflows miteinander zu verbinden, operative Zusammenhänge schneller zu verstehen und einfacher von Informationen zu konkreten Maßnahmen zu gelangen. Bei manchen Unternehmen beginnt das mit Variantenwissen in Vertrieb und Produktion. Bei anderen mit Prozessabweichungen, Qualitätsthemen, Instandhaltung oder Produktionsplanung. Und vielleicht am wichtigsten: Es muss nicht mit einem großen KI-Transformationsprojekt beginnen. Oft ist der beste Ausgangspunkt ein konkreter Prozess, bei dem Menschen bereits zu viel Zeit mit Suchen, Nachfragen, Prüfen und Abstimmen verbringen. Genau diese Art von KI wollen wir entwickeln: praxisnah, vernetzt und nah an der tatsächlichen Arbeit in der Fabrik. nuveon.de/ki #nuveon #ki #ai #fertigung #maschinenbau #industrie40 #produktion #automatisierung #iiot #innovation #smartfactory #LeanManufacturing

𝗙𝗮𝗰𝘁𝗼𝗿𝘆 𝗜𝗻𝘀𝗶𝗴𝗵𝘁𝘀: 𝗔𝘂𝘁𝗼𝗺𝗼𝘁𝗶𝘃𝗲 (𝟰/𝟰) 𝘞𝘩𝘺 𝘖𝘌𝘔 𝘥𝘦𝘭𝘪𝘷𝘦𝘳𝘺 𝘸𝘪𝘯𝘥𝘰𝘸𝘴 𝘮𝘦𝘢𝘯 "𝘢𝘭𝘮𝘰𝘴𝘵 𝘰𝘯 𝘵𝘪𝘮𝘦" 𝘪𝘴𝘯'𝘵 𝘰𝘯 𝘵𝘪𝘮𝘦. In many industries, delivering a few hours late is an inconvenience. In automotive, it can become a much bigger problem. Production is built around precise delivery windows. Components are expected to arrive when they're needed—not hours earlier, and certainly not later. When that rhythm is disrupted, the impact can spread quickly across the production process, and, ultimately, customer commitments. That's why we see automotive manufacturers invest so much effort in visibility. Knowing where materials are, how production is progressing and whether potential delays are developing allows teams to react before a small issue turns into a missed delivery. The goal isn't simply to deliver on time. It's to spot potential delays early enough that "on time" never becomes a question. ---------------------- This concludes our Automotive edition of Factory Insights. While each topic stands on its own, together they tell a much bigger story: in automotive manufacturing, no process exists in isolation. That's a perspective we've come to appreciate through years of working alongside manufacturers—and one that continues to influence how we think about software. 🌐 nuveon.de #nuveon #factoryinsights #industry40 #techinnovation #iiot #smartfactory