Workshop MaterialDigital2019 am 14. und 15. Mai 2019

Die Digitalisierung in der Entwicklung, Verarbeitung und im Einsatz von Werkstoffen und Bauteilen erfolgreich nutzen

Beim zweiten Workshop MaterialDigital trafen sich Akteure aus Industrie und Wissenschaft mit der Überzeugung, dass sich Entwicklungs- und Fertigungsprozesse durch digitale Workflows wesentlich effizienter gestalten lassen. Sie vertreten die Auffassung, dass das Management des Produktlebenszyklus durch eine möglichst durchgängige Beschreibung der Materialeigenschaften und ihrer Veränderungen eine neue Qualität bekommt. Die Teilnehmerinnen und Teilnehmer arbeiten an Themen wie künstlicher Intelligenz, digitalen Repräsentationen, Datenplattformen, Datenformaten oder Hochdurchsatz-Methoden um damit digitale Workflows, Materialdatenflüsse und mehr Materialintelligenz in Produkten und Prozessen zu schaffen.

Nachdem der Workshop MaterialDigital2018 das sogenannte Big Picture der Digitalisierung in der werkstoffintensiven Fertigung behandelt hat, lag der Fokus 2019 auf Werkzeugen und der Operationalisierung. Wie kann man einsteigen? Welche Entwicklungsstufen gibt es? Wie kann der digitale Veränderungsprozess bewältigt werden?

Zur Veranstaltung MaterialDigital2018

Wofür steht MaterialDigital?

 

MaterialDigital steht für die Bestrebung, die Leitgedanken von Industrie 4.0 und der Digitalisierung – Vernetzung, Transparenz, Nachvollziehbarkeit – auf Werkstoffentwicklung, Fertigung und Bauteileinsatz konsequent zu übertragen. Es geht darum, viele vorhandene Werkstoffinformationen besser zugänglich zu machen und besser zu verknüpfen. Neue Daten sollten so generiert werden, dass ihr Kontext nachvollziehbar ist.

Das MaterialDigital-Szenario sieht eine effiziente und datenbasierte Wertschöpfung mit Werkstoffen vor. Darin orientiert sich die Produktion von Werkstoffdaten an industriellen Standards, die Automatisierung im Experimentellen und im Virtuellen ist ein echter Wettbewerbsfaktor. Die Bewertung von Werkstoffen und Bauteilen erfolgt auf Grundlage von Daten aus verschiedenen Quellen. Das Datenhandling ist ein wertschöpfendes Element. Laborversuche, Sensorik im Feld und maschinelles Lernen befruchten sich gegenseitig. Der Abgleich erzeugter Werkstoffdaten mit Daten aus einem lokalen oder übergreifenden Repositorium wird Bestandteil der Qualitätssicherung.

nach oben

Programm

Dienstag, 14. Mai 2019

Zeit

Referent

Vortragstitel und Abstract

09:00

Prof. Dr. Chris Eberl, Institutsleitung Fraunhofer IWM

Begrüßung und Eröffnung

09:15

Dr. Matthias Funk, R&D Competence Center
Fatigue & Reliability, Schaeffler AG, Herzogenaurach

R&D Test Data Analytics and Mining (Lebensdauerbewertung in der Bauteilentwicklung auf der Basis existierender Daten)
Im Rahmen des Produktentwicklungsprozesses sind nach der Konstruktion sowohl Finite-Elemente-Analysen (FEA) als auch Ermüdungsversuche und Werkstoffuntersuchungen durchzuführen. Die Dokumentation dieser Ergebnisse erfolgt in weiten Teilen der deutschen Industrielandschaft im Normalfall nicht in einer strukturierten und maschinenlesbaren Form, sondern als Ablage von PDF-Berichten bspw. in Projektordnern. Diese nicht-nachhaltige Datenhaltung erschwert eine ganzheitliche Bewertung bestehender R&D Daten und ein Screening von alten Versuchsergebnissen, z.B. mittels Maschinellem Lernen (ML) oder Data Mining Techniken.
Im aktuellen Projekt »R&D Test Data Analytics and Mining« wurden Unternehmensinterne Versuchsdaten und Literatur-Ergebnisse aus Ermüdungsversuchen mit zugehöriger FEA und Werkstoffanalyse in einem standardisierten Format dokumentiert. Anhand dieser »Trainings-Daten« erfolgte die Generierung von einfachen Lebensdauermodellen mit ML-Methoden.
Ziel ist es, für neue Bauteilzustände eine erste Lebensdauerabschätzung mittels ML zu erstellen und langfristig den Versuchsaufwand zu reduzieren. Hierfür ist die kontinuierliche Erweiterung dieser Datenbasis notwendig, wodurch entsprechend komplexere Modelle zur Lebensdauervorhersage möglich werden.  

09:45

Jochen Rühl, Scherdel Siment GmbH, Marktredwitz

Einführung einer digitalen materialbasierten Prozess- und Produktentwicklung als strategisches Steuerungssystem zur Unternehmensführung
Computational Driven Engineering ist in der heutigen Produkt- und Prozessentwicklung nicht mehr wegzudenken. Durch die Digitalisierung in Form von einer Simulation von Produkt und Prozess gewinnt man einen Einblick in Wirk- und Funktionsweisen, die durch experimentelle Methoden teilweise nur schwer zugänglich und mit einem hohen Zeit- und Kostenbedarf verbunden sind. Diese Herangehensweise kann deutlich dazu beitragen, die Innovation und Wettbewerbsfähigkeit eines Unternehmens zu steigern.
Jedoch bleibt häufig ein großer Teil des Potentials ungenutzt, da dieser Ansatz nicht in eine konsequente materialbasierte Produkt- und Prozessentwicklung integriert wird. Durch eine unabhängige digitale Materialdatenbasis wird es möglich ein Bauteil und dessen Prozess in deutlich höherem Detailierungsgrad zu berechnen und dabei die speziellen Vorteile der entsprechenden Materialen gezielt zu nutzen. Über die Berechnung hinaus gilt es jetzt noch diese digitale technischen Informationen in sinnvollen Zusammenhang mit wichtigen betriebswirtschaftlichen Größen zu bringen.
Erst wenn diese Hürde genommen wird, kann der eigentliche Benefit in den Unternehmensalltag Einzug halten. Die enorme Chance ein weiteres, modernes Steuerungsinstrument zur Unternehmensführung zu integrieren, welches neben traditionellen Instrumenten wesentlich zur Beschleunigung von Unternehmenstransformationen, der Geschäftsentwicklung, etc. beitragen kann, wäre damit integriert.
Ein etwas anderes Verständnis von Industrie 4.0   

10:15

Pause

10:45

Dr.-Ing. Dietmar Tilch, Director Industrial Technology – Condition Monitoring Systems ZF Friedrichshafen AG, Industrietechnik, Lohr am Main

Betriebs- und Verschleißüberwachung von Antriebssträngen im Feld als Service für Anlagenund
Flottenbetreiber

Die ZF Friedrichshafen AG ist einer der größten Getriebehersteller weltweit. Insbesondere im Bereich der industriellen und kommerziellen Antriebssysteme und Fahrzeuge erwarten große Flottenbetreiber vermehr Lösungen für eine Überwachung und prädiktive Bewertung der Zustände zentraler Komponenten. ZF entwickelt dafür dedizierte Service-Konzepte, die zusätzlich zu einer solchen Fernüberwachung auch den zuverlässigen Betrieb der Getriebe nachhaltig optimieren helfen.
Der Vortrag gibt einen Überblick über die angewendeten Methoden und Systeme und zeigt auf, wie Kunden diese neue Art digitaler Dienstleistungen in ihre eigenen Prozesse integrieren können.
Stichpunkte:  Fernüberwachung von Windenergiegetrieben, Seilbahngetrieben, mobilen Arbeitsmaschinen und LKWs; Verschleißüberwachung und Berechnung verbrauchter Lebensdauer; Digitale Zwillinge; Service-Angebote: Predictive Maintenance, optimierte Ersatzteilbereitstellung, verlängerte Gewährleistung; Cloud Plattform; EcoSystem; IoT Security.

11:15

Soeren Barteldes, QASS GmbH, Wetter

Verarbeitung von Sensordaten zur Digitalisierung
von Werkstoffen und Produktionsprozessen

Sensoren arbeiten nach verschiedenen physikalischen Wirkprinzipien und werden vielfach zur Überwachung von Produktionsprozessen eingesetzt. Häufig gehen Informationen durch ungenügende Datenanalyse verloren. Dabei werden teils Informationen generiert, die ein tiefes Prozessverständnis und Werkstoffanalysen erlauben. Die Spektralanalyse bietet Möglichkeiten der referenzierten Mustererkennung beliebiger Sensorinformationen (Sensorfusion) und kaskadierende Analysen. Digitalisierte Prozesse profitieren  von den Möglichkeiten der softwaregestützten Datenanalyse insbesondere im Bereich elektronischer Filterung, Clustering und autarker Entscheidungen.

11:45

Dr. Christoph Schweizer, Geschäftsfeldleiter Werkstoffbewertung,
Lebensdauerkonzepte, Fraunhofer IWM

Aufbau eines Werkstoffdatenraums zur digitalen Abbildung der Werkstoffhistorie – Architektur, Softwaretools, Ontologieentwicklung
Im Rahmen des Landesprojekts MaterialDigital wird aktuell ein Werkstoffdatenraum für die zwei Anwendungsfälle Metalle und Polymere entwickelt. Der Vortrag behandelt sowohl die technologische Architektur des Werkstoffdatenraums als auch den dafür notwendigen digitalen Arbeitsfluss (Ontologieentwicklung, Datenstrukturierung, -speicherung und –abfrage).

12:15

Pause

13:30

Heinrich Pettenpohl, Stellvertretender Abteilungsleiter; Geschäftsstellenleiter des Forschungszentrum Data Spaces, Fraunhofer ISST, Dortmund

International Data Spaces - Data sovereignty in digital ecosystems
Heute gibt es ein allgemeines Verständnis über den Wert von Daten. Die Nutzung dieser Wert- und Handelsdaten schafft enorme Umsätze für die großen Anbieter von Datenplattformen. Selten profitieren die Datenersteller in angemessener Weise von diesem Wert. Oftmals bleiben diese auf den Kosten für die Datenerstellung und -verwaltung sitzen. Darüber hinaus geben viele ihre Daten kostenlos weiter oder bezahlen damit für die Nutzung eines Dienstes. In diesem Vortrag werden die wesentlichen Konzepte des International Data Spaces vorgestellt und die Anwendung für Werkstoffdaten in digitalen Ökosystemen diskutiert. Dabei werden Anwendungsbeispiele gezeigt, sowie die technischen und organisatorischen Maßnahmen dargestellt.

14:00

Johannes Zuckschwerdt, Bereichsleiter Organisationsentwicklung,  Schwäbische Werkzeugmaschinen GmbH, Schramberg-Waldmössingen

Analoge Herausforderungen bei der Digitalen Transformation

14:30

Pause

15:00

Moderierte Diskussion mit den Ausstellern

16:00

MaterialDigital Vertiefungsworkshops

17:15

Ergebnispräsentationen

18:30

MaterialDigital Get Together mit Imbiss

Mittwoch, 15. Mai 2019

09:00

Prof. Dr. Chris Eberl

Eröffnung

 

09:15

Dr. Assaf Anderson, MaterialsZone, Tel Aviv, Israel

Materials Data for AI Collaboration
Materials Zone is a distributed research platform for collaboration through interoperable data and AI modelling. New materials can now be discovered for hundreds of thousands/millions of dollars rather than the hundreds of millions of dollars it once cost.
Powered by a recommendation engine, the start-up bridges the gap between materials science and data science, industry and academia. By structuring materials data and experimental protocols, recommendations can be made using the system’s inherent artificial intelligent & machine learning capabilities. Siloed data from energy to manufacturing, otherwise left scattered and unstructured on legacy systems can be creatively reused. Standardizing this data, coupled with powerful simulation techniques, Materials zone offers rapid research insights including predictions on an array of materials scientific experiments. It is a process coined as ‘upcycling of data’. Rewarding scientists for their contribution, Materials Zone's data marketplace accelerates innovation in and between industry and academia by facilitating data transactions, securing IP provenance, and upcycling valuable data. Materials Zone, a spin off from Prof. Arie Zaban’ Bar-Ilan University, has proven AI use-cases pivotal in discovering new absorbers and PV components for future devices. Working closely to curate and preserve data for the use of AI in materials.

09:45

Dr. Teodoro Laino, IBM Research Zürich GmbH, Rüschlikon, Schweiz

A Cognitive Discovery Environment for Precise Materials R&D
Technological requirements in the industrial materials sector are demanding new materials with lower manufacturing costs, improved performance and sustainability, and reduced environment footprint. These requirements are driving the increased use of data and computation to generate discoveries and provide solutions in these sectors. For materials science and engineering vast amounts of data, and supporting information, are being generated and there is a requirement that these are efficiently connected and exploited. This presentation will describe a new research environment that harnesses the power of cognitive computing using machine learning (ML), natural language processing (NLP) methods and knowledge representation technologies (KG) to accelerate materials discovery. Content, functionality and applicability of the environment will be presented.

10:15

Pause

11:00

Dr. Joanna Procelewska, Schaeffler AG,
Herzogenaurach

Descriptor-based Methodology for Designing Tribological Systems in Industrial Applications
In designing a desired tribological system for different industrial application concerning the functional friction, there are several key questions associated with design representation: how to quantitatively represent the design space of heterogeneous tribological systems, contact fatigue and chemical properties of lubricant using a small set of design variables. This contribution proposed a new descriptor-based methodology for designing tribological systems. Tribological problems are often complex and their understanding and solution rely on complex experimental data obtained from laboratory tests. Records of tribological parameters are digitized using data acquisition systems to ensure continuous recording of tribological characteristics in required output. It is proposed to use a small set of descriptors to represent properties of tribological systems quantitatively. The descriptor set should be able to cover features at different levels, including composition, lubricants, environment and their actuation. Finally, the descriptor-based representation allows the use of parametric optimization approach to search the optimal design that meets the target application. To improve the search efficiency, this methodology integrates state of the art computational design methods such as design of experiment (DOE), molecular modeling (QM), statistical sensitivity analysis, and multi-objective optimization (i.e. ANN), into one design optimization framework to automate the design process of tribological systems.

11:30

Dipl.-Ing. Christof Gebhardt, Business Development
CADFEM GmbH,
Grafing bei München

Mit dem Digitalen Zwilling zum serviceorientierten Geschäftsmodell
Der digitale Zwilling ist das virtuelle Abbild eines spezifischen Produktes oder Anlage, das sein physisches Pendant ein Leben lang begleitet. An den Beispielen eines Safety-Relais und eines Wasserkraftwerks wird die Implementierung eines digitalen Zwillings aufgezeigt.
Es wird ein effizientes Simulationsmodell zum Abbilden der physikalischen Vorgänge benötigt. Das Modell liefert einen weitergehenden Einblick in die Physik mithilfe sog. virtueller Sensoren und ermöglicht einen genaueren Überblick über den Status eines Systems, die für dessen Lebensdauer-Prognose und das Verschleißprofil relevant sind. Das Datenmanagement der virtuellen und realen Sensordaten und die Ansteuerung des Simulationsmodells erfolgen durch eine IoT-Plattform. Auf Basis der gewonnenen Daten werden weitergehende Analysen durchgeführt und in einem Dashboard visualisiert.
Der Einsatz von digitalen Zwillingen ermöglicht optimierten Betrieb (Verfügbarkeit, Betriebskosten) und datengetriebene neue Geschäftsmodelle (Recommendations as a Service, Machine as a Service).

12:00

Pause

13:00

Dr. Anne de Baas, European Commission, Brüssel

The role of materials modelling in digitization – challenges at the European level
Delivering on the opportunities of Materials and Manufacturing within Industry 4.0 requires adding meaning to data (semantics), enabling interoperability and linking up silos. The huge benefits of structured data, common knowledge frameworks and interoperability were demonstrated with a range of case examples. Benefits include higher efficiency of materials use, improved value chain interactions and new business model opportunities. Current lack of semantics and interoperability are key barriers to accessing the value hidden in raw data (estimated to be 36 billion Euros) and to improved decision making. Ontologies are a core element of a set of solutions proposed by the panel and endorsed by audience contributions. All stakeholders are encouraged to collaborate and create interoperable ontologies open to everyone. Investments in a workforce trained in digital skills including semantic technologies is needed. The importance of overcoming ‘non-technical’ challenges such as legal, regulatory, security, data-sovereignty are highlighted. Building a system of trust and rewards for data sharing is required. Such a system, together with widely agreed semantic knowledge frameworks would enable Digital Marketplaces as an efficient way of realising Industry Commons. An audience poll showed a big gap between the need for and current capability in data interoperability and semantic technologies.  It hence confirms the need for action in this important field underpinning successful digitalisation of materials and manufacturing. Strong interest was expressed in working across domains in an alliance for digital materials and manufacturing.

13:30

Dr. Adham Hashibon, Fraunhofer IWM

Digital Materials Modelling Marketplaces: A Platform for collaboration and innovation based on Data Space Management Systems
Practical technologies for managing digital workflows and data curation for industrial applications in the European Digital Materials Modelling Marketplaces are presented. Digital Materials Modelling Marketplaces are emerging platforms providing all stake holders, modellers, industry and translators, ample opportunities to collaborate online to share and discover knowledge, collectively create and perform materials modelling workflows, generate and curate results and data. Marketplaces are thus an efficient way of realising Industry Commons on an EU level providing a one stop shop to all determining components that need to be interwoven for successful and accelerated deployment of materials modelling and digitalisation workflows in industry.
At the core of such Marketplaces is an ontology based interoperability layer providing an Open Simulation Platform (OSP) that acts as interoperable hub underlying the Markteplace. The OSP provides means for any third party service, such as modelling software, or data services such as for materials properties, to plugin and use the OSP to exchange information on the platform and offer services to end users. In the core of the OSP is a Data Space Management System (DSMS) that provides ontology based common universal data structures (CUDS) covering all domains, models, and services. The DSMS enables in effect creating and curating and exchange of any kind of information between models (coupling and linking) as well as with other Marketplace platforms. A common format specification (h5CUDS) for all modelling data and concrete implementation of the OSP and underling DSMS system is demonstrated.

14:30


Prof. Dr. Peter Gumbsch, Prof. Dr. Chris Eberl, Institutsleitung Fraunhofer IWM


Abschlussdiskussion

15:30

Ende

nach oben

 

Demonstratoren

 

Die operative Umsetzung von MaterialDigital führen wir mit ausgewählten Demonstratoren vor:

 

Demonstrator GraphBuilder

Das Tool GraphBuilder demonstriert, wie flexible und generische Vorlagen für die Datenspeicherung zu Arbeitsschritten aus der Werkstoffprüfung erstellt werden können. Die Vorlagen gehorchen dabei dem domänenspezifischen Vokabular und bekannten Zusammenhängen, die in Form einer Ontologie ausgedrückt werden. Die zu beschreibenden Arbeitsschritte werden als kleine Graphen abgebildet, die jeweils Eingabegrößen, Prozessgrößen und Ausgabegrößen beschreiben. Die Graphen der Einzelschritte werden später im Datenraum zu einer Prozesskette verknüpft. Der Graph eines Einzelschritts erfasst charakteristische Metadaten und beschreibt die zugehörigen Rohdaten so detailliert, sodass diese einfach maschinell weiterverarbeitet werden können. Die für die Graph-Erstellung notwendige Ontologie wird in einer Ontologieentwicklungsumgebung erstellt.

philipp.von.hartrott@iwm.fraunhofer.de

 

Demonstrator Werkstoffdatenraum

Der Werkstoffdatenraum demonstriert die Abbildung komplexer Prozessketten aus der Werkstoffprüfung in einer Datenraumumgebung. Dazu werden Roh- und Metadaten aus verschiedenen Prozessschritten der Werkstoffprüfung (Fertigung, Prüfung, Auswertung) mit dem domänenspezifischen Vokabular und bekannten Zusammenhängen, d.h. der Ontologie, erfasst und im Datenraum zu einer Prozesskette verknüpft. Zur Auswertung der Roh- und Metadaten des Datenraums wird eine Programmierschnittstelle bereitgestellt, die eine übersichtliche Darstellung der Ergebnisse in Form von Berichten ermöglicht.

christoph.schweizer@iwm.fraunhofer.de

 

Demonstrator Simulation as a Service

Der Demonstrator zeigt die  Möglichkeiten von Software as a Service (SaaS) im Bereich der Material- und Prozesssimulation. Dabei wird demonstriert, wie die am Fraunhofer IWM vorhandenen komplexen Simulationstools von externen Partnern  im Rahmen einer automatisierten Dienstleistung genutzt werden können. Vorgeführt wird dies am Beispiel einer Studie zum Einfluss von Parametervariationen eines komplexen Werkstoffmodells auf das Bauteilverhalten unter vorgegebener Last. Hierzu werden auf einem Rechner, welcher die Kundenseite repräsentiert, zu simulierende Modellparameter definiert und an einen zweiten Rechner, welcher im IWM steht, geschickt. Daraufhin wird automatisiert eine komplexe Simulation (z.B. FEM) gestartet, ausgewertet und die Ergebnisse an den Kundenrechner zurückgeschickt. Der Kundenrechner speichert die Ergebnisse anschließend in einem Datenraum ab, was ebenfalls demonstriert wird.

lukas.morand@iwm.fraunhofer.de;  torsten.kraft@iwm.fraunhofer.de

 

Demonstrator: Modellparameteridentifikation für mechanische Fügeverbindungen

Für die Crashsimulation mechanisch gefügter Verbindungen (Halbhohlstanznieten, Vollstanznieten, fließlochformendes Schrauben, Hochgeschwindigkeitsbolzensetzen) fehlen bislang vollständige Modelle zur Prognose des Trag- und Versagensverhaltens. Zudem ist für die Ersatzmodellierung der Fügeverbindungen in komplexen Fahrzeugstrukturen eine hohe Anzahl an Experimenten und Messungen zur Modellparameteridentifikation und Kalibrierung der Ersatzmodelle notwendig. Die demonstrierte Software JoiningLab ermöglicht die Verwaltung und Analyse von experimentellen Verbindungsdaten, zum anderen die automatisierte Ermittlung von Modellparametern für das Ersatzmodell. Auf Basis dieser Modellparameter werden automatisiert FE-Modelle erstellt und gerechnet. Der Demonstrator stellt den gesamten Workflow von der Prognose der Ersatzmodellparameter bis zur simulierten Probe dar.

philip.rochel@iwm.fraunhofer.de 

 

Demonstrator Materialdatenraum II

Für die Entwicklung neuer Produkte und Technologien werden umfangreiche und effizient nutzbare Materialdaten in Form ontologiebasierter Materialdatenräume immer wichtiger. Am Fraunhofer IWM wurde ein Datenraum-Konzept entwickelt, dass die Nutzbarkeit des Datenraums fachübergreifend gewährleistet. Darüber hinaus ist es mit dem Konzept ebenfalls möglich, die Bearbeitungs- und Prozesshistorie von Materialproben oder Bauteilen zu erfassen und auszuwerten. Um dies zu gewährleisten, werden in dem Datenraum nicht nur Werkstoffdaten, sondern auch Daten zu den Prozessen und Bearbeitungsschritten hinterlegt.
Der Demonstrator zeigt, wie DIN-konforme Experimentdaten sowie Modellparameter auf unterschiedlichen Wegen effizient in den Datenraum eingepflegt werden können, einschließlich der Daten-Visualisierung und einer Prüfung der Rohdaten sowie der prozessierten Daten. Anschließend stehen die Daten für die Anwendung in numerischen Simulationen oder die wissenschaftliche Datenanalyse validiert und unmittelbar zur Verfügung.
Das Konzept und dessen Nutzbarkeit werden anhand der weit verbreiteten und somit bekannten Methoden der mechanischen Charakterisierung und der Finiten-Element-Methode vorgestellt und vorgeführt.

adham.hashibon@iwm.fraunhofer.de
 

 

Aussteller

 

Der Workshop MaterialDigital richtet sich an Praktiker. D.h. neben dem Weitblick ist auch die praktische Umsetzung gefragt. Dazu können sich die Teilnehmerinnen und Teilnehmer in einer Begleitausstellung über aktuelle Softwarelösungen zu Werkstoffdatenbanken, Mikrostruktursimulation, Modelle für digitale Zwillinge und Plattformen für Materialinformationen informieren.

Als Aussteller sind dabei: TotalMateria, ThermoCalc, MatMatch, CADFEM.

Drei Gründe für Ihre Teilnahme am Workshop MaterialDigital2019

 

  • Sie sind Teil einer Community, die die digitale Transformation in der Werkstofftechnik umsetzt.
  • Sie erfahren von Impulsgebern und Experten welche Konzepte und Werkzeuge funktionieren und worauf bei der Implementierung zu achten ist.
  • Sie tauschen sich mit Praktikern aus und bekommen Anregungen zur Bewältigung Ihrer eigenen digitalen Herausforderungen.

nach oben