Zwei Seiten einer Medaille

Alleingänge werden für Febrikbetreiber und ihre Ausrüster künftig wenig erfolgreich sein: nur in Kooperation mit gleichgesinnten Partnern des gesamten Wertschöpfungsnetzwerks, in der jeder seine Stärken ausspielt, können KI-Modelle Mehrwerte für alle Beteiligten schaffen. Datenökosysteme bzw. Datenräume bilden dabei die Basis für den gewinnbringenden Einsatz von industrieller KI, besonders für kleine und mittlere Fertigungsbetriebe. Sie nutzen Daten aus unterschiedlichen Quellen, bieten über standardisierte Konnektoren einfachen Zugang zum Datenökosystem und ermöglichen damit wiederverwendbare KI-Anwendungen. Im Folgenden sind weitere zentrale Aspekte und Vorteile aufgeführt.

Datenökosysteme erleichtern einfache und sichere Datenzugänglichkeit und -qualität, auch über Unternehmensgrenzen hinweg, z.B. durch Zugriff auf Maschinen-, Prozess-, Qualitäts- und/oder Wartungsdaten aus verschiedenen Quellen. Standardisierte Formate und ‚Metadaten‘, die die Datenökosysteme festlegen, erleichtern die gezielte Nutzung von Laufzeitdaten. Offene Standards, die bereits beginnen, sich flächendeckend in der produzierenden Industrie durchzusetzen, erleichtern dann die Kombination von Daten aus unterschiedlichen Systemen, z.B. ERP-, MES-, Scada- oder PLM-Systemen.

Oftmals zögern Unternehmen beim Datenaustausch über Unternehmensgrenzen hinweg, weil sie befürchten, kostbares, langjährig aufgebautes Knowhow mit den Daten preiszugeben. Datenökosysteme bieten genau dafür maximalen Schutz durch festgelegte Governance und Datensicherheit: Rollen-, Zugriffs- und Nutzungskontrollen, vertrauenswürdige Datenquellen und automatisierbare Datenverträge (Datenzugriffsvereinbarungen) erleichtern und unterstützen den Datenaustausch im Netzwerk. Damit können Ökosystempartner – z.B. Lieferanten, Kunden, Dienstleister -Daten kompletter Wertschöpfungsketten integrieren und zum Nutzen aller Potenziale ausschöpfen, die sie allein niemals heben könnten.

So ergeben sich wesentliche Vorteile beim Einsatz von künstlicher Intelligenz und Maschinellem Lernen:

Anzeige

Vorsprung im Packaging

Automatisierungstechnik von Beckhoff ermöglicht die effiziente Entwicklung ressourcenschonender Verpackungsmaschinen, verkürzt Konstruktionszeiten und senkt Kosten – für innovative Lösungen und nachhaltige Produktionsprozesse. ‣ weiterlesen

• Bereits vorhandene, vorbereitete Datensätze sind für mehrere KI-Anwendungen nutzbar, z.B. Predictive Maintenance, Prozessoptimierung, Qualitätssicherung, etc.
• Die KI-Modelle haben höhere Modell-Qualität und sind vertrauenswürdig, weil saubere, konsistente Daten die Modellgenauigkeit verbessern und damit zu Stabilität und Verständlichkeit der KI-Anwendungen führen.
• Das Teilen von Daten in vertrauenswürdigen Datenökosystemen vermeidet teure Insellösungen und ermöglicht schrittweisen und damit risikoreduzierten Einsatz von KI vom Piloten bis zur Skalierung. Die Standards führen zu weniger Datenaufbereitung pro Projekt und damit zu schnelleren Prototypen und deren iterativer Optimierung.
• Partnerschaftliche Wertschöpfung entsteht, weil Unternehmen einer Wertschöpfungskette Daten kooperativ nutzen, z.B. gemeinsam trainierte Modelle mit Zulieferern, und so gemeinsam ihre Wettbewerbsfähigkeit stärken. Am Ende profitiert jeder Teilnehmer des Datenökosystems.

Typische Nutzungsszenarien sind:

• Predictive Maintenance, indem die KI frühzeitig erkennt, wenn Ausfälle von Maschinen oder Komponenten drohen, wann Wartung im komplizierten Fertigungsplan optimal einplant werden kann, ohne die Endtermine zu gefährden oder einfach Stillstandzeiten reduziert werden.
• Qualitätsvorhersagen durch frühzeitige Erkennung von Abweichungen oder Reduzierung von Ausschuss und Nacharbeit.
• Prozessoptimierung, beispielsweise bei der Feinjustierung von Prozessparametern, z.B. Temperatur, Geschwindigkeit, Druck, um Ausschuss zu senken.
• Energie- und Ressourceneffizienz, indem die KI-Modelle Verschwendung erkennen und Verbrauchskurven verbessern.
• Digitale Zwillinge einzelner Anlagen oder Linien, in denen reale Daten aus Maschinen und Anlagen mit Daten aus physikalischer Simulation kombiniert werden, um die Modelle anzureichern oder einfach mehr Daten zum Lernen zu generieren.

Auf diesem Weg lassen sich KI-Anwendungen nicht nur schneller, sondern auch kostengünstiger und mit geringerem Risiko realisieren, was zu reduzierten Stillstandszeiten, besserer Qualität, effizienterer Produktion und letztlich mehr Wettbewerbsfähigkeit führt.

Datenraumwerkstätten fungieren als KI-Inkubatoren

Viele Fabrikbetreiber und ihre Ausrüster sind kleine und mittelständische Unternehmen, die meist keine große IT-Abteilung, wenig Hallenfläche für Prototypen, kaum freie Kapazitäten zur Datengewinnung aus laufenden Maschinen oder kaum Personalkapazität für Forschungsprojekte haben. Die oben beschrieben Arbeiten, um künstliche Intelligenz und maschinelles Lernen im Datenökosystem zu nutzen, schafft kaum ein Unternehmen allein: Der tatsächlich existierende Wissensrückstand sollte gemeinsam mit vertrauenswürdigen Partnern aufgeholt werden. Der sichere Austausch von Daten fördert Kooperation und Innovation innerhalb des Ökosystems und ermöglicht es so, neue Geschäftsmodelle wirtschaftlich umzusetzen, die bislang nicht einträglich waren. Genau darum bereitet das Fraunhofer IOSB seine bekannten und kooperationsbewährten Forschungsfabriken und KI-Reallabore in Karlsruhe und Lemgo darauf vor, Datenraumwerkstätten zu werden: Hier finden produzierende Unternehmen alle Elemente, um schnell und einfach Datenraumtechnologien zu entwickeln und zu erproben. n“ rel=“nofollow“ target=“_blank“>mes.automatisierungstreff.com