Was war der Beweggrund, eine Umfrage zum Thema Maschinendatenerfassung zu starten?
Gerhard Altmann: Bisher war über die tatsächliche Nutzung von Maschinendaten in der Industrie recht wenig bekannt. Und obwohl viel über Industrie 4.0 gesprochen wird, wo Maschinendaten und ihre Analyse eine Schlüsselrolle spielen, bleiben die Erkenntnisse häufig eher abstrakt. Unser Anliegen war es deshalb, mit dieser repräsentativen Befragung etwas zu tun, um die aktuelle Diskussion konkreter zu machen. Wir sehen, dass die Analyse von Maschinendaten bei unseren eigenen Kunden aus dem industriellen Umfeld einen sehr großen Stellenwert hat. Aber wir wissen natürlich, dass dies nicht unbedingt ein allgemeingültiges Bild sein muss. Wir wollten den branchenweiten Trend erkennbar machen – deshalb der Weg zu Forsa.
Herausgekommen ist nun, dass drei Viertel der befragten Unternehmen die Möglichkeiten zur Maschinendatenerfassung und -auswertung bereits nutzen. Welche wesentlichen Gründe werden dafür genannt? Was spricht für solche Auswertungen, die schließlich auch Aufwand bedeuten?
Altmann: Vor allem geht es den Unternehmen darum, ihre eigenen Reaktionszeiten zu verkürzen. Sie wollen möglichst schnell, am besten in Echtzeit, wissen, was in ihren Maschinen vorgeht, um etwa bei Fehlfunktionen so früh wie möglich eingreifen zu können. In Maschinendaten zeichnen sich beispielsweise Fehlerbilder ab, die Aufschluss darüber geben, ob und wie eine Maschine gewartet werden muss, um die gewünschte Produktionsqualität herzustellen – oder auch, um zu vermeiden, dass größerer Schaden an der Maschine entsteht. Aktueller Stand der Dinge ist aus meiner Erfahrung allerdings, dass Unternehmen Maschinendaten zwar erheben, sie dann aber nur unzureichend oder gar nicht auswerten. Dass sich das jetzt ändert, hat nicht zuletzt damit zu tun, dass Unternehmen heute schneller und genauer auf ihre Kunden eingehen wollen. Und dass das Thema Qualität noch einmal einen höheren Stellenwert bekommen hat, weil es ein wichtiger Wettbewerbsfaktor ist. Wenn nämlich eine Maschine immer wieder ausfällt, hat man letzten Endes einen schlechten Markenbotschafter.
Trotz allem nutzen laut Ihrer Befragung noch immer 25% diese Möglichkeit gar nicht. Warum ist das so?
Altmann: Der Hauptgrund ist, dass diese Unternehmen die Bedeutung und die Möglichkeiten in der Tat noch nicht gesehen haben. Ich vermute außerdem, dass mancherorts die technischen Rahmenbedingungen fehlen, Daten zu erfassen, zu sichern und auszuwerten. Und natürlich muss man davon ausgehen, dass nach wie vor Maschinen im Einsatz sind, die keine Vorkehrung haben, Betriebsdaten zu erfassen und auszulesen. Dieser Anteil wird aber laufend sinken, weil niemand die vorhandenen Potenziale auf Dauer brachliegen lassen kann.
Was für Potenziale sind das genau? In der Intralogistik ist die Maximierung der Lagerkapazität entscheidend. Kompakte Sensoren spielen dabei eine Schlüsselrolle: Höchste Leistung in kompakter Bauform schafft mehr Platz für die Ware, denn die Technik macht sich klein. ‣ weiterlesen
Intralogistik: Neue Baumer ToF-Sensoren machen sich klein
Altmann: Hersteller, die prädikative, also vorausschauende Analysen in ihre Maschinen einbauen, stärken die Profitabilität ihrer Kunden, indem sie die Menge der Betriebsstunden hochhalten – idealerweise bei 100%. Das stärkt die Kundenzufriedenheit und die Kundenbindung erheblich. Außerdem bietet die Analyse von Maschinendaten Möglichkeiten für neue Geschäftsmodelle, neue Service-Pakete beispielsweise, und damit die unmittelbare Steigerung des Umsatzes. Dazu kommt die Option, auf Basis der vorhandenen Daten Prozesse zu optimieren, etwa um die Maschinenauslastung zu erhöhen. Wer all das auslässt, wird über kurz oder lang die negativen Auswirkungen zu spüren bekommen und fällt im Wettbewerb zurück. Seitens der Hersteller gibt es noch einen weiteren spannenden Punkt: Daten, die das Kundenverhalten abbilden, lassen Rückschlüsse auf Kundenwünsche und entsprechende Optimierungspotenziale zu. Auch das schafft wertvolle Alleinstellungsmerkmale.
Welche Möglichkeiten bietet SAS seinen Kunden bezüglich der Erfassung und Auswertung der Maschinendaten?
Altmann: Das reicht vom Datenqualitätsmanagement bis hin zu den erwähnten analytischen Anwendungen. Von zentraler Bedeutung sind vor allem drei Aspekte: die vorausschauende Wartung von Maschinen, Predictive Asset Maintenance genannt, die Prozessoptimierung auch mit Blick auf Personallogistik und das Thema Quality Lifecycle Assessment. Hier geht es darum, die Qualität von Produkten über ihren gesamten Lebenszyklus zu begleiten und beispielsweise aus Serviceberichten Frühindikatoren für Probleme herauszudestillieren, um möglichst früh und damit kostengünstig gegensteuern zu können.
Gibt es aus Ihrer Sicht noch technologische Barrieren, die dem ganzen Thema im Wege stehen, die es erheblich erschweren? Was zum einen die Erfassung der Daten anbelangt, aber zum anderen natürlich die Auswertung und auch über die ganzen Prozesse hinweg, die Sie eben beschrieben haben.
Altmann: Die entscheidende Hürde ist aus dem Weg geräumt – das Missverhältnis aus Datenmenge und Rechenleistung. In der Vergangenheit gab es das Problem, dass sich Analyseergebnisse bei steigendem Datenvolumen immer weiter nach hinten verschoben. So lange, bis man nicht mehr in der Gegenwart, sondern schon in der Vergangenheit war, wenn eine Antwort vorlag. Das ist aber dank moderner In-Memory-Technologie und neuer analytischer Verfahren gelöst. Dieser Technologiesprung ermöglicht heute ganz neue Anwendungsfelder. Der Erlkönig in der Automobilindustrie ist so ein Beispiel. Da werden bisher nur zwischen drei und fünf Prozent der Daten, die bei Testfahrten erfasst werden, überhaupt genutzt. Alle anderen werden weggeworfen. Das ist heute nicht mehr nötig, im Gegenteil: Die Hersteller können sämtliche bei Testfahrten erzeugten Daten analysieren und speichern – und das hilft ihnen nicht nur in der Erprobungsphase. Stellen Sie sich vor, dass ein Fahrzeug in Serie geht, und dann im Praxisbetrieb Probleme auftreten. Wer die Testdaten komplett zur Verfügung hat, kann sie für die Problemanalyse einsetzen und Fehler schneller beseitigen. Sicherlich gibt es auch heute noch Einsatzgebiete, in denen die Speichertechnologie an ihre Grenzen stößt. Windkraftturbinen sind so ein Fall. Eine Turbine produziert pro Stunde zwei Terabyte an Daten, 48TB pro Tag. Nun stehen in so einem Offshore-Park nicht nur ein Windrad, sondern 30 – und dann stößt der Betreiber wirklich irgendwann an Hardwaregrenzen. Aber auch hier schafft Analytics unmittelbar eine Lösung: Wir analysieren die Daten der Windräder direkt während ihrer Entstehung und starten erst mit der Aufzeichnung, wenn Muster auftreten, die von der Norm abweichen. Wir sammeln also nur die relevanten Daten und erfahren rechtzeitig, wann eine Turbine gewartet werden sollte. Von diesem Moment an speichern wir auch die Daten der anderen Windräder, um festzustellen, ob sich die Wartung bei anderen schon lohnt. Damit kann ein Serviceteam nach Möglichkeit gleich mehrere Wartungsaufträge miteinander verbinden. Auf diese Weise lassen sich die Betriebskosten erheblich reduzieren, denn so ein Hubschraubereinsatz vor der Küste ist natürlich ziemlich kostspielig und für einen einzelnen Wartungsfall unwirtschaftlich.
Sie haben eingangs schon von Industrie 4.0 gesprochen. Welchen Zusammenhang sehen Sie zwischen dem Thema Industrie 4.0 und eben diesem Thema Maschinendatenerfassung bzw. -auswertung? Digitale Souveränität in der Automation: Fraunhofer IOSB-INA entwickelt einen KI-Assistenten für die SPS-Programmierung. ‣ weiterlesen
Automatisierung neu gedacht
Altmann: Industrie 4.0 ist auf Analytics angewiesen. Das wird deutlich, wenn wir uns das eigentliche Ziel von Industrie 4.0 vor Augen führen: Deutschlands Position als weltweit führender Lieferant von Produktionstechnologien und Fabrikausrüstungen zu sichern – und die globale Innovationsführerschaft aufrecht zu erhalten. Der globale Wettbewerb in der Produktionstechnik nimmt zu, und die herkömmlichen Differenzierungsmerkmale greifen nicht mehr wie bisher. Industrie 4.0 sucht deshalb nach neuen Wegen, um den Wirtschaftsstandort Deutschland zu sichern – und dabei geht es auch um eine bestmögliche Flexibilisierung der Produktion. So sollen sogenannte Cyber Physical Production Systems, kurz CPPS, eine eigenständige Kommunikation zwischen Maschinen, Lagersystemen und Betriebsmitteln herstellen. Auf diese Weise lassen sich bestimmte Aktionen automatisch auslösen, und es wird eine gegenseitige selbstständige Steuerung erreicht. Diese CPPS bilden damit eine zentrale technische Grundlage von Smart Factories, die eine völlig neue Produktionslogik implizieren und zur Optimierung des Lieferketten- und Lebenszyklusmanagements beitragen. Es liegt auf der Hand, dass diese Prozesse einen permanent hohen Datenaustausch erfordern und riesige Datenströme erzeugen. Und hier kommt Analytics ins Spiel. Die Rohdaten an sich sind nämlich zunächst einmal völlig wertlos. Analytics bereitet die Produktions-, Maschinen- und Betriebsdaten deshalb so auf, dass sie eine Bedeutung bekommen, die Auskunft über den aktuellen Status der Produktion gibt. Der Fokus liegt dabei auf dem, was noch kommt, also auf der Zukunft, die verborgen in den Daten liegt. Und auch die mit bloßem Auge nicht zu überblickenden Wechselwirkungen zwischen unterschiedlichen Bereichen wie Produktion und Marketing oder Kundenservice bringen relevanten Mehrwert. Die Veredelung der Daten durch Analytics ist daher eine der Kerndisziplinen von Industrie 4.0.
Aus meiner Perspektive ist es ja so, dass wir beim heutigen Stand 2013 mit Industrie 4.0 nicht bei null anfangen. Wo, denken Sie, werden wir mit dem Thema Industrie 4.0 in fünf Jahren stehen? Vielleicht auch speziell in Bezug auf das Thema der SAS Analytik der Maschinendaten?
Altmann: Die Vernetzung von Produktionsanlagen und Unternehmenssteuerung und auch die Datenanalyse werden in fünf Jahren an der Tagesordnung sein. Gleichzeitig bin ich sicher, dass das Thema ständig in Bewegung bleiben wird, schon weil Hersteller und Anwender von Anlagen immer wieder auf neue Fragen stoßen werden, die sie beantworten wollen und für die sie neue Datengrundlagen brauchen. Für die Hersteller bedeutet das ein ganz neues Wettbewerbsumfeld und neue Differenzierungsmerkmale: Wessen Maschinen am besten für die digitale Produktion und die analytischen Prozesse geeignet sind, der wird dem Wettbewerb immer einen Schritt voraus sein.
Das heißt, Sie sehen für SAS eine sehr gute Zukunft?
Altmann: Ja, die Aussichten sind hervorragend, das zeigen nicht zuletzt die aktuellen Zahlen. Schon jetzt produziert die Industrie 40% aller Daten weltweit. Und für dieses Jahr sagen Experten voraus, dass erstmals mehr Daten \’machine-to-machine\‘ erzeugt werden als durch Menschen in der Kommunikation via Telefon und Internet. Wir haben also die Daten, und wir haben die technischen Möglichkeiten – und daraus entsteht unmittelbarer Nutzen. Wer hier früher startet und seine Systeme entsprechend ausbaut, der hat ganze klare Wettbewerbsvorteile.
Ich bedanke mich für das interessante Interview.
Gerhard Altmann ist bei SAS verantwortlich für den internationalen Bereich Manufacturing in der Region EMEA und im asiatisch-pazifischen Raum. Dieser Geschäftsbereich wurde im Mai 2013 neu gegründet. Vor seiner Zeit bei SAS war Altmann in verschiedenen internationalen Positionen bei Siemens tätig, auch im Bereich Manufacturing. Er hat Elektrotechnik und Automatisierungstechnik studiert und in den ersten Jahren nach seinem Studienabschluss intensiv in diesem Bereich gearbeitet.
