Ein zentraler Baustein für diese Interoperabilität ist OPC UA (Open Platform Communications Unified Architecture) – ein herstellerunabhängiger Kommunikations-standard. OPC UA ermöglicht nicht nur den sicheren Austausch von Daten über verschiedene Systeme hinweg, sondern bietet auch eine robuste technische Basis für die semantische Beschreibung von Informationen. Hier kommen die sogenannten Companion Specifications ins Spiel: Sie erweitern OPC UA um branchenspezifische Informationsmodelle und definieren, was kommuniziert wird und nicht nur wie. Diese Spezifikationen sorgen für eine gemeinsame Sprache zwischen Maschinen und IT-Systemen und schaffen damit die Grundlage für semantische Interoperabilität. Eine Studie des VDMA unterstreicht ihre Bedeutung für die Industrie: über 70 Prozent der befragten Unternehmen gaben an, dass sie die Bedeutung von OPC UA Companion Specifications allgemein für ihr Unternehmen als hoch und sehr hoch einschätzen. Doch wie können die angeführten Standards konkret dazu beitragen, KI-Anwendungen und Data Spaces zu ermöglichen und zu beschleunigen?
Unternehmen ist die Implementierung einer OPC-UA-Schnittstelle
geplant oder bereits erfolgt. – Bild: VDMA e.V.
Zuverlässige KI dank semantischer Standards
KI-Anwendungen wie Predictive Maintenance, Qualitätskontrolle oder Prozessoptimierung sind längst keine Zukunftsvision mehr. Doch die Realität zeigt: Viele KI-Projekte scheitern an der Datenbasis. OPC UA (CS) ermöglichen es, Daten aus Maschinen und Anlagen standardisiert und semantisch eindeutig bereitzustellen – ein entscheidender Vorteil für das Training und den Betrieb von KI-Modellen. Ein zentrales Thema bei modernen KI-Anwendungen sind sogenannte Large Language Models (LLMs), die in der Lage sind, natürlichsprachliche Texte zu generieren und zu verarbeiten. Diese Modelle haben jedoch eine bekannte Schwäche: Sie neigen dazu, Inhalte zu halluzinieren, also plausible, aber faktisch falsche Informationen zu erzeugen. Während dies bei Anwendungen für Konsumenten teilweise tolerierbar ist, stellt es im professionellen industriellen Umfeld ein erhebliches Risiko dar. Um dem entgegenzuwirken, müssen KI-Modelle mit verlässlichen, strukturierten Informationen versorgt werden, die sie auf dem richtigen Pfad halten. Zudem ist es wichtig, dass die KI auch mit aktuellen Informationen über den Zustand einer Maschine versorgt wird, um fundierte Entscheidungen treffen zu können.
Beides lässt sich durch den Einsatz von OPC UA Companion Specifications erreichen. Diese domänenspezifischen Datenstandards liefern nicht nur Werte, sondern auch deren Bedeutung im Maschinenkontext. So wird z.B. eine Temperatur nicht nur als Zahl mit Einheit übermittelt, sondern auch semantisch angereichert – etwa als Temperatur eines Kessels in einer bestimmten Maschine. Durch die Kombination dieser semantischen Informationen mit Sprach-KI-Modellen kann eine natürlichsprachliche Verarbeitung industrieller Daten ermöglicht werden. 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
Der VDMA hat bereits zahlreiche Companion Specifications erarbeitet, darunter die Basis Companion Specifikation OPC UA for Machinery und zahlreiche domänenspezifische Erweiterungen. Darüber hinaus existieren KI-Modelle, die speziell für die Analyse von Zeitreihendaten entwickelt wurden. Diese ermöglichen Vorhersagen über zukünftige Entwicklungen und bilden die Grundlage für Predictive oder Preventive Maintenance. Auch hier ist die semantische Interoperabilität entscheidend, um zusammen mit den Vorhersagen der Zeitreihenmodelle Domänenexperten relevante Informationen zugänglich zu machen.
Companion Specifications öffnen den Weg zu Data Spaces
Bei Data Spaces handelt es sich um ein dezentralisiertes, interoperables Ökosystem, das es Teilnehmern ermöglicht Daten sicher zu teilen und dabei stets die Souveränität sowie die Kontrolle über ihre Verwendung zu behalten. Daten werden somit nicht über eine zentrale Plattform geteilt, sondern direkt zwischen dem jeweiligen Datenanbieter und -konsumenten. Lediglich die Rahmenbedingungen werden über eine föderierte Betriebsumgebung festgelegt. Diese setzt sich dabei aus verschiedenen Komponenten zusammen, um das für den Datenaustausch nötige Vertrauen herzustellen. So können Teilnehmende im Data Space gefunden und dabei ihre Identität neutral verifiziert werden. Daten können mit Nutzungsbedingungen versehen und Datentransaktionen werden neutral und nachverfolgbar protokolliert. Gerade für den Maschinen- und Anlagenbau ist dies von großer Bedeutung, da hier nicht nur Dokumente und Dateien, also eher statische Daten, sondern vor allem auch Live-Daten von Maschinen und Geräten geteilt werden, was mit zusätzlichen Herausforderungen verbunden ist. Das Teilen von Daten über Data Spaces ermöglicht es nicht nur Großunternehmen, sondern auch kleinen und mittelständischen Unternehmen, neue digitale Geschäftsmodelle umzusetzen bzw. auch digitale Dienste und Services in Anspruch zu nehmen. So können z.B. auch KI-gestützte Analysen oder Services unternehmens- oder standortübergreifend genutzt und auch dann in Anspruch genommen werden, wenn Unternehmen nicht in der Lage sind, eigene KI-Technologien bei sich umzusetzen. Auch das Training moderner KI-Algorithmen profitiert immens, denn durch Data Spaces ist der Zugriff auf diverse und kontextreiche Datenquellen möglich, sodass entsprechende KI-Anwendungen an Zuverlässigkeit gewinnen. Digitale Souveränität in der Automation: Fraunhofer IOSB-INA entwickelt einen KI-Assistenten für die SPS-Programmierung. ‣ weiterlesen
Automatisierung neu gedacht
Die Manufacturing-X Initiative zielt deswegen mit einer Reihe von Projekten, wie bspw. Factory-X auf die Entwicklung eines solchen Datenökosystems für die Fertigungsindustrie ab. Auch auf europäischer Ebene wird im Projekt Sm4rtenance an dem Aufbau einer Data Space Föderation gearbeitet, um auch die Interoperabilität zwischen verschiedenen Data Spaces zu sichern. Die Basis hierfür bilden interoperable Schnittstellenstandards, wie OPC UA mit Companion Specifications. Hierdurch kann im Data Space auf ein einheitliches Vokabular zurückgegriffen werden und Informationen sind durchgängig interpretierbar. Gleichzeitig ermöglicht der Schnittstellenstandard Unternehmen eine effiziente Möglichkeit für einen Data Space Anschluss, da OPC UA mit Companion Specifications bereits weit verbreitet eingesetzt werden. Aus diesem Grund wurde im Projekt Factory-X der MX-Port in der Konfiguration Orion entwickelt, um die Anschlussfähigkeit von OPC UA an Data Space Connectoren zu sichern.
OPC UA Companion Specifications sind weit mehr als technische Standards – sie sind der Schlüssel zur semantischen Interoperabilität in der Industrie. Sie schaffen die Grundlage für vertrauenswürdige KI-Anwendungen und ermöglichen den sicheren, kontextreichen Datenaustausch über Data Spaces. Damit bilden sie das Fundament für eine zukunftsfähige, datengetriebene Industrie. Mit Initiativen wie Manufacturing-X gewinnt die Umsetzung interoperabler Datenökosysteme rasant an Fahrt. Die Kombination aus semantischen Standards, KI und Data Spaces eröffnet neue Möglichkeiten für datenbasierte Geschäftsmodelle – auch für kleine und mittelständische Unternehmen.
