Mit zentraler Datenplattform zu IIoT und KI

In der Industrie stehen Schlagworte wie Digitalisierung, Industrial Internet of Things (IIoT) und künstliche Intelligenz (KI) seit langem für die Möglichkeit, Produktionsabläufe und Wartungsmodelle auf der Basis von Daten zu optimieren. Dadurch ergeben sich für Maschinen- und Komponentenhersteller gleichermaßen Chancen, ihren Kunden neue Angebote für digitale, datenbasierte Services zu machen.
Bild: KEB Automation KG

Wie können kleinere Unternehmen oder auch Handwerksbetriebe in Industrie 4.0 einsteigen? „Daten und Informationen entlang der gesamten Wertschöpfungskette zu teilen, ermöglicht neue Wege zur effektiveren Kooperation zwischen Herstellen, Lieferanten, Servicedienstleistern und Endanwendern“, sagt Stephan Boch, Senior Business Development Manager IIoT bei KEB Automation. „Soweit die Theorie. Aber viele Kunden fragen uns, wie sich das in der Praxis umsetzen lässt, sodass tatsächliche Mehrwerte entstehen? Welche Technologien und Plattformen müssen zum Einsatz kommen?“

Viele Hersteller können bereits Daten für ihre Produkte bereitstellen und liefern. Um diese Informationen zu visualisieren, steht zudem eine Reihe an Softwaretools zur Verfügung. Häufig werden hier allerdings proprietäre Lösungen für die Anbindung einer Anlage oder eines Gerätes angeboten. Die verwendeten Datenprotokolle sind nicht standardisiert und erfordern zunächst Schnittstellenanpassungen. „Die Daten sind nachher in unterschiedlichen Quellen verfügbar und somit von den Systemen abgekoppelt, die andere, nachgelagerte Prozesse steuern oder wichtige Informationen liefern können“, so Boch. Bei dieser technischen Entwicklung werde allerdings selten berücksichtigt, wie Menschen und deren Wissen sowie KI systematisch eingebunden werden können. „Dazu ist es unerlässlich, die notwendigen Aktionen und Prozesse anzustoßen, um potenzielle Mehrwerte und Optimierungen letztlich umzusetzen.“

Dabei lässt sich feststellen: Die Daten zeigen etwas, aber die Frage ist: Was bedeuten sie? Was ist nun genau zu tun? Was ist die Lösung des Problems? Wer kann diese erbringen? Was wird an zusätzlichem Material benötigt und welches Wissen ist dafür erforderlich?

 Die bidirektionale Anbindung der Systeme ist eine Voraussetzung für Digitale Services.
Die bidirektionale Anbindung der Systeme ist eine Voraussetzung für Digitale Services.Bild: KEB Automation KG

Daten effizient nutzen

Im industriellen Umfeld sind Schlagworte wie Big Data und Predictive Maintenance bereits vielfach in Gebrauch, aber nur selten zielführend umgesetzt. Gründe dafür sind unter anderem, dass die notwendige Datenmenge, die Komplexität der Zusammenhänge sowie Aufwand und Kosten unterschätzt werden. Außerdem fehlt bei einigen Anwendern die Bereitschaft, ihre Daten in eine Cloud zu transferieren oder mit anderen zu teilen. Viele IIoT-Projekte kommen daher auf dem Weg zur Generierung von Mehrwert über die dritte Entwicklungsstufe (siehe Abbildung nebenan) nicht hinaus. Sie verharren in einem internen Datenpool. „Echte Mehrwerte entstehen für den Anwender erst ab Stufe vier des Entwicklungspfads, wenn Maschinen, Prozesse, Geschäftsmodelle und Menschen zusammengebracht werden“, erklärt Stephan Boch.

Die Lösung für erfolgreiche IIoT-Projekte ist ein skalierbares und offenes Ökosystem. Es ermöglicht dem Anwender, die notwendigen Schritte zu durchlaufen, um echte datengetriebene Services und Geschäftsmodelle auf einer Plattform umzusetzen. Der IIoT-Spezialist erklärt: „Hier setzen wir an. Genau das bietet KEB Noa, unser neues skalierbares digitales Ökosystem mit Industrial IoT-Fähigkeiten.“ Im Detail bedeutet das die technische Anbindung diverser Systeme, Komponenten oder Sensoren mittels passender Hard- und Software, ein gezieltes Sammeln tatsächlich notwendiger Daten sowie die Anreicherung dieser Daten mit eingebundenen Wissensdatenbanken und KI. Danach werden diese Daten visualisiert und analysiert, in Benachrichtigungen und Aktionen umgesetzt, um direkt notwendige Prozesse anzustoßen – bis hin zum Auslösen eines Wartungs- oder Serviceeinsatzes oder einer Teilelieferung.

 Das digitale Ökosystem KEB Noa kann Systeme, Sensoren, Kunden, 
Lieferanten, Partner und Dienstleister verbinden.
Das digitale Ökosystem KEB Noa kann Systeme, Sensoren, Kunden, Lieferanten, Partner und Dienstleister verbinden.Bild: KEB Automation KG

Geschlossener Prozess für Datensicherheit

KEB Noa, kurz für ‚Network of Automation‘, umgeht Systembrüche und stellt einen geschlossenen Prozess bereit. „Die Lösung und Nachverfolgbarkeit eines Problems ist bereits ohne Big Data Analytics möglich, kann allerdings zu einem späteren Zeitpunkt zur weiteren Optimierung ergänzt werden“, so Boch. Zum Einsatz kommen zunächst eine einfache Datenauswertung, Remote-Zugriffe sowie die Nutzung von Dokumentation und Wissen in der Organisation. Aus Praxisfällen und Rückmeldungen lernt das System selbstständig und lässt sich – je nach Reifegrad des bestehenden Geschäfts – um Datenquellen erweitern. Lösungspakete werden dabei auf die Optimierung wichtiger Bereiche der Betriebskosten (Total Cost of Ownership, TCO) der Anlagen oder Geräte hin ausgerichtet. Der Fokus liegt aktuell auf Verfügbarkeit, Wartungskosten sowie Energie- und Materialeffizienz. Weitere Bausteine sind bereits in Planung.

Das System wird dabei schrittweise realisiert: Vom korrektiven über proaktives bis hin zum voll optimierten Verfügbarkeitsmanagements durch Problemvermeidung. Von zeitlich terminierter über nutzungsbasierter, selbstlernender Wartung bis hin zu prädiktiver Wartung für einzelne sinnvolle Anwendungsfälle. Von eher zufälligem Effizienzmanagement hin zu gemessener oder kontrollierter Effizienz. So entstehen nach und nach echte Mehrwerte mit überschaubarem Aufwand, die auch in TCO-Bereichen messbar sind.

KEB Noa nutzt KI-basierte Recommendation Engines, die den Serviceprozess automatisieren. „Kurz gesagt heißt das: Basierend auf Maschinendaten in Kombination mit Machine Learning-Algorithmen bietet die Plattform vorausschauende Wartungsinformationen und verbindet diese automatisch mit dazugehörigen Lösungsvorschlägen“, erklärt der IIoT-Spezialist. In einem über KI antrainierten System aus Expertenwissen, historischen Werten, Trends und aktuellen Maschinendaten, werden diese Lösungen anschließend Kunden oder Außendiensttechnikern zur Verfügung gestellt. Alle Werte, Parameter und sonstigen Informationen können anschließend über iBots, AR-Brillen oder moderne Chatfunktionen abgerufen werden.

„Hersteller, Anwender und Partner können auf derselben Plattform zusammenarbeiten, Daten teilen und direkte Fernzugriffe auf Anlagen vornehmen. Daraus ergeben sich völlig neue Wege einer effizienten Kooperation.“ Auch hier kann schrittweise nach Bedarf vorgegangen werden – vertikale und horizontale Integration auf einer Plattform. Durch die Skalierbarkeit von KEB Noa kann es bei unterschiedlichen Unternehmensgrößen sowie einfachen oder komplexen Anlagen zum Einsatz kommen. Ob das System fest installiert oder mobil ist und der Anwender eher zentral oder organisatorisch verteilt agiert, spielt dabei keine Rolle. „Außerdem ist KEB Noa herstellerunabhängig aufgesetzt und kann auch ohne weitere KEB-Produkte integriert werden“, ergänzt Boch. Die Flexibilität deckt viele Anwendungsfälle und Kundensegmente ab, sodass sich passende und erweiterbare Lösungen finden lassen. „Nur ein breit nutzbares Ökosystem kann Services optimieren und neue Dienstleistungen aufbauen.“

KEB Automation KG

Das könnte Sie auch Interessieren

Anzeige

Anzeige

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.

Bild: ©Stock57/stock.adobe.com
Bild: ©Stock57/stock.adobe.com
KI-Verfahren für die Produktion

KI-Verfahren für die Produktion

Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Chancen und Herausforderungen von Machine Learning in der Fertigung

Chancen und Herausforderungen von Machine Learning in der Fertigung

Automatisierung, künstliche Intelligenz (KI), Internet of Things (IoT) und Machine Learning (ML) sind heutzutage bekannte Technologien und kommen bereits in vielen Unternehmen zum Einsatz. Mit Hilfe von Machine Learning wird es IT-Systemen ermöglicht, Muster und Zusammenhänge aus Daten zu lernen und sich selbst zu verbessern. Dabei ist keine explizite Programmierung notwendig. Die Bearbeitung von Kundenanfragen, die Erkennung möglicher Störfälle sowie unerwarteter Ereignisse wie z.B. Cyberangriffe sind klassische Anwendungsfelder von ML. Aber auch die Unterstützung bei einer rein datengestützten Entscheidungsfindung und die Interpretation großer Datenmengen gehören dazu.

Bild: ©Shuo/stock.adobe.com
Bild: ©Shuo/stock.adobe.com
Sensoren lernen das Denken

Sensoren lernen das Denken

Im Fraunhofer-Leitprojekt NeurOSmart forscht das Fraunhofer IPMS zusammen mit vier weiteren Instituten (ISIT, IMS, IWU, IAIS) unter Leitung des Fraunhofer ISIT gemeinsam an energieeffizienten und intelligenten Sensoren für die nächste Generation autonomer Systeme. Dabei sollen die Brücken zwischen Wahrnehmung und Informationsverarbeitung durch innovative Elektronik neu definiert werden.

Bild: ©ipopba/stock.adobe.com
Bild: ©ipopba/stock.adobe.com
Wie KI 2022 praktikabel wird

Wie KI 2022 praktikabel wird

Künstliche Intelligenz war bereits in der Vergangenheit in aller Munde, schaffte es aber doch oft nicht bis in die Anwendung. Das wird sich 2022 ändern – auch weil sich langsam Standards etablieren und sich neue, konkrete Einsatzmöglichkeiten ergeben. In welchen Bereichen Business-Implementierungen zu erwarten sind, erläutert Bernhard Niedermayer, Head of AI bei Cloudflight.

Anzeige

Anzeige

Anzeige