Datenintegration als Grundlage für Industrie 4.0

Anzeige

So schaffen Sie eine integrierte Datenbasis für Ihr Industrie-4.0-Projekt.

Illustration: Geralt Absmeier

Viele Produktionsunternehmen sind dabei, Fertigungsprozesse und ganze Wertschöpfungsketten zu digitalisieren. Für alle gilt: Es braucht ein tragfähiges Konzept für die Sammlung, Speicherung und Auswertung der vielen Daten, die im Zuge der Digitalisierung von Fertigungsprozessen anfallen.

 

Manche stehen noch am Anfang, andere sind schon mittendrin: Viele produzierende Unternehmen haben ihre Industrie-4.0-Initiative erfolgreich auf den Weg gebracht. Ohne die Integration der Daten ist Industrie 4.0 allerdings nicht denkbar. Was aber ist in Sachen Datenintegration auf dem Weg zur smarten Fabrik wichtig und was nicht?

 

Ziele von Industrie-4.0-Initiativen

Eine gelungene Integration aller Datenströme stellt das Fundament für wichtige Anpassungen der Produktion dar, um beispielsweise die Gesamtanlageneffektivität oder die Gesamtproduktionseffektivität zu steigern. Um die Möglichkeiten und die zahlreichen Vorteile einer digitalisierten Produktion zu nutzen, müssen Unternehmen in drei Bereichen tätig werden: Daten, Datenintegration und Datenanalyse. Denn der Kern von Industrie-4.0-Initativen besteht aus Informationen, ihrer Integration und ihrer Auswertung.

 

Daten: Rohstoff für die Wertschöpfungskette

Die klassische Industrie 3.0 hat hohen Optimierungsbedarf, was die Nutzung von Daten zum Generieren von Wissen betrifft. Produktionssysteme dieser Generation weisen eine starke Fragmentierung in Datensilos auf. Sie sind kaum vernetzt, sodass keine ganzheitliche Betrachtung von Prozessen möglich ist. Laut Schätzungen wird gegenwärtig weniger als ein Prozent der unstrukturierten Daten eines Unternehmens analysiert. Deshalb findet auch eine Betrachtung und Verknüpfung von internen wie externen Daten häufig nicht statt – obwohl der Anteil unstrukturierter Daten bis zu 80 Prozent ausmacht!

 

Exkurs: Was sind unstrukturierte Daten?

Ein typisches Beispiel für semi- und unstrukturierte Daten sind Logs, Sensor- und Videodaten. Zu den strukturierten Daten zählt man dagegen u.a. SAP-Daten. Momentan wird nur ein geringer Teil von unstrukturierten Daten ausgewertet, denn

  • sie liegen in sehr unterschiedlichen Formaten vor, etwa als Bilder, Texte, Maschinen- und Sensordaten. Dadurch ist es schwierig, ein passendes Tool zu finden, das auf alle zugreifen und das jeweilige Datenformat lesen und verarbeiten kann.
  • das Datenvolumen ist extrem hoch.
  • sie müssen in geeigneter Form extrahiert werden.
  • oft müssen spezifische (manuelle) Lösungen entwickelt werden, damit sich die Daten überhaupt anbinden lassen.
  • die Vielzahl an Daten-Updates und die fehlende Vergleichbarkeit ihrer Quellen verkomplizieren die Prozesse.
  • es fehlt häufig an Fachwissen über Datenintegration und den Umgang mit Datenquellen.

 

 

Ungeheures Potenzial: Daten in der Produktion

In den Daten von Fertigungsunternehmen steckt enormes Potenzial. Seine Nutzung ist jedoch für viele Organisationen herausfordernd. Mit geeigneten Applikationen lassen sich die Schwierigkeiten lösen:

  • Volume – die Datenmenge
    Produktionsanlagen werden mit immer mehr Sensoren ausgestattet, die permanent und in Echtzeit Daten über die unterschiedlichsten Produktionsparameter liefern. Big Data-Technologien unterstützen bei der Speicherung, Verarbeitung und Analyse dieser Daten und liefern wertvolle Erkenntnisse.
  • Velocity – die Übermittlungsgeschwindigkeit
    Nutzt man beispielweise eine Applikation zur prädiktiven Wartung, also zur Vorhersage und Vermeidung von Anlagenausfällen, müssen die Informationen zeitnah an die Wartungsmitarbeiter übermittelt werden. Moderne Streaming-Analytics-Technologien ermöglichen eine solche Alarmierung und Proaktivität in den operativen Prozessen einer Produktion.
  • Variety – die Datenvielfalt
    Die wahrscheinlich größte Herausforderung bei analytischen Industrie-4.0-Anwendungen liegt in der Vielfalt der Daten. Bevor die Daten zentral zusammengebracht werden, müssen erst unzählige proprietäre Datenquellen angezapft werden. Im Bereich der Sensoren existiert keinerlei Standard, und Daten werden über eine Vielzahl von Formaten und Protokollen geliefert. Es bedarf daher leistungsstarker und flexibler Datenintegrationswerkzeuge zur Überwindung dieser Herausforderungen.

Datenintegration: Die einzelnen Ausbaustufen

Eine große Herausforderung für die systematische Datennutzung in der Produktion liegt darin, die verstreuten Datenquellen so zusammenzuführen, dass am Ende ein optimaler Datenfluss entsteht, der alle wichtigen Systeme in der richtigen Zeit mit den passenden Daten versorgt. Dafür lassen sich folgende Stufen identifizieren:

    1. Data Warehouse

Klassische Data-Warehouse-Implementierungen führen Daten aus den unterschiedlichen Systemen automatisiert zusammen, aggregieren sie und stellen Kennzahlen bereit.

    1. Data Lake

In der nächsten Entwicklungsstufe gilt es, mehr Daten zu integrieren und in den Prozessen als Information verfügbar zu machen. Semi- und unstrukturierte Daten müssen angebunden und genutzt werden. Neben der Ausstattung alter Maschinen mit entsprechenden Sensoren, dem Retro-Fitting, und der Datenanbindung verschiedener Sensoren müssen auch neue Systeme für die Speicherung und Verarbeitung dieser Informationen geschaffen werden. Data Lakes und Big-Data-Technologien sind die Basis für alle darauf aufsetzenden Advanced-Analytics- und Data- Science-Applikationen.

    1. Near Realtime

Die nächste Stufe setzt auf die Verarbeitung von Daten in Fast-Echtzeit. Die Datenströme werden nicht erst im Data Warehouse oder Data Lake persistiert, sondern direkt dort ausgewertet, wo sie entstehen: nah am Sensor. Analytics »on the Edge« ermöglicht, Probleme bereits im Vorfeld abzuwenden, indem bei Erreichung bestimmter Schwellwerte ein Alarm oder die automatische Abschaltung von Maschinen ausgelöst wird.

    1. Data Blending

Darunter wird der Prozess der Kombination von Daten aus mehreren Quellen verstanden, um einen analytischen Datensatz für Entscheidungen zu haben. Data Blending ist erforderlich, wenn die Datenintegrationsprozesse und die Infrastruktur eines Unternehmens nicht ausreichen, um spezifische Datensätze zusammenzuführen, die von den einzelnen Geschäftsbereichen benötigt werden.

 

Datenauswertung: Von der Analyse bis zur Handlungsempfehlung

Die verschiedenen Integrationsstufen bei Daten aus der digitalen Fertigung spiegeln sich auch in der Ausprägung der Auswertungsverfahren für diese Informationen wider: die Reise beginnt bei der klassischen Auswertung historischer Daten und endet bei Advanced Analytics mit Prognosen für zukünftige Entwicklungen mitsamt Handlungsempfehlungen oder Aufträgen an Prozesse oder andere Teilnehmer der Wertschöpfungskette. Nach der Überwindung der Datensilos-Welt steht die Erzeugung von Wissen durch Analysen und seine Verteilung an die richtigen Personen im Unternehmen an. Sogenannte Advanced Analytics bilden daher das Herz vieler Industrie-4.0-Anwendungen.

    1. Business Intelligence

Business-Intelligence-Anwendungen versorgen Fachanwender mit Informationen in Form von Berichten, Dashboards oder Self-Service-Auswertungen. Dadurch erhält man beispielsweise Einblicke in die Performance der Anlagen oder in Wartungsaktivitäten. So lassen sich Vergleiche von Rüstzeiten zwischen Maschinen oder Werken schnell aufdecken, etwa ob es Defizite bei einzelnen Teams oder Standorten gibt.

    1. Prädiktive Analysen

Dabei geht es weniger um den Blick nach hinten, sondern um Zukunftsprognosen und die Entdeckung versteckter Zusammenhänge in den Daten. Prädiktive Analysen prognostizieren, was als Nächstes passieren kann und eröffnen die Möglichkeit, Problemen proaktiv gegenzusteuern.

    1. Präskriptive Analysen

Sie geben Auskunft darüber, wie Unternehmen mit zukünftigen Herausforderungen umgehen sollten, und unterbreiten konkrete Handlungsempfehlungen für anstehende Aufgaben in der Produktion.

 

Am Ziel: Wettbewerbsvorteile realisieren

Im Rahmen einer gelungenen Industrie 4.0-Initiative sorgen leistungsfähige moderne Technologien dafür, dass Wettbewerbsvorteile wirklich realisiert und neue Perspektiven für künftige Produktionsszenarien möglich werden. McKinsey geht davon aus, dass Industrie 4.0-Applikationen das Potenzial haben, bis 2025 einen Wert von 3,7 Billionen US-Dollar pro Jahr zu erreichen. Fertigende Unternehmen profitieren bei der Umsetzung von Industrie 4.0-Projekten von folgenden Vorteilen:

  • Produktivitätssteigerung und Kostensenkung
  • Höhere Genauigkeit von Planungen und Forecasts
  • Verkürzung der Zeit des Go-to-Market
  • Steigerung der Wettbewerbsfähigkeit

 

Stefan Müller, Director Big Data Analytics bei it-novum (www.it-novum.com)

 

Eine ausführliche Beschreibung, wie man Industrie 4.0 am besten im Unternehmen umsetzt, findet sich in diesem Whitepaper.

 

2665 Artikel zu „Industrie 4 Daten“

Industrie 4.0 mit Luft nach oben: Manuelle Datenerfassung statt Echtzeit-Monitoring

Erschließung neuer Geschäftsmodelle Treiber der Digitalisierung. Nur jeder zweite Industriebetrieb setzt bereits Digitalisierungsprojekte um. Hindernisse sind fehlendes Know-how und technische Voraussetzung.   Künstliche Intelligenz, Internet of Things und Smarte Fabrik – die Industrie 4.0 in aller Munde. Doch wie weit sind Industrieunternehmen hierzulande wirklich beim Thema Digitalisierung? 47 Prozent der Unternehmen haben bislang noch gar…

Verlässliche Stammdaten sind zentrale Voraussetzung für Industrie 4.0

Stammdatenmanagement-Strategie im Rahmen einer Data Governance erforderlich. Verlässliche Stammdaten sind eine zentrale Voraussetzung für erfolgreiche Industrie-4.0-Anwendungen. Das gilt sowohl für den Datenaustausch über innerbetriebliche Systeme, als auch zwischen Geschäftspartnern und externen Systemen. Allerdings haben Unternehmen oft noch mit Datenmanagement-Problemen zu kämpfen. Daten sind über verschiedene Datensilos verstreut, dabei unterschiedlich strukturiert und definiert, nicht zugreifbar, haben…

Industrie 4.0: Produktionsdaten auf einen Blick erfassen

Revolutionen gehen naturgemäß mit Änderungen einher: So auch die vierte industrielle Revolution, Industrie 4.0 genannt. Doch wie können Unternehmen Herr des dabei entstehenden Datenberges werden? Einen Lösungsansatz bietet das System Plant@Hand3D: Es zeigt alle wichtigen Informationen auf einen Blick und erleichtert Entscheidungsprozesse. Auf der Hannover Messe Industrie 2017 stellen Forscher des Fraunhofer IGD ihre Entwicklung vor.   Die durch Industrie…

Industrie 4.0: Die Fertigungsindustrie ist führend bei Datenanalyse

Nur wenige Wirtschaftszweige, wie die verarbeitende Industrie, nutzen ihre Informationen zum Geschäftsvorteil. Die Fertigungsindustrie ist eine der wenigen Branchen, die zeigt, dass es messbare geschäftliche Vorteile gibt, wenn Mitarbeitern Zugriff auf wertvolle Geschäftsinformationen gewährt wird, so dass sie diese gewinnbringend nutzen können. Zu diesem Ergebnis kommt eine Studie [1] die unter europäischen und nordamerikanischen Unternehmen…

Zuerst stand die Fabrik, dann kam die Datensicherheit

Das industrielle Internet der Dinge bahnt sich seit längerem seinen Weg in industrielle Umfelder. Die Datensicherheit wurde jedoch in fast keinem industriellen Bereich ausreichend etabliert. In industriellen Unternehmen kommt es häufig vor, dass eine Fabrik oder sogar ein Teil ihrer Produktionssysteme schon lange bestehen, bevor überhaupt damit begonnen wurde, über die Datensicherheit zu sprechen. Obwohl…

Datenkraken lauern überall

Weder die Suchmaschineneingaben noch die Daten des Fitnesstrackers bleiben unbeobachtet, warnen die IT-Sicherheitsexperten der PSW GROUP Consulting (www.psw-consulting.de). »Cookies, IP-Adressen, Suchmaschinen, Drittanbieter-Tracker, sogar Sprachassistenten wie Siri und Alexa: Datenkraken lauern überall und die Datensammelwut vieler Unternehmen ist ungebrochen. Interessiert an Daten ist nahezu jedes Unternehmen: Wer Produkte oder Dienstleistungen verkaufen möchte, optimiert seine Verkaufszahlen durch…

Erneuerbare Energien: Strommix zu 47 % regenerativ

47 Prozent des in Deutschland erzeugten Stroms kommen laut Fraunhofer-Institut für Solare Energiesysteme im laufenden Jahr aus erneuerbaren Quellen. Bis einschließlich Mitte Juli produzierten Wind- und Solaranlagen hierzulande fast 100 Terawattstunden (TWh) Strom. Zum Vergleich: Bei Braun- und Steinkohle waren es 84 TWh. Laut einem Bericht des Handelsblattes ist der Anteil der von Kohlekraftwerken an…

124.000 IT-Experten (verzweifelt) gesucht

Zahl der unbesetzten Stellen steigt binnen eines Jahres um 51 Prozent auf 124.000. IT-Jobs bleiben im Schnitt sechs Monate vakant. Zwei Drittel der Unternehmen rechnen mit einer weiteren Verschärfung.   Die Zahl der offenen Stellen für IT-Fachkräfte erreicht eine neue Rekordmarke. In Deutschland gibt es aktuell 124.000 offene Stellen für IT-Spezialisten. Das entspricht einem Anstieg…

Datenintegrität: Gute Daten, schlechte Daten

So kann Automatisierung dabei helfen, die Integrität von Daten im Zeitalter von Big Data zu gewährleisten. Der Begriff Big Data ist nun schon einige Jahre alt. Er wurde Mitte der 2000er Jahre erfunden, um Datensätze zu beschreiben, die zu groß waren, um sie mit herkömmlichen Business-Intelligence-Tools verwalten und verarbeiten zu können. Seitdem ist die Menge…

Agile Entwicklung: Anspruchsvolle Lösungen für die drahtlose Datenübertragung

Die Integration von Wireless-Schnittstellen und Embedded-Komponenten sind die Schlüssel für höhere Effizienz in industriellen Prozessen und Informationssystemen. Oft aber sind große Industrie-Unternehmen nicht in der Lage, selbst anspruchsvolle Lösungen für die drahtlose Datenübertragung zu entwerfen. Hier empfiehlt es sich, das externe Wissen spezialisierter Ingenieur-Dienstleister in Anspruch zu nehmen, die praxistauglich und kosteneffizient arbeiten. Die Entwicklung…

Autonome Landwirtschaft in 2045?

Die Entwicklung und Einführung von Landmaschinen auf hochautomatisiertem bis hin zu fahrerlosem Level wird starke Auswirkungen auf die zukünftige Form der globalen Landwirtschaft haben. Dies wirft zwangsläufig die Frage auf, wie schnell und wann die neuen Technologien den Markt erobern und bestimmen werden. Das Fraunhofer-Institut für Experimentelles Software Engineering IESE hat in Zusammenarbeit mit der…

Big Data: Wo die wilden Daten leben

Data Lakes, Data Marts, Data Vaults und Data Warehouses. Worin unterscheiden sich die verschiedenen Ansätze der Dateninfrastruktur? Big Data oder Data Analytics sind einige der größten Herausforderungen für die IT unserer Zeit. Viele Unternehmen befinden sich inmitten einer Umstellung auf eine datengesteuerte Ausrichtung ihrer Organisation und sind auf der Suche nach der dazu passenden Dateninfrastruktur.…

IT-Sicherheit: 4 Tipps gegen interne Risiken

Vielen Unternehmen ist gar nicht klar, wie viele Bedrohungen für die IT-Sicherheit vor allem intern entstehen. Allzu oft können sie nicht ermitteln, worin die Ursache eines Problems genau besteht oder verlieren den Überblick über den Umfang und die Vielzahl der Implikationen, die aus einem IT-Sicherheitsproblem entstehen können. Vor allem interne Risiken sind ein kontinuierliches, sich…

Herkömmliche Daten- und Analysestrategien können die Anforderungen des Digital Business nicht erfüllen

  Laut dem Research- und Beratungsunternehmen Gartner erwähnen heute weniger als 50 Prozent der dokumentierten Unternehmensstrategien Daten und Analysen als Schlüsselkomponenten, um Unternehmenswerte zu schaffen. Denn traditionelle Daten- und Analysestrategien erkennen die Anforderungen des Digital Business oft nicht. Moderne Daten und Analysen dienen einem breiteren Unternehmenszweck und sind stärker als je zuvor an die Arbeitsweisen…