Industrie 4.0 mit IoT-Anbindung von Maschinen steht und fällt damit, die daraus gewonnenen Daten zu analysieren und nutzbar zu machen. Das erfordert eine weitgehende Intelligenz. Dieser Beitrag zeigt die Möglichkeiten auf, und worauf dabei zu achten ist und wo Fallstricke lauern.

Viele Kontrollgänge in der Industrie erübrigen sich heute, weil die Maschinen selbst anzeigen, wann die nächste Wartung ansteht oder wann es Zeit ist, Öl oder den Getränkeautomaten in der Werkshalle zu befüllen. Das erfolgt natürlich nicht nur über die Maschinen oder Geräte allein, sondern über dort eingebaute Sensoren. Diese sind Teil eines immer stärker wachsenden Phänomens, das fast etwas untergeht, wenn Magazine über Smart Home und IoT-Anwendungen wie beispielsweise intelligente Lautsprecher berichten. Gemeint ist das Industrial Internet of Things (IIoT), das im Zusammenspiel mit Edge Computing immer größere Mengen der weltweiten Datenflut vereint.

Zettabyte an Daten warten auf ihre Auswertung

Marktforscher IDC und Seagate haben ihre vor Jahren gemachten Prognosen nach oben geschraubt. Für 2025 erwarten sie nun ein dann fast vierfaches weltweites Datenaufkommen von 175 Zettabyte (Milliarden Terabyte), 80 Prozent davon im B2B-Segment und 25 Prozent Echtzeitdaten. All diese Daten wollen natürlich auch ausgewertet und intelligent genutzt werden, um zum Beispiel Optimierungspotenzial bei den Wartungsintervallen zu erkennen.

Die klassische Business Intelligence stößt da schnell an ihre Grenzen. Um mittels Predictive und Prescriptive Analytics auch einen Blick in die Zukunft werfen zu können, erfordert es Advanced Analytics einschließlich Business Analytics und Big Data & Analytics.

Corona treibt IIoT-Investments eher, als sie zu hemmen

IDC hat übrigens gerade brandaktuell eine neue Studie herausgebracht. Demnach wollen 40 Prozent der befragten Industrieunternehmen ihre Investitionen in IIoT erhöhen – und das trotz oder gerade wegen Corona. Etwa ebenso viele der befragten Unternehmen bauen derzeit ihr Ökosystem mit Innovationspartnern aus. Technologisch setzen 42 Prozent von ihnen schon auf Edge Computing, weitere 29 Prozent planen diesbezügliche Pilotprojekte. Neuen Schub erwarten sich viele der Unternehmen künftig auch von 5G sowie dem verstärkten Einsatz von Künstlicher Intelligenz und Machine Learning. Auch Product-as-a-Service-Modelle, bei denen nach dem Kaeser-Prinzip „Druckluft as a Service“ oder Aushubvolumen eines Baggers statt Bagger selbst verkauft werden, sind im Kommen, derzeit aber nur bei 22 Prozent der Unternehmen eingeführt, bei 37 Prozent aber in Planung.

Kampf um Markt für ML as a Service

Laut einer ISG-Studie zum Bereich Data Analytics Services & Solutions von 2018 ist Machine Learning as as Service zu einem umkämpften Markt geworden. AWS, IBM, Microsoft und SAP seien dabei ganz klar die Leader der Entwicklung – mit ihren jeweiligen Partnern natürlich. Über die Hälfte der mittelgroßen und großen Unternehmen würden sich mittlerweile mit ML beschäftigen.

„Das enorme Marktpotenzial sorgt zum einen dafür, dass sich nahezu alle wichtigen IT-Provider positionieren. Zum anderen drängen Start-ups mit ausgeklügelten Machine Learning-Plattformen in den Markt“, sagte Research Director und Studienleiter Frank Schmeiler. Die Anbieter legten den Fokus auf leichte Bedienbarkeit und hohe Transparenz. Die Anwender aus den Fachbereichen seien so nicht gezwungen, die komplexen Algorithmen und Data-Science-Werkzeuge zu verstehen.

Viele Data-Science-Projekte in der Warteschleife

Industry of Things zitiert eine andere ISG-Studie, wonach Data-Analytics-Lösungen wichtig sind, die Digitalisierung und den Wandel zu Industrie 4.0 bis hin zu voll digitalisierter Fertigung erfolgreich zu vollziehen. Eine Gartner-Studie von 2019 zeige allerdings, dass über die Hälfte aller Data-Science-Projekte nicht voll umgesetzt wird. Als Hauptgrund dafür nennt Gartner die Schwierigkeit mit der Integration der Geschäftsprozesse und Applikationen.

Advanced Analytics in Echtzeit auf Basis der unzähligen von Produktionsanlagen, Maschinen, Endgeräten, Bots und Lieferketten im IoT-Rahmen generierten Daten führe zu schnellen Entscheidungen, die Unternehmen „agiler, produktiver, wettbewerbsfähiger und nachhaltiger machen“, so das Fachmagazin.

Multipler Problemlöser Prescriptive Analytics

Der Fair Issac Corporation FICO zufolge lasse sich die Optimierung durch Prescriptive Analytics auf praktisch jedes Problem anwenden. Oberstes Ziel ist die Optimierung der gesamten Wertschöpfungskette von der Bedarfsanalyse der Produktionsplanung, über die Logistik und das Supply Chain Management, das Produktionsmanagement, Wartung und Instandhaltung bis hin zur Distribution. Eine weitere Studie von FICO und Corinium zeigt allerdings, dass fast zwei Drittel der Befragten aus der Fertigungsindustrie (63 Prozent) die Integration in ihre Altsysteme als signifikante Hürde für den KI-Einsatz sehen. Als andere KI-Hürden nennt die Studie mit 65 bis 59 Prozent der Antworten: den Aufbau eines Teams mit entsprechenden Skills, den ethischen Umgang mit Daten und Algorithmen, die Integration neuer Technologien in die bestehenden Systeme und die Einhaltung von regulatorischen und Compliance-Vorgaben. Andere Herausforderungen wie „fehlender ROI“ habe dagegen an Bedeutung verloren, so die FICO-Studie.

Cobots sind Teil des großen Lösungsspektrums

Der Return on Invest ist also vielen Unternehmen klar. Um ihnen aber die Steine aus dem Weg zu räumen und zu einer noch besseren Wertschöpfung zu verhelfen, arbeitet Axians zusammen mit VINCI Energies und anderen Tochtergesellschaften daran, entsprechende Lösungen und Szenarien zu entwickeln.

Als „Innovationsmotor für Industrie-4.0-Kunden“ bezeichnete Dr. Bernhard Kirchmeier, Chief Digital Officer von VINCI Energies Deutschland, Ende 2017 einen Vertrag mit KUKA für die gemeinsame Anwendungsentwicklung auf Basis der IIoT-Plattform des Augsburger Roboterherstellers. Die Unternehmen der VINCI Energies Axians und Actemium waren von Anfang an dabei.

Ein im Zusammenhang mit KUKA genanntes Lösungsszenario, an dem Axians mitgearbeitet hat, sind Cobots, kollaborative Roboter. Diese finden in der Industrie immer mehr Einsatz, seit BMW 2013 medienwirksam in seinem US-Werk in Spartanburg erstmals Mensch und Maschine ohne Absperrgitter Seite an Seite hat arbeiten lassen. Das nur am Rande. VINCI Energies arbeitet gemeinsam mit KUKA als Spezialist für Analytics & IIoT-Plattformen die Architektur und Entwicklung der prozessspezifischen Softwaremodule und Schnittstellen. Dabei konnte bereits vielen Unternehmenskunden geholfen werden, eine wertschöpfende IIoT-Lösung zu finden. Der vorausschauenden und präskriptiven Advanced Analytics mit immer intelligenteren ML- und KI-Algorithmen, wie sie Axians weiterentwickelt, kommt dabei eine ganz entscheidende Rolle zu.

Fazit: Die neue IDC-Studie stimmt zuversichtlich, dass IoT- und IIoT-Projekte während und nach Corona an Fahrt aufnehmen. Diese müssen aber funktionieren und den erhofften Mehrwert bringen. Daran scheitern aber noch viele Lösungen. Und so ist vieles vielleicht mehr Schein als Sein. Umso wichtiger sind erfahrene Partner, für die Beratung und Umsetzung solcher Projekte ebenso wie für die erweiterte Analyse und Auswertung der gewonnenen Daten.