Industrie 4.0 für KMU und Einsteiger

Big Data, Industrie 4.0, Internet of Things sind charmante Ideen. Aber mit dem Einstieg tun sich viele Unternehmen schwer: Was nun genau tun, um den Anschluss nicht zu verpassen? Bringt die Datenflut echten Nutzen mit sich, einen Return on Investment? Und wie stellt man sein Unternehmen auf diese Themen ein? Gerade in mittleren und kleineren Unternehmen kommt es oft auf jede Person an. Im Alltag fällt es vielerorts schwer, Zeit für schwammige Zukunftsvisionen freizuschaufeln, deren Rentabilität sich zudem kaum abschätzen lässt.

Dennoch haben sich immerhin 70 Prozent der mittelständischen Unternehmen bereits mit dem Thema beschäftigt, wie die Studie „Erschließen der Potenziale der Anwendung von ‚Industrie 4.0‘ im Mittelstand“ im Auftrag des Bundesministeriums für Wirtschaft und Energie ergab. Allerdings haben nur 29 Prozent der Unternehmen eine konkrete Strategie, wie sie den 4.0-Gedanken umsetzen wollen.

Grund für die Zurückhaltung der Mittelständler, zum Beispiel gegenüber Cloud-Lösungen, sind vor allem Bedenken wegen der Datensicherheit. Vielerorts herrscht Unsicherheit darüber, ob und wie die Daten genutzt werden können. Dass die Digitalisierung weiter voranschreitet, steht für die meisten jedoch außer Frage.

Um die 4.0-Vision Wirklichkeit werden zu lassen, gibt es inzwischen eine große Zahl an Förderprogrammen, die sich teilweise auch gezielt an kleine und mittelständische Unternehmen richten, so eines der Ergebnisse der Studie.

Thematische Schwerpunkte sind dabei, gemessen am Forschungsvolumen, die Bereiche Autonome Systeme, Hardware-Entwicklung und Software-Entwicklung, wobei die Studie zur Software nur zwei Projekte listet, diese allerdings mit gewaltigen Budgets von zusammen 61,9 Millionen Euro. In der Förderung der Industrie-4.0-Forschung steckt insgesamt ein Volumen von 450 Millionen Euro für einen Betrachtungszeitraum von fünf bis sieben Jahren.

Die geförderte Forschung deckt darüber hinaus viele weitere Themen ab, von der Fabrikplanung über Simulation, Energieeffizienz, unternehmensübergreifender Kooperation bis zur Visualisierung. Allerdings kommen die Autoren der Studie zu dem Schluss, dass die direkte Produktion Hauptziel dieser Forschungsarbeiten ist, während der 4.0-Einsatz in anderen Bereichen wie der Produktentwicklung und dem Engineering nur am Rande behandelt wird. Auch neue Geschäftsmodelle und -prozesse bleiben bei den Förderprojekten meistens außen vor.

Die Studie bemängelt allerdings, dass kleine und mittlere Unternehmen den großen Aufwand für die fachliche Konzeption und Organisation dieser Projekte oft nicht stemmen können.

Um ganz konkret einzusteigen, sind die Forschungsprojekte nur eine Möglichkeit. Daneben gibt es Angebote wie das Smart Data Innovation Lab, eine deutschlandweite Plattform für Kooperationen von Unternehmen und Forschungsinstituten, das von Bund und Industrie gefördert wird.

Auf dieser Plattform laufen mehrere Projekte, zum Beispiel das Smart Data Solution Center Baden-Württemberg (SDSC-BW). Dahinter stehen das Karlsruher Institut für Technologie (KIT) und Sicos BW, eine Ausgründung von KIT und Universität Stuttgart, die Unternehmen berät und Zugang zu Hochleistungsrechnern vermittelt.

Bei dem Zentrum können sich Unternehmen, die einen Standort in Baden-Württemberg haben, kostenlos beraten lassen und ihre Daten in eine Potenzialanalyse geben, sofern sie im weiteren Sinne als Mittelstand gelten können.

Dr. Till Riedel vom SDSC-BW empfiehlt Einsteigern das „opportunistische“ Datensammeln: Interessiert sich ein Unternehmen dafür, in nächster Zeit ein Big-Data-Projekt zu starten, kann es in dem entsprechenden Bereichen schon mal im Voraus Daten speichern. Dabei sollten auch Mitarbeiter als wichtige Informationsquellen einbezogen werden.

Bei der Potenzialanalyse bewertet das Zentrum dann anhand der gesammelten Daten, ob und inwiefern sich die Aufbereitung, Analyse und Auswertung im Sinne von Smart Data für das Unternehmen lohnt, welche Daten gegebenenfalls noch fehlen und wie ein Folgeprojekt aussehen könnte.

Wie viele Informationen benötigt werden, um ein bestimmtes Ziel zu erreichen, hängt auch von der Varianz der Daten ab. Bei einer Informationsveranstaltung in Karlsruhe am 31. November 2015 stellte Sicos beispielsweise ein Projekt vor, bei dem eine scheinbar große Datenbasis sich letztlich als zu klein erwies: Das Unternehmen Rolf Benz, das Ledersofas herstellt, wollte mit der Datenanalyse den Verschnitt reduzieren. Dem lag die Vermutung zu Grunde, dass das bisher verwendete Programm zur Schnittoptimierung unter bestimmten Bedingungen schwächelt.

Das Unternehmen hatte sechs Monate lang Protokolle zur Lederbewertung und zum Zuschnitt gesammelt. Allerdings ist jedes Tier anders, die Qualität des Leders variiert innerhalb eines Stückes. Außerdem werden auch die Produkte kundenspezifisch angepasst. Das Ergebnis der Potenzialanalyse war daher, dass der Hersteller entweder noch deutlich mehr Daten sammeln muss, oder aber, dass das SDSC die Daten über eine parallelisierte Simulation mit der Produktplanungssoftware generiert, die durch Daten realer Leder und Schnittschablonen nur ergänzt werden.