Oft steht bei 4.0-Projekten die Zustandsüberwachung und zustandsabhängige Wartung als mögliches Ziel im Fokus. Für Projekte in diesem Bereich sind logischerweise vor allem Daten rund um Ausfälle interessant. Dem SDSC-BW standen in einem Fall Log-Daten aus fünf Jahren Betrieb einer CNC-Maschine zur Verfügung. Dem Zentrum gelang es damit, eine Kombination von verschiedenen Warnzeichen zu identifizieren, die einem Ausfall in der Regel voraus gehen. Die daraus entwickelte Big-Data-Lösung sagt nun mehr als die Hälfte der auftretenden Fehler anhand der Log-Daten vorher.

Weitere Projekte, die das Zentrum durchgeführt hat, betrafen die Verbesserung von Energieverbräuchen in der Folienherstellung, die Prävention von Kündigungen bei einer Mobilfunkgesellschaft und die Einschätzung des Kreditausfallrisikos von Bankkunden.

Schritt für Schritt an Industrie 4.0 annähern

Michael Vetter, IO Data, spricht über Smart Data und KMU.
Michael Vetter von IO Data hat die Erfahrung gemacht, dass viele KMU von Big Data beziehungsweise Smart Data noch relativ weit entfernt sind. (Bild: ke-next.de/do)

Die Grenze von Business Intelligence zu Industrie 4.0 ist fließend, erklärt Michael Vetter auf der Veranstaltung in Karlsruhe. Er ist Geschäftsführer von IO Data, einem Anbieter für Business-Intelligence-Lösungen, und sieht grob gesagt drei Stufen der Digitalisierung, auf denen sich Unternehmen befinden können: Erstens Datenerfassung in Excel-Tabellen, zweitens Business Intelligence und drittens Industrie 4.0.

Er empfiehlt Unternehmen folgende Schritte, um Big-Data-Potenziale zu erschließen:

  • Verständnis für Daten entwickeln: Bei einer Dateninventur werden mögliche Quelldaten und Metadaten und die Datenqualität ermittelt
  • Potenziale identifizieren: Ziel ist, Projektansätze zu finden, Verknüpfungen mit anderen Datenquellen herzustellen und Muster zu identifizieren
  • Ziele definieren, das Projekt planen, geeignete Kompetenz im Unternehmen herstellen oder einkaufen in Form von Data Scientists, die Algorithmen und Betrieb gleichermaßen verstehen
  • benötigte Daten beziehungsweise Sensoren beschaffen und Datenqualität prüfen
  • Analysesystem auswählen
  • neue Prozesse definieren

Kein Wunder, dass viele Unternehmen vor diesen arbeitsintensiven Prozessen zurückschrecken. Allerdings gibt es aktuell noch Fördergelder vom Staat. Und wenn alle Eventualitäten ausgelotet sind und Best-Practice-Beispiele mit abschätzbarem ROI zur Verfügung stehen, ist der Zug möglicherweise schon abgefahren. Insofern ist jetzt ein guter Zeitpunkt, sich Gedanken zu machen und mit ersten Erfahrungen an das Thema heranzutasten.

Eine Einführung in Big Data und Industrie 4.0