In der industriellen Fertigung sind heterogene Datenlandschaften die Regel: SPS-Systeme verschiedener Hersteller, SCADA-Plattformen, Condition-Monitoring-Sensoren und MES-Schichten sprechen unterschiedliche Sprachen. OPC UA, MQTT, Modbus oder proprietäre Protokolle liefern Messwerte, Statussignale und Prozessparameter in Formaten, die ohne zusätzliche Aufbereitung kaum maschinell vergleichbar sind. Genau hier setzt das Konzept der semantischen Harmonisierung an, über das elektrotechnik (Vogel) berichtet.
Unter semantischer Harmonisierung versteht man die einheitliche Beschreibung von Datenpunkten mit maschinenlesbaren Bedeutungsebenen – also nicht nur den Rohwert einer Temperaturmessung, sondern auch den physikalischen Kontext: Einheit, Messbereich, Bezugsgröße, Anlagenkomponente und Prozessschritt. Standards wie das Asset Administration Shell (AAS)-Konzept aus der Industrie-4.0-Referenzarchitektur RAMI 4.0 oder Ontologien auf Basis von OWL/RDF bieten dafür etablierte Grundlagen. OPC UA Information Models erlauben es darüber hinaus, Semantik direkt in den Kommunikationsstack einzubetten.
Für KI-Anwendungen in der Fertigung – etwa zur vorausschauenden Instandhaltung, zur Qualitätssicherung oder zur Prozessoptimierung – ist diese Vorarbeit entscheidend. Machine-Learning-Modelle benötigen konsistente, kontextualisierte Trainingsdaten. Wenn Temperatursensoren an unterschiedlichen Anlagen denselben Datenpunktnamen aber verschiedene Einheiten oder Messpositionen verwenden, entstehen im Training systematische Fehler. Semantisch harmonisierte Daten vermeiden diese Ambiguitäten und ermöglichen es, Modelle über Anlagengrenzen hinweg zu trainieren und zu transferieren.
Praktisch bedeutet das für Automatisierungsprojekte: Der Aufwand verlagert sich von der Ad-hoc-Datenbereinigung im Nachgang hin zu einer strukturierten Datenstrategie bereits beim Engineering. Digitale Zwillinge, die auf semantisch beschriebenen Datenmodellen basieren, können sowohl für die Simulation als auch für das Online-Monitoring genutzt werden, ohne dass Konvertierungsschichten manuell gepflegt werden müssen. Werkzeuge wie Eclipse BaSyx oder kommerzielle IIoT-Plattformen von Anbietern wie Siemens, PTC oder Software AG integrieren zunehmend Mechanismen zur semantischen Datenannotation.
Ein weiterer Effekt betrifft die Interoperabilität über Unternehmensgrenzen hinweg: In Lieferkettennetzwerken, in denen Maschinendaten zwischen OEM und Zulieferer ausgetauscht werden, schafft eine gemeinsame Semantik die Voraussetzung für automatisierte Auswertungen ohne manuelle Mapping-Arbeit. Initiativen wie Catena-X arbeiten genau an solchen überbetrieblichen Datenräumen auf Basis gemeinsamer semantischer Modelle.
Für Ingenieure, die KI-Projekte auf dem Shopfloor planen, ergibt sich daraus eine klare Handlungsempfehlung: Semantische Harmonisierung ist kein optionales Add-on, sondern eine Infrastrukturvoraussetzung. Die Wahl geeigneter Informationsmodelle – abgestimmt auf den jeweiligen Maschinen- und Anlagentyp – sollte bereits in der Konzeptionsphase erfolgen, idealerweise auf Basis anerkannter Standards wie OPC UA Companion Specifications oder der AAS-Teilmodelle des IDTA-Katalogs.
