Klaus-Dieter Walter, CEO der SSV Software Systems GmbH in Hannover
Auch in der Automatisierungstechnik gelten Daten inzwischen als werthaltiger Rohstoff. Ein Problem dabei ist, dass diese Erkenntnis in der Branche im Zusammenhang mit den in der IT seit vielen Jahren etablierten Big-Data-Analysemethoden offensichtlich noch relativ neu ist. Zumindest wurden in der Vergangenheit nicht unbedingt gezielt qualitativ hochwertige Maschinen- und Anlagendaten gesammelt. Vielfach existieren noch nicht einmal geeignete Datenschnittstellen, sodass zunächst über ein Daten-Retrofit nachgedacht werden muss. In einigen Fällen sind lediglich nicht frei zugängliche Dateninterfaces vorhanden. Sie werden vom jeweiligen Hersteller aber nur für das Garantie- und Gewährleistungsanspruchs-Management oder spezielle Serviceangebote genutzt. Die Daten selbst stehen dem Betreiber nicht zur Verfügung. Einige Firmen bieten für ihre Maschinen auch optionale OPC-Server an, die dann an einer hochentwickelten Standardschnittstelle ein paar wenige aussagefähige Umgebungsdaten plus einen Betriebsstundenzähler zur Verfügung stellen. Vielfach amortisiert der mögliche Informationsgewinn aber noch nicht einmal die Investitions- und Betriebskosten.
Connectivity allein reicht nicht
Unzählige Anbieter konzentrieren sich zwar inzwischen auf die Integration vorhandener Automatisierungsschnittstellen in das Internet der Dinge (IoT), also auf „Connected Devices“. Sie sprechen in diesem Kontext sogar von beachtlichen Transparenzgewinnen, Predictive Maintenance, Condition Monitoring sowie außerordentlich vielfältigen Datennutzungsmöglichkeiten durch Cloud-Services, wie die künstliche Intelligenz, verkaufen aber bei genauer Betrachtung lediglich die Connectivity – also beispielsweise die Anbindung einer Maschinensteuerung per MQTT an die Clouds führender IT-Unternehmen. Teilweise wird als kostenpflichtiger Service des Steuerungsherstellers noch ein spezieller Server dazwischengeschaltet, der einige zusätzliche Rohdatenvisualisierungsmöglichkeiten in Form von Dashboards und einfachen Datenanalysen mit festen Regelwerken und einstellbaren Schwellwertabfragen für Alarmmeldungen bietet.
Einige wenige Unternehmen im Umfeld des Maschinen- und Anlagenbaus sind technisch schon deutlich weiter. Sie haben bereits Produkt- und Lösungsangebote, in denen nicht nur die Datenschnittstellen, sondern auch hochwertige KI-basierte Datenanalysen enthalten sind, um dem Anwender einen werthaltigen Informationsgewinn aus Rohdaten anzubieten. Ein großer Nachteil der am Markt angebotenen Lösungen dieser Kategorie ist die fehlende Offenheit. Es werden in der Regel nur die jeweiligen Automatisierungsbaugruppen eines Herstellers unterstützt, also beispielsweise Motoren und Frequenzumrichter des Herstellers X, die Pneumatik des Anbieters Y oder die Lager der Firma Z. Für den Betreiber einer hochwertigen Anlage rechnet sich die Investition in eine solche Lösung meistens nicht, wenn dadurch nur 10 bis 15 % der Baugruppen in ein Predictive-Maintenance-Wartungskonzept eingebunden werden. Die anderen 85 bis 90 % der Komponenten verursachen ja nach wie vor ungeplante Anlagenstillstandszeiten.
