ABB AG Dell Deutschland Phoenix Contact Deutschland GmbH

Big Data, Cloud-Plattform, Datenanalyse, Predictive Maintenance sind beliebte Schlagwörter und tauchen in vielen Vorträgen und Pressemitteilungen auf. Doch wie weit ist die Industrie eigentlich auf diesen Gebieten?

Bild: iStock, Liulolo

Mehr Effizienz in der Produktion Nachgefragt: Schon bereit für Data Analytics?

14.05.2018

Längst geht es bei Cloud-Diensten nicht mehr nur darum, Daten in riesigen Rechenzentren zu lagern. Die gespeicherten Informationen sollen auch einen Mehrwert generieren. Data Analytics verspricht hier mehr Effizienz in der Produktion. Doch reichen ein paar Sensordaten bereits aus, um sinnvolle Erkenntnisse zu erhalten? Sind vielmehr umfassende Daten aus der kompletten Produktion und externe Datenquellen nötig, um Zusammenhänge und Anomalien zu erkennen? Kurzum: Ist die Industrie überhaupt schon weit genug, um wirklich Vorteile aus Data Analytics ziehen zu können?

Sponsored Content

Das Angebot an Cloud-Diensten wird fortlaufend vielfältiger und größer. Längst geht es nicht mehr nur darum, Daten in riesigen Rechenzentren zu lagern, sondern aus den dort gespeicherten Informationen einen Mehrwert zu generieren. Data Analytics in der Cloud verspricht dabei vor allem mehr Effizienz in der Produktion.

Doch ist es eine Illusion, nur durch ein paar Sensordaten einer Maschine bereits sinnvolle Erkenntnisse zu erhalten? Braucht es vielmehr umfassende Daten aus der kompletten Produktion und auch externe Datenquellen, um Zusammenhänge und Anomalien zu erkennen? Kurzum: Ist die Industrie überhaupt schon weit genug, um wirkliche Vorteile aus Data Analytics ziehen zu können?

Lesen Sie die Statements der befragten Unternehmen in unserer Bildergalerie oder im Fokusthema „Cloud Computing & Datenanalyse“ aus der A&D-Ausgabe 5-2018.

Bildergalerie

  • „Unsere Erfahrung zeigt, dass es nicht wirklich an Daten und an Analysefähigkeiten in den Unternehmen fehlt. Vielmehr mangelt es an der Fachexpertise, auch die richtigen Fragen zu stellen – damit die eingesetzten Analytics-Werkzeuge Antworten liefern können, um wirklich neue Erkenntnisse zu gewinnen und/oder die Produktivität zu verbessern. Zudem schießen IoT-Plattformen wie Pilze aus dem Boden. Viele Unternehmen versuchen, ihre eigenen Plattformen in der eigenen Cloud zu bauen – ohne sich Gedanken über Skalierbarkeit, Verfügbarkeit oder die Vernetzung mit anderen Wertschöpfungspartnern ihrer Supply Chains zu machen. Sie tun dies vor allem aus Gründen der Sicherheit und des Datenschutzes. Die Daten sollen möglichst nicht die eigenen Systeme verlassen. Mit dieser Haltung werden sie jedoch kaum die Vorteile von Data Analytics für sich erschließen können.“

    Ralf Bucksch, Technical Executive Watson IoT Europe, IBM

    Bild: IBM

  • „Schon heute kann eine effiziente Datenanalyse über den Erfolg von Unternehmen entscheiden. Über das cloudbasierte, offene IoT-Betriebssystem MindSphere lassen sich Maschinen und die physische Infrastruktur mit der digitalen Welt verbinden. Anwender können diese Datenmengen mit Apps analysieren und so zum Beispiel KPI-Daten wie Performance-, Downtime-Analysen, Anomalien und Energiedaten auswerten. Insbesondere die Kombination von Daten aus verschiedenen Quellen ermöglicht Anwendern neue Einblicke, aus denen sich wiederum Handlungsempfehlungen für Optimierungsmaßnahmen ableiten lassen. Diese Auswertungen werden dann wieder in den digitalen Zwilling zurückgespielt, um Produkte und Produktion kontinuierlich zu verbessern.“

    Andreas Geiss, CTO & Vice President MindSphere, Siemens

    Bild: Siemens

  • „Die meisten Unternehmen nutzen bereits moderne Analyseverfahren und Artificial Intelligence in ersten Projekten. Doch diese sind in der Regel Insellösungen und auf einzelne Fachbereiche beschränkt. Das heißt, dass Unternehmen sehr rasch an die Grenzen ihrer bestehenden Lösungen stoßen. Die aktuelle Herausforderung liegt darin, Data-Analytics-Umgebungen auf das gesamte Unternehmen zu erweitern. Es geht darum, eine gemeinsame Plattform für mehrere Use Cases bereitzustellen, die einfach und kosteneffizient zu verwalten ist und gleichzeitig das explosionsartige Datenwachstum abbilden kann. Das können klassische DAS-Storage- oder Data- Warehouse-Lösungen nicht leisten. Um wirklich geschäftsrelevante Erkenntnisse aus den Daten herausfiltern zu können, bedarf es einer modernen und zukunftsfähigen IT-Infrastruktur.“

    Alexandra Kreft, Senior Director Global Accounts, Dell EMC Deutschland

    Bild: Dell EMC

  • „Der Fertigungssektor erzeugt mehr Daten als jeder andere. Moderne Ansätze für Prozessleitsysteme, Fertigungssteuerungssysteme und Analytik ermöglichen innovative Ansätze zur Produktivitätssteigerung und Erschließung neuer Märkte. Rockwell Automation hat im vergangenen Jahr intensiv mit Kunden zusammengearbeitet, um industrielle IoT-An­wendungen zu realisieren. Obwohl jeder Kunde seine individuellen Strategien bei der Umsetzung der jeweiligen Industrie 4.0-Initiativen hat, haben sich bei den Anwendungen drei Hauptbereiche herauskristallisiert: Operative Produktivität, Asset Performance Management und Risikomanagement. Die Fertigungsindustrie kann schon heute einen echten Mehrwert aus der Analytik und den damit verbundenen Technologien ziehen. Sie ist außerdem der Sektor mit dem größten zu erwartenden Nutzen.“

    Heiko Ott, Manager Strategic Business Development, Rockwell Automation

    Bild: Rockwell Automation

  • „Analysten von McKinsey prognostizieren, dass durch die Nutzung von Datenanalysen und KI das aktuelle Ziel für das Bruttosozialprodukt schon im Jahr 2030 um vier Prozent übertroffen werden soll. Viele unserer Kunden bauen schon heute auf die Auswertung und Verarbeitung gewaltiger Datenmengen, um ihre Produktion zu verbessern oder neue Geschäftsfelder zu erschließen. Allerdings variiert der Reifegrad der digitalen Transformation stark, vor allem im deutschen Mittelstand herrscht noch Nachholbedarf. Wir raten Kunden und Partnern, die Transformation proaktiv voranzutreiben! Dazu gehört nicht nur, Prozesse zu optimieren und bestehende Angebote zu digitalisieren, sondern sich neuen Geschäftsmodellen zu öffnen und agil an die Problemstellungen heranzugehen.“

    Jürgen Wirtgen, Data Platform Lead, Microsoft Deutschland

    Bild: Microsoft

  • „Mehr als die Hälfte der Unternehmen beschäftigt sich bereits mit den Daten, die Sensoren und Steuerungen liefern. Die Unternehmen, die diese Daten strukturieren und analysieren, beginnen, aus Big Data wertvolle Smart Data zu generieren und damit Geld zu verdienen. Bei Störungen helfen diese Daten, schneller zu reagieren und mögliche Produktionsausfälle vorauszusagen. Auch neue Geschäftsmodelle lassen sich auf ihrer Basis entwickeln. Einige Unternehmen beschäftigen bereits Data Scientists, die mittels Algorithmen die Zusammenhänge der Daten aus verschiedenen Quellen aufdecken und visualisieren. Dazu ist es häufig erforderlich, Daten, die an unterschiedlichen Standorten erhoben werden, in eine Cloud auszulagern.“

    Thomas Riegler, Fachverband Software und Digitalisierung, VDMA

    Bild: Uwe Noelke / VDMA

  • „Die vorhandenen Algorithmen erzeugen bereits heute gute Ergebnisse im Service- und Wartungsbereich. Durch die Kombination vielfältiger Sensor- und Aktuatorsignale lassen sich zudem Messgrößen als virtuelle Sensoren und Prozessabläufe generieren, die Produktionsprozesse verbessern und bestehende Sensoren erweitern sowie ersetzen können. Potenzial gibt es auch im Engineering. Die zunehmende Dynamik in Projektteams, Kundeninteraktionen und die Einbindung von externen Partnern erfordern eine smarte Methodik in den Toolketten. Data Analytics wird bereits an vielen Stellen eingesetzt, hat aber ein weit höheres Potenzial, das in den kommenden Jahren durch die Automationshersteller, Dienstanbieter und Maschinenbauer und ihr spezifisches Wissen ausgebaut werden muss. Nötig dazu ist aber eine Automation, die es Anwendern erlaubt, die Daten zu administrieren und zu nutzen.“

    Johannes Kalhoff, Master Specialist Corporate Technology & Value Chain, Phoenix Contact

    Bild: Phoenix Contact

  • „Bereits heute kann man erheblich Vorteile aus Data Analytics ziehen. Entscheidend ist dabei das richtige Vorgehen. Nur irgendwelche Daten in eine Big-Data-Plattform zu werfen, ist das Rezept für ein teures und am Ende möglicherweise gescheitertes Projekt. Aber wenn man eine klare analytische Fragestellung identifiziert, die ein Problem adressiert, kann man die richtigen Daten auswählen, gegebenenfalls durch zusätzliche Instrumentierung sammeln und dann in der Analyse nutzen. Dadurch wird auch die größte Herausforderung thematisiert, nämlich die Datenqualität. Bei ABB sehen wir viele Beispiele für solche Projekte von Problemidentifikation, Datenakquise, Datenanalyse bis zur kontinuierlichen Nutzung in Anwendungsfelder wie Instandhaltung und Wartung oder Prozessüberwachung und -optimierung.“

    Benjamin Klöpper, Principal Scientist für Industrial Data Analytics, ABB

    Bild: ABB

  • „Um Vorteile aus Data Analytics ziehen zu können, müssen Menschen, Dinge und Geschäftsprozesse eine intelligente Verbindung eingehen. Bei SAP nutzen Anwendungen das gleiche Daten-Modell und haben eine gemeinsame Benutzeroberfläche auf Basis der SAP Cloud Platform. Diese wiederum nützt die Technologien von SAP Leonardo, einem digitalen Innovationssystem. Hier kommen beispielsweise im Bereich von Manufacturing 4.0 ausgefeilte Analytics-Anwendungen zum Einsatz, auch mittels Machine Learning. Das Ergebnis sind explizite Digital Manufacturing Insights, die dem Unternehmen konkrete Entscheidungshilfen geben.“

    Hans Thalbauer, Senior Vice President, Extended Supply Chain, ‎SAP

    Bild: SAP

Verwandte Artikel