Datenpotenziale heben mit KI und Streaming

Das theoretische Potenzial von Produktionsdaten ist groß. Denn richtig verknüpft enthalten sie wichtige Informationen, die auch KI-Systeme brauchen. Schließlich benötigen diese Big Data, um lernen und entscheiden zu können. Verglichen mit Daten aus anderen Abteilungen sind Produktionsdaten jedoch nicht so leicht standardisiert zu verarbeiten. Denn zunächst stammen die Daten aus verschiedensten Quellen und sind dementsprechend heterogen. Oft müssen sie lange gespeichert werden, damit sie rückverfolgbar sind und das Unternehmen sich rechtlich absichert. Auch ändern sich Produktionsdaten besonders schnell, denn sie hängen direkt von den Maschinen und Prozessen ab, aus denen sie stammen. Die Herausforderungen sind mitunter groß. Wie gut können produzierende Unternehmen ihre Daten also derzeit schon nutzen?

Die Qualität der Produktionsdaten ist in Unternehmen hierzulande gut, wie die Praxis zeigt. Damit ist bereits ein wichtiges Kriterium für den Einsatz von KI erfüllt. Allerdings mangelt es häufig noch an einem tiefgehenden Verständnis dieser Daten. Das führt dazu, dass Unternehmen selten über Machbarkeitsstudien hinausgehen. Der Reifegrad der IIoT-Infrastruktur ist dabei sehr unterschiedlich. Oft fehlt es an der richtigen Basis, um aus den Daten einen klaren Mehrwert zu ziehen. Gleichzeitig erwarten Kunden eine präzise Qualitätsvorhersage sowie optimale Parameter in der Produktion. Worin liegen also die Schlüsselfaktoren bei der Datenverarbeitung und Infrastruktur, um den Übergang von der Studie zur Praxis zu ermöglichen – und welche Bedeutung hat dabei das Streaming von Produktionsdaten?

Mit der richtigen IT-Infrastruktur zum Datenstreaming

Um KI-Projekte schneller umsetzen zu können, sind die passende IT-Infrastruktur sowie Streaming-Technologien zentrale Faktoren. Für die Verarbeitung von Produktionsdaten eignet sich besonders eine einfache, flexible Infrastruktur. Sie sollte es ermöglichen, Rohdaten abzulegen und diese in Echtzeit dynamisch zu nutzen. Besonders wichtig ist dabei auch ein effizienter Datenstandard, um den Austausch zwischen Maschinen und Systemen zu ermöglichen. Hier sind die Standards OPC-UA und MQTT besonders relevant. OPC-UA ermöglicht eine 1:1-Kommunikation zwischen Einheiten, unabhängig von Hersteller oder Plattform. MQTT hingegen ist schlanker und bietet eine schnelle, zentral gesteuerte Datenverteilung – ideal für die Digitalisierung der Produktion.

Ein weiteres zentrales Thema ist die Frage, wie Daten zwischen den Systemen vermittelt werden: Batch-Processing oder Stream-Processing? Beim Batch-Verfahren wartet das System, bis ein vollständiges Datenpaket bereit ist, während die Daten beim Stream-Processing kontinuierlich und in Echtzeit verarbeitet werden. Besonders für die Produktion ist Streaming oft die bessere Wahl, da große Datenmengen sofort genutzt werden können – eine Grundvoraussetzung für KI-Anwendungen. Nachdem die Daten erfasst sind, werden sie standardisiert und bilden so eine solide Basis für weiterführende Analysen.

Mit der richtigen Infrastruktur als Basis können Unternehmen KI und Datenstreaming kombinieren, um das volle Potenzial ihrer Produktionsdaten auszuschöpfen. Produktionslinien und Standorte lassen sich so zentral überwachen und steuern, was die Skalierbarkeit deutlich verbessert. Neue Produktionslinien lassen sich problemlos in das KI-System integrieren, da es sich flexibel anpasst. Durch die Echtzeitanalyse von Datenströmen kann die KI direkt auf Veränderungen reagieren, Prozesse optimieren, Fehler beheben und sogar vorausschauende Wartung ermöglichen. Die Kombination aus Streaming und KI bietet damit eine hohe Flexibilität und spart gleichzeitig Kosten.

Damit Unternehmen diese Vorteile nutzen können, benötigen sie nicht nur die passende Technologie, sondern auch tiefes Wissen über ihre Produktionsprozesse. Nur wenn die KI genau gelernt hat, welche Fehler kritisch sind und welche Parameter überwacht werden müssen, kann sie effektiv eingesetzt werden. Hier kann es sinnvoll sein, mit externen Experten zusammenzuarbeiten, die sowohl Erfahrung in der Produktion als auch im Umgang mit KI haben.

Smart geschweißt hält besser

Ein konkreter Use Case für die Kombination von KI und Datenstreaming ist das Bolzenhubschweißen. Früher mussten dabei Stopps in der Produktion einzeln händisch geprüft werden. Um dies zu optimieren, sollen die Standzeiten minimiert und die optimalen Schweißparameter vorab bestimmt werden. Dafür werden Maschinendaten per MQTT gestreamt, kombiniert mit Materialparametern, Informationen zu Bolzenchargen und Umgebungsdaten wie Temperatur und Luftfeuchtigkeit. Dank KI und Streaming lässt sich die Schweißqualität beinahe in Echtzeit überwachen und optimieren. Zusätzlich labelt das KI-System automatisch die Produktionsdaten.

Mit präzisen Vorhersagen zu den wichtigen Schweißparametern können Verantwortliche die Ausfallzeiten verringern und die Anzahl der fehlerfreien Schweißungen erhöhen. Da sämtliche Prozesse aufgrund des Streamings remote überwacht werden, wird auch das händische Monitoring obsolet. Diese Lösung lässt sich zudem auf unterschiedliche Hersteller und Standorte skalieren, wodurch eine globale Implementierung schneller und sicherer erfolgen kann. Da es keine Datenlücken gibt und die Datenquellen umfassend verfügbar sind, wird die Vorverarbeitung der Daten erheblich erleichtert.

Die Zukunft der Produktion ist smart

Datenstreaming bildet die Grundlage, damit KI-Machbarkeitsstudien auch den Weg in die reale Produktion schaffen. Sind Daten aus verschiedenen Quellen jederzeit verfügbar, können KI-Systeme kontinuierlich lernen und sind schneller einsatzbereit. Dieser Prozess verringert damit die Amortisationszeit der Technologie. Gemeinsam verbessern sich Datenstreaming und KI gegenseitig und tragen so dazu bei, die Fertigung zu optimieren und einfacher auf fundierter Datenbasis entscheiden zu können. Unternehmen, die diese Synergien gezielt nutzen, generieren zusätzlichen Mehrwert aus ihren bestehenden Daten.

Thomas Pause, Head of IT Infrastructure & Software Engineering bei Salt and Pepper

Salt and Pepper, salt-and-pepper.eu