Maschinendaten analysieren
Interview: "Eine Milliarde Datensätze in neun Sekunden"
30 Prozent des weltweiten Datenaufkommens stammen bereits heute aus Industrieunternehmen. In all diesen Daten stecken ein erhebliches Effizienzpotenzial und die Möglichkeit, direkt Wettbewerbsvorteile zu realisieren - der Schlüssel dazu heißt Analytics. Was das für die Industrie konkret bedeutet, dazu äußert sich Gerhard Altmann, Bereichsleiter Manufacturing beim Softwarehersteller SAS, im Interview.
SCOPE: Herr Altmann, wie steht es aktuell um die Analyse von Maschinendaten in der deutschen Industrie?
Gerhard Altmann: Das haben wir uns auch gefragt und deshalb bei Forsa eine Befragung dazu in Auftrag gegeben. Ergebnis: Eine klare Mehrheit wertet Maschinen- und Sensordaten bereits heute aus. 75 Prozent nutzen diese Möglichkeit, um Fehlerquellen zu identifizieren und Reaktionszeiten zu verkürzen. Es geht ihnen darum, Fehler in den Produkten und in den Produktionsprozessen zu erkennen oder gleich zu vermeiden. Und sie wollen die Qualität der Produkte und die Kundenzufriedenheit sichern und verbessern. Das sind die drei wichtigsten Beweggründe.
SCOPE: Datenanalyse ist also fest in der Industrie verwurzelt?
Altmann: Nein. Die Studie zeigt uns, dass das Bewusstsein für die Bedeutung des Themas in weiten Teilen der Industrie vorhanden ist. Es ist aber noch einiges zu tun; denn zum einen nutzen 25 Prozent der Unternehmen die Chancen der Analyse von Maschinendaten derzeit gar nicht. Das ist immer noch ein erheblicher Anteil der Befragten. Hier müssen wir Aufklärungs- und Überzeugungsarbeit leisten ¿ denn ich bin sicher, dass Analytics künftig ein enorm wichtiger Faktor zur Sicherung unserer innovativen Führungsrolle und für die Wettbewerbsfähigkeit des Standorts Deutschland darstellen wird.
SCOPE: Warum kommt das Thema gerade jetzt auf?
Altmann: Das hat viel mit den technischen Möglichkeiten zu tun, die sich in letzter Zeit rasant verändert haben. Was heute machbar ist, daran war vor einem Jahr noch nicht zu denken. Stellen Sie sich einmal vor: Wir analysieren heute eine Milliarde Datensätze in neun Sekunden. Konkret heißt das: Analysen, die früher ein bis zwei Tage dauerten, sind jetzt innerhalb weniger Minuten fertig. Auslöser für diesen Geschwindigkeitsschub ist vor allem die so genannte In-Memory-Technologie: Hier werden Daten einmal komplett in den Hauptspeicher geladen und direkt dort analysiert. Daraus ergeben sich neue Anwendungsmöglichkeiten, weil sich auch wirkliche große Datensammlungen, Big Data also, ausreichend schnell auswerten lassen ¿ und damit schnelle Entscheidungen und proaktives Handeln ermöglichen. Eine Analyse von Produkten und Produktionsprozessen, die zwei Tage nach Abnahme der Stichprobe fertig ist, kann nur noch Vergangenheit abbilden. Wenn sich daraus ein Optimierungsansatz ergibt, so ist die Produktion zwei Tage ineffizient und fehlerhaft gelaufen. Das lässt sich heute anders und besser machen.
SCOPE: Was sind denn das genau für Daten, von denen wir hier sprechen?
Altmann: Das sind beispielsweise Maschinendaten, die im laufenden Produktionsbetrieb über spezielle Sensoren abgegriffen werden oder auch Mess- und Sensordaten aus Produkten bei Endkunden. Das spannende ist nun, dass Analytics ganz verschiedene Daten miteinander in Beziehung setzen kann. So lässt sich etwa herausfinden, dass bestimmte Fehlerbilder immer dann auftreten, wenn eine Fertigungsmaschine außerhalb gewisser Toleranzbereiche läuft. Konsequenz: man weiß, wann die Maschine spätestens zu warten ist, um ohne Qualitätseinbußen zu produzieren. Überhaupt ist die vorausschauende Wartung - neudeutsch: Predictive Asset Management - ein ganz zentraler Aspekt. Von Quality Lifecycle Management ist wiederum die Rede, wenn es um die Optimierung von Prozessen geht, etwa Organisation und Feinabstimmung der Teilelogistik oder der Personaleinsatzplanung. Jedes Fertigungsunternehmen sollte sich damit auseinandersetzen, welche Möglichkeiten die Analyse von Maschinendaten in all diesen Einsatzbereichen bietet und wie sich damit erstens messbar Geld einsparen und zweitens die Beziehung zum Kunden stärken lässt.
SCOPE: Industrie 4.0 und Analytics - wie passt das zusammen?
Altmann: Industrie 4.0 braucht Analytics. Kern von Industrie 4.0 sind ja die sogenannten Cyber Physical Production Systems, kurz CPPS, die die eine eigenständige Kommunikation zwischen Maschinen, Lagersystemen und Betriebsmitteln möglich machen. Dadurch werden Aktionen ausgelöst und eine gegenseitige selbständige Steuerung. CPPS bilden damit eine technische Grundlage von Smart Factories, die eine völlig neue Produktionslogik implizieren und zur Optimierung industrieller Prozesse, des Lieferketten- und Lebenszyklusmanagement beitragen. Im Zuge dessen entsteht ein permanenter Austausch umfangreicher Datenmengen, Stichwort Big Data. Und weil dieser Datenaustausch kein Selbstzweck ist und auch größte Mengen an Rohdaten an sich wertlos sind, kommt Analytics ins Spiel. Analytics bereitet die Produktions-, Maschinen- und Betriebsdaten so auf, dass es sich überhaupt erst lohnt, sie auszutauschen und dass sie eine Bedeutung bekommen. Und nur über die Analyse mit leistungsstarken Tools geben die Daten Auskunft über den aktuellen Status der Produktion - insbesondere über die Dinge, die noch in der Zukunft liegen, und die sich nur über Analytics aus den Daten herauslesen lassen. Nicht zu vergessen die Wechselwirkungen zwischen ganz unterschiedlichen Bereichen, zum Beispiel zwischen Produktion und Marketing, sowie dem Kundenservice und Vertrieb. Die Zusammenführung und Veredelung der Daten durch Analytics ist daher eine der Kerndisziplinen von Industrie 4.0.