Gleich zu Beginn eine Frage: Ist der Begriff Industrie 4.0 ein Segen oder ein Fluch auf dem Weg zu einer vernetzten Produktion?
Papenfuss: Mit Industrie 4.0 sehen wir und auch Unternehmen eine riesige Veränderung auf uns zukommen. In dem Begriff sind unterschiedlichste Trends vereint. War die Digitalisierung früher für viele Unternehmen noch ein Randthema, mit dem sich nur einige Werksleiter und Ingenieure beschäftigt haben, ist es heute zum ersten Mal ganz oben im Management angekommen: Egal ob man nun von Industrie 4.0, digitaler Transformation oder vom Internet of Things spricht, in den letzten zwei bis drei Jahren wurde die Entwicklung vom Topmanagement vorangetrieben. Dadurch ist in den Unternehmen mehr Druck, sich auch wirklich mit dem Thema Industrie 4.0 zu befassen. Es entwickeln sich neue interdisziplinäre Teams und das Budget wird größer. Wir als OSIsoft beschäftigen uns seit 38 Jahren mit Daten- und Prozessanalyse vor allem in der Prozessindustrie, jetzt aber befassen sich immer mehr Firmen mit der Thematik und bringen ihre Sichtweise mit ein. Das sorgt manchmal für Verwirrung beim Anwender.

Wie reagieren Sie und wie reagieren Ihre Kunden darauf?
Papenfuss: Plötzlich mischen klassische IT-Firmen wie IBM, SAP und Microsoft in diesem Segment mit und investieren hier stark. Allerdings fehlt ihnen häufig noch das Ingenieurswissen, sprich: das Hintergrundwissen der jeweiligen Industrie. Die Konfusion bei den Kunden ist einfach höher und somit steigt der Erklärungsbedarf. Auf der anderen Seite stehen die positiven Aspekte, die diese Entwicklung mit sich bringt: Durch die größere Bedeutung in den Unternehmen sowie den Support durch das Management steigt auch das zur Verfügung stehende Budget. Ein weiterer Vorteil für uns ist der steigende Wettbewerbsdruck, so steigt auch unsere Innovationskraft. Es ist nie gesund, nur der einzige am Markt zu sein.

War OSIsoft denn jemals ganz alleine auf dem Markt?
Papenfuss: Wir hatten schon immer sehr viele Alleinstellungsmerkmale und gelten in einigen Branchen einfach als Benchmark. Doch es gab immer Mitbewerber für spezielle Nischenanwendungen in den unterschiedlichsten Subbranchen.

Welche waren das?
Papenfuss: Beispielsweise Anbieter im Metals- und Miningbereich, die dort Speziallösungen anbieten, unter anderem mit Video- und Tondaten. Das sind Lösungen, die wir nicht anbieten und die sich auch nicht mit unserem PI-System vergleichen lassen. Ebenso wie sich ein Auto und ein Motorrad nicht vergleich lassen: Man kann beides benutzen, um ans Ziel zu gelangen, aber in unterschiedlichen Ausprägungen.

Haben Sie Kunden, die noch nie von digitaler Transformation gehört haben?
Papenfuss: Erstaunlicherweise: ja! Es gibt immer noch viele Unternehmen, in denen noch manuell gearbeitet wird oder in denen noch viel Papier in der Produktion zu finden ist.

Wie erklären Sie diesen, dass sie digital werden müssen?
Papenfuss: Da gibt es verschiedene Ansatzpunkte. Natürlich passiert hier viel durch den Trend Industrie 4.0: Das Management beschäftigt sich damit und dadurch werden die Mitarbeiter aufgerüttelt. Ein anderer Weg ist der typische Vertriebsansatz: Wir zeigen, wo Einsparpotenziale im Unternehmen liegen. Durch unsere lange Erfahrung haben wir viele Beispiele, mit denen wir potentiellen Kunden zeigen, durch welche Optimierungen sie wieviel Geld einsparen können.

In welchen Industrien sind Sie tätig?
Papenfuss: Wir sind hauptsächlich in der Prozessindustrie tätig. Angefangen haben wir in der Öl- und Gasindustrie. Schnell war klar, dass die Lösung auch für andere Unternehmen eingesetzt werden kann. Öl und Gas ist zwar immer noch einer unserer stärksten Segmente, doch sind wir auch im Energiesegment, Chemie- und Pharmabereich sowie der Papier- und Lebensmittelindustrie tätig. In der diskreten Fertigung sind wir aus zweierlei Gründen noch nicht weit verbreitet: Zum einen hat die diskrete Industrie noch keinen so großen Datenhunger wie die Prozessindustrie, zum anderen fehlte uns bisher der Fokus und auch die Kapazität. In den letzten sechs Jahren ist unsere Belegschaft von etwas mehr als 700 auf rund 1.400 Mitarbeiter angewachsen.

Wie und wo rekrutieren Sie denn Ihre Fachkräfte?
Papenfuss: Wir sind in unserem Bereich einschlägig bekannt. Viele Ingenieure kennen unser PI-System seit vielen Jahren, haben bereits damit gearbeitet. Das ist unser Vorteil: Wenn diese Leute zu uns wechseln, wissen sie schon, welche Möglichkeiten die Software bietet. Auch rekrutieren wir Fachkräfte schon sehr früh direkt von der Universität: Die Absolventen fangen in der Regel im Support an und können sich im Unternehmen in die unterschiedlichsten Funktionen hocharbeiten. Und dann gibt es noch Quereinsteiger wie mich. Jeder Mitarbeiter aber ist Spezialist in seinem Bereich.

Das PI-System ist komplex und erfordert doch sicherlich viel Fachwissen…
Papenfuss: Ja, vor allem Ingenieurswissen ist hier gefragt. Wir beobachten die gesamte Prozesskette. Die erforderlichen Sensordaten werden entweder von einer IoT-Plattform generiert oder von einem Leit- oder SCADA-System bereitgestellt. Unser PI-System managt die ganzen Prozessdaten: von der Datenakquise über die Archivierung, der Echtzeitanalyse bis hin zur Weiterleitung der Daten an die Applikation oder den Spezialisten, der sie benötigt. Hierfür ist viel Fach- und Prozesswissen notwendig: vom Quellsystem bis hin zur generellen Natur der Sensordaten, die sich grundsätzlich von den relationalen oder Transaktionsdaten in der IT unterscheidet.

Für welche Anwendungen wird das PI-System eingesetzt?
Papenfuss: Unsere Kunden setzten das PI-System für Energiemanagement ebenso ein, wie für die Verbesserung der Produktqualität oder um sich regulatorisch abzusichern, beispielsweise ist in der Pharmaindustrie, die eine lückenlose Aufzeichnung des Produktionsprozesses fordert. Die Daten, die wir in einer Anlage sammeln, werden in Echtzeit analysiert und mithilfe von Algorithmen Zusammenhänge festgestellt. Auf diese Weise lassen sich Wartungsintervalle vorhersagen. Predictive Maintenance ist aber nur eine mögliche Anwendung.

Es sind doch aber Hunderte, wenn nicht Millionen Sensoren in einer Anlage. Wie wählt man hier die richtigen Daten aus?
Papenfuss: Natürlich reden wir hier von hohen Datenmengen. Unsere Kunden, zum Beispiel ein Chemiekonzern, haben in unserem System weit über 300, bis zu etlichen Millionen Datenpunkten, sprich: unterschiedliche Messstellen. Kraftwerke haben bis zu 10.000 Datenströme, um eine große Turbine zu überwachen. Eine Windturbine hat zwischen 300 und 400 Datenpunkte, die im Sekunden- oder Millisekundentakt ausgelesen werden. Die Frage ist nur, welche Daten wichtig sind. Generell werden aber alle Daten gespeichert, da man nie weiß, wozu man sie später einmal brauchen kann.

Wie groß ist dann die Datenmenge?
Papenfuss: Das PI-System ist keine traditionelle Datenbank, sondern eine Software, die Daten verwaltet. Daher sind die Datenmengen relativ klein, wir reden hier von Giga- und Terabyte.

Nochmal zurück zur die Windturbine mit 400 Datenpunkten: Wie groß ist die Datei, wenn die Turbine einen Tag läuft?
Papenfuss: Wir bewegen uns hier im oberen Kilobytebereich bis zu einem einstelligen Megabytebereich (je nach Datenfrequenz der Quellsignale). Ein Sensordatentag setzt sich zusammen aus ID, einem Wert, einem Zeitstempel sowie speziellen Qualitätsmerkmalen.  Ändert sich ein Wert über einen gewissen Zeitraum nicht, wird nur der Start- und Endpunkt gespeichert. Auch kann man einstellen, dass nur größere beziehungsweise relevante Veränderungen gespeichert werden. So werden pro Stunde manchmal nur ein bis zwei Werte gespeichert.

Angenommen ein Produktionsunternehmen mit mehreren Werkzeugmaschinen kommt auf Sie zu und möchte seine Anlage optimieren. Wie gehen Sie vor?
Papenfuss: Dann schicke ich vorweg, dass wir keine Anlagenoptimierung machen. Unsere Software ermöglicht es, Sensordaten in Echtzeit zu bearbeiten und dem Operator für eine Entscheidung zur Verfügung zu stellen. Ähnlich wie der Tacho im Auto: Er zeigt mir in Echtzeit an, ob ich zu schnell bin. Wenn ja, leite ich Gegenmaßnahmen ein – ich bremse. Ähnlich ist es im Kraftwerk: Hier müssen die Operatoren den Zustand der Turbine im Auge behalten. Ist der Druck oder die Temperatur zu hoch, werden die Daten weitergeleitet und Gegenmaßnahmen ergriffen.

Möchte der Kunde aber einen Prozess optimieren oder Predictive Maintenance einführen, können wir ihn unterstützen. Dazu müssen wir zuerst einmal wissen, wie wir die Daten akquirieren können. Das ist gar nicht so leicht, denn im Industriebereich gibt es unterschiedlichste Kommunikationsstandards. Hinzu kommt, dass zwar viele Hersteller einen Standard unterstützen, aber ihn auf ihre Applikation anpassen. Das heißt, die Systeme sprechen zwar offiziell eine Sprache, aber unterschiedliche Dialekte. Wie bei uns: Wir sprechen Deutsch, aber der Norddeutsche versteht die Bayern nicht. Zuerst müssen wir also verstehen, welche Schnittstellen vorhanden sind. Dafür greifen wir auf unsere Bibliothek mit über 400 Standardschnittstellen zurück und installieren anschließend eine Software, die die Daten aufgreift und in unser System überträgt.

Sie verwenden also die bestehenden Sensoren einer Anlage.
Papenfuss: Ja, wir verwenden die bestehenden Sensoren und lesen diese aus.

Reichen die Daten der bestehenden Sensoren in der Regel aus oder kommen Sie hier an die Grenzen?
Papenfuss: Im Prinzip reichen die bestehenden Sensoren aus, denn wir können alles auslesen, was einen Zeitstempel und einen Wert hat. Die Frage ist: Was möchte der Kunde machen? Wir haben durchaus Betriebe, die nicht automatisiert sind. Sprich: Es sind nicht genug Sensoren vorhanden, die einen sinnvollen Einsatz unserer Software zulassen. In solchen Fällen sind wir schlicht zu teuer und der Aufwand lohnt sich nicht. Der Automatisierungsgrad ist also entscheidend. Ich kaufe mir auch keinen Ferrari, um damit zum Einkaufen zu fahren.

Wenn Sie einen neuen Kunden haben, hat er dann in der Regel historische Daten, auf die Sie zurückgreifen können?
Papenfuss: In der Pharmaindustrie ja, denn hier besteht eine Dokumentationspflicht. In der Prozessindustrie in der Regel auch, aber es gibt viele kleine Unternehmen, deren Daten in unterschiedlichsten Formaten vorliegen. Das heißt, wir müssen häufig damit kämpfen, die Daten aus veralteten Systemen herauszubekommen, deren Hersteller beziehungsweise Entwickler teilweise nicht mehr greifbar sind.

Wie viel Zeit benötigen Sie, diese historischen Daten auszuwerten?
Papenfuss: Meist sind es nicht mehr als 2 Wochen, bis die Altdaten übernommen sind. Es gibt aber auch exotische Systeme, in denen die Daten händisch geladen werden müssen und das kann dauern.

Nun haben Sie die Daten, wie entscheiden Sie, welche Daten relevant sind?
Papenfuss: Meist gilt, alle Daten aufzunehmen, denn wir wissen nie, wozu wir sie brauchen könnten. Mit Machine Learning und künstlicher Intelligenz haben wir die Möglichkeit, Zusammenhänge zu erkennen, die wir vorher nicht sehen konnten. Und dabei helfen natürlich mehr Daten. Außerdem sind wir heute in der Lage, neue Algorithmen einzusetzen, die vormals vermeintlich unnütze Sensordaten nutzbar machen. Ein schönes Beispiel sind Wetterdaten: Im Erneuerbaren Energiebereich werden sie eingesetzt, um Vorhersagen zur Produktivität einer Anlage zu treffen. Vor 15 bis 20 Jahren war sie noch relativ nutzlos, jetzt können wir durch diese Daten gewisse Zusammenhänge zu erkennen. Daher empfehlen wir, möglichst viele Daten aufzuzeichnen.

Welche Daten relevant sind, entscheidet in der Regel aber immer noch der Mensch. Ein Maschinenführer oder auch ein Ingenieur in der Prozessindustrie weiß, welche Daten relevant sind und welche Daten fehlen, um zum gewünschten Ergebnis zu gelangen. Gewisse Abhängigkeiten lassen sich aber auch über Data Science erkennen; dadurch ergibt sich ebenfalls eine Relevanz der Daten.

In der Produktion hört ein erfahrener Maschinenführer am Geräusch, dass etwas mit der Maschine nicht stimmt. Wie bilden Sie dieses Know-how in Ihrer Software ab?
Papenfuss: Das ist in der Tat ein Bereich, der im Moment von einigen Firmen kommerzialisiert wird. Seit einigen Jahren arbeiten wir mit einer österreichischen Firma zusammen, die genau dieses Problem löst. Ein Beispiel: In einer Anlage gab es schwer zugängliche Filter, die leicht verstopften. In der Vergangenheit musste ein Techniker kommen und horchen, ob ein spezifisches Geräusch auftrat. Daher wurde ein Mikrofon installiert, das die Geräusche aufnimmt und in unserem System hinterlegt. Anschließend wurde in Zusammenarbeit mit dem Techniker ein Algorithmus entwickelt, so dass man nun anhand der Tondaten vorhersagen kann, wann ein Filter verstopft. Verknüpft man nun diese Erkenntnisse mit dem Leitsystem, kann sogar vorhergesagt werden, welcher Filter das ist.

Wir arbeiten im Moment mit sehr vielen Maschinenbauern zusammen, die ihr Wissen in solche Algorithmen verpacken. Neue Sensoren, zum Beispiel Mikrofone oder thermische Bildverfahren, liefern die notwendigen Daten.

Ich möchte noch einmal auf die Interoperabilität zurückkommen. Geraten Sie manchmal an Ihre Grenzen bezüglich der Standardschnittstellen?
Papenfuss: Natürlich kommen wir immer wieder an unsere Grenzen, da immer wieder neue Standards auf den Markt kommen. Unsere Stärke ist, dass wir ein Team mit langjähriger Erfahrung haben, das sich nur um Schnittstellen kümmert.

Was sind die größten Herausforderungen in der vernetzten Produktion?
Papenfuss: Die zentrale Frage ist, wie kommunizieren Anlagen miteinander? In der Industrie stehen nicht nur Maschinen und Steuerungen von einem Unternehmen, sondern ein buntes Sammelsurium verschiedenster Hersteller. Sie unterscheiden sich im Automatisierungsgrad und beim Kommunikationsstandard. Diese gilt es nun zusammenzubringen. Mit unserem PI-System schlagen wir eine Brücke zwischen den unterschiedlichen Plattformen und geben so einen Gesamtüberblick über den Prozess.

Was halten Sie von Kommunikationsstandards wie OPC UA und TSN, die eine Interoperabilität über alle Systeme gewährleisten sollen?
Papenfuss: Das ist prinzipiell gut. OPC UA wird als Allheilmittel gehandelt, das aber erst noch in der Produktion ankommen muss. Außerdem gibt es, wie schon erwähnt, viele unterschiedliche „Dialekte“: Bei jedem Kunden trifft man auf einen anderen und muss von vorne beginnen und mit dem Hersteller in Kontakt treten.

Welche Vorteile bringt Industrie 4.0 mit sich?
Papenfuss: Industrie 4.0 sorgt dafür, dass sich die Teams durchmischen. Als ich vor sechs Jahren bei OSIsoft angefangen habe, waren 85 % der Teammitglieder Ingenieure. Heute hat sich der Anteil der Informatiker auf rund 30 - 40 % erhöht. Ingenieure sind OT-Experten: Sie kennen das Leitsystem und die Daten sehr gut und wissen, was sie mit den Daten machen können. Doch bisher war ihnen die Welt, was mit den Daten noch alles gemacht werden kann, verschlossen geblieben. Ein Ingenieur sieht die Daten vor allem in einer Zeitkurve, ein Informatiker sieht aufgrund seiner Erfahrung mit Business Analytics oder Business Intelligence die Daten multidimensional, also aus verschiedenen Blickwinkeln. In der IT gibt es Werkzeuge, die OT bisher noch nicht eingesetzt haben. Für meine Begriffe ist die jetzige Situation sehr schön, denn beide Bereiche können sich gegenseitig in ihrer Arbeit befruchten.

Wie läuft die Verknüpfung von OT und IT, Ingenieuren und Informatikern?
Papenfuss: Es ist interessant, denn die beiden Bereiche müssen erst einmal aufeinander zugehen. Ingenieuren fehlt manchmal die Fantasie zu sehen, was alles mit Daten gemacht werden kann. Machine Learning beispielsweise ist der absolute Wahnsinn: Manche Kunden haben 20 bis 30 Jahre alte Daten bei uns liegen und auf einmal können wir Zusammenhänge erkennen und manuelle Prozesse mithilfe von Machine Learning optimieren.

Was haben Sie persönlich für sich aus der Zusammenarbeit mit Ingenieuren mitgenommen?
Papenfuss: Ingenieure verfügen über ein wahnsinniges Know-how im Bereich Sensordaten und über enormes Wissen rund um die Prozesskette. Sie wissen genau, wie eine Anlage funktioniert. Ich persönlich habe sehr viel über die technischen Zusammenhänge gelernt.

Sie kooperieren mit Konzernen wie Amazon oder Microsoft. Wie genau sieht die Zusammenarbeit aus?
Papenfuss: In der Regel wird unser System nahe an der Produktion installiert. In unserer Partnerschaft mit Amazon geht es im Prinzip wieder um das Thema IT und OT: Durch die Kooperation haben wir jetzt die Möglichkeit, die Daten unseres PI-Systems an die Amazon- oder Microsoft Azure-Cloud zu schicken. Die Daten liegen immer noch bei uns, aber die Berechnungen laufen in der Cloud ab, da diese eine höhere Rechenleistung bietet. Das ist sehr Deutsch: Die Daten bleiben bei uns, für Analysezwecke können sie aber kurzzeitig in die Cloud geladen werden.

Hat das mit der Sicherheit zu tun oder ist es ein reales Problem oder ist es einfach Angst?
Papenfuss: Es ist ein reales Sicherheitsproblem, ja. Aber man muss das differenzierter sehen: Unser PI-System wird häufig als kritisches System eingesetzt, sprich: wenn es ausfällt, gehen die Lichter aus. Von daher muss die Software möglichst nah, also im Netzwerk sein. Natürlich könnte man das ganze System in der Cloud installieren, die Frage ist nur: Ist es Echtzeitnah genug und was passiert, wenn die Verbindung einmal nicht mehr da ist? Überspitzt betrachtet: Sitzt unsere Software in der Cloud, so ist die Wahrscheinlichkeit von Ausfällen aufgrund der Infrastruktur um ein Vielfaches höher.

Ein Sicherheitsaspekt ist auch: amerikanische oder europäische Cloud. Der Kunde entscheidet, wo die Daten liegen. Viele Kunden möchten nicht, dass ihre Daten in Amerika landen. Vor allem in der Chemiebranche ist es so, dass Daten über Substanzen, die für Waffen eingesetzt werden könnten, nicht im außereuropäischen Ausland gespeichert werden dürfen. Das heißt, gewisse Chemieunternehmen, die in Deutschland herstellen, müssen akribisch drauf achten, dass ja kein einziger Wert in Amerika landet. Aber das sind rechtliche Themen, mit denen wir zwar konfrontiert werden, aber uns letztendlich nicht betreffen.

Wo sehen Sie die größten Herausforderungen für Deutschland?
Papenfuss: Der Wille, etwas zu tun! Gerade im Mittelstand sehen wir im Moment großen Widerstand: „Das haben wir schon immer so gemacht und wir sind Marktführer, also wird es auch in Zukunft klappen“, ist hier die Devise. Diese Einstellung hängt sicherlich auch damit zusammen, dass es uns sehr gut geht. Dadurch ist die Bereitschaft, etwas zu verändern, sehr gering. Und auch das Vertrauen in die neuen Technologien muss erst einmal wachsen.