Analysen für Produktion und Industrie 4.0

Aus Big Data werden Smart Data

Die weltweite Datenmenge wird laut IDC bis 2020 auf 40 Zettabyte ansteigen, was in etwa 57 Mal der Menge der Sandkörner auf allen Stränden der Erde entspricht. Wie können Unternehmen von diesen Big Data profitieren? Wie sie beherrschen, etwa im Produktionsumfeld oder für Industrie 4.0?

Big Data

Wie können Unternehmen von Big Data profitieren?

Big Data, also in großer Menge vorliegende Daten, gilt als Chance für den wirtschaftlichen Erfolg von Unternehmen. Lassen sich doch aus den Daten nützliche Muster ableiten, zum Beispiel Ursachen für Warenrücksendungen identifizieren und beheben. Oder es werden maßgeschneiderte Angebote erstellt, welche die wechselnden Lebensumstände von Kunden berücksichtigen. Möglich ist auch, Produktionsabläufe zu simulieren, um jenseits der eigentlichen Produktion Schwachstellen aufzudecken.

Doch der ursprüngliche Grundsatz „Je mehr, desto besser“ greift nicht mehr. Denn obwohl es aufgrund massenhaft verfügbarer Rechenleistung heute möglich ist, mehr Daten als zuvor auszuwerten, können nur wenige Unternehmen das Potential ausschöpfen, das in den gesammelten Daten steckt. Denn die Suche und das Herausfiltern von nützlichen Daten fordern zu viele Aufwände und kosten Zeit. Die Devise lautet daher „Smart Data“.

Industrie 4.0 und Smart Data

Weil das Konzept „Smart Data“ auf zielgerichtete Methoden ohne großen Forschungsaufwand setzt, verspricht es, in Zukunft gerade auch für kleine und mittelständische Unternehmen mit begrenzten Ressourcen ein Werkzeug für Kosteneinsparungen und Innovationen zu werden. Doch was brauchen Unternehmen, um Smart Data zu generieren? Zum einen geht es nicht ohne fachliche Kenntnis der eingesetzten Maschinen und Geräte, im Produktionsumfeld wäre das z.B. das nötige Fertigungs-Know-how. Erst so wird klar, welche Daten sinnvoll erfasst werden sollten. Zum Zweiten – und daran fehlt es den Unternehmen häufig noch – muss eine zentrale Software vorhanden sein, um die anfallenden Daten gezielt auslesen zu können, und zwar aus den unterschiedlichsten Datenquellen. Drittens müssen die ausgewählten Daten vergleichbar gemacht werden, um sie mit Daten aus anderen Datentöpfen so intelligent zu verknüpfen, dass schließlich nützliche, aussagekräftige Informationen entstehen.

In der Praxis sieht das beispielsweise wie folgt aus: Zunächst wird ein für die Geschäftsziele relevanter Produktionsprozess anhand von Kennzahlen beschrieben. Die technische Herausforderung bei deren Erhebung besteht darin, dass meist auf sehr unterschiedliche Quellen mit unterschiedlichen Kommunikationsprotokollen, also technischen Sprachen, zugegriffen wird: So muss beispielsweise ein Industrieroboter in der Montage gleichzeitig mit Sensoren einer nachgeschalteten Verpackungsanlage und mit den grundlegenden IT-Komponenten kommunizieren können. Es gilt also, drei „Sprachen“ aufeinander abzustimmen, um die „smarten“ Daten einzusammeln. Darüber hinaus wird eine zentrale Plattform, also eine weitere Software, benötigt, auf der die Kennzahlen interpretiert, verarbeitet und dokumentiert werden können.

Intelligente Dinge miteinander verknüpft

Die aktuelle Entwicklung des Internets der Dinge (Internet of Things) mit seiner wachsenden Anzahl immer intelligenterer, kommunikationsfähiger „Dinge“ leistet Smart Data ebenfalls Vorschub. So kann ein Industrieroboter nicht nur melden, dass seine Temperatur über den Sollwert gestiegen ist. Er „weiß“ außerdem, dass der Öldruck im System abgefallen ist, und stellt den kausalen Zusammenhang „Temperaturanstieg–Öldruckabfall“ her. Dieser wiederum lässt den Rückschluss auf ein Leck in der Leitung zu – so werden Daten smart interpretiert. Im Rahmen von Industrie 4.0 arbeiten IT-Unternehmen bereits daran, etablierte zentrale IT-Management-Lösungen für eine Vielzahl von Datenquellen zu öffnen, um letztendlich die relevanten Daten sammeln und korrelieren zu können. Richtig effizient wird es dann, wenn die Daten automatisiert aus beliebigen Quellen beschafft und dabei gleich „normalisiert“, also vergleichbar gemacht werden.

Es ist davon auszugehen, dass die ersten Einsatzszenarien für Smart Data vor allem im Bereich der Prognosen und einer vorausschauenden Wartung und Instandhaltung liegen werden. Zukünftig wird möglicherweise die Waage einer Großmetzgerei frühzeitig melden, dass sie wegen eines verschlissenen Teils gewartet werden muss. Aufgrund dieser Information wird automatisch abgeglichen, ob passende Ersatzteile auf Lager sind, und es werden sofort Servicemaßnahmen beauftragt, um einen längeren Produktionsausfall zu verhindern. Nach und nach wird sich Smart Data in anderen Bereichen etablieren und einen festen und grundlegenden Bestandteil des Enterprise Service Managements von Unternehmen bilden.

Daneben werden übrigens Big Data seine Berechtigung behalten – die großen Datenmengen bieten Unternehmen und auch Forschungseinrichtungen nach wie vor die Möglichkeit, auf der Basis von massenhaften Echtdaten bislang unbekannte Muster und Zusammenhänge zu entdecken. Ein prominentes Beispiel hierfür ist die US-Kaufhauskette Target, die das Kaufverhalten von schwangeren Kundinnen analysierte. Das Ergebnis: Die Frauen kaufen ab dem dritten Schwangerschaftsmonat meist parfümfreie Lotionen und einige Wochen später spezielle Nahrungsergänzungsmittel. Die Kaufhauskette wird ihre Schlüsse daraus gezogen und sich dadurch aller Voraussicht nach einen Wettbewerbsvorteil verschafft haben. Ihr wäre es damit anschaulich gelungen, aus Big Data Smart Data zu machen.

*Der Autor Peter Weisbach ist Geschäftsführer bei Realtech Deutschland

Bildquelle: Thinkstock/iStock

©2019Alle Rechte bei MEDIENHAUS Verlag GmbH

Unsere Website verwendet Cookies, um Ihnen den bestmöglichen Service zu bieten. Durch die weitere Nutzung der Seite stimmen Sie der Verwendung zu. Weitere Infos finden Sie in unserer Datenschutzerklärung.

ok