Die Smarte Fabrik und das Internet der Dinge – Ein Industrie 4.0 Fallbeispiel

Share on facebook
Share on twitter
Share on linkedin
Share on xing
Share on whatsapp

An einem verschneiten Dezembermorgen im Jahr 2019 befinde ich mich im mittelhessischen Haiger vor den Toren der neuen Smart Factory von Rittal. Der weltweit führende Systemanbieter für Schaltschränke, Stromverteilung, Klimatisierung, IT-Infrastruktur sowie Software & Service lässt in seinem neuen Werk eine smarte Fabrik entstehen – die weltweit modernste Fertigung von Kompakt-Schaltschränken und Kleingehäusen. Ich gehöre heute zu einer der ersten kleinen Besuchergruppen, die die Möglichkeit hat, diese einzigartige digitale Fertigung zu besichtigen.

Das vollständig nach hocheffizienten Industrie-4.0-Strukturen ausgerichtete Werk ist noch nicht zu 100% in Produktion. Big Data – eine Vielzahl an Daten aus Maschinen, von Aktoren und Sensoren werden noch ins Monitoring eingebunden, Daten- und Systemintegrationen finden parallel statt und ein Expertenteam von Entwicklungsingenieuren und Service-Technikern analysiert, clustert jede Menge Daten für das große Industrie 4.0-Format der Visualisierung. Der Kontext macht dann aus den Daten die unmittelbare bereitgestellte Information. Das Ziel ist, in den neuen Fabrikhallen auf 24.000 Quadratmetern mit mehr als 100 neuen Hightech-Maschinen, Anlagenkomponenten und IoT-Plattformen rund 9.000 Kompaktschaltschränke und Kleingehäuse pro Tag hochautomatisiert zu fertigen.

Die smarte Fabrik mit der Anbindung vieler Drittsysteme an den zentralen Geschäftsprozess hat sich in den vergangenen Jahren zu einer werksnahen Datendrehscheibe weiterentwickelt

Die smarte Fabrik mit der Anbindung vieler Drittsysteme an den zentralen Geschäftsprozess hat sich in den vergangenen Jahren zu einer werksnahen Datendrehscheibe weiterentwickelt. (Bild: gemeinfrei / Pixabay)

Was ist Industrie 4.0 eigentlich (für uns)?

Der Begriff Industrie 4.0 wurde erstmals 2011, also genau vor 10 Jahren zur Hannover Messe in die Öffentlichkeit getragen. Aus einer Arbeitsgruppe entstand letztlich die Plattform Industrie 4.0, einem Zusammenschluss der Branchenverbände Bitkom, VDMA und ZVEI. Die Plattform Industrie 4.0 wurde seitdem weiter ausgebaut und das Ziel ist die Weiterentwicklung der mit dem Begriff Industrie 4.0 verbundenen Inhalte im Dialog mit Gewerkschaften, Wirtschaftsverbänden, Unternehmen, Wissenschaft und Politik.

Industrie 4.0 – relevante Informationen verfügbar machen

Für uns ist Industrie 4.0 eine neue Stufe der Organisation und Steuerung der gesamten Wertschöpfungskette über den Lebenszyklus von Produkten – von der Idee bis hin zum Recycling. Individuelle Kundenwünsche entstehen in der diskreten Fertigung und eine Studie von der International Data Corporation (IDC) aus 2019 belegt, dass 42% der Industrial IoT-Projekte in der deutschen Industrie genau dort umgesetzt werden, wo in der Industrieproduktion eine starke Anpassung der Produkte (bis zur Losgröße 1) erforderlich ist.

Basis ist die Verfügbarkeit aller relevanten Informationen in Echtzeit durch Vernetzung aller beteiligten Instanzen. Die Herausforderung dabei ist die Fähigkeit, aus den Daten den optimalen Wertschöpfungsfluss abzuleiten – und das zu jedem Zeitpunkt. Durch die Konnektivität von Menschen, Objekten und Systemen entstehen Wertschöpfungsnetzwerke. Sie sind dynamisch, echtzeitoptimiert, selbstorganisierend und unternehmensübergreifend.

Eine entscheidende Aufgabe ist dabei, sinnvolle Informationen aus der Vielzahl an Daten produzieren zu können

Eine entscheidende Aufgabe ist dabei, sinnvolle Informationen aus der Vielzahl an Daten produzieren zu können. (Bild: gemeinfrei / Pixabay)

Was sind die großen Herausforderungen beim Industrial Internet of Things (IIoT)?

Im Gegensatz zum Internet of Things (IoT) stehen beim industriellen Internet der Dinge nicht die Verbraucher und Anwender im Mittelpunkt der Konzepte, sondern industrielle Prozesse und Abläufe. Ziele des Industrial IoT sind die Verbesserung der betrieblichen Effizienz, Kostensenkungen in der Produktion, schnellere Prozesse und die Realisierung neuer Geschäftsmodelle.

Zurück in der neuen digitalen Fabrik von Rittal. Fahrerlose Transportsysteme kommen mir entgegen, fahren sensorgesteuert an mir vorbei und übernehmen automatisiert die Transporte im Werk. Ich fühle mich wie ein Statist aus einem Star Wars Film. Ich komme mit einem Ingenieur aus der Prozessautomatisierung ins Gespräch. Er ist total begeistert, irgendwie auch stolz auf dieser 24.000 Quadratmeter großen digitalen Bühne zu arbeiten.

Früher analog, heute digital

„Früher hatten wir eine Vielzahl an Insellösungen von Systemen, Maschinen und Anlagen. Es fehlte uns die Transparenz über Aufträge, Prozesse und Produktionsstatus durch mangelnde Datenverfügbarkeit. Und dann unglaublich viel Papier, papierbasierte Prozessschritte und zwangsläufige Medienbrüche,“ so der Ingenieur. „Es gab viel Ad hoc-Planung und -Kommunikation anstelle von strukturierter Planung. Und zuletzt geht es um eine genauere Kontrolle, wie viel elektr. Strom, Wasser und andere Ressourcen verbraucht werden, wann die Maschinen laufen und wie viel diese produzieren.“

Konnektivität – Menschen und Maschinen verbinden

Ich stimme ihm zu und wo früher die einzelnen Fertigungsprozesse Zuschneiden, Kanten, Schweißen sowie Lackieren transaktional, sequenziell und unabhängig voneinander abgearbeitet wurden, werden in der Smart Factory alle Menschen und Maschinen immer enger in das Manufacturing Execution System (MES) eingebunden. Die Einzelbaugruppen werden am Ende automatisch zum fertigen Produkt zusammengeführt. Dabei kommunizieren die Maschinen und Handling-Systeme, die fahrerlosen Transportsysteme untereinander und mit den übergeordneten Prozesseitsystemen. So stellt sich der Maschinenpark im Produktionsprozess automatisiert auf die zu produzierenden Werkstücke und Baugruppen ein.

Menschen, Objekte und Systeme tauschen permanent Informationen aus

Menschen, Objekte und Systeme tauschen permanent Informationen aus. (Bild: gemeinfrei / Pixabay)

5G, Edge Computing und KI/ML – neue Technologien in der Industrie 4.0

Ich treffe auf einen jungen Mann aus der IT. Er erzählt mir viel über Big Data und neue Technologien, die in Zukunft zum Einsatz kommen. Der gesamte Maschinenpark liefert permanent Daten über die Steuerung und die aktuellen Betriebszustände. Diese Daten werden zukünftig in einem Edge Data Center am Werk gesammelt und mit Anwendungen eines Schwesterunternehmens ausgewertet. So wird die Basis für Industrial Analytics gelegt. Mithilfe wissensbasierter Systeme auf Basis von Künstlicher Intelligenz (KI), die kontinuierlich dazulernen – Machine learning (ML) – werden Ausfallzeiten verringert, Wartungen vorausschauend (Predictive Maintenance) geplant und damit Störungen des ausgeklügelten Produktionsprozesses minimiert.

Diese neuen Technologien wie 5G, Edge Computing und KI/ML sollten nach IDC Einschätzungen genutzt und eingesetzt werden, um langfristig einen Grundstein für neue Geschäftsmodelle und Services zu legen, die entweder selbstständig erbracht oder in Ökosysteme integriert werden können. Diese Ökosysteme zu entwickeln, entsprechende Partnerschaften aufzubauen und allgemein akzeptierte Standards zu bestimmen, sollte und wird eine der zentralen Aufgaben für industrielle und industrienahe Unternehmen in den kommenden Jahren in Deutschland sein, um wettbewerbsfähig zu bleiben.

5G – Datenverarbeitung mit 10 Gigabit pro Sekunde

Mittlerweile hat der Schaltschrank-Spezialist Rittal als eines der ersten Industrieunternehmen in Deutschland eine 5G Frequenzzuteilung erhalten. Bereits in 2020 wurde ein privates 5G Mobilfunknetz im neuen Werk in Haiger installiert. Erste Pilotprojekte, etwa in der Produktionsüberwachung und -analyse, sind bereits in Planung.

Rittal will das 5G-Mobilfunknetz in seiner Smart Factory in Haiger in einer realen Produktionsumgebung schnellstmöglich installieren und in Betrieb nehmen. Die neue 5G-Funktechnologie soll den Datenverkehr deutlich beschleunigen und vereinfachen – etwa beim videobasierten Abgleich von Stückzahlen mit hinterlegten Auftragsdaten und bei der schrittweisen Implementierung von Data Analytics für eine präventive Instandhaltung. Mit dem neuen 5G Mobilfunkstandard lassen sich Daten mit einer Geschwindigkeit von 10 Gigabit pro Sekunde verarbeiten. 5G gilt als die Zukunftstechnologie, mit der sich industrielle Fertigungsprozesse noch besser vernetzen und steuern lassen – und somit die Potenziale von Industrie 4.0 weiter auszuschöpfen.

Edge Computing im industriellen IoT

Aktuelle Cloud-Computing-Trends stellen das Edge-Computing als ein Konzept vor, das den Industriebetrieb revolutionieren kann. Dies ist auf seine Fähigkeit zurückzuführen, nicht angeschlossene Geräte, Fertigungswerkzeuge, IIoT-Geräte und Arbeitsplätze in die Lage zu versetzen, Daten zu erfassen und zu verarbeiten, ohne mit einem zentralen Datenbanksystem zusammenarbeiten zu müssen. Mit Industrie 4.0 und den Millionen von Sensoren und IIoT-Geräten, die es antreiben, wird das Edge-Computing für das industrielle IoT neue Höhen erreichen.

Edge-Computing kann als die Bereitstellung von Daten-Handling-Aktivitäten und Vorgängen an der Quelle, ohne durch zentralisierte Netzwerksegmente gehen zu müssen, definiert werden. Dieser Rechenprozess optimiert Geräte, IoT-Geräte und Anwendungen, indem er das Rechnen näher an den Netzwerkrand dieser datenproduzierenden Geräte bringt. Je nach Gerät oder Anlage kann sich der Netzwerkrand auf den Bereich beziehen, in dem das Gerät mit dem Internet kommuniziert.

So ist das auch bei Rittal. Zukünftig können Daten, die an Sensoren, Bauteilen, Maschinen oder Robotern entstehen und benötigt werden, schneller als bisher in einem Edge- oder Cloud-Rechenzentrum erfasst und ausgewertet werden. Die notwendigen IT-Voraussetzungen sind im neuen Werk in Haiger bereits vorhanden.

Neue Technologien wie 5G, Edge Computing und KI/ML sind auf dem Vormarsch

Neue Technologien wie 5G, Edge Computing und KI/ML sind auf dem Vormarsch. (Bild: gemeinfrei / Pixabay)

Wo liegt der Unterschied zwischen Künstlicher Intelligenz (KI) und Machine learning (ML)

In der Smart Factory von Rittal fallen Daten von über 100 Maschinen an. Das sind bis zu 18 Terabyte am Tag. Eine Auswertung der Daten kann nur erfolgen, wenn diese Daten nach der Erfassung per Künstlicher Intelligenz (KI) analysiert werden. Und der Mensch spielt dabei eine entscheidende Rolle: Erst mit den Menschen als systematische Ausbilder werden aus den Anlagen zunächst lernende Systeme – Maschinelles Lernen (ML) – und später intelligente Systeme.

Computerprogramme, die Dame spielten

Sie sind eines der frühesten Beispiele für Künstliche Intelligenz. Auf der Dartmouth Konferenz im Sommer 1956 war es die Idee der KI-Pioniere eine komplexe Maschine zu konstruieren, die mit Hilfe der neu entstehenden Computer die gleiche Intelligenz wie ein Mensch besitzt. Bei diesem Konzept spricht man von der «General Artificial Intelligence (AI)»: Maschinen, die all unsere Sinne haben, unsere Vernunft und so denken wie wir.

Was heute schon davon umgesetzt werden kann, ist ein Konzept der «begrenzten KI». Technologien, die in der Lage sind, spezifische Aufgaben genauso gut oder besser als Menschen zu lösen. Ein Beispiel dafür ist die Gesichtserkennung von Facebook oder die Bildklassifizierung bei Pinterest. Die Technologien zeigen Aspekte von menschlicher Intelligenz. Doch wie funktioniert das und woher kommt die Intelligenz? Hier kommt das Machine Learning (ML) ins Spiel.

«Maschinelles Lernen» (Machine Learning) bezeichnet eine Querschnittsdisziplin aus Statistik, Informatik und Mathematik, die das Ziel hat, Softwaresysteme zu konstruieren, die automatisch aus Daten lernen können. Eine Vielzahl generischer Lernalgorithmen wurde entwickelt, um eine Vielzahl von Lernaufgaben zu lösen oder neue Erkenntnisse aus Daten zu gewinnen. Maschinen lernen also komplexe Zusammenhänge, wozu Menschen in puncto Schnelligkeit und Genauigkeit nicht mehr in der Lage sind.

Maschinelles Lernen kombiniert Methoden der Statistik, Informatik und Mathematik mit dem Ziel, Softwaresysteme zu konstruieren, die automatisch aus Daten lernen können

Maschinelles Lernen kombiniert Methoden der Statistik, Informatik und Mathematik mit dem Ziel, Softwaresysteme zu konstruieren, die automatisch aus Daten lernen können. (Bild: Pixabay / CC0 )

Damit die wachsende Datenflut in der industriellen Produktion beherrschbar wird, hilft maschinelles Lernen, aus einer immensen Menge von Sensoren- und Prozessdaten komplexe Zusammenhänge zu entschlüsseln, Muster zu erkennen und neues Wissen zu generieren.

Source Code oder doch lieber Low-Code / No-Code?

Meine Werksbesichtigung in der Smart Factory bei Rittal nähert sich dem Ende. Fast am Ausgang angekommen, schaue ich einem Techniker über die Schulter, der an einem Prozessrechner noch einige Programmierungsanpassungen im Source Code vornimmt. Was früher eingeweihten IT-Professionals ein Begriff war, ist heute im Bereich der Software- und Applikationsentwicklung nicht mehr wegzudenken. Von der Automotive-Industrie bis zum Pharma-Unternehmen – vom Mittelständler bis hin zum Global Player. Sie alle nutzen es und die Einsatzmöglichkeiten sind nahezu grenzenlos.

Die Rede ist von Low-Code / No-Code

Schneller, leistungsfähiger, effektiver und kostengünstiger müssen sie sein, die digitalen Prozesse und Anwendungen. Die Prämisse der Digitalisierung gilt für alle Unternehmen, denn in Zeiten steigender Anforderungsprofile, eines zunehmenden Fachkräftemangels und überlasteter IT-Teams ist eine Low-Code oder No-Code-Automatisierungsplattform oftmals ein probates Mittel, um Entwicklungszeit einzusparen, Kosten zu senken und die eigenen Applikationen stets auf dem neuesten Stand zu halten. Gerade für IT- und Fachabteilungen bietet sich damit die Möglichkeit, dem hohen Bedarf an Anwendungen und anderen Tätigkeiten gerecht zu werden.

Wohin geht sie nun, die künftige Reise für Low-Code / No-Code?

Der IT-Analyst Gartner prognostiziert, dass die Erstellung von Low-Code-Anwendungen, die auch No-Code enthalten, bis zum Jahr 2024 mehr als 65% aller App-Entwicklungsfunktionen ausmachen wird. Bis 2024 werden 75% aller Großkonzerne mindestens vier Low-Code-Entwicklungstools für Aktivitäten sowohl in der IT-Anwendungsentwicklung als auch im Citizen Development einsetzen. Forrester Research prognostiziert, dass sich der Marktanteil von Low-Code bei Business-Anwendungen innerhalb der nächsten Jahre von derzeit elf auf über 30 Prozent vervielfacht. IDC sieht in einem Whitepaper zum Thema Low-Code stark verkürzte Entwicklungszyklen und Vorteile durch Produktivitätssteigerungen von bis zu 25 Prozent.

Programmierzeilen gehört mit dem modularen Low-Code-Ansatz

Das teils mühsame Coding einzelner Programmierzeilen gehört mit dem modularen Low-Code-Ansatz der Vergangenheit an. (Bild: gemeinfrei / Pixabay )

Individuelle Softwarelösungen sind gefragt

In nur wenigen Jahren hat sich die Entwicklungstechnologie Low-Code und No-Code zum Gütesiegel für Entwicklungseffizienz und zu einem klaren Wettbewerbsvorteil für Unternehmen gemausert. Statt mühsamen Codings einzelner Programmierzeilen wird bei Low-Code mit Hilfe eines modularen Prinzips gearbeitet. Vorgefertigte Bausteine ersetzen textbasiertes Coding. Dies spart Unternehmen viel Zeit und Geld – und entlastet die knapp bemessenen Ressourcen hauseigener IT-Teams. Beim modularen Baukastenprinzip des Low-Code-Development wird mit Hilfe von Applikationsdesignern, grafischen Methoden und Bibliotheken gearbeitet, um individuelle Softwarelösungen und Geschäftsprozessanwendungen zu erstellen. So können neue Funktionen mit immer komplexeren Anforderungsprofilen in kurzer Zeit umgesetzt werden.

COVID-19 und Industrie 4.0

Heute denke ich noch oft an dieses imposante Industrial IoT Erlebnis in der Smart Factory von Rittal zurück. Rittal ist ein Musterbeispiel für gelebte Industrie 4.0. Und auch heute in COVID-19 Zeiten ist das industrielle Internet der Dinge mehr als präsent. Aktuell sehen viele Unternehmen zentrale Vorteile im Industrial IoT zur Bewältigung kurzfristiger Herausforderungen. Laut einer aktuellen IDC-Studie planen 59 Prozent der Befragten neue IIoT-Projekte. COVID-19 bremst aktuell sicherlich einige Unternehmen aus, für andere ist es hingegen der Moment, in denen sich ihre Investitionen in neue Technologien und vor allem auch im Industrial IoT auszahlen. Wie Studienergebnisse zeigen, ist die Krise für viele gleichzeitig ein Weckruf, längst notwendige Modernisierungen durchzuführen.

Denn eins ist klar. Die Bedeutung von Industrie 4.0 für Deutschland kann nicht hoch genug eingeschätzt werden. Industrie 4.0 ist die Voraussetzung für den Erhalt der Wettbewerbsfähigkeit der deutschen Industrie und damit die Sicherung von Arbeitsplätzen.

Die Chancen sind riesig und dem an Ressourcen armen und Know-how reichen Standort Deutschland kann nichts Besseres passieren als die Digitalisierung in der Industrie.

Links

https://www.rittal.com/ch-de/content/de/unternehmen/presse/pressemeldungen/pressemeldung_detail_57152.jsp

https://de.wikipedia.org/wiki/Industrie_4.0

https://www.rittal.com/at-de/content/de/unternehmen/presse/pressemeldungen/pressemeldung_detail_96576.jsp

https://www.bitkom.org/Themen/Digitale-Transformation-Branchen/Industrie-40/Was-ist-Industrie-40-2.html

https://automationspraxis.industrie.de/industrie-4-0/rittal-smart-factory-fertigt-schaltschraenke/

https://automationspraxis.industrie.de/news/rittal-pionier-beim-5g-mobilfunk-in-der-produktion/

https://www.industry-of-things.de/iot-basics-machine-learning-in-der-smart-factory-a-698047/

https://www.twt.de/news/detail/wo-liegt-der-unterschied-zwischen-artificial-intelligence-machine-learning-und-deep-learning.html

https://www.industry-of-things.de/low-code-ist-integrativ-automatisiert-und-smart-a-960267/

https://www.mendix.com/de/resources/gartner-magic-quadrant-for-low-code-application-platforms/

https://www.idc.com/getdoc.jsp?containerId=prEUR147017420

https://www.bitkom.org/Themen/Digitale-Transformation-Branchen/Industrie-40/Vision-Industrie-40-2.html