Wie Fertigungsunternehmen ihr Business transformieren
Daten und Maschinen im Fokus
Artikel 1 zur schrittweisen Erhöhung des Digitalen Reifegrads mithilfe des IIot-Maturity-Modells
Bleibt die Digitale Transformation der Industrie im PoC Status stecken?
Ist die Verwendung von Produktionsdaten aus fertigenden Maschinen noch nicht möglich?
Bringen eigene Entwicklungen die selbstauferlegte IoT-Strategie doch nicht so schnell und effektiv voran?
Die Nutzung von Technologie zur Optimierung von Geschäftsprozessen ist nicht neu, aber die Digitale Transformation hebt dies auf ein neues Level. Sie ermöglicht das Entwickeln innovativer Produkte, verändert Betriebsabläufe und schafft Mehrwert. Unternehmen aus der fertigenden Industrie fragen sich jedoch, wo sie beginnen sollen - mit der Optimierung ihrer IT-Anwendungen, dem Einsatz neuer Bezahlmodelle oder dem Aufsetzen einer Cybersecurity?
In diesem Artikel erläutern wir Ihnen das IIoT-Maturity-Modell als nützliches Tool zum Überprüfen des digitalen Fortschritts Ihres Unternehmens.
Insgesamt sechs Blogartikel führen Sie durch die Digitale Transformation der Fertigungsindustrie. Dabei erläutern wir anhand eines IIoT-Reifegradmodells, wie Produktionsunternehmen ihren digitalen Reifegrad steigern können. Die weiterführenden, inhaltlich aufeinander aufbauenden Blogartikel finden Sie jeweils am Ende jeder Seite verlinkt.
Das IIoT-Maturity-Modell
Das IIoT-Maturity-Modell ist ein Konzept, welches Unternehmen hilft, ihren Fortschritt und ihre Ziele im Bereich des industriellen Internets der Dinge (IIoT) zu bewerten und zu planen. Das IIoT bezeichnet die Anwendung von IoT-Technologien in der Industrie, um die Effizienz, Zuverlässigkeit und Innovation zu steigern. Das IIoT-Maturity-Modell besteht aus fünf Phasen, die verschiedene Aspekte der digitalen Transformation abbilden und beleuchten.
1. Maschinenanbindung
Die fünf Punkte aus dem IIoT-Modell bauen logisch aufeinander auf und sind unablässiger Wegbereiter für den Wandel der digitalen Transformation. Zu Beginn steht die Anbindung sämtlicher Daten-generierender Maschinen über Edge Devices an das IIoT-Netzwerk. Dazu müssen sowohl die Hard- als auch Software passend eingerichtet sein, um sicherzustellen, dass die Maschinen in der Lage sind, die relevanten Daten zunächst zu erfassen und letztlich korrekt in das Netzwerk übertragen zu können.
2. Konnektivität über die Cloud
Im zweiten Schritt folgt die Konnektivität über die Cloud. Dabei wird sich auf eine zuverlässige und effiziente Konnektivität der verschiedenen Geräte (Edge Device, Sensoren, Maschinen, etc.) konzentriert. Ziel dabei ist es, einen reibungslosen Informationsfluss zu erreichen, um in den folgenden Phasen die erfassten Daten effektiv nutzen zu können und einen realen Mehrwert daraus zu ziehen.
3. Der richtige Software Backbone
Ist dies sichergestellt, können die abgesicherten Daten durchweg in die bestehenden Systeme eingebunden werden. Die dritte Phase ist also die Steuerung der Daten-Infrastruktur in Form des richtigen Software-Backbones. Ein Differenzierungskriterium ist die sinnvolle Trennung von Cloud und Edge Computing. Edge Computing eignet sich hervorragend für die Echtzeitverarbeitung der angefallenen Daten, unmittelbar an der Maschine selbst. Die Cloud ist aufgrund von Restriktionen (bspw. Latenz und Breitband) mehr für Aufgaben wie das Trainieren von ML-Modellen und der langfristigen Speicherung der Daten geeignet. Die richtige Balance zwischen Edge- und Cloud-Computing in unserem Software-Backbone ist entscheidend, um die Vorteile der IoT-Integration voll auszuschöpfen.
4. Mehrwert-Services durch IoT
In Phase vier sind die notwendigen Voraussetzungen erreicht, um sich ganz auf das Entwickeln von Mehrwerten durch die erfassten Daten zu konzentrieren. Basierend auf Analysen der aggregierten Daten, geht es um die Schaffung von (zukünftigen) Applikationen und Services rund um die Maschinen. Konkret kann es sich dabei um Software für die Visualisierung der Daten als Entscheidungsgrundlage, die Überwachung von Funktion und Verhalten, der vorrausschauenden Wartung der Anlage oder der Unterstützung im Servicefall handeln.
5. Tiefgreifende Vorteile aus Daten durch den Einsatz von KI
Die Einbindung von Künstlicher Intelligenz in die Software eröffnet darüber hinaus in Phase fünf neue und tiefgreifendere Möglichkeiten. So können mittels AI-Algorithmen die Maschinendaten noch besser ausgewertet oder die generellen Betriebsabläufe optimiert werden. Die kundenspezifischen Herausforderungen profitieren ebenfalls von KI. Einerseits werden die bestehenden verbessert und näher auf die Bedürfnisse angepasst, andererseits können gänzlich neue Services dadurch entwickelt werden.
Ein gesamtheitlicher Ansatz ist von fundamentaler Wichtigkeit für das reibungslose Interagieren verschiedenster Systeme mit dem obersten Ziel: der Zufriedenstellung des Kunden. Über die Edge-Anbindung der Maschinen werden - ungeachtet der verschiedenen industriellen Kommunikationsprotokolle (bspw. OPC UA, MQTT oder Modbus) - die gesamten Daten in den Backbone überführt, die anschließend gespeichert, weiterverarbeitet und weitergeleitet werden. Somit ist mit einem guten und ausgewogenen Softwarebackbone das Fundament für alle mehrwertliefernden IIot-Funktionen und Services gegeben.
Entsprechend der von den Industrieunternehmen nachgefragten Business Cases werden übergreifend die Produktionsmaschinen in die IT-Welt integriert. Dazu gehören die in Zukunft immer mehr an Bedeutung gewinnenden Themen:
- Nachhaltigkeit: Im Sinne von Energiemanagement, Ressourcen-Tracking und dem verpflichtenden ESG-Reporting.
- KI & Digitaler Zwilling: Für effizienter gestaltete Produktions- und Logistikprozesse
- Unternehmensübergreifendes Ökosystem: Als Basis für das Entwickeln neuer Geschäftsmodelle.
Hierbei kann sowohl auf bestehende (Partner-) Lösungen zurückgegriffen als auch kundenindividuell entwickelt werden. Die vorrangige Zielsetzung ist die Lösung kundenspezifischer Herausforderungen, aber auch der Ausbau von Potenzialen im Sinne der Industrialisierung 4.0. Die Edge-Technologie bildet das Bindeglied zwischen der IT und OT Ihres Produktionsunternehmens. Folgen Sie dem IIoT-Modell, so gelangt Ihr Unternehmen in die Lage, digitale Services in den Geschäftsalltag einzubinden und ihren Kunden neue Möglichkeiten anzubieten.
Die Autoren
Johannes Fuhrmann ist Head of Strategic Business Development bei Arvato Systems. In dieser Rolle verantwortet er das Portfolio und den Produktaufbau für die Fertigungsindustrie. Sein Fokus liegt dabei hauptsächlich auf den Themen Digitaler Zwilling, Digitale Verwaltungsschale und der Entwicklung geteilter Datenökosysteme in der Industrie. Vor seiner Karriere bei Arvato Systems hatte Johannes Fuhrmann diverse relevante Positionen innerhalb der Fertigungsindustrie inne. So war er etwa als Senior Consultant für Industry 4.0 bei Deloitte Consulting und als Head of Digital Operations and Business Development bei VELUX tätig. Sein Studium an der University of Warwick schloss Johannes Fuhrmann mit einem Master of Science (MSc.) in Information Systems Management ab. Zudem erwarb er einen Bachelor of Arts (B. A.) im Studiengang Technical Business Administration an der Hochschule für Angewandte Wissenschaften Hamburg (HAW Hamburg).
Konstantin Klein ist seit 2022 Business Development Manager bei TTTech Industrial Automation AG. In seiner Funktion ist er für die operative und strategische Weiterentwicklung des Produktes Nerve tätig. Der Fokus liegt dabei vor allem auf den Themengebieten EDGE Computing, Virtueller PLC und der Integration von Technologien für Digitalisierungsstrategien bei Maschinenbauern.
Herr Klein hat viel Erfahrung in der diskreten Automatisierung bei ABB / B&R als Produktmanager Industrial IoT Network Solutions gesammelt. Nach der Schulzeit und der Ausbildung als Elektriker, schloss er an der Hochschule für Technik, Wirtschaft und Kultur Leipzig mit einem Master of Science (M.Sc.) in Electrical Engineering and Information Technology for automation technology ab.
Verfasst von