IoT-enabled Device - Die passende Softwarelösung finden

Artikel 5 zur schrittweisen Erhöhung des Digitalen Reifegrads mithilfe des IIot-Maturity-Modells 

In dieser Phase des IIoT-Maturity-Modells sind die Grundlagen der Maschinenvernetzung in die bestehende IT-Infrastruktur gelegt. Im Fokus stehen nun Anwendungsbereiche, die aus dem IT-Ökosystems des Unternehmens hervorgehen. Diese umfassen alle aktuellen und zukünftigen Applikationen und Services, basierend auf gesammelten Daten, die einen entscheidenden Mehrwert für das Unternehmen bieten. Dazu zählen u.a. Monitoring, Verhaltensüberwachung und Instandhaltungsthemen.

Die Daten, die von den IoT-fähigen Maschinen gesammelt werden, können und müssen in einem umfassenden Maße analysiert werden. Aus dieser Datengrundlage ergeben sich zahlreiche Anwendungsfälle, auf die mit der Entwicklung spezifischer Software reagiert wird. Im Folgenden werden die Möglichkeiten einer Überführung von Daten in mehrwertstiftende Applikationen exemplarisch aufgezeigt.

Die erste Anwendung ist eine Software zur direkten Auswertung von Maschinendaten, um einen Überblick über die Produktion in Echtzeit zu erhalten. Die kontinuierliche Datenerfassung ermöglicht eine präzise Analyse verschiedenster aktueller Parameter, Daten und Produktionsprozessen durch die Software. Daraus ergeben sich im Anschluss wertvolle Erkenntnisse, beispielsweise über die Leistung der Maschine. Für einen Maschinenverantwortlichen gehört es zu den Aufgaben die optimalen Betriebsparameter zu finden. Ein Vergleich zwischen historischen und aktuellen Betriebsdaten ist dabei eine wesentliche Herangehensweise und fördert letztendlich die Effizienz der Produktion. 

Mithilfe einer Software lassen sich jedoch nicht nur die optimalen Maschinenparameter finden. Durch die permanente Verbindung zwischen Software und Maschine ist es darüber hinaus möglich, potenzielle Engpässe und Maschinenausfälle frühzeitig zu erkennen. Ein wesentlicher Punkt dabei ist die Integration von Benachrichtigungen und Warnmeldungen in die Applikation. Somit können sämtliche Reaktionszeiten auf Fehlerquellen kostenwirksam reduziert werden.

Ein weiterer wesentlicher Faktor, der mit einem signifikanten Mehrwert aufwartet, ist die vorrausschauende Wartung (Predictive Maintenance). Der fundamentale Unterschied besteht hier darin, dass es sich bei der Software um Simulationsmodelle und verschiedene Ansätze sowie Algorithmen, wie Künstliche Intelligenz, Machine Learning und Data Mining, handelt. Die gesammelten Daten fließen in die Software als Grundlage ein, woraus entsprechende Wartungsstrategien entwickelt und abgeleitet werden können. Dies ermöglicht es unter anderem Wartungsarbeiten recht- und frühzeitig zu instruieren und ungeplante Ausfallzeiten durch präventive Maßnahmen effizient zu minimieren. Damit werden Stillstand-Zeiten der Maschine minimiert und die Zeit der Servicekräfte ideal genutzt.

Um das obenstehende zu ermöglichen, ist für die Entscheidungsträger eine Visualisierung entscheidend. Denn sowohl die Echtzeitdaten der Maschine als auch die aufbereiteten Daten, die in der Cloud prozessiert werden, dienen primär einer Informationsgewinnung. Eine Information ist jedoch je nach Anwendungsfall in einem spezifischen Kontext zu verstehen. Schlussendlich dienen, die aus den Daten gewonnen Informationen, einer unternehmerischen Entscheidungsfindung. Genau dafür müssen diese in übersichtliche und verständliche Darstellungs- und Visualisierungsformen überführt werden.

Mit der sicheren und stabilen Anbindung der Maschinen sind zahlreiche Anwendungsfälle denkbar, die über die oben beschriebenen Use-Cases hinausgehen. In Kombination mit einem effizienten Schnittstellenmanagement (APIs) und guter Architektur-Governance können Softwarelösungen verschiedener Hersteller nach einem Plug & Play-Prinzip genutzt werden. Die Vernetzung über Fachbereiche (End-to-End Process), mit Partnern oder dem eigenen Wettbewerb (bspw. Manufacturing X) ermöglicht hohe Innovationsgeschwindigkeiten, neue Wachstumsquellen und gleichzeitig reduzierte Wartungs- und Administrationskosten für die IT-Infrastruktur. 

Die Transformation zu einem "IoT-enabled Device" eröffnet den Unternehmen also die Möglichkeit, ihre Maschinen intelligenter und reaktionsfähiger zu machen und Kunden somit einen höheren Nutzen zu bieten. Dieser Schritt setzt die erfolgreiche Umsetzung der vorherigen Schritte voraus und ist entscheidend für die Realisierung des vollen Potenzials der IoT-Integration. Eben da setzt die Partnerschaft aus Arvato Systems und TTTech Industrial mit der Software-Plattform Nerve an. Sie verhelfen Ihnen bei dieser allumfänglichen Umsetzung mit dem Ziel Ihr Unternehmen in einen neuen IT-Standard zu führen. Ist dies gelungen und die Mehrwertservices konnten richtig umgesetzt werden, gilt es im letzten Schritt die Hyperautomation-Prozesse einzuleiten und Vorteile mittels Künstlicher Intelligenz (Artificial Intelligence) zu vertiefen. 

Im letzten Artikel der IIoT Maturity-Reihe „Die Potenziale der Künstlichen Intelligenz gezielt ausschöpfen“ informieren wir Sie darüber, wie Sie Künstliche Intelligenz richtig einsetzen.