Soccer team in a huddle

Industrie 4.0: Längst nicht flächendeckend im Einsatz

Feature | 5. Dezember 2016 von Andreas Schmitz 12

Noch immer ist nach einer aktuellen Umfrage der Zeitschrift Produktion jedes zweite Unternehmen nicht an Industrie 4.0 interessiert. Auf dem 4. Fachkongress Industrie 4.0 diskutierten Experten, woran es krankt und was zu tun ist.

260 unterschiedliche Industrie 4.0-Anwendungen gibt es in Deutschland. Obwohl diese von Werner Bick genannte Zahl beeindruckend klingt, ist der Professor der Ostbayerischen Technischen Hochschule Regensburg gar nicht so begeistert: „Viele Unternehmen in Deutschland befinden sich mit Industrie 4.0 erst in der frühen Phase“, so Bicks Eindruck, „Industrie 4.0 ist in Deutschland noch längst nicht flächendeckend im Einsatz.“ Von den fünf Entwicklungsstufen von der Vernetzung der Geräte (1.) über die Verdichtung der Informationen (2.), das Generieren von neuem Wissen (3.), der Prognose von Entwicklungen (4.) bis hin zum Betrieb von autonomen Systemen (5.) verharren die meisten Unternehmen aktuell auf den ersten beiden Stufen und Bick rät: „Sammeln Sie unten Erfahrungen und arbeiten Sie sich dann nach oben“. Was so viel bedeutet wie: Jetzt vernetzen Sie doch erst einmal Ihre Geräte.

Symptome in IoT-Praxis: Unflexible Lieferketten, Ansammlungen von ungenutzten Daten

Woran es krankt, beschreibt der Direktor der Fraunhofer IPT Günther Schuh am Beispiel der Autoindustrie. Der beabsichtigte Kauf eines Elektroautos bei einem renommierten süddeutschen Autohersteller endete bei der Frage, warum denn die Reifen so schmal seien. „Der Verkäufer sagt: „Diese Frage habe ich schon öfter bekommen“ – und das Thema war beendet“, so Schuh. Es war offenbar nicht vorgesehen, breitere Reifen im Produktportfolio zu ermöglichen. „Die Gesamt-Supply-Chain war zu unflexibel, auf diesen individuellen Kundenwunsch eingehen zu können“, erläutert Schuh, der beklagt, dass „die Industrie seit zehn bis 15 Jahren jede Menge Daten sammelt, aber nichts damit macht und auch nichts aus ihnen lernt“.

Ursachen: Fehlende Business Cases, nicht bewilligte Finanzierung, geringe Qualifikation

Ein wichtiger Grund dafür, dass Daten in der Industrie oft brachliegen und nach einer Umfrage der Zeitschrift Produktion auch jedes zweite Unternehmen nicht daran interessiert ist, daran etwas zu ändern, liegt darin, dass noch Erfahrungswerte für den Umgang mit Big Data fehlen. „Es ist oft unklar, was aus entsprechenden Big-Data-Projekten herauskommt“, erläutert Bick, „entsprechend können auch nicht schon vorher Business Cases gerechnet werden.“ Konsequenz: Es wird schwer, Unterstützer und Geld für solche Projekte zu bekommen. Darüber hinaus fehlt in den Unternehmen auch die Bereitschaft, drängende operative Tätigkeiten zurückzustellen und die Priorität auf möglicherweise disruptive Ansätze zu setzen, deren Ausgang unsicher ist und die zudem neue Qualifikationen erfordern.

Die Vision für das Internet der Dinge: Ein Data Lake reduziert Latenzzeiten auf ein Fünftel

Dabei ist die Vision für Industrie 4.0 bei vielen Verantwortlichen längst in den Köpfen – der so genannte Data Lake. Durch Lean Management sind die Prozesse in den vergangenen Jahren derart auf Vordermann gebracht worden, dass hier kaum noch Spielraum für Effizienzsteigerungen übrig ist. Hier setzt das „Internet of Production“ an, das laut Günther Schuh so gennannte Latenzzeiten in Unternehmen auf ein Fünftel reduzieren kann – Zeiten, die ein Unternehmen benötigt, um zu erkennen, dass ein neues oder verändertes Produkt nötig ist, die Entscheidung dafür auf Basis von Analysen getroffen und es letztlich entwickelt wird, wie etwa ein vielfältigeres Sortiment von Reifen für Elektroautos.

Agile Entwicklungen, cyberphysische Systeme, echtzeitnahe Datenanalysen und der Data Lake sind die Stichworte, die in Summe dazu führen sollen, dass das digitale Abbild eines Produkts entsteht, „ein generischer digitaler Schatten“, wie Schuh es ausdrückt, der diese Beschleunigung ermöglicht. Voraussetzung dafür ist der Data Lake, ein Sammelbecken an Daten von diversen Geräten und Programmen. „Lean Management hat jeder schon gemacht, jetzt haben die Unternehmen die Chance, mit Zahlen, Daten und Fakten umzugehen und endlich einen geschlossenen Kreis in der Fertigung zu realisieren“, erläutert Schuh – um so schneller auf neue Anforderungen reagieren zu können. „Kürzlich habe ich meine Tochter abends in die Stadt gefahren, wo sie sich mit Freunden treffen wollte: Während der Fahrt hat sich das Ziel drei Mal geändert – und alle haben hingefunden“, sagt Schuh. So flexibel sind Unternehmen noch nicht, denn der Data Lake ist noch nicht Realität: „Noch gleicht er eher einer Ansammlung von Pfützen“, meint Schuh.

Praxis: Mix aus Bottom-Up- und Top-Down-Strategie

Damit sich das sehr bald ändert, schlägt Logistikexperte Bick einen Mix aus Top-Down- und Bottom-Up-Strategie vor. „Manche Großunternehmen wie BMW oder Bosch verabschieden Digitalisierungsstrategien, die Infrastrukturen festlegen und Handlungsfelder und Ziele bestimmen“. Als Einstieg einfacher ist seines Erachtens der operative Ansatz – das Ausprobieren von überschaubaren Industrie-4.0-Projekten. Allerdings haben viele Unternehmen schon fast traditionell derart lange Planungszyklen, dass es schwer ist, 2017 noch ein neues IT-Projekt unterzubringen. „Das ist nicht unmittelbar agil“, scherzt Bick, der zu einem Mix aus Top-Down- und Bottom-Up-Ansatz rät – also einerseits festzulegen, wohin die Reise gehen soll und – per learning by doing – zu lernen, damit umzugehen.

Der Nutzen: Predictive Quality im Einsatz

Klein und schnell anfangen: Das rät auch Timo Deiner, Presales Experte von SAP. „Bewährt sich der erste Prototyp, lässt er sich erweitern oder ein weiteres Projekt anschließen“, sagt Deiner, der mit der Papierfabrik August Köhler ein Konzept zum vorausschauenden Qualitätsmanagement umgesetzt hat. 87 Parameter stellten sich letztlich als besonders wichtig heraus, etwa die Luftfeuchtigkeit, die nicht zu hoch sein durfte, da das die Wahrscheinlichkeit erhöht, dass das Papier auf den Rollen der Maschinen reißen. Daten aus dem Qualitätsmanagement, dem ERP und von Sensoren aus den Maschinen liegen nun nicht mehr isoliert vor, sondern werden auf einer Plattform, der SAP HANA Cloud Platform zusammengezogen – anders ausgedrückt im Data Lake. „Das ist die Voraussetzung dafür, das Qualitätsmanagement zu verbessern, indem Mängel über das Erkennen von typischen Mustern vorhersagbar werden“, erläutert Deiner. Darüber hinaus ist der Schritt nicht weit hin zu vorausschauender Wartung und auch zu Unterstützungen von Servicemitarbeitern – etwa durch gezielte Informationen über verschlissene Bauteile und Anweisungen zum Auswechseln etwa via Smart Glass.

Industrie 4.0 ermöglicht, dass Hypothesen, Halbweisheiten und Bauchgefühle künftig mit soliden Analysen untermauert oder entkräftigt werden können. „Wenn es im Stuttgarter Land regnet, wird im Breuningerland mehr verkauft“, benennt Schuh ein sich beharrlich haltendes Gerücht. Da bedarf es eigentlich nur ein paar Wettersensoren und Abverkaufsdaten, eingespeist in einen Data Lake – und schon ist klar, was an dieser Hypothese dran ist.

Weitere Informationen

Tanja Rückert, Executive Vice President LoB Digital Assets und IoT bei SAP, erläutert in einem Video große Chancen für SAP im weltweiten Wettbewerb um Industrie 4.0: „Henning Kagermann von acatech hat uns einen Elfmeter aufgelegt“.

Tags: , ,

Leave a Reply