Industrielle KI und Datenökosysteme

Viele der wichtigen Zukunftstechnologien lassen sich nur in Kooperation mit gleichgesinnten Partnern im Wertschöpfungsnetzwerk sinnvoll nutzen. Wenn jeder seine Stärken ausspielt, können KI-Modelle Nutzen für alle Beteiligten schaffen. Datenökosysteme und Datenräume sind dabei die Basis für den nutzbringenden Einsatz von industrieller KI, besonders für kleine und mittlere Fertigungsbetriebe. Sie standardisieren Daten aus unterschiedlichen Quellen, bieten über standardisierte Konnektoren Zugang zum Datenökosystem und ermöglichen damit wiederverwendbare KI-Anwendungen. Im Folgenden sind weitere zentrale Aspekte aufgeführt.

Daten teilen hilft allen

Datenökosysteme erleichtern einfache Datenzugänglichkeit und -qualität, auch über Unternehmensgrenzen hinweg, z.B. durch Zugriff auf Maschinen-, Prozess-, Qualitäts- und Wartungsdaten aus verschiedenen Quellen. Standardisierte Formate und Metadaten, die die Datenökosysteme festlegen, erleichtern die gezielte Nutzung von Laufzeitdaten. Offene Standards, die bereits beginnen, sich in der produzierenden Industrie durchzusetzen, erleichtern dann die Kombination von Daten aus unterschiedlichen Systemen, etwa ERP-, MES-, Scada- oder PLM-Anwendungen.

Schutzkonzepte für Wissen

Oftmals zögern Unternehmen beim Datenaustausch über Unternehmensgrenzen hinweg, weil sie befürchten, kostbares, langjährig aufgebautes Knowhow mit den Daten preiszugeben. Datenökosysteme bieten daher festgelegte Governance und Datensicherheit: Rollen-, Zugriffs- und Nutzungskontrollen, vertrauenswürdige Datenquellen und automatisierbare Datenverträge (Datenzugriffsvereinbarungen) erleichtern und unterstützen den Datenaustausch im Netzwerk. Damit können Ökosystempartner wie Lieferanten, Kunden und Dienstleister Daten kompletter Wertschöpfungsketten integrieren und zum Nutzen aller Potenziale ausschöpfen, die sie allein niemals heben könnten. So ergeben sich wesentliche Vorteile beim Einsatz von künstlicher Intelligenz wie maschinellem Lernen:

• Bereits vorhandene, vorbereitete Datensätze sind für mehrere KI-Anwendungen nutzbar, etwa Predictive Maintenance oder Qualitätssicherung.
• KI-Modelle haben eine höhere Qualität und sind vertrauenswürdig, weil saubere, konsistente Daten die Genauigkeit verbessern und Stabilität und Verständlichkeit der KI-Anwendungen erhöhen.
• Das Teilen von Daten in vertrauenswürdigen Datenökosystemen vermeidet Inselsysteme und ermöglicht schrittweisen und damit risikoreduzierten Einsatz von KI bis zur Skalierung.
• Partnerschaftliche Wertschöpfung entsteht, weil Unternehmen einer Wertschöpfungskette Daten kooperativ nutzen, z.B. gemeinsam trainierte Modelle mit Zulieferern.

Typische Szenarien

Es existieren bereits eine ganze Reihe möglicher Anwendungsgebiete für diesen Ansatz. Predictive Maintenance ermöglicht es etwa, mit KI früh zu erkennen, wenn Ausfälle von Maschinen oder Komponenten drohen. Auch die Prozessoptimierung gehört dazu, etwa bei der Feinjustierung von Prozessparametern wie Temperatur, Geschwindigkeit oder Druck. Hinzu kommen Qualitätsvorhersagen durch die Erkennung von Abweichungen oder die Reduzierung von Ausschuss und Nacharbeit. Ebenso kann die Energie- und Ressourceneffizienz verbessert werden, indem KI-Modelle Verschwendung erkennen und Verbrauchskurven optimieren.

Datenraumwerkstätten als KI-Inkubatoren

Viele Fabrikbetreiber und ihre Ausrüster sind kleine und mittelständische Unternehmen, die meist keine große IT-Abteilung, wenig Hallenfläche für Prototypen, kaum freie Kapazitäten zur Datengewinnung aus laufenden Maschinen oder kaum Personalkapazität für Forschungsprojekte haben. Genau darum bereitet das Fraunhofer IOSB seine Forschungsfabriken und KI-Reallabore in Karlsruhe und Lemgo darauf vor, Datenraumwerkstätten zu werden: Hier finden produzierende Unternehmen die Elemente, um Datenraumtechnologien zu entwickeln und zu erproben.

Was braucht es für den Datenraum

Die Datenraumwerkstatt soll alle Elemente anbieten, die erforderlich sind, um kollaborativ einen Datenraum aufzubauen, heterogene Daten aus verschiedenen Quellen zu gewinnen, zu standardisieren und zu verarbeiten sowie allgemein den Nutzen für Unternehmen aus dem Datenökosystem anschaulich zu machen. Zu diesen Elementen gehören Möglichkeiten zur Instrumentierung von Maschinen, Anlagen und Produktionsprozessen für die Fälle, dass die von Unternehmen vorgesehene oder existierende Sensorik zur Datenerfassung nicht ausreicht. Hinzu kommt die Verarbeitung von Produktionsdaten im Edge-Cloud-Kontinuum, z.B. um KI- und ML-Modelle von Komponenten und Maschinen zur Demonstration von Prädiktion bezüglich Qualität, Verfügbarkeit oder Ausbringung zu trainieren und zu erstellen. Ebenso erforderlich sind MX-Port-Konfigurationstools zur Anbindung von Assets an den Datenraum über die verschiedenen Ausprägungen des MX-Port, Kompetenzen im IT-Sicherheitsmanagement und in der IT-Sicherheit sowie die Entwicklung von KI-Anwendungen und deren Betrieb in industriellen Datenräumen gemäß der Methodik des KI-Engineering.

Ermöglicher für die Industrie

Unter Nutzung dieser Elemente bieten Datenraumwerkstätten unterschiedliche Formate an, von der bilateralen Unterstützung einzelner Unternehmen über Hackathons, z.B. zur kollaborativen Erprobung von Konnektoren bis zu Governance-Workshops, in der die Teilnehmer sich über Regeln, Rollen und Verantwortlichkeiten in einem Datenraum austauschen und verständigen. Auch Standardisierungsinitiativen können durch die Datenraumwerkstatt angestoßen werden.