Große Datenmengen, Big Data genannt, sollen helfen, die Produktion effizienter zu machen. Gepaart mit Künstlicher Intelligenz, soll die Produktion gar „grüner“ ausfallen. Doch was ist dran an dem Mythos?

Nun, sicher ist: Künstliche Intelligenz, KI, benötigt in der Produktion große Datenmengen, um sinnvoll eingesetzt werden zu können, doch so einfach wie ein Kochrezept ist das nicht. Man nehme die Daten aus der Produktion, lasse eine KI drüber laufen, und schon benötigt man das gesamte Anlagen-Know-how nicht mehr, sondern die Anlage läuft mittels KI von selbst und optimiert sich ohne menschliches Zutun … Allerdings: Wunder darf man nicht einfach erwarten – Wunder muss man genau planen!

Da geht es in erster Linie darum zu erkennen, welche Daten im eigenen Unternehmen vorliegen, als zweiten Schritt, zu verstehen, welchen Nutzen sie stiften können und im dritten Schritt darum zu bestimmen, welche Qualität die Daten haben. Erst auf dieser Basis können Unternehmen entscheiden, was sie von ihren eigenen Daten zu erwarten haben und wie sie weiter von diesen profitieren können. Eine Analyse der Daten allein reicht gewiss nicht.

Man muss die Daten auch interpretieren können, vor allem, wenn es sich um umfangreiche und komplexe, also Big Data, handelt. Passende Algorithmen und Werkzeuge können auf Basis solcher Datenmengen Erkenntnisse über betriebliche Abläufe liefern und zu deren Optimierung beitragen. Doch genau hier scheitern viele Unternehmen. Denn die Frage nach den „passenden“ Algorithmen und Werkzeugen lässt sich nicht einfach beantworten. Und es gibt kaum eine standardisierte Antwort.

Das Problem beginnt schon mit der Heterogenität der Daten, die von den unterschiedlichen Systemen erfasst werden: MSR (Messen, Steuern, Regeln), QS (Qualitätssicherung), MES (Manufacturing Execution), PLS (Prozess-Leittechnik), PPL (Produktion-Logistik-Leitsysteme) und ERP (Enterprise-Ressource-Planning) – sie alle liefern ständig Daten. Häufig werden die Daten einfach nur gesammelt, später werden größere Server gekauft, da Daten ja das neue Gold sein sollen und nichts verloren gehen darf. Doch ein systematischer Ansatz ist dabei nicht immer vorhanden.

Selbst das systematische Sammeln führt noch nicht zum Ziel. Erst durch eine semantische Zusammenstellung der Daten lässt sich ein Modell ableiten. Wenn man dieses dann auf Daten anwendet, entstehen Informationen, die zum Beispiel zur Prozessoptimierung oder zur Erhöhung der Anlagenverfügbarkeit genutzt werden können. Damit stellen dann diese Informationen einen ökonomischen Wert dar.

Und hier kommen wir wieder zum springenden Punkt: Big-Data-Analytics und die Aufbereitung der Daten zu Informationen sind nicht kostenlos. Und hiervor scheuen Unternehmen ebenfalls zurück, denn der Return on Invest ist nicht bereits sichtbar, nur weil man Daten besitzt. Das neue Gold liegt leider nicht in fertiger form vor, sondern muss mühsam aus dem Datenfluss gewaschen werden, die Qualität bestimmt werden und erst dann zu etwas Wertvollem verarbeitet werden. Aber wie sollen Unternehmen solche kostspieligen Projekte dann angehen?

Hilfe naht: Wie man in seinem Unternehmen Big Data richtig einsetzt, was man von welchen Daten aus der Produktion erwarten darf – und was nicht – und wie man vorgeht, um die Datenmengen des eigenen Unternehmens nutzbar zu machen, das steht in den neuen Richtlinien VDI/VDE 3714 1 bis 7. Die Ziele des Fachausschusses 7.24 Big Data der VDI/VDE-Gesellschaft Mess- und Automatisierungstechnik (GMA) liegen darin, den ökonomischen und ökologischen Nutzen von Big-Data-Anwendungen aufzuzeigen.

Hier geht es nicht um einen kurzfristigen Nutzen einer einzelnen Big-Data-Anwendung, sondern um die Integration dieser in die organisatorische Prozessmodelle von Unternehmen: Planung, Durchführung und vor allem langfristige Sicherung des Nutzens von Big-Data-Anwendungen. In den Produktionsprozessen werden beispielsweise für Steuerungs- und Regelungsaufgaben oder für die Qualitätssicherung große Datenmengen erhoben, die mittels Datenanalyse für weitere Prozess- und Geschäftsverbesserungen genutzt werden können. Die Richtlinien VDI/VDE 3714 geben eine generelle Orientierung sowie Hinweise auf potenzielle Schwierigkeiten und Hürden bei der Durchführung von Big-Data-Anwendungen, von der Entwicklung über die Inbetriebnahme bis zum nachhaltigen Betrieb.