56
Forschungszentrums für Künstliche Intelligenz
durchgeführt wird, ist es, eine
Brücke zwi-
schen dem öffentlichen Internet und den
unternehmensinternen Datenwelten zu
schlagen
. Dazu wird eine neue Art von offenem
Wissensnetz entwickelt, das relevante öffentli-
che Daten zu interessanten Themen sammelt,
analysiert und individuell aufbereitet zur Verfü-
gung stellt. So wird die deutsche Industrie direkt
an das Web 3.0 angeschlossen, eine Erweite-
rung des herkömmlichen Webs, in der Informati-
onen mit eindeutigen Bedeutungen versehen
werden, um die Zusammenarbeit zwischen
Mensch und Maschine zu erleichtern. Dadurch
können Unternehmen ihre Planungs- und Ent-
scheidungsprozesse entscheidend optimieren.
Ein Anwendungsschwerpunkt von Smart Data
Web liegt im Lieferkettenmanagement.
Deutschlands Schlüsselindustrien wie der Ma-
schinenbau, die Automobil-, Chemie-, Pharma-
oder Elektroindustrie gründen sich auf Cluster
hochspezialisierter Zulieferer, darunter auch
viele mittelständische Unternehmen. Diese
bauen in komplexen Wertschöpfungs- bzw. Lie-
ferketten aufeinander auf. Störungen führen
hier zu enormen Kosten und können im Extrem-
fall gerade für KMU existenzbedrohende Aus-
wirkungen haben. Ein weiteres Einsatzszenario
von Smart Data Web befindet sich im Bereich
der Marktforschung bzw. Marktbeobachtung
zur Analyse des Wettbewerbs, neuer Kunden
oder Lieferanten.
Fazit
Zusammenfassend lässt sich sagen, dass der
Einsatz von Smart-Data-Technologien eine
große Chance für den Standort Deutschland
darstellt. Die Leuchtturmprojekte des Techno-
logieprogramms „Smart Data – Innovation aus
Daten“ zeigen deutlich die Vielfalt und das Po-
tenzial von Diensten und Dienstleistungen, die
auf diese Technologie aufbauen. Ob für Groß-
unternehmen oder kleine und mittelständische
Betriebe: Smart-Data ist ein wichtiger Baustein
für das Zukunftsprojekt Industrie 4.0 im Kon-
text der Digitalisierung.
Smart-Data-Lösung: Dazu werden zunächst
große Mengen an Daten und Informationen aus
den verteilten IT-Systemen der beteiligten Fer-
tigungsstandorte erhoben, miteinander in Be-
zug gesetzt und aufbereitet. Die Aufbereitung
hat zum Ziel, die Daten Standort- und Unterneh-
mens-übergreifend vergleichen und auswerten
zu können. In einem nächsten Schritt werden
neue Methoden und Modelle zur Analyse der
erhobenen Daten entwickelt.
Anhand der so erarbeiteten Smart-Data-Lösun-
gen sollen aus den Massen unternehmens-
übergreifender Nutzungsdaten die Ursachen
und bisher unbekannte Zusammenhänge für
Geräteausfälle erkannt und konkrete Gegen-
maßnahmen entwickelt werden.
Ziel ist die
ganzheitliche Effektivitätssteigerung durch
eine Reduzierung der Geräte und Ausfall-
zeiten
. Die höhere Anlagenverfügbarkeit ist die
Basis für eine weitergehende Automatisierung
der Anlage und den Remote-Betrieb (Fernüber-
wachung) von Anlagen. Die Koordination der Teil-
aktivitäten erfolgt durch die Bayer Technology
Services GmbH.
Smart Data Web – Datenwert-
schöpfungsketten für industrielle
Anwendungen
Für die industrielle Produktion ist es wichtig, so
früh wie möglich über Ereignisse informiert zu
werden, die zu einer signifikanten Störung in
Wertschöpfungs- und Liefernetzwerken führen
können. Solche Störfaktoren können beispiels-
weise Naturkatastrophen, politische Unruhen
oder Streiks darstellen. Aber auch die Entwick-
lung neuer Technologien, Verordnungen und Ge-
setze sowie neue Produkte von Wettbewerbern
können weitreichende Einflüsse auf die Produk-
tion haben. Oft finden sich entsprechende Infor-
mationen schon verhältnismäßig früh im Inter-
net, lange bevor sie Unternehmen erreichen
und diese darauf reagieren können. Durch die
automatische Verknüpfung öffentlicher Daten-
ströme mit unternehmensinternen Informati-
onsnetzwerken wären Produktionsbetriebe in
der Lage, schneller und sicherer auf Verände-
rungen zu reagieren.
Ziel des Projekts „Smart Data Web“
, das
unter der Konsortialführung des Deutschen
arbeitung von solch enormen Datenströmen
überhaupt erst möglich wird. Aus vorgefertigten
Modulen werden sich damit individuelle An-
wendungen für unterschiedliche Einsatzzwecke
realisieren lassen. Evaluiert werden die Module
kontinuierlich im praktischen Einsatz. Die eigent-
liche Analyse erfolgt dann mit Hilfe moderner
Verfahren des Maschinellen Lernens.
Am Ende des Verarbeitungsprozesses erhält
der Nutzer klar verständliche Informationen da-
rüber, ob ein Betriebsfehler vorliegt und welche
Ursachen diesem zu Grunde liegen. Durch die
daraus resultierende Optimierung der Prozesse
und Abläufe können die Produktionskosten laut
einer Studie des McKinsey Global Institute um
bis zu 50 Prozent gesenkt werden.
SIDAP – Skalierbares Integrationskonzept
zur Datenaggregation, -analyse,
-aufbereitung von großen Datenmengen
in der Prozessindustrie
Die Prozessindustrie spielt am Industrie- und
Hochtechnologiestandort Deutschland eine
wichtige Rolle: Für die Produktion von Pharmaka
und Spezialchemie entwickelt und betreibt die
Prozessindustrie weltweit hochautomatisierte
Anlagen. Diese Anlagen bestehen aus Geräten
verschiedener Anbieter, welche teils gemein-
sam und teils unabhängig voneinander die Pro-
duktionsprozesse steuern. Dabei fällt eine im-
mense Flut an heterogenen Daten an. Bisher
werden diese Daten in getrennten IT-Systemen
verarbeitet und gespeichert. Auswertungen der
Daten erfolgen dabei nicht anlagen-übergrei-
fend, sondern beschränken sich meistens auf
eine Teilanlage oder einen Teilprozess. Unab-
hängig von den Betreibern sammeln auch die
Gerätehersteller Daten zum Betrieb und Lebens-
zyklus ihrer Geräte. Trotz der vielen gesammel-
ten Daten wird das Potenzial einer übergreifen-
den Analyse möglichst aller Daten nur selten
oder gar nicht genutzt.
Ziel des Projekts SIDAP ist es, eine datenge-
triebene und serviceorientierte Softwarelösung
zu entwickeln, die Strukturinformationen und
Datenströme in Engineering- und Prozessleit-
systemen für interaktive Analysen leichter zu-
gänglich macht. In mehreren Teilprojekten wid-
met sich SIDAP der praktischen Umsetzung der
Smart Data – Innovation aus Daten
