Industrie 4.0 über die hybride Cloud skaliert

Mit Azure IoT Edge lassen sich Maschinen und Anlagen mit datenbasierenden Lösungen direkt vernetzen. Diese von künstlicher Intelligenz (KI) unterstützten Anwendungen nutzen Daten direkt aus den Prozessen der mit Sensoren ausgestatteten Maschinen. Die nahezu in Echtzeit gewonnenen Daten werden über Schnittstellen direkt und vor Ort an die Applikationen übermittelt, die sie umgehend auswerten und direkt an Aktoren an der Maschine oder an ihre Operatoren zurückspielen. Gegenüber regelbasierender Software entsteht der Zusatznutzen vor allem dadurch, dass über Machine Learning trainierte Algorithmen auch unbekannte Zustände im Betrieb erkennen und verarbeiten können.

Cloud-basierende Intelligenz, wie sie Azure AI bietet, beschreibt eine zentrale Big-Data-Intelligenz in der Cloud. Hier fehlt die direkte Maschine-zu-Computer-Vernetzung des Edge. Stattdessen führt die Cloud vielfältige Datenquellen zusammen, homogenisiert und konsolidiert sie und bereitet die Daten etwa in einem Datensee (Data Lake) auf. Ohne die Cloud sind solche Szenarien nicht realisierbar. Anwendungsfälle sind in der Regel sogenannte Meta-Analysen oder Optimierungen über mehrere Maschinen, Anlagen, Geschäftsbereiche und Datenquellen hinweg.

Eine hybride Cloud-Infrastruktur beschreibt in der Regel die Mischung einer On-Premise-Architektur mit eigenem Rechenzentrum und einer cloud-basierenden Infrastruktur. Dort wird der Begriff modifiziert verwendet, um die optimale Verwaltung von Daten in einer hybriden Umgebung am Edge und in der Cloud zu beschreiben. Azure Arc bietet die ortsunabhängige Verwaltung einer Azure-Infrastruktur und einzelner Azure-Services inklusive der Integration von Multi-Cloud-Komponenten.

So bringt die Microsoft-Lösung Komfort für Unternehmen und minimiert die Kosten für die Datenübermittlungen. Die Daten müssen nicht mehr in die Cloud und zurück transferiert werden, weil stattdessen auch lokale Kapazitäten am Edge zur Verfügung stehen.

Smarte Applikationen

Das Konzept von Smart Applications beschreibt smarte Anwendungen, die Daten intelligent und nahezu in Echtzeit nutzen, um sie aussagekräftig zu visualisieren oder in Modelle für prädiktive Vorhersagen einfließen zu lassen. Diese Unmittelbarkeit zwischen der Erzeugung und Verarbeitung der Daten und der daraus folgenden Aktivitäten sorgt für deutlich mehr Effizienz in der Wertschöpfung.

Um präzise und dynamische Handlungsempfehlungen zu erhalten, arbeitet KI für präskriptive Analysen mit Szenarien, Simulationen, neuronalen Netzen, Heuristik oder maschinellem Lernen. Sie nutzt also auch Daten, geht aber deutlich über die bisherigen datengetriebenen Vorhersagen hinaus.

Autonome KI als in dieser Reihe höchste Form der künstlichen Intelligenz beschreibt Anwendungen, die selbstständig rechnen und ihre Instruktionen und Aktionen ebenso selbstständig und vollautomatisch an Maschinen und Anlagen senden. Menschliche Kontrolle ist in der Regel nicht mehr notwendig.

Der Mensch im Mittelpunkt

Ein Jahrzehnt nach dem Start der Diskussion um Industrie 4.0 sind die technischen Grundlagen weitestgehend realisiert. Durchgehend vernetzte Maschinen und Anlagen verrichten an vielen Stellen bereits erfolgreich ihre Arbeit. Die größten Herausforderungen bei der endgültigen Etablierung dieser Konzepte sind die mindestens organisationsweite Skalierung von Industrie 4.0, die auch unterschiedliche Standorte umfasst, sowie die Firmengrenzen überschreitende Integration von Partnern über die gesamte Wertschöpfungskette.

Limitierende Faktoren sind die unzureichende Organisation und die Zusammenstellung der Fähigkeiten sowohl auf Anbieter- als auf Kundenseite. Weibliche und männliche Ingenieure, Informatiker, Mathematiker und Betriebswirte müssen im richtigen Mix sowie produktiv und agil zusammenarbeiten. Organisatorische Silos und Defizite bei der Zusammenstellung der Teams müssen beseitigt werden. Der Fokus muss sich außerdem von den bestmöglichen Maschinen und Anlagen auf das bestmögliche Zusammenwirken von Mensch und Maschine verlagern. Das ist ein weiterer wichtiger Aspekt auf dem Weg zu mehr Effizienz und neuen Erkenntnissen.

Normalerweise sind es die Menschen, die Maschinen bedienen und Entscheidungen mit erheblichen Auswirkungen auf die Produktion treffen. Intelligente Applikationen, die sie dabei effizient unterstützen, können erheblichen Mehrwert realisieren und sind ein wichtiger Faktor für Maschinen- und Anlagenbauer, die damit ihr Portfolio aufwerten und in die neue digitale Welt integrieren können. Aber dazu ist nicht nur Technologie nötig, sondern auch ein Change Management, das die Veränderungen moderiert und nachhaltig in der Firmenkultur verankert.

Der Weg nach vorn

Maschinen und Anlagen haben durch Edge-, Cloud- und Hybrid-Technologien sowie die Integration von KI bereits einen hohen Standard erreicht. Auf dieser Basis sind unterschiedliche Entwicklungsstufen denkbar, die Unternehmen im Wettbewerb und bei der Differenzierung helfen.

Die hybride Cloud ermöglicht es Unternehmen, intelligente Anwendungen lokal und direkt an der Maschine zu entwickeln und nachzurüsten oder direkt mit allen neuen Maschinen zu verknüpfen. Datenerhebung und -auswertung erfolgen vor Ort, dennoch stehen auch die Vorteile einer zentralen Verwaltung und des Datenaustausches über die Cloud bereit.

Auf diese Weise können schlagkräftige Teams aus Mensch und Maschine entstehen, die jederzeit in der Lage sind, vor Ort und in der strategischen Entscheidungsfindung wichtige Hilfestellungen zu geben und die Automatisierung voranzutreiben. Diese „hybriden Teams“ können einen nachhaltigen Wertbeitrag zur Industrie-4.0-Produktion leisten, die weit über die einzelne Maschine hinausgeht.