Moderne Fertigungsanlagen produzieren Daten im Sekundentakt. Sensoren messen Temperaturen, Drücke, Drehzahlen und Durchsätze. Maschinen protokollieren Laufzeiten, Fehlermeldungen und Produktionsmengen. Qualitätssysteme erfassen Messergebnisse. Trotzdem nutzen die meisten Unternehmen nur einen Bruchteil dieser Daten für operative Entscheidungen.
Welche Daten in der Produktion entstehen
In einer typischen Fertigungsumgebung entstehen Daten auf mehreren Ebenen:
Maschinendaten umfassen Betriebszustände, Energieverbräuche, Prozessparameter und Fehlermeldungen. Sie entstehen kontinuierlich und in hoher Frequenz.
Auftragsdaten dokumentieren, welcher Auftrag auf welcher Maschine gefertigt wurde, wie lange die Fertigung dauerte und welche Materialien verbraucht wurden.
Qualitätsdaten erfassen Messergebnisse aus der Qualitätsprüfung, Ausschussquoten und Nacharbeitsmengen.
Instandhaltungsdaten protokollieren durchgeführte Wartungen, aufgetretene Störungen und deren Ursachen.
Energiedaten messen den Energieverbrauch einzelner Maschinen, Anlagen oder ganzer Produktionsbereiche.
Warum die meisten Daten ungenutzt bleiben
Das Problem liegt selten am Mangel an Daten, sondern an fehlenden Strukturen zur Nutzung. Typische Ursachen:
Daten liegen in verschiedenen, nicht verbundenen Systemen. Die Maschinensteuerung kennt die Prozessparameter, das ERP-System kennt den Auftrag, das Qualitätssystem kennt die Messergebnisse – aber keine dieser Quellen kommuniziert mit den anderen.
Daten sind nicht standardisiert. Jede Maschine liefert Daten in einem anderen Format, mit anderen Zeitstempeln und anderen Einheiten.
Es fehlt an Auswertungswerkzeugen. Rohdaten aus der Produktion sind ohne Kontext und Analyse wenig aussagekräftig.
Verantwortlichkeiten für Daten sind unklar. Wer ist zuständig für die Datenqualität? Wer wertet aus? Wer handelt auf Basis der Erkenntnisse?
OPC-UA als Kommunikationsstandard
OPC Unified Architecture (OPC-UA) ist der wichtigste Kommunikationsstandard für den Datenaustausch zwischen Maschinen und übergeordneten IT-Systemen in der Industrie. Er ermöglicht den herstellerunabhängigen Datenaustausch zwischen Maschinen unterschiedlicher Hersteller und IT-Systemen wie ERP oder MES.
Die Bedeutung von OPC-UA liegt in der Standardisierung: Wenn eine neue Maschine OPC-UA unterstützt, kann sie mit geringem Aufwand in eine bestehende Infrastruktur integriert werden. Viele Maschinenhersteller unterstützen OPC-UA inzwischen nativ in ihren Steuerungen.
Für ältere Maschinen ohne OPC-UA-Unterstützung gibt es Retrofit-Lösungen in Form von Edge-Gateways, die Daten aus proprietären Schnittstellen in das OPC-UA-Format übersetzen.
Manufacturing Execution Systems
Ein Manufacturing Execution System (MES) ist die Softwareschicht zwischen dem ERP-System und der Maschinenebene. Es nimmt Fertigungsaufträge aus dem ERP entgegen, steuert deren Ausführung auf der Maschinenebene und meldet Ergebnisse zurück.
Kernfunktionen eines MES umfassen: Feinplanung und Maschinenbelegung, Betriebsdatenerfassung, Qualitätssicherung, Traceability (Rückverfolgbarkeit von Materialien und Prozessparametern) sowie Leistungsanalyse (OEE-Berechnung).
Der Nutzen eines MES liegt in der Echtzeittransparenz über die Produktion. Statt auf Tagesberichte zu warten, sehen Fertigungsleiter in Echtzeit, welche Aufträge auf welchem Stand sind, wo Engpässe entstehen und welche Qualitätsprobleme auftreten.
Data Lakes und Data Warehouses in der Produktion
Für die langfristige Speicherung und Auswertung großer Datenmengen aus der Produktion kommen zwei Architekturansätze in Frage:
Ein Data Warehouse speichert strukturierte, aufbereitete Daten in einem definierten Schema. Es eignet sich für regelmäßige Auswertungen und Berichte, deren Struktur im Voraus bekannt ist.
Ein Data Lake speichert Rohdaten in ihrer ursprünglichen Form, ohne vorherige Strukturierung. Er bietet mehr Flexibilität bei der nachträglichen Analyse, erfordert aber mehr Aufwand bei der Aufbereitung für konkrete Auswertungen.
Für produzierende Unternehmen hat sich in der Praxis ein hybrider Ansatz bewährt: Zeitkritische operative Daten werden strukturiert im MES oder ERP-System gehalten. Historische Daten und Rohdaten aus der Sensorik fließen in einen Data Lake, aus dem bei Bedarf spezifische Auswertungen erstellt werden.
Praktische Umsetzung in vier Schritten
Schritt 1: Inventur der vorhandenen Datenquellen
Welche Maschinen und Systeme erzeugen bereits Daten? Welche Schnittstellen sind vorhanden? Wo entstehen Daten, die aktuell nicht erfasst werden?
Schritt 2: Definition der Anwendungsfälle
Welche konkreten Fragen sollen mit Daten beantwortet werden? Die Priorisierung der Anwendungsfälle nach Nutzen und Umsetzbarkeit verhindert Datenprojekte ohne praktischen Mehrwert.
Schritt 3: Infrastruktur aufbauen
Für die priorisierten Anwendungsfälle wird die notwendige Infrastruktur aufgebaut. Das beginnt oft mit der Vernetzung einzelner Maschinen und der Einführung eines MES.
Schritt 4: Auswertung und Handlung
Daten sind wertlos ohne Auswertung und Handlung. Dashboards, automatische Alarme und regelmäßige Reviews stellen sicher, dass die erfassten Daten tatsächlich zu Entscheidungen führen.
Datensicherheit in der vernetzten Fertigung
Die Vernetzung von Produktionsanlagen schafft neue Angriffsflächen. Produktionsanlagen, die früher isoliert betrieben wurden, sind nun über Netzwerke erreichbar. Angriffe auf Produktionssysteme können zu Stillständen führen und erhebliche wirtschaftliche Schäden verursachen.
Grundlegende Maßnahmen zur Absicherung vernetzter Produktionsumgebungen umfassen: Netzwerksegmentierung (Trennung von Office-IT und Produktions-IT), regelmäßige Updates von Steuerungssoftware, Zugangskontrollen für Produktionssysteme und die Schulung von Mitarbeitern in Bezug auf Phishing und Social Engineering.
Häufig gestellte Fragen
Wie lange sollten Produktionsdaten aufbewahrt werden?
Das hängt vom Anwendungsfall ab. Für die Rückverfolgbarkeit in der Automobilindustrie gelten oft 15 Jahre. Für die Analyse von Maschinenverhalten reichen in der Regel zwei bis drei Jahre historische Daten für aussagekräftige Auswertungen.
Welche Software eignet sich für die Visualisierung von Produktionsdaten?
Grafana ist eine weit verbreitete Open-Source-Lösung für die Visualisierung von Zeitreihendaten aus der Produktion. Power BI von Microsoft eignet sich für die Integration in bestehende Microsoft-Infrastrukturen. Viele MES-Systeme bringen eigene Dashboarding-Funktionen mit.
Was kostet der Aufbau einer Dateninfrastruktur?
Einfache Lösungen zur Erfassung und Visualisierung von Maschinendaten sind ab 20.000 bis 50.000 Euro umsetzbar. Umfassende MES-Implementierungen mit vollständiger Integration in ERP-Systeme liegen typischerweise bei 100.000 bis 400.000 Euro.
