Anbieter zum Thema

FAULHABER Antriebssysteme

Redaktionsbüro Pfeiffer

Deutsche Telekom AG

Mitsubishi Electric Europe B.V. Factory Automation

Phoenix Contact Electronics GmbH

mehr weniger

Bosch Rexroth AG

TRUMPF SE + Co. KG

Omron Electronics GmbH

SICK AG

Pepperl+Fuchs SE

TURCK GmbH

Baumüller Nürnberg GmbH

Leuze electronic GmbH & Co. KG

Lenze SE

Chefredaktion elektrotechnik AUTOMATISIERUNG

Accenture

Google Germany GmbH

SEW-EURODRIVE GmbH & Co KG

Klinkhammer Intralogistics GmbH

Renishaw GmbH

CMS Automatisme

weniger

Google

Für Unternehmen sind die Themen Data Analytics und Künstliche Intelligenz maßgeblich – denn ohne diese Technologien können sie den Datenschatz, auf dem sie gewissermaßen sitzen, nicht nutzen und folglich keinen Mehrwert sowie die damit verbundenen Wettbewerbsvorteile generieren. Ihre Zukunftsfähigkeit hängt also davon ab, die vorhandenen Daten verwerten zu können. Und genau das spiegeln uns auch unsere Kunden wider, die sich vor allem für Innovationssprünge in den folgenden Bereichen interessieren:

Daten und Datenanalyse: Unternehmen mangelt es selten an Daten – im Gegenteil. Jedoch wird, wie erwähnt, oft kaum ein Wert daraus gezogen, weil die geeigneten Technologien dafür fehlen. Data Analytics Tools bieten hier die notwendige ‚Interpretationshilfe’, können verschiedene Datenquellen miteinander verknüpfen und dabei unterstützen, die Daten-Lifecycles – von der Generierung bis zur Nutzbarmachung – zu managen. Wichtig ist es hierbei, Datensicherheit und -Governance im Blick zu haben, damit die Datenanalysen auch im Einklang mit den Compliance-Vorgaben durchgeführt werden.

Künstliche Intelligenz: Ihre Anwendung wird immer einfacher und damit verbreiteter. Etablierte Einsatzbereiche finden sich etwa in der industriellen Qualitätskontrolle, Stichwort ‚Visual Inspection‘, oder beim Thema Energiemanagement, also Senkung des Energieverbrauchs durch einen intelligenten und automatisierten Einsatz der Systeme.

Edge Computing: Meines Erachtens wird dies noch mehr an Bedeutung gewinnen, denn bei Automatisierungsthemen spielt Latenz oftmals eine wichtige Rolle. Dabei können mittels Edge Deployment abgekoppelte Umgebungen eingebunden und einfach gesteuert werden. Am effektivsten sind sogenannte Hybrid-Cloud-Lösungen, bestehend aus Edge- und Cloud-Lösungen:

Die Edge Lösung basiert auf einer private Cloud und/oder Software für die Erfassung und Auswertung der lokalen Sensor-, Maschinen- und Fertigungsdaten nahe am Entstehungsort, damit Prozesse direkter gesteuert und beeinflusst werden können. Die Cloud-Lösung kommt entsprechend mit virtuellen Servern und der Software zur standortübergreifenden Steuerung.

Über allem steht die ‚Demokratisierung‘ der Technologie – kein/e Mitarbeiter/Mitarbeiterin sollte mehr ein Informatikstudium oder eine Ausbildung zum Data Scientist brauchen, um sie gewinnbringend zu nutzen: ‚Make every employee a data scientist‘.

IBM Automation

Diese Frage muss aus meiner Sicht differenziert beantwortet werden. Jeder der behauptet, es wird die Technologie A oder B sein, hat für mich eine zu einfach gestrickte Sicht auf das Thema Automatisierung. Für mich prägt sich der Begriff ‚Automatisierung‘ durch sich weiterentwickelnde konzeptionelle Ansätze, die wiederum durch moderne Technologie realisiert werden können.

Ich möchte hierzu gerne zwei Beispiele nennen, bei welchen wir als IBM in vielen Projekten mit unserer Technologie im Einsatz sind: Process Mining ist ein absolutes Hipe-Thema. Es geht um die bessere Analyse, Verständnis und Transparenz bestehender Prozesse im Unternehmen, um Ansätze zu identifizieren, wie es auf der aktuellen Datenbasis und Struktur effizienter, kostengünstiger, operativ besser werden kann. Selbstverständlich hilft hierbei Software, um diese Ansatzpunkte schneller und genauer identifizieren zu können, jedoch geht es im Kern um das Konzept, mit dem sich strukturierte und unstrukturierte Daten besser nutzen lassen, als dies heute der Fall ist.

Ein anderes Beispiel ist für mich das Thema ‚AIOps‘. Es ist ein Konzept oder eine Disziplin, künstliche Intelligenz zu nutzen, um Ergebnisse zu erzielen oder Probleme im IT-Betrieb zu lösen, die sich mit dem bloßen menschlichen Aufwand nicht erzielen lässt – bzw. nicht so schnell und in einer derartigen Qualität. Hier mache ich mir manchmal den Spaß und ‚google‘ nach ‚AIOps Anbietern‘. Man findet hier zahlreiche Software-Anbieter und jeder hält die AIOps-Fahne hoch. Ein einzelnes Software-Werkzeug oder der bloße Einsatz von KI wird aber niemals das Konzept AIOps definieren können, denn die Modernisierung des IT-Betriebs ist beispielsweise auch immer ein kultureller Faktor und kulturelle Veränderung, die Software alleine nicht erzwingen kann.

Keba

Das Hauptthema, das die Automatisierung prägt, ist die Einfachheit. Themen wie Fachkräftemangel, unterschiedliche Standards aus der Vergangenheit – die Komplexität die naturgemäß steigt – müssen durch neue Technologien wieder reduziert beziehungsweise vereinfacht, und für jedermann nutzbar gemacht werden.

Ein Beispiel dafür ist die Robotik: Wenn aktuell noch Spezialisten bei Inbetriebnahme oder Anpassung nötig sind, werden zukünftig einzelne Anwendungen sehr einfach anpassbar sein. Das generiert somit zusätzlich wieder neue Chancen – wie der Ansatz des grafischen Roboter-Betriebssystems von drag and bot, einem von uns erworbenem Unternehmen: ‚automation made easy‘. Auch Machine Learning wird seinen Beitrag dazu leisten: Wir haben gelernt, viele Daten zu sammeln und auszuwerten, durch Machine Learning sind wir nun in der Lage, diese auch sinnvoll zu interpretieren und zu verwenden, um permanent optimieren zu können.

Ein zweites Beispiel ist die IT-Technologie – hier kann man sich nicht auf nur ein Thema beschränken. Jedoch sehen wir, dass Themen, die in der IT seit Jahren gelöst sind, auch deutliche Mehrwerte im Bereich des Maschinenbaus geholt werden können. Beispiele dafür sind Softwarerollout und einheitliche Standards bei Protokollen.

Lenze

Uns beschäftigen an dieser Stelle zwei wesentliche Handlungsstränge: Der erste Handlungsstrang ist die Fähigkeit der Maschine, ohne jegliche Mitwirkung des Menschen, bestimmungsgemäß zu arbeiten. Diese muss weiter ausgebaut werden. Die Möglichkeiten dehnen sich dabei immer weiter aus: vom ursprünglichen Ersatz der menschlichen Bewegung hin zum Denken, zum maschinellen Entscheiden bis hin zum maschinellen Lernen. Das Stichwort lautet: Künstliche Intelligenz.

Damit liegt der Schlüssel für die Zukunft in der Software. Hier kann und muss der Maschinenbau noch viel lernen. Die klassische PLC mit der Programmiersprache nach IEC 61131 ist aus softwaretechnologischer Sicht Steinzeit, bestenfalls Bronzezeit. Es ist kaum vorstellbar, Methoden der Künstlichen Intelligenz, beispielsweise neuronale Netze, strikt auf einer PLC zu programmieren. Stattdessen sind objektorientierte Hochsprachen, komponentenbasierte Architekturen, Low-Code und appbasierte Technologien Voraussetzung dafür, den technologisch möglichen Fortschritt mit den verfügbaren Ressourcen bewältigen zu können. Dabei dürfen wir das Real-Time-System natürlich nicht vergessen, auf das die klassische PLC ausgerichtet war.

Zusammengefasst und plakativer ausgedrückt, wir brauchen einen Quantensprung in der Produktivität der Software-Entwicklung. Denn steigender Software-Aufwand trifft – bedingt durch die Demographie – auf immer weniger Ressourcen.

Allerdings müssen wir uns von dem Gedanken lösen, dass mehr Software auch beliebig viel Rechenleistung erfordern darf, weil sich die ja alle zwei Jahre kostenneutral verdoppelt. Wenn man bedenkt, dass der Apple A14 bei TSMC (Taiwan Semiconductor Manufacturing Company, Limited) heute auf einem 5 nm Prozessor gefertigt wird, dann kommt man schon ins Grübeln. Der Van-der-Waals-Radius (beschreibt den Abstand von Atomen in kristallinem Material) von Silizium ist 200 pm. 5 nm sind 12 Silizium Atome nebeneinander aufgereiht, in Worten zwölf! Strategien wie ‚More than Moore‘ und ‚Beyond CMOS‘ in der Halbleiterindustrie setzen dieses Prinzip zwar weiter fort, man setzt dabei aber auf neue Materialien und geht in die dritte Dimension über gestapelte Chips.

Ich bin nicht vollständig davon überzeugt, dass dies mit konstanten Kosten funktioniert. Wir werden also in der Automatisierung über verteilte Systeme nachdenken müssen, weil die Konzentration der Rechenleistung an einem Punkt an ihre Grenzen stößt. Genau in die Richtung sind wir über das Thema Industrie 4.0 schon unterwegs. Aber, und da bleiben wir als Lenze unserem Erbe ‚automatos‘ unbedingt treu: Solange Sie physische Güter verändert oder von A nach B bewegt werden, braucht es einen Antrieb.

Der zweite Handlungsstrang beschäftigt sich daher weiterhin auch mit der Antriebstechnik. Hier stehen aus meiner Sicht das Dauerthema Kosteneffizienz, aber zunehmend auch das Thema Nachhaltigkeit im Vordergrund. Gerade bei letzterem spielen hocheffiziente Antriebe eine enorm wichtige Rolle. Und dort wollen und werden wir als Lenze weiter unseren Beitrag leisten.

(ID:48283801)