Behalten Sie neu entwickelte Standards und Plattformen genau im Auge und stellen Sie sich auf deren Entwicklung ein, um Ihre Marktnische zu behaupten.
Damit Maschinen intelligente Entscheidungen treffen und flexibel agieren können, benötigen sie einen kontinuierlichen Daten- und Informationsfluss. Bereits heute verfügen Unternehmen über ein großes Datenvolumen, allerdings generieren sie daraus keine Informationen oder sie speichern sie in getrennten Systemen.
Die Folge: Die Daten beziehungsweise Informationen entfalten nicht ihren vollen Wert, da sie für Entscheidungen auf der nächsten Steuerungs- oder Managementebene nicht zur Verfügung stehen. Deshalb müssen Unternehmensebene (IT) und Fertigungsebene (OT) zusammenwachsen. Solch ein Ende-zu-Ende-Datenstrom steigert Verfügbarkeit und Produktivität des gesamten Systems.
Quelle: Text & Bild: Lenze
Aktuell existiert eine sehr große Anzahl von unterschiedlichen Cloud-Plattformen nebeneinander. Welche davon in Zukunft überleben werden, lässt sich heute noch nicht sagen. Für Maschinenbau-Unternehmen stellt sich deshalb die Frage, ob sie eine eigene Lösung realisieren sollen oder sich besser einer vorhandenen anschließen. Im Zweifel gilt hier die Regel: Je größer der Kunde, desto größer das Unternehmen, dass der Kunde hinter der Cloud-Plattform erwartet.
Mehrfacher Nutzen durch digitale Zwillinge
Die voranschreitende Digitalisierung verändert auch die Produktentwicklung. Es ist gut möglich, dass Kunden in Zukunft darauf bestehen, dass der Maschinenbauer seine Produkte vor der eigentlichen Fertigung als Computer-Modelle präsentiert. Solche digitalen Zwillinge haben auch für den Anbieter gleich mehrfachen Nutzen: Er kann eine Maschine oder ein komplettes Produktionssystem in einer rein virtuellen Umgebung entwickeln, simulieren, testen und in Betrieb nehmen. Das verkürzt Entwicklungszeiten, senkt Kosten und liefert ein von Beginn an optimiertes Produkt. Damit Engineering mithilfe eines digitalen Zwillings rentabel bleibt, muss jedoch ein einheitlicher Datentransfer über alle Entwicklungsstufen hinweg und mit allen eingesetzten Tools möglich sein. In der Praxis ist dies (noch) nicht immer der Fall.
Innovative Unternehmen nutzen die Daten, die ihre Maschinen erzeugen und generieren daraus mithilfe von Datenanalyse Informationen. Diese wiederum vermarkten sie als Dienstleistung, beispielsweise in der vorausschauenden Instandhaltung. Künftig werden die Maschinen selbst anhand ihrer Daten lernen und intelligente Entscheidungen treffen. Maschinenbauer, die in den Bereich maschinelles Lernen einsteigen wollen, sollten organisatorisch bei Null beginnen: Es reicht nicht, etwa die Software-Abteilung um ein paar zusätzliche Ingenieure aufzustocken. Denn Workflow und die nötigen Fähigkeiten unterscheiden sich zu sehr voneinander. Zudem muss das Analytik-Team durch das gesamte Unternehmen hindurch vernetzt sein.
