KEM Konstruktion systems engineering 04.2019

04 2019
Das
Kompetenz-
Netzwerk
der Industrie
Konstruktion
Die passenden Medien für Sie
und Ihre Branche:
konradin.de/industrie
media.industrie.de
Smarte Produkte I Digitalisierung I Industrie 4.0
Prozesswissen
von früher nutzen
Datenanalyse – Seite 5
Digitalisierung
richtig angehen
Interview – Seite 10
Grundlagen der KI – Seite 6
Smart Factory erfordert
Künstliche Intelligenz
K|E|M Konstruktion systems engineering 04 2019 1

Industrie
Wissensvorsprung für
Automatisierer
Kompetent – vielseitig – praxisnah
elektro AUTOMATION thematisiert lösungs- und
zukunftsorientiert elektrische Automatisierungstechnik –
von grundlegenden Architekturen und Konzepten bis
hin zu Komponenten und Systemlösungen für die
tägliche Praxis.
Neben Steuerungs- und elektrischer Antriebstechnik
stehen dabei gleichermaßen die industrielle Kommunikation,
Sensorik sowie alle Themen rund um den
Schaltschrank und den Aufbau von Automatisierungsanlagen
im Mittelpunkt der Berichterstattung.
Digital:
und Newsletter
Die passenden Medien für
Sie und Ihre Branche:
konradin.de/industrie
2 K|E|M Konstruktion systems media.industrie.de
engineering 04 2019

EDITORIAL
KI kennen und richtig nutzen
Insbesondere auf der Hannover Messe stand
das Thema Künstliche Intelligenz (KI) im Mittelpunkt
des Interesses. Es wird gleichermaßen
über- wie unterschätzt. Besser wäre es, zunächst
von maschinellem Lernen (Machine
Learning) zu reden, denn die heute verfügbare
Rechenleistung erlaubt verkürzt formuliert über
Wiederholung um Wiederholung das Eintrainieren
und damit Lösen von Aufgaben, bei
denen ein Mensch nicht mehr mithalten kann.
Auch große Datenmengen lassen sich auf diese
Weise nach bestimmten Mustern durchsuchen
– was aber noch lange nicht heißt, dass damit
auch ein Zusammenhang besteht. Dieses
Problem kennen die Statistiker schon lange und
haben dafür auch ein passendes Beispiel:
Vergleicht man über die Jahre hinweg in
Deutschland die Anzahl der Geburten pro Jahr
(bei uns Menschen) mit der Anzahl der Storchenpaare,
führt der nahezu identische Verlauf
beider Kurven in die Irre...
Dementsprechend zieht auch der KI-Experte
Dr. Ulrich Eberl in seinem Beitrag zur Künstlichen
Intelligenz (ab S. 6) das Fazit:
„KI-Systeme werden zwar in den nächsten
Jahren immer mehr Routineaufgaben übernehmen,
aber Menschen werden weiterhin als
Lenker und Denker gebraucht, als Planer
und Entscheider, als kreative Problem- und
Konfliktlöser, als Qualitätssicherer und als Partner
mit emotionaler und sozialer Intelligenz gegenüber
ihren Kunden und Zulieferern – auch in
einer Smart Factory.“ Maschinen, die uns auf
allen Gebieten überflügeln könnten, seien bei
weitem nicht in Sicht. Sein Beitrag beleuchtet
die Grundlagen, Entwicklungen und
Grenzen moderner KI-Systeme.
Nicht zu übersehen ist aber bei all dem, dass KI
das produzierende Gewerbe von Grund auf
verändern wird. Tresmo-CEO Jan Rodig (im Interview
ab S. 10) sieht hier eine große Gefahr
für deutsche Unternehmen. „Chinesische
Firmen haben einerseits die Manufacturing-
Erfahrung und andererseits investieren sie
riesige Summen in KI – das ist der kritische
Wettbewerbsfaktor der Zukunft.“ Werte China
seine günstigeren Maschinen auch noch mit
smarter, digitaler Technologie auf, werde es für
deutsche Unternehmen schwierig, aufzuholen.
Vor diesem Hintergrund präsentiert die Konradin
Mediengruppe mit dem 2. Kongress
‚Smarte Maschinen im Einsatz – Künstliche
Intelligenz in Unternehmen‘ Hintergrundund
Praxiswissen rund um KI-basierte Anwendungen.
Agile Mittelständler können hier
genauso wie Start-ups und große Konzerne
eine Standortbestimmung vornehmen und erfahren,
was KI in Firmen heute tatsächlich leisten
kann und wo noch Herausforderungen zu
bewältigen sind. Die Zahl der Teilnehmerinnen
und Teilnehmer ist auf 150 begrenzt, Infos und
Anmeldung sind möglich unter:
www.industrie.de/kuenstliche-intelligenz-2019
Dipl.-Ing. Michael Corban
Chefredakteur
KEM Konstruktion systems engineering
michael.corban@konradin.de
Folgen Sie uns auch auf diesen Kanälen:
Twitter:
@KEMSystemsEng
LinkedIn
hier.pro/Ax1zk
Yumpu (Archiv)
hier.pro/RsCN2
Online (Themenseite)
hier.pro/om30L
K|E|M Konstruktion systems engineering 04 2019 3

Inhalt
systems engineering 04 2019
Die DSAG zur digitalen Transformation
Deutliche Ernüchterung
Worauf basieren die modernen Systeme der Künstlichen
Intelligenz? Wo passieren derzeit die rasantesten Fortschritte?
Und was sind die wichtigsten Einsatzgebiete von KI im
industriellen Umfeld?
Menschen und Unternehmen
Meldungen
Die DSAG zur digitalen Transformation ........................... 4
KI unterstützt Analyse von Produktionsdaten ................ 5
Methoden
Künstliche Intelligenz - Titelstory
KI als Schlüssel zur Smart Factory – Treiber,
Einsatzfelder und Perspektiven für die Industrie ............ 6
Anwendungen
Industrie 4.0
Jan Rodig, Chief Executive Officer bei
Tresmo, zu IoT sowie zur Plattformökonomie .............. 10
Rubriken
6
Editorial .......................................................................... 3
Wir berichten über ......................................................... 4
Impressum ..................................................................... 5
Bild: AndSus/Fotolia.com
Bild: DSAG
Marco Lenck, Vorstandsvorsitzender
der Deutschsprachigen
SAP-Anwendergruppe e. V.
Anlässlich des Digitalgipfels 2019
– Wirtschaft 4.0 BW, der Mitte
April stattgefunden hat, kommentiert
Marco Lenck, Vorstandsvorsitzender
der Deutschsprachigen
SAP-Anwendergruppe
e.V. (DSAG), den Stand der
Digitalisierung in Deutschland:
„Die DSAG begreift die digitale
Transformation als herausragende
Chance für Unternehmen in
Deutschland. Von vernetzter Produktion
über digitales Kundenbeziehungsmanagement
bis hin zur
Entwicklung gänzlich neuer Geschäftsmodelle
ergeben sich vielfältige
Wachstums- und Entwicklungsmöglichkeiten.“
Aus dem
DSAG-Investitionsreport 2019
gehe jedoch hervor, dass aktuell
eine deutliche Ernüchterung bei
den Mitgliedern des Vereins eingekehrt
sei. Unternehmen schätzen
demnach ihren derzeitigen
Fortschritt in Sachen digitale
Transformation weit schlechter
ein als noch vor einem Jahr: Derzeit
bewerten 62 % der Befragten
ihren Status der Digitalisierung
mit „nicht weit“. Im Vergleich
zum Investitionsreport
2018 stellt dies eine Verschlechterung
von 10 % dar. Der Vorstandsvorsitzende
Lenck ergänzt:
„Mit dem zunehmenden
Grad des digitalen Fortschritts
wächst die Erkenntnis, in welchen
Bereichen ebenfalls Transformation
notwendig wird. Wir
rufen daher sowohl Politik und
Verbände als auch Anbieter dazu
auf, zeitnah geeignete Rahmenbedingungen
und Standards zu
schaffen, umfassende Informationen
und weitreichende Hilfestellungen
anzubieten sowie den
Anwendern passende Applika -
tionen und Lösungen bereitzustellen.
Die Digitalisierung findet
jetzt statt. Wer verharrt, wird abgehängt.“
Die DSAG kann als
ansässiger Verband mit über
60 000 Mitgliedern aus mehr als
3500 Unternehmen weitreichende
Einblicke in die digitalen Herausforderungen
der Wirtschaft
im DACH-Markt bieten. ik
www.dsag.de
Wir berichten über
Konstruktion
Folgen Sie uns auch auf diesen Kanälen:
Twitter:
@KEMSystemsEng
Yumpu (Archiv)
hier.pro/RsCN2
ABB ............................................. 9
Affectiva ...................................... 6
Amazon .................................. 9, 10
BMW ........................................... 9
Boston Consulting ....................... 6
DataProphet ................................ 5
Deutschsprachige
SAP-Anwendergruppe ................. 4
Facebook ................................... 10
Franka Emika ............................... 9
Fraunhofer IPA ............................. 9
GE ............................................... 9
Google ................................... 6, 10
Honda .......................................... 6
IBM ............................................. 6
Kaeser Kompressoren ............... 10
Kewazo ........................................ 9
Kuka ............................................. 9
McKinsey ..................................... 6
Mikrotargeting ............................. 9
Mojin Robotics ............................ 9
MVTec Software .......................... 9
Netflix .......................................... 9
Plattform Industrie 4.0 ................. 5
Renfe ........................................... 6
SAP .............................................. 9
Siemens ...................................... 9
Tresmo ....................................... 10
YouTube ....................................... 9
LinkedIn
Online (Themenseite)
hier.pro/Ax1zk
hier.pro/om30L
4 K|E|M Konstruktion systems engineering 04 2019

MELDUNGEN
MENSCHEN & UNTERNEHMEN
Daten-Analytik
KI unterstützt Analyse von Produktionsdaten
In Produktionsdaten – insbesondere auch in
archivierten Daten aus der Vergangenheit –
steckt eine Menge Know-how, das sich nutzen
lässt. „Wir können aus historischen Daten
lernen und auf das kollektive Wissen und
die Erfahrung aller Mitarbeiter zurückgreifen,
die in der Vergangenheit Produktionsprozesse
beeinflusst haben“, sagt Frans Cronje,
Geschäftsführer und Mitbegründer von Data-
Prophet. Das Unternehmen ist spezialisiert
auf die Entwicklung von Lösungen auf Basis
Künstlicher Intelligenz (KI). KI kann vor allem
dazu beitragen, das enorme Datenvolumen
zu beherrschen. „Die Datenmenge ist so umfangreich,
dass sie nicht von einer Person
allein analysiert werden kann“, so Cronje weiter.
Es bestehe die Gefahr, von der Informa -
tionsflut überwältigt zu werden und wichtige
Möglichkeiten der Prozess- und Qualitätsoptimierung
ungenutzt zu lassen. „Entscheidend
ist aber, dass diese Daten von großem
Wert sind und keine großen Investitionen erfordern,
um sie zu extrahieren.“ DataProphet
Bild: DataProphet
„Wir können aus historischen
Daten lernen und
auf das kollektive Wissen
und die Erfahrung aller Mitarbeiter
zurückgreifen,
die in der Vergangenheit
Produktionsprozesse
beeinflusst haben.“
Frans Cronje, Geschäftsführer und
Mitbegründer, DataProphet
schlägt vor, mittels KI komplexe Muster in
Datensätzen zu ermitteln und verschiedene
Betriebsmodelle für die Produktionsanlage
zu entwickeln. Bei herkömmlichen statistischen
Prozesssteuerungsprogrammen würden
die Steuerungsgrenzwerte von Experten
programmiert, erläutert Cronje. „Diese erfassen
dann aber oftmals nicht die komplexen
Interaktionen zwischen allen Prozessvariablen,
woraus sich erhebliche Abweichungen
hinsichtlich Anlagenleistung und Produktionsqualität
ergeben, welche sich die Experten
nicht erklären können.“ Komme dann ein modernes
KI-System wie DataProphets Produkt
OMNI zum Einsatz, könnten anschließend
Steuerungspläne erstellt werden, welche die
Produktion auf ein stabiles, optimiertes
Niveau bringen. „Wir haben beeindruckende
Ergebnisse erzielt“, so Cronje abschließend:
„Eine große Gießerei beispielsweise konnte
ihren Ausschuss pro Jahr um eine Summe
von mehr als einer Million Dollar senken.“ co
www.dataprophet.com
Plattform Industrie 4.0 stellt Leitbild 2030 vor
Gestaltung offener digitaler Ökosysteme
Im Mittelpunkt der Präsentation der Plattform
Industrie 4.0 und ihrer Partner auf der Hannover
Messe 2019 stand ein Leitbild: Die Plattform
will die Entwicklung hin zu globalen digitalen
Ökosystemen mitgestalten. Im Leitbild
2030 sind Souveränität, Interoperabilität und
Nachhaltigkeit die dafür zentralen Leitplanken.
Darüber hinaus unterstreicht es die Notwendigkeit
von Offenheit und Globalisierung
einer digitalisierten Industrie. Dazu werden
vor allem offene, interoperable Standards, geeignete
regulatorische Rahmenbedingungen
sowie gemeinsame IT-Sicherheitslösungen
benötigt. Souveränität steht dabei für freie
Gestaltungsspielräume, die Wettbewerbsfähigkeit
und Selbstbestimmung bei digitalen
Geschäftsmodellen garantieren. Interoperabilität
ist die Grundvoraussetzung für Koopera -
tion sowie für offene Ökosysteme und ermöglicht
somit Pluralität und Flexibilität. Der
Begriff der Nachhaltigkeit betont schließlich
eine moderne industrielle Wertschöpfung,
die einen hohen Lebensstandard sichert. ik
www.plattform-i40.de
Konstruktion
ISSN 1612–7226
Herausgeberin: Katja Kohlhammer
Verlag:
Konradin-Verlag Robert Kohlhammer GmbH,
Ernst-Mey-Straße 8,
70771 Leinfelden-Echterdingen, Germany
Geschäftsführer: Peter Dilger
Verlagsleiter: Peter Dilger
Redaktion:
Chefredakteur:
Dipl.-Ing. Michael Corban (co), Phone + 49 711 7594–417
Stellvertretende Chefredakteure:
Dipl.-Ing. Andreas Gees (ge), Phone +49 711 7594–293;
Johannes Gillar (jg), Phone + 49 711 7594–431
Korrespondent:
Nico Schröder M.A. (sc), Phone +49 170 6401879
Redakteure:
Dr.-Ing. Ralf Beck (bec), Phone +49 711 7594–424;
Evelin Eitelmann (eve), Phone +49 1520 5767159;
Jörn Kehle (jke), Phone +49 711 7594–407;
Irene Knap B.A. (ik), Phone +49 711 7594–446;
Bettina Tomppert (bt), Phone +49 711 7594–286
Redaktionsassistenz:
Carmelina Weber, Phone +49 711 7594–257, Fax: –1257
carmelina.weber@konradin.de
Layout:
Helga Nass, Phone +49 711 7594–278
Gesamtanzeigenleiter:
Andreas Hugel, Phone +49 711 7594–472
Zurzeit gilt Anzeigenpreisliste Nr. 54 vom 1.10.2018
Auftragsmanagement:
Annemarie Olender, Phone +49 711 7594–319
Leserservice:
Ute Krämer, Phone +49 711 7594–5850
Fax +49 711 7594–15850
E-Mail: ute.kraemer@konradin.de
KEM Konstruktion systems engineering erscheint monatlich
ausschließlich digital.
Auslandsvertretungen:
Großbritannien: Jens Smith Partner ship, The Court, Long
Sutton, GB-Hook, Hampshire RG29 1TA, Phone 01256
862589, Fax 01256 862182, E-Mail: media@jens.demon.co.uk
Schweiz: IFF media ag, Frank Stoll, Technoparkstr.3,
CH-8406 Winterthur, Phone +41 52 633 08 88,
Fax +41 52 633 08 99, E-Mail: f.stoll@iff-media.ch USA:
TD.A. Fox Advertising Sales, Inc., Detlef Fox, 5 Penn
Plaza, 19th Floor, New York, NY 10001, Phone +1 212
8963881, Fax +1 212 6293988, detleffox@comcast.net
Gekennzeichnete Artikel stellen die Meinung des Autors,
nicht unbedingt die der Redaktion dar. Für unverlangt
eingesandte Manuskripte keine Gewähr. Alle in KEM
erscheinenden Beiträge sind urheberrechtlich geschützt.
Alle Rechte, auch Übersetzungen, vorbehalten. Reproduktionen
gleich welcher Art, nur mit schriftlicher Genehmigung
des Verlages.
Erfüllungsort und Gerichtsstand ist Stuttgart.
© 2019 by Konradin-Verlag Robert Kohlhammer GmbH,
Leinfelden-Echterdingen.
K|E|M Konstruktion systems engineering 04 2019 5

METHODEN
KÜNSTLICHE INTELLIGENZ
Bild: AndSus/Fotolia.com
Smarte Maschinen können heute sprechen und zuhören, lesen und schreiben, laufen und greifen, Objekte erkennen und sicher mit ihnen umgehen
sowie immense Datenmengen analysieren und im Betrieb hinzulernen. Möglich machen dies Fortschritte auf dem Feld der KI
Treiber, Einsatzfelder und Perspektiven für die Industrie
Der Schlüssel zur Smart Factory
– Künstliche Intelligenz (KI)
Worauf basieren die modernen Systeme der Künstlichen Intelligenz (KI), wo passieren derzeit die rasantesten
Fortschritte und was sind die wichtigsten Einsatzgebiete von KI im industriellen Umfeld – wir nehmen Sie mit auf
eine Reise in eines der derzeit interessantesten Technikgebiete und erläutern auch, wo die Grenzen der Technik
und ihres Einsatzes liegen. So viel sei schon vorab verraten: KI-Systeme werden zwar immer mehr Routineaufgaben
übernehmen, aber Menschen werden weiterhin gebraucht – nicht zuletzt als Partner mit emotionaler und
sozialer Intelligenz.
Ulrich Eberl, Wissenschaftsjournalist, Höhenkirchen
Vor 50 Jahren – lange vor den ersten Gedanken an eine smarte
Fabrik (Smart Factory) – hat der Computer- und Roboter-
Pionier Marvin Minsky „Künstliche Intelligenz“ (KI) definiert als
„die Wissenschaft, die Maschinen dazu bringt, Dinge zu tun, die
– würden sie von Menschen vollbracht –Intelligenz erfordern
würden“. Die damaligen Erwartungen der Forscher an KI-Systeme
waren hoch, doch jahrzehntelang blieben die Erfolge dahinter
zurück: Erste selbsttätig fahrende Autos in den 1980er-Jahren,
der IBM-Rechner Deep Blue, der 1997 den Schachweltmeis-
ter besiegte, zweibeinige Roboter wie Hondas Asimo und kleinere
lernfähige Programme, die die Steuerung von Walzwerken
und Papierfabriken optimierten (sinngemäß die Vorläufer der
Smart Factory) – das waren die wesentlichen Meilensteine bis
zum Beginn des 21. Jahrhunderts.
Doch nun ändert sich dies dramatisch. In den letzten Jahren hat
es auf dem Feld der KI mehr Fortschritte gegeben als in den 50
Jahren zuvor. Smarte Maschinen können heute sprechen und zuhören,
lesen und schreiben, laufen und greifen, Objekte erkennen
und sicher mit ihnen umgehen, immense Datenmengen
analysieren und, was das Wichtigste ist: Sie können im Betrieb
hinzulernen – sich also laufend optimieren. Damit bilden sie die
Basis einer Smart Factory und damit der Industrie 4.0.
6 K|E|M Konstruktion systems engineering 04 2019

KÜNSTLICHE INTELLIGENZ
METHODEN
Worauf basieren die modernen Systeme der
Künstlichen Intelligenz?
Die Treiber für den aktuellen Boom der KI sind vor allem
drei Entwicklungen:
• Die Leistungssteigerung der Hardware:
Vor 25 Jahren konnten die stärksten Supercomputer etwa
100 Milliarden Rechenoperationen pro Sekunde durchführen –
das schafft heute jedes gute Smartphone. Zugleich sanken
die Kosten und der Energiebedarf von Mikrochips bei gleicher
Leistung um einen Faktor 10.000 bis 100.000. Darüber hinaus
wurden auch Kameras, Mikrofone und Sensoren aller Art –
etwa Beschleunigungs-, Radar-, Wärme- und Tastsensoren –
wesentlich kleiner und kostengünstiger.
• Die Algorithmen des maschinellen Lernens:
Viele KI-Systeme basieren auf dem Konzept der Neuronalen
Netze: Dabei sind Schichten künstlicher Nervenzellen (Neuronen)
hintereinander gestapelt und miteinander auf komplexe
Weise verschaltet – wobei ihre Verbindungsstärke wie im Gehirn
variieren kann, was sie lernfähig macht. Insbesondere
eignen sich solche Netze dazu, Muster zu erkennen, ohne
dass ihnen einprogrammiert werden muss, an welchen exakten
Eigenschaften sie dies festmachen sollen. Präsentiert
man ihnen viele Fotos von Gesichtern oder Autos, können sie
auch auf unbekannten Bildern sofort Gesichter oder Autos finden.
Ebenso kann man sie mit gesprochenen Worten oder
Schriftzeichen trainieren, und sie erkennen danach Sprach -
befehle oder Handschriften. In den letzten Jahren haben Forscher
spezialisierte Netze entwickelt, die bestimmte Aufgaben
besonders gut erfüllen, etwa die Erkennung von Kanten
in Bildern, zeitlich kodierte Informationen oder eine Art Erinnerung
an frühere Erfahrungen. Man kann auch Neuronale
Netze gegeneinander antreten lassen oder wie im Gehirn mit
Belohnungseffekten arbeiten. Der Hauptunterschied heutiger,
sogenannter Deep-Learning-Systeme gegenüber den Netzen
der 1990er-Jahre ist aber vor allem ihre Leistungsstärke:
Waren damals nur einige Tausend Neuronen in wenigen
Schichten verbunden, so sind es bei den besten Systemen
von heute Milliarden von Neuronen in Dutzenden von Schichten,
die die Erkennungsaufgaben erledigen.
• Die Datenmenge im Internet:
Künstliche Neuronale Netze sind nur so gut wie die Qualität
der Lernbeispiele, mit denen sie trainiert werden. Der Datenschatz
der Menschheit ist enorm: Auf rund 25.000 Exabyte
(Milliarden Gigabyte) dürfte er inzwischen angewachsen sein,
und der größte Teil wird über Internet-Technologien, also in
der Cloud, weitergeleitet oder gespeichert. All diese Milliarden
Bilder, Texte, Videos und Audiodateien lassen sich als
Trainingsmaterial nutzen. Und mit jeder Suchanfrage, mit jeder
Spracheingabe, mit jedem Übersetzungswunsch lernen
die smarten Maschinen hinzu, wird die Smart Factory
leistungsfähiger.
Meinungen und interessante Artikel zum Thema KI
finden Sie auch auf unserer Themenseite
‚Smart Factory und KI‘ unter:
hier.pro/AelZB
„Die Software AlphaGo von
Google DeepMind schlug nicht
nur die weltbesten Spieler
des Brettspiels Go, sondern
die Version AlphaGo Zero
verbesserte sich allein dadurch,
dass der Computer millionenfach
gegen sich selbst spielte.
Vorgegeben waren dem Programm
nur die Spielregeln, nicht
mehr Partien, die von Menschen
gespielt worden waren.“
Wo passieren derzeit die rasantesten
Fortschritte?
Vor allem vier Felder sind es, auf denen KI-Systeme derzeit besonders
Furore machen – und die zudem immer mehr zusammenwachsen:
• (a) die Verarbeitung von Sprache, Bildern, Videos und Texten,
• (b) die Extraktion und Darstellung von Wissen
(in „kognitiven Systemen“),
• (c) die Analyse großer Datenmengen
(„von Big Data zu Smart Data“),
• (d) die Konstruktion von (teil)autonomen Maschinen – vom
selbsttätig fahrenden Auto über Flugdrohnen bis zu zwei -
beinigen humanoiden Robotern.
Fast schon im Wochentakt wird von erstaunlichen Erfolgen berichtet,
bei denen sich KI-Systeme oft sogar besser schlagen als
Menschen. Ein paar Beispiele zu den oben genannten Feldern:
(a) Im Mai 2018 berichtete Google über ein Telefonat seines
Dialogsystems Duplex mit einem Friseursalon. Es war nicht
mehr zu erkennen, ob der Anrufer ein Mensch oder eine Maschine
war, zumal die KI auch Denkpausen und Laute wie „hmm“
verwendete. Ähnlich beeindruckend sind Programme wie
Google Translate oder DeepL: Sie können heute in Sekundenschnelle
Texte in andere Sprachen übersetzen – nicht fehlerfrei,
aber doch in einer so guten Qualität, wie sie noch vor zwei, drei
Jahren unvorstellbar gewesen wäre. Stichwort Bilderkennung:
Die beste Software zur Erkennung von Verkehrszeichen macht
nur noch halb so viele Fehler wie Menschen. Und 2013 gelang es
einem Programm, in 100 Minuten auf Millionen von Google-
StreetView-Bildern die Hausnummern zu finden – eine Aufgabe,
für die ein menschliches Team Jahre gebraucht hätte. Eine weitere
Software entdeckte in Gewebeschnitten Hinweise auf Krebszellen,
die Ärzten bisher unbekannt waren, und ein Algorithmus
der Firma Affectiva lernte, Gefühle wie Wut, Freude und Überraschung
aus Gesichtern zu lesen. In Studien schnitt diese Emo -
tionserkennungs-Software besser ab als viele menschliche
Testpersonen.
K|E|M Konstruktion systems engineering 04 2019 7

METHODEN
KÜNSTLICHE INTELLIGENZ
Buchtipp
INFO
Wenn maschinelles Lernen, kognitive
Computer und die besten Roboter zusammenkommen,
dann werden sie
eine Revolution auslösen, wie sie die
Welt noch nicht gesehen hat. Künstliche
Intelligenz schafft Multi-Milliarden-Euro-Märkte,
verändert Millionen
von Jobs und wirft ganz neue Sicherheitsfragen
auf – wohin führt das
alles? Ulrich Eberl hat für sein Buch
in vielen Labors und Unternehmen in den USA, Japan und
Europa recherchiert und schildert anschaulich und präzise
die Entwicklungen auf dem Gebiet, das den Kern unseres
Selbstverständnisses trifft: die menschliche Intelligenz.
Smarte Maschinen – wie Künstliche Intelligenz unser Leben verändert,
Hanser-Verlag, 406 Seiten, 24 Euro. Mehr unter:
https://zukunft2050.wordpress.com/
„Deep-Learning-Systeme
sind Meister im Vergleich von
Mustern, nicht mehr. Wurden sie
etwa auf Tierbilder trainiert,
finden sie überall Tiere. Ihnen
fehlt völlig das Hintergrundwissen
und das Verständnis für
Zusammenhänge. Auch
brauchen sie Zigtausende von
Beispielen, um Objekte zuverlässig
erkennen zu können – uns
Menschen reichen wesentlich
weniger.“
(b) Im Jahr 2011 besiegte das IBM-System Watson, das den
Sinn von Texten in natürlicher Sprache erfassen kann, die
menschlichen Champions im Quiz-Spiel Jeopardy. Dabei musste
es auf 200 Millionen Textseiten Hinweise finden, die zur jeweiligen
Fragestellung passten, sie kombinieren, Hypothesen bilden,
priorisieren – und das alles in zwei bis drei Sekunden. Im Januar
2018 folgte ein weiterer Meilenstein: Erstmals schnitten KI-Systeme
im Lesetest der Universität Stanford auch ohne Zeitlimit
besser ab als Menschen – sie übertrafen also im reinen Textverständnis
die menschlichen Wettbewerber. Solche wissensverarbeitenden
Systeme werden heute von Ärzten, Finanzberatern
und Managern eingesetzt und geben Empfehlungen für Diagnosen,
Geldanlagen oder die Optimierung von Industrieprozessen.
Für viele Schlagzeilen sorgte auch die Software AlphaGo von
Google DeepMind, eine Kombination aus Deep-Learning-Netz
mit Belohnungen, analytischen Berechnungen und Zufallsgenerator.
In den Jahren 2016 und 2017 schlug sie nicht nur die weltbesten
Spieler des Brettspiels Go, das aufgrund der Menge
möglicher Spielzüge als weitaus komplexer gilt als Schach. Mehr
noch: Die Version AlphaGo Zero verbesserte sich allein dadurch,
dass der Computer millionenfach gegen sich selbst spielte. Vorgegeben
waren dem Programm nur die Spielregeln, nicht mehr
Partien, die von Menschen gespielt worden waren. Mit derart
lernfähiger Software, die eigenständig die besten Gewinnstrategien
herausfindet, will DeepMind künftig auch die Entwicklung
neuer Materialien oder Arzneimittel voranbringen.
(c) Große Windturbinen verfügen über viele Sensoren, die pro
Tag Hunderte Gigabyte Daten produzieren. Neuronale Netze lernen,
diese Datenflut weit besser zu analysieren, als es jeder
Mensch könnte. Sie erkennen ungewöhnliche Schwingungen
oder einen unrunden Lauf und organisieren ein Wartungsteam
für Reparaturen – Tage oder Wochen, bevor es zu Beschädigungen
kommt, die zum Ausfall der Turbine führen würden. Eine solche
vorausschauende Wartung funktioniert auch bei vielen anderen
Geräten – von Aufzügen über Ampeln bis zu Fahrzeugen.
Der Hochgeschwindigkeitszug Velaro in Spanien erreicht damit
eine extrem hohe Zuverlässigkeit. Nur eine von 2300 Fahrten ist
deutlich verspätet – der Bahnbetreiber Renfe erstattet Kunden
sogar den vollen Fahrpreis bei einer Verspätung über 15 Minuten.
Besonders interessant wird die vorausschauende Wartung
(Predictive Maintenance) zudem in der Smart Factory – hier kann
sie dabei unterstützen, ungeplante Stillstände zu vermeiden.
(d) In Fabriken lernen kollaborative Roboter heute Bewegungen,
indem sie Menschen nachahmen – sie müssen nicht mehr
programmiert werden. Sie arbeiten ohne Schutzzäune Hand in
Hand mit menschlichen Arbeitern und können binnen Tausendstel
Sekunden ihre Bewegungen stoppen, bevor sie einen Menschen
verletzen würden. Auch gibt es feinfühlige Roboter, die
sogar weiche Erdbeeren pflücken, ohne Druckstellen zu hinterlassen,
und im Sommer 2018 startete der Kugelroboter Cimon
zur Weltraumstation ISS. Cimon kann selbsttätig fliegen und autonom
agieren. Sprachgesteuert soll er für die Astronauten Bedienungsanleitungen
darstellen und erklären sowie Fotos und
Sprachnachrichten aufzeichnen. In Zukunft, so die Idee von KI-
Forschern, müssen Roboter auch nicht mehr alles, was sie an
Daten und Fähigkeiten benötigen, bei sich tragen, sondern können
es bei Bedarf wie Apps aus einem „RoboNet“ herunterladen
– etwa wenn sie schnell lernen müssen, wie man empfindliche
Gläser greift, Türen öffnet oder einen Dinnertisch deckt. Der
Anfang ist bereits gemacht: So haben Google-Wissenschaftler
14 Roboter zwei Monate lang immer wieder neue Greifstrategien
ausprobieren lassen, um unbekannte Objekte zu packen.
Die Maschinen reichten dabei ihre Ergebnisse an Deep-Learning-Netzwerke
in der Cloud weiter, so dass jeder Roboter von
den Versuchen aller anderen profitierte.
8 K|E|M Konstruktion systems engineering 04 2019

KÜNSTLICHE INTELLIGENZ
METHODEN
Einsatzfeld
Produktionsumgebung
Nutzen
Beispiele
Kollaborative Leichtbau-Roboter (Cobot) wie ABB
YuMi, Kuka LBR iiwa, Franka Emika Panda. Vollständig
digitale Fabrik und digitale Zwillinge: Smart-
FactoryKL, Siemens Digital Enterprise Suite
Mensch und Maschine zusammen effizienter dank
kollaborativer Roboter. Höhere Flexibilität bei kundenspezifischen
Produkten und schnelleres Reagieren auf
unvorhergesehene Situationen. Maschinen kommunizieren
miteinander, um Abläufe zu optimieren.
Qualitätssicherung
KI findet – etwa über präzise und schnelle Bild -
verarbeitung – Beschädigungen und Defekte bei
Produkten sowie Fehler im Prozess
Google AutoML Vision, IBM Watson Visual Recognition,
Fraunhofer IPA (Oberflächenprüfung, Kabel -
belegung, Schweißnähte etc.), MVTec Software
Datenanalyse
Kontinuierliche Analyse und Lernen aus großen
Datenmengen (etwa von Sensoren) ermöglicht
vorausschauende Wartung und Minimierung von
Energieeinsatz und Ressourcen
Siemens MindSphere (Internet-of-Things-Plattform),
GE Predix, Google DeepMind (z.B. für Energieverbrauch
von Rechenzentren), SAP Leonardo
Textanalyse und
Wissensverarbeitung
KI liest große Textmengen, wertet Dokumente aus
und fasst sie zusammen (z.B. juristische Verträge,
Fachliteratur, Anleitungen)
IBM Watson Explorer, Siemens Augmented Intelligence
(Wissensgraph + KI-Algorithmen)
Logistik und
Supply Chain Management
KI optimiert Lieferprozesse, Montage und
Lagerhaltung
BMW IoT (Überwachung der Logistikkette), IBM
Weather Company (Vorhersage von Verzögerungen
bei Lieferungen), Kewazo (KI in Gerüstmontage),
Roboter im Lager: Amazon Robotics, DHL,
Magazino, Mojin Robotics/Fraunhofer
Sales und Marketing
Customer Relationship
Management
KI prognostiziert Kundennachfrage und verbessert
personalisiertes Marketing
KI ermöglicht virtuelle Assistenten in Call Centern, Beschwerdemanagement,
Sprachdialoge mit Maschinen
Amazon, Netflix, YouTube, Mikrotargeting
(ehem. Cambridge Analytica)
Google Assistant, IBM Watson, Amazon Alexa,
SemVox (kontextbasierte Sprachdialoge)
Quelle: Autor
Die Tabelle gibt eine Übersicht über die wichtigsten Einsatzgebiete von Künstlicher Intelligenz (KI) im industriellen Umfeld
Was sind die wichtigsten Einsatzgebiete von
KI im industriellen Umfeld?
Die Produktivitätspotenziale, die durch KI-Systeme im industriellen
Umfeld gehoben werden können, schätzen Unternehmensberater
von McKinsey und Boston Consulting auf 20 bis 50 Prozent.
Die wichtigsten Einsatzfelder sind in der oben gezeigten
Tabelle zusammengefasst.
Was wird künftig möglich sein und
wo sind die Grenzen?
Die Einsatzgebiete von KI werden sich schon bald auf alle Lebensbereiche
erstrecken – das Smartphone war sicherlich nur
der Anfang der Ära der smarten Maschinen. Smart Grids (intelligente
Energienetze), Smart Building, Smart Factory, Smart
Office, Smart Health, Smart Car (das autonom fahrende, vollvernetzte
Auto) und Smart City sind hier die Schlagworte. Betrachtet
man die Entwicklungen der Halbleiterindustrie, so dürfte sich
die Rechenleistung, Speicherfähigkeit und Kommunikations-Datenrate
von Mikrochips in den nächsten 25 Jahren bei gleichem
Preis noch einmal vertausendfachen – die Hardware lässt also
noch eine erhebliche Leistungssteigerung erwarten.
Bei der Software gibt es allerdings deutliche Grenzen. So sind
Deep-Learning-Systeme Meister im Vergleich von Mustern, nicht
mehr. Wurden sie etwa auf Tierbilder trainiert, finden sie überall
Tiere, auch in Wolken oder dem Rauschen eines Bildschirms.
Ihnen fehlt völlig das Hintergrundwissen und das Verständnis für
Zusammenhänge. Auch brauchen sie Zigtausende von Beispielen,
um Objekte zuverlässig erkennen zu können – uns Menschen
reichen wesentlich weniger. Wie Neuronale Netze neue
Objektklassen aus bisher gelerntem Wissen ableiten könnten,
ist ein ungelöstes Problem – ebenso wie das sogenannte Transfer
Learning: So würden Wissenschaftler gerne Roboter in virtuellen
Welten das Greifen von Gegenständen üben lassen und
dann das Gelernte in die reale Welt übertragen, doch oft stimmen
beispielsweise simulierte und reale Reibungskräfte nicht
überein. Und über allem steht eine große Frage: Wie kann man
Maschinen ein Modell der Welt beibringen? Denn so wie KI-Systeme
heute konstruiert werden, sind sie Spezialisten für ihre Einsatzfelder,
ohne Allgemeinintelligenz, ohne „gesunden Menschenverstand“.
Deshalb werden KI-Systeme zwar in den nächsten
Jahren immer mehr Routineaufgaben übernehmen, aber
Menschen werden weiterhin als Lenker und Denker gebraucht,
als Planer und Entscheider, als kreative Problem- und Konfliktlöser,
als Qualitätssicherer und als Partner mit emotionaler und sozialer
Intelligenz gegenüber ihren Kunden und Zulieferern – auch
in einer Smart Factory. Maschinen, die uns auf allen Gebieten
überflügeln könnten, sind bei weitem nicht in Sicht.
Veranstaltungstipp:
Moderiert von Autor Ulrich Eberl präsentiert die Konradin Mediengruppe bereits zum
zweiten Mal Ihren Kongress zu KI-basierten Anwendungen für agile Mittelständler,
Start-ups und große Konzerne. Der Titel lautet 2019 „Smarte Maschinen im Einsatz –
Künstliche Intelligenz in Unternehmen“.
Zeit und Ort: 15. Oktober 2019, Fraunhofer IPA, Nobelstraße 12, Stuttgart
Programm und Anmeldung (die Zahl der Teilnehmer ist auf 150 begrenzt):
www.industrie.de/kuenstliche-intelligenz-2019
Der Autor
Ulrich Eberl promovierte 1992 an der TU München in
Physik, arbeitete bei Daimler und leitete 20 Jahre lang
bei Siemens die Kommunikation über Forschung, Innovationen
und Zukunftstrends. 2015 machte er sich als
Wissenschaftsjournalist, Buchautor und Keynote-
Speaker selbstständig. Sein besonderes Interesse gilt
der Künstlichen Intelligenz – ein Feld, zu dem er lange
in Japan, den USA und Europa recherchierte und 2016
das Buch ‚Smarte Maschinen‘ veröffentlichte.
K|E|M Konstruktion systems engineering 04 2019 9

ANWENDUNG
INDUSTRIE 4.0
Jan Rodig, Chief Executive Officer, Tresmo GmbH, zu Digitalisierung und Plattformökonomie
„KI ist der kritische Wettbewerbsfaktor“
Industrie 4.0 verlangt nach entsprechenden Lösungen und smarten, vernetzten Produkten. Doch viele
Unternehmen tun sich schwer, den richtigen Einstieg in die digitale Zukunft zu finden. Tresmo-CEO Jan Rodig
benennt im Interview mit KEM Konstruktion die größten Stolpersteine bei der Umsetzung einer funktionierenden
IoT-Strategie und erklärt, welche Bedeutung der Künstlichen Intelligenz (KI) zukommt.
Interview: Johannes Gillar und Nico Schröder, Redaktion KEM Konstruktion
Jan Rodig benennt im Gespräch mit der Redaktion
die größten Stolpersteine bei der Umsetzung einer
funktionierenden IoT-Strategie
Bild: Michael Skupin/Konradin Mediengruppe
KEM Konstruktion: Herr Rodig, welche Entwicklungen sehen
Sie derzeit am Markt für IoT-Plattformen?
Jan Rodig, Tresmo: Wir beobachten drei Entwicklungen. Eine davon
ist, dass sich Cloud und Edge in der IoT-Welt immer stärker aufeinander
zu bewegen. Auf der einen Seite gibt es Anbieter, die aus
der Automatisierung und somit eher aus dem Edge-Computing
kommen und nun vermehrt Cloud-Technologie anbieten. Andererseits
haben wir Unternehmen wie Amazon oder Microsoft, die aus
der Cloud-Ecke kommen und zunehmend Edge-Komponenten
anbieten. Cloud und Edge spielen immer besser zusammen und es
werden Lösungen angeboten, die beide Technologien vereinen.
Allerdings steckt momentan vieles noch in den Kinderschuhen. Die
zweite Entwicklung, die wir wahrnehmen, ist eine starke Konsolidierung
in diesem Bereich. Noch vor wenigen Jahren haben uns
Kunden gefragt, welche IoT-Plattform wir empfehlen können. Heute
treten die meisten Interessenten schon mit einer Vorauswahl an
uns heran. Da kristallisieren sich in der Regel fünf bis zehn Plattformen
heraus, die für fast alle Kunden relevant sind. Und drittens
zielen Plattformanbieter zunehmend darauf ab, Ökosysteme aufzubauen.
Dies wird durch Partnerschaften erreicht, aber auch durch
die Verknüpfung mit Anwendungen und sonstigen Systemen. Letztendlich
bin ich überzeugt, dass der eigentliche Mehrwert im
Ökosystem liegt.
KEM Konstruktion: Das Thema IoT beziehungsweise
Industrie 4.0 steckt in vielen Unternehmen oft noch
in den Kinderschuhen. Was bremst Unternehmen in
Hinblick auf die Nutzung von IoT-Technologien?
Rodig: Das zentrale Problem ist, dass Unternehmen häufig
mit einer klassischen, betriebswirtschaftlichen Sicht
an ein IoT-Projekt herangehen, wie an eine gewöhnliche
Produkteinführung. Das heißt, es wird erwartet, dass
sich das Projekt spätestens nach zwei oder drei Jahren
rentiert. Das ist der Hauptfehler. Meine Kernüberzeugung
ist, dass sich der deutsche Maschinenbau über digitale
Services und entsprechende Geschäftsmodelle differenzieren
muss, um langfristig wettbewerbsfähig zu bleiben
und damit am Ende sein Kerngeschäft zu retten. Oft fehlt das Verständnis
dafür, dass es nicht um ein ‚Nice-to- have-Szenario‘ geht,
sondern ums Überleben des Unternehmens. Denn ohne eine
vorausschauende Wartung – nur um ein Beispiel zu nennen – wird
ein Maschinenbauer seine Maschine nicht mehr verkaufen können.
Hier ist Beratung wichtig. Digitalisierung bedeutet in diesem Zusammenhang,
Ideen zu sammeln, diese systematisch mit dem Kunden
zu prüfen und dann vom Kundenproblem ausgehend kreative
Lösungen zu entwickeln. Dazu muss man natürlich zunächst ein IoT-
Projekt starten und diese typischen digitalen Innovationsprozesse
auch wirklich leben. Sich am Anfang des Projektes mit dem Controller
hinzusetzen und über den Return on Investment zu sprechen, ist
nicht zielführend. Leider ist das in vielen mittelständischen Unternehmen
aber noch der Ansatz.
KEM Konstruktion: Wie geht es besser?
Rodig: Wirklich innovative Vorreiter gehen anders heran. Sie wissen,
dass man zunächst ein paar Dinge ausprobieren muss und versuchen
so, eine Lösung für das Problem zu finden. Eine Wirtschaftlichkeitsbetrachtung
folgt danach. Allerdings kann man mit dieser
Vorgehensweise auch viel Geld verbrennen. Kleinere Unternehmen
tun sich daher oft noch schwer mit dieser Vorgehensweise. Aus
meiner Sicht hängt es aber nicht nur von der Größe ab, sondern
sehr stark vom Führungsteam. Es gibt viele kleine Unternehmen,
die sehr innovativ sind und das Thema Digitalisierung verstanden
10 K|E|M Konstruktion systems engineering 04 2019

INDUSTRIE 4.0
ANWENDUNG
Bild: Michael Skupin/Konradin Mediengruppe
„Ein Trend ist, dass
die Plattform-Anbieter
zunehmend darauf
abzielen, Ökosysteme
mit Partnern
aufzubauen.“
Jan Rodig,
CEO/Managing Partner
Tresmo GmbH
Der IoT-Spezialist
INFO
Als Systemintegrator konzipiert und programmiert Tresmo individuelle
Lösungen für IoT, Cloud/Web, mobile Apps und Embedded-Software.
Der IoT-Spezialist unterstützt unter anderem bei der Entwicklung
digitaler Produkt- und Serviceinnovationen sowie zukunftsfähiger
Geschäftsmodelle. Mit über 35 umgesetzten IoT-Projekten ist das
Unternehmen einer der führenden unabhängigen IoT-/Industrie-4.0-
Dienstleister in der DACH-Region.
haben. Und auf der anderen Seite gibt es auch sehr große Unternehmen,
die noch weit hinterherhinken. Letztendlich gibt es noch zu
wenig erfolgreiche IoT-Projekte, um zu präzisieren, was in einer bestimmten
Branche funktioniert und wie viel Geld sich mit den Projekten
verdienen lässt.
KEM Konstruktion: Können Sie ein Beispiel nennen für ein
funktionierendes digitales Geschäftsmodell?
Rodig: Ein gutes Beispiel ist Kaeser Kompressoren. Die Firma hat
schon bevor es das IoT gab ‚Air-as-a-Service‘ angeboten. Dabei handelt
es sich um ein Pay-per-Use-Modell, bei dem man keine Kompressoren
mehr verkauft, sondern lediglich die benötigte Druckluft.
Der Kunde bezahlt nur, was er wirklich nutzt. Mittlerweile macht
Kaeser Kompressoren einen signifikanten Anteil seines Umsatzes
damit. Das Unternehmen konnte sich so im Wettbewerb – auch mit
günstigeren Anbietern – erfolgreich etablieren. Das ist insofern ein
schönes Beispiel, weil es zeigt, dass es funktioniert, mit IoT-Geschäftsmodellen
Geld zu verdienen. Ein anderes Beispiel ist das
Thema Plattformökonomie. Unternehmen wie Siemens oder Trumpf
investieren hier viel Geld, doch sie wissen auch, dass diese Plattformen
sehr intensiv genutzt und in Zukunft einen Return on Investment
bringen werden.
KEM Konstruktion: Sie sagen, die Differenzierung erfolgt heute
über digitale Services, da sich die Hardware- und Softwarequalität
von Firmen nicht mehr so sehr voneinander unterscheidet
und andere Länder in diesen Bereichen aufholen. Aber warum
sollten andere Länder nicht auch in Richtung IoT-Services
denken?
Rodig: Das tun sie schon. Das ist genau das Problem und aus meiner
Sicht droht hier die große Gefahr für deutsche Unternehmen.
Viele sagen, Deutschland hinke bei der Digitalisierung beispielsweise
hinter den USA hinterher. Das sehe ich anders. Die USA haben
keine so besonders ausgeprägte Industrielandschaft wie wir in
Deutschland. Die Amerikaner sind gut bei allem, was Consumer-IoT
und Consumer-IT angeht – Stichwort: Facebook, Google, Amazon &
Co. Die große Gefahr bezogen auf das Industriegeschäft kommt aus
China. Chinesische Firmen haben einerseits die Manufacturing-
Erfahrung und andererseits investieren sie riesige Summen in
Künstliche Intelligenz (KI). KI ist aus meiner Sicht der kritische Wettbewerbsfaktor
der Zukunft. Das heißt, wir dürfen hier den Kopf nicht
in den Sand stecken, sondern müssen unbedingt etwas tun. Denn
wenn China seine günstigeren Maschinen auch noch mit smarter,
digitaler Technologie aufwertet, wird es für deutsche Unternehmen
schwierig, aufzuholen.
KEM Konstruktion: Sie haben viele IoT-Projekte durchgeführt.
Wo sehen Sie die Stolpersteine bei der Umsetzung einer funktionierenden
IoT-Strategie?
Rodig: Die größte Herausforderung für Industrieunternehmen bei
der Umsetzung von IoT-Projekten ist es, eine agile Arbeitsweise zu
etablieren und wirklich kundenzentriert zu arbeiten. Es ist eher ein
Kultur- und nicht unbedingt ein Technologiethema. Digitale Prozesse
starten mit einem Problem beim Kunden. Als IoT-Dienstleister versuchen
wir herauszufinden, wie relevant dieses Problem ist, um anschließend
verschiedene Lösungsszenarien zu entwickeln. Diese
werden mit unserem Kunden auf ihre Praktikabilität getestet, wodurch
man letztendlich zu einem Ergebnis kommt. Gerade ingenieurgetriebene
Unternehmen tendieren häufig dazu, ihren Kunden
selbst Lösungen vorzugeben und zu sagen: „So muss das laufen“ –
entsprechend schwach ist die Einbeziehung des Kunden zu Projektbeginn.
Bewährte Methoden wie Design Thinking oder Lean Startup
werden in der Regel nicht genutzt. Nach einer langen, teuren Entwicklungszeit
stellen diese Unternehmen dann häufig fest, dass die
Lösung nicht funktioniert. Es fehlt ihnen am nötigen Mindset. Aus
diesem Grund macht es Sinn, die digitalen Themen vom Kerngeschäft
zu lösen. Ein zweiter Stolperstein ist, dass das Thema
Plattform auswahl häufig falsch angegangen wird. Oft entscheiden
sich Unternehmen relativ schnell auf Basis zu weniger Kriterien für
eine Plattform. Gerade hierbei ist aber Sorgfalt angeraten. Denn mit
der richtigen IT-Architektur lässt sich auch die Plattform abstrahieren
und auf diese Weise auch austauschbar machen. Wenn dann die
Schnittstellen entsprechend aufgebaut werden, lassen sich oft verschiedene
IoT-Plattformen nutzen. Damit macht man sich als Unternehmen
weniger abhängig von den großen Anbietern. Ein weiteres
Problem ist das Thema der Datenmodellentwicklung oder Datenstandardisierung.
Oft haben Hersteller viele verschiedene Maschinen
und Produkte, die häufig von unterschiedlichen Teams entwickelt
wurden, wodurch sie historisch gewachsene eigene Datenmodelle
aufweisen. Wenn Lösungen nun über eine App bedienbar und
vernetzbar gemacht werden sollen, dann sollten diese miteinander
kommunizieren und die Daten einfach ausgetauscht werden können.
Die Entwicklung eines solchen flexiblen und zukunftsfähigen
Datenmodells gehört zu den großen Herausforderungen und ist entsprechend
zeitaufwendig. Damit beschäftigen wir uns sehr intensiv.
www.tresmo.de
Details zu den IoT-Dienstleistungen von Tresmo:
hier.pro/N5oXa
K|E|M Konstruktion systems engineering 04 2019 11

Industrie
Fachwissen für Interdisziplinäre
Produktentwicklung
KEM Konstruktion
systems engineering
Speziell für Sie als Verantwortliche für den Entwicklungsprozess.
Damit die Zusammenarbeit zwischen Mechanik- und Elektronik-
Spezialisten, Softwareentwicklern, Automatisierungsprofis
und IT‘lern reibungslos klappt.
10 digitale Ausgaben:
10 digitale
Ausgaben
Systems Engineering – Methoden & Tools
Industrie 4.0 / Internet of Things (IoT)
Mechatronische Konfiguration
Product Livecycle Management (PLM)
Durchgängige Entwicklungs- und Programmiertools
MES-Lösungen als Mittel der Wahl für die
ganzheitliche Steuerung
Kommunikation/Security
IT-Infrastruktur
… und vielen Anregungen und Ansätzen, wie
sich die interdisziplinäre Zusammenarbeit
in der Praxis methodisch und organisatorisch
umsetzen lässt.
Die Plattform
für smarte
Produkte und
Industrie 4.0
kem.de/themen/systems-engineering/
Online
Themenseite:
Online-
Magazin
lesen:
12 K|E|M
http://hier.pro/om30L
Konstruktion systems engineering 04
http://hier.pro/RsCN2
2019
Hier finden Sie die passenden
Medien für Sie und Ihre Branche:
konradin.de/industrie
media.industrie.de