Die digitale Industrie

Sie wollen sich mit den Anforderungen rund um die intelligente Fabrikation auf ihrem Weg in die digitale Zukunft auseinandersetzen? Erfahren Sie hier, welche Innovationen dabei neben Industrie 4.0 und Industrial Internet of Things eine entscheidende Rolle spielen.

In der Digitalen Industrie verzahnt sich die Produktion mit modernster Informations- und Kommunikationstechnik. Menschen, Maschinen und Prozesse vernetzen sich intelligent. Dabei ist „Smart“ unverzichtbar: Smart Data, Smart Analytics, Smart Devices, Smart Factory.

Wie Unternehmen den industriellen Wandel für ihren Mehrwert nutzen

Die digitale Transformation im industriellen Umfeld stützt sich auf vier Säulen: Big Data, Automatisierung, Breitband-Vernetzung, digitaler Kundenzugang. Nur wer sich die damit einhergehenden neuen Technologien zu eigen macht, kann neue Geschäftsmodelle und attraktiven unternehmerischen Mehrwert generieren. Die disruptive Entwicklung macht vor keinem Halt.

Die Anforderung: Zukunftsorientierte Unternehmen müssen offen sein für intelligente Maschinen und Künstliche Intelligenz – und sie als Zuträger für die menschliche Intelligenz nutzen.

Digitale Trends im industriellen und produktiven Umfeld

  1. 1
    Die drei digitalen Wellen in der Industrie

    Der gesamte Industriesektor wird von drei Wellen der digitalen Transformation erfasst  – die erste kann man deutlich in der Automobil- und Logistikindustrie spüren. Die Wogen werden zeitverzögert eintreffen, kein Unternehmen bleibt „verschont“. Weiterlesen...

  2. 2
    Industrie 4.0 als Basis für die intelligente Fabrik

    Industrie 4.0 integriert die industrielle Fertigung unter Einsatz innovativer Informations- und Kommunikationstechnik – hochintelligent und deshalb revolutionär. Industrie 4.0 vereint Großfertigung mit individuellen Kundenwünschen. Weiterlesen...

  3. 3
    Industrial IoT für effizientere Fertigungsprozesse

    Das Internet of Things ist das Ergebnis von Vernetzung und Interaktion zwischen digitalen Systemen. Das betrifft, neben IT-Hardware, alle denkbaren Geräte und Cyber-Physischen Systeme. Als Industrial IoT optimiert es ganze Fertigungsprozesse. Weiterlesen...

  4. 4
    NextGen Sensorik für Sehen, Hören und Fühlen

    Die Elektronik in einem smarten Sensor ermöglicht eine einfache Inbetriebnahme & Kalibrierung vor Ort. Und sie sorgt für die Aufzeichnung & Auswertung des kompletten Sensor-Lebenszyklus. Das alles bringt die Industrie 4.0 richtig zum Laufen. Weiterlesen...

  5. 5
    Big Data als Quelle moderner Wertschöpfung

    Big Data steht für die Sammlung, Verarbeitung und Analyse großer Mengen an computergenerierten, individualisierten, personenbezogenen, öffentlichen und geostationären Daten. Big Data ist die Quelle neuer Wertschöpfung und Erwartungen Weiterlesen...

  6. 6
    Mit Predictive Analytics in die Zukunft schauen

    Predictive Analytics dient dazu, die Wahrscheinlichkeit zukünftiger Ergebnisse auf der Grundlage historischer Daten zu prognostizieren – und zwar mithilfe von Daten, statistischen Algorithmen und maschinellem Lernen. Weiterlesen...

  7. 7
    Künstliche Intelligenz als Motor der Digitalisierung

    Künstliche Intelligenz (KI) befasst sich mit der Automatisierung von „intelligentem“ Verhalten und dem maschinellen Lernen. Primäre Zielsetzung: Computer so zu programmieren, dass sie eigenständig Probleme bearbeiten können. Weiterlesen...

  8. 8
    Smart Data für erweiterte Datenperspektiven

    Durch die intelligente Aufbereitung und Nutzung von Big Data mittels Data Analytics entstehen Smart Data – wirklich wertvolle Assets als Basis für datengetriebene Geschäftsmodelle. Sie wirken vor allem da, wo Geschäftswerte noch ungenutzt sind. Weiterlesen...

  9. 9
    Smart Devices für ein smartes Aufgabenspektrum

    Smart Devices sind intelligente Komponenten mit einem hochintegrierten Chip, der Sensor, Prozessor und Kommunikationsschnittstelle enthält. Sie sind über das IoT vernetzt und kommunizieren mit anderen Smart Devices über Funkprotokolle. Weiterlesen...

  10. 10
    5G als Brücke zwischen heute und morgen

    Das neue 5G-Mobilfunknetz ist prädestiniert für die Anforderungen der Industrie 4.0  und unterstützt innovative Lösungen des Internet of Things: etwa Machine to Machine, autonomes Fahren, intelligent vernetzte Haushalte und smarte Städte. Weiterlesen...

  11. 11
    Drohnen am Anfang einer steilen Karriere

    Drohnen avancieren zu einem wichtigen Bestandteil der Industrie 4.0. Sie entlasten Mitarbeiter, indem sie relevante und riskante Arbeitsschritte übernehmen. Aktuell werden deutschlandweit 19.000 Drohnen kommerziell eingesetzt, Tendenz steigend. Weiterlesen...

  12. 12
    Business Ecosystems für ein neues Miteinander

    Immer mehr Unternehmen bauen ihr eigenes Ecosystem auf und verbinden es interdisziplinär mit denen anderer Unternehmen. So entsteht ein großes Netzwerk, das dabei hilft, Prozesse zu vereinfachen und Fähigkeiten effizient einzusetzen. Weiterlesen...

Die drei digitalen Wellen der Industrie

Wie die digitale Transformation alle erreichen wird

Die digitale Transformation ist unaufhaltsam, das ist klar. Wie stark und grundlegend der Wandel einer Branche ausfällt, hängt jeweils ab von Wirkung, Skalierbarkeit und Durchsetzbarkeit digitaler Innovationen. Doch kann sich kein Unternehmen darauf verlassen, dass es seine Wertschöpfungskette unverändert beibehalten kann.

In der Studie „Die digitale Transformation der Industrie“ von Roland Berger Strategy Consultants wird anhand der Untersuchung von acht Branchen verdeutlicht, wie das Industriesegment von drei Wellen der digitalen Transformation erfasst wird – die erste davon vereinnahmt die beiden Industriezweige mit der relativ höchsten Bruttowertschöpfung in Deutschland und Europa. Die drei Wogen treffen zeitverzögert ein. Und eines steht fest: Die digitalen Transformationswellen betreffen und treffen die gesamte industrielle Landschaft.

Erste digitale Welle: Automobil- und Logistikindustrie

Die Automobilhersteller und ihre Zulieferindustrie befinden sich bereits mitten in der Transformation. Sie haben eine Reihe großer Programme angestoßen, etwa zur Einführung des IP-Protokolls im Fahrzeug. Es gibt kontinuierliche Fortschritte im hochautomatisierten und autonomen Fahren. Vor allem folgende Fragen haben entscheidende Bedeutung:

  • Wer wird die digitale Kommunikationsschnittstelle mit Fahrer und Fahrzeughalter besetzen?
  • Wem gehören die Daten, die im und am Auto entstehen?
  • Welche Software-Standards im Fahrzeug setzen sich durch?
  • Wie verändern hochautomatisiert fahrende Autos unsere Individualmobilität und unser Verhalten beim Autokauf?
  • Wie lässt sich das Fahrzeug effektiv vor Cyber-Angriffen schützen?

Die Digitalisierung der Logistik ist heute weit fortgeschritten. Dennoch lässt sich bei der Organisation von Liefernetzen noch vieles weiter verbessern. Digitale Szenarien in der Logistik drehen sich zum Beispiel um folgende Fragen:

  • Werden sich weltweite Automatisierungsstandards für einzelne Branchen oder industrieübergreifend durchsetzen?
  • Können Anbieter von Fourth-Party Logistics die Kundenschnittstelle neu besetzen?
  • Wie lässt sich die Agilität und Robustheit des Liefernetzes weiter stärken?
aerial-shot-building-business-2226458
Die Logistikbranche ist den digitalen Kinderschuhen bereits entwachsen, hat aber noch weitere Potentiale, die es gilt zu nutzen.

Zweite digitale Welle: Medizin-, Energietechnik, Elektroindustrie, Maschinen- & Anlagenbau

Die bedeutendsten digitalen Umwälzungen im Gesundheitswesen liegen vor allem in neuen Kontaktmöglichkeiten zum Patienten. Generell wird die Medizintechnik erheblich von digitalen Technologien profitieren. Das größte Potenzial bietet die verbesserte Diagnostik durch Auswertung aggregierter und anonymisierter Daten.

Die Elektroindustrie kann nicht nur als Hard- und Software-Lieferant für das Internet der Dinge profitieren. Denn mit der digitalen Leistungselektronik verfügt die Branche auch über einen Schlüssel zur effizienteren Nutzung von Energie. Größte Herausforderung ist die Standardisierung und Virtualisierung von IT-Plattformen in der Fabriksteuerung, denn damit halten IT-Risiken auch in der Produktion Einzug.

Der Maschinen- und Anlagenbau nutzt Industrie 4.0 auch für die eigene Produktion, bietet sie vor allem aber als Produkt für andere Industrien an. Noch offen ist allerdings, wann die breite Einführung stattfindet, welche Rolle dabei Standards spielen und wie attraktiv eine Nachrüstung von Maschinen und Anlagen gegenüber einem „Grüne Wiese“-Ansatz ist.

Unter den Schlagworten Smart Grid und dezentrale Energieerzeugung sind Hersteller von Energietechnik ebenfalls von der digitalen Transformation betroffen, etwa wo kleinere Anlagen zur Energieerzeugung und neue Netzstrukturen gefragt sind. Zudem entstehen neue Chancen, den Wirkungsgrad von Anlagen durch die Analyse von Leistungsdaten zu erhöhen.

Dezentrale Energieproduktion in Smart Grid-Architektur stellt nicht zuletzt hohe Flexibilitäts- und Sicherheitsanforderungen. Schaltungen in intelligenten Stromnetzen müssen binnen Millisekunden vorgenommen werden. Dafür ist eine hohe Dienstgüte (Quality of Service / QoS) in korrespondierenden Kommunikationsnetzen erforderlich.

Dieser QoS kommt insbesondere beim Mobilfunk eine bedeutende Rolle zu, um zeitkritischen von nicht kritischem Verkehr unterscheiden zu können. Deshalb spielt nicht nur im Energiebereich die Weiterentwicklung zum „taktilen Internet“ und zur nächsten Entwicklungsstufe 5G eine große Rolle.

Whitepaper: Wie das 5G-Netz Industrie 4.0, IoT und Smart Citys pusht

Mit dem kommenden 5G-Netz wird vor allem die Digitalisierung vorangetrieben. Zu den wichtigen, von 5G getriebenen Anwendungen zählen: Industrie 4.0, automatisiertes Fahren, Smart Energy, E-Health und Smart City. Dabei ist 5G weit mehr als ein neuer Mobilfunkstandard.

Lesen Sie im 5G Whitepaper vom TÜV Rheinland Antworten auf die wichtigsten Fragen:

  • Was kann 5G besser als das bisherige 4G?
  • Was sind die neuen, von 5G gestützten Business- und Operating-Modelle?
  • Wie stabil ist 5G?

Dritte digitale Welle: Chemieindustrie und Luftfahrttechnik

Aufgrund von Prozessfertigung weist die chemische Industrie bereits einen hohen Automatisierungsgrad auf. Neue digitale Technologien bringen weitere evolutionäre Verbesserungen: etwa effektivere Entwicklungen, höhere Liefersicherheit oder kleinere und flexiblere Produktionsanlagen.

Die wichtigsten Barrieren für den Einsatz digitaler Technologien in der Luft- und Raumfahrttechnik sind nicht technischer, sondern regulativer Natur. Mehr Vernetzung bedeutet mehr Cyber-Risiken – und für die ist die Luft- und Raumfahrt besonders empfindlich.

Der digitale Wandel im Mittelstand

Mal abgesehen von besagten digitalen Wellen in der Industrie – auch im Mittelstand sind die Ausläufer der digitalen Transformation längst angekommen. Das bestätigt eine Untersuchung von TÜV Rheinland Consulting in Zusammenarbeit mit Lünendonk und Hossenfelder.  Gleichwohl konstatieren die befragten 100 Mittelstandsunternehmen markante Hemmnisse auf ihrem Weg in die digitale Zukunft: unzureichende IT-Infrastruktur, mangelnde Vernetzung, personelle Engpässe, fehlende Expertise und beschränkte Budgets. Ein weiterer genannter Bremsfaktor: Die Geschäftsführung unterschätzt häufig die Möglichkeiten der Digitalisierung.

Wie können mittelständische Unternehmen die digitale Transformation erfolgreich vorantreiben? TÜV Rheinland Consulting bringt es auf den Punkt: „Data is King“. Wer die eigenen Daten versteht und sinnvoll verknüpft, kann innovativer sein und Mehrwerte schaffen, die weit über die bestehende Wertschöpfungskette hinausgehen. Deshalb muss bei den Digitalisierungsambitionen der Firmen die sinnvolle Verwertung von bestehenden Daten ein Kernkriterium sein: Strukturierte, explorative Analysen des Datenbestands führen zu Value Add in der Value Chain.

Welche Schritte müssen konkret erfolgen, um den vorhandenen Datenschatz zu nutzen und um sinnvolle Mehrwerte zu schaffen? TÜV Rheinland Consulting empfiehlt einen 5-stufigen Prozess:

  • Identifikation der Datenströme und Datenquellen
  • Datenverständnis: Woher kommen die Daten? Wie lassen sich die Daten nutzen?
  • Tiefergehende Datenanalysen
  • Einsatz von Machine Learning und Künstlicher Intelligenz
  • Weiterführendes Umsetzungskonzept mit deutlichen Anforderungen und klaren Vorgaben

Ziel ist es, über diesen gegliederten Prozess den Ist- und Soll-Zustand im mittelständischen Unternehmen zu skizzieren. Darüber hinaus sollen mögliche Anwendungsfelder und konkrete Postulate an Infrastruktur, Prozessen und die Organisation im Allgemeinen herausgestellt werden. So können den Firmen strukturierte und fundierte Entscheidungsgrundlagen geboten werden.

Industrie 4.0 als Basis für die intelligente Fabrik

Wie die Industrie 4.0 die Masse und Individualität vereint

Definition Industrie 4.0

Industrie 4.0 verzahnt die industrielle Produktion mit Hilfe moderner Informations- und Kommunikationstechnik auf intelligente Weise – das ist das eigentlich revolutionäre des Konzepts. Und das ist der Grund, warum man auch von der „Vierten industriellen Revolution“ spricht. Industrie 4.0 vereint Großproduktion mit individuellen Kundenwünschen – kostengünstig und in hoher Qualität. Die Basis von Industrie 4.0 ist dabei die Smart Factory: In ihr interagieren vernetzte Einheiten – etwa Produktionsroboter, Transportbehälter oder Fahrzeuge – über digitale Schnittstellen eigenständig miteinander. So vereinigen sich die Vorteile der Massenproduktion mit den Ansprüchen der Einzelfertigung.

Innovationsschub für die Fertigungsindustrie

Die Fertigungsindustrie steht vor markanten Umbrüchen und einem enormen Innovationsschub: Die rasant fortschreitende Digitalisierung führt zu Effizienzsteigerungen im Produktionsprozess und zu mehr Wachstum. Und ein wesentlicher Treiber der Digitalisierung ist das Industrial Internet of Things (IIoT).

Doch die Diskussion um Industrie 4.0 greift bislang noch zu kurz, weil sie stark auf den Produktionsbereich und die Technologie fokussiert. Dabei liegen die entscheidenden Wertpotenziale außerhalb der Produktion: in der Veränderung von Prozessketten, anderen Entscheidungsprozessen und neuen Geschäftsmodellen. Insofern geht der wahre Wert von Industrie 4.0 weit über den Fertigungsfokus hinaus. Das betont auch das Bundesministerium für Wirtschaft und Energie (BMWi).

Wie die Fabrik in der Industrie 4.0 aussieht

Was Industrie 4.0 in Praxis bedeutet: Bauteile kommunizieren eigenständig mit der Produktionsanlage, veranlassen bei Bedarf selbst eine Reparatur oder eine Materialnachbestellung. Menschen, Maschinen und industrielle Prozesse vernetzen sich intelligent.

Produkte können nach individuellen Kundenwünschen hergestellt werden: Industrie 4.0 macht es möglich, Einzelstücke zum Preis von Massenware zu produzieren – und das in höchster Qualität. Technische Grundlage hierfür sind intelligente, digital vernetzte Systeme und Produktionsprozesse. Industrie 4.0 bestimmt dabei die gesamte Lebensphase eines Produktes: von der Idee über die Entwicklung, Fertigung, Nutzung und Wartung bis hin zum Recycling.

In der intelligenten Fabrik der Industrie 4.0 koordinieren intelligente Maschinen selbstständig Fertigungsprozesse; Service-Roboter unterstützen Menschen in der Montage bei schweren Arbeiten, fahrerlose Transportfahrzeuge kümmern sich eigenständig um Logistik und Materialfluss. Vernetzung findet aber nicht nur innerhalb von Smart Factories statt, sondern über Unternehmens- und Branchengrenzen hinweg: zwischen verschiedenen Akteuren der Wirtschaft; vom mittelständischen Logistikunternehmen über spezialisierte technische Dienstleister bis hin zu kreativen Start-ups.

Ermöglicht wird die intelligente Fabrik vor allem durch zwei Faktoren:

  • Computer und Sensoren können immer kleiner und günstiger hergestellt werden
  • Es stehen Breitbandverbindungen für raschen Austausch und effiziente Analyse derart großer Datenmengen zur Verfügung
Neue Produktionsverfahren und Geschäftsmodelle

Der Einsatz digitaler Technologien in der Industrie bewirkt zahlreiche neue Produktionsverfahren, Geschäftsmodelle und Produkte. Eine Produktionslinie muss beispielsweise nicht mehr auf ein Produkt festgelegt sein. Dadurch ändern sich die Anforderungen an die industrielle Fertigung. Durch IT-Unterstützung wird es möglich, Bearbeitungsstationen flexibel an einen sich verändernden Produktmix anzupassen. Dabei können Kapazitäten besser ausgelastet werden. Darüber hinaus sind die automatisierten Analyseverfahren in der Lage, Wartungsbedarf und Ausfallrisiken aufzeigen.

Für den Innovations- und Wirtschaftsstandort Deutschland bietet das enorme Potenziale: Rund 15 Millionen Arbeitsplätze hängen direkt und indirekt von der produzierenden Wirtschaft ab. Mit der Digitalisierung der Industrie verändern sich nicht nur Wertschöpfungsprozesse. Es entstehen auch neue Geschäftsmodelle und neue Perspektiven für Beschäftigte. Gerade für kleine und mittlere Unternehmen bringen intelligente, digitale Produktionsverfahren große Chancen mit sich.

Aber: Je mehr sich die Industrie digitalisiert und vernetzt, desto mehr Schnittstellen tun sich auf und desto mehr Daten fließen. Einheitliche Normen und Standards, IT-Sicherheit und Datenschutz spielen deshalb eine zentrale Rolle. Solch übergreifende Fragen können allerdings nicht einzelne Unternehmen oder Sektoren für sich alleine beantworten. „Nur wenn alle relevanten Akteure aus Wirtschaft, Wissenschaft, Politik und Gesellschaft frühzeitig beteiligt werden und partnerschaftlich kooperieren, lässt sich die vierte industrielle Revolution gemeinsam erfolgreich gestalten“, heißt es in einem offiziellen Statement des BMWi.

Stellenwert von Sicherheit, Normen & Standards

Industrie 4.0 bedeutet Steuerung von Logistik- und Produktionsprozessen in Echtzeit mit einem entsprechenden Austausch von Daten. IT- und Datensicherheit sind dabei essenziell. Architekturen und Anforderungen im Bereich der IT-Sicherheit müssen für Industrie 4.0 weiter entwickelt werden. Die Herausforderung dabei ist, bestehende Strukturen für die neuen Anforderungen auszurüsten und gleichzeitig Lösungen für neue Einrichtungen zu entwickeln – und dieses Prinzip in der Unternehmenskultur zu verankern.

Die enge Vernetzung von Technologien und Wertschöpfung ermöglicht einen intensiven Austausch von Daten und damit mehr Schnittstellen. Einheitliche Normen und Standards sind daher entscheidend für Industrie 4.0.

Industrial IoT für effizientere Produktionsprozesse

Welche Vorteile und Herausforderungen IIoT mit sich bringt

Definition Internet of Things

Internet of Things: Das Industrial Internet of Things (IIoT) stellt die industrielle Ausprägung des Internet of Things (IoT) dar. Es repräsentiert im Gegensatz zum IoT nicht die verbraucherorientierten Konzepte, sondern konzentriert sich auf die Anwendung des Internets der Dinge im produzierenden und industriellen Umfeld. Die IIoT-Technologie hat hauptsächlich die Aufgabe, Produktionsprozesse zu steuern und zu überwachen. Eine zentrale Rolle spielen Sensoren und Sensordaten, welche die Datenbasis für die Automation und selbstlernenden Maschinen liefern.

IIoT benötigt Big Data-Technologien

Der Grundgedanke hinter dem Industrial Internet of Things ist ebenso einfach wie bestechend: Smarte Maschinen sind schneller, exakter, kostengünstiger und effizienter als der Mensch. Da für die Realisierung des IIoT große Datenmengen anfallen und diese in hoher Geschwindigkeit zu verarbeiten sind, spielen Big Data-Technologien und -Anwendungen eine wichtige Rolle.

Das industrielle Internet der Dinge kombiniert zwei verschiedene Welten:

  • Cyber-Physische Systeme in der Fertigung, etwa Sensoren, eingebettete Systeme in Maschinen und deren Komponenten, die über industrielle Kommunikationskanäle Daten für den Betrieb empfangen und aus dem Betrieb liefern
  • IT-Systeme für das Management des Produktlebenszyklus, zur Ressourcen-Planung, Kundenauftragsverwaltung oder als Entscheidungsunterstützung; außerdem Cloud Computing in Form von Infrastruktur-, Plattform- oder Software-as-a-Service (IaaS, PaaS oder SaaS).

Viele IoT- und IIoT-Lösungen sind Cloud-basiert. Das erleichtert den vernetzten Betrieb: Industrie-und Fabrikationsunternehmen erhalten so die Möglichkeit, Daten von angeschlossenen Sensoren und Geräten einfach zu erfassen. Diese Daten können wiederum mit Daten und Informationen aus Geschäftssystemen und von Mitarbeitern kombiniert werden. Solchermaßen umfassende Transparenz ermöglicht Anpassungen und Optimierungen in Echtzeit. Entscheidungen können mit Bezug auf die IoT-/IIoT-Quellen, deren Umfeld oder auf ein ganzes System verifiziert und präzisiert werden.

Rat und Tat für anspruchsvolle Sensorik

Ohne smarte Erfassungs- & Messtechnik, ohne intelligente Sensoren und ohne die mittels dieser Komponenten generierten Daten kein erstklassiges Industrial Internet of Things. Denn IIoT ist letztlich nichts anderes als eine sensorgesteuerte Infrastruktur, die zusammen mit einer dynamischen, analytischen Datenplattform eine ganzheitliche Konzeptlösung bildet. Und zwar mit der Vorgabe, Kosten einzusparen, an Flexibilität und Reaktionsvermögen zu gewinnen und Kundenvorlieben frühzeitig zu erkennen und zu bedienen.

Vor allem kleine und mittlere Unternehmen (KMU) tun sich häufig schwer, hier die richtige Marschroute zu finden und zu beschreiten. Sensible Sensorik und diffiziles Mess-Equipment effizient und passgenau einzusetzen, erfordert einiges an Know-how – vor allem dann, wenn es sich um einen erstmaligen Einsatz handelt.

Für diese komplexen Anforderungen bieten spezielle Dienstleister ihre Hilfe an, die folgende Services beinhalten sollte:

  • Check und Bewertung der vorhandenen Infrastruktur
  • Ausarbeitung eines individuellen, zukunftssicheren Digitalkonzepts
  • Digitale, herstellerunabhängige Verbindung bestehender Sensor- und Mess-Elemente in einem ganzheitlichen System
  • Non-invasive Nachrüstung von Sensor- und Mess-Komponenten, sofern möglich und sinnvoll
  • Alle Daten auf einer Plattform: gesicherte Datenerfassung, umfassende Datenanalyse
  • Aufdecken von Optimierungspotenzial, gemeinschaftliche Entwicklung zukunftsfähiger Prozesse und Lösungen
Sensorik nachrüsten?

Über den gesamten Lebenszyklus eines Gebäudes fallen rund 40 Prozent der Kosten für Energie an. Allerdings gibt es zum Verbrauch von Gas, Strom oder Wasser in großen Bestandshäusern und -quartieren oft lediglich unzureichende Informationen, die auch nur unregelmäßig durch direkte, örtliche Begehungen abrufbar sind.

Lesen Sie hier:

  • wie konventionelle Messtechnik zum Hindernis wird
  • über die Umsetzung ganzheitlicher, nachrüstbarer Gebäudelösungen
  • über mögliche Kosteneinsparungen und neue Erkenntnisse durch Smart Metering
Industrielle Anforderungen an IoT-Systeme

Gegenüber dem Internet der Dinge aus der Welt der Konsumgüter hat die Produktion weitergehende Anforderungen an IoT-Systeme, etwa:

  • Hohe Bandbreite, um Daten in der erforderlichen Menge und Geschwindigkeit zu übertragen
  • Niedrige Latenzzeiten, damit auch echtzeitrelevante Prozesse effizient ablaufen können
  • Standard-Datenformate, damit die vielen Geräte unterschiedlicher Hersteller miteinander kommunizieren und deren Daten integriert werden können
  • IT-Sicherheit, um Know-how-relevante Daten vor unbefugtem Zugriff und Geräte vor unzulässigem Zugang zu schützen
  • Hohe Verfügbarkeit der Services, z.B. der Berechnung von Key Performance Indicators (KPI) wie Taktzeiten oder Stillständen, damit diese den Anwendern permanent zur Verfügung stehen

Das IIoT lässt sich vielen verschiedenen Bereichen und Branchen nutzen, dazu zählen insbesondere:

  • Produzierende Betriebe
  • Logistikunternehmen
  • Agrarwirtschaft
  • Energieversorgung
  • Medizinisches Umfeld
  • Einzelhandel
IIoT-Technologien in verschiedenen Branchen

Fertigung – In dieser Branche wird die IIoT-Technologie derzeit am häufigsten angewendet. IIoT-fähige Maschinen überwachen sich selbst und sagen mögliche Probleme vorher. Auf diese Weise werden Ausfallzeiten reduziert, die Effizienz wird insgesamt gesteigert.

Lieferkette – Mit Sensoren für die Bestandsverwaltung sorgt IIoT-Technologie für die Nachbestellung von Waren, bevor diese ausgehen. So fällt in der Regel weniger Abfall an, die tatsächlich benötigten Waren sind auf Lager, und die Mitarbeiter können sich auf andere Aufgaben konzentrieren.

Gebäudemanagement – IIoT-Technologie vereinfacht das Gebäudemanagement und macht es sicherer. Zu den Anwendungen zählen sensorgesteuerte Klimaanlagen und Geräte, die Eingangsbereiche von Gebäuden überwachen und die schnelle Reaktion auf potenzielle Gefahren ermöglichen.

Gesundheitswesen – IIoT führt im Healthcare größere Präzision und Reaktionsfähigkeit ein. Dafür sorgen Geräte, die remote die Gesundheit der Patienten überwachen. Außerdem benachrichtigen sie Anbieter von Gesundheitsdienstleistungen, sobald sich der Zustand des Patienten verändert. In Zukunft wird Künstliche Intelligenz (KI) in manchen Fällen die Diagnose übernehmen – Ärzte können sich dann eher und effektiver um die Behandlung ihrer Patienten kümmern.

Einzelhandel – Dank IIoT-Technologie ist es möglich, schnelle und intelligente Marketing-Entscheidungen für einzelne Filialen zu treffen. Mit Schaufenstern, die sich je nach Kundeninteresse automatisch verändern, und mit intelligenten Werbeaktionen erreichen Einzelhandelsgeschäfte, die auf IIoT-Technologie setzen, einen erheblichen Wettbewerbsvorteil.

Die Vorteile des Industrial Internet of Things

Durch eine konsequente Umsetzung der Konzepte und Technologien des Industrial Internet of Things ergibt sich eine ganze Reihe von Vorteilen:

  • Höhere betriebliche Effizienz und Kostensenkung in der Produktion und beim Transport von materiellen Gütern
  • Erschließen von neuen Geschäftsfeldern, Realisierung neuer Geschäftsmodelle
  • Beschleunigung und Automatisierung von Produktionsprozessen auf Basis der erhobenen und verarbeiteten Daten
  • Flexible Anpassung von Produktionsprozessen an sich verändernde Anforderungen in Echtzeit im laufenden Betrieb
  • Selbsterkenntnis der eingesetzten Maschinen, wann Bedarf an Wartung besteht
  • Gegebenenfalls Erledigung der Wartung durch die Maschinen selbst
  • Reduktion von Störungen und Produktionsunterbrechungen
  • Steigerung des Durchsatzes und der Produktionskapazität
  • Verbesserte Sicherheit für Mensch und Maschinen in der Produktionsumgebung
Herausforderungen beim IIoT

Das Industrial Internet of Things bringt aber auch einige Herausforderungen mit sich:

  • Erhöhter (Zeit-) Aufwand bei der Verwaltung und dem Betrieb vieler verschiedener vernetzter Geräte
  • Häufiges Updaten der Software und Firmware aus Sicherheitsgründen
  • Einfaches Patchen der Software in einigen Bereichen nicht ausreichend
  • Zusätzlicher Aufwand für die Absicherung des IIoT
  • Inkompatibilität von IIoT-Geräten wegen fehlender Standards und herstellerspezifischer Protokolle
  • Aufwändiges Bereitstellen von Big Data-Datenbanken & Analytics für die Verarbeitung, Absicherung und Speicherung der anfallenden Daten
  • Damit einhergehend wachsende Gefahr von Sicherheitslücken und Datenlecks.

Lesen Sie in diesem Whitepaper wie Digitales Infrastruktur-Management aufgebaut sein sollte und wie es Ihnen hilft Daten auszuwerten, neue Erkenntnisse zu gewinnen und richtig von den Daten zu profitieren.

IIoT-Technologien und -Konzepte im Überblick

Digitale Zwillinge: die Methodik, ein Computermodell für ein Objekt zu erstellen, z. B. für eine Maschine, ein menschliches Organ oder einen Vorgang wie das Wetter. Das Verhalten des Zwillings wird untersucht, sodass es möglich wird, das Agieren des physischen Gegenstücks zu verstehen und vorherzusagen. So lassen sich Probleme angehen, bevor sie auftreten.

Electronic Logging Device (ELD): Sensoren in Fahrzeugen überwachen die Fahrgeschwindigkeit, Fahrzeit und häufig auch die Bremsennutzung. Auf diese Weise tragen sie dazu bei, dass Kraftstoff gespart, die Sicherheit für Fahrer erhöht und ungenutzte Ressourcen reduziert werden. Bei gefährlichen Manövern oder Überschreitung der Lenkzeit wird der Fahrer alarmiert und etwa der Fahrdienstleiter informiert.

Intelligent Edge: die Stelle am Netzwerkrand, an der Daten generiert, analysiert, interpretiert und verarbeitet werden. Unternehmen, die den Intelligent Edge nutzen, können Analysen schneller durchführen. Außerdem sinkt die Wahrscheinlichkeit erheblich, dass die Daten abgefangen werden oder es zu sonstigen Datenschutzverletzungen kommt.

Predictive Maintenance: ein System, das eine Maschine oder Komponenten mit Sensoren umfasst. Die Sensoren sammeln und übertragen Daten. Diese werden anschließend analysiert und in einer Datenbank gespeichert. Beim Auftreten von Problemen selektiert die Datenbank vergleichbare Ereignisse. Das System sorgt dafür, dass unnötige Wartungsarbeiten vermieden werden und die Wahrscheinlichkeit für Ausfälle abnimmt.

Radio Frequency Identification (RFID): eine aufwändigere und intelligentere Version der Barcode-Technologie. Reader identifizieren RFID-Tags mithilfe von Radiowellen. Die Tags können von mehreren Readern gleichzeitig und über längere Distanzen als mit traditionellen Universalnetzteilen gelesen werden. RFID-Tags ermöglichen die einfache Verfolgung und Überwachung der zugehörigen Objekte.

NextGen Sensorik für Sehen, Hören und Fühlen

Schlaue Sensoren bringen Industrie 4.0 richtig zum Laufen

Definition NextGen Sensorik

NextGen Sensorik bezeichnet eine Generation smarter Sensoren, die neben der eigentlichen Messgrößenerfassung auch die komplette Signalaufbereitung und Signalverarbeitung in einem Gehäuse vereinigt. Die smarten, also intelligenten Sensoren übernehmen sozusagen das „Sehen“, „Fühlen“ und „Hören“ und können ihr anspruchsvolles Aufgabenspektrum zumeist ohne externen Rechner erfüllen. Dazu beinhalten diese komplexen Geräte unter anderem einen Mikroprozessor oder Mikrocontroller. Smarte Sensoren können mit verschiedenen Schnittstellen ausgestattet sein.

Wie smarte Sensoren ihre Intelligenz bekommen

Das Grundprinzip von physikalischen Sensoren ist immer gleich: Das eigentliche Sensorelement, in dem die physikalische oder chemische Messgröße aufgenommen wird, besteht aus analoger Technik. Durch die Weiterverarbeitung und Verstärkung des analogen Signals in einer Elektronik entstehen schließlich verwertbare Messwerte. Schlau sind die smarten Sensoren aber noch nicht. Intelligenz entsteht erst, wenn sie an moderne, aber separate Messverstärker angeschlossen werden. Nun ist die Realisierung von zusätzlichen Funktionen möglich. Einige Features wären beispielsweise die Verarbeitung mehrerer Sensoren, die Überwachung der Plausibilität, die Generierung von Fehlermeldungen oder die Datenübermittlung in eine Cloud. So lässt sich eine leistungsfähige Informationsinfrastruktur für die Industrie 4.0 etablieren, die kontinuierlich up to date gehalten werden kann.

Nachrüstprogramm für ältere Maschinen

In neuen Maschinen und Anlagen sind natürlich jede Menge intelligente Komponenten verbaut, darunter auch smarte Sensoren. Viele Unternehmen setzen aber etliche Maschinen ein, die nicht über diese schlauen Helfer verfügen, aber teuer in der Anschaffung teuer waren und einwandfrei funktionieren – wahrscheinlich auf Jahre hinaus.

Um diese „Oldies“ fit für Industrie 4.0 zu machen, muss man Sensoren, Software und eine IoT-fähige Industriesteuerung nachrüsten. Dafür hält der Markt sogenannte Retrofitting-Lösungen parat. So konnte man mit einem entsprechenden IoT-Gateway sogar eine pedalbetriebene Drehbank aus dem Jahr 1887 ins Internet bringen. Ein Sensor überwacht dabei die Drehzahl der Drehbank und überträgt diese Daten an ein Vermittlungsgerät, das IoT-Gateway. Dieses ist wiederum mit anderen Unternehmenssystemen vernetzt. Auf einem Monitor kann der Arbeiter an der Drehbank die übertragenen Daten in Echtzeit sehen. So weiß er, ob er schneller oder langsamster treten muss, um die optimale Drehzahl einzuhalten.

Smarte Sensoren sind kein trivialer Selbstläufer

Als „Augen und Ohren“ der Automatisierung kommt Sensoren eine wichtige Bedeutung in den Regelkreisen der industriellen Produktion sowie der Gebäude- und Energietechnik zu. In einer Industrie 4.0-Umgebung gibt es nochmals deutlich mehr Sensoren – also mehr Daten und eine höhere Kommunikationsdichte in Anlagen mit sehr unterschiedlichen Strukturen. Das bedeutet: Unternehmen müssten in Zukunft mehr Zeit für die Konfiguration und Wartung der Sensoren aufbringen.

Big Data als Quelle moderner Wertschöpfung

Warum Big Data die Basis der neuen Informations-Ära ist

Definition Big Data

Mit Big Data werden große Mengen an Daten bezeichnet, die unter anderem folgende Herkunft haben:

  • aus Bereichen wie Internet und Mobilfunk, Finanzindustrie, Energiewirtschaft, Gesundheitswesen und Verkehr​
  • aus Quellen wie intelligente Agenten, Smart Devices, Smart Sensors, soziale Medien, Kredit- und Kundenkarten, Smart Metering-Systeme, Assistenzgeräte, Überwachungskameras sowie Flug- und Fahrzeuge

Diese Datenvolumina werden mit speziellen Lösungen gespeichert, verarbeitet und ausgewertet. Big Data ist die Quelle neuer Wertschöpfung und ermöglicht tiefe Einblicke in menschliche Bedürfnisse.

Von Big Data zu Big Data Analytics

Big Data ist vor allem für den Bereich der Business Intelligence (BI) relevant, welcher sich mit der Analyse von Daten befasst: Datenerfassung, Datenauswertung, Datendarstellung. Big Data Analytics beschreibt die systematische Auswertung bzw. Analyse großer Datenmengen mit Hilfe neu entwickelter Software. Big Data Software umfasst im Gegensatz zu herkömmlichen Software-Lösungen besondere Funktionen und Techniken:

  • parallele Verarbeitung vieler Datensätze
  • schnelle Suche und Abfrage von Daten
  • gleichzeitige Bearbeitung mehrerer Abfragen
  • Analyse unterschiedlicher Informationstypen

Lesen Sie in diesem Whitepaper wie Big Data, Data Analytics und Smart Data genau zusammenhängen. Und welche Möglichkeiten es gibt mittels Smart Data und den involvierten Innovativ-Technologien Mehrwerte zu erzielen.

Mit Predictive Analytics in die Zukunft schauen

Vorausschauende Analyse für Mehrwert-Generierung

Definition Predictive Analytics

Predictive Analytics bedeutet „vorausschauende Analyse“. Sie dient dazu, die Wahrscheinlichkeit zukünftiger Ergebnisse auf der Grundlage historischer Daten zu prognostizieren – und zwar mithilfe von Daten, statistischen Algorithmen und maschinellem Lernen. Ziel ist es, anhand einer Analyse vergangener Ereignisse bestmöglich vorherzusagen, was in Zukunft geschehen wird.

Business Intelligence, Business Analytics und Co.

Predictive Analytics ist ein Teilbereich von Business Intelligence und Business Analytics. Business Intelligence (BI) beschäftigt sich hauptsächlich mit den Ereignissen in der Vergangenheit und deren Auswirkungen auf die Gegenwart. BI beantwortet Fragen zum Geschehen (Was ist wann passiert?), zur Menge, Häufigkeit oder den Ursachen eines Ereignisses.

Business Analytics (BA) erweitert BI um den Blick in die Zukunft und setzt vor allem auf statistische Analysen von Unternehmensdaten. BA gibt Antworten auf die Fragen nach den Gründen, Auswirkungen, Wechselwirkungen oder Folgen von Ereignissen. Zudem ist es möglich, Szenarien durchzuspielen und Handlungsalternativen aufzuzeigen: Was geschieht, wenn wir an dieser oder jener Stellschraube drehen?

Um den Planungsprozess im Unternehmen zu verbessern, nutzt Business Analytics diverse Analyse-Tools. Eines davon ist eben Prädiktive Analyse: Statt nur die bestehende Situation zu analysieren, versucht diese Methodik mit Hilfe von Datenmodellen Vorhersagen über mögliche Ereignisse in der Zukunft zu treffen. Dabei besteht eine enge Verbindung mit Data Mining.

Data Mining meint im übertragenen Sinne das „Schürfen von Daten“. Es versucht, mit Hilfe anspruchsvoller statistischer und mathematischer Verfahren beziehungsweise Algorithmen verborgene Muster, Trends und Zusammenhänge in großen Datenmengen zu erkennen.

Data Mining nutzt auch neuronale Netze, die der Arbeitsweise des menschlichen Gehirns ähneln und über viele Datendurchläufe bestehende Strukturen oder Muster lernen. Daher ist Data Mining eng verwandt mit maschinellem Lernen, es hat also große Nähe zu Anwendungen und Methoden, in denen Computerprogramme selbstständig neues Wissen erwerben.

Predictive Maintenance im Industriebereich

Ein Anwendungsbeispiel von Predictice Analytics aus dem Industriebereich ist Predictive Maintenance: Das lässt sich mit „vorausschauende Wartung“ übersetzen und ist eine der Kernkomponenten von Industrie 4.0. Grundlage ist ein vorausschauender Ansatz für eine proaktive Wartung von Maschinen und Anlagen. Das ermöglicht es, Ausfallzeiten niedrig zu halten.

Für den effizienten Betrieb von Predictive Maintenance sind drei Arbeitsetappen notwendig:

  • Erfassen, Digitalisieren und Übermitteln von Daten
  • Speichern, Analysieren und Bewerten der erhobenen Daten
  • Errechnen von Eintrittswahrscheinlichkeiten für bestimmte Ereignisse
Einsatzbereiche von prädiktiven Analysen

Unternehmen nutzen Predictive Analytics zur Lösung schwieriger Probleme und bei der Suche nach neuen Chancen. Zu den Einsatzbereichen zählen:

Betrugserkennung. Durch die Kombination von mehreren Analytics-Methoden lassen sich Muster besser erkennen. Das erleichtert die Prävention von Straftaten. Cyber-Sicherheit gewinnt immer mehr an Bedeutung. Umso wichtiger werden leistungsstarke Systeme zur Verhaltensanalyse, mit deren Hilfe sich sämtliche Aktionen in einem Netzwerk in Echtzeit untersuchen lassen. Und zwar mit dem Ziel, Anomalien zu erkennen, die auf Betrug, Zero-Day-Schwachstellen und ausgeklügelte anhaltende Bedrohungen hinweisen.

Optimierung von Marketing-Kampagnen. Mit prädiktiver Analyse wird versucht, Kundenreaktionen oder das Kaufverhalten vorherzusagen und Cross Selling-Chancen zu nutzen. Unternehmen setzen prädiktive Modelle ein, um Kunden anzulocken, ihre lukrativsten Kunden an sich zu binden und mit ihnen höhere Umsätze zu erzielen. 

Operative Verbesserungen. Viele Unternehmen verwenden prädiktive Modelle für Bestandsprognosen und das Ressourcen-Management. Fluggesellschaften legen ihre Ticketpreise mithilfe prädiktiver Analyse fest. Hotels nutzen sie, um die Zahl der Gäste pro Nacht zu prognostizieren und auf dieser Basis die Belegung zu optimieren, sprich ihre Umsätze zu steigern.

Risikominderung. Mithilfe von Kreditprüfungen wird die Zahlungswahrscheinlichkeit von Käufern bewertet – ein bekanntes Beispiel für prädiktive Analyse. Bei einer Kreditprüfung wird mithilfe eines prädiktiven Modells ein Wert für die Kreditwürdigkeit einer Person generiert. Dabei werden alle für die Kreditwürdigkeit relevanten Daten berücksichtigt. Auch Versicherungen nutzen solche Modelle zur Risikobewertung.

Industrielle Anwendungen von Predictive Analytics

Ob zur Vorhersage drohender Anlagenausfälle, für die Prognose des künftigen Ressourcen-Bedarfs, zur Begrenzung von Risiken in Bezug auf Sicherheit oder Zuverlässigkeit oder zur Steigerung der Performance insgesamt – die Energieindustrie nutzt Predictive Analytics mit Nachdruck. Salt River Project ist der zweitgrößte öffentliche Energieversorger der USA und einer der größten Wasserversorger Arizonas. Das Unternehmen analysiert die Daten der Maschinensensoren und prognostiziert auf dieser Grundlage den Wartungsbedarf der stromerzeugenden Turbinen.

Das intelligente Stromnetz (Smart Grid) der Zukunft stellt Lastprognosen und sagt den Strombedarf voraus, um den Stromverbrauch und die fluktuierende Stromerzeugung (Solar- und Windkraftwerke) in Einklang zu bringen.

Für Hersteller ist es einerseits sehr wichtig, Faktoren zu erkennen, die die Qualität beeinträchtigen oder gar zu Produktionsausfällen führen könnten. Andererseits wollen sie Teile, Service-Ressourcen und die Distribution optimieren. Lenovo ist ein Beispiel für Hersteller, die anhand von Predictive Analytics Gewährleistungsfälle untersuchen. Diese Initiative senkte – laut Angaben von SAS – die Gewährleistungskosten um 10 bis 15 Prozent.

Künstliche Intelligenz als Motor der Digitalisierung

KI ist nur im menschliche Bezugsrarahmen mehrwertfähig

Definition KI

Künstliche Intelligenz (KI) wird nicht programmiert, sondern beruht auf Training aus der Erfahrung heraus. Anders gesagt: KI steht für die Automatisierung intelligenten Problemlösungsverhaltens, Mittlerweile gibt es Algorithmen, die dem menschlichen Gehirn nachempfunden sind, aber 25.000mal schneller sind. Damit ist es theoretisch möglich, eine KI in nur wenigen Sekunden auf den gewünschten Wissensstand zu bringen.

Einsatz von KI in Cognitive Computing

Künstliche Intelligenz kann selbstständig Muster erkennen, sich selbst verbessern und die Arbeit eigenständig besser organisieren. Sie wird zum Beispiel in Form dieser kognitiven Technologien eingesetzt:

Machine Learning oder maschinelles Lernen: Das ist die Fähigkeit von Computersystemen, ihre Leistung eigenständig durch gezielte Sichtung und Analyse von Daten zu verbessern, ohne dabei explizit programmierten Anweisungen folgen zu müssen. Das Konzept verfolgt Muster, um Assoziationen und Erkenntnisse aus Daten zu identifizieren und aus Erfahrung zu lernen. Machine Learning ist eine Kernmethode der Künstlichen Intelligenz: Das Internet of Things sorgt für die kritische Masse an Daten, die maschinelles Lernen für sein effizientes Arbeiten benötigt.

Deep Learning ist ein angrenzender Forschungsbereich des maschinellen Lernens. Hier kommen künstliche neuronale Netzwerke mit vielen Schichten zum Einsatz – daher die Bezeichnung „tief“. Die biologischen Vorgänge des menschlichen Denkens und Lernens – Aktivierung von Neuronen, chemische Veränderung von Synapsen und weiteres – werden in Software oder Hardware „übersetzt“. Beim Deep Learning – dem verstärkenden & vielschichtigen Lernen – geht es darum, die Grenzen der Maschinenfähigkeiten zu erweitern, um Objekte und Gesichter zu erkennen und Sprache zu verstehen und zu generieren.

Predictive Analytics oder prädiktive Analyse: eine Methode, die mithilfe von Datenmodellen Vorhersagen für die Zukunft trifft und gleichzeitig Handlungsempfehlungen gibt, um die Eintrittswahrscheinlichkeit prognostizierter Ereignisse zu beeinflussen.

Automatische Spracherkennung: erleichtert schon heute die Kommunikation zwischen Mensch und Maschine, ist aber noch ausbaufähig. Die Fähigkeit, menschliche Sprache automatisch und akkurat zu erkennen und transkribieren, ist bereits gegeben, doch Sprache überträgt auch Stimmungen und Subtexte, die intelligente Technologie heute noch nicht erkennt.

Mit KI das eigene Geschäft optimieren

Künstliche Intelligenz bietet Unternehmen eine hervorragende Chance, das eigene Geschäft zu optimieren. Und sie schickt sich an, ganze Branchen neu zu ordnen. Doch die Herausforderungen sind groß. Die wichtigste Frage lautet: Welche Voraussetzungen muss KI erfüllen, um einen Mehrwert für Unternehmen zu schaffen? Intelligente Algorithmen allein reichen dafür nicht aus. KI muss in einem menschlichen Bezugsrahmen stehen, um Entscheidungen im Unternehmen auf einem viel höheren Niveau als bislang vorzubereiten, zu prüfen und umzusetzen.

Egal ob Bankwesen, Maschinenbau, Unterhaltungsbranche oder IT-Industrie – zahlreiche Unternehmen erproben derzeit in diversen Bereichen den Einsatz von KI. Etwa der weltweit vernetzte Online-Händler Amazon, für dessen Geschäftsmodell große Mengen teurer Rechenleistung nötig sind. Deshalb setzt der Konzern intelligente Systeme ein, die das Volumen der Bestellungen so exakt feststellen, dass sie in jedem Moment die ausreichende Rechenleistung zuteilen – nicht weniger, aber auch nicht mehr.

Beim Telekommunikationskonzern Vodafone erkennen beispielsweise Chatbots Anrufer an ihrer Stimme wieder. Der Roboter weiß, mit wem er zuvor schon einmal telefoniert hat, und kann den anrufenden Kunden sofort einordnen und individuell bedienen.

Der Einsatz von automatisierten Verfahren in der Fertigung, der Verwaltung oder dem Finanzwesen ist nicht neu – hier handelt es sich aber meist nicht um KI, sondern in der Regel um Robotic Process Automation (RPA). Dabei werden Abläufe lediglich von einer Software gesteuert. Diese können hochkomplex sein, doch sie laufen stets gleich ab. Was hier fehlt – aber auch nicht benötigt wird – ist das intelligente Moment.

  • Maschinen müssen die individuellen Bedürfnisse ihrer Nutzer in der jeweiligen Situation kennen.
  • Es muss klar sein, wann der Mensch die Kontrolle von der Maschine übernehmen muss.
  • Maschinen müssen Feedback-Schleifen vermeiden. Dieses Phänomen schleicht sich ein, wenn Maschinen nur das finden, was sie aufgrund der zuvor verarbeiteten Daten erwarten – und nicht das, was wirklich passiert
Künstliche Intelligenz braucht menschliche Intelligenz

Maschinen verfügen bereits heute über weitreichende analytische Fähigkeiten und sind in der Lage, mit deren Hilfe hochkomplexe Entscheidungen zu fällen. Doch das dafür verwendete explizite Wissen reicht nicht in jedem Fall, damit diese Entscheidungen von Menschen auch als richtig empfunden werden. Denn Menschen lassen neben der Logik auch implizites Wissen in ihre Entscheidungen einfließen – also Intuition. Intelligente Maschinen können Intuition heute nur durch die Auswertung riesiger Datenmengen nachahmen und auf Probleme anwenden, die immer in ähnlicher Weise auftreten, beispielsweise bei der Rechnungsprüfung.

Bei wichtigen Einzelfallentscheidungen in der Wirtschaft ist Intuition jedoch von zentraler Bedeutung. Wenn ein Versicherungskonzern etwa ein nie dagewesenes Risiko einschätzen muss, kann er nur begrenzt auf Daten der Vergangenheit zurückgreifen. Ähnliches gilt beispielsweise für Personalentscheidungen, in denen soziale Faktoren wie Auftreten, Teamfähigkeit und Führungsqualitäten des Kandidaten eine herausragende Rolle spielen.

Deutsche Firmen bevorzugen KI „as a Service“

Statt Künstliche Intelligenz aufwendig selbst zu entwickeln, verwenden deutsche Unternehmen vielfach Algorithmen, Applikationen oder komplette KI-Lösungen „von der Stange“. Das hat die Umfrage-Studie „State of AI in the Enterprise Survey 2019“ von Deloitte ergeben. Hiesige Firmen nutzen KI entweder „as a Service“ oder als Teil von Software-Lösungen. Die Umsetzung von KI-Projekten erfolgt in den befragten Unternehmen überwiegend im Zusammenspiel externer Spezialisten und interner Ressourcen. Nur 15 Prozent der Studienteilnehmer implementieren KI primär mit firmeneigenen Kräften.

Smart Data für erweiterte Datenperspektiven

Von Big Data über Data Analytics zu Smart Data

Definition Smart Data

Smart Data ist ein wertvolles Asset aus strukturierten Daten, hervorgegangen aus dem Daten-Knäuel Big Data. Smart Data entsteht durch (Big) Data Analytics, die intelligente Aufbereitung und Nutzung immer größer werdender Datenmengen. Smart Data hat vor allem diese Ziele: nützliche Informationen finden, Schlussfolgerungen vermitteln und die Entscheidungsfindung unterstützen.

Experten schätzen, dass sich mit der Überprüfung, Bereinigung, Transformation und Modellierung von größeren Datenmengen bis 2020 ein weltweiter Jahresumsatz von 27,5 Milliarden US-Dollar erwirtschaften lässt.

Merkmale einer Smart Data & Analytics-Strategie

Datengetriebene, auf Smart Data basierende Geschäftsmodelle entfalten ihre Wirksamkeit vor allem da, wo:

  • Werte bzw. Produktionsfaktoren noch ungenutzt sind
  • die Nachfrage das Angebot übersteigt
  • eine Nische unbesetzt ist
  • eine deutliche Abhängigkeit von personalisierten Daten besteht
  • es sinnvoll ist, Daten aus unterschiedlichen Quellen zu kombinieren, um zu neuen Erkenntnissen zu gelangen

Eine technische Voraussetzung, um die Chancen von Smart Data voll auszuschöpfen, ist die Kombination herkömmlicher Analyse-Methoden mit Künstlicher Intelligenz (KI). Damit lassen sich in großen Datenmengen Muster erkennen und Daten so segmentieren, dass daraus Informationen werden. Zu den technologischen Säulen einer professionellen Smart Data & Analytics-Strategie zählen:

  • die Sensorik
  • ein leistungsfähiges Data Center
  • professionelle Anwendungen
  • durchdachte Cyber-Security- und Data Center Security-Strategien

Die Herkunft von Smart Data ist vielfältig. Zu den Quellen gehören insbesondere:

  • das Internet
  • elektronische Smart Home-Geräte
  • Smartphones und Telefone
  • vernetzte Fahrzeuge und Infrastrukturen
  • Mehrwertdienste wie Bezahlsysteme
  • das Internet of Things (IoT)

Wenn Menschen Entscheidungen treffen, geschieht das selten rein faktenbasiert. Der Prozess kann begrenzt sein durch Emotionen oder die menschliche Unfähigkeit, einen bestimmten Grad an Informationsüberflutung zu verarbeiten. Mit Smart Data lässt sich das ändern: durch Hinzufügen von mehr Datenpunkten aus neuen Quellen, durch automatisierte Algorithmen und/oder den Abbau von Informationsasymmetrien. Das steigert die Möglichkeiten, die daraus resultierenden Erkenntnisse zu nutzen, um Entscheidungen schneller, genauer, konsistenter und transparenter zu treffen.

Was Smart Data im industriellen Bereich bringt

Die produzierende Industrie hat bislang etwa 20 bis 30 Prozent ihres Potenzials rund um Smart Data bereits realisiert, das gilt vor allem für die Automotive-Branche. Hier haben einige Unternehmen bereits ihre gesamte Wertschöpfungskette bzw. den gesamten Produktionsprozess digitalisiert. Mit  Sensordaten-gesteuerten Betriebsanalysen kann es gelingen, Betriebskosten um durchschnittlich 5 bis 15 Prozent zu senken. Auch After Sales-Service-Angebote basieren inzwischen auf Echtzeitüberwachung und vorausschauender Wartung.

Interne Kosten- und Ertragsoptimierung

Auf der Kostenseite lassen sich mit Smart Data die vorausschauende Instandhaltung, das Talent- und Prozessmanagement, Beschaffung sowie Logistik- und Lieferkettenplanung optimieren. Auf der Einnahmenseite helfen Smart Data dabei, weitergehende Erkenntnisse darüber zu gewinnen, wie neue Märkte funktionieren, was bestimmte Kundensegmente charakterisiert, wie sich Produkteigenschaften verbessern lassen oder Vertriebskanäle effektiver gestaltet werden können.

Optimierung von Betrieb und Produktion

Auch im operativen Bereich und in der Fertigungsumgebung lässt sich das Wertschöpfungspotenzial von Smart Data wirksam ausnutzen: 

  • Steigerung von Effizienz und Operation Excellence des Betriebs in Echtzeit – einschließlich Automatisierung von Anlagen und Maschinen zur Fehlervermeidung und Effizienzsteigerung
  • Optimierung des Supply Chain Managements

Wirtschaftlicher Mehrwert dank Smart Data

  • Was ist das Wesentliche bei Smart Data?
  • Was bringen datengetriebene Lösungen im Alltagsgeschäft?
  • Wie lassen sich KI, maschinelles Lernen und IoT sinnvoll verbinden?

Lesen Sie in diesem Whitepaper warum Smart Data und Analytics untrennbar sind, welches Wertschöpfungspotential in intelligenten Daten steckt und über den Start in die Data & Analytics-Transformation ​

Smart Data in industrieller Anwendung

Herausforderung: Der Ausfall von Industrieanlagen führt innerhalb kurzer Zeit zu massiven Umsatzeinbußen. Energie-Blackouts sind nicht vorhersehbar, weil es keine systematisierte Kontrolle über Defekte und Sicherheitsfragen gibt. Kritische Infrastrukturen sind nicht per se digitalisiert. Die allgemeine Versorgungssicherheit ist unter Umständen gefährdet.

Lösung: Predictive Maintenance verfolgt den vorausschauenden Ansatz, bei dem Maschinen und Anlagen proaktiv und auf Basis dauerhaft erhobener Daten gewartet werden. Essenzielle  Voraussetzung dafür ist die umfassende Datenerfassung in der Produktion bzw. der kritischen Infrastruktur. Die Messdaten stammen aus Maschinen und Anlagen. Sensoren in Maschinen und Fabrikanlagen senden Daten über Vibrationen, Laufgeräusche oder Temperatur in die Cloud, wo sie ausgewertet und auf sich möglicherweise ankündigende Probleme hin untersucht werden.

Die Turbinen in einem Kraftwerk haben z. B. ein regelmäßiges akustisches Muster, das sich bei Veränderungen in ihrer Struktur ebenfalls verändert. So ist es möglich, Materialermüdung frühzeitig anhand der veränderten Schallsignatur zu erkennen. In Ableitung aus diesen Daten lassen sich die Wartungsintervalle der einzelnen Bauteile und Maschinen bestimmen. Damit werden Ausfallrisiken effektiv verkürzt und reduziert.

Smart Devices für ein smartes Aufgabenspektrum

Einbindung von intelligenten Geräten in Steuerungsprozesse

Definition Smart Devices

Smart Devices sind zumeist smarte Computer und Kommunikationsgeräte wie Tablets, Smart Watches, Fitness Tracker oder Smartphones. Eingesetzt werden Smart Devices in Smart Homes, Smart Cities, Smart Factories, Smart Cars und Smart Wearables. Alle Alltagsgegenstände, die mit Sensoren ausgestattet sind und die ihre Daten mittels Prozessor verarbeiten, sind Smart Devices. Sie wurden entwickelt für das private Umfeld, für die Verbesserung der Lebensbedingungen sowie für kommunale, logistische, industrielle und produktionstechnische Aufgaben.

Smart Devices für die richtige Info am richtigen Ort

Smart Devices im Industrie 4.0-Umfeld sind elektronische Geräte, die kabellos, mobil, vernetzt und mit verschiedenen Sensoren – etwa Geosensoren, Gyroskopen, Temperaturfühler oder auch Kameras – ausgerüstet sind. Mit solchem Equipment lässt sich die richtige Information zur richtigen Zeit und vor allem am richtigen Ort zur Verfügung stellen.

Die Einbindung geeigneter intelligenter Geräte in die Unternehmensabläufe erfordert ein stringentes Konzept, das vor allem diese Anforderungen einlösen muss:

  • die Verarbeitung der Sensorik
  • die Entwicklung von Apps
  • die Einbindung in übergeordnete Planungs- sowie Steuerungsprozesse
  • die zugehörige technische Infrastruktur

Der tatsächliche Nutzen und Erkenntnisgewinn muss für jede Branche und jedes Unternehmen individuell abgewogen werden – und zwar bevor riesige Datenberge angehäuft werden. Erst diese Relevanz-Reflexion offenbart das eigentliche Potenzial der smarten Devices.

Beispiel für effiziente und smarte Bedienlösung

Das ist gängiger Alltag im Produktionsbetrieb: Der Maschinenbediener muss sich erforderliche Informationen zumeist auf Papier aus verschiedenen Quellen besorgen, um für anfallende Aktionen gewappnet zu sein. Und so funktioniert der moderne Ablauf: Apps liefern dem Bediener die notwendigen, kontextspezifischen Informationen zum richtigen Zeitpunkt. Dadurch weiß er jederzeit, welche Aufgabe als nächstes zu erledigen ist, um die Produktion am Laufen zu halten.

Auf dem Smartphone werden ihm zusätzlich detaillierte Beschreibungen und Handlungsanweisungen angezeigt. Alternativ wird eine Smart Watch eingesetzt. Mit dem Vorteil, dass der „Maschinist“ beide Hände für seine Aufgaben frei hat und durch Vibrationsalarm trotzdem unmittelbar benachrichtigt wird. Eingesetzte Apps sind idealerweise für beide Gerätetypen optimiert.

Die skizzierte Lösung nutzt Daten in Produktionsanlagen, die entweder über spezifische Schnittstellen von Maschinen oder einem MES-System (Manufacturing Execution System) zur Verfügung gestellt werden. Eine zentrale Server-Applikation übernimmt die Datenaufbereitung und stellt die aggregierten Informationen in erforderlicher Form über Interfaces allen mobilen Geräten zur Verfügung. Diese Server-Software kann sowohl auf lokaler Server-Hardware in der Produktionsanlage, als auch auf Cloud-Servern betrieben werden.

5G als Brücke zwischen heute und morgen

Warum das 5G-Funknetz für hohe Ansprüche prädestiniert ist

Definition 5G

5G ist die neue Generation im Mobilfunk und Plattform für die Kommunikation der nahen Zukunft. 5G schafft die Grundlage für die Vernetzung von intelligenten Geräten und von Maschinen in der Industrie. 5G sorgt für neue Kundenerlebnisse wie zum Beispiel Augmented Reality-Spiele. Außerdem unterstützt die Technik die Digitalisierung vieler Lebensbereiche. Ab 2020 soll das 5G-Netz in Deutschland für die Kunden verfügbar sein. Für diesen neuen Kommunikationsstandard werden zusätzliche Frequenzbänder benötigt, die von der Bundesnetzagentur mit großem medialem Echo versteigert werden.

Alltagsgegenstände, die mit Sensoren ausgestattet sind und die ihre Daten mittels Prozessor verarbeiten, sind Smart Devices. Sie wurden entwickelt für das private Umfeld, für die Verbesserung der Lebensbedingungen sowie für kommunale, logistische, industrielle und produktionstechnische Aufgaben.

Abgrenzung zwischen bisherigem 4G und neuem 5G

Der aktuelle Mobilfunkstandard 4G ist unter dem Namen Long Term Evolution (LTE) bekannt. Diese Technik erfüllt mit ihrer Netzabdeckung und der Netzgeschwindigkeit momentan fast alle Bedürfnisse von Privatkunden. Sie stellt für verschiedene alltägliche Anwendungen, zum Beispiel mobiles Streaming von Sportangeboten oder Datenaustausch über Messenger, eine ausreichende Datenrate bereit.

LTE kann im einfachen Betrieb eine Bandbreite bis zu 150 Mbit/s erzeugen. In Städten sind sogar bis zu 300 Mbit/s möglich. Diese Bandbreite ist praktisch für den schnellen Download von größeren Datenmengen. Die Einführung von 5G wird nicht das Ende von LTE bedeuten, sondern eine Weiterentwicklung zusätzlich zum bestehenden Netz: Durch den parallelen Betrieb beider Technologien können zukünftig größere Kapazitäten und schnellere Netzgeschwindigkeiten bedient werden.

5G als Kommunikationsstandard von morgen soll durch die wesentlich höhere Bandbreite neue Anwendungen ermöglichen und das positive Erlebnis für den Kunden erheblich steigern. Bereits jetzt nutzen Milliarden von Menschen im Zuge der Digitalisierung mobiles Internet. Hinzu kommt die Zahl von mehr als 100 Milliarden vernetzter Gegenstände, die Experten im Jahr 2020 erwarten.

Wie das 5G-Netz Industrie 4.0, IoT und Smart Citys pusht

Was kann 5G besser als das bisherige 4G? Was sind die neuen, von 5G gestützten Business- und Operating-Modelle? Und wie stabil ist 5G?

In diesem Whitepaper:

  • 5G-Netzausbau als Basis für digitale Innovation
  • industrielle & kommerzielle 5G-Anwendungen
  • Technologie, Anforderungen & Spezifikationen
  • Neue Geschäftsmodelle und Lösungen mit 5G
  • Herausforderungen beim 5G-Netzausbau
Technische Rahmenbedingungen & Spezifikationen

Das 5G-Netz ist die Antwort auf die Anforderungen der Digitalisierung. Es ist prädestiniert für die Anforderungen der Industrie 4.0 und unterstützt innovative Lösungen des Internet of Things, wie autonomes Fahren, intelligent vernetzte Haushalte und smarte Städte.

Eine der wichtigsten Voraussetzungen für das neue 5G-Netz bildet die Bereitstellung einer funktionierenden Gigabit-Infrastruktur (< 500 mbit). Erst solch eine Breitband-Infrastruktur ermöglicht überhaupt den mobilen Netzausbau mit 200 mbit.

Wie sich die agilen Fluggeräte kommerzielle Bereiche erschließen

Drohnen am Anfang einer steilen Karriere

Definition Drohnen

Als Drohnen werden unbemannte Flugobjekte bezeichnet, die durch eine Fernsteuerung oder einen Computer bedient werden. Anfangs spielerisch und nur für private Zwecke genutzt, werden Drohnen heute auch im kommerziellen Bereich eingesetzt, und zwar in Form von Multicoptern, für die eine private Nutzungsberechtigung vorliegen muss. Es gibt Drohnenarten wie den (sechsmotorigen) Hexacopter, die eine größere Anzahl Rotoren besitzen, dadurch schwere Gewichte heben können und bessere Aufzeichnungen machen. Kommerzielle Drohnen sind in der Regel mit einer GPS-Funktion ausgestattet; außerdem mit einem Gyronsensor – eine Funktion für die Korrektur der Fluglage des Multicopters etwa bei größerem Windwiderstand.

Die Nutzung von Drohnen im kommerziellen Bereich

Drohnen sind mittlerweile ein wichtiger Bestandteil der Industrie 4.0. Sie entlasten Mitarbeiter, indem sie relevante und riskante Arbeitsschritte übernehmen. Aktuell befinden sich deutschlandweit von rund einer halben Million Drohnen zwar nur 19.000 im kommerziellen Sektor, die Tendenz ist jedoch steigend. Laut Prognose des Bundesverbands der Deutschen Luftverkehrswirtschaft (BDL) und dem Bundesverband der Deutschen Luft- und Raumfahrtindustrie (BDLI) soll die Anzahl bis zum Jahr 2030 auf 126.000 Exemplare steigen.

Mit einem Wert von bis zu 10.000 Euro sind die agilen Fluggeräte für viele Unternehmen jedoch eine hohe Investition und mit einem kapitalen Risiko verbunden. Das Zusammenspiel von Preis und der derzeit nicht eindeutigen Gesetzeslage für die Nutzung von unbemannten Flugobjekten hemmen die gewerbliche Nutzung dieser hilfreichen Roboter.

Im Februar 2019 erhoben der BDL und der BDLI eine umfassende Analyse zum Thema Drohnennutzung in der deutschen Industrie. Dabei stellte sich heraus, dass Drohnen besonders häufig in der direkten Vermessung sowie Inspektion von Baustellen und bereits bestehenden Gebäuden (79 % und 53 %) im Einsatz sind. Außerdem werden die unbemannten Flugobjekte in Film- und Fotoproduktionen (35 %) sowie für die Zwecke Kartierung und Beobachtung (33 %) genutzt.

Wo kommerzielle Drohnen wertvolle Dienste bringen

Rettungsdienst: Drohnen können beispielsweise der Feuerwehr und anderen Rettungskräften in Krisensituationen helfen, einen Überblick über weiträumige Flächen zu erhalten. Dies ist besonders interessant für die Bergwacht.

Landwirtschaft: Landwirte können mit Kameradrohnen Felder kontrollieren, zum Beispiel um Wildschweine im Maisfeld aufzuspüren oder den Zustand von Pflanzen und Böden zu überprüfen. Auch zur Geländekartierung sind die Flugroboter überaus nützlich. Kommerzielle Drohnen sind mittlerweile auch für 2D- und 3D-Geomapping geeignet.

Logistik: Der Einsatz kommerzieller Drohnen für die Lieferung von Paketen ist besonders für den Online-Handel und für Online-Logistiker interessant.  Stichwort: Lieferung der Ware am Tag der Bestellung. Amazon testet diese Vertriebsart bereits. Hier werden kommerzielle Drohnen als Paketdrohnen eingesetzt.

Kommerzielle Fotografie: Drohnen können Aufnahmen anfertigen, die ansonsten nicht möglich wären. Hierunter fallen beispielsweise Bilder aus der Vogelperspektive oder Videos, bei denen die Drohne Objekten folgt.

Baugewerbe & Handwerk: Auf Großbaustellen machen sich kommerzielle Drohnen ebenfalls nützlich. Dachdecker können vom sicheren Boden aus den Zustand von Dächern mithilfe hochauflösender Fotos beurteilen, die Kameradrohnen geschossen haben.

Was Drohnen für die Industrie 4.0 leisten können

Bei der reaktiven Instandhaltung wird immer dann repariert, wenn sich im Zuge einer Wartung Defekte und Verschleiß zeigen oder wenn Maschinen und Anlagen aufgrund von Defekten ausfallen. Obwohl nachweislich mit Mehrkosten und einem höheren finanziellen Aufwand für die Instandsetzung verbunden, wird diese Methode in vielen Bereichen heutzutage immer noch recht häufig angewandt.

Der Einsatz einer Drohne kann die reaktive Instandhaltung zumindest zum Teil verbessern: Das Fluggerät fliegt schwer erreichbare Stellen binnen kurzer Zeit an und liefert zuverlässige Daten. Das spart Zeit und Kosten für den Aufbau von Gerüsten, beschleunigt Instandhaltungsprozesse und hält somit Anlagenstillstände kurz.

Bei der präventiven Instandhaltung werden Anlagen gewartet, bevor ein Ausfall droht. Derartige Vorbeugemaßnahmen basieren auf zuvor festgelegten Zeitintervallen, die sich in der Regel an den Laufzeiten der Maschinen bzw. Anlagen orientieren. Zur Durchführung werden die Systeme regelmäßig heruntergefahren und auf Verschleiß, defekte Bauteile oder Materialschwächen und Funktionseinschränkungen hin kontrolliert.

Zur Verifizierung der notwendigen Instandhaltungsaktionen fliegen Drohnen Innen- und Außenbereiche von Anlagen schnell und effizient ab und liefern Daten für das Condition Monitoring. Auch hier kann auf den Einsatz von Gerüsten, Hubarbeitsbühnen und Kletterern verzichtet werden, die Anlagenstillstände lassen sich weiter verkürzen.

Prädiktive Instandhaltung – auch Smart Maintenance genannt – beschreibt einen Prozess, bei dem Instandhaltungen zustandsabhängig ausgeführt werden. In den verfügbaren Instandhaltungsstrategien gewinnen zustandsorientierte Maßnahmen immer mehr an Bedeutung und sind ein wichtiger Bestandteil der Industrie 4.0. Mit moderner Messtechnik ist es heute problemlos möglich, den Ist-Zustand von Anlagen und Maschinen präzise zu erfassen, zu bewerten und den Verschleiß vorherzubestimmen.

In der prädiktiven Instandhaltung spielen Drohnen eine essentielle Rolle, da nicht alle Anlagen oder Anlagenteile kurzfristig mit entsprechender Sensorik und Messtechnik ausgerüstet werden können. Darüber hinaus lässt sich der Zustand vieler Anlagen nicht allein durch die eingebauten Sensoren bestimmen. Traditionelle Sichtprüfungen hingegen sind häufig mit dem Aufbau von Gerüsten oder dem Einsatz von Kletterern verbunden. Per Drohne lassen sich kurzfristig die geeigneten Daten für das Condition Monitoring generieren.

Industrielles Einsatzspektrum von Drohnen und deren Aufnahmen:

  • Prüfung der Integrität von Bauwerken und Anlagen
  • Inspektion von Schweißnähten und Verbindungsstellen an technischen Anlagen und Tanks
  • Inspektion von Schrauben, Bolzen und Stutzen an technischen Anlagen
  • Überprüfung von Korrosion, Anbringen von Korrosionsschutz
  • Zuarbeit für die Erstellung von Gutachten oder Zustandsberichten
  • Einbindung in die Instandhaltungsplanung
  • Inspektion von Bauwerken und Industrieanlagen
  • Inspektionsflüge für die Industrie 4.0

Rechtliche Rahmenbedingungen in Deutschland

Die Rechtslage in Deutschland für die Verwendung von privaten und kommerziellen Drohnen ist im § 16 LuftVO festgelegt. So wird eine Aufstiegserlaubnis nur erteilt, wenn die Drohne nicht mehr als fünf Kilogramm wiegt und sie privat genutzt wird. Dies bedeutet, dass für die gewerbliche Nutzung immer eine Aufstiegsgenehmigung vorliegen muss. Diese wird vom Luftfahrtbundesamt des jeweiligen Bundeslandes erteilt.

Somit muss eine solche Genehmigung für jedes Bundesland und jeden Flugeinsatz einzeln beantragt werden. Dabei darf das Abfluggewicht von 25 Kilogramm nicht überschritten werden. Bei einem Aufstiegsgewicht bis zu fünf Kilo gelten vereinfachte gewerbliche Aufstiegsgenehmigungen. Diese können pauschal beantragt werden und sind bis zu zwei Jahre gültig.

Weiterhin ist es Voraussetzung, dass für das Fliegen einer Drohne eine Haftpflichtversicherung besteht. Zudem gibt es viele gesetzliche Einschränkungen bei der Nutzung von Drohnen. So gibt es zum Beispiel Zonen, in denen Drohnen nicht fliegen dürfen. Hierunter fällt beispielsweise der Luftraum der Flugzeuge. Eine weitere gesetzliche Einschränkung ist die Regelung, dass Drohnen nicht über Menschen fliegen dürfen.

Welche Vorteile und Risiken die neuen Business-Ökosysteme haben

Business Ecosystems für ein neues Miteinander

Definition Business Ecosystem

 Im Kontext der digitalen Industrie steht ein Business-Ökosystem für die zunehmende Vernetzung von Unternehmen und Branchen – und damit auch das Verschwimmen ihrer Grenzen. Ab einem gewissen Vernetzungsgrad und einer damit einhergehenden Automatisierung laufen ökonomische Netzwerke teil- bis selbstorganisiert, und aus Value Chains werden Ökosysteme.

Aus Branchen werden übergreifende Komplexe

Der Maschinenraum eines Unternehmens ist da, wo sich das gemeinsame Wissen bündelt und alle unternehmerischen Prozesse zusammengeführt werden. Aus diesem Zentrum geht das Business Ecosystem hervor, das alle Menschen miteinander vernetzt: Kunden, Mitarbeiter, Partner oder auch Wettbewerber.  

Immer mehr Unternehmen bauen ihr eigenes Ecosystem auf und verbinden es mit denen anderer Unternehmen – organisationsübergreifend und interdisziplinär. So entsteht ein großes Netzwerk, das alle Beteiligten dabei unterstützt, Prozesse zu vereinfachen und Fähigkeiten effizient einzusetzen. Gemeinsame, größere Ziele können so schneller erreicht werden. Das Zeitalter der digital basierten, auf breitbandigen Kommunikationstrassen ruhenden Kreativökonomie ist angebrochen – und es gilt Abschied zu nehmen von der rationalen Leistungsgesellschaft.

Eine Studie des Unternehmensberaters McKinsey geht davon aus, dass aus heute mehreren Hundert Branchen in Zukunft nur noch zwölf übergreifende Komplexe wie beispielsweise „Reise und Hospitalität“, „Mobilität“ oder „Bildung“ übrigbleiben werden. Welche Bereiche im Zuge dieser Verdichtung genau überleben, sei zum jetzigen Zeitpunkt noch höchst spekulativ. Eines ist aber sicher: Die Branchen werden sich massiv verändern. Sie werden sich entlang von Kundenerlebnissen und -prozessen auf einem höheren Aggregationslevel neu strukturieren. Diese neue Aggregationsebene ist nichts Anderes als das Business Ecosystem.

Im engen Partnerverbund neue Märkte erobern

Das ist die substanzielle Idee eines Business Ecosystems: Eine Gruppe von drei bis zehn Firmen erbringt gemeinsam eine Leistung für den Kunden, die ein einzelnes dieser Unternehmen nicht allein bewerkstelligen könnte. Im Idealfall ist diese Leistung nicht nur die Addition der Einzelbeiträge aller Beteiligten, sondern geht darüber hinaus. Voraussetzung: Alle Partner arbeiten auf ein gemeinsames Kundenbedürfnis – die sogenannte Value Proposition – hin und sind dafür eng vernetzt. Eine zentrale Firma orchestriert dabei diese enge Vernetzung.

Die Adressierung des Kundenbedürfnisses kann dabei zwei Ausprägungen haben:

  • Die Ecosystem-Partner konzentrieren sich gemeinsam auf ein spezifisches Kundenbedürfnis, das sie alleine nicht erfüllen können.
  • Die Ecosystem-Partner erbringen ein gemeinsames Leistungsbündel, das etwa eine gesamte Customer Journey abdeckt.

Die Vorteile eines Business Ecosystems:

  • Entwicklung überlegener Produkte und Dienstleistungen im Partnerverbund, gemeinsames Erschließen neuer Märkte
  • Verschaffen von Wettbewerbsvorteilen in den bestehenden Märkten gegenüber klassischen Produktanbietern
  • Zugänge zu Kunden, Kompetenzen oder Ressourcen, die bislang nicht zur Verfügung standen, vom Einzelnen kostspielig hätten aufgebaut werden müssen und nun via Partner möglich sind

Kampf der Business Ecosystems gegeneinander

Die enge Zusammenarbeit mit den Partnern bedeutet aber auch eine Abhängigkeit. Diese ist umso größer, je intensiver die Partner miteinander vernetzt und damit schwerer austauschbar sind. Bricht einer dieser Partner weg, bricht im schlimmsten Fall auch die Value Proposition und damit das ganze Ecosystem zusammen. Außerdem erzeugen die intensiven Abstimmungen zwischen den Partnern einen hohen Orchestrierungsaufwand.

Wenn sich Business Ecosystems flächig durchsetzen, werden nicht mehr Firmen mit einzelnen Produkten um die Gunst des Kunden kämpfen. Stattdessen treten Ecosystems miteinander in Konkurrenz. Sie werden versuchen, die kleinste oder schwächste Firma aus einem anderen Ecosystem herauszukaufen. Aufgrund der engen Verbindung zwischen allen Partnern wird das andere Ecosystem dadurch geschädigt oder sogar zerstört. Jedes Ecosystem ist daher nur so stark wie der schwächste Partner. Die Bindung der Partner an den Orchestrator wird somit essentiell.

Management Summary

Weitere spannende Downloads zum Thema

Rückrufwunsch

Sie möchten Ihre Fragen oder Wünsche zeitnah in einem persönlichen Telefonat besprechen? Dann lassen Sie sich doch von uns zurückrufen. Bitte nennen Sie uns einfach Ihren Namen und Ihre Telefonnummer und wir melden uns zeitnah zur Abstimmung eines Telefontermins.

https://evm.industrie2030.digital/event.php?eid=6170&status=teilnehmer&uk=%5B%3Fuk%3F%5D&src=WP&iframe=1
Share on xing
Share on twitter
Share on linkedin
Share on email
Loading...