In vielen Produktionsbetrieben entstehen bereits große Mengen an Maschinendaten. Sensoren erfassen Temperaturen, Drücke, Schwingungen oder Energieverbräuche. Maschinensteuerungen liefern zusätzlich Informationen zu Betriebszuständen, Werkzeugen, Störungen und Fertigungsabläufen.
Die Herausforderung besteht häufig nicht darin, weitere Daten zu erzeugen, sondern vorhandene Informationen aus unterschiedlichen Anlagen zusammenzuführen. Maschinen verschiedener Hersteller und Baujahre verwenden unterschiedliche Schnittstellen, Kommunikationsprotokolle und Datenformate. Dadurch bleiben relevante Informationen häufig innerhalb einzelner Maschinen oder Steuerungssysteme.
IoT in der Produktion schafft die technische Grundlage, um diese Daten gemeinsam nutzbar zu machen. Dafür müssen Maschinen angebunden, Daten strukturiert übertragen, eindeutig zugeordnet und gegen unbefugte Zugriffe geschützt werden. Erst auf dieser Grundlage können Anwendungen wie Zustandsüberwachung, Predictive Maintenance oder KI-basierte Analysen zuverlässig arbeiten.
Kurzfassung
- Gateways und Edge-Systeme verbinden Maschinen unterschiedlicher Generationen mit übergeordneten IT-Systemen.
- Kommunikationsprotokolle wie OPC UA und MQTT übernehmen unterschiedliche Aufgaben beim Austausch und bei der Bereitstellung von Daten.
- Messwerte benötigen Kontext wie Zeitpunkt, Einheit, Maschine, Betriebszustand oder Fertigungsauftrag.
- Security umfasst die Trennung von Produktions- und IT-Netzen, kontrollierte Zugriffe und abgesicherte Fernwartung.
- KI-Anwendungen benötigen konsistente Produktionsdaten und Informationen über den jeweiligen Prozesszustand.
Wie Produktionsdaten aus unterschiedlichen Maschinen zusammengeführt werden
Sensoren erfassen physikalische Größen wie Temperatur, Druck, Schwingung oder Drehzahl. Gleichzeitig liefern SPS- und CNC-Steuerungen Informationen über den laufenden Produktionsprozess.
Bei einem CNC-Bearbeitungszentrum kann beispielsweise ein Sensor die Vibration an der Spindel messen, während die Steuerung Drehzahl, Werkzeugnummer und Maschinenzustand bereitstellt. Beide Datenquellen beschreiben denselben Bearbeitungsprozess, liegen technisch jedoch zunächst getrennt vor.
Der Datenfluss lässt sich vereinfacht so darstellen:
Sensor oder Maschinensteuerung → Produktionsnetzwerk → Gateway oder Edge-System → MES, Datenplattform oder Cloud
Besonders bei bestehenden Produktionsanlagen ist die Anbindung nicht einheitlich. Moderne Maschinen verfügen häufig über Ethernet-basierte Schnittstellen, ältere Systeme nutzen serielle oder herstellerspezifische Verbindungen.
Ein Gateway kann zwischen diesen Systemen vermitteln. Es liest Daten aus Maschinen aus, übersetzt Kommunikationsprotokolle und überführt Informationen in ein Format, das übergeordnete Systeme weiterverarbeiten können. Dadurch lassen sich auch Bestandsanlagen einbinden, sofern ihre Betriebsdaten über vorhandene Schnittstellen oder zusätzliche Sensoren zugänglich sind.
Welche Rolle Kommunikationsprotokolle spielen
Innerhalb einer Produktionsanlage werden unterschiedliche Protokolle eingesetzt. PROFINET, EtherCAT, Modbus TCP oder CAN-Bus übertragen beispielsweise Informationen zwischen Steuerungen, Sensoren und Antrieben.
Beim Austausch mit übergeordneten IT-Systemen kommen häufig OPC UA und MQTT zum Einsatz. Beide erfüllen unterschiedliche Aufgaben.
OPC UA kann Maschinendaten strukturiert bereitstellen. Neben einem Messwert lassen sich Informationen darüber abbilden, zu welcher Maschine, Komponente oder Messgröße dieser Wert gehört. Das erleichtert die einheitliche Interpretation von Daten aus unterschiedlichen Anlagen.
MQTT arbeitet dagegen nach einem Nachrichtenprinzip. Eine Maschine oder ein Gateway veröffentlicht Informationen zu einem bestimmten Thema, während andere Systeme diese Daten abonnieren können. Das eignet sich beispielsweise, wenn Zustandsdaten an mehrere Anwendungen oder eine zentrale Datenplattform verteilt werden sollen.
In einer Produktionsarchitektur können deshalb beide Technologien verwendet werden. Entscheidend ist nicht ein bestimmtes Protokoll, sondern dass Daten zuverlässig übertragen und von den beteiligten Systemen eindeutig interpretiert werden können.
Warum der Messwert allein nicht ausreicht
Eine große Datenmenge bildet noch keine geeignete Grundlage für Analysen. Ein Vibrationswert von 4,2 ist beispielsweise kaum aussagekräftig, wenn Einheit, Sensorposition, Maschine und Messzeitpunkt unbekannt sind.
Auch der Betriebszustand verändert die Bedeutung eines Wertes. Eine bestimmte Vibration kann bei hoher Spindeldrehzahl normal sein, bei niedriger Drehzahl jedoch auf Verschleiß hinweisen.
Produktionsdaten müssen deshalb mit Kontextinformationen verknüpft werden. Dazu gehören beispielsweise Zeitstempel, Maßeinheit, Maschine, Sensorposition, Drehzahl, Werkzeug, Produktvariante oder Fertigungsauftrag.
Damit entsteht aus einzelnen Messwerten ein nachvollziehbarer Prozesszustand. Erst dadurch können Daten verschiedener Maschinen miteinander verglichen und Veränderungen über längere Zeiträume zuverlässig bewertet werden.
Wann Edge Computing eingesetzt wird
Sensoren mit hohen Abtastraten können innerhalb kurzer Zeit sehr große Datenmengen erzeugen. Nicht jede dieser Informationen muss dauerhaft an eine zentrale Plattform übertragen werden.
Ein Edge-System verarbeitet Daten bereits in der Nähe der Maschine. Es kann Messwerte filtern, Kennzahlen berechnen oder nur auffällige Veränderungen weiterleiten. Bei Schwingungsdaten kann beispielsweise aus vielen einzelnen Messpunkten zunächst ein Kennwert berechnet werden, bevor die Information an ein übergeordnetes System übertragen wird.
Dadurch sinken Datenmenge und Netzwerklast. Gleichzeitig können zeitkritische Auswertungen lokal erfolgen. Bestimmte Funktionen bleiben dadurch auch verfügbar, wenn die Verbindung zu einer zentralen Plattform vorübergehend unterbrochen ist.
Warum Security Teil des Datenaustauschs ist
Durch die Verbindung von Produktionsanlagen mit IT-Systemen entstehen zusätzliche Kommunikationswege. Ohne geeignete Schutzmaßnahmen können darüber Steuerungen, Gateways oder Produktionsdaten erreichbar werden.
Produktions- und Verwaltungsnetze sollten deshalb voneinander getrennt und in definierte Bereiche segmentiert werden. Firewalls oder vergleichbare Sicherheitskomponenten legen fest, welche Systeme über diese Grenzen hinweg miteinander kommunizieren dürfen. Eine Maschine muss beispielsweise nicht auf das gesamte Unternehmensnetz zugreifen können, nur weil ihre Daten an eine zentrale Plattform übertragen werden.
Zusätzlich müssen Rollen und Zugriffsrechte festgelegt werden. Maschinenbediener, Administratoren und externe Servicetechniker benötigen unterschiedliche Berechtigungen. Fernwartungszugänge sollten authentifiziert, kontrolliert und nur für die erforderlichen Systeme freigegeben werden.
Eine besondere Herausforderung stellen ältere Anlagen dar. Sie unterstützen teilweise keine aktuellen Verschlüsselungs- oder Authentifizierungsverfahren und lassen sich nicht ohne Weiteres aktualisieren. In solchen Fällen muss die umgebende Architektur Schutz übernehmen, beispielsweise durch Netzwerksegmentierung, Firewalls und vorgeschaltete Gateways.
Welche Voraussetzungen KI-Anwendungen benötigen
KI kann Produktionsdaten nutzen, um Muster oder Veränderungen zu erkennen. Bei Predictive Maintenance werden beispielsweise Schwingungen, Temperaturen, Stromaufnahme und Betriebsstunden analysiert, um Hinweise auf zunehmenden Verschleiß zu finden.
Eine Anomalieerkennung verfolgt einen anderen Ansatz. Sie untersucht zunächst das normale Verhalten einer Maschine und erkennt anschließend Abweichungen, auch wenn der konkrete Fehler noch nicht bekannt ist.
Beide Anwendungen benötigen eine konsistente Datengrundlage. Fehlende Zeitstempel, unterschiedliche Einheiten oder falsch zugeordnete Sensorwerte können dazu führen, dass Zusammenhänge falsch bewertet werden.
Zusätzlich muss der Prozesskontext berücksichtigt werden. Ändern sich Werkzeug, Material, Produktvariante oder Drehzahl, können sich auch Messwerte verändern, ohne dass ein technischer Fehler vorliegt. KI kann deshalb eine unzureichende Datenstruktur nicht ausgleichen. Sie ist auf Daten angewiesen, die bereits zuverlässig erfasst und eindeutig zugeordnet wurden.
Fazit
Der Datenaustausch zwischen Maschinen und IT-Systemen bildet die Grundlage für viele IoT-Anwendungen in der Produktion. Entscheidend ist nicht, möglichst viele Daten zu erfassen, sondern relevante Informationen aus unterschiedlichen Quellen zuverlässig zusammenzuführen.
Gateways und Kommunikationsprotokolle ermöglichen die technische Verbindung. Kontextinformationen machen Messwerte interpretierbar, Edge-Systeme übernehmen bei Bedarf die lokale Verarbeitung und eine geeignete Security-Architektur schützt die entstehenden Zugriffswege.
Erst wenn diese Grundlagen zuverlässig funktionieren, können Produktionsdaten sinnvoll für Zustandsüberwachung, Predictive Maintenance, Anomalieerkennung oder KI-basierte Analysen eingesetzt werden.
