Big Data

Oberingenieur Alexander Epple, Werkzeugmaschinenlabor (WZL) der RWTH Aachen: „Rein abstrakte Big-Data-Ansätze stoßen im Produktionsumfeld schnell an ihre Grenzen. Mehr bringt es, produktionstechnisches Wissen mit den Daten zu verknüpfen.“ - Bild: WZL, RWTH Aachen

Produktion: Herr Epple, Sie leiten als Oberingenieur am Werkzeugmaschinenlabor WZL der RWTH Aachen die Abteilung Maschinendatenanalyse und NC-Technik: Wie kamen Sie dazu? Wäre das nicht eher etwas für Mathematiker gewesen?

Alexander Epple: "Ich bewundere Mathematiker für ihre mächtigen Algorithmen und ihre Eigenschaft, Probleme mit einem sehr hohen Abstraktionsgrad zu betrachten. Diese Fähigkeiten helfen auch bei der Big-Data-Analyse.

In der Produktionswelt gibt es – bedingt durch die Vielzahl an Maschinen und Verfahren – sehr unterschiedliche Arten von Daten. Miteinander vergleichbare Maschinen mit gleichen Prozessen sind daher selten. Rein statistische Ansätze führen unter diesen Voraussetzungen kaum weiter, und abstrakte Big-Data-Ansätze stoßen im Produktionsumfeld schnell an ihre Grenzen.

Mehr bringt es, produktionstechnisches Wissen, beispielsweise in Form von Modellen, mit den Daten zu verknüpfen. Daher hat auch der Ingenieur seinen Platz in der Big-Data-Welt."

Produktion: Spiegelt Ihr Team den interdisziplinären Ansatz?

Epple: "In meinem Team arbeiten sechs Wissenschaftler, die von qualifizierten Programmierern und Maschinentechnikern unterstützt werden. Das Team ist tatsächlich sehr interdisziplinär: Wir verfügen neben Maschinenbauern auch über Informatiker und Elektrotechniker.

Außerdem arbeiten Dr. Marcel Fey mit seiner Maschinentechnikabteilung und ich sehr eng zusammen, da seine Abteilung über umfangreiches Modellwissen verfügt. Zusammen sind wir fast 30 Wissenschaftler. Damit kann man Ideen schon vorantreiben. Momentan sind wir dennoch auf der Suche, um unser Team zu verstärken."

Big Data
Michael Königs, Wissenschaftler am Werkzeugmaschinenlabor WZL: „Durch Modellwissen lassen sich reine Signaldaten mit fehlenden Informationen anreichern.“ - Bild: WZL RWTH Aachen

Produktion: Wie weit verbreitet ist dieser fachübergreifende Ansatz in der Praxis?

Michael Königs: "Insbesondere im Bereich Simulation bestehen am WZL schon lange interdisziplinäre Teams. Auch an anderen Universitäten oder Forschungseinrichtungen hat sich dieses Vorgehen bewährt. Wir stellen aber auch fest, dass interdisziplinäre Teams im Kontext der modellbasierten echtzeitnahen Datenverarbeitung nicht länger nur optional sind.

Vielmehr führt zukünftig kein Weg an dieser Zusammenarbeit vorbei. Erst durch die Verknüpfung und das Zusammenbringen von Methoden und Modellen aus unterschiedlichen Fachbereichen kann das erhebliche Potenzial, das mit der Datenauswertung verbunden ist, erschlossen werden.

Zusammenfassend lässt sich somit sagen: Es gab schon immer interdisziplinäre Ansätze, diese werden jedoch zukünftig noch stärker an Bedeutung gewinnen."

Produktion: Herr Königs, Sie sind einer der Informatiker: Wie gehen Sie in der Welt des Maschinenbaus vor?

Königs: "Man lernt in der praktischen Anwendung sehr schnell, dass die Datenqualität aufgezeichneter Signale ausschlaggebend für den Erfolg einer Analyse ist. Es steckt nämlich entgegen der Meinung vieler nicht immer alles in den Daten.

So liefern Messsysteme einer Werkzeugmaschine zwar Positionsdaten, allerdings geben diese den realen Werkzeugpfad während einer Fräsbearbeitung nur näherungsweise wieder. Auf Abdrängungseffekte in Folge von Prozesskräften oder geometrisch-kinematische Ungenauigkeiten der eingesetzten Werkzeugmaschine etwa kann in der Regel nicht zurückgeschlossen werden.

Durch das Modellwissen können die reinen Signaldaten mit diesen fehlenden Informationen angereichert werden. Erst dieser veredelte Datensatz eignet sich zum Beispiel zur Prognose von erzielten Werkstückqualitäten noch während der Bearbeitung."