Industrial DataOps: Warum der dritte Weg zählt

Über KI in der Produktion wird viel geredet, fast immer über die Modelle obendrauf. Der eigentliche Engpass sitzt tiefer: die Maschinen anbinden und den Daten eine belastbare Bedeutung geben. Diese Schicht, im Markt inzwischen Industrial DataOps genannt, zählt: Schneider Electric übernimmt Cognite für 3,1 Milliarden Dollar. Die Frage, die der Preis überdeckt, ist eine andere. Wie kommt ein Werk an dieses Fundament, ohne sich neu abhängig zu machen?

Schnell anbinden, ohne den Stack wegzuwerfen

Anbindung gilt als 4- bis 8-Monats-Projekt, weil jede Maschine als neues OT-zu-IT-Gespräch behandelt wird. Das stimmt nicht. Ein Werk hat keine 200 einzigartigen Maschinen, sondern vielleicht 15 Typen. Die harte Arbeit steckt im Typ, nicht in der einzelnen Maschine. Ist die Typ-Arbeit einmal erledigt, wird die nächste Maschine desselben Typs zur Sache von Minuten.

Wichtig, weil oft falsch verstanden: Das ersetzt vorhandene Middleware wie Kepware, Ignition oder i-flow nicht, sondern konfiguriert sie über ein offenes Schema. Automatisiert statt abgelöst. KI hilft beim Entwurf: Sie erkennt, was eine Maschine über OPC-UA ausgibt, und erzeugt eine geprüfte, versionierte Konfiguration. Kein Plug-and-play, der erste Vertreter eines Typs ist echte Arbeit. Danach aber bricht die Kurve.

Eine Designentscheidung bestimmt, ob am Ende etwas belastbar ist: Telemetrie und Transaktionsdaten gehören nicht in denselben Topf. Ein Temperaturwert darf überschrieben werden, ein Fertigungsauftrag oder Chargensatz nicht, denn dessen Historie ist der eigentliche Wert. Wird beides vermischt, lässt sich am Tag der Prüfung nicht mehr belegen, was wirklich passiert ist. Werden beide dagegen schon an der Quelle getrennt und mit ihrer Herkunft versehen, ist alles, was darüber liegt, ob Auswertung, Dashboard oder KI-Agent, vom ersten Schritt an sauber und muss nicht nachträglich abgeglichen werden.

Besitzen, ohne allein zu sein

Hier wird gern ein falscher Gegensatz aufgemacht: mieten oder alles selbst bauen. Das ist nicht die Wahl. Das Fundament baut auf offenen Normen auf, etwa ISA-95 und i3X (CESMII), und das Modell liegt im eigenen Git des Werks, versioniert. Wird die Schicht als Plattform gemietet, bleibt am Vertragsende nur ein Datenexport, die Bedeutung bleibt beim Anbieter. Gehört das Fundament dem Werk, überlebt es einen Middleware- oder Anbieterwechsel, und ein zugekauftes Werk lässt sich mit demselben Modell anbinden, statt von vorn anzufangen.

Eigentum heißt dabei nicht Alleingang, aus drei Gründen. Ein Integrator richtet das Fundament ein und steht dahinter. Die Normen geben den Rahmen vor: Das Modell wird übernommen und erweitert, nicht erfunden. Und es entsteht aus einem Blueprint, einem bewährten Bauplan, der pro Werk instanziiert wird, statt auf der grünen Wiese. Die Werkzeuge lassen sich mieten, die Bedeutung sollte im Werk bleiben.

Die Wahl liegt nicht zwischen einem gemieteten Fabrikhirn und einem riskanten Alleingang. Es gibt einen dritten Weg: schnell gebaut, auf dem vorhandenen Stack, KI-gestützt und dem Werk gehörend. Die entscheidende Frage lautet daher weniger „welche KI", sondern: Wo liegt unser Datenmodell, in unserer Hand oder im Produkt eines Anbieters?