Xpertiso,Lernfabrik,Industrie 4.0,I4.0

Durch das Trainingsprogramm von Xpertiso erfahren Industrie 4.0-Anwender, wie neue Technologien genutzen werden und eigene Strategien für das Unternehmen entwickelt werden können. - (Bild: Xpertiso)

Big Data ist ein weites Feld, mittlerweile tummeln sich unzählige Software-Anbieter, darunter viele Start-ups, im Markt, das macht es schwierig, den Überblick zu behalten. Auch die interne Kommunikation ist nicht immer einfach: In den Industrie-Unternehmen sind die Teams, die für die Umsetzung von Industrie  4.0 zuständig sind, multidisziplinär zusammengesetzt. Big-Data-Trainer Dr. René Brunner von Xpertiso erklärt, warum die Datenanalyse eine der wichtigsten Grundlagen von Industrie 4.0 ist – und wie Unternehmen ihre Strategie sinnvoll aufsetzen können.

Produktion: Herr Brunner, warum ist Big Data im Kontext von Industrie 4.0 so wichtig?

René Brunner: "Industrie 4.0 basiert auf vielen neuen Konzepten, bei denen es um Vernetzung und Intelligenz aus Daten geht, zum Beispiel Maschinen-, Sensor- oder Log-Daten. Zu den neuen Herausforderungen für die Unternehmen gehört deshalb das rasante Datenwachstum: Bald haben wir es mit bis zu mehreren Zettabyte zu tun, aus denen sich Potenzial herauslesen lässt. Auch das Erreichen immer effizienterer Analysen in Echtzeit, zum Beispiel von Zukunftsvorhersagen, und immer schnellerer Produktionsprozesse zählen dazu. Zugleich steigt die Datenvielfalt, es geht um die Zusammenführung dieser unterschiedlichen Daten, das Ableiten von Kennzahlen und die Verknüpfung mit Systemen mit strukturierten Daten wie ERP oder CRM."

Xpertiso,René Brunner
Xpertiso-Trainer Dr. René Brunner. - (Bild: Xpertiso)

Produktion: Welche Potenziale liegen in der Analyse großer Datenmengen für Unternehmen?

Brunner: "Es gibt unterschiedliche Mehrwerte von Big Data. Die eine Schiene besteht in der Kostensenkung durch Prozessoptimierung wie beispielsweise durch Preventive Maintenance. Die andere Schiene besteht in der Definition völlig neuer Business Cases. Ein Beispiel ist Adidas, das jetzt in Deutschland Sportschuhe individualisiert für den einzelnen Kunden herstellt.

Diese Use Cases können durch Machine-Learning-Algorithmen wie Recommendation, Classification und Clustering ermöglicht und unterstützt werden. Big Data hat die Hype-Phase allerdings verlassen, viele Unternehmen arbeiten bereits daran, ihre großen Daten zu bereinigen, damit in Zukunft Machine-Learning-Algorithmen darauf aufsetzen können. Von jetzt an hat dasjenige Unternehmen, das die schnellsten Analysen und besten Daten hat, das am besten die Zukunft planen kann, den größten Wettbewerbsvorteil."

Produktion: Was sind typische Hürden, die Industrie-Unternehmen auf dem Weg zu Big Data überwinden müssen?

Brunner: "Eine Zeit lang wurde gerade von den Herstellern von Big-Data-Software postuliert, dass es reicht, die Systeme zu installieren und einfach mit dem Datensammeln und -analysieren loszulegen. Das halte ich nicht für sinnvoll – da wird für Lizenzen gezahlt, oft ohne Business-relevante Ergebnisse. Teilweise werden mehrere unterschiedliche Systeme gekauft und es entstehen Anwendungszoos. Wer sich so festlegt, hat teilweise auch Probleme, die passenden Experten für eine bestimmte Lösung zu bekommen.

Stattdessen sollten Unternehmen mit einem konkreten Problem, einem bestimmten Business Case anfangen und zunächst ein fest umrissenes Ziel verfolgen. Oft reichen dann auch schon ein oder wenige Systeme. Die wichtigste Voraussetzung ist ein Vorgehensmodell, das die passende Architektur definiert. Darauf lässt sich dann aufbauen und weitere Bereiche erschließen. Datenqualität ist ebenfalls ein wichtiges Thema. Das Normalisieren und Säubern ist oft ein zeitintensiver Prozess, der leicht unterschätzt wird."

Produktion: Wer nutzt eigentlich Big-Data-Trainings?

Brunner: "Wir sehen oft in unseren Trainings, dass Industrie 4.0-Teams sehr multidisziplinär aufgestellt sind. Neben den Fachabteilungen, der IT und den Analysten sind auch Sicherheit und Datenschutz vertreten. Vor allem bei Produktionsanlagen ist der IT-Betrieb komplex, es hängen viele Themenbereiche daran und jeder hat seine eigenen Herausforderungen. Ein Training ist da eine gute Möglichkeit, erst einmal alle an einen Tisch und auf einen Nenner zu bekommen, um eine Vorgehensweise zu entwickeln. Wenn ein Fachbereich ein bestimmtes Thema hat, dann lässt sich ein Training natürlich auch darauf zuschneiden. Wichtig ist, dass Interesse und Offenheit in Bezug auf die neuen digitalen Themen vorhanden sind."

Produktion: Wie lässt sich Big Data überhaupt üben? Und was können die Teilnehmer mitnehmen?

Brunner: "Es wird mit Beispielen aus der Praxis gearbeitet und die Teilnehmer können im Big Data Lab in der Lernfabrik selber kleine Use Cases mit den Analysetools umsetzen. Zudem sehen wir uns Systemdemos an. In der Regel sind die Teilnehmer doch überrascht von der Vielfalt an Einsatzmöglichkeiten und Anwendungsszenarien, die es im Big-Data-Umfeld gibt. Häufig kommt dann schon eine klare Vision im Training heraus, wie die Architektur aussehen soll."

Xpertiso

Sie möchten gerne weiterlesen?