Im Begriffsdschungel der Digitalisierung ist es nicht immer leicht, den Überblick zu behalten.
Ob in politischen, ethischen oder fachlichen Diskussionen in der Industrie: Die Digitalisierung ist omnipräsent. Dabei werden zahlreiche Digitalisierungs-Begriffe häufig einfach stillschweigend vorausgesetzt oder als Schlagwort verwendet. Eine nähere Auseinandersetzung mit den entsprechenden Definitionen ist jedoch keine reine Pflichtaufgabe, sondern auch ein echtes Vergnügen für jeden Technikinteressierten. Was früher noch wie Science-Fiction klang, lässt sich bereits heute hautnah in der Praxis erleben. Im Folgenden möchten wir daher zentrale Begriffe der Digitalisierung vorstellen.
Wie digital ist der europäische Maschinenbau?
Ein aufschlussreicher europäischer Ländervergleich und zahlreiche Empfehlungen: Nutzen Sie die Erfahrung von 295 Entscheidern aus dem Bereich Konstruktion!
Jetzt sichern
Big Data
Als Big Data werden Datenmengen bezeichet, die mit herkömmlichen Methoden der Datenverarbeitung, etwa manueller Analyse, nicht auswertbar sind, weil sie beispielsweise zu komplex, zu groß, sich häufig verändernd oder nicht strukturiert genug sind. Aufgrund der fortschreitenden Digitalisierung steigt das Datenvolumen immer weiter. Für die Diskussion rund um Big Data war vor allem die Definition der Unternehmensberatung Gartner einflussreich. Demnach sind für Big Data folgende Aspekte maßgeblich:
Volume: Der gewaltige Umfang der Daten
Velocity: Die hohe Geschwindigkeit, mit der Daten verarbeitet werden
Variety: Das große Spektrum der verfügbaren Datenquellen
Für die Bewältigung von Big Data bedarf es also entsprechender Lösungen auf Basis von künstlicher Intelligenz. Mit deren Unterstützung lassen sich aus den Datenmengen aufschlussreiche Erkenntnisse über die eigenen Maschinen und Kunden gewinnen. Der bekannte Spruch „Daten sind das neue Gold“ kommt nicht von ungefähr. Dabei ist natürlich immer der Datenschutz zu beachten, gerade vor dem Hintergrund der DSGVO.
Cloud Computing
Nutzer von Cloud Computing greifen – in der Regel über das Internet – auf die IT-Infrastruktur eines Anbieters zu. Somit können sie Speicherplatz, Rechenleistung oder Anwendungssoftware nutzen. Dadurch sparen Unternehmen Kosten für die Anschaffung von Hard- und Software ein. Auch eine schnelle Skalierung ist mit Cloud Computing möglich. Folgende Unterteilung des National Institute of Standards and Technology (NIST) ist immer noch maßgeblich, obwohl es Mischformen gibt: Bei „Software as a Service“ benötigt man lediglich einen internetfähigen Computer sowie einen Browser und nutzt die jeweilige Software in der Cloud. Ein Beispiel hierfür ist das item Engineeringtool. „Infrastructure as a Service“ stellt IT-Ressourcen wie Rechenleistung, Speicherplatz oder Netzwerkstrukturen in der Cloud zur Verfügung. „Platform as a Service“ schließlich bietet Programmierern eine ausgelagerte Umgebung zur Entwicklung und Bereitstellung neuer Anwendungen.
Digital Engineering
Digital Engineering bezeichnet die Nutzung neuartiger, digitaler Werkzeuge für die alltägliche Arbeit von Konstrukteuren im Maschinenbau. Die Funktionen der entsprechenden Software gehen weit über diejenigen von üblichen CAD-Programmen hinaus. Auch die Vernetzung der Konstrukteure spielt bei Digital Engineering eine entscheidende Rolle. Beim item Engineeringtool etwa können dank weltweit eindeutiger Projektnummern Entwürfe mit Kollegen auf der ganzen Welt geteilt werden. Integrierte Produktfinder, eine Drag-&-Drop-Funktionalität zur einfachen Platzierung von Komponenten und die automatische Ausrichtung der Komponenten erleichtern die Konstruktionsarbeit zusätzlich.
Digitalisierung
Der Begriff der Digitalisierung hat mehrere Bedeutungen. Zunächst kann damit ein rein technischer Vorgang gemeint sein: die Umwandlung von analogen in digitale Informationen. Wenn es dagegen um die Digitalisierung eines Unternehmens geht, gibt es zwei Optionen. Zum einen lassen sich mithilfe von digitalen Technologien und Tools interne Prozesse gemäß des kontinuierlichen Verbesserungsprozesses (KVP) optimieren. Andererseits können Unternehmen auf der Basis von technologischen Neuerungen ihr Geschäftsmodell erweitern oder sogar neu erfinden. Zudem wird der Digitalisierung-Begriff auch im Sinne von „digitaler Transformation“ verwendet. Diesem liegt eine ganzheitliche Perspektive zugrunde, welche den gesellschafts- und branchenübergreifenden Wandel in den Blick nimmt.
Industrie 4.0
Als Begriff wurde Industrie 4.0 von der Hightech-Strategie der Bundesregierung ins Leben gerufen. Ziel ist die Vernetzung der industriellen Produktion durch Informations- und Kommunikationstechnologie. Dies kommt in der Smart Factory beispielhaft zum Ausdruck: Hier werden etwa Werkstücke durch cyberphysische Systeme (CPS) durch einen Software-Agenten repräsentiert, sodass sie selbst kommunizieren können, um z.B. zu bestimmen, welcher Mitarbeiter sich für die Bearbeitung am besten eignet. Basis für eine solche Vernetzung ist das Industrial Internet of Things. Ein weiteres Beispiel: Fahrerlose Transportsysteme (FTS), die autonom Intralogistik-Aufträge abwickeln, sind bereits in zahlreichen Bereichen im Einsatz, etwa in der Automobilindustrie.
Künstliche Intelligenz (KI)
Von den hier vorgestellten Digitalisierungs-Begriffen ist künstliche Intelligenz (KI) sicherlich derjenige, der aktuell am stärksten diskutiert wird. Die Geschichte der KI ist ebenso spannend wie komplex. Grundsätzlich geht es jedoch immer darum, menschliche Wahrnehmung und Intelligenz maschinell nachzubilden. Im Industriekontext ist gerade Machine Learning relevant. Hierbei werden durch einen Algorithmus existierende Datenbestände auf wiederkehrende Muster hin analysiert. Anhand der Erkenntnisse kann die KI abstrahieren und dieses Wissen auf neue Daten anwenden. Deep Learning wiederum ist ein Teilbereich von Machine Learning, bei dem mittels künstlicher neuronaler Netze eine Maschine eigenständig „denkt“, also neue Verknüpfungen herstellt.
Predictive Maintenance
Übersetzt bedeutet Predictive Maintenance „vorausschauende Wartung“. Indem Daten einer Maschine kontinuierlich übermittelt und ausgewertet werden, können potenzielle Störungen proaktiv verhindert werden. Bereits minimale Abweichungen reichen aus, um abzulesen, dass eine Maschine nicht wie gewünscht funktioniert. Dies erfordert natürlich die Sammlung großer Datenmengen (also Big Data), um entsprechende Vergleiche anstellen zu können. Die Vorteile liegen auf der Hand: Durch Predictive Maintenance reduziert sich das Risiko von Ausfällen deutlich – und auch die Planung von Service-Einsätzen wird somit vereinfacht.
Sie interessieren sich für die Digitalisierung und Zukunft des Maschinenbaus? Dann haben wir etwas für Sie: Abonnieren Sie doch einfach den item Blog über die Box oben rechts!