GAIA-X Projekt SmartMA-X

Die Produktion aufteilen

Die SmartFaxtory KL arbeitet an an einem Shared Production-Ansatz und bildet so die Grundlage für das europäische Infrastrukturprojekt GAIA-X.

Keran Sivalingam, Projektleiter von SmartMA-X (Bild: Technologie-Initiative SmartFactoryKL e.V.)

Die SmartFactory Kaiserslautern entwirft seit Jahren Visionen für die Produktion der Zukunft. Auf Industrie 4.0 im Jahr 2011 folgte 2019 das Update Production Level 4 (PL4), das durch seine modularen Grundprinzipien die theoretische Grundlage für GAIA-X bilden wird. Die Vision von PL4 ist eine resiliente Produktion, bei der GAIA-X eine wichtige Rolle spielt. Mit GAIA-X soll zukünftig eine europäische Dateninfrastruktur zu Verfügung stehen, um u.a. eine Shared Production zu realisieren. Dabei ist die Grundidee, dass Fertigungsfähigkeiten (Skills) angeboten werden, die europaweit frei auf dem Markt zur Verfügung stehen und genutzt werden können: Production-as-a-Service.

„Wir wissen, dass Maschinen aus verschiedenen Gründen oft nicht arbeiten. Manche Maschinen sind sogar nur wenige Tage im Monat in Betrieb, vor allem bei Mittelständlern. Da setzen wir an“, erklärt Prof. Martin Ruskowski, Vorstandsvorsitzender der SmartFactory Kaiserslautern. „Es wäre viel sinnvoller, wenn eine stillstehende Maschine von jemand anderem genutzt werden könnte. Diese ‚Fremdnutzer‘ zahlen dann für den Gebrauch. So haben Maschinenbesitzer und ‘Fremdnutzer‘ etwas davon.“

Geteilte Produktion

GAIA-X greift den Gedanken der ‘geteilten Produktion‘ auf. Shared Production oder Production-as-a-Service soll europaweit möglich werden. Dazu sind Maschinenmodule mit bestimmten Skills (Fertigungsfähigkeiten), wie bspw. ein Werkstück zuschneiden oder Metall fräsen, europaweit verbunden und können miteinander kommunizieren. Die Skills werden angeboten und können abgerufen werden. „GAIA-X muss eine sichere Dateninfrastruktur bieten“, sagt Ruskowski. „Deshalb wird im Unterschied zu bisher existierenden Clouds europäischer Datenschutz für GAIA-X gelten.“ So soll Datensouveränität sichergestellt werden. Aber auch die Datendurchgängigkeit entlang der Lieferkette haben die Wissenschaftler im Blick.

Das Produkt kennt sich selbst

Das von der SmartFactory 2019 veröffentlichte Update zur Industrie 4.0 – Production Level 4 – beschreibt die Vision einer solchen Fertigung. „Wir gehen darin von Skills, also Fertigungsfähigkeiten aus, die ein Produkt abrufen kann“, so Ruskowski. „Ein Produkt kennt demnach sich selbst und kommuniziert mit den angebotenen Skills und ruft diese zu seiner eigenen Fertigung ab. Im Prinzip spielt es dabei keine Rolle, ob das in einer Fabrikhalle geschieht oder europaweit.“

„Zuerst müssen wir unseren Demonstrator praktisch an das GAIA-X-Netzwerk andocken“, sagt Keran Sivalingam, Projektleiter von SmartMA-X, einem Teilprojekt der SmartFactory-KL. „Das, was wir in den nächsten Jahren entwickeln, wird dann zum Vorbild für alle anderen. Wir möchten definieren, wie Maschinen mit ihren Skills überhaupt Teil des GAIA-X-Netzwerkes werden können.“ Doch das soll erst der Anfang sein. Ein Blick in die Details zeigt die Komplexität der Aufgabe: Eine Fähigkeit (ein Skill) besteht aus vielen kleinen Teilen, so genannten Atomic Skills. Der Skill selbst ist also die Summe kleiner oder untergeordneter Skills, weshalb er Compound Skill genannt wird. So setzt sich bspw. der Compound Skill ‘Loch bohren‘ aus vielen Atomic Skills zusammen: Drehzahl, Bewegung zum Produkt, Bohrdruck, Bohrwinkel, etc. „Wir müssen nun erforschen und ausprobieren, welcher Grad an Abstraktion eines Skills notwendig und sinnvoll ist, um ihn im GAIA-X-Netzwerk anzubieten. Sind Compound Skills zielführender oder Atomic Skills?“, erläutert Sivalingam. „Vor allem müssen wir aber auch testen, was technisch überhaupt möglich und sinnvoll ist. Dazu gibt es bisher kaum Wissen.“

Maschinendaten für die KI-Forschung

Eine weitere Aufgabe von SmartMA-X ist die Arbeit mit Maschinendaten, die mit zunehmender Digitalisierung überall in großem Umfang generiert werden. „Bisher arbeitet kaum jemand damit“, sagt Projektleiter Sivalingam. Viele deutsche Mittelständler würden auf Daten sitzen, ohne zu wissen, welche praktischen Anwendungsmöglichkeiten es dafür gebe. „Erst seit wir auf echte Maschinendaten zurückgreifen können, können wir überhaupt vernünftig im Bereich industrieller KI-Anwendungen forschen“, so Sivalingam. „Deshalb bin ich sehr gespannt, welche Anwendungen oder Geschäftsmodelle wir in den nächsten Jahren unter Verwendung der maschinellen Daten aus unseren Forschungsarbeiten entwickeln.“

Trotz Blick in die Zukunft plant Ruskowski den nächsten konkreten Schritt für 2021: „Im Moment fokussieren wir uns auf Smart Maintenance“, sagt er. „Das setzen wir gerade in unserem Demonstrator mit unserem Partnerkreis um. Die Headline ist resiliente Produktion. Wie kann ich Module aus einem System herausnehmen, ohne dass die Produktion stoppt. Darauf zahlt auch GAIA-X ein, denn denkbar wäre, dass der ausfallende Skill irgendwo in Europa übernommen werden kann.“ Der Partnerkreis der SmartFactory-KL plant 2021 einen Smart Maintenance Use-Case zu präsentieren.

Das könnte Sie auch interessieren

Exklusiv für Abonnenten

95 Prozent der Unternehmen in Deutschland wollen mehr Digital-Know-how im eigenen Land, so eine Bitkom-Studie. Denn acht von zehn Unternehmen halten die Bundesrepublik für Abhängig vom Import digitaler Technologien, Dienstleistungen und Expertisen aus dem Ausland. Dabei müssen die USA als Handelspartner verlorenes Vertrauen wiederaufbauen.‣ weiterlesen

Anzeige

Maschinen in der Produktion werden zunehmend schlauer. Eine von Reichelt Elektronik in Auftrag gegebene Umfrage zeigt, dass sich Predictive Maintenance in der deutschen Industrie etabliert.‣ weiterlesen

Anzeige

Im vergangenen Jahr setzte sich die Idee der App ServiceNavigator beim it‘s OWL Makeathon durch. Nun ist das dieser Idee ein Projekt entstanden. Auch die Gründung eines Startups hat das Projektteam ins Auge gefasst.‣ weiterlesen

Anzeige

Der VDMA hat die Arbeitsgemeinschaft Wireless Communications for Machines (AG WCM) gegründet. Damit soll ein institutioneller und interdisziplinärer Rahmen für die Zusammenarbeit mit der Telekommunikationsindustrie und weiteren Interessensgruppen geschaffen werden.‣ weiterlesen

Exklusiv für Abonnenten

Um Störungen durch den Einsatz von künstlicher Intelligenz (KI) prognostizieren zu können, werden historische Störungsdaten benötigt. Diese stehen häufig nicht, oder nicht in ausreichender Menge, zur Verfügung. Deshalb ist oftmals die automatisierte Erkennung von Anomalien die Vorstufe zur Störungsprognose. Welche Herausforderungen und Lösungsansätze es zur automatischen Anomalieerkennung durch KI gibt, beschreibt der folgende Beitrag.‣ weiterlesen

In Deutschland steckt die Blockchain-Technologie noch in einer Nische fest, nur wenige Unternehmen beschäftigen sich damit. Zwar ist die Zahl der Start-ups in diesem Bereich seit 2015 stark gestiegen. Doch in Relation zur erwerbstätigen Bevölkerung gibt es hierzulande immer noch wenige Unternehmen, die sich der Technologie widmen. Das zeigt eine Studienreihe des Instituts der deutschen Wirtschaft (IW).‣ weiterlesen