Warum die deutsche Wirtschaft KI jetzt wirklich braucht

Abseits von den brüchigen Zielen zur Klimaneutralität fehlt Deutschland eine Utopie zur Sicherung der Wettbewerbsfähigkeit. Mit der Industrie 4.0 gab es bis in das Jahr 2015 eine neue Utopie für die mitteleuropäische Industrie, die jedoch etwas in Vergessenheit geraten zu sein scheint. Der neue KI-Trend scheint diese Utopie nur wenig anzuheizen – Warum ist das so und wie bringen wir KI für unsere heimische Industrie voran?

Warum die deutsche Wirtschaft KI jetzt wirklich braucht

In einer immer komplexer werdenden Weltwirtschaft sind Krisen unvermeidlich. Ob es sich um globale Pandemien, geopolitische Konflikte oder wirtschaftliche Rezessionen handelt, diese Herausforderungen können das Fundament der mitteleuropäischen Industrie erschüttern. Die deutsche Industrie treffen diese Krisen nun ganz besonders, Deutschland steckt in der Rezession und die hohen Energiekosten spielen in Sachen negativer Aussichten auf die kommenden Jahre eine entscheidende Rolle.

Gleichzeitig rückt in diesen Zeiten die Künstliche Intelligenz (KI) ins Zentrum des Interesses. Nicht erst seit ChatGPT von OpenAI – eine Revolution auch für den privaten Alltag – wurde das Potenzial von KI erkannt, der Industrie helfen zu können. KI kann die Widerstandsfähigkeit der Unternehmen erhöhen und es ermöglichen, sich effizient neu organisieren zu können.

Auch Goolge stellt die Bedeutung von KI für die zukünftige Wettbewerbsfähigkeit des Wirtschaftsstandorts Deutschland heraus und präsentiert die Studie „Der digitale Faktor – Wie Deutschland von intelligenten Technologien profitiert“.

Laut IW Consult kann Künstliche Intelligenz die Wertschöpfung steigern, indem sie die Nutzung bestehender Ressourcen optimiert. Durch generative KI könnten Mitarbeiter durchschnittlich 100 Stunden jährlich sparen und diese Zeit effektiver nutzen. Dies würde insgesamt eine Mehrwertsteigerung von 330 Milliarden Euro bedeuten. Für die Realisierung dieses Potenzials ist es essentiell, dass KI in Unternehmen weiter verbreitet wird. Mindestens 50% der Firmen sollten KI einsetzen, um Tätigkeiten zu automatisieren, die derzeit von Angestellten erledigt werden.

Danach würden ca. 600.000 Unternehmen in Deutschland bereits Künstliche Intelligenz ein. Das entspräche rund 17% aller Unternehmen in Deutschland. Unternehmen, die bereits auf KI-Anwendungen setzen, nutzen entsprechende Tools zur Optimierung von Marketing oder Verkauf (21%), Informationsbeschaffung (25%), Datenanalyse (27%) oder zum Verfassen von Dokumenten (34%). Fast die Hälfte der Unternehmen plane demnach in den nächsten fünf Jahren, in KI zu investieren, die aktuell durch den Menschen durchgeführte Tätigkeiten übernimmt.

Industrie 4.0 – Der vergessene Hype?

Gerade die KI kann das Tor zu enormen Produktivitäts- und Innovationssteigerungen öffnen. Flexible und hocheffiziente Produktionsautomatisierung in der Industrie 4.0 dank KI-gesteuerter Produktionssysteme ermöglichen es in naher Zukunft, in Echtzeit auf dynamische Marktänderungen reagieren zu können. Es ermöglicht produzierende Unternehmen, ihre Produktion schnell an geänderte Nachfragebedingungen anzupassen und so wertvolle Ressourcen optimal zu nutzen.

Google Trends Germany 2023 - Industrie 4.0, KI, Process Mining, BI, Data Science, RPA, Cloud, Deep Learning

Google Trends Germany 2023 – Industrie 4.0, KI, Process Mining, BI, Data Science, RPA, Cloud, Deep Learning

Die Industrie 4.0 könnte als Buzzword-Trend auch deswegen nachlassen, weil diese bereits zum Teil einen Reifegrad in der Umsetzung erreicht haben könnte. Auch wenn einzelne Musterbeispiele und Erfolgsmeldungen Fortschritte in Umsetzung und Erfahrung mit Industrie 4.0 existieren, ist der große Durchsatz in der Etablierung in der mittelständischen Industrie bisher nicht zu verzeichnen.

Anwendungsbeispiele für KI in der Industrie

ChatGPT ermöglicht zwar, dass Programmierung für Maschinensteuerung automatisch geschrieben werden kann, ist wird für die Industrie jedoch eher überschätzt. Erwähnenswert ist auch, dass viele Lösungen auf Basis der Cloud-Services von Google, Microsoft oder anderen US-amerikanischen Anbietern nicht die erste Wahl sind, sollte es um Daten mit Geheimhaltungswert gehen. Hierfür gibt es jedoch auch Möglichkeiten, sich KI im Baukastensystem selbst zusammen zu stellen und auf eigene Infrastrukturen auszuliefern.

Large Language Modelle (LLM) gibt es auch als Open-Source-Varianten, die mit Datenbanken kombiniert und selbst-gehosted für Unternehmen vielfältige Anwendungsfälle voll- oder teil-automatisieren können. So können neue Produkte, Verträge und Marketing-Material automatisiert und für jeden Fall individualisiert werden.

Dennoch darf KI keinesfalls mit LLMs gleichgesetzt werden, denn sie stellen nur eine Facette der KI dar. Längst etablierte Konzepte wie etwa die Bestellzyklusoptimierung, Durchlaufzeitenvorhersage oder Predictive Maintenance benötigen ganz eigene KI-Modelle, die einerseits bereits vorhanden und im Einsatz sind, andererseits jedes Jahr in ihrer Präzision und Szenarien-Vielseitigkeit verbessert werden.

Vorher noch, wird KI die Büroarbeit revolutionieren und tut dies schon heute. Der klassische Excel-Controller wird von KI tendenziell ersetzt werden können, denn KI ist längst in der Lage, Daten in Tabellen für geschäftliche Bewertungen zu organisieren und auszuwerten. KI kann repetitive und zeitaufwändige Prozesse automatisieren, die bisher noch Mitarbeiterressourcen beanspruchten. In Krisenzeiten, in denen jede Effizienz zählt, kann die Automatisierung den Unterschied zwischen Überleben und Insolvenz bedeuten, denn mit austrainierten Entscheidungsmodellen kann der Personalaufwand in verschiedenen Branchen und Funktionen erheblich reduziert werden.

Künstliche Intelligenz – die neue Utopie der industriellen Revolution

KI wird nicht die alleinige Lösungsantwort auf steigende Energie- und Produktpreise, Fachkräftemangel oder Lohnnebenkosten sein, jedoch zu Automatisierung und Effizienzsteigerungen führen und der Industrie 4.0 damit mehr Lebendigkeit in der Umsetzung verleihen.

Es sollte uns zu Denken geben, dass diese Utopie nahezu alleinig dank der US-amerikanischen Tech-Konzerne ermöglicht wird, jedoch können deutsche und mitteleuropäische Unternehmen zu Vorreitern der Anwendungsentwicklung auf Basis der amerikanischen Cloud-Services werden, die eigene Industrieleistung erhöhen und ganz nebenbei im Laufe der Zeit eigene Alternativen – wie etwa Aleph Alpha – entwickeln oder sich an diesen Beteiligen.

Connected Industry e.V. - der Verband für Digitalisierung und Vernetzung

Über Connected Industry

Connected Industry e.V. ist der Verband für Digitalisierung und Vernetzung im industriellen Mittelstand. Der Verband vermittelt Unternehmen und Kompetenz in den Bereichen der Industrie 4.0 sowie den angrenzenden Bereichen Smart Factory, Smart Home, Smart Car und Smart Grid. Sie suchen Expertise? Dann sind Sie bei uns richtig!

AI as a Service – Daten verkaufen, ohne sie herauszugeben!

Dass Daten das neue Rohöl für Unternehmen sein sollen, wurde bereits oft beworben. Dabei ginge es die letzten Jahre jedoch vornehmlich um die indirekte Monetarisierung, etwa durch die Prozessoptimierung oder besserer Erkennung von Umsatztreibern.

Neue Geschäftsmodelle mit Daten schienen in weiter Ferne und nur durch Themen der Digitalen Transformation (z. B. Blockchain, mobile Apps) besetzt. Aber jetzt ist auch die Entwicklung der direkten Monetarisierung von Daten möglich!

Denn Daten werden zum ergänzenden Geschäftsmodell neben den traditionellen Geschäften eines Unternehmens. Jetzt können Unternehmen als Data Provider die Daten, die im Unternehmen entstehen oder auch nur durch das Unternehmen hindurchfließen, tatsächlich verkaufen und dabei sogar die Gesellschaft  voranbringen. Das Konzept dahinter heißt AI as a Service und umfasst – kurz gesagt – das Konzept, dass Unternehmen ihre Daten zum Anlernen von speziellen AI-Modellen verwenden. Andere Unternehmen können diese Modelle dann verwenden, erhalten jedoch keinen Zugang zu den eigentlichen Daten.

Mehr Kontext zu AI as a Service als Mehrwert für die Industrie erhalten Sie über den Artikel von Benjamin Aunkofer, Geschäftsführer der DATANOMIQ GmbH, auf BigDataInsider:

AI as a Service - Daten verkaufen, ohne diese tatsächlich aus der Hand zu geben

https://www.bigdata-insider.de/ai-as-a-service-so-verkauft-ein-unternehmen-daten-ohne-dass-diese-es-verlassen-a-eae600f1a121a2a2dd8e389096548051/

Sind Sie interessiert an AI as a Service? Möchten Sie als Data Provider selbst neue Geschäftsmöglichkeiten erschließen? Oder suchen Sie nach Anbietern, die automatisierte AI für Sie entwickeln? Dann nehmen Sie Kontakt mit uns auf.

Connected Industry e.V. - der Verband für Digitalisierung und Vernetzung

Über Connected Industry

Connected Industry e.V. ist der Verband für Digitalisierung und Vernetzung im industriellen Mittelstand. Der Verband vermittelt Unternehmen und Kompetenz in den Bereichen der Industrie 4.0 sowie den angrenzenden Bereichen Smart Factory, Smart Home, Smart Car und Smart Grid. Sie suchen Expertise? Dann sind Sie bei uns richtig!

 

Warum es nicht reicht, einfach nur einen Data Scientist einzustellen

Auch wenn das Jahr 2023 vielversprechend klingt, als ob wir in der Zukunft angekommen wären, so tappen die meisten deutschen Unternehmen hinsichtlich eines Fahrplans in Richtung Künstliche Intelligenz (KI) und Data-Driven Thinking zumeist im Dunkeln. Es fehlt oft immer noch eine Datenstrategie, die einem Unternehmen und seinen Stakeholdern klar ausweist, wohin die Reise gehen soll.

Ein Senior Data Scientist alleine wird Ihre Probleme nicht lösen

Während noch vor wenigen Jahren oft davon gesprochen wurde, Data Science als Disziplin im Unternehmen zu etablieren und Data Scientists einzustellen, verfügen heute tatsächlich die meisten Großunternehmen und auch viele Mittelständler über eigene Data Scientists, die tatsächlich dediziert für den Zweck der Datenanalyse eingestellt wurden.

Der hohen Datenkompetenz qualifizierter Data Scientists zum Trotz, stellen Unternehmen oft Ernüchterung bei der Wirkung dieser Fachkräfte fest. Zum einen, weil gute Data Engineers fehlen, die Daten effizient in Datenbanken sammeln und effektiv über Schnittstellen bereitstellen können, zum anderen, weil diese Data Scientists seitens des Managements allein gelassen werden. Hier herrscht möglicherweise das Denken vor, Data Science wäre ein in sich abgeschlossener Bereich der angewandten Forschung, anstatt diese richtigerweise als interdisziplinäre Querschnittsfunktion für alle anderen Fachabteilungen zu betrachten. Selbst der beste Data Scientist bewirkt im Unternehmen nichts, wenn seine Arbeit auf Grund von mangelnder Offenheit zur Umsetzung der errungenen Erkenntnisse keine Chance auf Umsetzung bzw. Nutzung der Potenziale hat. Auch motivierte Data Scientists können nur für begrenzte Zeit gegen den Strom schwimmen.

Datenkompetenz unternehmensweit verankern

Auch haben Data Scientists die Datenkompetenz nicht für sich allein gepachtet, denn alle anderen fachlichen Mitarbeiter sollten ebenfalls zumindest über ein Grundverständnis über die Möglichkeiten mit Daten verfügen. Zentrale Stellen wie Abteilungen für die etwas konservativere Business Intelligence oder den experimentierfreudigeren Data Labs kommen zum einen ohne Expertise aus den jeweiligen Fachbereichen nicht aus, spätestens dann, wenn es um die Produktivstellung von Analyse-Systemen geht. Zum anderen entstehen die wirklich sinnvollen Lösungsansätze nicht an zentraler Stelle, sondern direkt in den speziellen Fachbereichen, in denen diese relevant werden. Kein Unternehmen dieser Welt wird ganz alleine dank einer zentralen Abteilung data-driven, sondern diese Entwicklung muss aus dem ganzen Unternehmen heraus entstehen und dann auch ganzheitlich zusammenwachsen.

Durchaus vergleichbar wie das fachliche Verständnis und das Gespür für Kosteneffizienz, Verschwendungsvermeidung oder Umweltschutz, benötigen Unternehmen heute eine generelle Datenkompetenz, nicht nur bei den Fachkräften, sondern auch bei den Führungskräften, die für lösungsorientiertes Denken eintreten, dieses fordern und fördern müssen – stets im Bewusstsein, welche Rolle Daten dabei spielen können.

 

Über Connected Industry e.V.

Connected Industry e.V. LogoConnected Industry ist der Verband für Unternehmen und Experten im Kontext der Industrie 4.0 mit allen zugehörigen Themengebieten. Wir bringen Maschinen, Industrien und vor allem Menschen zusammen, um gemeinsam die vierte industrielle Revolution voranzubringen. Interessiert an einer Mitwirkung? Dann freuen wir uns auf Ihre Nachricht!

Digitalstrategie und Datenstrategie

Warum Sie nur eventuell eine Digitalstrategie benötigen, ganz sicher aber eine Datenstrategie.

Da Digital und Data nicht dasselbe sind, unterscheiden Pionier-Unternehmen ganz klar zwischen einer Digitalstrategie und einer Datenstrategie, so gibt es beispielsweise auch Digital Labs und Data Labs innerhalb desselben Konzerns. Während das Digital Lab sich vornehmlich mit Themen wie Software-Entwicklung für mobile Anwendungen, Social Media, Blockchain oder Internet of Things (IoT) befasst, beschäftigt sich ein Data Lab mit der Speicherung und Analyse von den Daten aus der klassischen IT-Infrastruktur sowie aus den neu gewonnen Anwendungen der Digitalisierung mit Fachkräften wie dem Data Engineer und Data Scientist.

Ähnlich lassen sich auch Digital- und Datenstrategien voneinander abgrenzen. Die Digitalstrategie befasst sich beispielsweise damit, wie Services über mobile Anwendungen verbessert oder Produkte wie Fahrzeuge oder Maschinen mit mehr Sensoren und Displays ausgestattet werden können. Die Datenstrategie befasst sich hingegen mit der effizienten Speicherung der Daten, der Einhaltung einer Data Governance unter Berücksichtigung von Datensicherheit und Datenschutz sowie mit den analytischen Methoden und Tools zur Erreichung der Ziele, die mit der Nutzung der generierten Daten verbunden ist.

Das heißt jedoch nicht, dass die Datenstrategie nicht ein eigener Teil inner- bzw. unterhalb einer Digitalstrategie sein kann.

Daten sind der Grundstein für Informationen und Wissen für Geschäftsoptimierung und neue Geschäftsmodelle, wenn sie über Data Analytics bzw. Data Science in jenes Wissen transformiert werden.

Daten sind der Grundstein für Informationen und Wissen für Geschäftsoptimierung und neue Geschäftsmodelle, wenn sie über Data Analytics bzw. Data Science in jenes Wissen transformiert werden.

Für Enterprise-KI ist die Datenstrategie ist das A und O

Data-Driven Thinking im Unternehmen in Common Sense zu verwandeln ist ein langfristiges Projekt. Um dennoch bereits heute strukturiert in die Datennutzung einsteigen bzw. diese vertiefen zu können, bedarf es eines Fahrplans für kommende Projekte mit Problem-Lösungsbeschreibungen. Dabei sollen die zu erreichenden Ziele festgelegt, die richtigen Datenquellen und Analysemethoden identifiziert sowie Fragen über die einzusetzende Software, Hardware und der Teamorganisation und notwendiger Qualifikationen geklärt werden. Data Analytics im Generellen und künstliche Intelligenz im Speziellen benötigen viele Daten in guter Qualität an den richtigen Stellen. Eine Datenstrategie arbeitet genau auf diese Ziele hin und kann somit auch als ein Business Plan für die Datennutzung betrachtet werden, in welchem auch die Ziele und Voraussetzungen für diese Nutzung, sowie weitere Anforderungen, Grenzen und Vorgehen beschrieben werden.

Datenstrategie in fünf Schritten: Ableitung der Ziele aus der Vision, Auswahl der relevanten Daten, Auswahl an Analyseverfahren zur Informationsgewinnung, Konzeptionierung der Wissensgenerierung, wie diese Analyseverfahren durch die Mitarbeiter genutzt werden können und Planung der Umsetzung der vier vorherigen Schritten.

Datenstrategie in fünf Schritten: Ableitung der Ziele aus der Vision, Auswahl der relevanten Daten, Auswahl an Analyseverfahren zur Informationsgewinnung, Konzeptionierung der Wissensgenerierung, wie diese Analyseverfahren durch die Mitarbeiter genutzt werden können und Planung der Umsetzung der vier vorherigen Schritten.

Die Möglichkeiten der Datennutzung sind in Zeiten des Internets nahezu unbegrenzt, wenn der Gedanke an den Zugriff auf unternehmensexterne Datenquellen in die Datenstrategie aufgenommen wird. Doch bereits mittelständische Unternehmen verfügen längst über einen großen Schatz an Daten aus unternehmensinternen Quellen, mit denen sich Einkaufsprozesse und Lieferketten optimieren, Kundennachfragen besser verstehen und auch interne Finanzrisiken besser bewerten lassen – dank der bereits erwähnten Digitalisierung.

Dabei ist eine Datenstrategie nicht nur für große Unternehmen interessant, gerade Startups bauen ihr Business Model vielfach direkt auf Daten und KI auf. Demzufolge benötigen Unternehmen, die sowieso rein digital oder erst kürzlich beispielsweise als FinTech oder eCommerce gestartet sind, eine Datenstrategie. Diese ist für jedes Unternehmen unerlässlich, denn es verfügt potenziell bereits über viele wertvolle Daten und kann diese darüber hinaus auch mit externen Daten anreichern.

Während für einige Unternehmen Digitalstrategien weniger notwendig sind, da das Geschäft bereits als eCommerce meistens schon direkt auf digitalen Plattformen gegründet wurde, gilt diese oftmals nicht für Unternehmen der klassischen Industrie, die unter dem Leitziel der Industrie 4.0 die Digitalisierung gerade insbesondere durch Maschinenvernetzung und engere Einbindung der Maschinen an die IT-Systeme (insbesondere ERP, MES und PLM) sehr viel intensiver erleben. Diese Unternehmen benötigen eine klar ausformulierte Strategie wie diese Digitalisierung und die mit ihr verbundenen digitalen Transformation bewältigt und vorangetrieben werden soll. Die Datenstrategie, die beispielsweise Fragen beantwortet, wie die Maschinendaten gespeichert und ausgewertet werden sollen, ist dann entweder als Strategiewerk auszugliedern oder als konkreten Unterteil der Digitalstrategie zu verstehen – die Datenstrategie wird dann konkreter Bestandteil einer größer angelegten Digitalstrategie sein.

Über Connected Industry e.V.

Connected Industry e.V. LogoConnected Industry ist der Verband für Unternehmen und Experten im Kontext der Industrie 4.0 mit allen zugehörigen Themengebieten. Wir bringen Maschinen, Industrien und vor allem Menschen zusammen, um gemeinsam die vierte industrielle Revolution voranzubringen. Interessiert an einer Mitwirkung? Dann freuen wir uns auf Ihre Nachricht!

Digital ist nicht Data

Viele Fach- und Führungskräfte unterscheiden nicht zwischen einer Digital- und einer Datenstrategie, dabei sind Digital und Data nicht dasselbe.

Digitalisierung läuft seit Jahrzehnten

Die Digitalisierung ist eigentlich bereits ein alter Hut und feierte ihre ersten Hochphasen in den 1990er Jahren mit der Etablierung von ERP-Software, Webseiten, E-Mail und Scannern mit Texterkennung. Die Digitalisierung ist ein langwieriger Prozess, der bis heute anhält, ihren aktuellen Schwung der Einführung von mobilen Anwendungen (Apps), dem Einsatz der Blockchain oder der Vernetzungen von Dingen (Internet of Things) verdankt. Diese Technologien treiben die Digitalisierung voran – so werden Logistikprozesse in naher Zukunft von autonomen Drohnen umgesetzt, Verträge über die Blockchain abgewickelt und jegliche Verkäufe über mobile Applikationen ausgelöst oder zumindest bezahlt. Es sind Themen vor allem für Software-Entwickler und Ingenieure, angeführt vom sogenannten Chief Digital Officer. Sie entwickeln die Digitalen Produkte und Prozesse weiter, dabei werden Prozesse in der Regel sinnvollerweise nicht 1:1 von analog in digital übersetzt, sondern bestenfalls ganz neu gedacht. Daraus folgt die digitale Transformation, die dafür sorgt, dass Prozesse neue innovative Gestaltungen finden und auch, dass es zukünftig kaum noch Reisebüros oder Kassierer geben könnte. Die Blockchain wird vermutlich die Bedeutung von Notaren reduzieren und auch Makler werden dank mobiler Anwendungen, Augmented und Virtual Reality weniger benötigt werden. Beinahe jegliche menschliche Vermittler sind über digitale Services weitgehend ersetzbar.

Data vs Digital

Der Digital- und Data-Kreislauf. Digitale Produkte generieren Daten, die genutzt werden können, um die digitalen Produkte zu verbessern.

Trends, die unter Namen wie Big Data, Analytics, Data Science oder KI fallen, bezeichnen hingegen nicht die Generierung, sondern die Nutzung von Daten, die von den digitalen Systemen erst geschaffen werden. Die Daten einer Blockchain, von mobilen Apps und die von autonomen Drohnen oder Fahrzeugen usw. werden in Datenbanken gespeichert und warten nur darauf, ausgewertet zu werden. Die Erkenntnisse aus der Datennutzung werden den digitalen Systemen dann in Echtzeit beispielsweise als Prognose-Service bereitgestellt oder dienen als Erkenntnis darüber, welche Verbesserungen an den digitalen Produkten sinnvoll sein können. Daten und KI werden in Zukunft die Buchhaltung übernehmen, medizinische Diagnosen stellen und autonome Fahrzeuge im Straßenverkehr steuern.

Digital und Data sind nicht dasselbe

Digital und Data sind folglich nicht dasselbe, sie überlappen sich sogar weniger als auf den ersten Blick zu erwarten, stehen jedoch in Abhängigkeit zueinander: So sind Analysen z. B. über Einkaufs- oder Kundenbestellungen ein Data-Thema jedoch nur möglich, weil das Unternehmen mit der Einführung eines ERP-Systems grundlegend digital wurde. Die Erkenntnisse aus der Nutzung von Data fließen dann wieder in die Produktverbesserung von Digital ein, z. B. durch Anpassung der ERP-Konfiguration.

Data ist also der zweite Schritt nach Digital und fügt den digitalen Prozessen ein Gedächtnis und ein maschinelles Lernen hinzu, woraus die Künstliche Intelligenz resultiert, deren weitere Entwicklung das begonnene neue Jahrzehnt dominieren – und vermehrt operative Entscheidungen in Unternehmen übernehmen wird.

Über Connected Industry e.V.

Connected Industry e.V. LogoConnected Industry ist der Verband für Unternehmen und Experten im Kontext der Industrie 4.0 mit allen zugehörigen Themengebieten. Wir bringen Maschinen, Industrien und vor allem Menschen zusammen, um gemeinsam die vierte industrielle Revolution voranzubringen. Interessiert an einer Mitwirkung? Dann freuen wir uns auf Ihre Nachricht!

Industrial IoT erreicht die Fertigungshalle

Lumada Manufacturing Insights nutzt KI, Machine Learning und DataOps, um digitale  Innovationen für Manufacturing 4.0 bereitzustellen

Dreieich/ Santa Clara (Kalifornien), 17. September 2019 Mit Lumada Manufacturing Insights kündigt Hitachi Vantara eine Suite von IIoT-Lösungen (Industrial IoT) an, mit der Fertigungsunternehmen auf ihren Daten basierende Transformationsvorhaben umsetzen können. Die Lösung lässt sich in bestehende Anwendungen integrieren und liefert aussagekräftige Erkenntnisse aus Daten, ohne dass Fertigungsanlagen oder -anwendungen durch einen „Rip-and-Replace”-Wechsel kostspielig ersetzt werden müssen. Lumada Manufacturing Insights optimiert Maschinen, Produktion und Qualität und schafft dadurch die Basis für digitale Innovationen, ohne die Manufacturing 4.0 unmöglich wäre. Die Plattform unterstützt eine Vielzahl von Bereitstellungsoptionen und kann On-Premise oder in der Cloud ausgeführt werden.

„Daten und Analytics können Produktionsprozesse modernisieren und transformieren. Aber für zu viele Hersteller verlangsamen bestehende Legacy-Infrastrukturen und voneinander getrennte Software und Prozesse die Innovation“, kommentiert Brad Surak, Chief Product und Strategy Officer bei Hitachi Vantara. „Mit Lumada Manufacturing Insights können Unternehmen die Basis für digitale Innovationen schaffen und dabei mit den Systemen und der Software arbeiten, die sie bereits im Einsatz haben.“ 

Lumada Manufacturing Insights wird weltweit ab dem 30. September verfügbar sein. Weitere Informationen:

Bei der deutschen Version handelt es sich um eine gekürzte Version der internationalen Presseinformation von Hitachi Vantara.

Hitachi Vantara
Hitachi Vantara, eine hundertprozentige Tochtergesellschaft der Hitachi Ltd., hilft datenorientierten Marktführern, den Wert ihrer Daten herauszufinden und zu nutzen, um intelligente Innovationen hervorzubringen und Ergebnisse zu erzielen, die für Wirtschaft und Gesellschaft von Bedeutung sind. Nur Hitachi Vantara vereint über 100 Jahre Erfahrung in Operational Technology (OT) und mehr als 60 Jahre in Information Technology (IT), um das Potential Ihrer Daten, Ihrer Mitarbeitern und Ihren Maschinen zu nutzen. Wir kombinieren Technologie, geistiges Eigentum und Branchenwissen, um Lösungen zum Datenmanagement zu liefern, mit denen Unternehmen das Kundenerlebnis verbessern, sich neue Erlösquellen erschließen und die Betriebskosten senken können. Über 80% der Fortune 100 vertrauen Hitachi Vantara bei Lösungen rund um Daten. Besuchen Sie uns unter www.HitachiVantara.com.

Hitachi Ltd. Corporation
Hitachi, Ltd. (TSE: 6501) mit Hauptsitz in Tokio, Japan, fokussiert sich auf Social Innovation und kombiniert dazu Information Technology, Operational Technology und Produkte. Im Geschäftsjahr 2018 (das am 31. März 2019 endete) betrug der konsolidierte Umsatz des Unternehmens insgesamt 9.480,6 Milliarden Yen (85,4 Milliarden US-Dollar), wobei das Unternehmen weltweit rund 296.000 Mitarbeiter beschäftigt. Hitachi liefert digitale Lösungen mit Lumada in den Bereichen Mobility, Smart Life, Industry, Energy und IT. Weitere Informationen über Hitachi finden Sie unter http://www.hitachi.com.

Pressekontakte

Hitachi Vantara
Bastiaan van Amstel 
bastiaan.vanamstel@hitachivantara.com 

 

Public Footprint 
Thomas Schumacher
+49 / (0) 214 8309 7790
schumacher@public-footprint.de

 

 

Interview: IoT Lösung zur Übertragung großer Datenmengen

Interview mit Mike Bischoff über IoT Lösung zur Übertragung großer Datenmengen.

Herr Mike Bischoff ist Chief Digital Officer bei der Signify GmbH (ehemals Philips Lighting GmbH). Er studierte Wirtschaftswissenschaften in Bremen und war dann anschließend über 10 Jahre als CIO in der IT- und Getränkebranche tätig. Seit ca. sechs Jahren ist er bei Signify/Philips Lighting im Marketing bzw. seit 1. Januar 2019 im Vorstand des DACH Marktes als CDO tätig.

 

Inwiefern wird Ihrer Meinung nach die Li-Fi Technik die IoT Welt verändern? In welchen Bereichen und/oder ganzen Branchen wird Li-Fi sich gegenüber etablierten Techniken durchsetzen?

Im Jahre 2022 werden wir weltweit bereits über 50 Mrd. IoT Devices haben, die kontinuierlich mit dem Internet verbunden sind und über angebundene Sensoren gigantische Datenmengen sammeln und übertragen. Über 40.000 Petabytes an Daten werden bereits ab 2020 monatlich übermittelt. Die Nachfrage steigt weiter stetig an, aber das Angebot – Breitbandinternet über Radiofrequenzwellen wie WiFi – kann nicht mehr ausgeweitet werden. Das Radiospektrum ist irgendwann voll ausgelastet. Das Problem bemerken wir schon heute in stark frequentierten Mobilfunknetzen, wie z.B. in Fußballstadien. Die alternative Frequenz über die LiFi kommuniziert ist in der Hinsicht ein Vorteil, weil die bisherige Funkkommunikation inzwischen Ausmaße angenommen hat, die vergleichbar sind mit verstauten Autobahnen. Wir nutzen mit LiFi praktisch eine alternative Autobahn, die uns hohe Performance und Stabilität bietet. Wir benötigen also eine neue Technologie die Daten nicht mehr über Radiofrequenzen, sondern über Lichtwellen Daten überträgt, um den ständig wachsenden Bedarf zu bedienen. Die Vorteile Daten über Licht zu übertragen sehen wir z.B. in Hochsicherheitsbereichen, Industry 4.0, Machine-To-Machine Kommunikationen oder auch in Bereichen in denen Radiofrequenzwellen störend oder gefährlich sein können. Da Licht nicht durch Wände geht, ist es unmöglich, dass sich jemand unbefugt in ein Netz einhacken kann, der nicht im gleichen Raum sitzt. Auch wird die Verbindung in dem Moment unterbrochen, wenn das Licht ausgeschaltet wird. So hat man volle Kontrolle. Zudem ist die Bandbreite bei der Übertragung von Daten über Lichtwellen bis zu 1000-mal größer als bei Radiofrequenzwellen.

 

Welche Herausforderungen sehen Sie bezogen auf Mensch und Technik um die Li-Fi Technologie als festen Bestandteil von IoT Lösungen zu etablieren?

Eine Herausforderung stellt heute noch die Kompatibilität der Endgeräte der Nutzer dar. Zwar können wir bei allen Geräten mit USB Anschluss ganz einfach und unkompliziert einen Zugangsschlüssel über die USB Schnittstelle zuführen. Damit die LiFi Technologie aber als fester Bestandteil von IoT Lösungen zu etablieren ist, müssten diese Infrarot-Transceiver in den Endgeräten direkt implementiert werden. Man kann das, glaube ich, ganz gut mit der Frühphase von Wi-Fi vergleichen: Am Anfang benötigten alle Wi-Fi Nutzer noch einen USB-Stick oder USB-Dongle, um sich mit einem WiFi-Netzwerk verbinden zu können. Mittlerweile ist die Empfangstechnologie standardmäßig in allen smarten Geräten (PCs, Smartphones, TVs & Co.) integriert. Das ist auch unser Ziel um LiFi massenmarkttauglich zu machen.

 

Welche wesentlichen Fähigkeiten muss ein Data Scientist Ihrer Meinung nach mitbringen, welche ihn von dem klassischen ITler unterscheiden? Wie würden Sie einen Berufseinsteiger das Berufsbild des Data Scientists erklären?

In unserer Markt-Organisation haben wir bislang noch keine Data Scientists beschäftigt. Meine Vorstellung der Persönlichkeit eines Data Scientists kann allerdings nicht die reine „klassische Ausprägung“ von Fähigkeiten wie technischen, analytischen und logischen Denken sein. Die Kombination aus mathematischen Fähigkeiten, unternehmerischen Denken und Kommunikationsstärke sind aus meiner Sicht für diesen Beruf die wichtigsten Eigenschaften. Das heißt der Transfer von Datenanalysen zu Hypothesen und zu praktischen Geschäftsentscheidungen ist der entscheidende Erfolgsfaktor. Eine herausragende Fähigkeit ist es dann, wenn er/sie eine komplexe Thematik/Hypothese in einen überzeugenden Elevator Pitch für das Management umwandeln kann. Aber letztendlich hängt es davon ab, dass wir als Unternehmen genauestens definieren, was wir von einem Data Scientist erwarten. Wenn man den Luxus hat, über ein Team von Data Scientists zu verfügen, müssen nicht alle Persönlichkeitsanforderungen in einer Person gebündelt sein, aber dann braucht es hier natürlich eine gesunde Teamstruktur und Kommunikation, d.h. die richtige Mischung aus intro-/extrovertierten und aktiven/reaktiven Persönlichkeiten.

In welchen Anwendungsfeldern arbeiten Data Scientists in Ihrem Haus hauptsächlich? 

Data Scientists sind aktuell bei uns nur in den globalen Business Groups, aber noch nicht in den Märkten wie DACH tätig. In den Business Groups fokussieren sich die Data Scientists derzeit auf die riesigen Datenmengen, die durch unsere IoT-Lösungen in Smart Cities, Buildings und Manufacturing gewonnen werden. Alle unsere Leuchten werden bald nur noch connected sein und werden mit vielfältigsten Sensoren ausgerüstet, die Temperaturen, Lichtintensität, Geräusche, Wetterdaten, etc. auswerten können. Hier kommt den Data Scientists eine wichtige Rolle zu, darauf basierend die richtigen Business Modelle mit Mehrwerten für unsere Kunden zu entwickeln. In den Vertriebsorganisation sehe ich Anwendungsfälle für Data Scientists insbesondere im Marketing und hier im Bereich „intelligent/dynamic Pricing“.

Wie würden Sie den folgenden Satz vervollständigen?

Meine ehemalige Position als Marketing Director befähigt mich… die entscheidenden Kriterien „Markt“, „Produkte & Systeme“ sowie „Customer Experience“ in der Definition und Umsetzung der Digital Transformation Agenda einfließen zu lassen. Natürlich hat mir die Rolle auch die wichtige Vernetzung zu globalen und lokalen Stakeholdern, wichtigen Kunden und Marktpartnern sowie zur Belegschaft gebracht, die mir bei der Umsetzung der digitalen Agenda sehr nützlich sind.


Mike Bischoff präsentiert am 14. November 2019, dem zweiten Tag der Data Leader Days 2019, über „LiFi – Drahtlose Übertragung großer Datenmengen über sichtbares Licht für die IoT-Lösungen der Zukunft“.

Tickets für die Konferenz finden Sie auf der offiziellen Startseite, unter www.dataleaderdays.com.

***SUMMER SALE TICKETS***

 

Sichern Sie sich ein Ticket für die Data Leader Days am 13. & 14. November 2019 in Berlin.

Nur noch wenige Summer Sale Tickets

(Angebot gültig bis zum 30. September 2019).

Alle Informationen finden Sie unter: www.dataleaderdays.com.

Tickets HIER.

 

Haben Sie Fragen?

Kontaktieren Sie uns gerne per E-Mail: info@dataleaderday.com

Wir freuen uns auf Sie!

Interview: Erfolgreiche Daten und Analytics Projekte @EnBW

Interview mit Herrn Dr. Frank Säuberlich von der EnBW Energie Baden-Württemberg AG zum Thema Internet of (Wind)Turbines – erfolgreiche Daten und Analytics Projekte.

Herr Dr. Frank Säuberlich ist Chief Data Officer bei der EnBW. Er studierte Wirtschaftsmathematik am Karlsruher Institut für Technologie, an welchem er auch seinen Doktor in Ökonomie erlangte. Seinen Start in der Privatwirtschaft als Senior Technical Consultant Data Mining bei SAS Germany folgte eine Anstellung als Practice Manager und später als Regional Manager bei Urban Science. Vor seinem Antritt als CDO bei EnBW leitete Herr Dr. Frank Säuberlich verschiedene Data Science Teams bei Teradata.

 

1. Die Energiebranche muss sich einem nie zuvor gesehenen Wandel unterziehen. Welche Rolle spielt für Sie Data Science, um diesen Wandel mitzugestalten bzw. sich den Herausforderungen besser zu stellen?

Wir sehen vielfältige Anwendungsfelder in der Energiebranche, um aus Daten Mehrwerte zu generieren. Dabei machen wir keinen Unterschied, ob am Ende einfache BI Auswertungen oder ein komplexer KI Algorithmus zum Einsatz kommt. Wir starten immer mit der Frage „wie können wir mithilfe von Daten unser Geschäft verbessern?“ Und wir diskutieren von Beginn an, wie analytische Ergebnisse für solche Fragestellungen im täglichen Arbeiten so eingesetzt werden, damit die Verbesserungspotenziale auch tatsächlich erreicht werden können. 

Erst danach sollte über Technologie oder analytische Algorithmen diskutiert werden.

2. Wie hoch ist die Akzeptanz bei internen Anwendern von Business Intelligence Lösungen & Data Science Ansätzen? Gab es Initiativen, um diese zu erhöhen?

Eine zentrale Aufgabe meiner Rolle als Chief Data Officer bei der EnBW ist es das generelle Verständnis, dass Daten wie ein werthaltiges Asset zu behandeln sind, zu erhöhen. Dazu gehört eine bessere Transparenz bezüglich vorhandener Daten und darauf basierter Anwendungen aber auch bessere Möglichkeiten, um Daten über Bereichsgrenzen hinweg teilen zu können. 

Manche Teile des Konzerns sind hier schon weit und haben bereits eigene Teams etabliert, deren Aufgabe es ist Datenqualität und Transparenz sicherzustellen.

Die Durchdringung des Konzerns mit diesem „Mindset“ wird uns aber die nächsten Jahre weiter beschäftigen.

3. Data Analyst, Data Scientist und Data Engineer können eher dezentral positioniert oder komplett in eine Business Intelligence/Data Science Abteilung zusammengefasst werden. Wie haben Sie sich aufgestellt und welche Gründe waren dafür ausschlaggebend?

Wir haben uns hier für eine hybride Organisation dieser Ressourcen entschieden. Wir haben ein zentrales Daten-Team, das Data-Analytics Projekte für verschiedene Bereiche von der Use Case Identifizierung über die Pilotierung bis hin zum operativen Betrieb betreuen kann.

Dieses zentrale Team ist auch für den Aufbau der Analytics Community innerhalb des Konzernes zuständig, damit lokale Teams, die es in einigen Bereichen gibt, sich innerhalb der Community austauschen können 

Grundsätzlich ist es aber unser Ziel, die generellen Fähigkeiten, mehr mit Daten zu arbeiten und daraus Mehrwerte für den eigenen Bereich zu erzielen, so breit wie möglich ins Unternehmen zu bringen.

4. Mit Big Data ging in einigen Branchen ein Paradigmenwechsel einher. Welche Herausforderungen in Bezug auf Technik und Mensch bringt Big Data mit sich, sowohl bei EnBW als auch bezogen auf den Markt.

Wir sehen diese Paradigmenwechsel durchaus und versuchen das angesprochene neue „Mindset“, Daten als werthaltiges Asset zu begreifen, auf verschiedene Weise im Unternehmen zu kommunizieren.

Am besten funktioniert dies, wenn wir es an tatsächlichen geschäftsrelevanten Fragestellungen beweisen. Wichtig ist dabei, von Beginn an die eigentlichen Endanwender mit einzubeziehen, und die analytischen Lösungen tatsächlich auf die Bedürfnisse deren täglicher Arbeit abzustimmen. Dies schafft ein größeres Verständnis für diese Lösungen bei den Kollegen und Ängste oder Vorbehalte gegenüber neuen Technologien können dadurch erheblich vermindert werden.

5. In welchen Bereichen nutzt Ihr Unternehmen das Potential von Big Data Analytics bereits und was sind interessante Erfahrungen in der erfolgreichen Durchführung solcher Projekte?

Wir haben bereits in vielen Bereichen Erfahrung mit Big Data Analytics Projekten gesammelt. Beispiele hierfür sind Prognosen und Handelsalgorithmen im Energy Trading, Zustandsprognosen für Verteilnetze sowie Zustandsüberwachung von Erzeugungsanlagen. 

Der überwiegende Teil unserer Lösungen wird dabei bereits operativ als Service betrieben. Teilweise befinden sich Lösungen aber noch im Prototypen-Zustand. Zahlreiche Initiativen werden derzeit noch validiert, von denen es gegebenenfalls nicht alle bis zum operativen Einsatz schaffen werden.

Eine wichtige Erfahrung in diesem Kontext ist, dass sich Big Data Analytics Projekte nicht mit einem vorgegebenen klaren Ergebnis nach Wasserfall abarbeiten lassen.

 


Dr. Frank Säuberlich präsentiert am 14. November 2019, dem zweiten Tag der Data Leader Days 2019, über „Internet of (Wind)Turbines – erfolgreiche Daten und Analytics Projekte @EnBW“.

Tickets für die Konferenz finden Sie auf der offiziellen Startseite, unter www.dataleaderdays.com.

Industrie 4.0 am Beispiel – Ressourceneffizienz durch Digitalisierung

Industrie 4.0 am Beispiel – Ressourceneffizienz durch Digitalisierung – Filmveröffentlichung des VDI Zentrum Ressourceneffizienz

Digitale und vollautomatisierte Abläufe steigern die Ressourceneffizienz von Unternehmen des produzierenden Gewerbes. Am Beispiel einer Blechwarenfabrik werden die Ressourceneffizienzpotenziale aufgezeigt, die sich mithilfe von Digitalisierung und Automation heben lassen.

Die Blechwarenfabrik Limburg GmbH verarbeitet pro Jahr 20.000 Tonnen Weißblech zu mehreren Millionen Dosen, Kanistern und Eimern. Mit dem Umzug vom Rand der Limburger Altstadt an einen neuen Standort vollzog das Unternehmen den Schritt ins Zeitalter der Industrie 4.0.

Die wesentliche Neuerung stellen der Einsatz und die hochgradige Vernetzung verschiedener IT-Systeme dar. Beispielsweise steuert ein Produktionsplanungssystem (PPS) über ein Manufacturing Execution System (MES) sämtliche Produktionsprozesse. Ein Energiemanagementsystem (EMS) analysiert und reguliert die Energieströme, die im Fertigungsprozess und der Gebäudetechnik auftreten (z. B. Druckluft und Klimatechnik). Alle Daten laufen in einem Business Intelligence System (BI) zusammen, in dem die Produktions- und Energiedaten in Relation zueinander gesetzt und mit Soll-Werten abgeglichen werden. Stellt das BI beispielsweise fest, dass mehr Druckluft für eine bestimmte Anzahl von Dosen verbraucht wird als vorgesehen, alarmiert es einen Techniker. Dieser kann umgehend nach Leckagen suchen und sie beseitigen – das spart Energie.

Auch das Lagern und Transportieren laufen vollständig digital. Ein Warehouse Management System (WMS) steuert die fahrerlosen Transportsysteme und die Bewegungen im Lager. Das fördert die effiziente Ausnutzung von Lagerfläche, zudem mindert es die Gefahr von Beschädigungen an den Blechen, die durch unsachgemäßes manuelles Transportieren entstehen könnten. Aufgrund dieses perfekt organisierten Materialtransports werden jährlich 100 Tonnen Weißblech eingespart.

Auf dem Dach der Fabrik sind außerdem über 2.500 Solareinheiten installiert, die ein Drittel des benötigten Stroms im Unternehmen liefern. Das Besondere dabei: Das Warehouse Management System (WMS) steuert in Abhängigkeit der Stromverfügbarkeit automatisch die Bewegung der Warenströme im Lager, d. h. energieintensive Lagerbewegungen werden dann ausgeführt, wenn besonders viel Strom durch die hauseigene Photovoltaik-Anlage erzeugt wird.

Darüber hinaus wird die in der Produktion anfallende Abwärme zum Heizen, beispielsweise der Verwaltungsräume, und zur Erzeugung von Warmwasser genutzt.

Alles in allem spart das Unternehmen auf diese Weise jährlich rund eine halbe Million Euro Material- und Energiekosten ein und konnte seine Treibhausgasemissionen um mehr als 2.600 Tonnen pro Jahr verringern.

Der Film „Industrie 4.0 am Beispiel – Ressourceneffizienz durch Digitalisierung“ ist auf dem YouTube-Kanal des VDI ZRE „Ressource Deutschland TV“ oder im WebVideomagazin abrufbar.

Quelle: https://bit.ly/2MjlcCs