Studie: Datenaustausch bietet Chancen für Maschinenbauer
Laut einer Studie des VDMA und FH ISI hängt für Maschinenbauer in Zukunft einiges vom Datenaustausch ab. Die Forscher bieten Unternehmen neben dem Blick in die Zukunft auch Schritte zur Verbesserung.
Die vier von VDMA und FH ISI erarbeiteten Szenarien zur Nutzung maschinellen Lernens im deutschen Maschinenbau bis 2030. Je weiter die Szenarien von der waagerechten Mittelachse der Grafik entfernt sind, desto grundlegender sind die Veränderungen im Positiven oder Negativen.
(Bild: VDMA/FH ISI)
- Ariane Rüdiger
- Moritz Förster
Eine aktuelle Studie des VDMA und des Competence Center Foresight des Fraunhofer-Instituts für System- und Innovationsforschung (FH ISI) behandelt den Einsatz wissensbasierter Systeme im überwiegend mittelständisch geprägten deutschen Maschinenbau bis 2030. Die Ergebnisse spiegeln mehrere Workshops zum Thema mit Unternehmensvertretern, Wissenschaftlern, Experten von VDMA und Fraunhofer-Gesellschaft wieder, die das Kompetenzzentrum durchgeführt und ausgewertet hat.
Fazit: Es hängt von der Bereitschaft der Unternehmen zum Datenaustausch ab, wie erfolgreich sie selbst das Zeitalter wissensbasierter Systeme mitgestalten können und ob sie auch in Zukunft erfolgreich am weltweiten Wettbewerb teilnehmen können. Denn wissensbasierte Systeme bauen auf Technologien wie dem IoT und der Industrie 4.0 weiter auf und lassen sich dann am erfolgreichsten implementieren, wenn alle Beteiligten auf möglichst viele Daten zurückgreifen können.
Vier Blicke in die Zukunft
Die Studie hat die Ergebnisse der Workshops in vier Zukunftsbildern zusammengefasst, die jeweils unterschiedliche Grade der Umsetzung der technologischen Möglichkeiten abbilden.
So erwarten die Forscher, dass die Avantgarde gewinnt: Maschinen und Anlagen sind umfassend mit Sensoren aus- oder nachgerüstet, Sensordaten haben einen Zeitstempel, die Datenhoheit ist vertraglich geregelt, es gibt einen umfassenden, übergreifenden Datenpool für europäische Unternehmen, die gesamte Branche ist eng verflochten im Bestreben, maschinelles Lernen umfassend zu nutzen. Es gibt enge Kooperationen mit weltweiten Softwarefirmen. Nutzer profitieren von standardisierten Schnittstellen, gegen Null reduzierten Ausfallzeiten und stark verkürzten Entwicklungs- und Umrüstzeiten.
Außerdem soll die Größe zählen: Hier gewinnen große Unternehmen, indem sie vor allem auf die anonymisierten Daten der Kunden Zugriff erhalten, die ihre Maschinen nutzen, und Start-ups mit entsprechendem Wissen zukaufen. Sie kooperieren mit Datenmaklern wie Amazon, Facebook und Google und großen Softwareanbietern.
Weil die Großen zu zögerlich agieren, erhalten KMU ihre Chance und schließen sich zu einem globalen Machine-Learning-Netzwerk zusammen. Ausreichende Datenmengen, um die neuronalen Netze erfolgreich anzulernen, bekommen sie durch dieses Netzwerk und neue Geschäftsmodelle. Sie entwickeln neuartige Sensoren und Sensornetze. Genutzt werden sie vor allem für individualisierte Mensch-Maschinen-Schnittstellen, die optimales individuelles Verhalten erkennen und weiterempfehlen, und berührungslose Steuerung von Prozessen in Mixed-Reality-Umgebungen.
Die Digitale Steppe hemmt hingegen: Deutsche Maschinenbauer und ihre Kunden wollen ihre Daten meist für sich behalten und halten an ethischen und Datenschutz-Bedenken fest. Weil sie zu zögerlich in das Maschinelle Lernen einsteigen, entsteht kein ausreichend großer Datenpool für einen erfolgreichen, umfassenden Einsatz neuronaler Netze, die durch zu wenig Daten in ihrer Leistungsfähigkeit gehemmt werden. Das macht auch den Einbau von Sensorik in Maschinen und Anlagen teils unrentabel. Maschinelles Lernen wird deshalb weiter vorwiegend zur Unterstützung von Entscheidungsprozessen genutzt. Dadurch dringen vermehrt internationale Wettbewerber in die Märkte deutscher Maschinenbauer ein.
Verbesserungen für Unternehmen
Die Studie empfiehlt Unternehmen Aktivitäten in drei Bereichen. Sie sollen auf Machine Learning ausgerichtet Sensoren in ihre Produkte integrieren, Probleme der Datenhoheit und des Zugangs zu Daten kooperativ mit Kunden klären sowie intern oder kooperativ Kompetenzen bei kooperativer Softwareentwicklung aufbauen.
Vom Gesetzgeber erwarten die Teilnehmer der von VDMA und FH ISI veranstalteten Workshops vor allem Anstrengungen in der Ausbildung von Data Scientists und klare Regelungen bezüglich Datenhoheit und Datensicherheit. Die Wissenschaft müsse die Ausbildung von Ingenieuren und Naturwissenschaftlern besser mit der von Data Scientists verknüpfen. Die Vollversion der Studie ist im Web ausschließlich für VDMA-Mitglieder erhältlich, eine Zusammenfassung ist frei zugänglich. (fo)
