23 Folgen zusammengefasst: Was wirklich funktioniert hat und was nicht

Hallo liebe Freunde des IoT und willkommen zu dieser Folge im IoT Use Case Podcast, euer Podcast zur Umsetzung von IoT in der Praxis. Heute schauen wir uns mal die 23 letzten Folgen an. Das gab es so noch nie. Unter anderem spannende Zusammenfassungen mit Zitaten von der Firma SCHUNK, Siemens, Salzgitter Flachstahl. Wir haben wieder United Manufacturing Hub dabei – da habe ich schon mal eine Folge mit dem Frank Thelen auch gemacht damals. Wir haben WAGO mit dabei, Endress+Hauser und viele weitere spannende Anwenderzitate. Also holt euch einen Kaffee, fahrt gemütlich weiter im Auto oder was ihr sonst gerade so macht und viel Spaß bei dieser besonderen Folge.

Ich bin Madeleine Mickeleit, euer Host, und mir gegenüber virtuell sitzt der wunderbare Dr. Peter Schopf. Hallo Peter.

Peter

Hallo Madeleine und herzlich willkommen zurück in unserem Podcast. Freut mich, dass du da bist und wieder zurückkommst. Hoffentlich, dass du das nach vorne hin wieder übernimmst. War eine spannende Zeit, aber ich gebe das auch gerne wieder zurück an dich.

Ja, vielen Dank. Ich freue mich auch, wieder zurück zu sein. Und ja, für die, die es nicht mitbekommen haben: Wir haben Zwillinge bekommen. Es war eine sehr intensiv schöne Zeit am Anfang und jetzt haben wir uns so eingegroovt. Und ja, ich bin aus meiner Elternzeit zurück. Lass uns einfach direkt fachlich reingehen, würde ich sagen. Also 23 Folgen, Wahnsinn, wie die Zeit vergeht. Lass uns doch einfach mal anfangen, so ein paar der Highlight-Use-Cases, Business-Cases der Folgen zusammenzufassen. Wir haben uns für euch übrigens ein bisschen Gedanken vorab gemacht, welche Use Cases wir hier rausnehmen und warum. Und deswegen starten wir jetzt mal mit dem ersten, das ist die Folge 216. Wir hören einfach mal in das Zitat rein und schauen dann mal, warum das jetzt genau so spannend ist.

Murat

Da können wir wirklich von einer engmaschigen manuellen Prüfung zu einem automatisierten stündlichen Intervall kommen, dass wir da immer engmaschiger prüfen können, sodass wir da die Verlustzeiten massiv reduzieren.

Peter, du hast ja die Folge moderiert und mitdiskutiert. Warum ist die Folge 216 mit dem Dampfnetzmonitoring mit Currenta Conneqtive jetzt hier so spannend aus deiner Sicht?

Peter

Man muss sich ein Dampfnetzwerk vorstellen. Das sind 180 Kilometer an Rohren, die da verlegt sind in diesem Campus, den die da betreiben, diesem CHEMPARK. Und so etwas zu überwachen, dass diese Rohre funktionieren, mit ganzen Ventilen und Umleitungen und Ähnlichem, das ist schon eine Herausforderung. Man kann sich das so richtig vorstellen: Da muss ständig jemand hinfahren zum Prüfen. Und ich glaube, wenn man das sinnvoll überwacht und das dann auch steuern kann mit der Zeit und auch immer weiter sein Verständnis davon entwickelt – welche Temperaturen sind wo, wo kann ich welche Drücke erhöhen oder senken –, das macht schon viel aus. Diese Macht, diese Gewalt, dieser Dampfrohre, ist einfach ein spannender Anwendungsfall.

Klar, zur Umsetzung kommen wir ja nachher noch, aber ich glaube, das lässt sich auf ganz viele andere Themen übertragen. Dieses Überwachen von vielen, auch gar nicht so hochwertigen Geräten, wie zum Beispiel Drucksensoren oder auch Ventile: Schließen die richtig, habe ich irgendwelche Abfälle in der Temperatur, im Druck und Ähnlichem? Also das kann man sehr weit übertragen, gerade wenn es dann darum geht: Na ja, wie überwache ich denn 180 Kilometer? Daher war das, glaube ich, recht spannend.

Ja, total. Ich muss jetzt dazu sagen, für die, die Currenta Conneqtive nicht kennen: Das ist ja so das Schnellboot, die IoT-Einheit im CHEMPARK. Ich war jetzt vor ein paar Wochen erst in Leverkusen vor Ort. Das ist ja Wahnsinn, wie riesig dieser CHEMPARK ist. Also das sind irgendwie, ich glaube, 11 Kubikmeter alleine diese Gesamtfläche und das ist ein ganzes Dorf, was da einfach vor Ort ist. Ich kenne das so ähnlich hier aus meiner Vergangenheit, wo ich noch bei Volkswagen gearbeitet habe, aus Wolfsburg. Also wirklich Riesenanlage. Ich weiß gar nicht, war dieser Use Case auch in Leverkusen da im CHEMPARK oder war das woanders? Weißt du das noch?

Peter

Das ist zumindest so mein Verständnis.

Ja, also echt wirklich Wahnsinn. Und auch toll, wie du es genau sagst, wie dieses heterogene Leitungsnetz, was ja auch irgendwie historisch über die Jahre, Jahrzehnte so gewachsen ist, jetzt hier entsprechend so aufgegriffen wird in dieser Folge. Also wirklich ein toller Use Case einfach.

Peter

Was ich da spannend fand bei Currenta Conneqtive: Die haben das jetzt erst mal selber für sich entwickelt, haben festgestellt, sie können das, haben sich eine Kapazität und Kompetenz aufgebaut und gehen jetzt den Schritt nach außen und bieten das auch anderen an. Auch dieses Drink-your-own-Champagne-Thema, dass man es jetzt mal eben auch selber einsetzt und dann vielleicht guckt, was man sich daraus dann ableiten kann – das wird auch oft vernachlässigt. Man geht dann schnell raus und versucht, Kunden zu finden, bevor man es selber bei sich erst mal vernünftig aufgesetzt hat.

Ja, finde ich spannend. Und auch wenn ihr jetzt überlegt, so: Hey, das Thema Brownfield Retrofit fand ich bei der Folge auch ganz spannend. Da geht es ja auch viel darum, weil dieses Rohrnetz entsprechend auch historisch gewachsen ist. Du hattest es gesagt, 180 Kilometer von diesem Dampfnetz genau sind da. Und da finde ich es auch spannend, diesen Aspekt, wie sie das dann auch vernetzt haben. Wir wollen jetzt nicht so viel auf die Technologie eingehen, aber hört gern mal rein, speichert euch das ab im Podcast. Finde ich eine wirklich schöne Folge. Hast du noch weitere Zitate oder irgendwas oder Aspekte in dieser Folge, die du noch spannend fandest?

Peter

Ja, ich glaube, das Zusammenspiel zwischen den verschiedenen Playern war da ganz gut. Und die sind eben von einer einfachen Überwachung hin zu auch diesem digitalen Zwilling des Dampfnetzes. Wir haben ja, während du mit den echten Zwillingen gekämpft hast, dann hier eher über die digitalen Zwillinge mal gesprochen. Und diesen Anspruch auch zu haben: Wir wollen das so abbilden, dass wir das wirklich alles simulieren können und dann mit KI-Algorithmen optimieren – das fände ich schon auch sehr spannend. Also von diesem einfachen Einstieg, man muss halt nicht so oft hinfahren und prüfen, bis hin zu: Hey, wir bauen irgendwann diesen digitalen Zwilling des Dampfnetzes. Ich glaube, das zeigt auch schön so diesen Stufenansatz, den man da geht, und dass initiale Stufen immer helfen können, sich auch weiterzuentwickeln.

Jetzt sagt ja der Murat Mutlu von Currenta Conneqtive in der Folge, sie haben das massiv reduziert. Ich muss jetzt gerade mal selber reinschauen. Genau, die Verlustzeiten haben sie massiv reduziert. Vielleicht können wir noch mal so ein bisschen über diese Zahl sprechen. Das ist ja jetzt erst mal qualitativ und jetzt noch keine richtige Zahl dahinter. Gibt es einen Business Case, den es aus dieser Folge herauszuheben gibt, wo man vielleicht auch so über Euro-Stunden pro Jahr oder Ähnliches sprechen kann, was diese Verzögerung denn kostet und was spart diese stündliche Prüfung tatsächlich ein?

Peter

Das ist ein spannender Punkt, weil ich versucht habe, das in all den Folgen immer so ein bisschen rauszukitzeln und auch nachzufragen, nachzubohren. Insbesondere auch in den Vorgesprächen war mir wichtig, da noch mal herauszufinden, ob wir darüber reden können. Aber das ist leider so, dass die sich oft gar nicht so festlegen können. Also es ist schwierig, Business Cases zu kalkulieren, oft auch, weil dann Endkunden nicht die genauen Zahlen rausrücken.

Und ja, wenn man dann was in einem Podcast sagt, ist es halt dann doch so offiziell, dass das leider ganz oft ein Thema war, wo ich nicht so konkrete Aussagen rausbekommen habe, wie ich mir das auch gewünscht hätte für die Zuhörer und Zuhörerinnen. Daher, ja.

Das ist ja auch ganz viel unter NDA. Ich war ja auf der Hausmesse bei denen vor Ort und da habe ich so ein Beispiel vorgestellt von einer Wärmekammer von der Firma DENIOS. Schöne Grüße übrigens an das Digitalisierungsteam, das ist ja auch bei uns im Netzwerk in der Community vertreten. Und das war ein ganz schöner Case auch aus der Chemie- und Prozessindustrie. Haben wir nicht so oft – und, wie du schon lachst, auch viel unter NDA.

Und zwar geht es da um so eine Wärmekammer. Das muss man sich vorstellen wie so ein Backofen, wo eben verschiedene solcher Behälter erwärmt werden. Und da geht es zum Beispiel auch um den Nachweis von eingehaltenen Temperaturfenstern. Und die haben sozusagen diese Wärmekammer überwacht, um zu wissen: Wie geht es eigentlich diesem Medium in diesem Behältnis selber? Weil die Kammer an sich konnte man schon überwachen. Und haben dann mal ausgerechnet, was eigentlich so ein Chargenverlust zum Beispiel kostet.

Und da ist es so: Wenn eine Charge von so einem – ich glaube, man nennt das so ein IBC, so ein zum Beispiel 1000-Liter-Würfel – verworfen wird, dann kostet die das 20.000 Euro. Das ist selten, aber realistisch passiert das so einmal im Jahr. Und das ist eigentlich schon der Kaufpreis, den man eigentlich von dieser digitalen Lösung daraus hätte. Und die Reinigung dieser Anlage zum Beispiel kostet ungefähr 2000 Euro plus eine Schicht Stillstand, was total ärgerlich ist, weil dieses falsch erwärmte Medium entsprechend weiterverwendet wird und die Reinigung dieser Anlage viel Geld kostet und diesen Stillstand. Und das fand ich ein ganz cooles Beispiel. Da haben wir auch vor Ort viel diskutiert, was es da noch für Use Cases gibt in diesem Chemieumfeld. Ich weiß nicht, ob dir noch ein coolerer einfällt, aber trotzdem mal ein paar Zahlen zu nennen hier an der Stelle.

Peter

Ja, und einfach Stillstand, das ist auch ein guter Punkt, dass das mal vorkommt. Weil oft wird halt eben gerechnet: Na ja, was kostet mich so eine Lösung und dann vielleicht auch Stunden, die man einspart in irgendeiner Form. Aber tatsächlich, gerade im Prozessumfeld, wenn da eine Charge verworfen wird oder ein Stillstand entsteht, wo man eigentlich kontinuierlich produzieren will, dann ist man da schnell in Eurobeträgen, die halt so eine Digitalisierungsinitiative extrem tragen. Daher ist oft auch die Prozessindustrie ein bisschen weiter – also deutlich weiter tatsächlich –, was Datenüberwachung und so weiter angeht, weil da halt Kosten sehr schnell entstehen. Aber auch in der diskreten Industrie, eben wo Teile gefertigt werden, ist Stillstand manchmal, wenn eine Maschine voll ausgelastet ist, ein Riesending. Und das wird häufig gar nicht so richtig mit berechnet.

Richtiger Punkt. Und wenn euch das Thema jetzt interessiert: herzliche Einladung zu uns in die Community. Schreibt mir gerne oder auch Peter bei LinkedIn. Wir nehmen euch gerne mit auf. Und genau solche Use Cases und viele andere werden da eben diskutiert, wie man die richtig umsetzt. Jetzt aber weiter im Text. Wir machen weiter mit der Folge 209. Und zwar geht es da um Hochwasser-Früherkennung, auch Narrowband-IoT, was hier zum Einsatz kam. Und es ist ein kommunaler Case. Hören wir doch mal rein, worum es da ging.

Felix

… zum Beispiel auf der Bürgermeistersitzung in Süddeutschland, wo einfach zwei, drei Haushalte immer betroffen sind, sobald sich der Rechen zusetzt und dort das Wasser dann auch in die Kellerräume läuft, wo dann wirklich zwei, drei betroffene Bürger da sitzen und sich halt berechtigterweise auch darüber auslassen, dass man ja eigentlich keine Maßnahmen dagegen ergreift, um frühzeitig hier eine Alarmierung zu bekommen, wenn sich dieser Rechen zusetzt. In relativ kleinen Kommunen haben wir natürlich eine gewisse Differenzmessung, wo der Sensor auch zum Einsatz kommt. Das heißt, auch mit der eigenen Steuerung messen wir einmal den Füllstand vorm Rechen und hinterm Rechen und wissen einfach, wenn hier gewisse Unterschiede bestehen, dass es zu einer Verklausung kommt. Und die Feuerwehr kann entsprechend frühzeitig schon mal Gegenmaßnahmen einleiten.

Okay, Peter, ich habe das gehört und war erst mal so: Was ist eigentlich ein Rechen? Ich musste das eben auch noch mal googeln. Ich weiß nicht, willst du es so ein bisschen erklären?

Peter

Ja, mir war das auch dann erst mal – da musste ich auch kurz nachschauen –, aber das ist ja letztendlich so ein Gitter. Ein Gitter, was halt große Gegenstände abhält, dann in verschiedene Rohre und Leitungen oder so was zu fließen. Und wenn das Gitter verstopft ist, dann kann das halt so engmaschig verstopft sein, dass das Wasser sich dann aufstaut, dass da einfach kein Wasser mehr durchfließen kann. Und ich fand das ganz spannend, weil das eben auch die Bandbreite zeigt. Wir haben viel über Fabriken gesprochen, eben auch über in dem Fall eben Kommunen und wie die IoT nutzen können. Also eben so die Breite der Anwendungsfälle auf der einen Seite, auch die Breite der Technologie. Bei Currenta Conneqtive war das zum Beispiel LoRa als Überwachungsnetzwerk, also um die Daten einzusammeln, hier Narrowband-IoT, was ja dann direkt ins Mobilfunknetz funkt. Man braucht da kein Gateway spezifisch dafür.

Und während jetzt Currenta Conneqtive, ja schon spannend, mit den 180 Kilometern Rohrleitung war – hier hat man natürlich Quadratkilometer, die man abdecken muss. Also Kommunen, die haben dort ein Thema und ganz auf der anderen Seite der Stadt noch ein weiteres Thema. Und das so in der Breite abzudecken mit IoT, mit Sensoren, die dann lange Lebenszeiten brauchen, damit man auch nicht ständig irgendwie zum Beispiel Batterien austauschen muss – das zeigt einfach so ein bisschen die Bandbreite der Möglichkeiten auf.

Ja, fand ich auch super spannend. Und man muss auch sagen, vielleicht auch noch mal so ein bisschen zur Einordnung: Der Felix Brühl ist hier der Business Development Manager bei Endress+Hauser. Und wer den Podcast schon länger hört, weiß vielleicht, wie Endress+Hauser hier im Bereich IoT aufgestellt sind – für die, die heute zum ersten Mal reinhören: Endress+Hauser ist ja mittlerweile auch wirklich als Lösungsanbieter hier unterwegs.

Man spricht ja sonst immer von den Komponenten, von der Hardware. Und wie du angesprochen hast, hier geht es ja dann auch plötzlich um so ein Narrowband-IoT, was die Daten dann irgendwo in die Cloud bringt, wo dann Endress+Hauser auch mit Partnern hier gemeinschaftlich so eine ganzheitliche Lösung und so einen Use Case umsetzen kann. Also ist für viele wahrscheinlich auch neu, denke ich mir. Ja, und hier hat man vielleicht zum Thema Narrowband-IoT – man hat das, glaube ich, auch eingesetzt, weil man da relativ weit draußen ist und so eine lange Batterielaufzeit wahrscheinlich gebraucht hat. Und hier hat man auch ganz gute Durchdringung, die Narrowband-IoT hier mitbringt, oder? Weißt du noch, warum die das verwendet haben hier an der Stelle?

Peter

Genau, das ist eben diese direkte Übertragung in die Funkmasten der Telefonanbieter. Das heißt, man ist ja nicht darauf angewiesen, dass man das alles noch mal irgendwo sammelt in einem Gateway, wo das dann auch mal konsolidiert wird, die Daten, und dann übertragen werden. Lustigerweise hatten wir gerade solche Themen, direkt ins Mobilfunknetz, auch im Shopfloor. Da gibt es auch Lösungen dazu, wo man dann eben vermeidet, gerade dieses Sammeln, und alles überzieht, über die zentrale IT zum Beispiel noch mal in die Cloud zu bringen.

Manche Daten könnte man eben direkt über einen Telefonmast in die Cloud, ins eigene Dashboard bringen, was man dann haben möchte. Diesen Weg – das fand ich jetzt auch spannend in den letzten Folgen, in den letzten über 20 Folgen –, diese unterschiedlichen Wege, wie Daten vom Sensor, von der Maschine oder dann in dem Fall eben einem Schacht, wo Wasser dann gemessen wird oder so, wie diese Daten über unterschiedliche Wege dann in das eigene Dashboard, in die eigene App kommen, wo man sich entweder was anzeigen lässt oder was berechnet, Algorithmen damit trainiert und auswerten lässt. Diese Wege sind schon spannend.

Die sind spannend. Ich habe da visuell auch gerade so ein klassisches Architekturbild im Kopf, wo man ja mittlerweile klar die klassische Automatisierungswelt hat, wie man früher auch die Daten vernetzt hat, und dann aber auch mittlerweile von – weiß nicht, ob das jetzt eine KSB-Pumpe ist, ein Endress+Hauser-Sensor, was auch immer, ein ifm-Sensor –, die man dann quasi auch über die Hersteller-Cloud ja mittlerweile dann auch anbinden kann, die dann extern gehen oder auch über Mobilfunk oder über LoRaWAN, Narrowband-IoT, dann vielleicht auch direkt in den eigenen Data Lake oder in eine Datendrehscheibe laufen, wo das Ganze dann aufgenommen wird. Da gibt es ja verschiedenste Möglichkeiten. Um nicht zu sehr ins Detail zu gehen: Auch das sind Themen, die wir bei uns in der Community diskutieren. Aber es ist wirklich spannend, was es da für verschiedene Wege gibt und wie der Tech Stack dann eigentlich aussieht zu diesen einzelnen Use Cases. Gehen wir weiter, würde ich sagen, oder? Wir hatten noch eine Folge rausgesucht, mal einen ganz anderen Aspekt. Da geht es in Richtung digitaler Service. Also ein Hersteller, Maschinenbauer, die Firma SPALECK, die hier digitalen Service entsprechend anbietet. Das ist die Folge 206. Hören wir doch mal rein, was der Jörg hier sagt.

Jörg

Unser erstes Problem, was wir früher festgestellt haben, ist: wenn so eine LED einfach fünf Jahre grün ist und dann gelb wird und dann ist sie monatelang gelb und noch ein paar Wochen lang rot und dann ist der Schaden da und keiner hat es gesehen. Und wir haben dann in den Logs immer gesehen, okay, an sich hat alles funktioniert, aber es hat halt niemand reagiert. Deswegen haben wir das halt irgendwann auf die Cloud-Plattform erhoben, damit wir halt als die Experten für diese Maschinen das mitkriegen und dann halt die Dinge passieren lassen, die dafür nötig sind, dass aus einer Reparatur, die vielleicht nur 10 Minuten dauert, auch wirklich so eine wird und nicht kompletter Stillstand für ein, zwei Tage. Das sind dann halt schon mal so vier, fünf Tage, die wir dann eigentlich sparen, wenn wir halt ein trainiertes Datenmodell anwenden. Das klingt jetzt nicht nach viel, aber ob es ein Freitag ist oder ein Dienstag, an dem man weiß, dass man da wirklich jetzt was ausführen muss, ist halt dann doch ein Unterschied.

Ja, Peter, wie fandest du die Folge? Was war da so spannend für dich?

Peter

Da kommt auch das Thema Stillstand wieder rein, was wir eingangs besprochen hatten. Je nachdem, welche Maschine, für welchen Betrieb, ist das ein Riesending und da entstehen riesige Verluste. Was mir an dem Zitat sehr gut gefallen hat, ist eben das Thema: Na ja, fünf Jahre läuft da alles ohne Probleme. Ja, wie er sagt, ist alles grün. Nach fünf Jahren hat man einfach vergessen, dass da irgendwann mal Probleme entstehen könnten. Daran denkt man einfach nicht mehr. Aber dann, ja, wenn irgendwo ein Lämpchen gelb ist und dann irgendwann rot, aber keiner weiß mehr, warum diese Maschine das überhaupt tut. Also auch einfach das Wissen über die Maschine ist dann einfach vor Ort nicht da. Die läuft, läuft zuverlässig, und dann hat man einfach dieses Wissen nicht aufgebaut. Da braucht man eigentlich die Zusammenarbeit mit den Maschinenlieferanten in dem Fall.

Und das macht es auch so spannend, dieses: Na ja, übertrage ich meine Daten, meine Produktionsdaten oder welche Daten – Produktionsdaten, Maschinendaten – an den Lieferanten der Maschine und lassen wir uns von ihm helfen, genau solche Themen zu vermeiden? Dass die einfach ein Auge drauf werfen, weil sie dann, wenn sie die Chance dazu bekommen, über ganz viele Maschinen eben sicherstellen können, dass es funktioniert. Und da sind, glaube ich, viele auch noch ein bisschen zögerlich: Ich will meine Daten nicht übertragen und so. Ich glaube, da müssen wir in Deutschland viel offener werden, auch in vielen Bereichen. Wir müssen Daten teilen, in einem sicheren Rahmen natürlich, um solche Anwendungsfälle realisieren zu können.

Was ich jetzt hier auch spannend finde – das habe ich mir jetzt gerade gedacht –, ist ja: Das ist ja ein Case, der tritt ja jetzt nicht so häufig auf, dass so ein Stillstand durch den bestimmten Fehlerlog oder was auch immer die Ursache war, passiert. Wie siehst denn du das? Ich meine, um vernünftig Trainingsdaten zu haben, auch für so ein KI-Modell oder sei es auch erst mal für einfachere Dinge, braucht man ja überhaupt erst mal so einen Trainingsdatensatz. Wir haben in der Community, ich weiß es noch, oft diskutiert: Wenn dieser Fall nie auftritt, wie simuliere ich den dann oder woher kommen eigentlich diese Trainingsdaten? Wie siehst du das? Wie mache ich das eigentlich? Und woher kommen diese Trainingsdaten gerade bei zuverlässigen Maschinen, wo halt eigentlich nie so viel ausfällt? Weißt du, was ich meine?

Peter

Absolut. Auch das haben wir in der Folge tatsächlich sehr ausführlich diskutiert, weil das ein ganz spannender Teil ist. Wir kommen ja nachher auch zu dem Thema KI noch mal – klassische KI, generative KI. Gerade bei klassischen KI-Modellen braucht man eben diese Daten, um die zu trainieren. Da braucht man viele Daten. Es reicht nicht so ein paar Ausfalldaten alle fünf Jahre mal. Das Schöne ist tatsächlich, was der Jörg dann auch erklärt hat: Die hatten eine Maschine, die tatsächlich recht fehlerhaft war.

Das war in dem Fall fast ein Geschenk, dass sie so eine fehleranfällige Maschine hatten am Anfang mal. Und dann konnten sie mit diesen Daten diese Maschine sehr ausführlich testen und analysieren. Da muss man fast schon hoffen, dass man mal so eine Maschine hat, die mal nicht so gut funktioniert, um an solche Daten zu kommen. Aber es ist tatsächlich immer für klassische KI, Machine-Learning-Algorithmen eine Herausforderung, an die Negativdaten ranzukommen, um das so zu trainieren, dass es dann eben auch Ausfälle vorhersehen kann.

Okay, dann kommen wir gleich drauf, und das interessiert, glaube ich, viele. Das heißt, wir können die Frage vielleicht gleich noch mal mitnehmen und beantworten. Und wir gehen übrigens auch gleich noch mal drauf ein, warum scheitert es denn eigentlich. Wir haben da, wie ihr am Anfang gehört habt, ein spannendes Zitat. Also da kommen wir dann gleich drauf. Jetzt muss ich kurz einen Zusatz sagen: Ich habe gar nicht gesagt, wer Jörg eigentlich ist. Also Jörg ist der Leiter der Entwicklung bei SPALECK. Und mit dabei waren ja auch noch Lukas Schattenberg von der Firma IXON und der Doktor-Ingenieur Alexander Engels von der Firma aiXbrain. Ich hoffe, ich habe es jetzt richtig ausgesprochen. Die drei haben da zusammengearbeitet in der Folge.

Peter

Ja, genau, die spannende Thematik war da eben: aiXbrain war sozusagen der KI-Algorithmus, verantwortlich für den Machine-Learning-Teil. Dann hatten wir den Anbieter für die IoT-Plattform, Datenübertragung, und den Maschinenbauer. Daher, dieses Zusammenspiel fand ich super spannend, wie die drei ineinandergreifen. Das heißt, jeder hatte so seine Kompetenz mit an den Tisch gebracht und gemeinsam haben sie halt eine Lösung geschaffen, die den Endkunden des Maschinenbaus genau diesen Service ermöglicht, dass man immer weiß, wann fällt denn so eine Maschine aus.

Wie siehst du das Thema? Wie entwickelt sich das hier mit den Hersteller-Clouds eigentlich? Hast du da aus den Folgen was rausziehen können, was da neue Aspekte waren Richtung digitaler Service?

Peter

Da gibt es einfach so ein paar unaufgelöste Spannungsfelder und das ist definitiv eins davon. Der Fabrikleiter möchte eben alle Maschinen am besten in einer Cloud zusammengefahren haben und das überwachen, und der möchte jetzt nicht für jede Maschine eine eigene App haben. Aber das ist eben gerade das, was die Maschinenbauer natürlich anbieten. Diese Diskrepanz – weil ich meine, momentan ist es schwierig, alle Maschinen wirklich in eine Cloud-Plattform zu bekommen. Also ist man eher darauf angewiesen: Wer hat denn schon was, wie kann ich damit schon arbeiten?

Und das ist aber aus meiner Sicht noch nicht ganz aufgelöst. Und jetzt ist wichtig, eine ganz zentrale Thematik: In jeder Ausschreibung für eine neue Maschine sollte man immer auch mit reinschreiben, dass man an die Daten rankommen möchte. Aber wenn man das in der Ausschreibung – das machen manche immer noch nicht, total faszinierend finde ich das –, wenn man das in der Ausschreibung nicht fordert, dann steht man nachher da und möchte plötzlich von einer proprietären Daten-Cloud des Maschinenbauers in eine breitere Cloud die Daten reinnehmen. Dann geht das nicht. Das ist natürlich ein großes Problem.

Ja, ein ganz wichtiger Punkt. Und wie du schon sagst, das hat sich, glaube ich, auch noch nicht so ganz aufgelöst. Ich glaube, viele der größeren Konzerne oder auch größerer Mittelstand integrieren mittlerweile die Hersteller-Clouds dann auch über eine Schnittstelle in ihre eigenen Systeme. Das ist dann aber auch schon sehr, sehr advanced. Ich glaube, gerade im Mittelstand nutzen einfach viele vielleicht auch direkt die SPALECK-Cloud, wahrscheinlich erst mal so als, ja, vielleicht in einer Pilotierungsphase. Aber ich als produzierender Betrieb habe ja nicht nur die SPALECK-Maschine, sondern auch viele andere. Und ja, da entwickelt sich mittlerweile so eine offenere Architektur, dass man da vielleicht nicht nur auf die Hersteller-Cloud geht. Aber da können wir wahrscheinlich noch mal eine eigene Folge dazu machen. Gut, gehen wir weiter zum nächsten Case. Das ist die Folge 202 mit der Firma ORGATEX. Hier der Aspekt der digitalen Dokumentation. Hören wir doch da mal in das Zitat vom Philipp Smolke.

Philipp

Wir haben Kunden dabei, die, nachdem wir gemeinsam in einer kleinen Analyse mal wirklich die Zahlen runtergebrochen haben, zwei Vollzeit-FTE-Kollegen einfach zur Verfügung stellen, die nur suchen den ganzen Tag, wo man bei den heutigen Lohnkosten aktuell ja sehr, sehr schnell bei einem sechsstelligen Volumen ist.

Dann zitiert der Philipp, glaube ich, einen Kunden, der Folgendes zu ihm gesagt hat.

Philipp

Lieber Philipp, ja, schön, dass ihr die Regalkennzeichnung anbietet und die Behälterkennzeichnung und den KLT-Snapper. Alles wunderbar und schön und gut, aber ich will halt keine 60 Seiten Papier in meinem KLT haben, sondern will eigentlich eine smarte digitale Lösung dafür.

Ja, was war hier so der spannende Aspekt bei dieser Folge?

Peter

Ja, ich denke, gerade digitale Dokumentation ist halt noch mal ein ganz eigener Anwendungsfall. ORGATEX kommt ja ursprünglich so aus der Visualisierung, das heißt, Kleber habe ich mir gemerkt, da verschiedene Markierungen, die die da mitbringen. Und dass man von dieser recht physischen Welt – ich klebe irgendwelche Markierungen auf – dann hin zu IoT und der Dokumentation kommt, wann wo was passiert und auch genutzt wird, da kommen wir nachher insbesondere noch mal drauf. Ich denke, wenn wir jetzt auch in die Umsetzung gehen, diese ganze Thematik Semantik, Daten, von Asset Administration Shell bis zu Unified Namespace, das sind solche Themen, die da in diesem Dokumentationsumfeld eine Rolle spielen. Ich fand, das war da ganz gut beschrieben, wie man da von physischen Anforderungen dann hin zu den digitalen Anforderungen kommt. Daher war die Folge spannend.

Man muss vielleicht auch digitale Dokumentation mal so ein bisschen definieren, weil wir so viele verschiedene Use Cases auch bei uns auf der Plattform hier auf iotusecase.com haben, die verschiedene Aspekte haben. Also irgendwie von: Wie mache ich denn eigentlich die Fernauslesung in digitaler Dokumentation, wie mache ich eine Abrechnungsautomatisierung hin zu genau: Wie komme ich denn strukturiert an die Verfügbarkeit von Dateien und Dokumenten? Stichwort digitaler Produktpass, da kommen wir auch gleich noch mal zu.

Bis hin zu Audits und Reportings, die vielleicht ein Kunde braucht, und so weiter. Also da gibt es ganz verschiedene Dinge, bis hin zur Wissenssicherung. Das wurde ich jetzt neulich auch wieder gefragt: Wie kann ich denn eigentlich das Wissen sichern von meinen Mitarbeitern und Mitarbeiterinnen, die halt älter werden und vielleicht den Betrieb verlassen? Also da gibt es irgendwie ganz verschiedene spannende Aspekte. Das wurde alles schon gelöst, mittlerweile auch technisch. Aber ja, das sind vielleicht die Use Cases, die so hinter der digitalen Dokumentation stehen. Und ich glaube, Thema ECLASS und Verwaltungsschale schauen wir gleich noch mal rein. War das hier wirklich ein schöner Anwendungsfall aus der Praxis? Hast du noch weitere Aspekte, die du hier hervorheben würdest von dieser Folge, wo du sagst, hey, das ist auch noch mal was, das war mir so noch nicht klar oder war irgendwie neu oder spannend?

Peter

Wie du sagst, so ein bisschen diese Breite der Anwendungsfälle. Wir hatten da auch über Zertifikate gesprochen, CO₂-Fußabdruck, Compliance von verschiedensten Anforderungen, die da entstehen. Also einfach diese Breite der Dokumentation, das ist, glaube ich, einfach ein spannendes Thema grundsätzlich. Und das ist nicht alles nur in der Folge, aber das zieht sich so ein bisschen durch die letzten vielen Folgen, wo wir das immer wieder als Thema hatten. Die Umsetzung macht es dann natürlich noch mal spannend.

Ja, total. Ich packe euch den Link einfach mal in die Show Notes, wenn ihr da Interesse habt. Schaut mal rein, und da halt vor allem der IoT-Aspekt. Also wie arbeite ich dann im Bereich der digitalen Dokumentation eben mit den Live-Daten. Genau, also da gibt es eine ganze Menge, ein eigenes Kapitel. Schaut da gerne mal vorbei. So, dann werden wir jetzt, glaube ich, ein bisschen technischer. Jetzt bitte nicht abschalten, so technisch auch nicht. Aber wir wollen mal so ein bisschen über Datenarchitektur, auch IT/OT-Integration sprechen und was es eben da Neues gibt, jetzt auf einem Praxis-Level erklärt.

Dazu hören wir jetzt als Erstes mal in die Folge 205. Da bewegen wir uns auf dem Shopfloor. Da geht es nämlich darum, wie man über OPC UA die Daten ins ERP schreibt, mit der Giesser Messerfabrik. Hören wir mal rein, was der Björn als Anwender da sagt.

Björn

Ich liebe es und ich nenne es dann immer die skalierenden Systeme. Immer mit irgendetwas anfangen, auch das Eisbrechen gegenüber Mitarbeitern, gegenüber dem Geschäftsführer – der ganze Entscheidungsträger ist jetzt bei uns, Gott sei Dank, wir sind relativ flach strukturiert. Ich brauche jetzt nicht so viele Überzeugungen. Aber das ist ja oftmals das Problem, dass, wenn man ein System hat, was sehr groß ist, es ist schwieriger, einen für 50 oder 100.000 Euro zu überzeugen, und dann gibt es nicht den einen Faktor, den ich dagegen rechnen kann und sage, ich spare ja auch so und so viel, sondern ich muss erst mal anfangen, die Akzeptanz für so ein System aufzubauen. Und da bietet sich das natürlich hervorragend an, dass ich wirklich mit dem ersten Board schon eine Anwendung schaffen kann, die einen großen Teil von Problemen löst und damit dann auch mir den Weg ebne und dann ein System habe, was aber dann nicht – jetzt habe ich die kleine Lösung gekauft, jetzt muss ich sie wieder wegwerfen und es muss die nächste größere –, sondern es ist wie ein Baukastensystem, das sich zusammensetzt. Ich muss auch nicht gleich von vornherein den Hub haben, aber wenn ich dann halt mal das dritte, vierte, fünfte Board installiert habe, dann komme ich an den Hub.

Ja, hier fand ich jetzt zwei Aspekte ganz spannend. Er spricht hier von Akzeptanz, Mitarbeiter, also das ganze Thema auch Change Management, und gleichzeitig von Skalierung. Peter, was fandest du in dem Aspekt Skalierung hier spannend?

Peter

Ja, gerade eben diese skalierenden Systeme als der Ansatz, dass man sagt, in vielen Themen muss man einfach mal so ein bisschen stufenweise ansetzen. Das mache ich gerade in meinem aktuellen Anwendungsfall. Wir machen alles mit generativer KI für Organisationsentwicklung. Und mir ist da dieses stufenweise Vorgehen extrem wichtig, dass man halt mal schnell zu ersten Ergebnissen kommt, dass man aber dann nicht alleine dasteht, sondern man darauf wieder aufbauen kann und das nächste und das nächste und das nächste dann weiterentwickeln kann. Der ganz große Wurf, das ist immer ein Risiko, gerade wenn es komplex wird. Komplexität ist häufig unterschätzt und dann scheitern Projekte mit viel Geld, weil man sich zu viel auf einmal vorgenommen hat. Da ist ein Stufenvorgehen im Bereich IoT, genauso wie bei generativer KI für Organisationen, sehr sinnvoll. Das zeigen die hier in der Folge sehr schön.

Da geht es ja um diese Peakboards, das sind so industrielle Visualisierungsrechner. Das kann man relativ schnell mal in so eine Maschine dranpacken und auch selbst konfigurieren. Also gerade so richtig spannend war, dass ich einen so begeisterten Kunden selten erlebt habe. Jemand aus der Fabrik, ein Fabrikmanager, der selber so begeistert war, dass er da als Nicht-ITler sich selber diese Dinger auch mit konfigurieren kann und einstellen kann.

Da er einfach eine Begeisterung mitgebracht hat, dass das eben sinnvoll ein Weg ist, wie man direkt schnell zu Ergebnissen kommt und es immer weiter ausbaut, dann aber auch mitgenommen wird, dass das nicht Stückwerk bleibt. Das ist natürlich dann trotzdem ein Problem, wenn es nur so Einzelthemen sind, die nicht ineinandergreifen. Aber da kommt dann irgendwann in dem Fall zum Beispiel dieser Hub dazu, der dann alles wieder zusammenzieht und orchestrierbar macht und managbar macht. Dann muss man nicht wieder an jedem einzelnen Thema rumdoktern, sondern kann das alles über den Hub managen. Das sind so Themen, die sind aus meiner Sicht sehr sinnvoll, was eine Anwendung angeht.

Ja, genau, man muss ja sagen, der Björn Mutschler hier ist ja Produktionsleiter bei der Johannes Giesser Messerfabrik und genau damit jetzt ja auch jemand, der die ganze Fabrik im Blick hat, auch aus wirtschaftlicher Sicht. Und mit dabei war ja der Thilo von Peakboard, wie du schon gesagt hast – Peakboard, unser Partner, die hier diese Lösung entsprechend auch anbieten.

Und vielleicht noch kurz zur Einordnung, wenn ihr euch jetzt wundert, was Peter mit „wir" meint: Also Peter, du hast ja eine Doppelrolle. Du bist ja einmal bei IoT Use Case hier auch als Host im Podcast mit dabei, unterstützt das Team, hast auch noch eine andere Rolle zum Thema KI. Also wenn ihr da Interesse habt, da mehr zu diesen Themen auch zu erfahren, die Peter hier und da auch wieder im Podcast anspricht, geht gerne auf ihn zu. Ich glaube, Peter, deine Kontakte sind auch in den Show Notes. Du bist da schon seit Jahren unterwegs. Man muss aber sagen, wir kennen uns ja auch schon ewig aus der Siemens-Zeit. Und ja, jetzt hast du den Fokus auf die KI. Also da sprecht ihn gerne an, wenn ihr mögt.

Ja cool, ansonsten: Der zweite Aspekt war jetzt dieses Thema der Akzeptanz und Change Management. Also das fand ich jetzt auch – welche Folge hatten wir eben? Das war diese Folge, ich glaube, das hatte hier mit SPALECK zu tun, dass man ja auch der Experte für die Maschinen ist. Und ja, auf jeden Fall finde ich diesen Aspekt für dieses Change Management auch interessant, dass man erst mal anfängt und sagt, ich habe hier einen Use Case, ich fange einfach mal an, und dann sieht man die Daten und plötzlich wird dann klar: Hey, das kann ich ja auch sehen, und ja, das ist jetzt auch ein Effekt, und können wir nicht das und das auch noch damit machen? Also dann fangen ja oft auch die Ideen an zu sprießen. Und das finde ich schon gut, dass man das eben auch skalierbar als System selber dann auch aufbaut, zu sagen, ich fange klein an und baue das dann mit der Zeit aus. Oder, wie siehst du das?

Peter

Ja, genau das ist es. Also, dass man die Leute vor Ort abholt. Man muss immer da natürlich aufpassen, wen holt man wo ab. Das sind die Leute in der Fabrik, aber auch das Management. Jeder braucht da so ein bisschen mal die ersten Erfolgserlebnisse, das Verständnis. Das muss sich erst aufbauen. Das ist auch eine der Antworten, die wir zum Beispiel in der letzten Folge diskutiert haben, auf die ich, glaube ich, immer noch mal ein paar Mal kommen werde. Da haben wir ja mit Next Level Mittelstand und SCHUNK gesprochen.

Super spannend ist dieses: Wie kriegt man dann die Leute mitgenommen? Und da sind zum einen erste kleine Erfolge sehr relevant, aber auch eben die Vision, wo soll es denn hingehen, also Zielbilder. Und da war die letzte Folge unglaublich gut, gerade aus dem Kontext Change Management, weil das fängt nicht nur bei den Leuten im Shopfloor an, das ist tatsächlich genauso wichtig bei den Geschäftsführern, kaufmännisch, technisch, egal. Und da, glaube ich, kann man noch ganz, ganz viel machen.

Ja, cool. Ja, bevor wir jetzt zu SCHUNK kommen, ganz kurz noch zwei Folgen, die wir euch gerne kurz anteasern wollen. Das ist die Folge 215. Da geht es um Unified Namespace mit dem United Manufacturing Hub. Wer den Podcast schon länger hört: Ich habe eine Folge mit Frank Thelen gemacht zu dem Thema. Das ist eine Update-Folge und ganz konkret auch ein Stück weiter in Richtung KI. Also hört in diese Folge rein, das ist die Folge 215. Und dann noch eine Folge, das ist die 207. Wirklich eine wichtige und auch spannende Folge aktuell zum Thema digitaler Produktpass. Da geht es um ECLASS und auch das Thema der Verwaltungsschale mit der Firma WAGO. Hört da gerne mal rein, spannende Folge. Ja, und dann die Folge 201. Da ging es um ein privates 5G-Campus-Netz. Wir hören doch mal rein, was der Julian von Salzgitter Flachstahl dazu sagt.

Julian

Also wir haben ein AGV, also ein fahrerloses Transportsystem, was eine Wegstrecke, jetzt nicht groß, von 85 Metern immer zurücklegen muss. Und zwar tut es das aber mit zwei Coils. Also Coils sind unsere aufgewickelten Flachstahlprodukte. Von einem Kranfahrer wird dieses Fahrzeug angefordert. Also der hat ein Lagerverwaltungssystem, drückt eine Taste und dann muss sich dieses Fahrzeug eben in Bewegung setzen.

Dann kann er dort diese Coils drauflegen und dann fährt es, und das ist das Besondere bei uns: nicht nur in der Halle, sondern es fährt auch im Außenbereich. Und das Spezielle ist eben, dieses Fahrzeug hat neben den ganzen Sicherheitseinrichtungen – also das heißt, es fährt ohne Zäune. Das ist schon das erste High-Level, wo man ran muss, bei 100 Tonnen ohne Zäune. Kollisionen sind da nicht so witzig. Es gibt Notausschalter am Fahrstand.

Also das heißt Safety-Kommunikation: Ich sehe irgendeine Störung, ich muss das drücken, es muss stehen bleiben, es muss sicher stehen bleiben. Wir haben Anwendungen, wo wir wirklich tolle WLAN-Technik von anderen Herstellern eingesetzt haben, die auch jahrelang stabil lief, bis dann irgendjemand mit seinem LKW mit einer Betonpumpe gekommen ist und dann seine Betonpumpe gesteuert hat und die hat dann eben irgendwas gestört, weil man halt vorher nicht die Frequenzen beachtet hat.

Ja, ich bleibe jetzt mal gleich bei diesem letzten Satz, weil ich finde den besonders spannend jetzt aus technologischer Sicht, weil viele sagen ja auch, wir haben hier Wi-Fi, unsere Applikationen laufen, warum jetzt 5G, warum brauche ich jetzt so ein privates 5G-Netz vielleicht auch? Und das finde ich ganz spannend, weil er sagt eben, es wurden bestimmte Frequenzen nicht berücksichtigt, und das ist ja auch ein schöner Aspekt von dem Thema 5G, warum man das entsprechend einsetzen kann. Fand ich jetzt zum Ende hin ganz spannend. Was fandest du jetzt interessant an dieser Folge?

Peter

Auch diese Bandbreite der Möglichkeiten. Wir hatten über LoRaWAN gesprochen, Narrowband-IoT, MQTT und Ähnliches. 5G ist dann natürlich – ein privates 5G-Netz ist noch mal ganz anders von der Art und Weise. Und das einzuordnen: Wann brauche ich das denn? Hier sieht man mit diesen 100-Tonnen-LKWs, die dann auch kameraüberwacht sind, hochfrequent, auch Kamerabilder insbesondere, Bildübertragung, ist so ein Thema, wo 5G sich anbietet.

Da hat man ganz andere Anforderungen, als wenn ab und zu mal jede Stunde ein kleiner IoT-Sensor ein kleines Mini-Datenpaket funkt. Und diese Bandbreite ist also spannend, weil gerade mit Siemens und Salzgitter da zwei Schwergewichte unterwegs sind. Ich denke, nicht für alle relevant, 5G, definitiv nicht das private 5G-Netz, aber da, wo es relevant ist, eben dann auch eine sehr spannende Folge.

Ja, total. Und ich denke, es wird auch irgendwie beides geben. Also es wird ja immer die WLAN-Use-Cases geben und dann aber auch entsprechend zum Thema 5G, wo man entsprechend die Use Cases hat, wie er jetzt hier beschreibt, den Use Case in der Produktionshalle für die AGVs, wo Signalstärke, aber auch diese entsprechenden Frequenzen auch berücksichtigt werden müssen. Also da gibt es ganz viele Use Cases, die jetzt so aufkommen, die da spannend sind. Und fand ich jetzt mal interessant, das einfach mal aus der Praxis zu hören, wie hier Salzgitter Flachstahl das macht. Erzählt gerne mal, was ihr für Use Cases habt. Ihr habt jetzt eine Menge gehört, würde uns auch mal interessieren. Schreibt uns die gerne. Schreibt uns auch gerne Fragen, wenn ihr da welche habt. Ich werde dieses Jahr auch ein paar Sonderfolgen machen, wo ich Community-Fragen beantworte. Meine und Peters Kontakte sind in den Show Notes. Ja, und jetzt kommen wir aber zu der angekündigten Folge, die wir auch schon im Intro gehört haben, zu der Folge 220. Und wir hören einfach rein in das Zitat.

Henrik

Ich glaube, der Peter hat es auf den Punkt gebracht. Ich würde gerne das, was du gesagt hast, Peter, gleich mal im nächsten Mittelstand diskutieren, bei einem der nächsten Roundtables oder Sitzungen, die wir haben. Wie können wir vielleicht sogar gemeinsam so ein Zielbild erarbeiten und den KMUlern oder den Mittelständlern eine helfende Hand quasi ausstrecken?

Was hat hier Schunk genau gemacht? Kannst du das mal kurz zusammenfassen?

Peter

Ja, was mich an der Folge total begeistert hat: dass wir tatsächlich so ein bisschen vom Anwendungsfall, wo es auch um Datentransparenz ging, Verfügbarkeit von Daten, damit man die dann weiter nutzt, auch Datensouveränität – da war STACKIT von der Schwarz-Digits-Gruppe dabei. Also sehr, sehr spannend in Summe schon die Technologie, also da hätten wir ewig diskutieren können. Wir sind dann aber abgebogen und haben darüber gesprochen: Na ja, warum scheitert denn das? Warum funktioniert es denn nicht im Mittelstand, dass die jetzt zügig vorankommen, auch bei dem Thema Digitalisierung? Wo ein paar ganz tolle Beispiele genannt wurden, auch ganz konkret, was da an Gesprächen läuft und so. Es gibt ja die Initiative Next Level Mittelstand, die der Henrik Schunk da auch gestartet hat und wo es so ein bisschen auch um einen Austausch geht. Ähnlich wie jetzt in der IoT Community, wo wir wirklich auch sehr fachlich diskutiert haben in der letzten Zeit, wo auch so ein Thema mal ankam: Woran scheitert es?

Wo wir uns darauf geeinigt hatten, war insbesondere auch das Thema: Es fehlt diese Vision, diese Zielbilder, dieses „Wie wollen wir denn nach vorne hin vorgehen?". Wir haben jetzt über ganz viele Themen gesprochen, wie man es technologisch machen könnte. Und jetzt steht vielleicht am Schluss einer da und sagt: Na ja, und jetzt, was soll ich denn tun? Und da hatte man bisher eben – wenn jetzt das Thema KI, wir haben ja sehr viel in der Industrie über klassische KI, Machine Learning gesprochen, dass man eigene Algorithmen zum Beispiel für den Ausfall von Maschinen trainiert.

Jetzt gibt es aber die neue KI, sozusagen diese neue KI-Welt der generativen KI, und da kommen halt diese Large Language Models, und die sind wirklich large, also richtig groß, die haben schon unglaublich viel Wissen im Bauch. Und was die können, ist eben gerade solche Themen zu strukturieren, also im Sinne von: Na, wie soll ich vorgehen? Die meisten denken dann: Na ja, wie kann ich denn KI später einsetzen, zum Beispiel zur Dokumentation oder so. Aber die wenigsten denken gerade drüber nach: Wie kann ich mir denn von der KI Hilfe geben lassen, Unterstützung geben lassen, den Weg zu beschreiben?

Da merkt ihr schon, ich brenne dafür, ich muss mich ein bisschen einbremsen, dass ich jetzt nicht zu weit ausführe. Aber da ging es darum, dass man generative KI nutzt, um sich Zielbilder zu schaffen. Wo soll es hingehen? Und Zielbilder, die dann jeder versteht, jemand, der in der Fabrik arbeitet, bis hin zum CEO, vielleicht auf unterschiedliche Art und Weise, unterschiedlichster Detailgrad, visualisiert – da ist KI gerade sehr, sehr stark, diese generative KI. Und da braucht man eben kein Beratungsprojekt mehr, was es bisher vielleicht war, über Wochen, Diskussionen und Abstimmungen und teure Berater im Haus. Das machen wir zum Beispiel, meine Firma, in einem Workshop-Tag, ein bisschen Vorbereitung, ein bisschen Nachbereitung, und dann hat man da sich tolle Zielbilder überlegt und einen Plan gemacht, wie man jetzt mit der Digitalisierung vorgeht. Und ich glaube, das ist eine ganz, ganz starke Folge gewesen, die diese Grundproblematik anspricht und diskutiert. Also die sollte aus meiner Sicht wirklich jeder Mittelständler mal hören.

Genau, die pinnen wir euch irgendwo ganz oben an, und speichert sie euch jetzt noch mal ab. Und was sind dann so die Hürden, warum scheitert es? Fallen dir da noch Sachen ein, die wir jetzt gerade diskutiert haben? Ich habe jetzt auf jeden Fall diese zu vielen Player und die Kommunikation ist auf jeden Fall ein Riesenthema. Fällt dir noch mehr ein gerade?

Peter

Also vielleicht auch: Woran scheitert es nicht? Es scheitert nicht mehr an der Technik. Das ist, glaube ich, ganz wichtig zu verstehen. Allein, wenn man auf eure Seite geht und sich die ganzen Use Cases anschaut. Genau, die ist jetzt gekommen. Eigentlich gibt es für fast jede Thematik mal eine Lösung auch. Ein Use Case, eine Lösung, ein Anbieter, der das schon gemacht hat. Man muss das nicht alles selbst neu erfinden. Und da geht es jetzt eben eher darum: Woran scheitert es eher an den Menschen?

Auch wichtig. iotusecase.com übrigens.

Peter

Dass dieses Verständnis da ist, auch an dem Prozessverständnis, weil die Prozesse oft nicht dokumentiert sind, da nicht klar ist. Und überall da kann diese generative KI plötzlich helfen, weil die hilft zu kommunizieren, verständlich zu kommunizieren, die hilft, Komplexität zu strukturieren. Die löst die Thematiken nicht komplett auf, aber die hilft einfach extrem. Dafür wird das noch kaum genutzt und viel zu wenig. Und das ist eben schade.

Und zu einer Frage bezüglich auch der klassischen KI und wie man damit umgeht, gibt es sozusagen keine Pauschalantwort, aber auch generative KI kann eben helfen, einen Plan aufzubauen, überhaupt erst mal: Wie gehe ich da vor, wie komme ich an Daten? Man kann das auch tatsächlich nutzen, um dann eben Data Labeling und so weiter zu unterstützen, Datenstrukturen zu schaffen. Also man hat plötzlich mit dieser generativen KI ein Tool an der Hand, was in ganz vielen Aspekten, insbesondere auch auf dem Weg – wie schon gesagt, nicht nur am Ziel, sondern auch auf dem Weg – helfen kann, voranzukommen.

Unterschreibe ich komplett, genau. Es ist vielleicht noch technisch zu kompliziert für die eigenen Service- und Vertriebsmitarbeiter oder dann die Kommunikationsarbeit, die dahintersteckt, wie du es auch schon gesagt hast. Und vielleicht auch so ein zu hoher Invest, bevor man überhaupt einen Nutzen sieht. Das hatten wir ja bei der Peakboard-Folge auch: Es fängt klein an, wo er einen Use Case hat, wo es einen echten Mehrwert bringt, und dann kann man das halt auch schön entwickeln. Ja, und wie du sagst, die KI-Aspekte, natürlich ist auch ein Riesen-Chapter, wo es ganz viele Use Cases gibt, die da entsprechend auch Mehrwert bieten.

Aber auch dieses Thema – das haben wir jetzt nicht im Detail heute gehabt –, aber dieses Thema Vertrauen, Governance beim Datenaustausch, Stichwort ECLASS, da haben wir ja eine Folge zu gemacht, da auch gerne noch mal reinhören. Ich muss dann mal raussuchen, welche das war. Ich packe euch das alles in die Show Notes. Also auch ein wichtiger Punkt, warum es scheitert. Und ja, daraus kann man entsprechend einfach lernen, würde ich sagen. Und ja, jetzt zu dem Thema: Was mache ich denn, wenn meine Maschine nicht die Daten liefert? Hast du da einen Tipp zu oder eine Empfehlung, wie man da vorgeht?

Peter

Das hängt extrem vom Einzelfall ab, und gleichzeitig eben, dass man generative KI zum Beispiel nutzt, um sich einen Plan zu machen, wie man an die Daten rankommt, und diese auch zu strukturieren und auch zu labeln – also die ganze Thematik: Ja, was heißt es, Semantik, ja, was heißen jetzt die einzelnen Datenpunkte? Diese Aufarbeitung, da kann inzwischen die generative KI auch unterstützen. Also das löst nicht jedes Problem. Wenn man keine Daten hat, kann man auch kein Modell trainieren, das ist einfach ein Fakt.

Aber man kann sich zumindest das Leben leichter machen, als es bisher war.

Also wenn ich gerade drüber nachdenke: Ich mache demnächst eine Folge – gerne im Podcast abonnieren –, die ist echt spannend. Wir haben jetzt schon den Inhalt besprochen mit Cumulocity, und da geht es ein bisschen darum, dass die sich ja auch in Ökosystemen jetzt mit den Herstellern zusammenschließen, von verschiedenen, weiß ich nicht, Verpackungsmaschinenbauern, Pumpenherstellern und so weiter. Und ich könnte mir vorstellen, dass in Zukunft, wenn man so ein Ökosystem hat, ja auch Trainingsdaten gelabelt schon verfügbar sind. Also von einem bestimmten Case, den ich vielleicht in meiner Fertigung nicht hatte, aber vielleicht jemand anders. Wäre das nicht auch ein Ansatz zu sagen: Da gibt es in dem Ökosystem von meinem Cloud Provider, zum Beispiel der Cumulocity, die halt mit einer Microsoft zusammenarbeiten, schon einen Ansatz? Ist das nicht ein Ding auch? Also stelle ich mir jetzt so vor, ich weiß nicht, ich kann nicht in die Glaskugel schauen, aber so könnte man ja auch die Herstellerdaten und diese Fehlerlogs von einem ähnlichen Gerät ablesen, wo man sagt, ja, den Case gab es ja schon mal irgendwo. Weißt du, wie ich meine?

Peter

Also Ökosysteme sind eine ganz große Antwort auf viele Themen. Und gerade dieses Next Level Mittelstand, was wir angesprochen haben, IoT Use Case als Plattform, also diese Ökosysteme, wo man sich gegenseitig mal über – das ist der Einstieg – über einfach Probleme berichtet und wie kann man gemeinsam Probleme angehen. Bis hin zu dem nächsten Schritt, dem Datenaustausch. Da gibt es ja auch viele Initiativen, die wir auch teilweise kritisch in den Folgen diskutiert haben, wie Manufacturing-X und Ähnliches.

Aber da gibt es schon viel. Man muss da aber halt eine gewisse Offenheit reinbringen. Und ich glaube, wie schon gesagt, das kommt immer dahin zurück, dass man mal versteht: Wo will ich denn hin? Und wenn ich selber sehe, ich komme da nicht alleine hin, dann ergibt sich fast automatisch schon der Ansatz, den wir da auch immer mitdenken: Wie gehe ich in ein Ökosystem oder mit Partnern um? Wen brauche ich denn als Partner, um mein Zielbild zu erreichen? Das wird oft vernachlässigt. Firmen schauen aus ihrer eigenen Brille und schauen nicht so im weiteren Ökosystem, auch vielleicht, weil es manchmal zu komplex ist für den Alltag. Ja, auch hier kann KI da helfen.

Seine eigene Welt. Ja, total. Also vielleicht werden ja physikalische Grenzwerte oder irgendwie Expertenwissen von bestimmten trainierten Modellen schon irgendwann in einem Ökosystem abrufbar durch die Daten. Ich gucke da sehr gespannt in die Zukunft, was es da noch gibt. Und ich weiß, dass einer bei uns im Anwenderkreis auch mal gesagt hat: Wenn die Motorspindel – also die haben so eine Motorspindel, die im Dauerlauf läuft mit den Betriebsstunden –, dass die einfach auch Tests machen, also so Dauertests im Labor, um diese künstlichen Ausfälle irgendwie zu erzeugen.

Ich weiß nicht, ob das auch ein Ding ist, aber ich glaube, das machen ja auch viele, die dann richtig auf Limit zu fahren, um dann halt zu sehen, wann fällt die denn aus und was könnten so im vor- und nachgelagerten Prozess auch irgendwelche solche Fehler sein. Aber das ist dann, wie du schon sagst, muss man dann auch im Einzelfall sich anschauen, was ist das für ein Use Case, was ist das für ein Gerät und so weiter. Ja, also wenn ihr Interesse habt, geht gerne auf Peter zu. Spannend, was er auch nebenbei mit seiner Firma dort macht.

Und ja, Peter, ansonsten zusammenfassend: Ich bin dankbar für die Zeit. Schön, dass du das gemacht hast. Du hast das richtig toll gemacht. Ich finde die Folgen richtig spannend. Und ja, ich bringe jetzt mal wieder ein bisschen neuen, frischen Wind auch ein. Ich habe ein paar Sachen, die ich auch wieder innovieren möchte, neuen Input reinbringe, ein paar neue Themen. Und ja, ich freue mich auf jeden Fall, dass ich jetzt wieder dabei bin. Wir hören uns wahrscheinlich noch mal und vielleicht machen wir sogar noch mal eine Folge zusammen, wenn du … und dann loslassen.

Peter

Das würde mich auch sehr freuen. Und auch vielen Dank für das Vertrauen, dass ich deinen Podcast übernehmen durfte für diese Zeit. Hat mir viel Spaß gemacht, hat mir viele Erkenntnisse gebracht, und mir war wichtig, dass ich das so, wie du es auch gemacht hast, schon sehr freundlich, sympathisch auch fortsetze. Mit einer gewissen Struktur auch. Es ist ein Fachpodcast, deshalb macht es manchmal ein bisschen Herausforderung – man kann gar nicht so sehr auf die Leute eingehen. Wir haben es tatsächlich jetzt in den letzten Folgen sogar noch mehr gekürzt, direkt wirklich in die fachlichen Themen rein, gar nicht so sehr auf die Leute.

Das hat mir fast immer ein bisschen leidgetan. Mir geht es ja selber so, dass ich eigentlich, wenn ich so einen Fachpodcast höre, da schnellstmöglich zu konkreten Erkenntnissen kommen möchte und so. Das haben wir da ja ein bisschen umgestellt, aber daher machst du das genau wieder so komplett – du machst das super sowieso, mit frischem Wind auch. Und vielleicht die eine oder andere Folge auch gar nicht so sehr Use-Case-bezogen, sondern mal so wie bei der letzten Folge ein bisschen mal allgemeiner aufgegriffen mit irgendwie Entscheidern.

Das wäre vielleicht auch mal ganz spannend als Folgen. Vielleicht, liebe Hörerinnen und Hörer, habt ihr da irgendwelche Geschäftsführer oder so, die es verstanden haben, die sich vielleicht schon ein Zielbild entwickelt haben, dass man auch so was mal diskutieren kann. So ein bisschen ein Level über den Use Case, weil viele Use Cases ergeben dann irgendwann wieder ein Zielbild. Das macht es vielleicht dann auch ganz spannend. Genau, daher: Auf jeden Fall bleibe ich auch ein treuer Zuhörer des IoT Use Case Podcasts und freue mich auf die nächsten Folgen.

Danke dir. Und ja, wie du schon sagst: Wenn ihr Folgen oder Themen, Speaker, was auch immer habt, meldet euch gerne bei mir. Und wenn ihr Feedback habt, auch immer gerne, schreibt mir bei LinkedIn oder auch per Mail über unsere Seite. Und ich freue mich immer darauf, dieses Format hier für euch optimal zu gestalten. Mir macht es eine Menge Spaß, vielen der Speaker auch. Und deswegen freue ich mich auf die Zukunft. Also dann, mach's gut und wir hören uns ganz bald. Bis dann. Tschüss.