Advanced Systems Engineering: In drei Schritten vom Datendschungel zum Datenmanagement
Es gibt schon seit Jahren einen Ansatz namens »Product Lifecycle Management« (PLM), der die Durchgängigkeit der Daten über den Produktlebenszyklus sicherstellen soll. Das funktioniert in der Entwicklung auch schon ganz gut. Das Problem: Betrachtet man nun tatsächlich den gesamten Produktlebenszyklus von der Konstruktion über die Fertigung bis hin zum Betrieb (und zurück), findet man eine Vielzahl an heterogenen Daten im Unternehmen, oftmals auf mehrere Standorte und Business Units verteilt. Über die Jahre entwickelt sich die IT dezentral, wichtige Systeme sind nicht kompatibel, die Zusammenarbeit wird durch Unverträglichkeiten beim Datenaustausch ausgebremst, von Interoperabilität keine Spur. Und das i-Tüpfelchen: oftmals sind nicht einmal zentrale Systemketten wie PLM – ERP oder PLM – MES realisiert. Wenn das Datenmanagement schon beim PLM ein Dilemma ist, gilt das für die fortgeschrittenen Themen wie Künstliche Intelligenz (KI) oder Digitaler Zwilling umso mehr.
Dreiklang: Daten richtig formatieren, Schnittstellen gestalten, Standards etablieren
Unternehmen auf dem Sprung auf das nächste digitale Level stehen vor der Herausforderung die heterogenen Daten handhaben zu können. Einer Lösung kann man sich vereinfacht in drei Schritten nähern (siehe auch Abbildung 1):

Abbildung 1: In drei Schritten zu einem effektiven und durchgängigen Datenmanagement im Unternehmen. © Fraunhofer IAO
Schritt 1: Daten strukturieren
Die gute Nachricht ist, dass man als Unternehmen das digitale Rad nicht neu erfinden muss. Ein entscheidender erster Schritt ist der Übergang vom dokumentenzentrierten hin zum modellbasierten Denken und Arbeiten. Auch ein PDF eines eingescannten Dokuments ist weiterhin ein Dokument! Um Daten verarbeiten, analysieren und managen zu können, muss man diese Daten lesen können. Stand der Technik ist, dass über die Wertschöpfung hinweg viele unterschiedliche Systeme Daten zu einem Produkt erzeugen. Diese Daten müssen an vielen Stellen miteinander verbunden werden und ergeben nur in der Kombination eine gute Grundlage für einen Digitalen Zwilling. Hier gilt es ein »Datenmodell« für das Unternehmen zu definieren, das die Abhängigkeit von der eingesetzten Software berücksichtigt. Bspw. sind CAD-Daten oftmals nicht gleich CAD-Daten, da jede Software im Kern auf ein eigenes, natives Datenformat setzt. Entscheidend ist es, in der Produktentstehung ein Bewusstsein für die unterschiedlichen Daten und deren Kompatibilität und Abhängigkeiten zu schaffen und diese bei der Systemauswahl zu berücksichtigen.
Schritt 2: Schnittstellen gestalten
Greifen wir als Beispiel eine Werkzeugmaschine heraus mit ihrer Mechanik, Elektronik und Software. In den CAD-Systemen, Simulations-Tools, Softwareumgebungen und weiteren Autorensystemen entstehen unterschiedliche Daten. Die entscheidenden Fragen: Wie bekomme ich die Daten meines Produkts sinnvoll verwaltet und zueinander in Beziehung gesetzt? Von einer Datenrückführung aus dem Feld sprechen wir hier noch nicht. Bis zu einer funktionierenden Lösung sind viele Hürden und Barrieren zu überwinden. Einige rühren aus kulturellen Themen her, andere Barrieren sind die vielen existierenden, berühmt-berüchtigten Daten-Silos. Doch es müssen nicht alle Daten zwingend in einem »Data Lake« abgelegt werden. Häufig genügt auch eine Schnittstelle, um Systeme miteinander zu verbinden und so einen Mehrwert zu schaffen. Bei der Prozessanalyse Mehr lesen »