Wo sieht Wago bei seinen Kunden typischerweise die größten Hebel der Optimierung durch Data Analytics?
Wir machen Analytics branchenübergreifend, daher gibt es unterschiedliche Einsparpotenziale in den verschiedenen Branchen. Energieeinsparungen sind in der heutigen Zeit besonders wichtig, insbesondere im Gebäudebereich und der Industrie. Dort besteht ein großes Interesse daran, über das herkömmliche Energiemanagement hinaus tiefer in die Daten einzutauchen. In der Industrie sind Predictive Maintenance und die frühzeitige Erkennung von fehlerhaften Zuständen wichtig, um Stillstände zu vermeiden und Transparenz zu schaffen. Durch die Datenanalyse können wir die Ursachen für Störungen ermitteln und vorausschauende Wartung ermöglichen. Unsere Lösungen werden u.a. im Bereich Maschinenbau eingesetzt. Die Maschinenbauer können die Maschinen bei ihren Kunden überwachen und bei Problemen unterstützen, die Prozesstransparenz verbessern und Fehler oder schleichende Prozesse erkennen. Dabei geht es nicht immer nur um Predictive Maintenance oder den Einsatz von KI. Die Datenanalyse beginnt bei der Visualisierung der Daten. Mit Wago Analytics besteht die Möglichkeit, noch tiefer einzusteigen und die Daten automatisiert durch eine KI zu analysieren.
Wago hat einen 6-Schritte-Plan zur Einführung von Data Analytics entworfen. Können Sie diesen kurz erläutern?
Am Anfang ist es wichtig, den Kunden bei der Erfassung der Daten zu unterstützen. Wir helfen gerne dabei die Daten aufzuzeichnen, die analysiert werden sollen. Dann geht es um die Datenverarbeitung und das Zusammenbringen verschiedener Datenquellen. Die zeitliche und kausale Synchronisierung ist dabei entscheidend. Anschließend folgt die kontinuierliche Datenaufnahme, bei der wir den Kunden unterstützen. Hierfür nutzen wir oft unsere eigene Hardware. Danach erfolgt die Datenanalyse, bei der wir eng mit dem Kunden zusammenarbeiten und mögliche Indikatoren für Probleme identifizieren. Nachdem aus einer Offline-Analyse vielversprechende Algorithmen generiert wurden, können diese in die Automatisierung integriert werden. Unsere Softwareinfrastruktur ermöglicht es uns, diese Schritte effizient umzusetzen. Abschließend geht es darum, die gewonnenen Erkenntnisse für die Optimierung zu nutzen und den Kunden einen konkreten Mehrwert zu bieten.
Der große Mehrwert von Wago besteht also darin, dass Sie Kunden von der Datenaufnahme bis zur Auswertung ganzheitlich unterstützen?
Ja, genau. Wir bieten unseren Kunden eine ganzheitliche Lösung an. Wir haben das nötige Know-how und können sie in allen Schritten begleiten, von der Datenaufnahme bis zur Auswertung. Unser Team verfügt nicht nur über Expertise in der künstlichen Intelligenz, sondern auch in der Automatisierungstechnik und den Bereichen Maschinenbau, Elektrotechnik, Physik und mehr. Dadurch können wir den Prozess verstehen und den Kunden individuell unterstützen.
Wie viel Prozess- und Domänenwissen sollte der Kunde für die optimale Arbeit Ihrer Data Analytics Lösung einbringen?
Soviel wie möglich, denn der Kunde kennt seine Maschinen und Anlagen am besten. Es gibt oft viele spezifische Zusammenhänge, die in den Algorithmen berücksichtigt werden müssen. Wir helfen dabei, die Zusammenhänge zu verstehen und die optimale Lösung zu finden.
Data Analytics heißt nicht unbedingt immer KI oder Machine Learning. Geht es primär darum, ein Prozessverständnis über die Daten zu erhalten?
Ja, das ist sehr wichtig. Eine gute Visualisierung der Daten ist ebenfalls entscheidend. Wir bieten unseren Kunden oft Lösungen für das Monitoring und die Transparenz von Prozessen an. Dabei geht es nicht immer nur um komplexe KI-Algorithmen, sondern auch um die Aufbereitung und Darstellung der Daten. Es ist wichtig, dass die Kunden das nutzen, was bereits bekannt ist, bevor man sich auf KI und Machine Learning fokussiert.
Bedarf es als Voraussetzung für die Nutzung Ihrer KI erstmal einen großen Datenpool, um erste Ergebnisse sehen zu können?
An diesem Punkt muss wie folgt unterschieden werden: Anwendungsfälle wie die Anomalieerkennung, Erkennung von schleichenden Prozessen oder die Vorhersage von Prozesswerten lassen sich out-of-the-box in den Prozess integrieren und benötigen keinen Datenpool. Wenn es allerdings darum geht, bestimmte Muster wiederzuerkennen, müssen Referenzdaten vorhanden sein. Die Dauer der Datenaufnahme hängt vom Prozess ab. Bei bestimmten Prozessen kann man relativ schnell ein normales Verhalten erkennen, während es bei anderen länger dauern kann. Es ist wichtig, dass der Algorithmus das normale Verhalten gesehen hat, um Abweichungen feststellen zu können. Wenn spezifische Muster erkannt werden sollen, kann dies länger dauern. Insgesamt hängt es von der jeweiligen Situation und den Anforderungen ab.
Haben Sie für bestimmte Anwendungen gleich fertige Plug&Play Lösungen für KI?
Ja, für den Bereich Automatisierungstechnik haben wir fertige Lösungen wie die Library Anlaytics entwickelt. Diese kann einfach in bestehende Projekte integriert werden ohne dass der Kunde selbst komplexe KI-Algorithmen entwickeln muss. Er kann direkt starten und sein eigenes Know-How aufbauen Bei Bedarf kann aber jederzeit auf die Unterstützung des Analytics-Teams zurückgegriffen werden. Natürlich gibt es auch individuelle Anpassungen, beispielsweise bei der Anbindung an bestehende Datenbanken. Aber weil wir auf offene Schnittstellen setzen, sind Anbindungen an die Infrastruktur des Kunden nie ein Problem. Ein Retro-Fit von Library Analytics ist jederzeit möglich, sodass die KI auch nachträglich integriert werden kann.
Ist eine Besonderheit der Analytics-Lösung von Wago, dass die Analyse an beliebiger Stelle erfolgen kann?
Genau, das ist ein großer Vorteil unserer Lösung - je nach den Anforderungen des Kunden. Wir bieten sowohl autarke Lösungen als auch Cloud-basierte Lösungen an. Unsere Softwareinfrastruktur ermöglicht die flexible Analyse der Daten an verschiedenen Standorten. Es ist wichtig, dass der Kunde die vorhandene Infrastruktur nutzen kann und die Lösung an seine Bedürfnisse angepasst wird.
Können Maschinenbauer die Wago-Technologie nutzen, um Predictive Maintenance-Services als White Label ihren Kunden anzubieten?
Natürlich! Unsere Technologie bietet sich sehr gut an, um neue Geschäftsmodelle zu entwickeln. Wir unterstützen sie dabei, die nötige Infrastruktur und Expertise bereitzustellen, um ihren Kunden Mehrwert zu bieten. Es eröffnet neue Möglichkeiten für die Kunden, ihre Maschinen und Anlagen zu überwachen und vorausschauende Wartungsdienste anzubieten.
Hilft oder nervt der aktuelle KI-Hype mit ChatGPT?
Der aktuelle KI-Hype hat sicherlich dazu beigetragen, dass Kunden ein besseres Verständnis für KI-Lösungen bekommen. Es hat das Bewusstsein für die Möglichkeiten von KI erhöht und viele Menschen haben bereits Erfahrungen mit KI-Anwendungen in ihrem persönlichen Leben gemacht. Dadurch können wir auf eine größere Wissensbasis aufbauen und besser mit Kunden kommunizieren.
Zusammenfassend, warum sollte sich ein Kunde an Wago wenden, wenn es um Data Analytics geht?
Ein Kunde sollte sich an Wago wenden, wenn er zum Beispiel laufende Produktionsprozesse analysieren und optimieren möchte, Maschinenzustände überwacht oder prädiktiven Wartungsintervalle umgesetzt werden sollen. Aber auch bei individuellen Anforderungen entwickeln wir gerne gemeinsam mit dem Kunden eine Lösung und nutzen dann die bereits vorhandene Infrastruktur. Unsere Erfahrung im Bereich der Automatisierungstechnik und bei unterschiedlichen Anwendungsfällen ermöglicht es uns maßgeschneiderte Lösungen zu entwickeln, oder unsere bereits bestehenden Data Analytics Lösungen, wie Wago Library Analytics als vorkonfiguriertes Plug&Play, einzusetzen.
