Industrie 4.0: Wo stehen wir? Reifegradmodelle helfen bei der Einführung

Alle reden von Industrie 4.0, doch vielen ist nicht klar, welche Schritte erforderlich sind. “Wo stehen wir eigentlich?” ist eine oft gehörte Frage in Unternehmen heutzutage. Denn als postulierte Zukunft der Produktionstechnik stellt das Thema Unternehmen vor zahlreiche Herausforderungen. Vor allem in der Politik, Industrieverbänden und der Wissenschaft werden zahlreiche Konzepte ausgearbeitet, wie die Produktion in Zukunft aussehen kann. Im Zentrum der Überlegungen stehen dabei nicht physische Güter, sondern der bei jeder Nutzung einer Maschine entstehende Datenstrom. Das (digitale) “Rohöl der Zukunft” entsteht als Nebenprodukt der (analogen) Produktion und ist ein “windfall gain”, den man intelligent und gewinnbringend nutzen kann. Wenn man entsprechend denkt und aufgestellt ist.

Denn Konzerne und große Unternehmen gestalten bereits heute mit strategischen Entscheidungen und Investments die Produktion von morgen. Kleinen und mittelständischen Unternehmen fehlen gleichzeitig meist die Ressourcen den Themenkomplex aktiv zu bearbeiten. An diesem Punkt können Reifegradmodelle ansetzen und bei der Einführung von Industrie 4.0-Konzepten helfen.

Doch wie realisiert man die “low hanging fruits” als “quick win” und zwar genau so, dass sie die Rentabilität und den ROI positiv beeinflussen? Dazu ist erst einmal ein analytischer Blick notwendig. Reifegradmodelle dienen in diesem Kontext dazu Prozesse, Entwicklungen oder spezifische Objekte besser zu verstehen und bewerten zu können. In ihnen werden komplexe Entwicklungen in spezifische Dimensionen aufgeschlüsselt und ihren Ausprägungen Reifestufen zugeordnet. Anhand dieser kann dann eine Einschätzung vorgenommen werden.

Gerade im Kontext von Industrie 4.0 sind zahlreiche Reifegradmodelle von verschiedenen Institutionen und Unternehmen entwickelt worden. Allein auf dem deutschen Markt sind ein zweistellige Zahl an Reifegradmodellen öffentlich verfügbar. Fünf davon bieten z.B. zum Einstieg einen Selbstcheck an. Die Selbstchecks dienen als Einstieg, um eine erste Bewertung des eigenen Reifegrads zu ermitteln. Mit ihnen werden Unternehmen und Entscheider dabei unterstützt, Verbesserungspotentiale zu erkennen und erste Maßnahmen ableiten zu können.

Unternehmen stehen heute vor der Aufgabe, die Voraussetzungen für Industrie 4.0 zu schaffen. Daher startet der Entwicklungspfad mit der Digitalisierung, die noch kein Bestandteil von Industrie 4.0 ist, aber durch Computerisierung und Konnektivität die Grundlagen schafft. Hierauf folgt in vier Stufen der Aufbau von Industrie 4.0-Fähigkeiten.

Bildschirmfoto 2019-03-12 um 09.24.07

In der acatech-Studie Schuh et al. (2017): Industrie 4.0. Maturity Index. Die digitale Transformation von Unternehmen gestalten (PDF) wird das stufenförmige Vorgehen ausführlich dargestellt und erläutert (S. 15).

Anwender sollten unbedingt darauf achten, einen Selbstcheck zu wählen, der zu ihrer Situation und dem geplanten weiteren Vorgehen passt. Wer die eigene Situation selbst in Ruhe analysieren möchte, braucht dazu nicht unbedingt externe Partner. Wer sich für die Zusammenarbeit mit externen Partnern entscheidet, sollte deren Kompetenzen und Interessen anhand von Referenzen überprüfen und sich Praxisbeispiele und Success Stories präsentieren lassen.

Experten sind sich zudem einig: Industrie 4.0 sollte auf dem soliden Fundament robuster und verschwendungsfreier Prozesse etabliert werden. Dieses Fundament muss zunächst mit den passenden Methoden des Lean Management, Ganzheitlicher Produktionssysteme oder des Industrial Engineering geschaffen werden. Deren “reife” Umsetzung ist also ein wichtiger Erfolgsfaktor und Voraussetzung für die Umsetzung von Industrie 4.0.

“Die Güte des Fundaments bleibt jedoch in Reifegradmodellen oft unberücksichtigt”, so Dr. Frank Lennings, Leiter des Fachbereichs Unternehmensexzellenz am ifaa zum Vergleich verschiedener Reifegradmodelle. Unternehmen sollten daher auch ihre diesbezüglichen Voraussetzungen sorgfältig reflektieren und scheinbar “altmodische” konventionelle Verbesserungspotentiale nicht aus dem Blick verlieren. Diese würden durch Digitalisierung nicht überflüssig, sondern verstärken die Wirksamkeit von Digitalisierung und Industrie 4.0 bzw. seien Voraussetzung dafür.

Das Ziel aller Initiativen im Bereich Industrie 4.0 sind neben der Vermeidung von Verschwendung v.a. wie die Vermeidung von Ausfallzeiten durch vorausschauende Wartung (Predictive Maintenance) und entsprechende Maßnahmen der Instandhaltung. Predictive Maintenance lohnt sich zuerst dort, wo große und teure Maschinen rund um die Uhr laufen und wo unvorhergesehene Defekte schwer zu beheben sind.

Kein Wunder also, dass die Betreiber von Kraftwerken oder Windturbinen sehr früh auf das Thema setzten. Siemens etwa sammelt von jeder seiner weltweit arbeitenden Gasturbinen Sensordaten ein, jede Turbine liefert sekündlich Informationen über mehr als tausend Messwerte. In diesem Datenberg suchen lernfähige Algorithmen nach typischen Mustern, die auf drohende Ausfälle hindeuten. Jedes Kraftwerk hat damit Zugriff auf das Wissen aus allen Kraftwerken mit Siemens-Turbinen.

Predictive Maintenance ist die Königsdisziplin bei der Wartung von Maschinen und Anlagen – aber nicht das Ende, sondern erst der Anfang autonomer Maschinen. Meist machen sich drohende Fehler an Maschinen und Anlagen an den gefertigten Produkten bemerkbar, zum Beispiel als wegdriftende Toleranzen. Mit ausgefeilten Algorithmen und Know-how der Maschinenhersteller sollte die Maschine diese Prozessabweichungen bemerken und den Grund dafür anzeigen. Die Ursache kann man dann z.B. beim nächsten Schichtwechsel schnell beheben.

Für Manager wäre das wichtiger als die bloße Fokussierung auf die ohnehin schon sehr hohe technische Verfügbarkeit. Wenn Maschinen in der Lage wären, die Bearbeitungsprozesse zu verstehen und selbst Verbesserungsvorschläge zu machen, wäre das eine größere Revolution als Predictive Maintenance. Der Traum von der Maschine, die autonom arbeitet, ihre eigenen Ersatzteile bestellt und die eigenen Wartungsintervalle optimiert, sich also ständig selbst verbessert und immer effizienter wird, könnte also bald Realität werden. Es bedarf nur der entsprechenden lernfähigen Konzepte, Sensoren und Algorithmen, also jeder Menge Daten und Know-How.

Dieses Know-How stellen wir gerne im Rahmen ihres spezifischen Use cases bereit. Sprechen Sie uns an.

Leave a Reply

Your email address will not be published. Required fields are marked *

You may use these HTML tags and attributes: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>