Mit dem Wetterbericht den Gewinn steigern

Düsseldorf Nach dem Studium der Verfahrenstechnik an der Technischen Universität Clausthal promovierte Anne Bendzulla an der RWTH Aachen. Von 2010 bis 2018 arbeitete sie in verschiedenen Positionen in der chemischen und petrochemischen Industrie. Dabei lag ihr Schwerpunkt auf dem Anlagenbau und im strategischen Vertrieb.

Internationale Erfahrung hat sie in China und der Ukraine gesammelt. Seit April 2018 bekleidet sie die Position des Digital Officer bei Thyssenkrupp Industrial Solutions. Ihr Job: Einen traditionellen deutschen Großkonzern in die digitale Zukunft führen – dabei sowohl Ballast abzuwerfen als auch Bewährtes zu pflegen. 2019 wurde Anne Bendzulla als Mitglied in die Vordenker-Community aufgenommen, eine Initiative von Handelsblatt und der Strategieberatung Boston Consulting Group (BCG).

Lesen Sie hier ihren Gastbeitrag darüber, wie sich aus Daten Mehrwert schaffen lässt:

Im Rahmen der ganzheitlichen Digitalisierung von Unternehmen, Prozessen und Produkten gewinnt die Analyse und Verarbeitung großer Datenmengen immer mehr an Bedeutung. Ein häufig verwendeter Begriff ist „Data Analytics“ – hierbei geht es darum, mit Hilfe von Algorithmen Datensätze zu untersuchen und Korrelationen, also Zusammenhänge zu erkennen. Aus diesen Korrelationen können dann wichtige Informationen gewonnen und Handlungsempfehlungen abgeleitet werden.

Die Analyse großer Datenmengen kann einerseits punktuell beziehungsweise offline – also losgelöst von laufenden Produktionsprozessen – durchgeführt werden, um beispielsweise grundlegende Modelle oder Funktionen zu testen. Andererseits ist es auch möglich, kontinuierliche Online-Analysen durchzuführen, um beispielsweise kurzfristig, während eines laufenden Prozesses, Optimierungsmöglichkeiten zu identifizieren und Handlungsalternativen zu bewerten.

Gemeinsam ist diesen Nutzungsszenarien, dass jeweils ein abgegrenzter, vorstrukturierter Datensatz auf der Grundlage bereits vorhandenen Basiswissens gezielt untersucht wird. Die eher ungerichtete Analyse von auf den ersten Blick zusammenhangslosen Datenmengen, die häufig mit Hilfe von künstlicher Intelligenz durchgeführt wird und bei der a priori keine Zielrichtung der Analyse vorgegeben ist, wird dagegen als „Big Data“ bezeichnet.

Nutzung von Data Analytics im Betrieb von Großanlagen

Im Betrieb von Großanlagen kommt Data Analytics eine wichtige Rolle zu. Bei Thyssenkrupp Industrial Solutions entwickeln wir beispielsweise Anwendungen, um Anlagen mit Hilfe von Data Analytics jederzeit im optimalen Betriebspunkt zu fahren – damit ist es möglich, den Verbrauch an Edukten (aus Rohstoffen abgeschiedener Stoff), Hilfs- und Betriebsstoffen zu minimieren, die Produktionsmenge des gewünschten Produkts hingegen zu maximieren. Auf diese Weise werden Kosten gesenkt sowie Umwelt und Ressourcen geschont.

Weiterhin wird es über Data Analytics möglich, auch die Komponenten einer Anlage selbst in ihrer jeweiligen Funktion und in ihrem Zusammenspiel beständig auf Laufcharakteristika und außergewöhnliche Betriebszustände zu prüfen; beispielsweise durch die Analyse von Vibrationen, Durchflüssen oder Temperatur.

Diese Daten werden direkt an Expertensysteme weitergegeben, die die Ergebnisse bewerten und zukünftig auftretende Fehlfunktionen in Anlagenkomponenten erkennen, bevor sie in der Realität Störungen oder Anlagenschäden verursachen. So wird es möglich, Komponenten gezielt zu warten oder bereits vor einem Versagen auszutauschen, anstatt ohne Vorwarnung auf auftretende Probleme reagieren zu müssen.

Neben dem Produktionssystem wird auch das Produkt selbst kontinuierlich mit Hilfe von Data Analytics optimiert. Während früher ganze Produktionschargen erst nach Beendigung des Produktionsvorgangs qualitätsgeprüft werden konnten, werden heute über online aufgenommene Produktions- und Produktparameter (beispielsweise Temperatur oder Druck) noch während des laufenden Produktionsprozesses Maßnahmen zur Vermeidung von Qualitätsmängeln definiert und umgesetzt.

Neben diesen auf die unmittelbare Produktentstehung fokussierten Anwendungen hilft Data Analytics auch dabei, Auswirkungen des Umfelds zu identifizieren und im Betrieb einer Großanlage zu berücksichtigen.

So kann die Vorhersage ungewöhnlicher Wetterlagen zu einer Anpassung des Betriebsmodus führen, um den äußeren Bedingungen bestmöglich Rechnung zu tragen. Hierbei könnte es sich beispielsweise um länger andauernde Trockenperioden in den Sommermonaten handeln, die zu niedrigen Flusswasserständen führen – dies hat Auswirkungen sowohl auf die Versorgungslogistik beispielsweise von Chemiestandorten, als auch auf die Verfügbarkeit von Brauchwasser, die in der Betriebs- und Verfügbarkeitsplanung berücksichtigt werden müssen.

Darüber hinaus besteht ein Trend, auch Zulieferer und Abnehmer in Planspiele und Analyse mit einzubinden, um einen möglichst gleichmäßigen Fluss ohne Störungen entlang der gesamten Wertschöpfungskette zu ermöglichen.

Voraussetzungen für Data Analytics

Um die beschriebenen Anwendungen nutzen und die aus ihnen entstehenden Vorteile realisieren zu können, sind zunächst eine Reihe von Voraussetzungen zu schaffen. So muss die erforderliche Datenbasis im Betrieb einer Anlage zunächst einmal erhoben und aufbereitet werden. Wichtig ist dabei, dass nicht einfach nur vielfältigste Daten gesammelt werden, sondern dass auf Basis des Wissens über die Anlage und den Prozess gezielt jene Daten ausgewählt werden, die als bestimmend für den Systemzustand und die Qualität des Produktes anzusehen sind.

Hierbei setzen wir auf umfangreiche Sensorik, die sowohl die Produktionsanlagen als auch das Produkt selbst kontinuierlich analysiert. Beispielsweise sind in einer Düngemittel-Anlage weit über 1.000 Sensoren aktiv, die mehrmals pro Sekunde Messungen durchführen und kontinuierlich Daten generieren. Insgesamt kann so eine Datenmenge von mehreren Gigabyte pro Stunde anfallen.

Aus diesen Rohdaten wird dann ein bereinigter; strukturierter Datensatz geschaffen, der für die Analyse zur Verfügung steht. Ziel ist es, aus allen Daten einer Anlage einen intelligent verknüpften „digitalen Zwilling“ zu schaffen, der über den gesamten Anlagenlebenszyklus vom Engineering über den Betrieb bis hin zum Rückbau für Planung, Analysen und Dokumentation von allen Beteiligten genutzt wird.

Bei der Analyse selbst kommt es darauf an, die Ergebnisse sinnvoll zu interpretieren, um daraus einen realen Mehrwert generieren zu können. Dazu überführen wir das Engineering- und Prozess-Knowhow unserer Ingenieure und ihre über Jahrzehnte gesammelten Erfahrungen aus der weltweiten Installation tausender Anlagen in Datenbanken, Expertensysteme, Algorithmen und neuronale Netze, die im Anlagenbetrieb kritische von unkritischen Abweichungen unterscheiden und maßgeschneiderte Handlungsempfehlungen ableiten können. Die Ingenieure selbst überprüfen und ergänzen diese Handlungsempfehlungen und geben wertvollen Input für die weitere Optimierung unserer Sensoren und Analysewerkzeuge.

Implikationen für die Arbeitswelt

Durch die intensive Nutzung von Daten und den flächendeckenden Einsatz intelligenter Systeme wird sich die Arbeitsumgebung in Planung, Bau und Betrieb von Großanlagen insgesamt verändern. Derzeit sind noch viele Prozesse analog geprägt – sie laufen sequentiell ab, und ihr Ziel ist häufig die Generierung spezifischer Dokumente.

Zukünftig werden wir in nativ digitalen, weitgehend parallelisierten Prozessen arbeiten, deren Ziel die Generierung und Anreicherung von Daten ist. Konkrete Dokumente, seien es Bauzeichnungen, Fließbilder oder Qualitätsbescheinigungen, werden zukünftig eher als „Nebenprodukt“ dieser Prozesse anzusehen sein.

Digitale Arbeits-, Kommunikations- und Ablagesysteme wie Clouds, Augmented Reality etc. werden flächendeckend genutzt. Damit wird auch die Bedeutung von hierarchischen Zuständigkeiten und Abteilungsgrenzen abnehmen; temporär zusammengestellte Teams und Communities werden Aufgaben in weitgehender Eigenverantwortung bearbeiten.

Bei Thyssenkrupp Industrial Solutions üben wir diese Arbeitswelt bereits heute durch gemischte Teams, in denen Datenanalysten, Ingenieure, IT-Experten und Kaufleute gemeinsam – im engen Austausch mit unseren Kunden – digitale Produkte wie Data Analytics weiterentwickeln und vorantreiben.

Mehr: Vordenker*Innen des Jahres 2019: Das sind die Macherinnen und Macher der nächsten Generation. Wir zeigen Ihnen die Top-Nachwuchsführungskräfte der deutschen Wirtschaft in Großunternehmen, Mittelstandsbetrieben und Start-ups.