Forschungsprojekt Minerva

Datenschutz für sensible Maschinendaten

Das Fraunhofer-Institut für Angewandte und Integrierte Sicherheit AISEC (Verbundkoordinator) entwickelt im Forschungsprojekt Minerva gemeinsam mit Partnern Technologien für eine Dateninfrastruktur, die mit Technologien aus dem Datenschutz die Sicherheit sensibler Maschinendaten gewährleisten soll.
Bild: ©leonidkos/stock.adobe.com

Die Digitalisierung und Vernetzung in der Produktion im Zuge von Industrie 4.0 bietet auch der Werkzeugmaschinenbranche die Chance auf Innovationssprünge: So können die Betreiber von Dateninfrastrukturen kollaborativ trainierte Machine-Learning-Anwendungen anbieten, mit denen einerseits die Anwender die Effizienz und Effektivität ihrer Produktionsanlagen durch vorausschauende Zustandsüberwachung verbessern und andererseits die Maschinenhersteller Optimierungspotentiale in ihren Produkte systematisch identifizieren können. Voraussetzung dafür ist, dass fertigungsrelevante Daten unternehmensübergreifend aggregiert und ausgewertet werden. Demgegenüber steht oft die Sorge, mit der Bereitstellung von Daten geistiges Eigentum abfließen zu sehen und damit Wettbewerbsnachteile zu erleiden.

Lernen aus dem Datenschutz

Im Forschungsvorhaben ‚Sichere kollaborative Verwertung von Werkzeugmaschinendaten mithilfe von Privacy Enhancing Technologies‘ (Minerva) wollen die Partner mit Hilfe von Datenschutz-Technologien (Privacy Enhancing Technologies) die Souveränität der Maschinenbetreiber über die Maschinendaten sicher und schützen so deren geistiges Eigentum. Mittels anonymisierter Daten trainieren die Partner Machine-Learning-Modelle für die vorausschauende Zustandsüberwachung von Werkzeugmaschinen, die dann auch ohne die Preisgabe sensibler Daten funktionieren.

Schutz sensibler Daten

Privacy Enhancing Technologies kommen bislang beim Schutz personenbezogener Daten zum Einsatz, um etwa Patienteninformationen anonymisiert auswerten zu können (z.B. mit Differential Privacy). Die Prinzipien dieses Ansatzes übertragen die Projektpartner jetzt auf Daten aus der Werkzeugmaschinenbranche, um das geistige Eigentum der Datengebenden zu schützen. „Werden in der Cloud Machine-Learning-Algorithmen mit betreiberübergreifenden Daten trainiert, könnte dabei etwa nachvollzogen werden, was für ein Werkstück gefertigt wurde (Produktgeometrie), wie die Werkzeugmaschine ausgelastet war, wie viel Energie bei der Fertigung verbraucht und in welcher Geschwindigkeit gefertigt wurde. Das sind aus Anwendersicht sehr sensible Informationen, für deren Schutz wir in Minerva Lösungen entwickeln“, beschreibt Filipovic den Mehrwert des Forschungsansatzes. Auch ‚Trusted Execution Environments‘ und ‚Federated Learning‘ kommen in Minerva zum Einsatz. Das Projekt wird vom Bundesministerium für Bildung und Forschung gefördert. Fraunhofer AISEC

Das könnte Sie auch Interessieren

Bild: Phoenix Contact Deutschland GmbH
Bild: Phoenix Contact Deutschland GmbH
Höhere Verfügbarkeit bei 
geringeren Wartungskosten

Höhere Verfügbarkeit bei geringeren Wartungskosten

Die Krah-Gruppe stellt unter anderem Leistungswiderstände für die Automobilindustrie her. Zur Profinet-basierten Weiterleitung der Sensordaten wurden in der Vergangenheit Steckverbinder-Lösungen genutzt. Da diese in beweglichen Anwendungen wie den Laserschweißautomaten des Herstellers störanfällig sind und schnell verschleißen, kommt nun die kontaktlose und damit verschleißfreie Energie- und Ethernet-Übertragungslösung NearFi zum Einsatz.

Bild: TXOne Networks
Bild: TXOne Networks
CPS Cybersecurity

CPS Cybersecurity

Die Konvergenz von digitaler und physischer Welt hat im Zuge des rasanten technologischen Fortschritts zu einem neuen Bereich geführt, der als cyber-physische Systeme (CPS) bezeichnet wird. Diese Systeme verbinden computergestützte Algorithmen nahtlos mit physischen Prozessen und fördern so eine symbiotische Beziehung zwischen dem Virtuellen und dem Materiellen. Von autonomen Fahrzeugen und Smart Cities bis hin zur Industrieautomatisierung und der Kontrolle kritischer Infrastrukturen haben CPS die Art und Weise, wie wir mit unserer Umwelt interagieren und sie verwalten, revolutioniert.

Bild: Eurogard GmbH
Bild: Eurogard GmbH
Mehrwerte für Fernwartung, Monitoring und Analyse

Mehrwerte für Fernwartung, Monitoring und Analyse

Browser öffnen und einloggen: Schon sind alle verteilten Maschinen sichtbar. Eine integrierte Online-Plattform ermöglicht es Anwendern, Fernwartungsnetze, Maschinen-Monitoring und Datenanalyse vereint an einem Ort zu nutzen. Übersichtlichkeit, ein ausgefeiltes Rechtemanagement, vielfältige Analyse- und Service- Applikationen sollen dabei schnell und unkompliziert für spürbaren Nutzen bei Maschinenbauern und deren Kunden sorgen.

Bild: Engel Austria GmbH/©Fotostudio Eder
Bild: Engel Austria GmbH/©Fotostudio Eder
Smarte Lösung zur Ersatzteilidentifikation von Engel

Smarte Lösung zur Ersatzteilidentifikation von Engel

Mit der smarten Anwendung zur Ersatzteilidentifikation, dem part finder, zeigt das Unternehmen Engel, wie effektive Unterstützung für Kunststoffverarbeiter im Betriebsalltag funktioniert: eine einfache, zeitsparende Lösung, um die Maschinenverfügbarkeit zu verbessern und die Produktionseffizienz zu steigern. Ein Smartphone ist alles, was man dazu braucht.

Bild: IPF Electronic GmbH
Bild: IPF Electronic GmbH
Skalierbares 
Energiemonitoring

Skalierbares Energiemonitoring

Energiekosten sind ein komplexes Thema, mit dem sich nahezu alle Unternehmen inzwischen intensiv konfrontiert sehen. Nachhaltige Energieeinsparungen gelingen jedoch nur, wenn die Ursachen für unnötig hohe Verbräuche bekannt sind. Wie lässt sich nun ein effizientes Energiemonitoring einfach, schnell sowie mit geringen Anfangsinvestitionen und Folgekosten umsetzen? IPF Electronic bietet Starthilfe an.