Geodaten in der Produktion

Äußere Einflüsse miteinbeziehen

Geht es darum, die Produktion anhand von Daten effizienter zu gestalten, denken viele sofort an Maschinendaten - beispielsweise wenn es um vorausschauende Wartung geht. Doch dies sind nicht die einzigen Daten, die Verbesserungspotenzial versprechen. Auch Geodaten gehören dazu.
Bild: Esri

Data Scientists gehören zu den wichtigsten Schlüsselfiguren unserer Zeit. Ohne ihre Fähigkeit, selbst größte Datenmengen zu analysieren und smarte Entscheidungen daraus abzuleiten, wäre unsere Wirtschaft nicht dort, wo sie heute steht. Es gibt jedoch eine Dimension von Daten, die von vielen Data Scientists noch immer übersehen wird – und das ist die der Geoinformationen. Gerade für produzierende Unternehmen spielen diese jedoch eine essenzielle Rolle, denn ohne sie ist es kaum möglich, potenzielle Risiken ebenso wie Innovationen und nachhaltigere Alternativen bereits frühzeitig zu erkennen.

Der fehlende Geofaktor

Die Bandbreite von Geodaten ist groß und reicht von einfachen Adressinformationen bis hin zu Satelliten- und Wetterdaten. Werden sie nicht oder nur kaum berücksichtigt, lässt sich kaum ein dauerhafter Rundumblick gewinnen. Stattdessen würde es immer tote Winkel geben – und das gilt auch für die Produktion. Trotzdem sind viele Data Scientists noch immer damit beschäftigt, sich allein auf die verwendeten Materialien oder Prozessabläufe zu fokussieren – geobasierte Risiken bleiben in vielen Fällen unentdeckt.

Das Ökosystem im Blick behalten

Neben internen Prozessabläufen ist es wichtig, die gesamte Unternehmensumwelt im Auge zu behalten. Ein Beispiel dafür ist die Vulnerabilität der Lieferketten. Kommt es zu Störungen, werden Vorprodukte nicht rechtzeitig geliefert und die Bänder stehen im schlimmsten Fall still. Aber auch unvorhersehbare punktuelle Ereignisse wie z.B. die Blockade des Suezkanals im März können Kettenreaktionen aulösen. Doch wie können sich Unternehmen besser auf unvorhersehbare Ereignisse vorbereiten und Ausfälle minimieren? Daten stehen ihnen zwar häufig in ausreichender Menge zu Verfügung, doch die richtigen Schlüsse daraus zu generieren und sie in den Kontext der Unternehmensziele zu stellen, ist die Aufgabe der Data Scientists. Sie können dabei helfen, Fragen zu beantworten wie: Was passiert, wenn Zulieferer A ausfällt, und welche Alternativen sind die wirtschaftlichsten? Welche Auswirkung hat die Störung der Transportroute B auf welchen Betrieb? Ist Prozess C wirklich noch der beste, auch wenn sich die Rahmenbedingungen geändert haben? Durch Geodaten und deren Analyse und Visualisierung, gewinnen Business-Systeme eine neue Dimension dazu, durch die Abhängigkeiten und Wechselwirkungen schneller zu erfassen sind und Alternativen aufgezeigt werden, um so die bestmögliche Entscheidung zu treffen. Das gilt sowohl für die Optimierung, die Prävention als auch für den Fall einer Störung.

Location Intelligence in der Praxis

Auch auf dem Produktionsgelände selbst können Geodaten von Relevanz sein. Vor allem die Infrastruktur – Leitungsnetzen für Strom, Wasser und andere Stoffe – stellt eine nie versiegende Datenquelle dar. Weil sich die Ansprüche vor Ort jedoch ständig ändern, neue Gebäude und Produktionsanlagen hinzukommen oder ältere ersetzt werden, befindet sich der gesamte Standort in einem dauerhaften Wandel. Erweiterungs- und Umbaumaßnahmen gehören zur Tagesordnung. Allerdings lassen sich Leitungen, Baustellen und unterschiedliche Flächennutzungen teilweise nur schwer miteinander vereinbaren. Dabei den Überblick zu behalten ist das A und O, denn nur so können z.B. Schadstoffbelastungen durch Altlasten einkalkuliert werden. Dabei kommt kommt Location Intelligence ins Spiel: Ohne das Gelände mit all seinen teilweise sehr kleinteiligen Elementen zu kennen, ist es für ein produzierendes Unternehmen äußerst schwer, alle Ebenen und deren Wechselbeziehungen im Auge zu behalten gleichzeitig alle rechtlichen und sicherheitsrelevanten Bestimmungen einzuhalten.

Dynamische Karten

Dynamische Karten, die diese verschiedenen Ebenen übersichtlich visualisieren, stellen für Data Scientists ein nützliches Hilfsmittel dar. Sie helfen ihnen dabei, auf einen Blick zu erkennen, welche Faktoren bei einem Neu- oder Umbau zu beachten sind, behalten unterirdisch verlaufende Leitungen im Blick und können auch weitere wichtige Faktoren wie z.B. das Gewicht einer Maschine, die Bodenbeschaffenheit oder den Sonneneinfall berücksichtigen. Ein Gelände, auf dem Location Intelligence bereits zum Einsatz kommt, ist der Rotterdamer Hafen. Rund eine halbe Milliarde Tonnen an Gütern wird dort pro Jahr abgefertigt. Im Zuge der digitalen Transformation wurden auf dem Hafengelände überall dort Sensoren installiert, wo die Effizienz und Sicherheit beeinträchtigt werden könnten. Die so generierten Daten werden von einem Geoinformationssystem (GIS) empfangen, verarbeitet und in Echtzeit analysiert, wodurch Data Scientists einzelne Datensets mit anderen kombinieren und so Muster erkennen können. Dank GIS wird ihnen eine 4D-Perspektive des Hafengeländes geboten. Mit dieser technologischen Grundlage ist es dem Rotterdamer Hafen möglich, an der nächsten großen Innovation zu arbeiten – dem autonom fahrende Schiff. Bis 2030 soll dies bereits Standard sein.

Unterstützung für Transportsysteme

In anderen Industriebetrieben ist man heute schon weiter, wenn es um automatisierte Transportsysteme und Roboter in Werkshallen geht. Zusammen mit der Firma Gestalt Robotics aus Berlin entwickelt Esri beispielsweise Konzepte, um die KI-gestützte Wahrnehmung von Robotern mit 2D/3D-Karteninformationen besser zu verzahnen. Während künstliche Intelligenz den autonomen Roboter lernfähig und intelligent macht, bildet Location Intelligence das technologische Fundament für die Orientierung im Raum. Die von intelligenten Kameras erzeugten Daten werden in Echtzeit aus der realen Welt an das System zurückgeführt – ein weiterer Baustein des digitalen Zwillings von Industriegeländen.

Externe Quellen berückstichtigen

Location Intelligence bietet die Möglichkeit, komplexe Systeme transparent und Abhängigkeiten und Wechselwirkungen auf Basis von Geodaten sichtbar zu machen. Schwachstellen können so frühzeitig identifiziert, Risiken besser abgeschätzt und Alternativen berechnet werden, um auch im Störungsfalls schnell und datenbasiert handlungsfähig zu sein. In komplexen Systemen und Prozessen können schon kleinere Störungen große Auswirkungen haben. Daten aus Sensoren und Businesssystemen bilden deshalb die Grundlage für das datengestützten Monitoren und Managen von Unternehmen und ihren Assets. Dabei spielen aber nicht nur die eigenen Geschäftsdaten eine Rolle. Immer wichtiger wird es, auch externe Datenquellen zu berücksichtigen und zu verarbeiten, deren Bandbreite von Satellitenbildern und Wetterfeeds über Echtzeit-Verkehrsdaten bis hin Daten von Zulieferern reicht.

Das könnte Sie auch Interessieren