Praxisbeispiel: Wie ein Maschinenbauer die digitale Transformation in kleinen Schritten vorantreibt.

Bei der Entwicklung von neuen digitalen Services im Maschinenbau kommt es nicht selten vor, dass zu Beginn noch nicht klar ist, wie das technische und unternehmerische Endergebnis des digitalen Service oder der IoT-Lösung aussehen könnte. Häufig existieren Ideen oder vielleicht sogar eine Industrie 4.0 Roadmap aber die Unsicherheiten bzgl. der technischen Realisierbarkeit, der tatsächlichen Ausgestaltung der Funktionalität, der Zahlungsbereitschaft von Kunden und vielem mehr überwiegen.

In diesem Beitrag wollen wir Ihnen anhand eines realen Kundenbeispiels zeigen, dass diese anfängliche Unschärfe kein Problem für ein erfolgreiches Projekt sein muss und vor allem, dass diese Sie nicht davon abhalten darf, eine Digitalisierungsinitiative anzupacken.

Unser Kunde – ein mittelständischer deutscher Maschinenbauer – baut Maschinen für komplexe Produktionsprozesse. Das Wissen des Maschinenbauers über die Applikationen und die Werkzeugtechnik ist für seine Kunden genauso wichtig wie die Maschine selbst. Daher stellt die technische Dokumentation zu den Maschinen und Werkzeugen einen wesentlichen Leistungsbaustein für die Anwender dar. Die Grundidee der Digitalisierungsinitiative war, die Bereitstellung der technischen Dokumentation durch einen digitalen Service zu bewerkstelligen.

Die Geschäftsführung wollte die Investition in den neuen digitalen Service allerdings überschaubar halten und war der Meinung, dass die Kunden eine solche Lösung ohnehin nur in ganz kleinen Dosen akzeptieren würden. Realisiert werden sollte daher eine möglichst kleine Lösung, bei welcher der Kunde durch eine Baumnavigation zur gesuchten Information vordringt.

Das erste wesentliche Arbeitspakt bestand darin, das Wissen der Mitarbeiter digital abzubilden. Mit Hilfe unserer KnowledgeHub Technologie, haben wir hierzu einen Knowledge Graphen erstellt, der sich einerseits durch Informationen und andererseits durch die Beziehungen der Informationen zueinander auszeichnet. Dazu später mehr.

Zur Umsetzung der Lösung sollte zunächst nur ein begrenzter Bereich der Information fokussiert werden. Um dennoch eine hohe Kundenrelevanz der Lösung zu erzielen, wurde der Bereich Rüsten ausgewählt, weil viele Kunden die Maschinen mehrmals pro Monat rüsten und somit immer wieder auf Informationen angewiesen sind.

Um das vorhandene Wissen über das Rüsten der Maschinen und Werkzeuge zu dokumentieren wurde mit unserer KnowledgeHub Technologie ein Knowledge Graph erstellt. Dieser bildet Informationen und deren Beziehungen zueinander ab und stellt somit eine sehr flexible und erweiterbare Wissensrepräsentanz dar.

Beispiele für digitalisiertes Wissen im Knowledge Graphen:

• Maschine_vom_TypXY > hat_passendes_Werkzeug > Werkzeug_Typ1, Werkzeug_Typ2
• Werkzeug_Typ1 > ist_geeignet_für > Bauteil_Variante1
• Werkzeug_Typ1 > hat_optimaler_Vorschub > Vorschub: „0,1m/s“

Soll beispielsweise die Maschine XY für die Herstellung des Bauteil_Vatiante1 gerüstet werden, kann die digitale Rüst-App eine Frage nach dem einzustellenden Vorschub aus der oben abgebbildeten Ontologie beantworten. Auf die gleiche Art und Weise lassen sich auch Dokumente bzw. deren Verschlagwortung in die digitale Wissensrepräsentanz einbeziehen.

Gemeinsam mit unserem Kunden konnte diese erste Stufe der Lösung innerhalb von guten drei Monaten zum Anwender ausgeliefert werden. Dabei konnte der Nutzen für den Kunden verifiziert werden – was als Grundlage für die Ausarbeitung des Geschäftsmodells diente.

Im Zuge der Produktentdeckung mit den Kunden kam die Anforderung auf, die mobile App durch einen Sprachassistenten zu ergänzen. Es zeigte sich, dass mit Hilfe eines Sprachassistenten eine Nutzung der App auch dann möglich ist, wenn beide Hände zum Aufbau des Werkzeugs gebraucht werden. Die große Herausforderung bei der Entwicklung eines Sprachassistenten ist es, die Informationen so aufzuarbeiten, dass sie vom Assistenten verarbeitet werden können. Da die bereits vorhandene Wissensrepräsentanz im Knowledge Graphen dafür bestens geeignet ist, mussten nur noch wenige Erweiterungen implementiert werden, die im Wesentlichen die Sprach-Bedienung des Assistenten betrafen.

Gleichzeitig wurde in der engen Abstimmung mit den Anwendern deutlich, dass diese sich eine Weiterentwicklung der Anwendung mit Funktionalitäten zur Instandhaltung der Maschine und Werkzeuge wünschen – statt die komplette Maschinenfunktionalität in einer digitalen Bedienungsanleitung abzubilden, wie von unserem Kunden ursprünglich geplant.

Eine besondere Stärke unserer KnowledgeHub Technologie besteht in der Erweiterbarkeit der Wissensrepräsentanz, um auch neue digitale Anwendungsfälle auf der vorhandenen IoT Plattform abbilden zu können.

Zur Abbildung der Instandhaltungsfunktionen wurde der Knowledge Graph unter anderem so erweitert, dass z.B. die Betriebsstunden der Werkzeuge dokumentiert werden können und dadurch die geplanten Instandhaltungsroutinen getriggert werden:

• Werkzeug_Typ1 > hat_Betriebsstundenzähler > Betriebsstundenzähler_aktueller_Wert: „1.234h“
• Werkzeug_Typ1 > hat_Instandhaltungsroutine > Überprüfung_Q_Tolleranzen_alle_1500Betriebstunden

Anhand dieser drei Ausbaustufen wird deutlich, dass es oft sinnvoll ist, erstmal mit einem kleinen Funktionspaket an den Markt zu gehen und die weiteren Ausbaustufen dann auf Basis des Nutzer-Feedbacks zu definieren. Im Fall von unserem Kunden wurde die neue digitale Service App aufgrund dessen sehr gut von Kunden angenommen und leisten inzwischen auch einen Beitrag zum Umsatz.

Darüber hinaus herrscht Klarheit darüber, dass der Ausbau des digitalen Service-Portfolios längst noch nicht abgeschlossen ist. Im Gegenteil die Geschäftsführung ist inzwischen überzeugt, dass die heutige Lösung erst der Anfang für eine längere digitale Transformation ist, bei der digitale Service-Geschäftsmodelle eine immer wichtigere Rolle spielen. Außerdem ist inzwischen klar, dass künstliche Intelligenz im Maschinenbau in Zukunft ein wichtiger Bestandteil der Leistung sein wird. Auch hierfür bietet das digitale Wissen im Knowledge Graphen eine wichtige Grundlage. Das Endziel dieser Transformation: die Autonome Maschine als Plattform für zahlreiche digitale Produktions-Services.