In der Fertigungshalle liegen Daten überall: in SPS-Steuerungen, in SCADA-Systemen, in Sensoren und IoT-Geräten. Das Problem ist, dass diese Daten selten miteinander sprechen. Jede Maschine, jede Linie und jedes Instandhaltungssystem spricht ein eigenes Protokoll und hält seine Zahlen im eigenen Format. Für einen Operations-Leiter läuft das auf eines hinaus: Sie haben reichlich Daten und immer noch zu wenige Entscheidungen.
Aus unserer Erfahrung in Industrie- und Industrie-4.0-Projekten liegt die Schwierigkeit nicht darin, „einen Sensor anzuschließen”, sondern darin, Daten von der Maschine bis zu dem Bildschirm zu tragen, an dem jemand danach handelt. Diese Arbeit liegt dort, wo OT und IT sich treffen, und sie braucht Menschen, die sowohl die Steuerungen als auch die Datenpipeline verstehen. Diese Spezialisten liefern wir über Team-Verstärkung oder ein dediziertes Team, mit optionaler AI- und Analytikschicht.
Warum sind Shopfloor-Daten so schwer tatsächlich nutzbar?
Weil die Welt der OT (Automatisierung) und die Welt der IT jahrelang getrennt gewachsen sind und bis heute in Silos sitzen:
- unterschiedliche Protokolle - Modbus, Profinet, OPC UA, S7 und Dutzende Herstellervarianten,
- keine gemeinsame Zeit und keine gemeinsamen Einheiten - dieselbe Größe auf jeder Linie anders gemessen,
- geschlossene Systeme - SCADA und Steuerungen sind für die Steuerung entworfen, nicht für den Datenexport,
- Verfügbarkeit geht vor - für ein Datenexperiment dürfen Sie keinen Stillstand riskieren,
- Wissen in den Köpfen - der Prozesskontext lebt oft nur beim Automatisierungstechniker an der Maschine.
Deshalb ist Industriedatenerfassung kein IT-Projekt, das „neben” der Fertigungshalle läuft, sondern ein Vorhaben, das die Realität von Instandhaltung und Verfügbarkeit respektieren muss.
Woher kommen Industriedaten wirklich: SPS, SCADA, Sensoren, IoT?
Bevor wir etwas erfassen, kartieren wir die Quellen, denn sie prägen die weitere Architektur:
- SPS-Steuerungen - Rohsignale der Maschinen, Zustände, Alarme, Zähler,
- SCADA-Systeme - eine aggregierte Sicht auf die Linie und fertige Prozessvariablen,
- Sensoren und IoT - Temperatur, Vibration, Energieaufnahme, oft außerhalb der Steuerung,
- übergeordnete Systeme - MES, ERP und Process Historians als Geschäftskontext.
In der Praxis entsteht der größte Wert durch die Verbindung der SPS/SCADA-Schicht mit IoT-Daten, denn erst zusammen beschreiben sie, was an der Maschine passiert und warum.
Wie sehen Erfassung und Normalisierung von Produktionsdaten aus?
Die Daten zu sammeln ist nur die halbe Arbeit. Die andere Hälfte ist, sie in eine einzige, verständliche Sprache zu bringen:
- Erfassung über Gateways und Konnektoren (z. B. OPC UA, MQTT), ohne in die Steuerung einzugreifen,
- Normalisierung von Einheiten, Signalnamen und Zeitstempeln auf ein gemeinsames Modell,
- Kontext - die Verknüpfung eines Signals mit Maschine, Schicht, Produkt und Fertigungsauftrag,
- Datenqualität - Lücken, falsche Messwerte und tote Tags erkennen.
Ohne diesen Schritt zeigt ein Dashboard zwar Zahlen, aber niemand wird ihnen vertrauen. Ein sauberes Datenmodell ist das Fundament, auf dem alles andere ruht.
Wo speichern und verarbeiten Sie Daten: Edge oder Cloud?
Das ist keine Entweder-oder-Entscheidung, sondern eine Rollenteilung zwischen zwei Schichten:
- Edge, nahe an der Maschine - Pufferung, Vorverdichtung und Reaktion nahe Echtzeit,
- Cloud oder zentrales Rechenzentrum - Historienspeicherung, schwere Verarbeitung und Flottenanalytik,
- Datenpipeline - Streaming und Batch, vom Ereignis bis zur Analysetabelle,
- Speicherschicht - Zeitreihendatenbanken und ein Warehouse für das Reporting.
Wir richten diese Teilung an der Realität des Werks aus: Netzbandbreite, Sicherheitsanforderungen und daran, wie schnell eine Reaktion wirklich nötig ist.
Wie kommen Sie von Daten zu Entscheidungen: Dashboards und Produktions-KPIs?
Daten ergeben erst Sinn, wenn jemand täglich hinsieht und daraufhin etwas ändert:
- Produktions-KPIs - OEE, Verfügbarkeit, Leistung, Qualität, Mikrostillstände,
- Dashboards je Rolle - eine Sicht für den Bediener, eine andere für den Produktionsleiter,
- Alarme und Schwellenwerte - ein Signal, bevor das Problem wächst, nicht im Nachhinein,
- Ursachenanalyse - die Möglichkeit, von einer Kennzahl bis zu einer konkreten Maschine und Schicht zu gehen.
Wir achten darauf, dass die Kennzahlen im ganzen Werk lesbar und gleich berechnet sind, denn erst dann werden sie zur Grundlage eines Gesprächs statt eines Streits über Zahlen.
Welche Kompetenzen liefern wir für ein Industriedaten-Projekt?
Wir formen das Team um die konkrete Etappe und die Besonderheiten des Werks, nicht „auf Vorrat”:
- OT-Ingenieure und Automatisierungsspezialisten - SPS- und SCADA-Integration, industrielle Protokolle,
- Data Engineers - Pipelines, Normalisierung, Zeitreihendatenbanken,
- Backend und DevOps - APIs, Containerisierung, Cloud- oder On-Premise-Deployments,
- Analysten und BI-Spezialisten - KPI-Modelle, Dashboards, Reporting.
In dieser Aufstellung können wir den Weg von der Steuerung bis zum Dashboard schließen, ohne das Projekt aus mehreren unabhängigen Anbietern zusammenzuflicken.
Wann lohnt es sich, Industriedaten eine AI-Schicht hinzuzufügen?
AI ergibt nur auf sauberen Daten Sinn, deshalb behandeln wir sie als optionalen Schritt, nicht als Ausgangspunkt:
- Ausfallprognose aus Vibration, Temperatur und Betriebshistorie,
- Anomalieerkennung in Prozessparametern, die Schwellenwerte übersehen,
- Optimierung von Sollwerten und Energieverbrauch,
- Assistenten über Ihren Daten (RAG/LLM), die den Zugang zu Maschinenwissen erleichtern.
Unsere AI- und Data-Kompetenz ist real - innerhalb der RITS Group haben wir GenAI-, RAG- und LLM-Projekte geliefert. Hier sprechen wir aber über Kompetenz, die wir ins Projekt einbringen, nicht über eine fertige Einführung in einer konkreten Fabrik.
Was sind die häufigsten Fallstricke in Produktionsdaten-Projekten?
Die meisten Probleme sind nicht technologisch, sie entstehen, wenn die Realität der Fertigungshalle übersprungen wird:
- mit einem Werkzeug beginnen statt mit einer Frage - eine Plattform ohne klares „wofür”,
- Datenqualität ignorieren - hübsche Diagramme auf wackeligen Zahlen,
- OT außen vor lassen - ein Projekt, das „aus der IT” geführt wird, ohne Automatisierung und Instandhaltung,
- fehlender Kontext - Signale ohne Verknüpfung zu Produkt, Schicht und Fertigungsauftrag,
- Sicherheit zuletzt - Netzsegmentierung, die im Nachhinein angeschraubt wird.
Deshalb beginnen wir mit einer konkreten Geschäftsfrage und arbeiten von dort zurück zu den Daten, nicht umgekehrt.
Wie schnell kann unser Team in ein solches Projekt einsteigen?
Tempo zählt, denn jede Verzögerung bedeutet weitere Wochen mit Entscheidungen aus dem Bauch. Unsere Rekrutierung schließt in der Regel in etwa drei Wochen ab und dehnt sich nur bei nicht standardmäßigen Anforderungen auf zwei Monate. Als Nearshore-Partner aus Polen arbeiten wir in einer nahen Zeitzone, Spezialisten steigen also ohne langen Anlauf in Ihren Arbeitsrhythmus, Ihre Reviews und Meetings ein, und wir prüfen die Kompetenzen vor dem Start.
Wie machen wir das bei RITS?
Wir machen das als Nearshore-Partner aus Polen, mit Erfahrung aus Industrie- und Industrie-4.0-Projekten (Automatisierung, Embedded, Integrationen):
- wir liefern OT/IT- und Data-Engineering-Kompetenzen in einem stimmigen Team,
- wir arbeiten über Team-Verstärkung oder ein dediziertes Team, unter Ihrer Führung oder mit unserem Lead,
- wir verbinden Erfassung, Normalisierung und Nutzung der Daten zu einem wartbaren Ganzen,
- wir ergänzen eine optionale AI-/Data-Schicht dort, wo die Daten bereits sauber sind.
Wir versprechen keine Lösung von der Stange - wir liefern die Menschen und die Kompetenzen, die sich in Ihre Prozesse und die Realität Ihrer Instandhaltung einfügen. Die Unterschiede zwischen den Kooperationsmodellen haben wir in unserem Artikel zu IT-Kooperationsmodellen beschrieben.
Womit beginnen Sie beim Erfassen und Nutzen von Industriedaten?
Beginnen Sie mit einer Frage, die Sie heute nicht gut beantworten können (z. B. „wo verlieren wir wirklich OEE?”) und mit einer einzelnen Linie oder Maschine als Pilot. Das definiert, welche Quellen Sie anbinden, wie Sie sie normalisieren und welche KPI auf dem ersten Dashboard erscheint. Ein kleiner, funktionierender Datenfluss überzeugt besser als eine große Plattform auf Folien.
Wollen Sie Industriedaten aus SPS/SCADA und IoT erfassen und nutzen? Sprechen wir darüber - wir stellen Team und Architektur passend zu Ihrem Werk zusammen.