„Ein Twin muss einen Mehrwert bieten“

CT: Sie haben den ersten Start-up-Award des Engineering Summit gewonnen. Was hat das Publikum aus Ihrer Sicht an Ihrer Lösung überzeugt?

Florian Prinz: Auf dem Engineering Summit wurden viele Probleme diskutiert, mit denen die Industrie heute kämpft: Datensilos, mangelnde Abstimmung, Intransparenz und inkompatible Systeme. Und natürlich auch der 5-Jahresplan in China, der bis 2030 eine umfassende Adaption von digitaler Technologie zur Effizienzsteigerung in China vorsieht. Genau dort setzen wir mit dem Smart Equipment Passport, kurz SEP, schon seit einigen Jahren an. Die Plattform kann Informationen aus unterschiedlichen Quellen zusammenführen und über Passports verlässlich an einem zentralen Punkt verfügbar machen. Ich glaube, dass das Publikum vor allem diesen ganzheitlichen Ansatz gesehen hat und natürlich auch welche Möglichkeiten dies bietet. Unser Ziel ist nicht, einen Use Case für KI zu finden, sondern gezielt Probleme in industriellen Prozessen zu lösen und Informationen dort verfügbar zu machen, wo sie benötigt werden. Dies ermöglicht es uns, Unternehmen effizienter, souverän und resilient aufzustellen.

CT: Unternehmen haben bereits zahlreiche Engineering-, Asset- und Managementsysteme. Wie verhindern Sie, dass SEP lediglich ein weiteres Datensilo schafft?

Prinz: Im Grunde durch gutes Engineering – IT-Engineering. Indem wir Schnittstellen zu anderen Systemen bereitstellen und offene Schnittstellen bereitstellen und kompatible Datenformate verwenden. Wir stellen Import- und Exportmöglichkeiten bereit und versuchen, den Implementierungsaufwand möglichst gering zu halten. Gleichzeitig erfüllen wir hierbei IT-Standards. SEP ist browserbasiert und auf unterschiedlichen Endgeräten nutzbar. Die Plattform bildet damit einen Zugangspunkt zu Informationen aus verschiedenen Systemen. Durch unsere Partnerschaften mit beispielsweise SAP und Siemens können wir uns direkt mit den Softwareanbietern austauschen.

CT: Welche Anwendungen können Anlagenbauer und Betreiber darüber abbilden?

Prinz: SEP ist die analytische Plattform, innerhalb derer verschiedene Anwendungsfälle umgesetzt werden können. Dazu gehören beispielsweise Waren- und Materialmanagement, Inspektionsmanagement, zerstörungsfreie Prüfung, Gerüstbau, Turnaround Management, Zertifikatsmanagement oder die Übergabedokumentation des EPC an den Betreiber. Aber auch klassische Anwendungsfälle wie das Datenqualitätsmanagement und die Digitalisierung von CAD-Zeichnungen. Der Kunde muss nicht alles einsetzen, sondern kann die für ihn relevanten Anwendungen auswählen. Über Rollen und Zugriffsrechte lässt sich zudem bis auf Datenebene festlegen, wer welche Informationen sehen und bearbeiten darf. Das ermöglicht auch den Zugriff von externen Beteiligten wie Lieferanten oder Partner.

CT: Gerade bei Brownfield-Anlagen trifft man häufig auf historisch gewachsene Dokumentationen und unterschiedliche Systeme. Wo beginnen Sie bei einem solchen Projekt?

Prinz: Das ist genau unsere Stärke und auch ein wichtiger Aspekt in China. Hier sollten 80 % aller Anlagen bis 2030 mit vernetzten Informationen zu Equipment, Software und Anlagen ausgestattet sein. Jeder Kunde hat andere Systeme und Prozesse. Deshalb schauen wir zunächst, wie die Ausgangssituation ist und wo sich mit möglichst geringem Aufwand der größte Mehrwert erzielen lässt. Dort beginnen wir und erweitern die Lösung anschließend schrittweise auf weitere Bereiche und Anwendungen. Die grundlegenden Probleme ähneln sich allerdings bei vielen Unternehmen. Es geht darum, Daten für übergeordnete Prozesse schnell zugänglich zu machen und anschließend diese Daten zu aktualisieren. Unterschiede liegen eher im Detail. Deshalb können wir Erfahrungen aus bisherigen Projekten übernehmen, müssen die Einführung aber an den jeweiligen Kunden anpassen.

CT: Was passiert, wenn verschiedene Dokumente unterschiedliche Informationen über dasselbe Equipment enthalten?

Prinz: Für solche Fälle setzen wir KI-Modelle ein. Sie können anhand verschiedener Parameter bewerten, welcher Datensatz mit hoher Wahrscheinlichkeit aktuell ist. Wir können dabei unterschiedliche Pipelines aufbauen. Bei kritischen Entscheidungen wird ein Experte hinzugezogen, also ein „Expert in the Loop“. In anderen Fällen ist auch eine vollständig automatisierte Verarbeitung möglich.

CT: Das heißt, Sie lassen KI tatsächlich ohne abschließende menschliche Prüfung Daten übernehmen?

Prinz: Das haben wir in bestimmten Fällen bereits gemacht. Voraussetzung ist, dass sich anhand der vorhandenen Informationen hinreichend eindeutig bestimmen lässt, welcher Datensatz aktuell ist. Diese Entscheidungslogik lässt sich dem Modell mitgeben. Wo diese Eindeutigkeit nicht gegeben ist, kann dagegen weiterhin ein Experte bestätigen. Es gibt aber durchaus Anwendungsfälle, wo auch eine Genauigkeit von 95 % ausreichend ist.

CT: Wie vollständig muss eine Bestandsanlage überhaupt digitalisiert werden? Braucht der Anlagenbetreiber wirklich jedes Detail?

Prinz: Ein Twin ergibt nur dann Sinn, wenn er einen Mehrwert bietet. Wenn er lediglich viel Geld kostet und großen Aufwand verursacht, ist niemandem geholfen. Auch SEP ist im Grunde eine Form eines Digital Twins, nur eben nicht zwangsläufig als hochaufgelöstes 3D-Modell. Wir haben es deswegen Data Twin genannt. Entscheidend ist, dass das digitale Abbild einen konkreten Nutzen bietet und mit vertretbarem Aufwand aufgebaut werden kann und vor allen Dingen mit geringen Kosten aktualisiert werden kann.

CT: In der Vergangenheit galt beim Digital Twin häufig die Devise: möglichst vollständig, bis zur letzten Schraube. Hat sich dieses Denken geändert?

Prinz: Definitiv. Wenn ich bestimmte Informationen heute nicht benötige, stellt sich die Frage, warum ich mit großem Aufwand ein komplexes Modell dafür aufbauen sollte. Ich würde zunächst das digitalisieren, woraus ein unmittelbarer Nutzen entsteht. Wenn später weitere Anforderungen hinzukommen, kann man das Modell entsprechend erweitern. Wichtig ist die vollständige Abdeckung aller relevanter Daten, die sich aus dem Bedarf für die Automatisierung ergeben.

CT: Gerade dieser Kontext kann sensible Anlagen- und Unternehmensdaten enthalten. Ist die Sorge um Datenhoheit ein Hemmnis für KI-Anwendungen im Anlagenbau?

Prinz: Sie ist berechtigt, wenn Unternehmen schützenswerte Daten an externe Cloud-KI-Systeme übertragen. Wir alle sehen die aktuelle politische Lage, und viele Unternehmen nutzen noch viele IT-Systeme die von Unternehmen außerhalb der EU bereitgestellt werden. Wir können das Mistrauen gut verstehen und setzen uns seit Jahren in Gaia-X für eine souveräne IT-Landschaft ein. Heute betreiben wir unsere Anwendungen auf jeglicher Infrastruktur. In souveränen, privaten Cloud-Umgebungen, auf den Rechenzentren unserer Kunden oder sogar auf Infrastruktur ohne Internetzugang. Die KI-Modelle entwickeln wir hierbei selbst – wir nutzen also keine Fremdsysteme. Mit unseren Partnern wie SAP, Siemens und Ionos können wir dann eine souveräne Bereitstellung ermöglichen. Das ermöglicht es uns, sehr sensible Daten mit höchster Geheimhaltung mit unseren KI-Modellen verarbeiten zu können. Hierbei kommen alle Komponenten aus Deutschland. Es ist also nicht notwendig die Kontrolle über seine Daten abzugeben. Es ist uns sehr wichtig, deutlich zu machen, dass die Daten bei dem Eigentümer bleiben. Damit kann die KI auf Unternehmensdaten zugreifen, ohne dass diese die eigene Infrastruktur verlassen.

CT: Ist eine eigene KI-Infrastruktur für mittelständische Anlagenbauer und Engineering-Unternehmen nicht zu aufwendig?

Prinz: Für die großen Modelle ist das sicherlich der Fall. Es hängt natürlich von den Anforderungen an Datensicherheit des jeweiligen Unternehmens ab. Es gibt aktuell auch genügend Angebot an souveräner KI-Infrastruktur und es wird weiter ausgebaut. Viele unserer Modelle benötigen keine GPU-Infrastruktur. Unsere neusten Modelle für generative Arbeiten benötigen nun aber auch GPU-Infrastruktur. Wir versuchen unser Wissen hier natürlich weiterzugeben. Für Unternehmen ist deshalb nicht allein entscheidend, ob sie KI einsetzen. Sie müssen überlegen, welche Daten und welchen Kontext die KI benötigt, wie sie deren Ergebnisse validieren und welche Infrastruktur dafür sinnvoll ist.