Thyssenkrupp will Produktionsdaten mit autonomer Steuerung verbinden

Die Allianz bündelt die Industrieerfahrung von Thyssenkrupp mit dem End-to-End-Innovationsportfolio von Hitachi. Im Mittelpunkt steht eine integrierte „Lab-to-Scale"-Pipeline, die die Forschungs- und Entwicklungsexpertise von Hitachi America R&D, die digitale Strategie- und Designkompetenz von Method, einem Unternehmen von Globallogic, sowie die Softwareentwicklung auf Unternehmensebene von Globallogic vereinen soll. Als Ergebnis erhoffen sich die Partner eine nahtlose Verbindung von Produktionsdaten vor Ort mit KI-basierter autonomer Steuerung. Dies soll technische Engpässe abbauen, die Betriebssicherheit erhöhen und ein wegweisendes Modell für die weltweite Schwerindustrie etablieren.

Über digitale Pilotprojekte hinaus wollen die Konzerne gemeinsam eine Reihe von „Physical AI”-Lösungen entwickeln, die komplexe Daten in messbaren industriellen Mehrwert übersetzen, mit dem Fokus auf Sicherheit, Servicequalität und dem Beschleunigen der globalen Energiewende.

Der Weg zur digitalen Feldebene der Prozessindustrie

Veränderung ist nie leicht, insbesondere in der Prozessindustrie, trotzdem schreitet das Umrüsten auf Ethernet-APL dort stetig voran. Der Ethernet-APL-Technology-Day von R. Stahl gab einen Einblick, wie marktreif die Realität für Gerätehersteller und Anwender aussieht.

Fokus auf zwei strategische Handlungsfelder

Die Partnerschaft konzentriert sich auf zwei zentrale Bereiche mit hoher strategischer Hebelwirkung:

1. Datenintelligenz und autonome Betriebsabläufe: Um die Lücke zwischen Produktionsabläufen und Geschäftslogik zu schließen, soll Globallogic für thyssenkrupp eine intelligente Dateninfrastruktur implementieren, die auf der Universal Data Layer (UDL) Architektur basiert. Die UDL bietet eine gemeinsame Daten- und Semantikgrundlage, die operative Technologiedaten (OT) aus der Fertigung mit IT-Daten aus den Geschäftsprozessen verknüpft. Sie ist eine Schlüsseltechnologie für den reibungslosen Einsatz autonomer Robotik und Drohnen, die auf Echtzeit-Datenverarbeitung, semantisches Verständnis und KI-gestützte Entscheidungsfindung angewiesen sind. In den teils gefährlichen Produktionsumgebungen von Thyssenkrupp sollen künftig autonome „Robocams” und Drohnen Hochrisiko-Inspektionen sowie hochpräzise Messungen übernehmen. Ziel ist es, Arbeitsunfälle zu vermeiden und die Sicherheit der Beschäftigten zu erhöhen. Die Systeme sollen die Belegschaft ergänzen: Sie halten Mitarbeitende aus Gefahrenbereichen heraus und liefern gleichzeitig präzisere Daten, um industrielle Prozesse zu steuern und zu überwachen.
2. Dekarbonisierung im Beschleunigungsmodus: Um die ambitionierten Dekarbonisierungsziele zu erreichen, muss das Umsetzungstempo deutlich gesteigert werden. Die Allianz plant daher den Einsatz einer Intelligence-Plattform, die das Erfassen unstrukturierter technischer Daten automatisiert und komplexe Dokumentationen in verwertbare Erkenntnisse überführt. Dadurch sollen die „Quote-to-Cash-” und Engineering-Zyklen für Projekte im Bereich grüne Energie spürbar verkürzt werden. Das soll dafür sorgen, dass die administrative und technische Komplexität der Energiewende nicht zum Engpass bei der Umsetzung wird.

Wo KI im Engineering scheitert – und wo nicht

Die meisten aller KI-Pilotprojekte im Anlagenbau scheitern. Warum programmiert die Branche bisher oft an der Wertschöpfungskette vorbei und wie können „atomare Prozesse“ den Turnaround für einen messbaren ROI schaffen?