Adaptive Systeme haben eine besondere Anpassungsfähigkeit an die jeweilige Umgebung.

Projiziert man diesen Begriff in die Produktionshallen so ist er hier gleichbedeutend für eine neue Form der Flexibilität von Fertigungsprozessen. Den Ausgangspunkt dafür beschreibt der Begriff Data Governance (u.a. Vernetzung und Datensicherheit). Darauf aufbauend können i40-Komponenten sich mit MOM-Systemen vernetzen. So entsteht schrittweise die Adaptive (anpassungsfähige) Produktion in der Smart Factory.

Die Additive Fertigung, auch bekannt unter dem Namen 3D-Druck, steht für ein Fertigungsverfahren, bei dem auf Basis von 3D-CAD Daten durch das Ablagern von Material schichtweise ein Bauteil erzeugt wird. Im Prinzip werden die vorhandenen Fertigungsverfahren wie z.B.:

• Gießen

• Schmieden

• Fräsen

• Bohren

• Schweißen oder

• Löten durch den 3D-Druck um ein weiteres Fertigungsverfahren ergänzt.

Deshalb verorte ich diesen Begriff nicht unter der Überschrift INDUSTRIE 4.0, sondern sehe ihn als eigenständige Technologie.

Aktives Lernen ist ein Teilgebiet vom Machine Learning. 

AMQP steht für Advanced Message Queuing Protocol.

Weiterführende Informationen zu AMQP finden Sie hier.

Die Abkürzung XaaS steht für den Begriff „Anything as a Service". Oft wird parallel die Bezeichnung Everything as a Service (EaaS) verwendet. XaaS bezeichnet einen Ansatz „alles" als Service zur Verfügung zu stellen und zu konsumieren. Damit ist es der konsequente letzte Schritt, nachdem es bereits folgende Teilmengen als Service gibt:

1. Software as a Service (SaaS)

2. Plattform as a Service (PaaS)

3. Infrastructure as a Service (IaaS)

In der Regel sind alle weiteren, zusätzlichen Services auf einen dieser drei Kernservices SaaS, PaaS oder IaaS zurückzuführen.

Zu den bekannten Arten von AIaaS gehören z.B. die Bots und Machine Learning.

Alternativ findet man für AIaaS auch die Bezeichnung: Cognitive Services

siehe Industrie 4.0-Komponente.

Als eindimensionaler Barcode wird eine elektronisch lesbare Schrift bezeichnet, die aus verschiedenen breiten, parallelen Strichen und Lücken besteht. Der Barcode wird mit optischen Lesegeräten, wie z. B. Scanner, maschinell eingelesen und elektronisch weiterverarbeitet. Die bekanntesten Barcode-Scanner dürften die Supermarkt-Kassen sein. Dieser eindimensionale Barcode wird auch Strichcode, Balkencode oder Streifencode genannt. Ein eindimensionaler Barcode kann maximal 40 Ziffern oder 20 Zeichen aufnehmen. Abhängig von der benötigten Informationsdichte gibt es verschiedene eindimensionale Barcodetypen.

Hier finden Sie eine: Liste aller Barcodetypen

Batch Lernen ist ein Teilgebiet vom Machine Learning.

Der Begriff „Bin Picking“ steht – für den sogenannten "Griff in die Kiste" durch einen Roboter. Bei vielen Automatisierungslösungen werden Werkstücke durch einen Roboter einer Maschine zugeführt. Dabei liegen diese Werkstücke in der Regel unsortiert (meist aber sortenrein) in einer Gitterbox oder einem anderen Behälter. Für den Roboter ist es eine besondere Herausforderung die chaotisch übereinander liegenden Werkstücke immer richtig zu greifen. Dazu muss die Bilderkennungssoftware mit Hilfe von KI  die Lage und Richtung der Werkstücke eindeutig erkennen.

Bitcoin (BTC) ist das weltweit führende digitale Zahlungsmittel auf Basis einer Blockchain und der Pionier unter den Kryptowährungen. Die Bitcoin Währung ist inflationssicher, da der Erfinder Satoshi Nakamoto die absolute Menge auf 21 Millionen Bitcoins begrenzt hat. Im Juli 2019 waren rund 17,85 Millionen Bitcoins im Umlauf, sodass der größte Teil bereits geschürft ist. Es wird vermutet, dass alle 21 Millionen Bitcoins erst im Jahre 2130 geschürft worden sein werden.

Übrigens:
Es gibt weitere Digitalwährungen wie z.B.: Ether, XRP oder Bitcoin Cash

siehe E-Learning

Eine Blockchain ist eine Datenbank, die eine stetig wachsende Liste von Transaktionsdatensätzen beinhaltet. Die Datenbank wird chronologisch erweitert, vergleichbar einer Kette ("Blockchain" = "Blockkette"), der am unteren Ende ständig neue Elemente hinzugefügt werden. Ist ein Block vollständig, wird der nächste erzeugt. Jeder Block enthält eine Prüfsumme des vorhergehenden Blocks. Das hat eine Kette von Blöcken vom Genesis Block bis zum aktuellen Block zur Folge. Diese Blöcke sind bei einer Blockchain aber nicht nur auf einigen wenigen Computern, sondern weltweit auf sehr vielen Computern verteilt. Die dadurch vorhandene weltweite Transparenz soll Manipulationsmöglichkeiten verhindern und ist einer der größten Vorteile einer Blockchain. Als Nachteil kann der vergleichsweise geringe Datendurchsatz aufgeführt werden.

Die bekannteste Blockchain Anwendung ist die digitale Cryptowährung Bitcoin.

Bluetooth ist ein 1999 entwickelter Industriestandard für die Datenübertragung zwischen Geräten über kurze Distanz per Funktechnik (WPAN). Hauptzweck von Bluetooth ist das Ersetzen von Kabelverbindungen zwischen Geräten. Es gibt verschiedene Arten und Versionsstände von Bluetooth-Geräten, die unterschiedliche Reichweiten von 1 bis 100 Meter erreichen. Üblicherweise wird in der Praxis ein Abstand zwischen 1 bis 10 Meter empfohlen, damit die Verbindung steht. Mit der seit Ende 2016 verfügbaren Bluetooth Version 5 wurde die Reichweite und die Übertragungsgeschwindigkeit deutlich erhöht. Ohne Hindernisse zwischen Sender und Empfänger sind so Verbindungen von bis zu 200 Metern und eine maximale Datenrate 2 MBit/s im Freifeld möglich.  Damit ausgestattet, werden Bluetooth-5-Geräte im Internet of Things  (IoT) vieles ermöglichen.

Der Name „Bluetooth" leitet sich vom dänischen König Harald Blauzahn (englisch Harald Bluetooth) ab. Das Logo zeigt ein Monogramm seiner Initialen H und B in germanischen Runen.

Der Begriff Cyber-Physical Production System (CPPS) steht für den Einsatz eines Cyber-Physical Systems (CPS) in der produzierenden Industrie.

Weitere Informationen finden Sie bei: Cyber-Physical Systems (CPS)

Für Data Governance gibt es derzeit (2019) keine eindeutige Definition.
Stark vereinfacht ist es eine Form von Datenmanagement, das Regeln im Umgang mit Daten durch Datenrichtlinien vorgibt.
Dieses Regelwerk kann allgemeingültige als auch firmenspezifische Vorgaben beinhalten. Das Aufgabenspektrum beinhaltet u.a. Richtlinien zur:

• Bereitstellung von Daten
• Gestaltung der Zugriffsrechte
• Vernetzungsstrategien
• Datensicherheit
• Datenqualität
• Protokollierung der Datenverarbeitung
• Überwachung der definierten Vorgaben
• Überwachung gesetzlicher Vorgaben und Compliance-Anforderungen
• Umgang mit Legacy Systemen
• …

Data Governance verfolgt u.a. folgende Ziele:
• Systemverfügbarkeit sicherstellen
• Risiken erkennen und vermeiden
• Potenziale erkennen und nutzen
• IT-Kosten senken

Im Prinzip beschreibt Data Governance die Startbedingungen für INDUSTRIE 4.0

Der Begriff Data Lake (dt. „Datensee“) steht für einen sehr großen und unstrukturierten Datenspeicher.
Er beinhaltet Daten im ursprünglichen Rohformat.
Das hat den Vorteil, dass die Daten vor der Speicherung nicht geprüft oder formatiert werden müssen.
Der Data Lake muss in der Lage sein beliebige Datenformate aufzunehmen.
Dadurch werden verteilte Datensilos vermieden.

Erst wenn die Daten benötigt werden, erfolgt die Aufbereitung der betroffenen Daten.
Dafür benötigt mann dann allerdings leistungsstarke und intelligente Mechanismen um diese riesigen Informationsmengen mit vertretbaren Antwortzeiten zu verarbeiten.
Es handelt sich hierbei um eine typische Big Data Anwendung.
Der Nutzen entsteht erst, wenn durch Data Mining aus diesen Rohdaten Smart Data gemacht werden.

Das Herausfiltern spezifischer Informationen aus einer großen Datenmenge wird als „Data-Mining" oder Mustererkennung bezeichnet. Dazu werden Massendaten mit Datenanalyse- und Entdeckungsalgorithmen durchsucht mit dem Ziel, neue Muster, Querverbindungen und Trends zu erkennen. Findet man solche Muster, dann werden die Daten zu Smart Data die neuen Erkenntnisgewinn bringen. Um Fehlinterpretationen weitestgehend zu vermeiden, müssen die Entdeckungsalgorithmen Ausreißer und manipulierte Daten erkennen und aus der Bewertung entfernen.

Merke: 

Data-Mining macht Big Data zu Smart Data

Der Datamatrix-Code ist der bekannteste zweidimensionale Barcode. Er wurde von der amerikanischen Firma Acuity Corp. in den späten 1980er Jahren entwickelt. Das Ziel der Entwicklung war es, auf möglichst kleinem Raum mehr Daten als beim Strichcode speichern zu können. Der DataMatrix-Code ist eine einfache schachbrettähnliche Pixelfläche mit weißen oder schwarzen Pixeln und kann beliebige Informationen enthalten. Die tatsächliche Kapazität eines DataMatrix-Codes ist bestimmt durch die Größe des Symbols und kann bis zu 3116 Ziffern oder 2335 Zeichen beinhalten.

Um die codierten Informationen auslesen zu können, benötigt man ein Bildverarbeitungssystem, z.B. einen 2D-Scanner. Alle Arten von Barcodes erlauben eine Steuerung, Überwachung, Verfolgung, Automatisierung, Vereinfachung und Optimierung in Unternehmensabläufen.

Beispiel: Kennzeichnung von Paketen

Hier finden Sie eine: Liste aller Barcodetypen

Unter Datenanreicherung (Data Enrichment oder Data Enhancement) versteht man die Erweiterung von Datensätzen mit zusätzlichen Informationen. Üblicherweise werden digitale Stammdatenströme durch die Bordintelligenz eines kognitives Assistenzsystems angereichert und dadurch vollautomatische Prozessdaten generiert. Voraussetzung dafür sind vollständige und fehlerfreie Stammdaten!

In einer hohen Ausbaustufe (z.B.: bei ValueFacturing) werden Prozessdaten nicht nur angereichert sondern vollständig neu generiert.

Zur Datensicherheit zählen alle technischen Maßnahmen, die dem Schutz von Daten dienen. Dabei werden folgende Teilziele verfolgt:

• Vertraulichkeit
  Ziel: Zugriff nur durch autorisierte Benutzer
  Lösungsansatz: Rechtesystem

• Integrität
  Ziel: Schutz vor Manipulationen
  Lösungsansatz: Virenscanner, Firewall, Verschlüsselungs- bzw. Kryptographieverfahren, Blockchain

• Verfügbarkeit
  Ziel: Ausfallsicherheit
  Lösungsansatz: Server Architektur, Cloud

• Kontrollierbarkeit
  Ziel: Prüfung durch Protokollierung
  Lösungsansatz: Speichersysteme

Im Gegensatz zum Datenschutz beschränkt sich die Datensicherheit nicht auf personenbezogene Daten.

Deep Learning, zu Dt.: tiefgehendes Lernen, ist ein Teilbereich des Machine Learning.
Abgrenzung :

• Beim Machine Learning  greift der Mensch in die Analyse der Daten ein und kann dadurch den eigentlichen Lernprozess beeinflussen.

• Beim Deep Learning sorgt der Mensch nur noch dafür, dass die Daten für das Lernen bereitstehen. D.h. der Mensch überlässt die Berechnungen vollständig der Maschine und hat keinen Einfluss auf die Ergebnisse des Lernprozesses.

Beispiel:
Gesichts-, Objekt- oder Spracherkennung, bei Bedarf auch mit der Unterscheidung von natürlichen Personen und Bots.

Merke:
Machine Learning ermöglicht menschliche Interaktion. Deep Learning ist autonom.

Als Digitaler Schatten werden die Prozessdaten bezeichnet, die Maschinen während ihres Betriebes erzeugen. Dabei handelt es sich um Rohdaten, die auch als Digitaler Fußabdruck (digital footprint) bezeichnet werden. Diese Daten sind zum einen der Input für Condition Monitoring und zum anderen bilden sie die Grundlage für umfassendere Erkenntnisse, die durch Data Mining (Musterfindung in den Rohdaten) gewonnen werden können.

Abgrenzung:
Der Digitale Schatten darf nicht mit dem Digitalen Zwilling verwechselt werden, den dieser ist ein digitales (virtuelles) Abbild des realen Objektes.

Merke:
Digitaler Zwilling: digitales Abbild der echten Maschine
Digitaler Schatten: Rohdaten die die Maschine erzeugt

Der Digitale Zwilling ist das virtuelle Abbild eines Produktes, das sein reelles Gegenstück ein Leben lang begleitet, denn anhand des digitalen Doppelgängers lässt sich vieles präzise voraussagen. Das Potenzial dahinter ist groß: Statt teurer Prototypen und langwieriger Versuchsketten lassen sich mit diesen Abbildern allerhand Szenerien im kompletten Produktentwicklungsprozess innerhalb kürzester Zeit durchspielen, Lösungsstrategien entwickeln und verwerfen, Verbesserungsmöglichkeiten ausloten und umsetzen.

Abgrenzung:
Der Digitale Zwilling darf nicht mit dem Digitalen Schatten verwechselt werden.

Merke:
Digitaler Zwilling: digitales Abbild der echten Maschine
Digitaler Schatten: Rohdaten die die Maschine erzeugt

Digitalisierung:
Die Papierunterlagen werden digitalisiert und deshalb nicht mehr ausgedruckt, sondern digital angezeigt.

Beispiel: Flugticket
Der Prozess „Einsteigen in den Flieger“ hat sich deshalb nicht verändert. Es steigen gleichzeitig einige Fluggäste mit analogem Papierticket und einige mit digitalem Handyticket ein.

Digitale Transformation:
Auch hier werden die Papierunterlagen erstmal digitalisiert. Aufgrund der digitalen Verfügbarkeit ändert sich jetzt allerdings auch der zugehörige Prozess. Diese Prozessänderungen können harmloser Natur sein oder können so radikal ausfallen, dass aus der Transformation eine Disruption wird.

Beispiel: Buch
Der Prozess „Buch kaufen“ hat sich dadurch komplett verändert: Wenn das E-Book zu Ende gelesen ist, braucht man nicht mal mehr vom Liegestuhl aufstehen, sondern kann direkt per Download das nächste Buch kaufen. Sowas nennt man disruptiv!

Disruptive Technologien ersetzen etablierte Technologien vollständig und verdrängen diese in kurzer Zeit vom Markt. Meist sind sie zu Beginn qualitativ schlechter, holen aber nach und nach an ihre Vorgänger auf und übertreffen diese nach geraumer Zeit.

Beispiel:
Anfangs konnten Digitalkameras qualitativ nicht überzeugen. Aufgrund zu geringer Auflösung war die Bildqualität zunächst schlecht und stellte einen großen Nachteil gegenüber der klassischen Fotografie dar. Das Bildergebnis ließ sich allerdings sofort überprüfen und weiterverarbeiten oder kopieren. Rasch hat sich die Bildqualität so weit verbessert, dass Digitalkameras die analogen Kameras verdrängt haben.

  Im Gegensatz zu Disruptive Technologien stehen Transformatorische Technologien

„E-Health" (auch Electronic Health) steht für elektronische und digitale Technologien im Gesundheitswesen zur medizinischen Versorgung und Überwachung von Menschen. Fitnessarmbänder oder Fitness Tracker , sogenannte Wearables, messen neben der Schrittzahl auch den Puls und den Blutdruck und leiten die erfassten Informationen in der Regel an eine Smartphone-App weiter. Im einfachsten Fall werden daraus interessante Diagramme und Grafiken generiert. Im akuten Fall kann sogar automatisch der Rettungsdienst aktiviert werden. Die Überwachung von implantierten Herzschrittmachern kann so Leben retten.

Immer mehr Ärzte verwenden E-Health um ihre Patienten zu unterstützen: 

• in der Prävention

• in der Diagnostik

• zur Behandlung

• zur Nachsorge

E-Health bezieht sich also auf die Anwendung digitaler Hilfsmittel zur Unterstützung von Arzt und Patient.

Jetzt während der Corona-Pandemie wäre eine E-Health App am Handgelenk zur Früherkennung des Virus eine geniale Lösung. 

Leider gibt es diese App noch nicht!

„E-Health" ist ein schönes Beispiel für den DIGITAL VALUE incl. seiner Definition.

Unter E-Learning (Electronic-Learning) werden alle Formen von Lernen verstanden, bei denen elektronische oder digitale Medien zum Einsatz kommen.  Häufig handelt es sich dabei um Web- und Computerbasierte Lernformen.

Wenn das E-Learning in Eigenleistung, z.B. im Fernstudium durchgeführt wird, bezeichnet man das als Virtuelle Lehre.

Wenn Präsenzveranstaltungen und Virtuelle Lehre verknüpft werden, spricht man von Blended Learning (dt. integriertes Lernen). Blended Learning ist eine Mischung aus klassischem Unterricht und Fernstudium. Es bezeichnet quasi eine Lernform, bei der die Vorteile von Präsenzveranstaltungen und Virtuelle Lehre kombiniert werden. Ein Teil der Lerninhalte wird im Klassenzimmer “face-to-face“ durch den Lehrer vermittelt und den anderen Teil lernt der Schüler zu Hause am PC durch Lernprogramme. Ein Vorteil der Virtuellen Lehre ist es, dass das Lernen nicht zeit- und ortsgebunden ist.

„Blended Concepts“ beschreibt in Analogie zum Begriff „Blended Learning“ die konzeptionelle Abstimmung der einzelnen Bausteine untereinander.

Die Kunst ist es, für das jeweilige Thema ein lehrreiches und interessantes Konzept zu entwickeln, damit die Schüler Spaß daran haben und quasi durch Gamification zum Lernerfolg kommen.

Der Begriff Gamification (aus englisch game für „Spiel“) steht für spielerisch lernen und ist eine besondere Form des E-Learning.

Gute Gamification Beispiele sind der Quizzer® und das Web Based Training, die für unterschiedliche Themen Gamification anbieten.

Der Begriff Edge Computing (engl. für Rand oder Kante) ist noch relativ jung und steht für dezentrale Datenverarbeitung am Ort des Geschehens. Bildlich gesprochen findet Edge Computing an der Kante zwischen der Datenquelle (z.B.: Sensoren) und dem Rechenzentrum bzw. der Cloud statt. Edge Computing ermöglicht eine effiziente Datenverarbeitung, bei der große Datenmengen nahe der Quelle verarbeitet werden können, sodass weniger Internetbandbreite benötigt wird.

Es hat zum Ziel, Wartezeiten (Latenz) zu minimieren und eine Netzüberlastung zu verhindern.

Der Begriff Embedded System (zu dt.: „eingebettete Systeme“) steht für integrierte Software auf einer reduzierten Hardware die nicht als Computer bezeichnet wird. Die Embedded Software ist meist in einem Flash-Speicher gespeichert und durch den Anwender nicht oder nur mit speziellen Mitteln veränderbar. Ein Embedded System begegnet uns auch in Form von sogenannter Firmware. Smarte Objekte sind mit Embedded System ausgestattet um mit ihrer Umwelt in Kontakt treten zu können. Embedded System wird z.B. eingesetzt in Haushaltsgeräten oder in Herzschrittmachern.

Eine Entität beschreibt die Identität von einem echten oder einem virtuellen „Ding“. Dazu erhält jedes „Ding“ eine Unique Identification Number (UIN). Diese UIN ist eine eindeutige Identifizierungsnummer mit der alle Dinge (Entitäten) eindeutig identifizierbar und damit einzigartig werden.  Bei der Vergabe der UIN Nummern muss die mehrmalige Vergabe derselben Nummer zuverlässig ausgeschlossen werden. Im Sinne vom Internet der Dinge (IoT) ist die Entität für alle Dinge die vernetzt werden wollen bereitzustellen!

Ein Asset wird erst durch eine Unique Identification Number in seiner Verwaltungsschale einzigartig und damit zu einer Entität.

siehe E-Learning

Als Greenfield bezeichnet man eine, "auf einer grünen Wiese", komplett neu gebaute Firma, die mit modernsten Maschinen und Softwaresystemen ausgestattet ist. Quasi eine Firma ohne irgendwelche Altlasten, welche die Digitalisierung erheblich erschweren. Die Wirklichkeit ist allerdings fast immer das Gegenteil, und zwar eine Firma mit einem historisch gewachsenem Maschinenpark, mit unterschiedlichsten Softwaresystemen und Versionsständen.

Beispiel:  In einer diskreten Fertigung findet man folgende Maschinensteuerungen:
Siemens, Fanuc, Haas, Heller, Heidenhain, Bosch, Dialog, Maho, Mazak, Mitsubishi, Okuma, Phillips, Traub

mit unterschiedlichen Kommunikationsprotokollen wie z.B.:
SinCom, MCIS_RPC, MCIS_TDI, Create MyInterface, TNC Remo, Focas2, Ethernet Library, MTConnect

Die erhoffte Lösung der Zukunft: OPC UA ist häufig nur ansatzweise vorhanden. Diesen Zustand bezeichnet man als Brownfield, bzw. auch gerne als Zoo. Als Altlasten gibt es in jedem Brownfield unvollständige und fehlerhafte Stammdaten und zahlreiche Papierunterlagen. Die Vernetzung eines Brownfield - Maschinenparks gleicht einem Häuserkampf.

siehe Bin Picking

Die Abkürzung HMI steht für Human Machine Interface und beschreibt eine Benutzerschnittstelle, über die ein Mensch mit einer Maschine zusammenarbeiten kann. Im einfachsten Fall ist das ein EIN/AUS-Schalter.

• Die ersten HMI waren Armaturen an Dampfmaschinen

• Mit Einzug der Elektronik wurden Schalter, Knöpfe, Signallampen und Zeiger-basierte Anzeigetafeln verwendet

• Der Klassiker für eine HMI ist seit Jahrzehnten die Tastatur und der Bildschirm

• Mit Aufkommen der Smartphones und Tablets hat sich allerdings die Wischtechnik am Touchscreen immer mehr als HMI etabliert

Es ist zu erwarten, dass zukünftig verstärkt Wearables, wie zum Beispiel  Augmented Reality Brillen als HMI zum Einsatz kommen, ebenso wie die Kommunikation mit der Maschine via Gestik, Mimik oder Sprache.

Hinweis: 

Eine moderne HMI im Sinne von INDUSTRIE 4.0 hat keine analogen Elemente mehr, sondern ist vollkommen virtualisiert. Deshalb wird der Begriff HMI unter dem Überbegriff Virtualisierung einsortiert. 

Hier zum Video

Ein Holodeck ist eine Inszenierungsumgebung, in der die Teilnehmer mittels verschiedener Virtual-Reality Anwendungen incl. integrierter realer Elemente vollständig in eine Scheinwelt eintauchen können um z.B. bestimmte Einsatzfälle zu trainieren. Als Inszenierungsumgebung eignen sich leerstehende Hallen. (z.B. Turnhallen oder aufgelöste Super- bzw. Baumärkte). Als reale Elemente (hier: rote Tür) werden die für den Einsatzfall notwendigen Elemente aufgebaut. Als Virtual-Reality Szene wird eine Umgebung passend zum Einsatzfall virtuell dargestellt. Die realen Elemente (hier: rote Tür oder z.B. eine Treppe ) werden in die Virtual-Reality Szene integriert.

Die Virtual-Reality Szene kann durch technische Hilfsmittel mit folgenden realen Effekten ergänzt werden:

• Wind

• Wärme

• Hitze

• Gerüche

• Lärm

So entstehen absolut realistische Einsatzumgebungen, die in dieser Deutlichkeit bisher ohne Holodeck nicht geübt werden konnten.

Ursprung des Begriffes:
Der Begriff Holodeck wurde aus der Filmreihe "Star Trek" übernommen. Auf dem "Raumschiff Enterprise" zogen sich die Besatzungsmitglieder in ihrer Freizeit häufig auf ein Holodeck zurück um in virtuelle Welten zu verreisen.

Eine Industrie 4.0-Komponente besteht aus einem Asset mit der zugehörigen Verwaltungsschale. Die grundsätzliche Idee der I4.0-Komponente besteht darin, jedes Industrie 4.0 taugliche Asset mit einer Verwaltungsschale zu umgeben, die jeweils geeignet ist, das Asset bezüglich der möglichen Anwendungsfälle hinreichend zu beschreiben.

Losgelöst von Industrie 4.0 steht der Begriff Asset für Anlagevermögen. Im Sinne von Industrie 4.0 sind Assets alle Dinge die ein Vernetzungsvermögen haben. Als Asset bezeichnet man deshalb alle Dinge (IoT) die mit dem Internet bzw. mit den Intranet* verbunden werden können. Z.B.: alle Arten von Maschinen, Anlagen, Lagersystemen, bzw. deren Einzelkomponenten.  

Die Verwaltungsschale ist die digitale Repräsentation eines physischen Assets . Sie enthält die relevanten Informationen über das Asset einschließlich seiner zu nutzenden Funktionen und deren Aufruf über I4.0-Kommunikation. Sie ist in einen Header und einen Body untergliedert. Der Body kann mehrere Teilmodelle beinhalten. Den Inhalt aller Teilmodelle einer I4.0 Komponente bezeichnet man als Manifest . Die Teilmodelle bestehen aus einem streng einheitlichen Formatbereich und aus einem variablen, Asset spezifischen, Formatbereich.

Ein Asset wird erst durch eine Unique Identification Number in seiner  Verwaltungsschale einzigartig und damit zu einer Entität . .

iBeacon ist ein von Apple lnc. eingeführter, proprietärer Standard für die Navigation in geschlossenen Räumen, basierend auf Bluetooth. Dazu werden im Raum kleine Sender (iBeacons) als Signalgeber platziert, die in festen Zeitintervallen Signale senden. Kommt ein Empfänger (z.B. Smartphone-App) in die Reichweite eines Senders, kann der Sender lokalisiert und Aktionen ausgelöst werden.

Beispiel:
ln einem Museum ist bei jeder Sehenswürdigkeit ein iBeacon angebracht. Kommt der Besucher mit seinem Smartphone in die Nähe des iBeacon, beginnt die App mit der Erklärung der Sehenswürdigkeit. Das eigene Smartphone mit eigenem Kopfhörer ersetzt in diesem Fall die altbekannten Audio-Guides die ansonsten immer an den Museumkassen ausgeliehen werden müssen.

Eingesetzt in Kaufhäusern kann mit iBeacons dem Kunden ein neues Shopping-Erlebnis angeboten werden. So kann er auf aktuelle Angebote aufmerksam gemacht werden und präzise zu seinen Stilrichtungen und Größen geführt werden. Das kann die Etage sein oder bestimmte Abteilungen im Shopping Center.

Industrie 4.0, in Anlehnung an die drei vergangenen industriellen Revolutionen auch als die „4. industrielle Revolution“ bezeichnet, ist mittlerweile zu einem Synonym für die digitale Fabrik der Zukunft geworden.

Ursprünglich stammt der Begriff Industrie 4.0 aus einem ausgerufenen Zukunftsprojekt der High-Tech-Strategie der deutschen Bundesregierung aus dem Jahre 2011. Sie hat zum Ziel, die internationale Wettbewerbsfähigkeit der deutschen Industrie nachhaltig zu sichern. Durch diese Initiative soll gesichert werden, dass Deutschland international weiterhin eine führende wirtschaftliche Rolle einnimmt. Das ambitionierte Zukunftsprojekt Industrie 4.0 der Bundesregierung hat dem Entwicklungsprozess der deutschen Produktion zwar seinen Namen verliehen und eine öffentliche Diskussion angestoßen, aber die Anfänge der Industrie 4.0 reichen weiter in der Zeit zurück.

Um den Kern dieser Industriellen (R)Evolution und ihre charakteristische grundlegende Unterschiedlichkeit zu den Vergangenen zu erfassen, wird mit dem WEB-BASED-TRAINING ein informativer Blick in deren Geschichte gegeben. Denn die heutige Ausgangssituation, in der sich moderne Unternehmen wiederfinden, ist um ein Vielfaches komplexer geworden. Dies erfordert einen Wandel in der Produktion, eine durchgehende und übergreifende Vernetzung, die durch Nutzung des Internets im Zuge von Industrie 4.0 erreicht werden könnte. Ein Ziel von Industrie 4.0 ist es, die Flexibilität der Produktion so zu steigern, dass bei Bedarf die Losgröße Eins wirtschaftlich hergestellt werden kann und der Kunde ein individuell konfiguriertes Produkt erhält.

Ursprünglich stammt der Begriff Industrie 4.0 aus einem im Jahre 2011 ausgerufenen Zukunftsprojekt der High-Tech-Strategie der Bundesregierung. Sie hat zum Ziel, die internationale Wettbewerbsfähigkeit der deutschen Industrie nachhaltig zu sichern. Durch diese zukunftsweisende Initiative soll gesichert werden, dass Deutschland international weiterhin eine führende wirtschaftliche Rolle einnimmt. Das schaffen wir allerdings nur als „Team Deutschland“!

Eine Schlüsselrolle spielt dabei: Finden und gefunden werden

Das Ziel einer Innovationsplattform ist es u.a. deshalb innovative Firmen zusammenzubringen und dadurch die Innovationsleistung ihrer Mitglieder messbar zu steigern und die Innovationskultur nachhaltig zu fördern.

Beispiel:
Plattform für Innovation in Deutschland

Ein weiteres Ziel einer Innovationsplattform ist es die Grundlagen zu schaffen, d.h. die grobe Richtung vorzugeben und dabei Wildwuchs einzudämmen und stattdessen die Standardisierung im Auge zu behalten.

Der Begriff "Interdisziplinarität" bezeichnet die Verbindung und Kombination von voneinander unabhängigen (wissenschaftlichen) Fachrichtungen und deren Methoden, Ansätzen oder Denkrichtungen. Verschiedene Lösungsstrategien werden hier für ein bestmögliches Ergebnis miteinander verknüpft, was zu neuen Denkweisen und Lösungswegen für Problemstellungen führen kann. Gerade zu Zeiten einer beginnenden Vierten Industriellen Revolution lassen sich viele Synergien zwischen einzelnen Fachdisziplinen nutzen.

Abseits der wissenschaftlichen Perspektive lässt sich ein konkretes Beispiel im Berufsbild des Mechatronikers finden. Vor einigen Jahren hat sich dieser aus den jeweiligen Ausbildungsberufen des Schlossers und des Elektrikers, ergänzt durch Steuerungstechnik und Regelungstechnik sowie der Informationstechnik entwickelt.

Aktuell entsteht gerade ein neues Berufsbild durch Verschmelzung des Mechatronikers mit dem Informatiker.

Beim Internet der Dienste handelt es sich um einen Teil des Internets, das Dienste und Funktionalitäten als webbasierte Dienstleistung anbietet. Provider stellen diese im Internet zur Verfügung und bieten die Nutzung auf Anforderung an. Über Internetdiensttechnologien sind die einzelnen Softwarebausteine beziehungsweise Dienstleistungen miteinander integrierbar. Unternehmen können so die einzelnen Softwarekomponenten zu komplexen und dennoch flexiblen Lösungen orchestrieren. Als einfaches Beispiel kann hier der Pizzaservice dienen, der per Handy-App bestellt wird.

Folgendes Zukunftsbild beschreibt das Zusammenspiel von Internet der Dinge und der Dienste:

• Internet der Dinge
  Zukünftig sind alle Fahrzeuge automatisch mit dem Internet verbunden und melden sämtliche Betriebsdaten in eine Cloud-Datenbank. Zu den Betriebsdaten zählen z.B. der Betriebszustand des Scheibenwischermotors (aus, ein, Intervall, schnell).

• Internet der Dienste
  Softwaredienstleister, die keinerlei Ahnung von Meteorologie haben, machen daraus den besten regionalen Wetterbericht, den es ja gab. Das Ergebnis wird mit ziemlicher Sicherheit genauer, billiger und besser sein, als bisherige lokale Wettervorhersagen. Natürlich wird es dann auch Spaßvögel geben, die einen Flashmob organisieren, damit gleichzeitig mehrere Hundert Autofahrer bei strahlendem Sonnenschein den Scheibenwischer einschalten. Mustererkennungs-Software (Data-Mining) muss folglich auch in der Lage sein, die Richtigkeit der Rohdaten zu verifizieren.

• Neue Geschäftsmodelle
  Daraus entstehen neue Geschäftsmodelle, die wiederum als Katalysator für das Internet der Dinge und Dienste wirken.

IoT steht für Internet of Things, zu deutsch: Internet der Dinge. Wenn wir Menschen vor dem PC sitzen und im Internet surfen, kann man das als Pendant (als Internet der Menschen) bezeichnen. Wenn allerdings Dinge (wie z.B. eine Maschine oder ein Kochlöffel) ins Internet gehen, brauchen Sie dazu weder eine Tastatur noch einen Bildschirm. Eine eigene IP-Adresse, ein Internetzugang und ein Programm reichen.

Diese Erweiterung des vorhandenen Internets zum Internet der Dinge ist die technische Vorstellung, Objekte jeglicher Art in ein universales digitales Netzwerk einzubinden. Ein mögliches Zukunftsszenario im Internet der Dinge ist, dass jedes verbaute Verschleißteil eine eigene IP besitzt und mit dem Internet verbunden ist. Einmal in Gebrauch, bleibt somit jedes Teil über das Internet lebenslang mit den Wartungseinheiten verbunden und meldet sich automatisch bei Problemen. Moderne Autos z.B. rufen bei einem Unfall automatisch die Rettungsleitstelle an und übermitteln die aktuelle Position.

Interoperabilität steht für die Fähigkeit unterschiedlicher Systeme, möglichst nahtlos zusammenzuarbeiten.

Im einfachen Fall handelt es sich um standardisierte Systeme, die zueinander kompatibel sind.Im schwierigerem Fall handelt es sich um heterogene Systeme, die kein gemeinsames Kommunikationsprotokoll beherrschen.Im Zuge der fortschreitenden Digitalisierung kommt der Frage nach Interoperabilität aller Assets eine entscheidende Bedeutung zu.

U.a. von OPC UA erhofft man sich einen großen Schritt in Richtung Interoperabilität bei INDUSTRIE 4.0. Ebenso durch die Verwaltungsschale, quasi als digitaler Zwilling der Assets, verspricht auch sie einen großen Schritt in Richtung Interoperabilität.

Übrigens: Interoperabilität ist auch in der Zusammenarbeit von Menschen von großem Vorteil, vor allem bei bunt gemischten Teams.

O-Link ist eine weltweit standardisierte IO-Technologie um mit Sensoren und Aktoren zu kommunizieren.
IO steht für engl. Input/Output = „Eingabe/Ausgabe“
Es handelt sich um eine leistungsfähige Punkt-zu-Punkt Kommunikation. Diese Technologie wurde durch das IO-Link-Konsortium entwickelt.

IPv6 steht für das Internet Protocol Version 6. Im Internet soll IPv6 in den nächsten Jahren die gegenwärtig noch genutzte Version 4 des Internet Protocol IPv4 ablösen, denn aktuell gehen dem Internet die Adressen aus. Mit nur 4,3 Milliarden möglichen IP-Adressen reicht das zurzeit verwendete Internetprotokoll IPv4 für die weltweit wachsende Zahl der Internetnutzer nicht mehr aus. Abhilfe schafft das neue Internetprotokoll IPv6, mit dem bis zu 340 Sextillionen IP-Adressen möglich sind. Das ist eine unglaublich große Zahl mit 39 Stellen:

340 000 000 000 000 000 000 000 000 000 000 000 000

Damit wird es möglich, jedem Quadratmillimeter auf der Erdoberfläche eine eigene IP- Adresse zuzuweisen. Das Internetprotokoll IPv6 ist eine der Voraussetzungen für die weltweite und systemübergreifende Vernetzung von Menschen, Anlagen und Produkten mit selbständiger und dezentraler Organisation und Steuerung von Produktionseinheiten.

Als Infrastructure as a Service (IaaS) bezeichnet man eine Dienstleistung, die entgegen dem klassischen Kaufen von Rechnerinfrastruktur, das Mieten von Hardware als Service anbietet. IaaS-Anbieter stellen ihr Hardware-Equipment, wie Server- und Speichersysteme, zur Verfügung und übernehmen zusätzlich Aufgaben wie Systemwartung, Datensicherung und Notfall-Management. IaaS-Kunden können Infrastruktur-Services selbständig abrufen und bezahlen entsprechend der Nutzungsdauer.

Das Adjektiv kognitiv ist aus dem lateinischen cognoscere (wissen, erkennen) abgeleitet und bedeutet Problemlösefähigkeit durch differenzierte Wahrnehmung der Umgebung in Verbindung mit vorhandenem Wissen. In diesem Sinne sind kognitive Assistenzsysteme in der Lage durch Sensorik die Umgebung wahrzunehmen und durch Kombination mit Ihrer Bordintelligenz Datenanreicherung zu ermöglichen.

siehe Robotik

Der Begriff Künstliche Intelligenz (KI) ist nicht klar definiert, weil selbst die Definition von „menschlicher Intelligenz" unscharf ist.

Eine mögliche Definition lautet:
Wenn die Lösung einer Aufgabe die von einem Menschen Intelligenz erfordert,
auch von einem Computer gelöst werden kann, dann spricht man von Künstlicher Intelligenz.
In den Anfängen von KI mag das eine ausreichende Definition gewesen sein,
mit den heutigen Möglichkeiten ist KI allerdings in der Lage den Menschen in bestimmten Bereichen weit zu übertreffen.

Beispiel:
Die Google-Bildsuche per Fotoupload  nutzt  KI zur Bilderkennung und damit gelingt es Google in wenigen Sekunden das angefragte Bild in Milliarden von Bildern zu finden.

Im Prinzip ist Künstliche Intelligenz ein Teilgebiet der Informatik, welches sich mit dem intelligenten Verhalten von Computern und dem Maschinellen Lernen befasst. Den Begriff Künstliche Intelligenz gibt es seit 1956. In einem Workshop mit dem Titel “Dartmouth Summer Research Project” wurde der Begriff  „Artificial Intelligence“ erstmalig verwendet. Künstliche Intelligenz ist seit jeher ein Sammelbegriff für visionäre Ideen, die noch nicht funktionieren. Denn wenn ein bestimmter Teilbereich von KI anfängt zu funktionieren, dann bekommt er sofort einen eigenen Namen (manchmal auch schon vorher) z.B.: 

• Bot

• Predictive Maintenance

• Data Mining
  

• Process Mining

• Neuronale Netze

• Machine Learning

• Deep Learning

• Bin Picking

• Robo Advisor

    1. geschlossener Lösungsraum mit begrenzten Lösungsmöglichkeiten. Beispiel: Schachcomputer
    2. offener Lösungsraum mit unendlichen Lösungsmöglichkeiten. Beispiel: Wetterprognose.

Lean Management (z. dt.: Schlankes Management) steht für die Gesamtheit der Denkprinzipien, Methoden und Verfahrensweisen zur effizienten Gestaltung der kompletten Wertschöpfungskette industrieller Güter. Durch die Einführung von Lean Methoden werden Prozesse harmonisiert um ein ganzheitliches Produktionssystem ohne Verschwendung zu schaffen. Der Ursprung von Lean Management liegt in der japanischen Automobilindustrie.

Es geht darum die Produktivität zu steigern und gleichzeitig Verschwendung zu vermeiden. Dazu gibt es über 80 verschiedene Lean Methoden. Eine davon lautet: Ordnung und Sauberkeit am Arbeitsplatz

LEAN Management ist die Grundvoraussetzung für die SMART FACTORY, denn LEAN + INDUSTRIE 4.0 = SMART FACTORY

Legacy ist das englische Wort für Hinterlassenschaft, Vermächtnis, Altlast.

Legacy Systeme im IT-Umfeld sind etablierte, historisch gewachsene Softwarelösungen.

Obwohl die Entwickler meist schon in Ruhestand sind, die verwendeten Betriebssysteme längst nicht mehr supportet werden, keine oder unzureichende Dokumentation vorhanden ist, überzeugen viele dieser Systeme immer noch durch einen Funktionsumfang, der sich in modernen Umgebungen nur schwer beziehungsweise nur mit großem Aufwand abbilden lässt. Denn die Mentalität während und nach der CIM Welle in den 90 Jahren hat dazu geführt, dass fast jeder Anwenderwunsch durch eine Sonderprogrammierung gelöst wurde. Um die Jahrtausendwende galt es z.B. als einfallsreich Unternehmensprozesse in Excel mit ausgefeiltesten Macros abzubilden. Diese ursprünglich hoch geschätzten Lösungen erschweren jetzt ihre Ablösung und machen diese unter dem Gesichtspunkt der Verfügbarkeit auch noch besonders dringlich. Um weiter lauffähig zu bleiben, werden deshalb Legacy Systeme häufig nach außen gekapselt, und in einer virtuellen Umgebung wird das alte Betriebssystem und die Laufzeitumgebung emuliert.

Beispiel: 

CHARON-VAX ist ein Vax Emulator für Windows und emuliert das Betriebssystem VMS der Firma Digital Equipment Corporation. Damit die digitale Transformation der Geschäftsprozess gelingen kann, müssen Legacy Systeme zeitnah z.B. durch MOM Systeme ersetzt werden. Jede Firma muss dazu Ihre Data Governance Strategie erstellen.

siehe E-Learning

Machine Learning,  zu Dt.: maschinelles Lernen, ist ein Teilgebiet der künstlichen Intelligenz und nutzt neuronale Netze sowie große Datenmengen. Die Funktionsweise ist in vielen Bereichen vom Lernen im menschlichen Gehirn inspiriert.

Durch das Erkennen von Mustern (=Data-Mining) in vorhandenen Datenbeständen (=Big Data) wird neuer Erkenntnisgewinn (=Smart Data) ermöglicht, der mit herkömmlichen Methoden nicht möglich wäre. Die aus den Daten gewonnenen Erkenntnisse lassen sich verallgemeinern und für neue Problemlösungen oder für die Analyse von bisher unbekannten Daten verwenden. Damit die Software eigenständig lernen und Lösungen finden kann, müssen die Systeme zunächst mit den für das Lernen relevanten Daten und Algorithmen versorgt werden. Des Weiteren sind Regeln für die Analyse des Datenbestands und die Mustererkennung aufzustellen.  Für das maschinelle Lernen werden verteilte Rechnerstrukturen und insbesondere künstliche neuronale Netze, die nach dem Vorbild des menschlichen Gehirns funktionieren, eingesetzt.

Es werden verschiedene Arten des Machine Learning entwickelt:

• Supervised Learning, z.Dt.: überwachtes Lernen: (vorhandenes Expertenwissen wird benutzt, um das System anzulernen)

• Aktives Lernen: (ermöglicht der Maschine für bestimmte Eingangsdaten die gewünschten Ergebnisse zu erfragen)

• Batch Lernen: (geschieht im Offline Modus, d.h. während des Batch-Lernens wir der Data-Lake nicht mehr verändert)

• Sequenzielles Lernen: (hier werden die Datensätze aus dem Data-Lake aufeinanderfolgend verarbeitet)

Ein Anwendungsbeispiel für das Machine Learning sind Aktienmarkt-Analysen, die mitunter interessante Anlagenstrategien berechnen. Diese automatisierten Aktienmarkt-Analysen werden mittlerweile von einem sogenannten Robo-Advisor durchgeführt, und die Ergebnisse werden immer professioneller.  Die Bezeichnung Robo-Advisor setzt sich aus den englischen Wörtern Robot (Roboter) und Advisor (Berater) zusammen und steht für die automatisierte Form der Geldanlage.

Hinweise:

• Die Steigerung von Machine Learning ist Deep Learning.

• Der Lexikon Eintrag zu Smart Data greift das Thema "Machine Learning" aus einer anderen Richtung auf.

Machine-to-Machine (M2M) steht für den automatisierten Informationsaustausch zwischen Endgeräten. Zur M2M-Kommunikation kommen verschiedene Technologien zum Einsatz wie z.B. Mobilfunk, WLAN, Bluetooth oder NFC. Die klassische M2M-Kommunikation ist eine Punkt-zu-Punkt-Anwendung ohne Internet. Im Sinne von INDUSTRIE 4.0 und vor allem im Sinne von Internet der Dinge (IoT) sind mit Endgeräten alle Dinge gemeint die mit dem Internet vernetzt werden können. Deshalb wird M2M und IoT oft in einem Atemzug genannt. Gemeinsam verfolgen sie das Ziel des automatisierten Datenaustausches zwischen Endgeräten. Während IoT jedoch eine Vernetzung über das Internet und eine IP-Adresse benötigt, funktioniert das klassische M2M auch ohne Internet.

Beispiel zu M2M klassisch ohne Internet:
Der intelligente Autoschlüssel mit Näherungssensor und RFID-Transponder entriegelt das Auto schlüssellos.

Beispiel zu M2M mit IoT:
Die iWatch bezahlt an der Supermarktkasse bargeldlos mit Apple Pay.

M2M Lösungen werden zunehmend folgende Enabler von INDUSTRIE 4.0 integrieren:

• Internet der Dinge (IoT)

• Cloud

• Künstliche Intelligenz (KI)

• Cyber-Physical Systems (CPS)

Dadurch entstehen zusätzliche neue Geschäftsmodelle.

Ein Manifest ist ein Teil der Verwaltungsschale einer I4.0 Komponente. Es beinhaltet die Informationen aller Teilmodelle.

Weitere Informationen finden Sie bei: Verwaltungsschale

Manufacturing Analytics umfasst

• das Sammeln, Bewerten und bei Bedarf gegensteuern (=Condition Monitoring) und

• das Analysieren und Interpretieren (=Predictive Maintenance)

von digitalen Produktionsdaten.

Manufacturing Analytics ist damit quasi der Überbegriff für Condition Monitoring incl. Predictive Maintenance.

Als Manufacturing as a Service (MaaS) bezeichnet man die gemeinsame Nutzung vernetzter Produktionsanlagen. MaaS benötigt Echtzeit-Zugriffe um den Status der Maschinen abzufragen, deshalb müssen diese mit einem performanten und stabilen Internet verbunden sein. Eine Vision von MaaS ist zum Beispiel, dass sich viele Zerspanungsdienstleister in Deutschland bzw. Europa zu einem riesigen Maschinenpark zusammenschalten. Gefertigt wird nach Bedarf nur das, was gerade benötigt wird. Diese Art der Fertigung wird auch als Manufacturing on Demand (MoD) beziehungsweise als On-Demand-Fertigung bezeichnet. Der Kunde lädt hierzu seine CAD-Daten auf eine Manufacturing-Plattform und bekommt ein Ranking aller geeigneter Hersteller tagesaktuell berechnet. Nach Platzierung der Bestellung ermöglicht IoT dem Kunden den Status seines Auftrages in Echtzeit zu verfolgen. Durch MaaS wird die Welt zu einem Dorf, d.h. auch entlegenste Fertigungsstandorte partizipieren vom Weltmarkt.

Die steigenden Möglichkeiten der Additiven Fertigung (3D-Druck) sind der Rückenwind für das MaaS Konzept.

Es ist die Nahtstelle zwischen einem planenden System (ERP) und dem Shopfloor (=Maschinenhalle). Das E steht für Execution und definiert dadurch, dass sich ein MES um die Ausführung des geplanten Auftrages in der Maschinenhalle zu kümmern hat. Dabei realisiert das MES sowohl die horizontale als auch die vertikale Vernetzung.

Der VDI-Fachausschuss MES hat in der Richtlinie VDI 5600 die Kernaufgaben eines MES definiert. MES Systeme müssen sich allerdings an die neuen Herausforderungen durch Industrie 4.0  anpassen und werden sich deshalb zu Manufacturing-Operations Management (MOM) Systemen weiterentwickeln. MOM wird mehr sein als MES. 

siehe: Manufacturing-as-a-Service (MaaS)

Manufacturing Operations Management ist die Erweiterung eines MES in Richtung IoT.

Dabei geht es u.a. auch darum von “Execution” (= Ausführung und Steuerung) zu "Produktionsoptimierung durch Regelung" zu kommen. MOM legt den Schwerpunkt auf die Digitalisierung von Prozessen und Informationen, um dadurch die Effizienz und die Transparenz zu steigern.

Der Autor des Lexikons arbeitet im MES/MOM Arbeitskreis des ZVEI mit. 
2017 wurde dazu diese Umsetzungsempfehlung veröffentlicht.
2020 wird auf der Hannovermesse die nächste Umsetzungsempfehlung veröffentlicht.
Einen Überblick dazu gibt dieser Vortrag des Autors.  

Hintergrund:
MES -Systeme sind zu Zeiten von INDUSTRIE 3.0 entstanden und haben mittlerweile viele Altlasten im Gepäck. Ein allgemein in der Fertigung mit NC-Maschinen vorzufindendes Problem war es, bzw. ist es immer noch, dass die unterschiedlichen, an einem Fertigungsprozess beteiligten Aggregate (NC-Maschinen, Voreinstellgeräte, Lagersysteme etc.) proprietäre Datenformate verwenden und eine aggregatübergreifende Bereitstellung der Prozessdaten regelmäßig nicht möglich ist. Die Vernetzung eines historisch gewachsenen Maschinenparks gleicht einem Häuserkampf, der pro Maschine gewonnen werden muss.

Folgende Basics müssen erfüllt werden damit MOM diese Grenzen aufbrechen kann:

Alle Hersteller von vernetzungsfähigen Produkten (Assets) einigen sich auf:

• eine einheitliche Sprache wie z.B. OPC UA. Unter dieser Prämisse entstehen zeitnah einheitliche OPC UA Parametersätze, die die jeweiligen fachspezifischen Rahmenbedingungen abdecken.

• die Notwendigkeit einer standardisierten Verwaltungsschale pro Asset und liefern diese mit aus.

Dadurch entstehen I4.0-Komponenten und darauf aufbauend kann MOM es schaffen das „Plug and Produce“ (einstecken und produzieren) zum Laufen gebracht wird. Als einfaches Beispiel kann die Druckerinstallation dienen. Unter Windows XP, oder früher, war eine Druckerinstallation immer eine spannende Aufgabe. Zu Zeiten von Windows 10 konfiguriert sich ein neu angesteckter Drucker vollkommen selbst. ( = „Plug and Play“)

MQTT wird gelegentlich auch als der „kleine“ Bruder von OPC UA bezeichnet, denn MQTT wurde ursprünglich für kleine Sensoren mit geringer Rechenleistung entwickelt. OPC UA und MQTT kann man allerdings nicht direkt vergleichen, denn sie lösen unterschiedliche Aufgaben. Der klassische Anwendungsfall für MQTT sind kleine Sensoren die nur wenige und meist fest definierte Daten liefern, dafür mit Echtzeit-Anspruch. OPC UA hingegen wird eingesetzt, wenn viele und umfangreiche Daten und frei gestaltbare Datenräume vorkommen. Im Vergleich zu OPC UA at MQTT kein Security-Defizit, denn es erlaubt ebenfalls die eindeutige Identifikation der Teilnehmer und verschlüsselt auch die übertragenen Daten.

META steht für das Einnehmen einer Vogelperspektive

Beispiele:

1. Die META-Ebene wird von einem Schlichter eingenommen um die unterschiedlichen Sichten von zerstrittenen Parteien zu verstehen.

2.  META-Daten sind übergeordnete und strukturierte Informationen zu Rohdaten.

3. META-Systeme im Sinne von Industrie 4.0 sind übergeordnete Assistenzsysteme, die in der Lage sind mit unterschiedlichen digitalen Ökosystemen zu kommunizieren.  Siehe z.B.: ValueFacturing

Der Mixed Reality (MR) Nutzer sieht eine Mischung aus realen und virtuellen Bilder, die einen räumlichen Bezug zueinander haben. In der Mixed Reality Umgebung verhält sich ein digitales Element natürlich. Platziert man beispielsweise auf einem realen Tisch eine virtuelle Tasse und verschiebt den Tisch dann folgt die Tasse der Tischbewegung.

Abgrenzung und weitere Informationen finden Sie beim Begriff: Augmented Reality

Mobile Computing, zu Deutsch mobile Rechnerarbeit, ist genauso wie das neue Internetprotokoll IPv6 eine der Voraussetzungen für Industrie 4.0. Es umfasst die Computerarbeit von Menschen an einem transportablen Gerät und beinhaltet mobile Kommunikation, sowie Hardware und Software. Verwendbare Mobile Computer können unter anderem Laptops, Tablet-PCs, Smartphones, oder Datenbrillen sein. Der orts- und zeitunabhängige Zugriff auf betriebliche Daten und Anwendungen, der möglichst einfach und intuitiv erfolgen sollte, ist zum Standard für alle Unternehmen geworden. Eingeschränkt wird diese Entwicklung noch von den vergleichsweise niedrigen Übertragungsraten von mobilem Internet, gängigen Sicherheitsstandards, oder dem Energieverbrauch der Geräte, der mit ihrer Akkulaufzeit einher geht.

Mobile Computing der nächsten Generation wird Datenbrillen und Wearables realisiert.

MTConnect ist ein offener Standard für die Fabrik Kommunikation und kann als einfache Alternative zu OPC UA gesehen werden. MTConnect wird von amerikanischen Firmen gepusht und u.a. durch das MTConnect Institut vorangebracht.

MTConnect standardisiert Gerätedaten. Das Protokoll arbeitet ausschließlich unidirektional (Read Only) und ist auf eine einfache Integration ausgelegt. Das bedeutet ein MES bzw. MOM-System kann mit MTConnect nur Daten einer Maschine lesen, die Maschine aber nicht mit Daten versorgen und somit auch nicht steuern. Damit ist MTConnect für Industrie 4.0 untauglich. Auch fehlen bei MTConnect die immer wichtiger werdenden Sicherheitsmechanismen zur Absicherung  und Verschlüsselung des Datenflusses. Es gibt allerdings bereits Brücken bzw. Gateways um MTConnect zu OPC UA zu transformieren.

siehe: Data Mining

Near Field Communication (NFC), zu deutsch Nahfeldkommunikation, ist ein auf der RFID-Technologie basierender internationaler Übertragungsstandard zum kontaktlosen Austausch von Daten per Funktechnik über kurze Strecken:

• Die empfohlene Distanz zwischen Sender und Empfänger beträgt 10 cm.

• Die maximale Distanz zwischen Sender und Empfänger beträgt 20 cm.

Z.B. können mit Hilfe von Smartphones und dessen NFC-Funktionalität bei verschiedenen Auto-Herstellern die Autotüren entriegelt und persönliche Einstellungen am Sitz vorgenommen werden. In immer mehr Geschäften kann man z.B. mit dem Smartphone direkt an der Kasse bezahlen. NFC ist die Technik die sich dafür derzeit durchsetzt. An NFC-Kassen muss man dann zum Bezahlen nur die Karte an das Lesegerät halten.

Neuronale Netze sind bekannt aus der Gehirnforschung. Das Nervensystem von Menschen und Tieren besteht u.a. aus Nervenzellen, auch Neuronen genannt. Diese Neuronen sind über Synapsen miteinander verknüpft und bilden ein neuronales Netzwerk. Dieser Bauplan unseres Gehirns ermöglicht die menschliche Denk- und Rechenleistung.

Um Künstliche Intelligenz (KI) zu realisieren, wird daran gearbeitet, dieses biologische neuronale Netz durch ein künstliches neuronales Netz im Rechner zu simulieren. Dazu werden die Neuronen (auch Knotenpunkte) eines künstlichen neuronalen Netzes schichtweise in sogenannten Layer angeordnet und verknüpft. Dabei können unterschiedlichste Varianten zum Einsatz kommen. In der Computer-Hardware werden neuronale Netze durch Multiprozessor-Systeme mit einer sehr großen Anzahl sehr einfacher Prozessoren nachempfunden. Jeder Prozessor modelliert dabei ein Neuron. Dabei wird nicht für jeden Anwendungsfall ein spezielles Programm geschrieben, sondern das neuronale Netz muss die richtige Arbeitsweise selbst erlernen (in Analogie zum Menschen). Die Ergebnisse dieser Vorgehensweise sind nicht exakt vorhersagbar, so dass Lösungen entstehen können, die als "unerklärlich" oder "intelligent" charakterisiert werden.

Beispiel:
Neuronale Netze werden z.B. eingesetzt bei „Machine Learning" und „Deep Learning".

Merke:
Neuronale Netze versuchen das menschliche Gehirn nachzubauen.

siehe: Manufacturing-as-a-Service (MaaS)

On-Premise ist das Gegenteil von der Cloud und beschreibt ein Betreibermodell, bei dem die Server in den eigenen Räumlichkeiten, vor Ort oder lokal betrieben werden.

Erst seitdem die lokale Nutzung zunehmend auch in der Cloud angeboten wird, ist der Begriff als Gegenpol entstanden.

Die Abkürzung OPC UA steht für „ Open Platform Communications Unified Architecture“.

Der herstellerunabhängige Austausch von Daten ist eine entscheidende Grundlage für die erfolgreiche Einführung von Industrie 4.0. OPC UA beinhaltet dazu eine Sammlung von Spezifikationen, die die Kommunikation im Umfeld der Industrieautomation standardisiert. Dazu ist es als plattformunabhängige, service-orientierte Architektur (SOA) aufgebaut. Durch OPC UA werden Maschinendaten, wie z.B. Regelgrößen, Messwerte, Parameter, etc. maschinenlesbar beschrieben und dadurch im Sinne von  IoT  transportierbar. OPC UA ist ein wichtiger Meilenstein auf dem Weg der Standardisierung von Fabrikprozessen.

OPC UA wird u.a. durch OPC Foundation vorangebracht und wird vorrangig in Europa eingesetzt. Ein neuartiger und vielversprechender deutscher Lösungsansatz zur Maschinenvernetzung ist umati. In anderen Teilen der Welt spielt u.a.  MTConnect  eine wichtige Rolle in der Maschinenkommunikation.

Der Begriff Orchestrierung im Sinne von INDUSTRIE 4.0 wurde aus dem Bereich der Orchestermusik übernommen und bedeutet das Kombinieren, Zusammenstellen und Dirigieren unterschiedlicher Assets und WebServices zu einem Wertstrom. Dies wird mittels dienstorientierter Architektur (SOA) umgesetzt.

Jeder einzelne Orchestermusiker ist mit seinem speziellen Instrument vergleichbar mit einem Asset in einer Fertigungshalle. Aus der Sicht des Dirigenten, der alle Einzelinstrumente gleichzeitig im Blick haben muss und im richtigen Moment zum Einsatz bringen muss, entsteht eine Orchestrierung. Ein Dirigent im Sinne von Industrie 4.0 ist z.B. ein Fertigungssteuerer der mit einem kognitiven Assistenzsystem die Assets in einer Fertigungshalle orchestriert. Ebenso könnte man die Mehrmaschinenbedienung von komplexen Dreh-Fräszentren incl. der Steuerung aller benötigter Fertigungshilfsmittel (Werkzeuge, Vorrichtungen, etc.) durch einen einzigen Mitarbeiter als Orchestrierung bezeichnen. Möglich wird das nur durch ein kognitives Assistenzsystem.

Es wird davon ausgegangen, dass jede Technologie bezüglich ihres Weiterentwicklungspotentials immer an Leistungsgrenzen stößt und folglich nach geraumer Zeit ein Technologiesprung erforderlich wird. Ein Technologiesprung (z.B. ein Umstieg von analoger auf digitale Arbeitsweise) führt aber zu Beginn immer zu einer Verschlechterung. Denn die neue Arbeitsweise muss erst installiert, geschult und trainiert werden. Das kostet Zeit und Ressourcen, die woanders fehlen.

Im Idealfall wird auf der neuen S-Kurve die Einführungsphase zügig durchlaufen, sodass die positiven Effekte zeitnah entstehen und das System in die Reifephase kommt. 

Im Idealfall deckt sich diese blaue Kurve mit den beiden anderen Kurven, die für den Verlauf der organisatorischen und kulturellen Entwicklung stehen. Die Praxis bei INDUSTRIE 4.0 - Projekten zeigt aber fast immer die hier dargestellte Parallelverschiebung. Das Eintreten der Wirkung wird dadurch um den Zeitraum (delta t) verzögert. Je besser die digitale Kompetenz der Mitarbeiter, der Abteilung, der Führung und der Firma insgesamt, ausgeprägt ist, umso kleiner ist diese Parallelverschiebung. In schwierigen Fällen kann sich das bis weit über 2 Jahre hinziehen. Hier kann das Hinzuziehen eines externen Experten für Change Management helfen den Vorgang zu beschleunigen.

Folgender Vortrag des Autors erklärt diesen Sachverhalt: Kompetenz 4.0 – Vom Homo sapiens zum Homo digitalis

Als Plattform as a Service (PaaS) bezeichnet man eine Dienstleistung, die in der Cloud eine Programmier-Plattform für Entwickler von Webanwendungen zur Verfügung stellt.

Nicht zu verwechseln mit: Software as a Service (SaaS). Als SaaS bezeichnet man eine Dienstleistung, die in der Cloud eine sofort nutzbare Softwarelösung für Endanwender als Webanwendungen zur Verfügung stellt.

Das bedeutet, der Anwender kauft und installiert die benötige Programmiersprache nicht, sondern nutzt die Software nur bei Bedarf über das Internet. Für die Nutzung und den Betrieb zahlt der Servicenehmer ein Nutzungsentgelt. Im Vergleich zu einem traditionellen Lizenzmodell bleiben dem Servicenehmer durch das PaaS- bzw. SaaS-Modell die Anschaffungs- und Betriebskosten, die  IT-Administration, Wartungsarbeiten und Updates erspart.

Abgrenzung PaaS- von SaaS-Angeboten: 
PaaS-Anwendungen sind Entwicklungsumgebungen, sie beinhalten Programmiersprachen und weitere hilfreiche Programmiertools und sind für Software-Entwickler gedacht, um z.B. SaaS-Anwendungen zu entwickeln. Beispiel: Google App Engine

SaaS-Anwendungen sind funktionsfähige Software-Lösungen für bestimmte Aufgaben und besitzen eine graphische Bedienoberfläche. Sie sind in der Regel explizit für Endanwender gemacht. Beispiel: Microsoft Office 365

„Plug & Produce“ steht für: einstecken („Plug“) und produzieren („Produce“)

Das Prinzip von „Plug & Play“ ist mittlerweile hinlänglich bekannt. Als einfaches Beispiel kann die Druckerinstallation dienen. Unter Windows XP, oder früher, war eine Druckerinstallation immer eine spannende Aufgabe. Zu Zeiten von Windows 10 konfiguriert sich nun ein neu angesteckter Drucker vollkommen selbst. Einfach nur einstecken („Plug“) und loslegen („Play“).

Mit „Plug & Produce“ soll dieses Prinzip in die Fabrikhallen übertragen werden, denn dadurch ließen sich CNC-Maschinen und Fertigungsanlagen ebenso einfach in Betrieb nehmen, weil sie sich quasi ebenso selbstständig konfigurieren würden. Die dazu benötigten Voraussetzungen sind beim Begriff Smart Factory beschrieben.

Die Wirklichkeit beim Neuanschluss von Fertigungsanlagen erinnert allerdings an die Anfänge der PC-Arbeit. Die Inbetriebnahme einer neuen CNC-Maschine gleicht einem Häuserkampf.

Predictive Analytics ist, wenn man sich kratzt bevor es juckt .

ACHTUNG Buzzword-Bingo:

"Durch Einsammeln riesiger Datenmengen; sprich Big Data entsteht der Data Lake. Der Data Scientist verwendet KI in Form von Data Mining, Process Mining, Machine Learning und Deep Learning und erzeugt daraus Smart Data."

Oder „EINFACH anders“ gesagt:

Durch Einsammeln von vielen Fakten und darüber nachdenken entstehen neue Erkenntnisse. Predictive Analytics sammelt Rohdaten ein und berechnet daraus zukünftige Ereignisse.

Eine tiefergehende Erklärung zu Predictive Analytics finden Sie im Lexikon unter dem Begriff: Smart Data

Beispiel:

Eine spezielle Form von Predictive Analytics ist Predictive Maintenance und steht für vorausschauende Wartung von Maschinen. Eine andere Form von Predictive Analytics ist die 18-Uhr-Prognose und Hochrechnung am Wahlabend.

Predictive Maintenance steht für vorausschauende Wartung (von Maschinen, etc.). Condition Monitoring ist die Voraussetzung für Predictive Maintenance. 

Durch Predictive Maintenance kann die bisher übliche reaktive Instandhaltung (bei Ausfall) und präventive Wartung (z.B. alle 25.000 km) abgelöst werden. Predictive Maintenance nutzt die per Condition Monitoring erfassten Daten, um die voraussichtliche Entwicklung des künftigen Maschinenzustandes vorherzusagen sowie um die Planung von Wartungs- und Instandhaltungsmaßnahmen zu unterstützen. Predictive Maintenance verfolgt einen vorausschauenden Ansatz und prognostiziert Ausfälle, bevor es zu Stillständen oder Qualitätsverlusten kommt. Im Idealfall kann man durch proaktiv eingeleitete Wartungsmaßnahmen das tatsächliche Eintreten der Störung verhindern. Je größer die Datenbasis (Big Data) ist und je intelligenter und ausgefeilter die Analysealgorithmen (Data-Mining) sind, desto verlässlicher sind die zu erhaltenden Erkenntnisse.

Beispiel:
Offshore Anlagen, wie z. B. Windparks sind online mit Servicezentralen vernetzt und melden sich automatisch bei außerplanmäßig durchzuführender Wartung.

Condition Monitoring und Predictive Maintenance verfolgen zwei Ziele:

1. Maschinenverfügbarkeit durch Verhinderung von Ausfällen

2. Maschineneffizienz durch maximale Ausnutzung der Verschleißteile

Merke:
Predictive Maintenance ist, wenn man sich kratzt bevor es juckt ;-)
Predictive Maintenance macht Big Data zu Smart Data

Process-Mining ist ein Verfahren zur systematischen Analyse und Auswertung von Geschäftsprozessen. 

Durch Process-Mining werden digitale Prozessspuren in Echtzeit zusammengeführt um z.B. Abweichungen und Flaschenhälse zu erkennen. Dadurch gelingt es in Daten enthaltenes und ansonsten verborgenes Prozesswissen, greifbar zu machen um darauf aufbauend neue Entwicklungen zu starten oder zu mindestens Ursachen für schlechte Performance zu finden. Ausgangspunkt für Process-Mining bildet der Data Lake, in dem ausreichend viele Prozesssdaten gespeichert sind. Die Qualität dieser Daten und die eingesetzte KI entscheiden über die Qualität der Ergebnisse des Process-Mining.

Wesentliche Anwendungsfelder sind:

• Prozessharmonisierung

• Prozessoptimierung

• Prozessstabilisierung

• Prozesstransparenz

• Prozesskostensenkung

Productivity 4.0 ist die taiwanesische Antwort auf den deutschen Begriff „Industrie 4.0“.

Angesichts der Herausforderungen des Arbeitskräftemangels und der Alterung der Arbeitskräfte Taiwans hat das Wirtschaftsministerium das Projekt "Produktivität 4.0" gestartet, um das Wirtschaftswachstum anzukurbeln und die Industrie zu verbessern.

Übrigens:

Die chinesische Antwort auf den deutschen Begriff „Industrie 4.0“ heißt Made in China 2025

Prokrastination ist die wissenschaftliche Bezeichnung für „extremes Aufschieben“ von Aufgaben. Umgangssprachlich wird dieses Verhalten auch als „Bummelei“ oder „Aufschieberitis“ bezeichnet. Das Aufschieben von Tätigkeiten ist ein Alltagsphänomen und den meisten Menschen bekannt.

Bei Digitalisierungsprojekten führt Prokrastination dazu, dass dringend notwenige Investitionen aufgeschoben werden und damit der Anschluss an die Konkurrenz verloren geht.

Der Psychologie-Professor Tim Pychyl schreibt in seinem Buch: „Prokrastination ist wie eine Kreditkarte: Sie macht richtig Spaß, bis die Rechnung kommt.“

Der QR-Code ist ein zweidimensionaler Barcode. Die Abkürzung QR steht für „Quick Response Code" (zu Deutsch: „schnelle Antwort") und wurde von der japanischen Firma Denso Wave im Jahr 1994 entwickelt. Der QR-Code ist eine quadratische Grafik mit drei großen schwarzen Identifikationspunkte in den Ecken. Der QR-Code kann bis zu 7098 Ziffern oder 4296 Zeichen beinhalten. Der QR-Code hat ausgetüftelte Merkmale zur Fehlerkorrektur und kann deshalb auch dann noch gelesen werden, wenn er teilweise verschmutzt oder zerstört ist. Der QR-Code ist eine Weiterentwicklung des Datamatrix-Codes. Üblicherweise entschlüsselt man einen QR-Code mit einer App auf dem Handy. Moderne Handys sind in der Lage, mit der Kamera den QR Code zu lesen.

Alle Arten von Barcodes erlauben eine Steuerung, Überwachung, Verfolgung, Automatisierung, Vereinfachung und Optimierung in Unternehmensabläufen.

Hier finden Sie eine: Liste aller Barcodetypen

RAMI 4.0 ist die Abkürzung für: ReferenzArchitekturModell Industrie 4.0 Das Modell bildet in drei Achsen alle wesentlichen Aspekte von Industrie 4.0 ab:

1. Die Ebene Hierarchy Levels kann im weitesten Sinn als die altbekannte IT-Pyramide (ERP-MES-Shopfloor) verstanden werden. Die Funktionalitäten wurden um das Werkstück, „Product“, und den Zugang in das Internet der Dinge und Dienste, „Connected World“, ergänzt, um die Industrie 4.0 Umgebung abzubilden.

2. Die Ebene Life Cycle & Value Stream beschreibt alle Schritte über den gesamten Produktlebenszyklus (von der Konstruktion bis zur Verschrottung).

3. Die Ebene Layers beschreibt in sechs Schichten das digitale Abbild eines IoT-Produktes, beispielsweise einer Maschine.

Das Modell vereint die unterschiedlichen Nutzerperspektiven und schafft ein gemeinsames Verständnis für Industrie 4.0 Technologien.

Das Reifegradmodell ist ein Strategiewerkzeug, das auf dem Weg der Digitalisierung helfen kann, sich zu orientieren. Es dokumentiert den Istzustand und hilft, einen Sollzustand zu entwickeln. Durch ein unterschiedliches Maß an Übereinstimmung zwischen definierten Kriterien und einem Erfüllungsgrad der Kriterien ergeben sich verschiedene Grade an Reife. Der Fokus auf das Wesentliche zeigt zwar die Richtung, bedarf aber anschließend weiterer Maßnahmen.

Es gibt verschiedene Reifegradmodelle. Hier finden Sie eine Auswahl. (Quelle: ifaa)

Der Autor nutzt z.B. in seinem I4.0-Reifegrad Workshop den VDMA Baukasten. Dieser Workshop des Autors ist hilfreich für eine erste Orientierung und ist auch geeignet, um sich bei laufender Umsetzung neu zu orientieren bzw. eine zweite Meinung einzuholen. Dieser Workshop kann auch als Team-Event eingesetzt werden um Mitarbeiter neu zu inspirieren und zu motivieren.

siehe Webservice

RFID (engl. radio-frequency identification) bezeichnet eine Technologie für Sender- Empfänger-Systeme zum automatischen und berührungslosen Identifizieren und Lokalisieren von Objekten mit Radiowellen. Ein RFID-System besteht aus einem Transponder, der sich am oder im Gegenstand befindet und einen kennzeichnenden Code enthält, sowie einem Lesegerät zum Auslesen dieser Kennung.

Grundsätzlich lassen sich 3 verschiedene Typen von Transpondern unterscheiden:

1. Die einfachste Kategorie dient lediglich dazu festzustellen, ob er im Empfangsbereich eines Lesegerätes aktiviert ist. Hier ist ansonsten keine weitere Identifikation möglich und nötig. Eingesetzt werden diese z.B. bei der Diebstahlsicherung für Kleidungstücke im Kaufhäusern.  Hierbei werden lediglich 2 Zustände abgefragt: aktiviert oder nicht aktiviert.

2. Read-Only Transponder können nur gelesen, aber nicht beschrieben werden. Sie senden z.B. permanent die Seriennummer eines Objektes, wenn sie in den Empfangsbereich von Lesegeräten gelangen. Vorzugsweise wird dieser Typ bei der Sendungsverfolgung eingesetzt.

3. Read-Write Transponder sind Transponder mit lesbarem und beschreibbarem Speicher. Diese können sowohl selektiv gelesen als auch beschrieben werden. Diese aufwändigeren RFID-Speichermedien bieten die meisten Optionen. Z.B. werden solche Lese und Schreib Transponder im Fertigungsbereich seit Jahren zur Werkzeugcodierung eingesetzt.

siehe Machine Learning

Roboter sind Smarte Objekte, die um eine Bewegungsmechanik erweitert wurden. Das bekannteste Beispiel dafür dürfte der Rasenmähroboter sein. Üblicherweise sind Roboter und Menschen durch einen Schutzzaun getrennt. Der Schutzzaun verhindert, dass eine Bewegung des Roboters den Menschen aus Unachtsamkeit verletzen oder töten kann. Der Schutzzaun verhindert aber auch, dass Roboter und Mensch direkt zusammenarbeiten können.

Diese Einschränkungen gibt es bei einem kollaborativer Roboter (kurz Cobot) nicht mehr. Bei der Mensch-Roboter-Kollaboration arbeiten Mensch und Roboter Hand in Hand zusammen. Hierbei assistiert der Roboter dem Menschen. Das bedeutet: Der Roboter ersetzt nicht den Menschen, sondern ergänzt seine Fähigkeiten und nimmt ihm belastende Arbeiten ab. Das können zum Beispiel Über-Kopf-Arbeiten oder das Heben schwerer Lasten sein.

Grundvoraussetzung für die Mensch-Roboter-Kollaboration sind folgende sensitiven Fähigkeiten:

• Annäherungssensoren, die rechtzeitig einen ungewünschten Kontakt zwischen Mensch und Roboter erkennen.

• Berührungssensitive Sensoren, die Kollisionen des Roboters mit Menschen und Gegenständen zuverlässig erfassen und den Roboter im Kollisionsfall sofort stoppen.

In der Fabrik der Zukunft arbeiten Menschen und Roboter kollaborativ und optimal zusammen - ohne Trennung, ohne Schutzzaun.

siehe Data Lake

Sequenzielles Lernen ist ein Teilgebiet vom Machine Learning.

Simulation wird z.B. genutzt um Fehler frühzeitig zu erkennen und Schäden an einem realen System zu verhindern. Im CNC-Umfeld ist die Virtualisierung der NC-Maschinen, Werkzeuge, Vorrichtungen und Rohteile zu 3D Simulationszwecken des NC-Programms vielerorts bereits Standard.

Simulation kann auch zur Abbildung umfangreicher realer Fabrikprozesse eingesetzt werden, z.B. werden Abläufe von kompletten Fertigungsstraßen immer häufiger vor dem Aufbau simuliert.

Intelligente Sensorik erobert immer mehr den Alltag.

• Dadurch entstehen riesige Datenmengen (Big Data bzw. Data Lake) 

• Wenn man diese Rohdaten über bestimmte Zeiträume auswertet und verdichtet, 
  dann entstehen Informationen 

• Wenn man diese Informationen mit digitalisiertem menschlichem Wissen kombiniert, 
  dann kann man Zwischenergebnisse berechnen bzw. vorhersagen 

• Wenn man diese Zwischenergebnisse mit digitalisierter menschlicher Erfahrung kombiniert, 
  dann kann man ersten Nutzen generieren 

• Wenn man diese Zwischenergebnisse mit Musterfindungs-Algorithmen (Data Mining) kombiniert, 
  dann kann man großen Nutzen generieren 

Dadurch kommt man zu neuartigen Erkenntnissen (=Smart Data) die es ermöglichen
neue Produkte, Prozesse oder Geschäftsmodelle zu entwickeln.

Als Big Data bzw. Data Lake bezeichnet riesige Rohdatenmengen. 
Durch den Einsatz von Data Mining und Machine Learning gewinnt man daraus neue Erkenntnisse, die man als Smart Data bezeichnet.
Diese Methode bezeichnet man auch als Predictive Analytics.

Übrigens:

Der Beginn des Sammelns und Auswerten von Daten reicht sehr weit zurück. Die Bauernregeln sind so entstanden. Bauern waren schon immer besonders abhängig vom Wetter und haben es deshalb genau beobachtet. Dabei fielen ihnen gewisse Regelmäßigkeiten auf, etwa in den Wetterabläufen oder in der Entwicklung von Obst und Getreide. Diese Mustererkennung ermöglichte den Bauern Ihrer Ernte zu verbessern. Mit Erfindung der Computer wurde diese Vorgehensweise durch Programmiersprachen erledigt und dadurch die Ergebnisse verbessert.

Die „Smart Factory" bezeichnet den Wandel zu einer widerstandsfähigeren (resilienten) Fabrik, in der Mensch, Maschine und Bauteil kommunizieren und nur das gefertigt wird, was tatsächlich benötigt wird. Die Roh- und Halbfertigerzeugnisse, sowie die Fertigprodukte und die zu deren Herstellung notwendigen Fertigungshilfsmittel (FHM) tragen intelligente und vernetzte Informationsträger, die mit ihrer Umgebung, Menschen und Anlagen kommunizieren. Der optimale Kombination von LEAN Methoden mit den INDUSTRIE 4.0 Möglichkeiten lässt Schritt für Schritt die Smart Factory entstehen.

Die Formel lautet also:   LEAN + INDUSTRIE 4.0 = SMART FACTORY

Mit Hilfe von "Assistenzsystemen" ist es möglich, eine beherrschbare Prozesskomplexität ohne Abstriche in der Prozessleistung und Prozessrobustheit zu managen. Durch den verstärkten Einsatz von Sensorik und Aktorik entstehen sogenannte cyber-physische Systeme, die den Assistenzsystemen Aufgaben abnehmen, selbständige  Entscheidungen treffen und so den Menschen weiter entlasten. In der „Smart Factory" wird dank der Echtzeitsteuerung durch das Internet der Dinge eine bessere Energie- und Ressourceneffizienz und eine höhere Produktivität realisiert.

Folgende Basics müssen erfüllt werden damit es gelingt „Plug and Produce“ in einer „Smart Factory" zu realisieren:

Die Stammdaten sind vollständig und fehlerfrei digitalisiert.

Eine durchgängige Konnektivität im Brownfield ist herstellbar. Dazu ist es notwendig, dass sich alle Hersteller von vernetzungsfähigen Produkten (Assets) auf folgende 2 Punkte einigen:

1. auf eine einheitliche Sprache wie z.B. OPC UA bzw. umati. Unter dieser Prämisse entstehen zeitnah einheitliche OPC UA Parametersätze, die die jeweiligen fachspezifischen Rahmenbedingungen abdecken.

2. auf die Notwendigkeit einer standardisierten Verwaltungsschale pro Asset und liefern diese mit aus.

Dadurch entstehen I4.0-Komponenten und darauf aufbauend kann MOM es schaffen das „Plug and Produce“ (einstecken und produzieren) zum Laufen gebracht wird. Als einfaches Beispiel kann die Druckerinstallation dienen. Unter Windows XP, oder früher, war eine Druckerinstallation immer eine spannende Aufgabe. Zu Zeiten von Windows 10 konfiguriert sich ein neu angesteckter Drucker vollkommen selbst. ( = „Plug and Play“)

„Smart Home" steht für das Informations-, Sensor- und Aktor technisch aufgerüstete und vernetzte Zuhause:

Damit kann man z.B. Heizung, Licht, TV, Musik, Kaffeemaschine und Co. vom Sofa oder von unterwegs aus per App bedienen. Das ist zwar alles nicht unbedingt notwendig, es erhöht allerdings den Komfort. Zusätzlich erhöht es auch die Sicherheit, denn es lassen sich beispielsweise Rollläden, Beleuchtung, Rauchmelder, Überwachungsanlagen und Einbruchsschutz automatisch steuern:

„Smart-Home " ist ein schönes Beispiel für den DIGITAL VALUE incl. seiner Definition.

Der Begriff Smart Service steht für ein digitales Dienstleistungsangebot mit integrierter künstlicher Intelligenz. Die dabei entstehenden digitalen Produkte werden über digitale Marktplätze vermarktet.

Ein Beispiel ist der Robo Advisor:
Die Bezeichnung Robo-Advisor setzt sich aus den englischen Wörtern Robot (Roboter) und Advisor (Berater) zusammen und steht für die automatisierte Form der Geldanlage. Ein Robo-Advisor hilft, digital Geld anzulegen und berechnet losgelöst von menschlichen Panikreaktionen (z.B. bei Börsencrashs) bzw. anderen suboptimalen menschlichen Entscheidungen eine digitale Anlagestrategie. Je cleverer die KI, desto besser die Ergebnisse.

Eine andere Kategorie sind Smart Services die zur Leistungserbringung Smart Objekte benötigen. Gemeint sind damit vernetzungsfähige Assets wie z.B. Maschinen oder Anlagen. Ein Beispiel ist eine moderne Heizungsanlage mit z.B. einer Wärmepumpe (=Asset), die über einen Internet-Router mit der Servicezentrale verbunden ist und über Fernzugriff gewartet wird.

Smarte Objekte kombinieren mechanische, sensorische, elektrische und informationstechnische Komponenten und sind in der Lage drahtgebunden oder drahtlos, sowohl untereinander als auch mit einer übergeordneten Dateninfrastruktur, zu kommunizieren.

Smarte Objekte können z.B. Verpackungen, Gegenstände oder Werkstücke sein, die mit einem digitalen Gedächtnis in Form eines Datenspeichers ausgestattet sind. Dadurch wird die digitale Welt mit der physischen verknüpft. Voraussetzung dafür ist die eindeutige Identifizierbarkeit dieser Objekte. Dies geschieht z.B. mit Hilfe von Barcodes, RFID, NFC, bzw. iBeacon die von Scannern und Computern erfasst werden. Bildhaft ausgedrückt weiß der „intelligente“ Joghurtbecher von morgen, ob er mit Erdbeer- oder Haselnussjoghurt gefüllt werden muss.

Smarte Objekte haben durch Embedded System teilweise oder vollständig folgende Merkmale:

1. Fähigkeit zur Identifikation und Datenspeicherung

2. Integrierte Sensorik zur Erfassung der Umwelt

3. Fähigkeit zur selbständigen Entscheidungen durch Datenauswertung

4. Integrierte Aktoren zur Beeinflussung der Umwelt

5. Vorhandene Kommunikations- und Netzwerkfähigkeit

6. Integrierte HMI, im Falle menschlicher Einflussnahme

Für den Fall, dass ein Smartes Objekt die Merkmale von Punkt 2 bis 4 erfüllt, ist es damit auch ein Cyber-Physical System

Beispiel: Eine automatische Markisensteuerung beinhaltet:

• einen Sensor, der die Windstärke misst (siehe oben Punkt 2)

• eine Software, die entscheidet wann die Markise automatisch eingefahren werden muss (siehe oben Punkt 3)

• einen Aktor, der die Markise mittels Elektromotor einfährt (siehe oben Punkt 4)

Im Sinne von INDUSTRIE 4.0 sind alle Assets auch Smarte Objekte.

Durch diese dienstorientierte Architektur erlaubt SOA die IT-Systeme zu strukturieren und verteilt zu nutzen. Dadurch kann man IT-Komponenten wie Datenbanken, Server und Webservices kapseln um dann die Geschäftsprozessen zu orchestrieren.

siehe Webservice

Social Media, auch soziale Medien genannt, unterscheiden sich von traditionellen Medien wie Fernsehen oder Zeitungen durch die Art der Kommunikation.  Diese erfolgt einfach und interaktiv auf digitalem Weg. Die aktuell bekanntesten Beispiele von Social Media Diensten sind Anbieter wie Facebook, Xing oder WhatsApp. Der große Vorteil von sozialen Medien ist die einfache Art des Informationsaustauschs zwischen den Anwendern und mitunter auch Geräten. Auch die deutsche Wirtschaft nutzt dieses Medium verstärkt in ihren internen und externen Prozessen. Social Media unterstützt einen globalen Unternehmensauftritt mit hoher Zugänglichkeit, ermöglicht Multimedialität und größtmögliche Aktualität. Vernetzung, die nötig ist für Industrie 4.0. Der entscheidende Unterschied zu den übrigen Medien (Zeitung, Funk und Fernsehen) ist die Möglichkeit des Empfängers, auf jede Information sofort zu antworten. Im Produktionsbereich gibt es erste Anwendungen, so können z.B. Maschinenbediener mit dem Gabelstaplerfahrer in Kontakt treten, um Material nach zu ordern.

Als Software as a Service (SaaS) bezeichnet man eine Dienstleistung, die in der Cloud eine sofort nutzbare Softwarelösung für Endanwender als Webanwendungen zur Verfügung stellt.

Nicht zu verwechseln mit: Plattform as a Service (PaaS) 
Als PaaS bezeichnet man eine Dienstleistung, die in der Cloud eine Programmier-Plattform für Entwickler von Webanwendungen zur Verfügung stellt.

Das bedeutet, der Anwender kauft und installiert die benötige Software nicht, sondern nutzt die Software nur bei Bedarf über das Internet. Für die Nutzung und den Betrieb zahlt der Servicenehmer ein Nutzungsentgelt. Im Vergleich zu einem traditionellen Lizenzmodell bleiben dem Servicenehmer durch das PaaS- bzw. SaaS-Modell die Anschaffungs- und Betriebskosten, die IT-Administration, Wartungsarbeiten und Updates erspart.

Abgrenzung PaaS- von SaaS-Angeboten: 
SaaS-Anwendungen sind funktionsfähige Software-Lösungen für bestimmte Aufgaben und besitzen eine graphische Bedienoberfläche. Sie sind in der Regel explizit für Endanwender gemacht. Beispiel: Microsoft Office 365

PaaS-Anwendungen sind Entwicklungsumgebungen, sie beinhalten Programmiersprachen und weitere hilfreiche Programmiertools und sind für Software-Entwickler gedacht, um z.B. SaaS-Anwendungen zu entwickeln. Beispiel: Google App Engine

Stammdaten sind Datensätze, die über einen längeren Zeitraum unverändert bleiben. Die Aktualisierung von Stammdaten erfolgt gelegentlich oder periodisch, bzw. bei Bedarf.Stammdaten enthalten Grundinformationen über betrieblich relevante Objekte:

• Kunden-Stammdaten beinhalten z.B.: Adresse, Ansprechpartner, eingesetzte Produkte, etc.

• Artikel-Stammdaten beinhalten z.B.: Bauart, Baugröße, techn. Daten

• Werkzeug-Stammdaten beinhalten z.B.: Typ, Durchmesser, Länge, Beschichtung

Ein grundsätzliches Problem in nahezu allen Firmen sind unvollständige Stammdaten!

Im Zeitalter von Industrie 3.0 wurde dieser Mangel durch Kopfwissen der Mitarbeiter und handschriftliche Ergänzungen in Umlaufpapieren ausgeglichen. Im Zeitalter von Industrie 4.0 ist diese Arbeitsweise nicht mehr zeitgemäß, weil Assistenzsysteme bzw. MOM-Systeme aus Stammdaten durch Datenanreicherung automatisch Prozessdaten generieren und dazu müssen die Stammdaten vollständig und fehlerfrei sein.

Standardisierung steht für Vereinheitlichung bzw. Normung von „irgend Etwas“. Die Standardisierung vor Produktionsschritten wird u.a. durch die Einführung von Lean Management, bzw. sogenannten „Best Practice“ Prozessen erreicht. Ein Versprechen von INDUSTRIE 4.0 ist die Beherrschung von beliebiger Varianz. Dieses Versprechen gilt aber nur für die Produkte und auf keinem Fall für die Prozesse!  Die Prozesse müssen standardisiert werden, damit beliebig variante Produkte hergestellt werden können.

Rückblick:
Die große Digitalisierungsbegeisterung in den 90 Jahren während und nach der CIM-Euphorie (Computer-integrated manufacturing) hat dazu geführt, dass fast jeder Anwenderwunsch durch eine Sonderprogrammierung gelöst wurde. Dadurch entstanden in jeder Fabrik unterschiedliche Prozesse für teilweise ansonsten gleiche Arbeitsschritte. Durch die Einführung von Lean konnte zwar ein Teil dieser Sonderlösungen wieder aufgelöst und standardisiert werden. Den bis heute verbliebenen großen Rest dieser firmenspezifischen Prozesse versuchen nun viele Firmen in die digitale Welt zu überführen. Das wird aus folgenden zwei Gründen scheitern:

• Die Software der Zukunft kommt aus der Cloud und benötigt standardisierte Prozesse.

• Das riesige Volumen historischer Sonderlösungen ist mit den zur Verfügung stehenden Ressourcen nicht zu digitalisieren.

INDUSTRIE 4.0 gelingt deshalb nur dann, wenn man liebgewordene Trampelpfade verlässt und standardisierte Best Practice Lösungen übernimmt. Im Sinne der Update Fähigkeit, bei stark steigender Softwaredurchdringung aller Bereiche einer jeden Firma, wäre jedes andere Vorgehen langfristig ohnehin zum Scheitern verurteilt. In diesem Sinne benötigen zu allererst alle i4.0 Komponenten von Industrie 4.0 ein standardisiertes Kommunikationsprotokoll wie z.B. OPC UA und eine Verwaltungsschale.

Merke:
Standardisierung realisiert einfache Interoperabilität

Supervised Learning (z.Dt. überwachtes Lernen) ist ein Teilgebiet vom Machine Learning.

Der Body einer Verwaltungsschale kann mehrere Teilmodelle beinhalten.

Traceability steht im Kontext von Industrie 4.0 für die Rückverfolgbarkeit von Werkstücken bzw. Produkten. Dadurch kann jederzeit festgestellt werden, wann und wo und durch wen die einzelnen Teile hergestellt, bearbeitet, gelagert und transportiert wurden. Die Realisierung der Traceability von Produkten über den gesamten Lebenszyklus ist eine der Voraussetzungen für Industrie 4.0!

Beispiel:
Während der Herstellung eines jeden Werkstückes, wird z.B. mittels Sensorik, jeder einzelne Fertigungsschritt verfolgt und gespeichert. Falls es zu einem späteren Zeitpunkt zu einem Schadensfall mit diesem Werkstück kommt, dann kann genau rückverfolgt werden, wie das Werkstück gefertigt wurde.

Merke:
Verfolgbarkeit ist die technische Voraussetzung für Rückverfolgbarkeit! Dazu muss jedes einzelne Teil, das verfolgt werden soll, eine digitale Identifikation erhalten (z.B. mit RFID oder DataMatrix-Code, etc.).

Eine Transaktions-Plattform, auch als Matchingplattform bekannt, vermittelt zwischen zweier oder mehrerer Nutzergruppen, die beide auf die Interaktion angewiesen sind.

Beispiele:
Hotelbuchungs- oder Dating-Plattformen

Transformatorische Technologien übersetzen etablierte Technologien in moderne, fortschrittlichere Technologien. Darunter versteht man auch die Weiterentwicklung und Verbesserung der vorhandenen Möglichkeiten.

Merke:
Nicht alles im Umfeld von Industrie 4.0 muss disruptiv sein. Viele guten Lösungen sind transformatorisch.

TSN steht für Time Sensitive Networking.

Das Ziel von TSN ist es durch eine Reihe von Standards die Echtzeit-Kommunikation in Computernetzwerken zu verbessern. Das ist ein weiterer Schritt die Interoperabilität im Brownfield zu ermöglichen. Bearbeitet und weiterentwickelt wird TSN durch die Time-Sensitive Networking Task Group.

Weiterführende Informationen finden Sie hier.

ValueFacturing® ist ein kognitives Assistenzsystem für die digitale Hochleistungsfertigung. Es fungiert zum einen als Datendrehscheibe und Bindeglied zwischen dem ERP-System und dem Shopfloor (vertikale Integration) und zum anderen als Bindeglied zwischen den einzelnen den Fertigungsprozess ausführenden Einheiten (Maschinen und Anlagen) im Shopfloor (horizontale Integration).

Zudem beinhaltet das Assistenzsystem eine „Datenpumpe“, die Rohdaten sammelt, welche durch die Digitalisierung in riesigen Mengen entstehen und durch Mustererkennung (Data Mining) veredelt. Dadurch erhält man neuartige Erkenntnisse, die es ermöglichen, steigende Qualitätsanforderungen, kürzere Lieferzeiten, sich verkürzende Produktlebenszyklen und eine wachsende Variantenvielfalt zu beherrschen.

Zusätzlich beherrscht ValueFacturing MES Funktionen (Manufacturing Execution System) und entwickelt sich aktuell zu einem MOM (Manufacturing Operations Management) weiter.

Bei dezentraler Vernetzung sprechen die Kommunikationspunkte direkt miteinander. Bei zentraler Vernetzung sprechen die Kommunikationspunkte nicht direkt miteinander sondern über einen sogenannten HUB. Das reduziert deutlich die dazu benötigte Anzahl der Schnittstellen.

Je mehr Kommunikationsteilnehmer, desto gravierender der Unterschied.

Die gebetsmühlenartige Wiederholung, dass INDUSTRIE 4.0 ausschließlich dezentral ablaufen muss lässt sich zum einem durch obige Tabelle in Frage stellen und zum anderen durch das autonome Fahren bereits jetzt schon wiederlegen.

Natürlich müssen autonom fahrende Autos dezentral kommunizieren. Sie benötigen aber zusätzlich zentrale Unterstützung, ansonsten könnten keine vorausschauenden Informationen empfangen werden.

Fazit:
Industrie 4.0 benötigt zum einen dezentrale Kommunikation und zum anderen zentrale Unterstützung.

Im Rahmen der horizontalen Vernetzung werden alle Maschinen, Anlagen, Softwaresysteme und Menschen auf Shopfloor Ebene informationstechnisch vernetzt. Eine wesentliche Aufgabe liegt in der Bereitstellung der nötigen Schnittstellen, um eine Kommunikation zwischen den regelmäßig mit proprietären Datenformaten arbeitenden Maschinen und Anlagen zu ermöglichen (Brownfield). Im Rahmen der vertikalen Vernetzung werden sinnvolle Daten der physischen (=horizontalen) Produktion an das planende ERP/PPS-System angebunden. Diese vertikale Vernetzung kann bis in die Cloud reichen.

Sowohl die horizontale als auch die vertikale Vernetzung muss zur Gänze bidirektional (in beide Richtungen) erfolgen!

siehe Industrie 4.0-Komponente

Virtual Reality (oder "virtuelle Realität") ersetzt die menschliche Wahrnehmung ausnahmslos durch virtuelle Informationen. Der Nutzer taucht vollständig in diese virtuelle und digitale 3D-Welt ein und nimmt die reale Umwelt nicht mehr wahr. Der Nutzer benötigt dazu eine Virtual Reality Brille wie z.B. die Oculus Rift.

Merke:
Der Virtual Reality (VR) Nutzer sieht 100% virtuelle Bilder. Beispiel siehe hier.

Der Augmented Reality (AR) Nutzer sieht eine Mischung aus realen und virtuellen Bilder, die ohne räumlichen Bezug zueinander sind

Der Mixed Reality (MR) Nutzer sieht eine Mischung aus realen und virtuellen Bilder, die einen räumlichen Bezug zueinander haben.

siehe E-Learning

Visualisierung ist die Darstellung von Informationen in sichtbarer Form, welche aus Bildern, Texten, Zahlen, o.ä. bestehen kann.

Beispiel:
Der Tachometer im Auto zeigt die tatsächlich gefahrene Geschwindigkeit an und versetzt den Fahrer in die Lage bestehende Tempolimits einzuhalten, was ohne Visualisierung nicht mit der nötigen Genauigkeit möglich wäre.

Im Sinne von I 4.0 steht Visualisierung für die Aufbereitung von Rohdaten zu schnell erfassbaren Darstellungen mit hohem Informationsgehalt.

Beispiel:
Das Wetterradar macht den Verlauf der Regenwolken sichtbar. Auch die bildhafte Darstellung von Maschinenzuständen wird durch Visualisierung in Form einer modernen HMI ermöglicht. 

• Abgrenzung:
  Visualisierung zeigt Zustände nur bildhaft an, ohne auf kritische Zustände automatisch zu reagieren.

• Condition Monitoring reagiert auf kritische Zustände oder auf Werte außerhalb eines festgelegten Bereiches.

• Predictive Maintenance kann auf Grund der Zustände vorausschauend berechnen, wann Wartungen durchzuführen sind.

Wearables sind Mini-Computer, die während der Anwendung am Körper des Benutzers getragen werden (z. B. Smartwatch, Fitnessarmbänder, Datenbrille). Ein Wearable kann auch in die Kleidung oder in die Schuhe integriert sein.

Beispiel:
Wearables messen z.B. die Körperfunktionen, wie beispielsweise den Puls.
Wearables kommen auch als digitale Blutzucker- und Blutdruck-Messgeräte zum Einsatz.

Damit 2 Anwendungen oder 2 Assets miteinander kommunizieren können benötigen sie eine Kommunikationsmethode.

Ein althergebrachte Kommunikationsmethode aus Zeiten von Industrie 3.0 ist das überwachen eines Ordners auf einem Netzlaufwerk. Bei Eintreffen einer Datei wird diese geparst (zeilenweise ausgewertet) und darauf abgestimmte Aktionen eingeleitet. Diese Methode hat erhebliche Nachteile, z.B. hat der auslösende Partner keinerlei Information über das Geschehen auf der anderen Seite.

Zu Zeiten von INDUSTRIE 4.0 hat diese Methode keine Zukunft mehr, denn jetzt kommuniziert man mittels Webservice. Ein Webservice ist ein Dienst, der über ein Computer-Netzwerk eine Kommunikation zwischen Maschinen oder Anwendungen ermöglicht. Die WebServices haben keine Benutzeroberfläche für Menschen. Die Realisierung wird mittels serviceorientierter Architektur (SOA) durchgeführt.

Sowohl SOAP als auch REST sind dafür geeignete Webservices.

SOAP steht für Simple Object Access Protocol und ist ein industrieller Standard des World Wide Web.

REST steht für Representational State Transfer und stellt eine einfache Alternative zu SOAP dar.

Sowohl SOAP- als auch REST-Webservices erfüllen die geforderten Fähigkeiten für IoT. Die Entscheidung für SOAP oder REST wird häufig durch die Softwareentwicklungskultur oder durch die Projektanforderungen eines Unternehmens getroffen.

WiFi (häufig auch Wi-Fi geschrieben) ist die Kurzform von wireless fidelity. WiFi ist eine Kennzeichnung bzw. ein Markenname und steht für einen Funknetzwerkstandard der Geräte befähigt WLAN zu empfangen.

WLAN steht für "Wireless Local Area Network". Übersetzt bedeutet dies "kabelloses lokales Netzwerk". Per WLAN kann man Endgeräte (z.B. Laptops & Smartphones) ohne Kabel mit dem Internet verbinden.

Oft wird WiFi als Synonym für WLAN benutzt. Streng genommen sind WLAN und WiFi jedoch nicht dasselbe. Diese Unterschiede sind jedoch für die Nutzer weniger relevant. Ob WLAN oder WiFi - letztlich können Sie beide Begriffe synonym gebrauchen, denn beide stehen im deutschen Sprachraum für "kabelloses Netzwerk".

Beachten Sie allerdings, dass der Begriff "WLAN" in den meisten fremdsprachigen Ländern nicht genutzt wird. Wenn Sie im Ausland WLAN nutzen möchten, verwenden Sie den Begriff "WiFi".