Gerhard Altmann von SAS Deutschland:
„Neue Wettbewerber bedrohen den Markt durchaus“
Seit mehr als 40 Jahren entwickelt SAS Institute mit Hauptsitz im amerkanischen Cary, North Carolina, vorausschauende Analyse-Software. Und obwohl Produzenten Lösungen von SAS schon lange einsetzen, rückt das Unternehmen seine Manufacturing-Sparte seit einigen Jahren weiter in den Vordergrund. Über die Gründe haben wir mit Gerhard Altmann vom deutschen Ableger von SAS gesprochen.
Herr Altmann, warum stärkt SAS Institute sein Engagement im Bereich der Fertigungsindustrie?
Gerhard Altmann: Wir sind seit über 40 Jahren im Markt für Analytik tätig und haben schon einen großen Anteil an Manufacturing-Kunden. Doch die Bedeutung dieser Branche hat mit dem Thema Industrie 4.0 noch einmal deutlich zugenommen, gerade in Kombination mit dem Internet of Things (IoT). Das gesamte Bild wird sich verschieben und wir investieren in unser Manufacturing-Portfolio, damit es auch zu den neuen Anforderungen passt.
Welchen Wandel beobachten Sie in der Fertigungsindustrie?
Altmann: Zunächst einmal zeigt das Beispiel Tesla, dass neue Wettbewerber den traditionellen Markt durchaus bedrohen. Doch den eigentlichen Wandel hierzulande löste die politische Forderung aus, Arbeitsplätze und Produktion zurück nach Deutschland zu holen. Dafür wurde die Quadratur des Kreises gefordert: Massenprodukte in Losgröße 1 herzustellen. So ist Industrie 4.0 entstanden. Informationstechnologie sollte helfen, Produktionsverfahren zu digitalisieren, schneller auf den Markt reagieren zu können und die Produkteinheiten zu senken. Diesen technologischen Wandel will SAS mit vorantreiben. Die neunte Ausgabe von Rockwell Automations „State of Smart Manufacturing“ Report liefert Einblicke in Trends und Herausforderungen für Hersteller. Dazu wurden über 1.500 Fertigungsunternehmen befragt, knapp 100 der befragten Unternehmen kommen aus Deutschland. ‣ weiterlesen
KI in Fertigungsbranche vorn
Muss SAS das Lösungsportfolio umstellen, um die Anforderungen in den aktuell im Fertigungsumfeld entstehenden IoT-Anwendungen abzubilden?
Altmann: Nein, unser Portfolio deckt die Anforderungen bereits sehr gut ab. IoT lebt von Predictive Analytics, also der vorausschauenden Analytik. Und das macht SAS seit Firmengründung. Deshalb müssen wir nicht unser Lösungsportfolio umstellen. Im Gegenteil: In Sachen Machine Learning und künstliche Intelligenz ergänzen wir unser Angebot stetig. Sobald also etwas mit den Sensordaten einer IoT-Anwendung getan werden soll, kommen wir mit unserem klassischen Kerngeschäft ins Spiel. Nur lassen sich diese Daten mit Ansätzen analysieren, die bis vor kurzem nicht zur Verfügung standen.
Seit vier Jahrzehnten forscht und entwickelt SAS an analytischen Anwendungen und es heißt, die Technik für das Internet of Things ist schon längst verfügbar. Sind die Produzenten denn soweit, sie auch einzusetzen?
Altmann: Unterschiedlich weit, würde ich sagen. Aber mit der Umsetzung entsprechender Projekte beginnen natürlich die Firmen mit vielen Entwicklungskapazitäten und großem Budget. Bei Unternehmen mit starken B2C-Beziehungen wird die neue Technik erst einmal im Sinn der Customer Intelligence eingesetzt. Es wird ausgewertet, was die eigentlichen Anforderungen des Kunden sind, um diese schneller bedienen zu können. Andere Firmen wollen mehr über ihre Produktqualität erfahren, wie sich ihre Erzeugnisse im Feld schlagen, welche Schwierigkeiten sie haben und warum sie ausfallen. Diese Erkenntnisse sollen in Verbesserungen der Produktionsprozesse einfließen. Zwar gibt es die Aufgaben Produktionsüberwachung und Qualität schon lange, neue technische Möglichkeiten schaffen jedoch auch neue Spielräume. Heute kann ich viel mehr Daten viel schneller und parallel bearbeiten und Zustände quasi in Echtzeit überwachen. Das verändert den Markt.
Gerade Data Scientists werden in Deutschland oft händeringend gesucht. Lässt sich der Self Service-Ansatz, wie ihn manche Business Intelligence-Software unterstützt, auf eine IoT-Anwendung übertragen?
Altmann: Unsere Self Service-Ansätze – und die unserer Wettbewerber – haben Grenzen. Sie können heute mit SAS-Software Fachbereiche dazu befähigen, Daten zu visualisieren, anzuschauen und dort Modelle zu entwickeln. Doch je feinsinniger im Data Lake nach Signalen und Events gesucht werden soll, umso tiefer müssen die Mitarbeiter in das Thema Analytik einsteigen. Ab einem gewissen Punkt brauchen Unternehmen dafür eigene Fachleute. Der Thin[gk]athon, veranstaltet vom Smart Systems Hub, vereint kollaborative Intelligenz und Industrie-Expertise, um in einem dreitägigen Hackathon innovative Lösungsansätze für komplexe Fragestellungen zu generieren. ‣ weiterlesen
Innovationstreiber Thin[gk]athon: Kollaborative Intelligenz trifft auf Industrie-Expertise
Wie kommen Unternehmen zu einem fertigen Modell für ihre IoT-Anwendung?
Altmann: Wir liefern mit unseren Lösungen vordefinierte und mitunter patentierte Modelle mit. Damit lässt sich schon eine ganze Menge erreichen. Doch je nach Anwendungsfall schauen wir uns gerne mit unseren Kunden gemeinsam ihre Ziele an. Dann können wir mit unserem analytischen Ansatz dort ansetzen, wo es den größten Nutzen verspricht. Wir lösen dieses Problem mit wenigen Daten, rollen die Anwendung aus und schauen dann, ob diese Lösung auch an anderen Fertigungsstandorten helfen kann. Dann nehmen wir uns das nächste Problem vor. So geht es Schritt für Schritt voran.
Künstliche Intelligenz zählt aktuell zu den großen Trends in der Welt der industriellen IT. Eine Pressemitteillung von Ihnen war überschrieben mit ‚KI steckt noch in den Kinderschuhen‘. Auch bei Ihnen, die sich schon lange mit dem Thema auseinandersetzen?
Altmann: Ja, Machine Learning machen wir schon lange. Aber Artificial Intelligence, also künstliche Intelligenz, ist sicherlich die hohe Kunst. In dieser Richtung wird viel getan, aber deren Einsatz ist in der Fertigungsindustrie nur bis zu einem gewissen Grad sinnvoll. Im Werk soll sich ja nicht alles von selbst regeln, denn dann weiß niemand, wohin die Reise geht. Bei der Entwicklung unserer Analyse-Modelle könnte künstliche Intelligenz in Zukunft zwar helfen, aber davon sind wir noch weit entfernt. Anders sieht es beim autonomen Fahren aus. Hier müssen Entscheidungen schnell getroffen und ohne Eingriffe von außen umgesetzt werden können – in diesem Umfeld kann künstliche Intelligenz ihr Potenzial voll ausspielen. Was die industrielle IT auf lange Sicht stärker beeinflussen könnte, ist die deutlich verbessere Möglichkeit zur Datenverarbeitung ‚on edge‘.
Was meinen Sie?
Altmann: Früher sammelte und speicherte man erst einmal viele Daten, bevor man sie später ‚on rest‘ analysierte. Das ist bei großen Datenvolumina immer noch sehr wichtig. Aber für viele Anwendungen ist es sehr nützlich, zur Datenanalyse möglichst nahe an ihren Entstehungsort zu gehen. Warum sollte man denn alle Fertigungsdaten etwa an eine Cloud-Infrastruktur übertragen? Um ein Beispiel zu geben: Wenn Sie heute einen Roboter nehmen, der sieben oder mehr Freiheitsgrade hat, kommt bei der Analyse dieser Daten schon einiges zusammen. Mit Blick auf das Datenaufkommen, das eine ganze Produktionsstraße produziert, stellt sich die Frage, warum diese Daten alle in einer Cloud analysiert werden sollen? Das meiste davon ist einfach in dem Moment bedeutungslos. Mit einer Event Stream Processing Engine lassen sich Daten wie diese bereits werksnah quasi im Flug auf zuvor definierte Abweichungen analysieren. Wir können unsere Software mittlerweile auf einem Dual Core-Prozessor oder einem Router irgendwo im Werk laufen lassen. Produktionsdaten können so vor Ort analysiert werden. Dann können Unternehmen immer noch entscheiden, ob und welche Daten sie an eine Cloud-Infrastruktur oder IoT-Plattform übergeben. (ppr)
