Wenn Daten zur Last werden

Wenn ein Unternehmen im produzierenden Gewerbe seine Prozesse optimieren möchte, dann sind Datenaufnahme und -auswertung dafür unerlässlich. Nehmen wir als Beispiel einen mittelständischen Betrieb: Die in der Fertigung eingesetzten Werkzeugmaschinen sind zwar grundsätzlich in der Lage, Prozessdaten bereitzustellen und abzulegen, die Auswertung würde die Mitarbeitenden jedoch Zeit kosten, die sie nicht haben.

So geht es vielen, vor allem kleinen und mittleren Unternehmen (KMU). Häufig werden die erzeugten Daten gar nicht erst gespeichert, sondern nur sporadisch bei der Bedienung der Maschine überwacht. Manche Betriebe lassen ihre Maschinen kontinuierlich alles aufzeichnen, von Stromverläufen über Spindeltemperaturen bis hin zu Vibrationen. Doch ohne klare Struktur landen diese Datenmengen ungenutzt auf Servern. Gerade KMU haben schlicht keine Kapazitäten, um Daten nachträglich zu sortieren und auszuwerten. Keine gute Option für unseren Beispielbetrieb also.

Andere Unternehmen erfassen Daten nur manuell für einzelne Bearbeitungsprozesse, die zum Beispiel aufgrund eines aufgetretenen Werkzeugversagens genauer betrachtet werden sollen. Ein Werker oder eine Werkerin an der Maschine bekommt zum Beispiel die Anweisung: »Drück den Knopf, wenn der Fräsvorgang startet.« Das ist nicht nur fehleranfällig, sondern macht eine zuverlässige Zuordnung zu Bauteilen, Werkzeugen und Prozessschritten nahezu unmöglich. Besonders in der Lohn- oder Auftragsfertigung, wo bestimmte Teile nur selten und in unregelmäßigen Abständen gefertigt werden, geht so wertvolles Wissen über die notwendigen Verfahren und Prozesse verloren. Ist der Auftrag im nächsten Jahr wieder dran, sind Mitarbeitende vielleicht nicht mehr im Betrieb oder Erfahrungen wurden schlicht nicht dokumentiert. 

In unserem Beispielunternehmen prägen hohe Variantenvielfalt und regelmäßig wechselnde Bauteilgeometrien, Losgrößen und Bearbeitungsstrategien den Alltag. Hoher Aufwand, unsichere Datenqualität und kaum Mehrwert für datengetriebene Optimierungen? Unter diesen Voraussetzungen klingt auch die manuell geplante oder stichprobenartige Datenaufnahme nicht nach einer besonders guten Alternative für unser Unternehmen.

Integration in heterogene Maschinenparks

Ein Hindernis in der Umsetzung bleibt jedoch: Im Gegensatz zu unserem Beispielbetrieb verfügt nicht jedes Unternehmen bereits über eine moderne, vernetzte Maschinenlandschaft. Im Rahmen des bundesweiten Netzwerks ProKI haben Umfragen gezeigt, wie stark die Ausgangssituationen in KMU divergieren – vom durchdigitalisierten Maschinenpark bis zu Fertigungsumgebungen ohne Internetanschluss. Klar, dass für die Integration der neuen Ansätze die verschiedenen Ausgangslagen berücksichtigt werden müssen. Um die Vorteile der getriggerten Datenaufnahme für alle nutzbar zu machen, wurden am IWF der TU Berlin verschiedene Integrationspfade entwickelt:

• Einfache digitale Signale direkt aus dem G-Code können genutzt werden, um Sensoren über Ein- und Ausgangsklemmen der Maschinensteuerung automatisch ein- und auszuschalten. Moderne Sensoren verfügen in der Regel bereits über entsprechende Trigger-Eingänge – eine schnelle Lösung ohne tiefgehende Eingriffe in die Maschinensteuerung.
• Retrofit-Ansätze mit Edge-Devices, inkl. modularer digitaler Ein- und Ausgangsklemmen oder OPC-UA-Schnittstellen, binden auch ältere Maschinen an moderne Datenerfassungs- und Visualisierungsplattformen an.

So können bestehende Anlagen mit überschaubarem Aufwand zu datenfähigen Ressourcen werden. Besonders KMU ohne eigene Entwicklungsabteilung können von den Vorteilen profitieren.

Kontext schafft Wissen

Der größte Mehrwert entsteht, wenn die getriggerten Sensordaten systematisch in einer zentralen Datenbank abgelegt und mit Kontextinformationen angereichert werden. So lassen sich Bearbeitungsschritte eindeutig identifizieren und mit Ergebnissen aus der Qualitäts-sicherung verknüpfen. In der Praxis können Unternehmen so Werkzeugstandzeiten zuverlässig überwachen, Abweichungen früher erkennen und Rüst- sowie Wartungsintervalle gezielter planen. Stillstände werden reduziert, Prozesse beschleunigt, und es entsteht ein stetig wachsendes digitales Prozesswissen, das fundierte Entscheidungen unterstützt und dabei hilft, auf Veränderungen schnell zu reagieren.

Für KMU in der Zerspanung wie unseren Beispielbetrieb bedeutet die getriggerte Datenaufnahme einen praktischen und kosteneffizienten Einstieg in die datengetriebene Fertigung. Statt Datenballast oder fehleranfälliger Handarbeit entsteht eine verlässliche, schlanke Datenbasis – genau das, was sie für moderne Optimierungsalgorithmen, KI-Anwendungen und nachhaltige Prozessverbesserungen brauchen.