![Keran Sivalingam, Projektleiter von SmartMA-X](https://perfect-machines.com/wp-content/uploads/2021/02/Keran-Sivalingam-Projektleiter-von-smartMA-X.jpeg)
Die SmartFactory Kaiserslautern entwirft seit Jahren Visionen für die Produktion der Zukunft. Auf Industrie 4.0 im Jahr 2011 folgte 2019 das Update Production Level 4 (PL4), das durch seine modularen Grundprinzipien die theoretische Grundlage für GAIA-X bilden wird. Die Vision von PL4 ist eine resiliente Produktion, bei der GAIA-X eine wichtige Rolle spielt. Mit GAIA-X soll zukünftig eine europäische Dateninfrastruktur zu Verfügung stehen, um u.a. eine Shared Production zu realisieren. Dabei ist die Grundidee, dass Fertigungsfähigkeiten (Skills) angeboten werden, die europaweit frei auf dem Markt zur Verfügung stehen und genutzt werden können: Production-as-a-Service. „Wir wissen, dass Maschinen aus verschiedenen Gründen oft nicht arbeiten. Manche Maschinen sind sogar nur wenige Tage im Monat in Betrieb, vor allem bei Mittelständlern. Da setzen wir an“, erklärt Prof. Martin Ruskowski, Vorstandsvorsitzender der SmartFactory Kaiserslautern. „Es wäre viel sinnvoller, wenn eine stillstehende Maschine von jemand anderem genutzt werden könnte. Diese ‚Fremdnutzer‘ zahlen dann für den Gebrauch. So haben Maschinenbesitzer und ‚Fremdnutzer‘ etwas davon.“
Geteilte Produktion
GAIA-X greift den Gedanken der ‚geteilten Produktion‘ auf. Shared Production oder Production-as-a-Service soll europaweit möglich werden. Dazu sind Maschinenmodule mit bestimmten Skills (Fertigungsfähigkeiten), wie bspw. ein Werkstück zuschneiden oder Metall fräsen, europaweit verbunden und können miteinander kommunizieren. Die Skills werden angeboten und können abgerufen werden. „GAIA-X muss eine sichere Dateninfrastruktur bieten“, sagt Ruskowski. „Deshalb wird im Unterschied zu bisher existierenden Clouds europäischer Datenschutz für GAIA-X gelten.“ So soll Datensouveränität sichergestellt werden. Aber auch die Datendurchgängigkeit entlang der Lieferkette haben die Wissenschaftler im Blick.
Das Produkt kennt sich selbst
Das von der SmartFactory 2019 veröffentlichte Update zur Industrie 4.0 – Production Level 4 – beschreibt die Vision einer solchen Fertigung. „Wir gehen darin von Skills, also Fertigungsfähigkeiten aus, die ein Produkt abrufen kann“, so Ruskowski. „Ein Produkt kennt demnach sich selbst und kommuniziert mit den angebotenen Skills und ruft diese zu seiner eigenen Fertigung ab. Im Prinzip spielt es dabei keine Rolle, ob das in einer Fabrikhalle geschieht oder europaweit.“ „Zuerst müssen wir unseren Demonstrator praktisch an das GAIA-X-Netzwerk andocken“, sagt Keran Sivalingam, Projektleiter von SmartMA-X, einem Teilprojekt der SmartFactory-KL. „Das, was wir in den nächsten Jahren entwickeln, wird dann zum Vorbild für alle anderen. Wir möchten definieren, wie Maschinen mit ihren Skills überhaupt Teil des GAIA-X-Netzwerkes werden können.“ Doch das soll erst der Anfang sein. Ein Blick in die Details zeigt die Komplexität der Aufgabe: Eine Fähigkeit (ein Skill) besteht aus vielen kleinen Teilen, so genannten Atomic Skills. Der Skill selbst ist also die Summe kleiner oder untergeordneter Skills, weshalb er Compound Skill genannt wird. So setzt sich bspw. der Compound Skill ‚Loch bohren‘ aus vielen Atomic Skills zusammen: Drehzahl, Bewegung zum Produkt, Bohrdruck, Bohrwinkel, etc. „Wir müssen nun erforschen und ausprobieren, welcher Grad an Abstraktion eines Skills notwendig und sinnvoll ist, um ihn im GAIA-X-Netzwerk anzubieten. Sind Compound Skills zielführender oder Atomic Skills?“, erläutert Sivalingam. „Vor allem müssen wir aber auch testen, was technisch überhaupt möglich und sinnvoll ist. Dazu gibt es bisher kaum Wissen.“
Maschinendaten für die KI-Forschung
Eine weitere Aufgabe von smartMA-X ist die Arbeit mit Maschinendaten, die mit zunehmender Digitalisierung überall in großem Umfang generiert werden. „Bisher arbeitet kaum jemand damit“, sagt Projektleiter Sivalingam. Viele deutsche Mittelständler würden auf Daten sitzen, ohne zu wissen, welche praktischen Anwendungsmöglichkeiten es dafür gebe. „Erst seit wir auf echte Maschinendaten zurückgreifen können, können wir überhaupt vernünftig im Bereich industrieller KI-Anwendungen forschen“, so Sivalingam. „Deshalb bin ich sehr gespannt, welche Anwendungen oder Geschäftsmodelle wir in den nächsten Jahren unter Verwendung der maschinellen Daten aus unseren Forschungsarbeiten entwickeln.“ Für 2021 liegt der Fokus zunächst auf Smart Maintenance.