IO-Link, OPC UA und MQTT machen Maschinendaten verfügbar

Herr Groß, Sensoren liefern heute jede Menge Daten. Warum fällt es vielen Unternehmen trotzdem schwer, daraus einen Nutzen zu ziehen?

Groß: Die erste Hürde ist oft schon die Frage, welchen Messwert ich überhaupt brauche. Wenn ich wissen möchte, ob eine Maschine produziert oder stillsteht, muss ich zunächst herausfinden, welches Signal mir das zuverlässig verrät. Und dann muss ich an dieses Signal herankommen. Für einen Automatisierer ist der Unterschied zwischen einem analogen Stromsignal, Modbus RTU und Modbus TCP selbstverständlich. Für einen Anlagenbetreiber aber nicht unbedingt. Der kennt seinen Fertigungsprozess sehr genau, möchte sich jedoch nicht erst mit Schnittstellen und SPS-Variablen beschäftigen müssen. Er braucht eine Lösung, die ihm die gewünschte Information liefert.

Wie kommen Sie bei bestehenden Maschinen an die Daten, ohne tief in die Steuerung eingreifen zu müssen?

Wir gehen unterschiedliche Wege. Manchmal reicht ein Blick in den Schaltplan, um geeignete Signale zu finden und an vorhandenen Klemmen abzugreifen. In anderen Fällen nutzen wir die Energiesignatur der Maschine. Mit Stromsensoren und einer Spannungsmessung lässt sich bereits einiges über ihren Betriebszustand erfahren. Unsere Module können außerdem über das Netzwerk mit Steuerungen und vorhandenen IO-Link-Mastern kommunizieren. Dafür nutzen wir unter anderem OPC UA, MQTT und REST-APIs.

Welche Rolle spielt dabei die Software Siineos?

Siineos ist unser linuxbasiertes Betriebssystem für IIoT oder Industrie IoT und läuft direkt auf unseren Geräten. Ein Anwender kann damit Daten erfassen, verknüpfen und auswerten, ohne dafür klassischen Programmcode schreiben zu müssen. Auf einer browserbasierten Oberfläche wählt er dazu lediglich Bausteine aus, verbindet sie und trägt Parameter ein. In unserem Marketplace gibt es für viele Sensoren bereits Vorlagen. Die lädt der Anwender herunter und installiert sie auf seinem Gerät. Das funktioniert auch ohne Internetverbindung des Geräts. Wir wollen damit die Einstiegshürde möglichst niedrig halten, da die Fachleute im Betrieb meist sehr gut wissen, welche Informationen ihnen fehlen. Sie wissen nur nicht immer, wie sie technisch da ran kommen.

IO-Link vereinfacht die Sensoranbindung bereits erheblich. Was kommt durch Siineos hinzu?

Viele Maschinen haben heute IO-Link-Master im Feld, die wir als zusätzliche Datenknoten nutzen können. Wir können nahezu alle gängigen Master parallel zu ihrer bestehenden Steuerungsverbindung anbinden und Sensordaten auslesen. Der Anwender lädt die IODD des angeschlossenen Sensors und unser Interpreter übersetzt die Beschreibung in verständliche, parametrierbare Bausteine. Er sieht dann, welche Prozesswerte und Funktionen der Sensor bereitstellt, ohne sich durch die Rohdaten arbeiten zu müssen.

Was sind die konkreten Vorteile im Produktionsalltag?

Nehmen wir einen Stückzahlsensor, eine Prozesstemperatur und den Energieverbrauch einer Maschine. Jeder dieser Werte sagt für sich genommen nur einen Teil aus. Kombiniere ich sie, kann ich erkennen, ob die Maschine läuft, ob sie tatsächlich produziert oder ob sie für denselben Prozess plötzlich mehr Energie benötigt. Besonders interessant sind Mikrostillstände und ungeklärte Stillstandsursachen. Die fallen im Alltag oft gar nicht richtig auf, kosten über längere Zeit aber Geld. Für solche Auswertungen ist nicht immer ein separates Gateway erforderlich. Unser Energiemodul HUB-EN200 ist selbst netzwerkfähig und kann mit Siineos auch Daten angebundener IO-Link-Master verarbeiten.

Das klingt nach einer Nachrüstlösung. Was machen Sie bei Maschinen ganz ohne IO-Link?

Auch dort sind meistens Sensoren vorhanden. Für klassische analoge und digitale Signale haben wir beispielsweise den HUB-SE100. Den kann man direkt in die bestehende Sensorleitung einbinden. Das Signal wird zur Steuerung übertragen und gleichzeitig für die Datenerfassung abgegriffen. Dazu wird die Verbindung am M8-Steckverbinder getrennt, das Modul dazwischengesteckt und mit einem kurzen zusätzlichen Kabel verbunden. Wenn der Sensor gut zugänglich ist, dauert das fünf bis zehn Minuten. Das Gerät ist für die Feldebene ausgelegt und muss nicht erst in einen Schaltschrank eingebaut werden. Damit können wir auch ältere Anlagen erschließen, ohne ihre Steuerungssoftware verändern zu müssen.

Wie viel Aufwand entsteht für die Installation der übrigen Komponenten?

Wenn klar ist, welche Signale benötigt werden, lassen sich die wichtigsten Anschlüsse oft innerhalb einer halben bis einer Stunde herstellen. Bei einer reinen Energiemessung sprechen wir teilweise von etwa 15 Minuten. Dafür muss die Maschine allerdings kurz abgeschaltet werden. Andere Anbindungen sind auch im laufenden Betrieb möglich. Die 25mm schmalen Geräte für die Hutschiene lassen sich zudem schon vorher über USB am Laptop vollständig einrichten. Die Spannungsversorgung erfolgt dabei ebenfalls über USB. Man braucht weder eine Entwicklungsumgebung noch zusätzliche Software auf dem Rechner.

Wird künstliche Intelligenz weitere Hürden bei der Datenauswertung beseitigen?

Ich glaube, dass KI vor allem bei der Einrichtung und bei der Verknüpfung von Informationen viel verändern wird. Ein Anwender könnte künftig beschreiben, welche Auswertung er benötigt, und sich die passende Konfiguration oder Teile des Codes erstellen lassen. Dafür sind Schnittstellen wie MCP interessant. Wir beschäftigen uns damit, solche Zugänge auch für unsere Geräte bereitzustellen. Die eigentlichen industriellen Schnittstellen sind vielfach schon vorhanden. Mit IO-Link, OPC UA, MQTT und REST-APIs haben wir eine gute Grundlage. Jetzt geht es darum, sie für mehr Anwender nutzbar zu machen.

Wieweit würden Sie KI dabei vertrauen, gerade mit Blick auf sensible Produktionsdaten?

Bei sicherheitsrelevanten Maschinenfunktionen wäre ich sehr vorsichtig. Auch Fragen nach Datenschutz, Betriebsgeheimnissen und der Verarbeitung in der Cloud müssen geklärt sein. Aber für die Erstellung einer Auswertung muss die KI nicht unbedingt Zugriff auf die laufende Anlage erhalten. Ein Partner hat beispielsweise die Variablen unseres Energiemonitorings als Screenshot an eine KI übergeben und beschrieben, welches Grafana-Dashboard er benötigt. Zurück kam eine JSON-Datei, die er als Vorlage einspielen konnte. Das Dashboard war damit praktisch fertig, ohne dass Produktionsdaten an die KI übertragen werden mussten. Das Beispiel zeigt, dass wir nicht auf völlig neue Sensoren warten müssen, um aus vorhandenen Daten mehr herauszuholen.