Unser erstes Anwendungsszenario sind Social Machines, also soziale Maschinen. Diese sind vergleichbar mit sozialen Netzwerken im Internet. Darüber können sich zum Beispiel Maschinen und Mitarbeiter eines Betriebes mitteilen, wann sie verfügbar sind. Die Maschine meldet sich, wenn sie eine Wartung benötigt, beim ganzen Mitarbeiterteam. Und wer den Auftrag übernehmen kann, teilt das mit einem Klick der Maschine und den Kollegen mit. Gleichzeitig weiß die Maschine, ob und wann Mitarbeiter für eine Wartung überhaupt verfügbar sind. Solche Maschinen sind nach einer Studie des Bitkom bisher bei 28 Prozent der Unternehmen im Einsatz, in der Automobilbranche sind es sogar 38 Prozent. Weitere 20 Prozent aller befragten Unternehmen planen die Nutzung von Social Machines oder diskutieren zumindest darüber.
Anwendungsbeispiel Global Facilities
Das zweite Anwendungsszenario heißt Global Facilities. Darunter versteht man die Vernetzung von Produktionssystemen über Unternehmensgrenzen hinweg, zum Beispiel mit Kunden und Zulieferern. Wenn etwa ein Kunde kurzfristig eine Produktänderung in Auftrag gibt, erkennt das System, welche neuen Teile für die Umsetzung benötigt werden. Das heißt, das System kann sich selbständig auf dem Markt nach dem optimalen Lieferanten erkundigen und Vorschläge für die Bestellung machen. In der Realität ist dieses Szenario aber offenbar noch nicht sehr weit verbreitet: Nach einer Studie des BITKOM geben nur 4 Prozent der Betriebe an, Global Facilities zu nutzen. 17 Prozent planen dies und 30 Prozent diskutieren darüber.
Anwendungsbeispiel Augmented Operators
Das dritte Anwendungsszenario für Industrie 4.0 sind Augmented Operators. Augmented Operators sind Mitarbeiter, die IT-basierte Assistenzsysteme nutzen, um ihre Sicht auf die Fabrik zu erweitern und so die Produktion besser zu steuern. Augmented Operators verwenden zum Beispiel Datenbrillen: Die Brille erkennt, welche Maschine der Mitarbeiter anschaut, und liefert ihm in Echtzeit Informationen zum aktuellen Produktionsschritt. Solche Anwendungen sind in jedem 9. Betrieb im Einsatz, wobei hier die Elektrotechnik einen Vorsprung gegenüber den anderen Branchen hat. Geplant ist die Nutzung von Augmented Operators in jedem fünften Betrieb, darüber diskutiert wird in 17 Prozent der Betriebe. Diese Daten ergaben sich aus einer Studie des Bitkom.
Smart Products
Smart Products sind intelligente, programmierbare Gegenstände, die zum Beispiel mit den Anlagen kommunizieren und diesen mitteilen, wie sie bearbeitet werden müssen. Smart Products können auch nach der Auslieferung durch Software-updates quasi unbegrenzt weiterentwickelt werden. Eine Studie des BITKOM zeigt, solche Produkte sind in rund 20 Prozent aller Betriebe Realität, wobei hier der Maschinen-und Anlagenbau mit 23 Prozent einen kleinen Vorsprung vor den anderen Branchen hat. Geplant ist die Nutzung von Smart Products in 13 Prozent der Betriebe, darüber diskutiert wird in 27 Prozent der Unternehmen.
Anwendungsbeispiel Predictive Maintenance
Das fünfte und letzte Anwendungsszenario heißt Predictive Maintenance, also die vorausschauende Wartung. Dafür sammelt ein System verschiedene Daten, unter anderem Prozessdaten und Maschinendaten, aber auch externe Daten, etwa zum Wetter oder Verkehr. Diese Echtzeit-Informationen werden mit Hilfe von Big Data Technologien ausgewertet und zu Erfahrungswerten früherer Funktionsausfälle in Beziehung gesetzt. So identifiziert das System Muster, wann es zu Ausfällen kommt. Es lernt ständig dazu, kann Funktionsausfälle immer besser vorhersagen und somit verhindern. Dieses Anwendungsszenario ist bereits in 27 Prozent aller Unternehmen Realität. Die Mehrzahl der Befragten plant oder diskutiert den Einsatz nach einer Studie des Bitkom.
