Schnell erkennen, schnell handeln und schnell vorankommen bietet schon einige Vorteile. Aber wir sollten uns davor schützen, schnell in die falsche Richtung zu rennen.

Mir fällt hierzu das Bild des Marathonläufers ein, der in führender Position die falsche Abzweigung nimmt. Das Attribut „schnell“ alleine reicht also nicht aus. Intelligenz ist gefragt. Aber mit diesem Begriff muss man vorsichtig sein: Im simplen Marketing-Talk wird auch gerne mal das einfache Addieren oder Sortieren von Werten in einer Liste als (Business) Intelligence bezeichnet – aber das nur am Rand.

Was hat "intelligente Schnelligkeit" mit Big Data und Industrie 4.0 zu tun?

In der mit viel Elan geführten Diskussion um Big Data geht oft verloren, dass alleine die Erfassung und einfache Auswertung der Daten, gerade im Industrie-Umfeld, noch keinen großen Nutzen mit sich bringt. Auch wenn die Begehrlichkeiten natürlich groß sind: In einer Umfrage, die das SAS Institut mit forsa erstellt hat, geben mit 86% fast alle Befragten an, Big Data nutzen zu wollen, um schnell auf mangelnde Produktqualität oder Fehler im Produktionsprozess reagieren zu können. Auch die bitkom hat das eindrucksvoll in einer aktuellen Studie belegt, die sie anlässlich der Hannover Messer vorstellte: Industrie 4.0 ist heiß!

Natürlich entstehen auch in der Industrie immer mehr Daten: Beispielsweise erlauben Regulatorien wie ISO50001 künftig sehr viel genauer über Verbrauch und Verursachung des Verbrauch innerhalb einer Fertigung berichten zu können. Nur … durch diese Transparenz alleine, spare ich noch lange keine Energie. Die Leitungen sind weiterhin gleich groß dimensioniert.

Ein Beispiel: Mit Machine-to-Machine-Kommunikation kann man in Zukunft erkennen, dass Maschinen kurz davor sind auszufallen oder fehlerhaft zu produzieren. Was nützt es mir aber, lediglich kurz vor dem Ausfall oder bei schon aufgetretenem Abfall der Produktqualität informiert zu werden? Meine Reaktionszeit bleibt fast gleich. Big Data alleine gibt mir hier keinen großen Vorteil.

Die Simulation und Prognose von Eintrittswahrscheinlichkeiten wird in der Wissenschaft über statistische Modelle ermöglicht. Die auf mathematischem Kalkül basierten Vorhersagen der Zukunft schaffen erst wirklich wertvolle Entscheidungshilfe. Echte Business Analytics ist deshalb vorausschauend und geht mit komplexen, wie der Fachmann sagt, multi-variaten Szenarien um.

In der heutigen komplexen Umgebung der Produktion oder des Kundenservices zum Beispiel, die mit Industrie 4.0 noch enger mit externen Resourcen verzahnt sein wird, ändern sich zeitgleich verschiedene Einflussfaktoren und eine Entscheidung kann nicht mehr von Einzelnen auf Basis von Prozesserfahrung getroffen werden. Eine IT-Umgebung für Indusrie 4.0 muss daher auch Ansätze, wie etwa Design of Experiments unterstützen.

Und genau deshalb sollte Big Data eigentlich direkt als Big Data Analytics bezeichnet werden. So wird direkt klar, in welche Richtung die Reise gehen soll, um den meisten Nutzen für die produzierenden Unternehmen daraus zu ziehen.

Dann haben auch die 81% der befragten -Unternehmen Recht, die in besagter Studie davon ausgehen, dass die Analyse von Maschinendaten in Unternehmen in den kommenden 2 Jahren an Bedeutung gewinnen wird. Die Studie können Sie übrigens direkt hier herunterladen.