Konzepte 4.0Social Collaboration „produziert“ Mensch-Maschine Kommunikation

Autoren –
Alexander Gesinn, Geschäftsführer, gesinn.it GmbH & Co
und
Dr. Michael Scherm, Partner bei NewLeaf Partners Europe GmbH

Kollaborative Systeme haben sich fest als Handwerkszeug des Wissensarbeiters etabliert. Es gibt kaum mehr ein größeres Unternehmen, das nicht irgendein derartiges System im Einsatz hat. Unter dem Begriff „Social Collaboration“ wird eine immer größer werdende Bandbreite unterschiedlicher Systeme zusammengefasst, wobei die Grenzen zwischen den Gattungen zunehmend verwischen. Dokumentenmanagement-Systeme (DMS), Enterprise Content Management Systeme (ECM) und Workflow-Management-Systeme öffnen sich mithilfe einer zunehmenden Anzahl „sozialer“ Funktionen, während Web 2.0-Anwendungen wie Wikis, soziale Unternehmensnetzwerke (Enterprise Social Networks, ESN) oder (Micro-)Blogs immer mehr den Erfordernissen in Unternehmen Rechnung zu tragen versuchen. Das DOK.Magazin spricht in Ausgabe 04/2013 deshalb von einer „explodierenden Themenvielfalt“, die mit dem Begriff „Social Collaboration“ assoziiert wird [1].

Alle diese Systeme streben als Ziel an, die Potentiale der einzelnen Mitarbeiter sowie die kollektive Intelligenz der Mitarbeiter-„Community“ als Gesamtheit so weit wie möglich auszuschöpfen. Dies geschieht zum Beispiel über die weitgehende Einbindung der Mitarbeiter in Entscheidungsprozesse, die zielgenauere Identifikation von Experten und Vordenkern im Unternehmen oder die effektivere Verbreitung von relevanten Informationen über Abteilungs- und Hierarchiegrenzen hinweg. Die erste Welle von derartigen Systemen wurde deshalb vor allem unter den Aspekten Wissensmanagement, Zusammenarbeit, Kommunikation und Vernetzung im Büro betrachtet.

Das DOK.Magazin hat sich in den letzten Jahren immer wieder mit dem Thema Social Collaboration beschäftigt [2]. Dabei wurde zum Beispiel dessen Nutzen für die Kundenbindung erläutert. Es wurde über die organisatorischen Voraussetzungen für eine erfolgreiche Umsetzung von Social Collaboration-Projekten diskutiert. Es wurden Fragen der konkreten Umsetzung besprochen und die Rolle der Personalabteilung im Umsetzungsprozess diskutiert. Und schließlich wurde die Rolle der Semantik im Hinblick auf die Evolution von Social Collaboration besprochen. Frühe Anwendungsfälle semantischer Technologien wurden zum Beispiel für die öffentliche Verwaltung, Bibliotheken, Museen und Archive, aber vereinzelt auch für Unternehmen beschrieben. Hier spielten sie jedoch zuvorderst für das „klassische“ Wissensmanagement eine Rolle, daneben für Bereiche wie Marketing und den Online-Vertrieb.

Wissensarbeiter und Wissensmaschine: Industrie 4.0

Nicht nur Menschen werden durch einen immer besseren Informationsfluss und eine stetig anwachsende Menge von Informationen unterstützt. Die Weiterentwicklung der Produktionstechnologie erfährt im Moment unter den Stichworten „Industrie 4.0“ und „Smart Factory“ große Aufmerksamkeit in Presse und Öffentlichkeit. Auch im Umfeld des DOK.Magazins wurde dieses Thema bereits früh angeschnitten, so zum Beispiel der Anwenderkonferenz „Social Collaboration 39“ in Jena im Jahr 2013.

„Wissensmaschine“ (Quelle: gesinn.it GmbH & Co. KG)
„Wissensmaschine“ (Quelle: gesinn.it GmbH & Co. KG)

Unter den Begriffen „Industrie 4.0“ und „Smart Factory“ wird vor allem die datentechnische Anreicherung und weitgehende Vernetzung von Maschinen, Bauteilen und Produkten zusammengefasst, die es ermöglicht, dass Maschinen und Produkte noch flexibler und selbständiger agieren können als bisher. Salopp gesagt wissen die Maschinen nun selbst, was sie brauchen, und sie kommunizieren miteinander. Deswegen kann sich in der „Smart Factory“ die Produktionslinie weitgehend selbst konfigurieren, so dass auch die maschinelle Bearbeitung kleinerer Stückzahlen rentabel und ohne große Umrüstungen in der Produktionslinie möglich wird. Unterschiedlichste Kundenwünsche in Bezug auf die Gestaltung und Ausstattung ihrer Produkte können nun vollautomatisch und ohne Umstellung in der Produktion erfüllt werden. Die klassische Organisation der Produktion löst sich auf: Die zentrale Steuerung von Produktionsprozessen weicht der dezentralen Selbstorganisation von Arbeitsplätzen und Maschinen. Gleichzeitig ermöglicht die Anreicherung von Bauteilen und Produkten mit umfassendem Datenmaterial eine detaillierte Dokumentation des Bestandes und der Produktionsprozesse.

Der Input des Menschen wird durch intelligente und selbst entscheidende Maschinen aber nicht überflüssig. Ganz im Gegenteil: Die Anforderungen an den Menschen in der Produktion steigen. Die einfachen Tätigkeiten in der Produktionshalle, wie zum Beispiel die Beförderung von Teilen, werden in nicht allzu ferner Zukunft völlig verschwinden und werden durch immer komplexere Management- und Entwicklungsaufgaben verdrängt.

Mitarbeiter in der Produktion werden zunehmend zu Wissensarbeitern

Klassische Wissensarbeiter Mitarbeiter in der Produktion
Aufgaben in der Produktion Entwicklung, Planung, Kontrolle Fokus auf Ausführung
Arbeitsinhalte Informationen Handwerkliche und ausführende Tätigkeiten
Strukturierung Hohe Selbststrukturierung Hohes Maß an Fremdstrukturierung
IT-Infrastruktur Flexibel, kollaborative Systeme Stark spezialisiert auf Produktionsabläufe

Auch in der Produktion wächst deshalb die Rolle des Wissensarbeiters. Dessen Tätigkeit umfasst Gebiete wie zum Beispiel die Wartung und Konfiguration der hochkomplexen Maschinen- und Netzwerkinfrastruktur oder die Umsetzung kurzfristiger Änderungen im Aufbau der Produktionsinfrastruktur. Der Mitarbeiter in der Produktion wird damit noch mehr zum Problemlöser und Kreativarbeiter, der einen viel weiteren Horizont als bisher benötigt – und damit Zugang zu noch mehr Wissen. So werden zum Beispiel neue Anforderungen aus dem Marketing und der Produktentwicklung noch unmittelbarer in der Produktion umgesetzt werden. Die für die Produktion Verantwortlichen müssen deshalb ein umfassendes Verständnis dieser Ansprüche mitbringen. Das Wissen, das in diesem Zusammenhang anfällt, gründet sich weniger auf maschinell erzeugte Daten, sondern manifestiert sich in den Erfahrungen und Erkenntnissen – dem impliziten Wissen also – der Wissens- und Kreativarbeiter.

Für die zukünftige Wettbewerbsfähigkeit der Industrie wird damit entscheidend sein, wie gut die Intelligenz der Maschinen mit der der Menschen verknüpft werden kann. Den Wettbewerb wird derjenige gewinnen, der es am besten versteht, maschinell erzeugte Daten sinnvoll zu verarbeiten und mit menschlichem Wissen zu kombinieren, damit die „Erfahrung“ der Maschinen und Produkte zusammen mit derjenigen der Wissensarbeiter in der Produktion für künftige Aufgaben nutzbar gemacht werden kann.

Social Collaboration in der Produktion

Damit ein Wissensnetz entstehen kann, das alle Bestandteile der Produktionslandschaft einbindet – von einzelnen Produktbestandteilen über Verarbeitungsmaschinen bis hin zu menschlichen Akteuren – werden zum einen sogenannte „cyber-physische Systeme“ verwendet. Dabei handelt es sich um eine Kombination von Hard- und Softwarekomponenten, die häufig mit umfassender Sensorik ausgestattet sind. Cyber-physische Systeme stellen zwar in sich geschlossene Systeme dar, sind jedoch mit Kommunikationsmöglichkeiten ausgestattet und miteinander über eine Kommunikationsinfrastruktur vernetzt. Standardprotokolle wie TCP/IP, OPC-UA, AMQP sowie diverse Ethernet-basierte Feldbusprotokolle ermöglichen den Austausch von Daten.

Datenmaterial und Wissen entsteht prinzipiell auf allen Ebenen des Produktionssystems: Auf Fertigungsebene werden Steuerungs- und Maschinendaten ausgelesen; Sensoren liefern Prozessdaten und erfassen Umgebungsparameter wie Temperatur und Druck. Auf der Zellenebene koordinieren Leitrechner die einzelnen Zellrechner und stellen somit eine erste Aggregationsebene dar. Manufacturing Execution Systems (MES) auf Fertigungsleitebene integrieren die darunterliegenden Ebenen und dienen zum einen der Prozessüberwachung, zum anderen der Durchsetzung von Prozessvorgaben. Auf Unternehmensleitebene schließlich dienen ERP- und Management-Informationssysteme der Bereitstellung umfassender Bestandsinformationen sowie dem unternehmensweiten Controlling. Sie stellen die höchste Aggregationsebene im unternehmensweiten Informationsfluss dar [3].

Bestehende Systeme zur Datenverarbeitung in der Produktion haben zwei gravierende Nachteile: zum einen sind sie in der Regel hochkomplexe Systeme, die auf einen bestimmten Zweck zurechtgeschnitten sind. Sie besitzen häufig proprietäre Schnittstellen und unterstützen nur eine stark eingeschränkte Anzahl von Protokollen und Datenformaten. Damit sind sie vergleichsweise unflexibel. Zum anderen bieten sie kaum Möglichkeiten, die Maschinendaten auf einfache Art und Weise mit dem Erfahrungswissen der Werker und Ingenieure vor Ort anzureichern. So können sie eine zentrale Vorgabe für den zukünftigen Erfolg der industriellen Fertigung, nämlich die Verknüpfung von maschineller und menschlicher Intelligenz, kaum erfüllen.

Wie im ersten Abschnitt gezeigt wurde, haben sich kollaborative Systeme für die Dokumentation menschlichen Wissens im Büro bewährt. Auch in der Produktion sind sie prinzipiell dafür geeignet, Prozesswissen, Beobachtungswissen, Optimierungspotentiale und andere von Menschen erzeugten produktionsrelevanten Informationen zu dokumentieren. Natürlich ist hier nachzufragen, inwiefern Produktionsarbeiter denn überhaupt Zugang zu entsprechenden Eingabegeräten wie PCs oder Tablets haben, auf denen sie entsprechende Erfahrungen dokumentieren können. Wie oben dargestellt gehen wir jedoch davon aus, dass der Werker der Zukunft eher ein Ingenieur ist, der mit manuellen Fertigungstätigkeiten kaum mehr etwas zu tun hat, sondern sich vor allem um die Konfigurierung und Wartung der komplexen Produktionssysteme kümmert. Für ihn wird es normal sein, dass er entsprechende Eingabemöglichkeiten besitzt. Es spricht also nichts dagegen, dass der „Werker 4.0“ sein Erfahrungswissen aus dem Produktionsprozess unmittelbar dokumentiert. Wie wir in einem früheren Beitrag beschrieben haben, bestehen mittlerweile durchaus Möglichkeiten, auch Prozesswissen und -erfahrungen in kollaborativen Systemen wie semantischen Wikis zu dokumentieren.

Semantik: Verbindung menschlicher und maschineller Intelligenz

Doch wie kann die Integration von menschlicher Intelligenz und Maschinenintelligenz vonstattengehen? Auch hier hilft die Semantik. Semantische Erweiterungen, wie sie zum Beispiel für das etablierte MediaWiki existieren, erlauben es, auch strukturierte Daten im Wiki zu verarbeiten. So können zum Beispiel Temperaturdaten ins Wiki eingepflegt werden, wo Durchschnittstemperaturen maschinell berechnet, auffällige Schwankungen automatisch gekennzeichnet, umfassende Berichte erstellt und entsprechende grafische Management-Cockpits automatisch generiert werden. An dieser Stelle spielt das Wiki die Rolle einer klassischen Betriebsdatenerfassung (BDE).

Da die Semantik keine hart kodierten Datenbankstrukturen verwendet, sondern über Ontologien in der Lage ist, Beziehungen zwischen den unterschiedlichsten Datenelementen herzustellen, ist die Verknüpfung unterschiedlicher Datenformate und heterogener Datenstrukturen mit vergleichsweise geringem Aufwand möglich. Änderungen in den Ontologien finden nicht in der Datenbankstruktur statt; dadurch lassen sich Änderungen im Fertigungsaufbau leichter abbilden.

Semantische Technologien und Ontologien als wesentlicher Erfolgsfaktor für die Verknüpfung menschlicher und maschineller „Intelligenz“ (Quelle: gesinn.it GmbH & Co. KG)
Semantische Technologien und Ontologien als wesentlicher Erfolgsfaktor für die Verknüpfung menschlicher und maschineller „Intelligenz“ (Quelle: gesinn.it GmbH & Co. KG)

Die Maschinendaten müssen jedoch irgendwie aus den unterschiedlichen Ecken der Fabrik gesammelt werden. Gerade in der Industrie 4.0, die sich durch ein hohes Maß an Dezentralisierung und Heterogenität der Produktionseinrichtungen auszeichnet, wäre es nicht zielführend, wenn zu diesem Zweck ein weiteres zentrales System zum Sammeln und Auswerten der Produktionsdaten eingeführt würde. Stattdessen bietet es sich an, die Flexibilität von cyber-physischen Systemen im Agentennetzwerk der Fabrik 4.0 dafür zu nutzen [4].

Cyber-physische Systeme zur Datensammlung sind genauso wie andere cyber-physische Systeme in der Industrie 4.0 mit einer Hardwarekomponente sowie mit Software und Kommunikationsmöglichkeiten ausgestattet. Auch sie sind in der Lage, sich selbständig zu vernetzen und Daten auf unterschiedlichen Ebenen zu aggregieren. So können die Daten der cyber-physischen Dokumentationssysteme eines einzigen Arbeitsplatzes genauso an eine höhere Instanz gemeldet werden wie diejenigen aus der gesamten Produktion. Die Semantik macht es möglich, dass das System die Daten selbständig einander zuordnen und auf verschiedenen Ebenen aggregieren, auswerten und darstellen kann.

Je nach Beanspruchung und Umgebung kann die Hardwarekomponente eines derartigen cyber-physischen Systems zu sehr niedrigen Kosten bereitgestellt werden. Für viele Anwendungsfälle genügt bereits ein Kleinrechner beispielsweise auf Basis des Raspberry Pi, Banana Pi oder Odroid. Diese Geräte verfügen über Mehrkern-Prozessoren, internen Arbeitsspeicher, SD-Kartenspeicher, Netzwerk und IO-Schnittstellen. Die Verarbeitung und Speicherung der Daten übernimmt eine Kombination aus leichtgewichtigen ETL-Prozessen, Message Broker und einem semantischen Wiki. Alle Software-Komponenten lassen sich mit leistungsstarken OpenSource-Lösungen kostensparend realisieren.

Beispielarchitektur eines Cyber-physischen Systems in Hinblick auf Kollaboration und Wissensmanagement (Quelle: gesinn.it GmbH & Co. KG)
Beispielarchitektur eines Cyber-physischen Systems in Hinblick auf Kollaboration und Wissensmanagement (Quelle: gesinn.it GmbH & Co. KG)

Listen, Tabellen und Management-Cockpits werden auf Wiki-Seiten dargestellt, womit dem Bearbeiter die Möglichkeit offensteht, sie mit eigenen Anmerkungen anzureichern. Daneben können auch Prozessdarstellungen mit den Daten verknüpft und ebenfalls vom Bearbeiter annotiert werden. So können etwa die Messwerte für einen bestimmten Prozess-Schritt direkt neben das Flowchart des entsprechenden Schrittes eingeblendet werden; der Bearbeiter kann auf derselben Seite seine eigenen Beobachtungen und Verbesserungsvorschläge notieren, die dann vom System automatisch in einen Issue Tracker übertragen werden. Die Produktion ist also durch die Einsatz von semantischen Wikis gleich auf zweifache Art und Weise „smart“ geworden: zum einen durch die Datenintegration in der „Smart Factory“, zum anderen durch die Verbindung menschlicher und maschineller Intelligenz.

Quellenangaben:
[1] http://wordpress.p284734.webspaceconfig.de/inhaltsverzeichnis-ausgabe-4-2013/themen
[2] siehe z.B. Ausgaben 04/2013, 03/2014, 04/2014
[3] vgl. u.a. Miriam Schleipen u.a.: Interoperabilität von Manufacturing Execution Systems, in: Automatisierungstechnik 59 (2011), S. 413
[4] zum Begriff Agentennetzwerk vgl. u.a. http://de.wikipedia.org/wiki/Software-Agent

www.gesinn.it
Alexander Gesinn ist Geschäftsführender Gesellschafter der gesinn.it GmbH & Co. KG, einem Spezialisten für semantische Unternehmenslösungen. Zuvor war er als IT-Produktmanager, Leiter der Softwareentwicklung, Prozessmanager und Chief Information Officer für verschiedene IT-Unternehmen tätig.
Dr. Michael Scherm ist seit 15 Jahren in verschiedenen Management- und Beirats-Positionen, hauptsächlich in der IT-Industrie, tätig. Zuvor arbeitete er mehrere Jahre bei einer internationalen Management-Beratungsfirma.