Die Verwaltungsschale in der Praxis

Was ist eine Verwaltungsschale?

Industrie 4.0 verspricht effizientere und nachhaltigere Fertigungsprozesse via Digitalisierung. Die Grundlage hierfür entsteht durch den reibungslosen, automatischen Austausch von Informationen zwischen Anlagen und Produkten. Hier kommt die Verwaltungsschale (VWS; englisch: Asset Administration Shell) ins Spiel.

Eine Verwaltungsschale ist ein anbieterunabhängiger Standard für die Beschreibung Digitaler Zwillinge. Im Grunde ist sie das digitale Abbild eines Assets; entweder eines physischen Produkts oder eines virtuellen Gegenstands (z. B. Dokumente oder Software).

Die VWS definiert das Erscheinungsbild des Assets in der digitalen Welt. Sie beschreibt, welche Informationen eines Gerätes für die Kommunikation relevant sind und wie diese Informationen dargestellt werden. Die VWS eines Gegenstands kann damit alle wichtigen Daten über das Asset standardisiert und automatisiert bereitstellen.

Um zu verstehen, welchen Mehrwert eine VWS der Industrie bietet, hilft ein Blick in die Praxis.

Praxisbeispiel: VWS als Basis für neue Dienstleistungen

Im Rahmen des Forschungsprojekts ESCOM arbeitet CONTACT Software mit der GMN Paul Müller Industrie GmbH & Co. KG an der Umsetzung VWS-basierter Komponenten-Services. Das familiengeführte Unternehmen produziert Motorspindeln, die von seinen Kunden als Komponenten in Werkzeugmaschinen für die Metallbearbeitung eingebaut und anschließend weiterverkauft werden.

Bereits vor Beginn des Projektes hatte GMN eine neue Sensortechnologie entwickelt. Sie ermöglicht tiefe Einblicke in das Verhalten der Spindel und gewährt Aussagen zum ganzheitlichen Betrieb des Spindelsystems. Diese Informationen will die Firma nutzen, um neue, produktbegleitende Dienstleistungen anzubieten:

  • Zertifizierte Inbetriebnahme: Bevor GMN seine Spindeln ausliefert, werden die Komponenten auf dem hauseigenen Prüfstand einem festgelegten Prüfzyklus unterzogen. Mit den Daten aus diesem Referenzzyklus will das Unternehmen sicherstellen, dass Motorspindeln im Kundenunternehmen korrekt verbaut und in Betrieb genommen werden.
  • Prediktive Services: Einsatzdaten, die Rückschlüsse zur Verfügbarkeit und zum Betrieb der Spindeln erlauben, sollen Kunden mit der sensorischen Mikroelektronik IDEA-4S kontinuierlich erfassen und analysieren können. Im Bedarfsfall können die Daten gemeinsam mit GMN genutzt werden, zum Beispiel für Problemanalysen. Dies spart wertvolle Zeit bis zur Wiederinbetriebnahme der Bearbeitungsmaschine. Perspektivisch kann das Unternehmen vorausschauende Service-Angebote wie Predictive Maintenance realisieren.

Über die GMN Paul Müller Industrie GmbH

Die GMN Paul Müller Industrie GmbH ist ein familiengeführtes Maschinenbauunternehmen mit Sitz in Nürnberg. Es produziert Hochpräzisionskugellager, Maschinenspindeln, Freiläufe, berührungslose Dichtungen sowie elektrische Antriebe, die in zahlreichen Industrien zum Einsatz kommen. Einen Großteil dieser Komponenten fertigt die Firma individuell für ihre Kunden am Standort und vertreibt seine Produkte über ein weltweites Vertriebsnetzwerk.

Wie werden die neuen Angebote umgesetzt?

Für solche Services müssen Unternehmen auf die Sensordaten ihrer Maschinen zugreifen und diese analysieren können. Zugleich gilt es, Maschinen (bzw. deren Komponenten) zu befähigen, selbstständig mit anderen Assets und Systemen rund um den Shopfloor zu kommunizieren. Für beide Aufgaben nutzt GMN die Plattform CONTACT Elements for IoT. Die modular aufgebaute Software hilft dem Unternehmen nicht nur, die Referenz- und Einsatzdaten der Spindeln zu erfassen, zu dokumentieren und auszuwerten. Sie enthält auch Funktionen, mit denen User die VWS für ein Asset anlegen, befüllen und verwalten können.

Hintergrund

Bei der Realisierung der Services, die auf Betriebsdaten der Spindel basieren, profitiert GMN von der Zusammenarbeit mit einem Kunden. Dieser verbaut die Spindeln in Bearbeitungsmaschinen, die GMN zur Herstellung eigener Produkte einsetzt. Daher kann GMN die Betriebsdaten in-house gewinnen und zur Verbesserung der nächsten Spindelgeneration verwenden.

Welche Rolle spielt die Verwaltungsschale?

Damit die Komponenten Informationen in standardisierter Form austauschen können, muss für die Spindel auf Artikel- und Seriennummernebene eine AAS angelegt werden. Auch dies geschieht in CONTACT Elements for IoT. Die neuen Services werden darin in einem sogenannten VWS-Metamodell abgebildet. Es dient als „Absprungpunkt“ zu den Service-Angeboten.

VWS und Teilmodelle

Die VWS einer Industrie 4.0-Komponente besteht aus einem oder mehreren Teilmodellen, die jeweils eine strukturierte Menge an Merkmalen enthalten. Sie werden von der Industrial Digital Twin Association (IDTA) festgelegt, einem Verein, in dem 113 Organisationen aus den Bereichen Forschung, Industrie und Software (u. a. CONTACT Software) an der Definition von VWS zusammenarbeiten. Eine Liste mit allen derzeit verfügbaren Teilmodellen finden Sie unter https://industrialdigitaltwin.org/content-hub/teilmodelle.

Die Teilmodelle der VWS kann GMN in CONTACT Elements for IoT mit wenig Aufwand selbst befüllen. Die Plattform beinhaltet ein Widget, das im Rahmen des Forschungsprojekts als Prototyp entwickelt wurde. Es zeigt Usern an, welche Teilmodelle derzeit beim Asset vorhanden und welche verfügbar, aber noch nicht angelegt sind. Über das Frontend können User direkt auf den REST-Knoten springen und Teilmodelle hoch- bzw. herunterladen (im VWS-/JSON-Format).

Bei der Umsetzung der datenbasierten Service-Angebote konzentriert sich GMN auf die Teilmodelle

  • Time Series Data (u. a. semantische Informationen über Zeitreihendaten)
  • Typenschild (u. a. Informationen zum Produkt, dem Namen des Herstellers sowie der Produktbezeichnung und -familie),
  • Kontaktinformationen (standardisierte Metadaten einer Maschine/Anlage) sowie
  • Carbon Footprint (Informationen zum Carbon Footprint einer Maschine/Anlage)

Die Befüllung der Teilmodelle ist simpel. Das zeigt sich im Kontext von GMN am Modul Time Series Data. Während der Referenzfahrt einer Motorspindel auf dem internen Prüfstand werden die Zeitreihendaten von CONTACT Elements for IoT aufgezeichnet und automatisch in das Teilmodell der VWS der gerade geprüften Motorspindel übertragen. Zugleich legt die Plattform ein Dokument zur Referenzfahrt an. Dadurch kann GMN deren Gültigkeit jederzeit tracken und für externe Stakeholder bereitstellen.

Neue Services nehmen Gestalt an

Der Einsatz von Verwaltungsschalen erlaubt es GMN, seine Service-Ideen zu realisieren. Das betrifft aktuell den Inbetriebnahme-Service und die automatisierten Services zur Qualitätssicherung.

Durch die Analyse der Spindeldaten kann das Unternehmen Ausreißer in den Einsatzdaten erkennen und darauf aufbauend Handlungsempfehlungen geben. Unterschiedliche Schwinggeschwindigkeiten deuten beispielsweise darauf hin, dass die Spindel in der Maschine falsch verbaut wurde oder zeitlich veränderliche Vorgänge stattfinden. Genauso lassen sich anhand der Analyse Aussagen über Anomalien im Betriebsverhalten treffen.

Die Transparenz, die auf diesem Weg entsteht, wird in CONTACT Elements for IoT mithilfe von Dashboards erhöht. GMN sieht darin alle relevanten Informationen zu den auf dem Prüfstand befindlichen Spindeln, von 3D-Modellen bis hin zu Zustandsdaten. Diese Übersicht ist nicht zuletzt für das Qualitätsmanagement von hohem Wert.

Die Verwaltungsschale einer Spindel in CONTACT Elements.

Zusammengefasst

Verwaltungsschalen sind anbieterunabhängige Standards, mit denen Unternehmen Digitale Zwillinge beschreiben. Sie zählen zu den wichtigsten Hebeln für die Umsetzung neuer Industrie-4.0-Geschäftsmodelle, denn sie ermöglichen die Kommunikation zwischen Assets, Systemen und Organisationen.

Wie der Einsatz von Verwaltungsschalen in der Praxis funktioniert, zeigt das Beispiel GMN. Die Firma konzipiert damit neue, produktbegleitende Dienstleistungen, die auf den Informationen der VWS ihrer Produkte basieren. Diese Angebote kann GMN durch die fortwährende Analyse von Einsatzdaten in CONTACT Elements for IoT sukzessive verbessern.

Digitale Echtheit: So erkennen Sie KI-generierte Inhalte

Im digitalen Zeitalter stellt sich oft die Frage, ob wir Bildern, Videos oder Texten vertrauen können. Die Quelle einer Information herauszufinden, wird immer schwieriger. Generative KI beschleunigt die Möglichkeiten solche Inhalte zu erstellen enorm. Wo früher ein Künstler nötig war, können nun KI-Modelle in Sekundenschnelle Bilder und Audiodateien erzeugen. Modelle wie Sora von OpenAI erzeugen sogar Videos in hoher Qualität!

Diese Technologie bietet Chancen, aber auch Risiken. Einerseits beschleunigt sie kreative Prozesse, andererseits kann sie auch missbraucht werden, um zum Beispiel Phishing-Angriffe durchzuführen oder Deepfakes mit täuschend echt wirkenden Videos zu erstellen. Wie können wir also sicherstellen, dass online geteilte Informationen echt sind?

Digitale Wasserzeichen: unsichtbarer Schutz für Inhalte

Digitale Wasserzeichen sind eine Möglichkeit, die Herkunft von Bildern, Videos oder Audiodaten zu sichern. Diese für das menschliche Auge unsichtbaren Muster sind selbst nach geringfügigen Veränderungen, wie dem Komprimieren oder Beschneiden eines Bildes, durch Algorithmen wiederzuerkennen und lassen sich nur schwer entfernen. Sie kommen vor allem beim Schutz von Urheberrechten zum Einsatz.

Jedoch sind Wasserzeichen in Texten wesentlich schwieriger umzusetzen, da diese unter anderem weniger redundant sind als die Pixel in Bildern. Ein mit dem Wasserzeichen verwandter Ansatz ist es, kleine, aber sichtbare Fehler im Originalinhalt einzufügen. Diese Methode nutzt unter anderem Google Maps mit erfundenen Straßen: Tauchen diese auch in einer Kopie auf, lassen sich so Urheberrechtsverletzungen nachweisen.

Digitale Signaturen: Sicherheit durch Kryptografie

Digitale Signaturen basieren auf asymmetrischer Kryptografie. Das bedeutet, dass der Inhalt eines Werkes mit einem privaten Schlüssel signiert wird, den nur die Person besitzt, die ihn erstellt hat. Jeder andere kann dann mit dem öffentlichen Schlüssel die Echtheit des Inhalts bestätigen. Schon kleinste Änderungen am Inhalt machen die Signatur ungültig, wodurch Fälschungen praktisch unmöglich sind. Digitale Signaturen sorgen bereits in der Online-Kommunikation für Transparenz, etwa durch das https-Protokoll beim Surfen im Internet.

In einer Welt, in der alle digitalen Inhalte durch Signaturen geschützt wären, ließe sich von einem zugesendeten Artikel sofort die Herkunft und die Echtheit überprüfen sowie Absenderin und Quelle der Nachricht zurückverfolgen. So zum Beispiel bei einem Foto, wer es wo und wann aufgenommen hat. Eine Initiative, die dies vorantreibt, ist die Coalition for Content Provenance and Authenticity (C2PA). Sie arbeitet an technischen Standards, um digitale Signaturen auf Medieninhalte anzuwenden und deren Ursprung zu dokumentieren. Im Gegensatz zu Wasserzeichen sind Signaturen nicht fest im Inhalt integriert und können entfernt werden, ohne dabei das Material zu verändern. In einer idealen Vorstellung würde jeder digitale Signaturen verwenden – fehlende Signaturen würden dann Zweifel an der Vertrauenswürdigkeit des Inhalts wecken.

GenAI-Detektoren: KI gegen KI

GenAI-Detektoren sind eine weitere Option, generierte Inhalte zu erkennen. KI-Modelle sind Algorithmen, die bestimmte Muster hinterlassen. Andere KI-Modelle können diese wiederum erkennen. Solche Muster sind zum Beispiel bestimmte Formulierungen oder Satzstrukturen. Tools wie GPTZero erkennen bereits mit hoher Genauigkeit, ob ein Text von einem generativen KI-Modell wie ChatGPT oder Gemini stammt. Diese Detektoren sind zwar noch nicht perfekt, bieten aber eine erste Orientierung.

Was bedeutet das für Nutzer*innen?

Digitale Signaturen bieten unter allen Optionen den stärksten Schutz, da sie für alle Inhalte verwendbar sind und auf kryptografischen Methoden basieren. Ich bin gespannt, ob mit Projekten wie der C2PA vertrauenswürdige Standards etabliert werden können. Dennoch sind je nach Zweck verschiedene Maßnahmen nötig, um die Vertrauenswürdigkeit digitaler Inhalte zu gewährleisten. Neben den technologischen Lösungen bleibt kritisches Denken immer noch eine der besten Methoden, um im Informationszeitalter sicher zu navigieren. Die Menge an verfügbaren Informationen wächst ständig – daher ist es wichtig, Informationen kritisch zu hinterfragen, zu überprüfen und sich den Fähigkeiten von generativen KI-Modellen bewusst zu sein.

Einen umfangreicheren Beitrag zum Thema finden Sie auch hier auf dem CONTACT Research Blog.

Datenmigration in Cloud PLM-Systeme

Herausforderungen und Best Practices für eine erfolgreiche Datenmigration 

Immer mehr Unternehmen setzen auf Cloud-basierte PLM-Systeme, um ihre Produktentwicklungsprozesse effizienter zu gestalten. Unabhängig davon, ob sie bereits ein On-Premises-PLM-System nutzen und auf eine Cloud-Lösung umsteigen möchten oder erstmals ein Cloud-PLM-System implementieren: Eine der größten Herausforderungen dabei ist die reibungslose und sichere Migration von Datenbeständen. 

Wie lassen sich diese Daten zuverlässig in das neue System überführen? In diesem Blogbeitrag beleuchten wir die Herausforderungen und Best Practices für eine erfolgreiche Datenmigration in Cloud-PLM-Systeme und geben Ihnen Tipps, wie Sie den Übergang effizient und ohne Datenverluste gestalten.

Welche Herausforderungen entstehen bei der Datenmigration in Cloud PLM-Systeme?

Bei der Migration von Daten in Cloud PLM-Systeme können Hürden auftreten, die den gesamten Prozess erschweren und verzögern:

1. Datenqualität und -konsistenz

Altdaten sind oft unvollständig oder inkonsistent. Fehlende Attribute, ungültige Werte oder doppelte Datensätze können den Migrationsprozess behindern. Besonders bei CAD-Modellen führen fehlende Dateien oder gebrochene Referenzen dazu, dass sich Modelle nicht vollständig importieren lassen.

2. Datenumfang und -komplexität

Je nach Umfang und Komplexität der zu übertragenden Daten kann der Migrationsprozess sehr zeitaufwändig sein. Große Datenmengen wie komplette Versionsketten von CAD-Daten oder Stücklisten mit vielen Hierarchiestufen erfordern erhebliche Rechenressourcen und verlangsamen gegebenenfalls die Migration.

3. Strukturunterschiede zwischen Systemen

Die Datenstruktur im neuen Cloud-PLM-System kann sich von der in Ihrem Altsystem unterscheiden. Möglicherweise sind Attribute, Datenfelder oder Beziehungen zwischen Datensätzen unterschiedlich organisiert, weshalb Daten vor dem Import transformiert oder neu strukturiert werden müssen.

4. Technische Herausforderungen

Die Migration von Daten in ein Cloud-System bringt spezifische technische Fragen mit sich. Beispielsweise müssen neben der Kompatibilität der Dateiformate ausreichend hohe Netzwerkbandbreiten und Datentransferraten sichergestellt werden. 

5. Sicherheits- und Compliance-Anforderungen

Bei der Übertragung sensibler Daten in die Cloud sind strenge Sicherheits- und Compliance-Richtlinien einzuhalten. Daten müssen verschlüsselt transportiert und gespeichert werden, außerdem gelten Datenschutzbestimmungen wie die DSGVO.

Welche zentralen Fragen sollten Sie im Vorfeld der Datenmigration klären?

Die Migration von Altdaten wird oft unterschätzt, obwohl sie eine der kritischsten Aufgaben ist, bevor ein neues PLM-System live geschaltet wird. Um Ihre Bestandsdaten erfolgreich zu importieren, sollten Sie frühzeitig eine Reihe von Fragen klären.

Zunächst müssen Sie festlegen, welche Datenobjekte in das neue System übertragen werden: Handelt es sich um CAD-Baugruppen, Teile und Stücklisten, Office-Dokumente oder Projekte? Zudem ist es wichtig, den Umfang der Daten zu bestimmen: Wollen Sie Daten aus einem bestimmten Projekt, einem Produkt, einem spezifischen Unternehmensstandort oder das gesamte Datenarchiv migrieren?

Ebenso sollten Sie klären, in welchem Umfang Sie historische Daten migrieren wollen. Möchten Sie nur die neueste Version übertragen oder alle Versionen inklusive des vollständigen Audit-Trails und der Konstruktionsänderungen? Diese Aspekte sind von zentraler Bedeutung, da sie den Umfang und die Komplexität der Migration beeinflussen.

Auch der Inhalt der Daten selbst sollte genau betrachtet werden. Überlegen Sie, ob alle Attributwerte und CAD-Parameter benötigt werden oder ob es ausreicht, nur einen Teil davon zu importieren. Dies ist wichtig, um zu definieren, welche Daten in welchen Objekten und Attributen im Ziel-PLM-System gespeichert werden sollen.

Was macht die Datenübertragung in CIM Database Cloud so einfach?

1. Benutzerfreundliche Import-Tools

Das cloud-basierte PLM-System CIM Database Cloud bietet leistungsstarke, einfach zu bedienende Import-Tools, die speziell darauf ausgelegt sind, den Migrationsprozess zu vereinfachen. Sie ermöglichen es Ihnen, Konfigurationsdaten wie Feldauswahlwerte (z.B. Dropdown-Felder) sowie PLM-Daten wie CAD-Dokumente, Teile, Stücklisten, Office-Dokumente, Projekte und Anforderungsspezifikationen schnell und effizient zu importieren.

2. Unterstützung verschiedener Dateiformate

CIM Database Cloud unterstützt eine Vielzahl von Dateiformaten und Datenquellen, was den Import von unterschiedlichen Datenobjekten erleichtert. Dazu gehören unter anderem Excel-Dateien, CAD-Formate und das ReqIF-Format für Anforderungsspezifikationen.

3. Automatisierte Validierungsprozesse

CIM Database Cloud verfügt über integrierte Validierungsmechanismen, die dabei helfen, potenzielle Fehler während des Importprozesses zu erkennen und zu beheben. Diese Funktionen prüfen während des Imports automatisch, ob die Daten vollständig und konsistent sind, und tragen so zu einer hohen Datenqualität bei.

4. Iterativer Migrationsansatz

Die Plattform unterstützt einen iterativen Migrationsansatz, bei dem Sie Daten schrittweise importieren und testen können. So erkennen und beheben Sie potenzielle Probleme frühzeitig, ohne dass der Migrationsprozess beeinträchtigt wird. Dies reduziert das Risiko von Fehlern und beschleunigt die Datenmigration.

5. Detaillierte Dokumentation und Support

Begleitend zum Migrationsprozess bietet CIM Database Cloud eine umfangreiche Dokumentation und Tutorials. Diese enthalten klare Anleitungen und Beispiele, wie Sie verschiedene Datentypen importieren und konfigurieren können. Zusätzlich stehen Ihnen Customer Success Manager*innen zur Seite, die Sie bei Bedarf unterstützen.

Fazit

Die Migration von Daten in Cloud-basierte PLM-Systeme ist häufig mit vielen Herausforderungen verbunden. Eine erfolgreiche Datenmigration erfordert daher eine sorgfältige Planung, die Aspekte wie Datenqualität, Umfang, Strukturunterschiede und Sicherheitsanforderungen berücksichtigt.

CIM Database Cloud bietet Ihnen die Möglichkeit, Ihre PLM-Daten effizient zu migrieren und Ihre Produktentwicklungsprozesse zukunftssicher zu gestalten. Durch benutzerfreundliche Import-Tools, die Unterstützung verschiedener Datenformate, automatisierte Validierungsprozesse und eine umfangreiche Dokumentation können Unternehmen ihre bestehenden Daten nahtlos und sicher integrieren. Ein iterativer Migrationsansatz, gepaart mit einer umfassenden Vorbereitung, minimiert Risiken und sorgt für einen reibungslosen Übergang ins neue System.