Ein digitaler Zwilling ist viel mehr als ein digitales Modell aus Geometrien wie Kurven, Oberflächen und Festkörpern. Es ist ein dynamisches digitales Modell, das von Echtzeitdaten aus einem realen Produkt im Feld gesteuert werden kann, sei es eine Turbine, ein Roboter, eine Maschine oder eine Drohne. Das Setup ermöglicht dem virtuellen Zwilling, das mechatronische Verhalten des physischen Gegenstücks zu replizieren. Es ist eine agile Methode, um den Zustand des Produkts aus der Ferne zu überwachen, seine Leistung unter hypothetischen Bedingungen zu simulieren und sogar seine potenziellen Fehler vorherzusagen.

Man kann den digitalen Zwilling mit einem realen oder virtuellen Controller ansteuern, ebenso sein reales Gegenüber. Dabei können die Sensor-Werte des realen zum digitalen Zwilling übertragen werden, um mit diesem Simulationen und Analysen durchzuführen. Nicht sichtbare Parameter wie z.B. Kräfte oder Temperaturen können auf dem digitalen Zwilling visualisiert werden. Somit können Produktoptimierungen agil und ohne Umweg direkt mit realen Daten am Entwicklungsmodell des Produktes realisiert werden. Interessant ist die Interaktion zwischen den Zwillingen auch, wenn die Daten einer «Flotte» von realen Produkten (z.B. im Einsatz stehende Maschinen) für die Produktoptimierungen oder Fehleranalysen verwendet werden können.

 Ein digitaler Zwilling kann von einem Produkt, einer Produktionsanlage, einem komplexes Gebäude, einer Stadt oder auch z.B. von einem Herz erstellt werden. (siehe Bilder unten)

 Die physikalischen, logischen und regelungstechnischen Parameter eines digitalen Zwillings können mit Tools wie MODELICA, MATLAB/SimuLink und z.B. 3DExperience (Kinematik & CAD) erstellt werden. In unserem Beispiel haben wir die 3D-Experience-Business-Plattform von Dassault verwendet.

Bilder zu Digitalen Twins:

Gebäude:

Produktionsanlage:

City:       https://ifwe.3ds.com/industry/3dexperiencity

Living Heart        https://www.3ds.com/products-services/simulia/solutions/life-sciences/the-living-heart-project/)

Blogautor:

Peter Hug

Von smarten Produkten zu neuen Service-Modellen: Neues Business mit neuen Ansätzen

 Digitalisierung ist zum Schlagwort geworden. Sensoren, Autoren, Cloud, Internet-of-Things etc. treiben die Innovation voran. Vor dem Hintergrund dieser technologischen Innovationen kommt der Fokus auf den betriebswirtschaftlichen Nutzen oft zu kurz. Dieser muss konsequent an den Anwendern oder Kunden ausgerichtet sein und Wert für deren Prozesse generieren. Eine erfolgreiche Umsetzung von Industrie 4.0 Konzepten muss vom Geschäftsnutzen her konzipiert sein und dabei gleichzeitig die Möglichkeiten der neuen Technologien nutzen.

Mit den Werkzeugen des Service Engineering stehen uns effektive und bewährte Instrumente zur Verfügung für die Entwicklung von Smart Services und Smart Products, die sich am Nutzen der Anwender orientieren. Das zentrale Konzept dabei ist die Schaffung von Nutzwert durch den Kunden zusammen mit dem Anbieter (Stichwort «Co-Creation»). Damit verschiebt sich konzeptionell der Fokus der Werterzeugung an die Schnittstelle zwischen Kunden und Anbietern. Die Kunden tragen zur Wertschöpfung und insbesondere zur Qualität des Services massgeblich bei.

An der Konferenz «Konferenz Perspektiven mit Industrie 4.0 – Von smarten Produkten zu neuen Service-Modellen: Neues Business mit neuen Ansätzen» diskutieren wir unter dem Motto « Lernen durch Beispiele » gangbare Perspektiven für Schweizer KMUs. Anhand von konkreten Umsetzungen zeigen Vertreter von Firmen und Hochschulen, was heute möglich ist, und berichten über ihre Erfahrungen. Damit wird die Konferenz Firmen helfen, den nächsten Schritt in der Umsetzung von Digitalisierung zu machen.

Blogautor:

Jürg Meierhofer

Industrie 4.0 ohne Daten

Was auf den ersten Blick nach einem Widerspruch in sich selbst tönt, ist gemäss einer informellen Umfrage unter Kollegen offenbar gar nicht so selten: angewandte Forschungsprojekte in Industrie 4.0 oder Big Data – ohne Daten. Oft passiert es, dass der Industriepartner viel weniger Daten liefert, als im Projektplan vorgesehen waren, oder dass diese Daten nicht die nötige Qualität besitzen. Die Gründe für den ausgetrockneten Informationsfluss mögen von Projekt zu Projekt unterschiedlich sein, aber wenn auch intensives Nachbohren nichts mehr hilft, gibt es nun einen Beitrag eines ZHAW-Teams, wie man in solchen Situationen doch noch weiter kommen könnte.

Bei diesem Projekt ging es ursprünglich darum, «Komplexität» in einem industriellen Produktionsprozess möglichst automatisiert zu messen. Das Ziel war, «schlechte» Komplexität (Mehrspurigkeiten, Organisationsverluste, etc) zu reduzieren, ohne die «gute» Komplexität, welche zur Erfüllung der Kundenwünsche nötig ist, zu gefährden. Da der Industriepartner jedoch bis zum Projektende nicht ausreichend Daten der zu untersuchenden Produktionsprozesse lieferte, musste ein Plan B entwickelt werden.

Der Leitgedanke bei der Entwicklung eines solchen «datenlosen» Systems war, dass die fehlenden Daten, falls sie nachgeliefert würden, möglichst einfach integriert werden können. Als Schnittstelle wurde deshalb ein Rohdatenformat in Form von «timestamped events» aus einem Produktionsprozess gewählt, wie sie typischerweise aus Industrie 4.0 Prozessen zur Verfügung stehen.

Auf der einen Seite wurde dann aus vorhandenen high-level Beschreibungen eine Simulation des anvisierten Produktionsprozesses erstellt, in abstrahierter und vereinfachter, aber später gut erweiterbarer Form eines «Job-Shops». Diese virtuelle Produktionsanlage lieferte dann die benötigten Daten in Form von Prozesschritten mit zugehörigem Zeitstempel, welche schliesslich auf der anderen Seite durch ein autoencoder-basiertes neuronales Netzwerk im Hinblick auf ihre Komplexität analysiert wurden.

Dieser Ansatz erlaubte es einerseits, ein vollständig automatisiertes Verfahren zur Berechnung der «Komplexität» von solchen Produktionsprozessen zu entwickeln, das vorgeschlagene neue Komplexitätsmass zu validieren und dieses mit bekannten Methoden aus der Literatur zu vergleichen, auch ohne dass die tatsächlichen Daten verfügbar waren. Andererseits kann das System bei Ankunft dieser Daten mit geringem Aufwand angepasst und für den Kunden nachvollziehbar mit dem rein virtuellen Szenario verglichen werden.

Im Detail nachzulesen ist dieser Beitrag im bald erscheinenden Buchkapitel [1]. Für den Fall, dass wieder einmal ein Industrie 4.0 Projektteam ohne Daten bleibt.

[1] Hollenstein, L., Lichtensteiger, L., Stadelmann, T., Amirian, M., Budde, L., Meierhofer, J., Füchslin, R. M., and Friedli, T. (2018). Unsupervised Learning and Simulation for Complexity Management in Business Operations. In: Braschler, M., Stadelmann, T. & Stockinger, K. (Eds.) (2018). “Applied Data Science – Lessons Learned for the Data-Driven Business”, Berlin, Heidelberg: Springer, expected 2018.

Blogautor:

Lukas Lichtensteiger

Anfangs 2018 flogen Peter Qvist-Sørensen und Grégoire Meylan (School of Management and Law, Center for Business in the Americas) im Rahmen eines swissnex-Mini-Sabbatical nach Amerika. Ziel des Aufenthaltes war, den Stand der Digitalisierung in der amerikanischen Maschinen-, Elektro- und Metallbranche (MEM-Branche) mit Fokus auf die Ostküste und den Midwest und aus Sicht unterschiedlicher Akteure aus Industrie, Regierung und Wissenschaft zu verstehen. Der Besuch erlaubte auch, den Stand der Digitalisierung in der Schweizer MEM-Branche und deren Herausforderungen vorzustellen, neue Kontakte zu knüpfen und mögliche Kooperationspfade zu skizzieren. Die Anstrengungen führten schon zu einer Round-Table-Diskussion über Smart Cities, Smart Grids, Cyper-Physical Systems und Auswirkungen auf das industrielle Internet der Dinge am 2. Mai 2018 mit Dr. Chris Greer (Leiter des US National Institute of Standards and Technology, NIST) am Bundesamt für Energie sowie eine Podiumsdiskussion über die gleichen Themen am 3. Mai mit Dr. Greer an der ZHAW. Unten werden die Haupterkenntnisse des Besuchs kurz vorgestellt.

Das Fehlen von Definitionen und Standards in Industrie 4.0 erschwert den Einsatz digitaler Technologien in der MEM-Branche, z.B. frei zugänglicher Daten und Plattformen. In diesem Zusammenhang ist das Besitzen von Daten und Algorithmen ein grosses Thema. In den USA versucht das NIST in einer Koordinationsrolle diese Lücke zu schliessen. Gemäss dem NIST könnte eine internationale Standardisierung durch eine gemeinsame Identifizierung der neu auftretenden Probleme im Bereich Industrie 4.0, Smart Grids, usw. erfolgen.  

Eine holistische Herangehensweise ist zur nachhaltigen Einführung von Industrie 4.0-Konzepten notwendig. Technologien müssen gemeinsam und konsistent mit Geschäftsmodellen und Unternehmensorganisation entwickelt werden. Damit aber dies tatsächlich passiert, muss mehr Interdisziplinarität und praxisnahes Lernen in die Hochschulen einfliessen. In diesem Zusammenhang wurde das Schweizer duales Bildungssystem gelobt.

Eine der grössten Herausforderungen für die Industrie 4.0 in den USA ist der Mangel an talentierten Fachkräften, insbesondere an Ingenieuren. Grund dafür war die Auslagerung der Produktion nach Asien. Unternehmen brauchen jetzt sowohl Datenwissenschaftler mit einem starken Hintergrund im Bereich maschinelles Lernen als auch Brancheninsider, die gemeinsam arbeiten. Eine digital vorangetriebene Reindustrialisierung könnte aber zu sogennanten «lights-out Factories» führen und somit nur wenig neue Arbeitsstellen mit sich bringen.

Letztendlich sehen die Befragten eine spannende Schnittstelle zwischen Industrie 4.0 und den Cleantech-Industrien. Umweltinformationen (z.B. CO₂-Emissionen) können z.B. mittels RFID entlang einer Lieferkette geteilt werden, damit Massnahmen zur Verbesserung des Umweltfussabdrucks von Produkten möglichst effizient wirken. Weitere, disruptivere Anwendungen sind in den USA schon Alltag. Apps werden gebraucht, um Abfälle oder potentiell wertvolle Gegenstände, welche auf der Strasse liegen, bei der Gemeinde zu melden (Boston 311, https://www.boston.gov/departments/bos311).

Blogautor:

Grégoire Meylan

=> Jetzt hier anmelden

Digitalisierung und Industrie 4.0 sind eine Herausforderung für Schweizer KMUs – gleichzeitig liegen hier riesige Chancen. Smarte Produkte eröffnen neue Märkte und ermöglichen neue und innovative Geschäftsmodelle, oft in Form von neuen Services.

Unter dem Motto „Lernen durch Beispiele“ zeigt die Konferenz gangbare Perspektiven für Schweizer KMUs auf. Anhand von konkreten Umsetzungen zeigen Vertreter von Firmen und Hochschulen, was heute möglich ist, und berichten über ihre Erfahrungen. Damit wird die Konferenz Firmen helfen, den nächsten Schritt in der Umsetzung von Digitalisierung zu machen.

Speziell im Fokus der Konferenz steht die Frage, wie man mit in einer digitalisierten Welt neue Produkte und Services entwickeln kann. Wir beleuchten Erfolgsfaktoren wie Produktentwicklung von smarten Produkten und deren Produktion, Service-Design, Geschäftsmodell-Entwicklung,

Rückblick auf die erste Tagung «Perspektiven mit Industrie 4.0» vom 6. September 2017

Die erste Winterthurer Konferenz «Perspektiven mit Industrie 4.0» am 6. September 2017 thematisierte die vielfältigen Chancen, die die Digitalisierung für Schweizer KMUs bietet. In zehn Vorträgen zeigen Vertreter von Firmen und Hochschulen anhand konkreter Beispiele auf, was sie heute schon umgesetzt haben, und berichteten über ihre Erfahrungen. Ganz unter dem Motto: «Von Erfolgen lernt man am besten!».

Ian Roberts, Chief Technology Officer von Bühler AG, zeigte auf, wo Bühler auf seiner digitalen Reise steht, was schon erreicht werden konnte, und was die nächsten Schritte sind. Der Beitrag von Andreas Häberli der Dormakaba-Gruppe zeigte eindrucksvoll, welche Chancen sich einem traditionsreichen Hersteller von Schliesssystemen in der digitalen Welt von heute bieten, und wie diese für die weitere Geschäftsentwicklung umgesetzt werden können. 

Wie kann man ganz konkret Wert erzeugen mit Betriebs- und Sensordaten? Die Firma Intelliact AG zusammen mit der Rhätischen Bahn demonstrierte, wie sich der Bahnunterhalt grundlegend wandelt, wenn die verfügbaren Daten systematisch erfasst und ausgewertet werden. Auch verschiedene andere Vorträge zeigten das Potential auf, das in der Auswertung von Daten liegt. Nicht nur kann damit eine Kostenreduktion bei internen Prozesse erreicht werden, es werden auch ganz neue Dienstleistungen möglich, die die Produktpalette von klassischen Geräte – und Anlagenherstellern erweitern und ganz neue Businessmöglichkeiten schaffen. 

Über alle Vorträge hinweg war klar zu sehen, dass die Herausforderung von Industrie 4.0 nicht vorwiegend in der Beherrschung der Technologie liegt. Technologie ist vorhanden und kann einfach und schnell eingesetzt werden. Eine der grössten Chancen für Schweizer KMUs besteht darin, mithilfe dieser Technologie und der damit erfassten Daten neue Dienstleistungen zu entwickeln. Auf der Grundlage der vorhandenen Kompetenzen im Bereich der Anlagen- und Geräteentwicklung können so neue Marktsegmente erschlossen werden, und in umkämpften Märkten ergeben sich Alleinstellungsmerkmale. 

Insgesamt zeigte die Tagung eindrucksvoll, wie Schweizer Firmen heute schon erfolgreich unterwegs sind, um die Chancen der Digitalisierung konkret zu ergreifen. Die Vorträge und die Diskussionen am Rande konnten so inspirieren und konkrete Ansatzpunkte liefern für den Weg in die digitale Zukunft. 

Studierende können nun an der ZHAW in Kooperation mit der Universität Zürich oder der Universität Neuenburg im Bereich Data Science doktorieren.

Die ZHAW School of Engineering ist Leading House des von Swissuniversities geförderten PhD Networks in Data Science. In dem Netzwerk kooperieren drei Departemente der ZHAW (School of Management and Law, Life Science and Facility Management, School of Engineering), drei Fakultäten der Universität Zürich (Mathematisch-Naturwissenschaftliche Fakultät, Wirtschaftswissenschaftliche Fakultät, Philosophische Fakultät), die Faculty of Science der Universität Neuenburg und das Department of Innovative Technologies des SUPSIs (Scuola universitaria professionale della Svizzera italiana).

Doktorierende arbeiten hierbei auf angewandten Forschungsprojekten der Fachhochschule und werden bei ihrem Doktorat von einem Hauptbetreuer an der Partneruniversität und einem Co-Betreuer an der Fachhochschule betreut. Sie sind in die regulären PhD Programme der Partneruniversitäten eingeschrieben und müssen das Standard-Aufnahmeverfahren durchlaufen. Am Ende erhalten Sie den Doktortitel der jeweiligen Partneruniversität (UZH oder Uni Neuenburg). Das PhD Network steht auch für Studierende mit FH-Masterabschluss offen, die jedoch für die Aufnahme an den Partneruniversitäten entsprechend Konvergenzprogramme (spezifisch für die jeweilige Fakultät) durchlaufen müssen.

Die Themen der Doktorate im Bereich Data Science sind weit gefasst und schliessen die datenintensiven Gebiete im Bereich Industrie 4.0 explizit ein (z.B. Predictive Maintenance, Data Analytics and Risk Management, Cloud Computing).

Interessenten für ein Doktorat im PhD Network in Data Science können bitte Prof. Dr. Dirk Wilhelm (dirk.wilhelm@zhaw.ch) kontaktieren.

Blogautor: 

Dirk Wilhelm

Das ZHAW Institut für Marketing Management erforscht regelmässig die Wahrnehmung und Akzeptanz neuer Technologien (z.B. Virtual Reality, Augmented Reality, AI-Anwendungen) aus Kundensicht und untersucht, wie diese für Marketingzwecke genutzt werden können.

Eine solche Anwendung stellt die Facial Reenactment Software dar, die es ermöglicht, Mimik und Lippenbewegungen eines Menschen zu erfassen und – das ist geradezu revolutionär – das Ganze in Echtzeit auf das Videobild einer anderen Person zu übertragen. Entwickelt hat die Technologie Justus Thies, Doktorand an der Friedrich-Alexander Universität Erlangen-Nürnberg (FAU) am Lehrstuhl für Graphische Datenverarbeitung, in Zusammenarbeit mit Forschern der FAU, der Universität Stanford und des Max-Planck-Instituts für Informatik.

Wir haben uns mit Justus Thies über die Chancen und Risiken der Software unterhalten.

Herr Thies, Ihre Facial Reenactment Software mutet geradezu unglaublich an. Was leistet diese Software und wie funktioniert sie?

Im Mittelpunkt unserer Entwicklung steht bzw. stand die Weiterentwicklung von Gesichtstrackern, also Software die die Mimik einer Person verfolgen kann. Dabei wurde darauf geachtet das keine speziellen Kameras von Nöten sind und stattdessen eine gewöhnliche Webcam benutzt.

Um die Mimik einer Person zu verfolgen, wird das Gesicht einer Person dreidimensional erfasst. Dazu verwenden wir ein statistisches Modell, das auf einer Datenbank von ca. 200 Personen besteht, die mit Hilfe eines Laserscanners dreidimensional erfasst wurden.

Nach der Rekonstruktion der Gesichtsform und Gesichtsfarbe wird ein Ansatz der Analyse durch Synthese verwendet, um die Mimik einer Person in einem Bild zu schätzen. Das heisst das Gesichtsmodell wird solang verformt, bis jedes Pixel des synthetischen Bildes mit dem originalen Bild bestmöglich übereinstimmt.

Als Demonstration für die Genauigkeit unseres Gesichtstracker haben wir das Facial Reenactment gewählt. Dabei demonstrieren wir einerseits die Geschwindigkeit unseres Trackers, aber auch andererseits die erreichte Rekonstruktionsqualität.

Um das Facial Reenactment zu ermöglichen werden zwei Videos benötigt. Ein Video mit dem „Source Actor“, also dem treibenden Schauspieler, und einem zweiten Video mit dem „Target Actor“, also dem Schauspieler, dem eine neue Mimik gegeben wird. Beide Personen werden mit unserer Software dreidimensional erfasst. Nun wird die Mimik des „Source Actors“ auf den „Target Actor“ übertragen. Das neue Gesicht des „Target Actors“ wird anschliessend mit Standard Computergraphik- Techniken auf das Ursprungsvideo gezeichnet.

Wo liegen die Schwierigkeiten bei der Software? Wo gibt es noch Entwicklungsbedarf?

Die Software kann nur solche Mundbewegungen wiedergeben, die in dem Video des „Target Actors“ vorhanden sind. Das liegt vor allem daran, dass der Mundinnenraum nicht dreidimensional rekonstruiert wird. Anstelle dessen wird eine Datenbank von Mundinnenräumen aufgebaut.

Wenn nun der Mund eine bestimmte Pose einnehmen soll, wird in dieser Datenbank nach einem passenden Mundinnenraum gesucht und dieser in das Bild eingefügt.

In Zukunft planen wir auch den Mundinnenraum dreidimensional zu rekonstruieren, dadurch wird es möglich sein auch Mundposen zu synthetisieren, die nicht in dem Beispielmaterial vorhanden sind.

In unserer digitalisierten Welt sind manipulierte Bilder und Fake Videos sehr verbreitet. Ihre Software könnte auch missbräuchlich genutzt werden, indem man z.B. Politikern oder Konzernchefs falsche Worte in den Mund legt. Wie sehen Sie diese Problematik und was tun Sie gegen Missbrauch?

Unsere Software ist zurzeit nur in der Lage die Mimik einer Person zu verändern. Sie ist nicht fähig Sprache einer Person zu synthetisieren. D.h. die Software kann so noch nicht eingesetzt werden um jemanden ein falsches Wort in den Mund zu legen.

Uns ist bewusst, dass die Synthese von Stimmen auch grosse Fortschritte macht, in gleichem Masse wird aber auch an Programmen entwickelt, die Fälschungen erkennen. Dieses Teilgebiet der Informatik nennt sich digitale Forensik. Dabei werden Spuren von Manipulationen gesucht. Dies kann zum einen durch falsche physikalische Effekte (insbesondere Beleuchtung, Schatten) in einem Bild erkannt werden, aber auch durch statistische Effekte (insbesondere Rauschverhalten einzelner Kameras). Wir arbeiten auch an solcher Software, da unser Tracking-Algorithmus nicht nur die Mimik und Gesichtsform, sondern auch die Beleuchtung in einem Bild schätzen kann.

Könnte diese Software auch für das Marketing genutzt werden, wo gerade Augmented und Virtual Reality ein grosses Thema sind?

Die Anwendungsgebiete sind zahlreich. Marketing gehört sicherlich auch dazu. Ich hatte bereits interessante Anfragen von Sozialwissenschaftlern, die analysieren möchten, wie Menschen auf bestimmte Nachrichten reagieren, wenn sie visuell von verschiedenen Personen vermittelt werden.

Im Bereich Augmented und Virtual Reality haben wir unsere Forschung bereits weitergebracht, siehe dazu unser aktuelles Projekt FaceVR. 

Mehr Informationen zur Facial Reenactment Software

http://lgdv.cs.fau.de/publications/publication/Pub.2016.tech.IMMD.IMMD9.face2f/

Friedrich-Alexander Universität Erlangen-Nürnberg (FAU)

Blogautoren:

Rolf Rellstab und Michael Klaas

Konferenz Perspektiven mit Industrie 4.0

September 2017, 9:00 – 17:00 Uhr
ZHAW School of Engineering, Technikumstrasse 9, 8400 Winterthur

CTO’s von führenden Unternehmen teilen ihre Erfahrungen bzgl. Digitalisierung. Was kann heute umgesetzt werden. Lassen Sie sich inspirieren!

Programm und Anmeldung

Smart Risk: Der Griff der virtuellen Welt nach der Wirklichkeit

Der Betrieb smarter Systeme wie Industrie 4.0 ist, wie alle anderen Produktionssysteme auch, dem Unternehmensmanagement unterworfen. Ein Teil davon ist das (technische) Risikomanagement, z.B. nach ISO 31000. Risikomanagement und die dahinterliegenden Konzepte bauen dabei auf jahrzehntelangen Erfahrungen, Methoden und Best Pratices auf. Sie sind in den Unternehmen und Branchen fest etabliert, beruhen aber fast immer auf Denkweisen und Methoden, die aus der Zeit vor dem Internet stammen.

Industrie 4.0 stellt also die gewohnten Vorgehensweisen in Frage. Ein Grund dafür ist die bisher unvollständige Verbindung zwischen Informationstechnik (IT) und Risk Engineering, d.h. der IT Security einerseits und Gefahrenanalyse andererseits. Kurz: die bisher virtuelle Welt der IT greift zunehmend in die physische Welt ein und kann damit Schäden verursachen. Versagende IT Security kann zum Beispiel zur Freisetzung eines gefährlichen Stoffes aus einer Chemieanlage führen und für Schäden an Mensch und Umwelt verantwortlich sein. Ein modernes Risikomanagement muss jedoch damit umgehen können.

Risiko beschreibt ganz allgemein Auswirkungen von Abweichungen vom Normalbetrieb und wird ihm Engineering meist als Häufigkeit und Ausmass unerwünschter Ereignisse verstanden. Risikomanagement ist dann die Art und Weise, wie ein Unternehmen solche Ereignisse erkennt, analysiert, beurteilt und schliesslich handhabt. Die IT und das Risk Engineering gingen jedoch bisher getrennte und nicht immer zusammenpassende Wege. Risikomanagement in den Zeiten der Industrie 4.0 bedeutet somit, dass sich zwei recht unterschiedliche Denk- und Vorgehensweisen zusammenraufen müssen. Das heisst aber auch, sich übergreifend mit dem Thema Risiko zu beschäftigen und voneinander zu lernen. Die im CAS Industrie 4.0 vorgestellten und am Institut für Nachhaltige Entwicklung INE angewandten  Methoden verbinden dabei drei Analyse-Ebenen:

Abb. Mehrschichtenmodell computergesteuerter und vernetzter Systeme (Quelle: Mock R., Zipper Ch., Risiko: das Ende eines Konzeptes? Sicherheitsforum 1/2017)

Die erste Ebene umfasst das klassische Risikomanagement physischer Einrichtungen z.B. die Handhabung des Versagens von Pumpen und Ventilen einer Produktionsanlage. Am anderen Ende liegt die dritte Ebene. Sie beschreibt die Software-Ebene, z.B. Betriebssysteme und beinhaltet die Prinzipien der IT Security, z.B. der Ermittlung der Vertraulichkeit, Integrität und Verfügbarkeit von Daten. Neu ist die dazwischenliegende Kontroll-Ebene. ICS (IndustrialControl System), SCADA (Supervisory Control and Data Acquisition) und HMI (Human Machine-Interface) sind Stichwörter für die wichtigsten Bindeglieder zwischen virtueller und physischer Welt.

Insgesamt besteht die Aufgabe darin, ein kompliziertes, soziotechnisches Produktionssystem möglichst praxisnah und ebenengerecht in das Risikomanagement eines Unternehmens einzubeziehen. Der CAS Industrie 4.0 versucht, die entsprechenden Problematiken den Kurs-Teilnehmenden näher zu bringen und erste Lösungsansätze für das Risikomanagement zu vermitteln.

Ralf Mock, Christian Zipper

Vom 20. bis 24. März war die ZHAW Plattform Industrie 4.0 an der CeBIT.  Am ZHAW Stand im Swiss Pavillon konnten die Kompetenzen in den Bereichen Vernetzung, Datenmanagement, Modellierung sowie Smart Proucts und Services mit einem breit interessierten Publikum diskutiert werden. In der Arena des Swiss Pavillon hatten wir zudem die Gelegenheit, im Referat „ZHAW Platorm Industry 4,0 – Perspective Services and Buisness Models“ unsere am Business-Nutzen orientierte Vorgehensweise darzulegen. Während den 5 Tagen Messe fanden zahlreiche inspirierende Gespräche statt mit vielen neuen Kontakten für Kooperationen und Projekte.

Andreas Rüst, Jürg Meierhofer