Predictive Maintenance
Wenn Menschen jahrelang mit denselben Geräten arbeiten, dann können sie aus jedem Rattern oder Knarren gut ableiten, was schief läuft und welche Maschine unbedingt gewartet werden muss. Mit Hilfe von Predictive Maintenance (übersetzbar als vorausschauende Wartung) wird dieser Prozess in qualitativ gute Computersysteme überführt, womit nicht nur die Effizienz, sondern auch die Profitabilität des gesamten Produktionsprozesses verbessert werden kann. Dies ist auch deshalb ein Gebot der Stunde, weil ansonsten nicht mehr garantiert werden kann, dass der gesellschaftliche Zusammenhalt gewahrt wird. Perfekte Lösungen werden allerdings nur unter voller Berücksichtigung hoher Standards beim Datenschutz angebahnt.
Die netzwerkartige Abhängigkeit moderner Produktionsprozesse als Risikoquelle
Hauptsächlicher Ansatzpunkt für Predictive Maintenance ist die netzwerkartige Abhängigkeit moderner Produktionsprozesse. Die Lagerhaltung und Bereithaltung redundanter Systeme wird aus Kostengesichtspunkten minimiert. Das bedeutet auch, dass schon ein kurzer Ausfall einer scheinbar unbedeutenden Komponente den gesamten Prozess zum Stocken und zum Erliegen bringen kann. Erst von wenigen Tagen hat das ein großer deutscher Autohersteller erleben müssen; obwohl es hier nicht um technische Ausfälle ging, waren die wechselseitigen Abhängigkeiten doch so groß, dass die komplette Produktion für viele Tage stillgelegt werden musste.
Hohe Kosten und erhebliche Risiken beim Verzicht auf vorausschauende Wartung von Maschinen
Der Ausfall einer Maschine sorgt also nicht nur für vergleichbar überschaubare Reparaturkosten. Durch die Abhängigkeit der Abläufe treten sehr schnell unabsehbare Dominoeffekte ein, deren Kosten kaum zu kalkulieren sind. Außerdem können diese Ausfälle erhebliche gesellschaftliche Auswirkungen haben, denn wenn die Grundversorgung nicht mehr garantiert werden kann, dann ist es nur ein kurzer Schritt zum Kollaps des Gesamtsystems.
Ansatzpunkt Datenanalyse zur Lösung des Problems
Maschinen fallen allerdings nicht spontan aus, die Ausfälle kündigen sich in vergleichsweise unscheinbaren Signalen an, die genutzt werden können, vorausschauend den Ausfall zu verhindern. Früher und heute sind es noch Menschen, die diese kleinen Signale zum beherzten Handeln nutzen; durch Big Data und Künstliche Intelligenz (KI) werden die entsprechenden Vorgehensweisen auf systematisch Art auf Computersysteme übertragen, die weitaus eher und genauer auf die Indikatoren reagieren können: Predictive Maintenance - die Systeme geben rechtzeitig Alarm, eine Wartung wird umgehend veranlasst und der Ausfall der Maschine wird vermieden.
Datenanalyse und Datenschutz gemeinsam nach vorne bringen
Datenanalyse ist also das Gebot der Stunde, wenn man Produktivität, Profitabilität und gesellschaftliche Stabilität garantieren oder ausweiten möchte. An dieser Stelle melden sich allerdings oft die Freunde des Datenschutzes, die darauf verweisen, dass entsprechende Systeme mitbestimmt werden müssten, wenn sie direkt oder indirekt Verhaltensdaten erfassen, auswerten oder normieren sollten. Umfassender Datenschutz ist also eine wichtige Voraussetzung für Big-Data- und KI-Systeme. Der Schutz personenbezogener Daten wird gewährleistet, wenn nur solche Auswertungen erlaubt werden, die der Verbesserung der Produktionsstabilität dienen. Dies ist dann gesichert, wenn ein professionell arbeitender Dienstleister wie wir die Gesamtsteuerung des Veränderungsprozesses übernimmt. Wir verfügen über die Kernkompetenzen, um auf technischer und juristischer Ebene die Systeme zukunftsfest zu machen.
comments powered by Disqus