https://ojs.di-verlag.de/index.php/atp_edition/issue/feedatp magazin2026-09-24T09:15:34+02:00Georg Freygeorg.frey@aut.uni-saarland.deOpen Journal Systems<p>atp magazin richtet sich an technisch orientierte Entscheider und Führungskräfte sowie Key Experts der Automatisierungstechnik - auf Anbieter- und Anwenderseite. Das Magazin behandelt aktuelle Trends und digitalen Transformationsprozesse in Prozess- und Fertigungsautomatisierung aus Sicht von Praxis und Wissenschaft. Die Hauptbeiträge werden von einem kompetenten Fachgremium begutachtet und sind in Google Scholar und dem Emerging Sources Citation Index erfasst.</p> <p>Mit atp magazin erreichen Sie Entscheider, technische Führungskräfte und Key Experts bei Herstellern und Anwendern. Über unsere indezierte Artikeldatenbank sind Sie mitten in der wissenschaftlichen Community.</p>https://ojs.di-verlag.de/index.php/atp_edition/article/view/2839PIMS als Dateninfrastruktur für Predictive Maintenance in Ethernet-APL-Netzwerken2026-04-21T16:26:36+02:00Daniel Gladkagladka@plt-labor.deAlen Mahendrarajahmahendrarajah@plt-labor.deNicolas Bennerscheidbennerscheid@plt-labor.de<p>Dieser Beitrag stellt ein Plant Information Management System (PIMS) als zentrale Dateninfrastruktur für Predictive Maintenance<br />in verfahrenstechnischen Anlagen vor. Über einen rückwirkungsfreien Seitenkanal basierend auf der NAMUR Open Architecture (NOA)<br />werden Prozesswerte und Gerätediagnosedaten einer KI-gestützten Anomalieerkennung zugeführt. Im Fokus stehen Ethernet-APL-basierte Neuanlagen während HART-transparente Brownfield-Anlagen als Migrationsszenario betrachtet werden. An einer Testanlage der TH Köln wurde der Datenfluss über neun Feldgeräte mit 63 Messstellen realisiert. Injizierte Anomalien erkannte die KI zuverlässig und vor<br />der NE-107-Gerätediagnose. Zudem werden Reifegradlücken marktverfügbarer Komponenten aufgezeigt.</p>2026-09-24T00:00:00+02:00Copyright (c) 2026 Vulkan-Verlag GmbHhttps://ojs.di-verlag.de/index.php/atp_edition/article/view/2844Effiziente Prozessoptimierung mittels KI-gestützter Advanced Process Control2026-07-02T08:37:11+02:00Jonas ten Haafjonas.ten-haaf@siemens.comLena Lohnerlena.lohner@siemens.comAdrian Caspariadrian.caspari@siemens.comDaniel Labischdaniel.labisch@siemens.com<p>Der Beitrag zeigt, wie neuronale gewöhnliche Differentialgleichungen (Neural ODEs) die modellprädiktive Regelung in der Prozessindustrie verbessern können. Der vorgestellte hybride Ansatz verbindet die Dateneffizienz linearer Modelle mit der Abbildung nichtlinearer Dynamiken. Neural ODEs modellieren Prozesse kontinuierlich, integrieren physikalisches Vorwissen und liefern auch bei begrenzter Datenlage robuste Vorhersagen. An einem nichtlinearen Drei-Tank-System zeigt sich, dass eine Neural-ODE-basierte MPC bei gleicher Datenbasis eine höhere Vorhersage- und Regelgüte als eine lineare MPC erreicht.</p>2026-09-24T00:00:00+02:00Copyright (c) 2026 Vulkan-Verlag GmbHhttps://ojs.di-verlag.de/index.php/atp_edition/article/view/2820Wieviel Pneumatik bleibt? Eine Expertenbefragung2025-12-18T12:03:37+01:00Jonas Hellerjonas.heller@hs-kempten.deBernd Lüdemann-Ravitbernd.luedemann-ravit@hs-kempten.deLars Penterlars.penter@tu-dresden.deSteffen Ihlenfeldtsteffen.ihlenfeldt@tu-dresden.de<p>Pneumatische Aktuatoren sind in der industriellen Automatisierung weit verbreitet. Rund die Hälfte der Aktuatoren einer Produktionszelle (als Teil einer Anlage) sind pneumatisch, wobei insgesamt etwa 20 Aktuatoren je Zelle als Orientierungswert dienen. Trotz der Konkurrenz durch elektrische Alternativen bleiben sie aufgrund ihrer Robustheit und Einfachheit relevant, stehen jedoch durch steigende Energiekosten und höhere Anforderungen an die Regelbarkeit unter Druck. Daraus ergeben sich Handlungsfelder<br />wie Effizienzsteigerung, Retrofit und Systembewertung. Der Beitrag präsentiert Ergebnisse einer Umfrage zum aktuellen und<br />zukünftigen Einsatz dieser Aktuatoren.</p>2026-09-24T00:00:00+02:00Copyright (c) 2026 Vulkan-Verlag GmbHhttps://ojs.di-verlag.de/index.php/atp_edition/article/view/2858Digitaler Zwilling in der industriellen Praxis2026-07-20T13:00:48+02:00Daniel Littfinskidaniel.littfinski@isw.uni-stuttgart.deSimon Nowinskisimon.nowinski@isw.uni-stuttgart.deJosip Lozicjosip.lozic@isw.uni-stuttgart.deAlexander Verlalexander.verl@isw.uni-stuttgart.de<p>Angesichts der zunehmenden Komplexität von Produktionssystemen gewinnt der digitale Zwilling im Engineering produzierender Unternehmen zunehmend an Bedeutung. Er verspricht, Entwicklungsprozesse zu beschleunigen, abzusichern und über den gesamten Lebenszyklus durchgängig zu begleiten, von der Konzeption über die virtuelle Inbetriebnahme bis zum Betrieb. In der Praxis stellt seine Einführung Unternehmen jedoch vor Herausforderungen. Der Aufbau von Know-how, hohe Anfangsinvestitionen sowie die nur schwer messbare Wertschöpfung erschweren die Akzeptanz. Insbesondere bei Erstellung und Anwendung digitaler Zwillinge bestehen Unsicherheiten bezüglich Prozess und effizientem Einsatz. Trotz zahlreicher wissenschaftlicher Ansätze und methodischer Empfehlungen bleiben deutliche Diskrepanzen zwischen Forschungsergebnissen und industrieller Praxis. Dieser Beitrag untersucht die Ursachen dieser Lücke, vergleicht zentrale Problemfelder und bezieht Industrievertreter ein, um die identifizierten Defizite zu validieren und gezielte Handlungsempfehlungen abzuleiten.</p>2026-09-24T00:00:00+02:00Copyright (c) 2026 Vulkan-Verlag GmbH