Aktuelle Ausgabe
Ready for Liftoff!
T Minus Null für die Feldebene. Mit Ethernet-APL steht der wohl entscheidende Booster für die durchgängige Digitalisierung der Industrie in den Startlöchern. Dank einer Datenrate von 10 Mbit/s bis hinunter zum Sensor öffnen sich in Kombination mit KI-basierten Technologien neue Welten.
Doch die Trägerrakete APL bringt das Feld nicht nur endlich ins Netz und schließt damit die kommunikationstechnische Lücke zwischen Sensor und Cloud, sie kann auch dafür sorgen, die letzten Digitalisierungsbremsen Semantik und Usability zu lösen, wie Lisa Underberg, Leiterin des ifak Magdeburg, im Interview ab S. 14 erklärt.
Aus einzelnen Messwerten werden dank Ethernet-APL endlich echte Datenströme, die digitale Mehrwertdienste und Services erst ermöglichen. Das atp magazin 9/2026 setzt genau hier an und zeigt Ihnen, wie Sie Ihre datengetriebene Wertschöpfung endlich abheben lassen.
Das Interview-Highlight
„Wofür brauche ich Digitalisierung eigentlich?“
Zwischen Brownfield-Sensorik und virtueller SPS: Im Interview wagt Prof. Dr. Lisa Underberg, Leiterin des des ifak - Institut für Autmation und Kommunikation in Magdeburg, einen Blick in die Zukunft der Feldebene und erklärt, warum Ethernet-APL die Feldbus-Landschaft nicht ablösen, sondern ergänzen wird und warum nicht der technologische Reifegrad, sondern fehlende Semantik und Usability die eigentlichen Bremsen der Digitalisierung sind.
Die peer-reviewten Hauptbeiträge
„Wie bringe ich vorhandenes Prozesswissen mit Daten zusammen?“
Effiziente Prozessoptimierung mittels KI-gestützter Advanced Process Control
Advanced Process Control mit modellprädiktiver Regelung (MPC) erlaubt eine erhebliche Steigerung der Regelgüte in industriellen Anlagen. Der Einsatz von MPC erfordert allerdings gute (oft nichtlineare) mathematische Modelle des zu regelnden Systems und damit eine sehr gute Systemkenntnis physikalisch, chemisch, technisch). Da dies nicht immer er Fall ist und die Modellierung zeitaufwendig ist, setzen neuere Lösungen auf eine rein datenbasierte Modellierung des Systems („KI“). Bei diesen Ansätzen wird allerdings vorhandenes Prozesswissen meist nicht genutzt. Der vorliegende Beitrag zeigt eine hybride Lösung, die gewöhnliche Differentialgleichungen (ODEs) um neuronale Elemente erweitert (Neural ODEs). Damit integriert der Ansatz physikalisches Vorwissen mit Daten. Die erreichte Regelgüte liegt bei überschaubarem Mehraufwand deutlich über der von einfacheren linearen MPC-Ansätzen.
„Kann ein zentrales System Anomalien besser erkennen als die dezentrale Gerätediagnose?“
PIMS als Dateninfrastruktur für Predictive Maintenance in Ethernet-APL-Netzwerken
An der TH Köln wurde eine umfangreiche Testanlage implementiert, die Ethernet-APL nutzt und die NAMUR Open Architecture (NOA) umsetzt. Im vorliegenden Beitrag wird die Anlage mit ihrem Plant Information Management System (PIMS) als zentrale Dateninfrastruktur vorgestellt. Als eine Anwendung für das PIMS wird Predictive Maintenance beschrieben. Prozesswerte und Gerätediagnosedaten werden dabei in einer KIgestützten Anomalieerkennung verarbeitet. Die Untersuchungen mit injizierten Fehlern zeigen, dass das zentrale System aufgrund der breiteren Datenbasis Fehler zuverlässig vor der dezentralen NE-107-Gerätediagnose erkennt.
„Wann kommt das Ende der Pneumatik?“
Wieviel Pneumatik bleibt?
Das Ende der Pneumatik wird immer wieder postuliert. Tatsächlich führen steigende Energie- und Betriebskosten zu einem Rückgang beim Einsatz pneumatischer Aktuatoren. Moderne Verfahren der Zustandsüberwachung und der Druckluftansteuerung eröffnen hier aber erhebliches Optimierungspotenzial, insbesondere auch im Retrofit. Im vorliegenden Beitrag werden Ergebnisse einer Expertenbefragung zum derzeitigen und zum zukünftigen Einsatz pneumatischer Aktuatoren zusammengefasst. Diese zeigen eine weiterhin hohe Relevanz der Technologie. Es lohnt sich also in die aufgeführten Möglichkeiten zur Optimierung zu investieren.
„Warum setzen wir den Digitalen Zwilling nicht endlich ein?“
Digitaler Zwilling in der industriellen Praxis
Digitale Zwillinge sind in aller Munde und technisch steht ihrem breiten Einsatz in der industriellen Praxis nichts im Wege. Also warum setzen wir sie nicht ein? Diese Frage muss natürlich jedes Unternehmen für sich selbst beantworten. Aber es ist bei der Beantwortung der Frage sicher hilfreich, zu sehen, was andere machen. Im vorliegenden Beitrag werden zentrale Problemfelder identifiziert, die dazu führen können, dass Digitale Zwillinge nicht oder nicht durchgängig eingesetzt werden. Die Hypothesen wurden durch Experteninterviews validiert und gewichtet. Aus dieser Bewertung werden dann Handlungsempfehlungen für den Einsatz abgeleitet. Die vorgeschlagenen vier Schritte beginnen bei organisatorisch-kulturellen Voraussetzungen, die zunächst zu schaffen sind.
