Predictive Maintenance: Konfliktfeld Data Governance

Bei allen neuen Instandhaltungskonzepten rücken die Daten in den Vordergrund, und damit auch die Frage, wer über diese Daten verfügt. Der Begriff Data Governance werde oft darauf reduziert, wem Daten gehören, wo sie liegen und wer Zugriff hat, meint Karsten Falko Kähler, Predictive-Maintenance-Experte bei Lufthansa und zuständig für die Governance der Flugdaten.

Aber eigentlich sei die Anforderung viel größer: Woher bekommt man Daten, wie lässt sich die Datenqualität sichern und ein Datenkatalog erstellen, damit die User die Informationen finden, wie sieht Data Security aus? "Das ist nicht nur eine lästige Pflicht, sondern eine wertschöpfende Tätigkeit. Es hat sich gelohnt, in personelle Ressourcen zu investieren und mit allen Stakeholdern ein umfassendes Konzept der Data Governance zu erarbeiten", berichtet Kähler, der zudem Betriebswirt und Senior First Officer auf A380 ist.

Data Governance kann über das Wohl des Unternehmens entscheiden

In der Luftfahrt sind traditionell viele Sensoren im Einsatz, die Werte an das zentrale Cockpit liefern, zudem werden aufgrund des hohen Sicherheitsanspruchs schon lange eigene Aufzeichnungsgeräte genutzt. Sie dienten traditionell der Flugsicherheit, heute können sie nach einem Retrofit auch wichtige Daten für Predictive Maintenance liefern. Damit ist für diese Daten die Eigentumsfrage (Data Ownership) klar.

An vielen Stellen sei jedoch zu merken, dass die Hersteller den Wert von Daten erkannt haben: "Es gibt Bestrebungen, Daten nur in vorverarbeiteter Form an die Kunden zu geben und Analysen zu verkaufen. Das berührt jedoch die Frage der Datensouveränität und der Flexibilität, denn so muss sich der Kunde darauf verlassen, dass der Anbieter die richtigen Schwerpunkte setzt", so Kähler.

Dass Lufthansa noch vor vielen Herstellern mit Predictive Maintenance begonnen und das Management entsprechende Strategien entwickelt hat, habe geholfen, auf Augenhöhe oder sogar voraus zu sein. Aber auch jetzt sei es durchaus noch möglich, wenn auch von der Marktmacht abhängig, einzusteigen und sich von den Herstellern abzugrenzen.

Speziell für die Instandhaltungsteams in den Unternehmen kann sich die Situation dramatisch ändern, wenn zum Beispiel immer mehr Maschinenanbieter auf Subskriptions-, Abo- und Leasing-Modelle setzen. In den Verträgen ist praktisch immer geregelt, dass die Wartung durch den Hersteller erfolgt. Teilweise ist die eigene Instandhaltung dann nicht mehr in der Lage, Fehler zu diagnostizieren, weil der Zugriff auf Daten und Informationen fehlt.

Das kann dazu führen, dass beispielsweise ein Werkzeugmaschinenhersteller das alte Instandhaltungsteam jetzt mit der Wartung für seine Maschinen beauftragt. "Solche Geschäftsmodelle nehmen zu. Sie funktionieren erst, seitdem die Hersteller durch Datenanalysen ihre Produkte so gut verstehen, dass sie Leasing-Modelle kalkulieren können", erklärt Kähler.

Anfang des Jahres hatte der Tech-Nachrichtendienst Heise online darüber berichtet, dass die Bundeswehr eigene Panzer, Helikopter, den Eurofighter oder Fregatten nicht mehr selbst reparieren darf. Eine Bundestagsanfrage der Fraktion "Die Linke"“ hatte ergeben, dass extensive Selbstreparaturverzichtserklärungen abgegeben wurden, die mehr als ein Drittel der insgesamt 53 Hauptwaffensysteme betreffen. Teilweise dürfen demnach die Mechaniker der Bundeswehr nicht mal bei Reparaturen zuschauen - ein Fall, in dem Data Governance massiven Einfluss zeigte.

Viele Anbieter agieren in Grauzone

"Rechtlich ist klar, die Maschinendaten, die beim Betrieb entstehen, gehören dem Kunden. Der Maschinenhersteller kann zwar bei einem mit verkauften Service oder bei einem Update die Daten auslesen, aber er bewegt sich in einer Grauzone", berichtet Dr. Jürgen Henke, stellvertretender Geschäftsfeldleiter Automotive am Fraunhofer Institut für Produktionstechnik und Automatisierung IPA.

Auch er sieht eine Entwicklung, bei der Anbieter die Wartung ihrer Produkte durch den Betreiber mit der Begründung Data Governance ausschließen, beispielsweise in der Luftfahrtindustrie. "Im Maschinen- und Anlagenbau ist die Konkurrenz größer, da gibt es das – mit der Ausnahme bei Pay-per-Use-Modellen – nicht", meint Jürgen Henke. Einen Hebel hätten die Anbieter mit dem Versprechen, immer rechtzeitig Ersatzteile bereitzuhalten, wenn sich in den Daten ein Ausfall abzeichnet.

Datenmanagement wird ausgenutzt

"Man muss bedenken, dass die Daten einen erheblichen Wert haben. Wir können nicht zulassen, dass OEMs daraus einen kommerziellen Nutzen ziehen, ohne dass wir dafür Gegenleistungen erhalten", stellt Instandhaltungs-Experte Kähler fest. Es gebe im Markt eine spürbare Tendenz, dass Anbieter teilweise ihre Stellung ausnutzen und keinen entsprechenden Gegenwert bieten wollen. Dabei gebe es eine Vielzahl denkbarer Modelle.

So könnten die Hersteller Betriebsdaten zum Beispiel von ihren Kunden kaufen oder mit Discounts auf Wartung entlohnen. In der Luftfahrtindustrie sei der Austausch mit den Herstellern auf Arbeitsebene sehr konstruktiv, das gemeinsame Interesse der Sicherheitserhöhung überwiegt hier kommerzielle Interessen. Aus anderen Branchen ist jedoch anderes zu hören: Teilweise werde der Retrofit durch Sensorik der Hersteller aktiv verhindert, Daten und Protokolle so verschlüsselt, dass der Maschinenbetreiber diese nicht mehr direkt nutzen kann.

Data Governance: Es geht auch anders

Die Nachfragen zeigen: Viele Hersteller sind nicht bereit, sich zum Thema Data Governance oder Data-Compliance zu äußern, darunter zum Beispiel Airbus, Trumpf oder Wittenstein. "Predictive Maintenance ist ein wachsender Markt und alle großen deutschen Unternehmen in Chemie, Verfahrenstechnik und Nahrungsmittelindustrie sind dafür relativ offen. Einerseits sehen sie, dass sie mit der klassischen vorbeugenden Instandhaltung nicht effizient arbeiten. Andererseits gehen viele Fachleute in den Ruhestand und Nachfolger sind schwer zu finden", erklärt Gerhard Bartl, bei ABB im Service der Industrieautomation zuständig für Digital Service im Bereich Condition Monitoring.

ABB hat sich mit Blick auf die Data Governance zu einem sehr klaren Standpunkt entschieden: "Die Daten bleiben Eigentum des Kunden. Nur wenn der Kunde uns den Zugriff auf die Daten erlaubt, verwenden wir sie nach Absprache im Rahmen von Forschungsprojekten zur Analyse und zur Weiterentwicklung", erklärt Bartl.

Die Daten und Informationen können wahlweise in der ABB-Cloud liegen – auch dort gehören sie den Kunden und ABB greift nur mit dessen Erlaubnis darauf zu – oder zukünftig On-Premise. Hierbei laufen alle Algorithmen für die Data-Dashboards und das Datenmanagement lokal auf dem Unternehmens-Server des Anwenders. "Alle Daten bleiben in der Domain des Kunden, häufig haben diese Unternehmen bereits einen Data Lake aufgebaut", so der Condition-Monitoring-Experte.

Datenqualität als Anforderung der Zukunft

"Die Weichenstellungen werden jetzt gelegt und sie entscheiden sich daran, wer die besseren Algorithmen hat. Es gibt immer noch klassische Dienstleister, die beim Kunden vor Ort Handmessungen durchführen. Industrie 4.0 steht aber für die intelligente Vernetzung von Maschinen durch die Informations- und Kommunikationstechnologie", sagt Gerhard Bartl.

Nach seiner Definition beschreibt Condition Monitoring den Zustand der Maschinen und ist damit die Grundlage sowohl für die zustandsbasierte als auch die vorausschauende Wartung, mit der die traditionelle vorbeugende Instandhaltung abgelöst werden soll. Mit Blick auf solche prädiktiven Anwendungen wird zwar erst einmal konzeptionell auf Laborebene ein Modell entwickelt, doch dann ist man schnell auf Live-Data aus den Industrieanlagen angewiesen.

Auf dieser Basis werden KPIs (Key Performance Indikatoren) für Ampeldarstellungen definiert, die das erste Monitoring-Level bilden. Schlägt ein KPI um, bietet ABB einen Service spezialisierter Diagnostiker an, die auf dem zweiten Level das Problem im Detail analysieren.

Natürlich ist die Analyse über viele Kunden hinweg hilfreich, denn so lassen sich einige KPIs auf Basis von Benchmark-Daten bilden und die Algorithmen optimieren. Doch nicht immer ist das möglich. "Solange Einzelmaschinen betrachtet werden, sehen die Unternehmen das als relativ unkritisch. Sensibler wird es dort, wo auf dem Dashboard Flottenmanagement betrieben wird, vor allem auf Basis von ganzen Betrieben", stellt Bartl fest.

Geht es um aggregierte Flottendaten, setzen diese Unternehmen demnach auch eher auf die On-Premise-Lösung. Die Daten können in den falschen Händen in der Tat viel Schaden anrichten. So könnte der Einblick in Störungen in der Chemiebranche dazu führen, dass in Bereichen mit wenigen Wettbewerbern der Marktpreis erhöht wird, weil bekannt ist, dass es eine Verknappung gibt. "Auch wegen des Wettbewerbsrechts müssen Unternehmen sicherstellen, dass ihre Flottenmanagement-Daten nicht nach außen gelangen", stellt Gerhard Bartl fest.

Zwar wäre es sinnvoll, Betriebsdaten über viele Unternehmen hinweg zu sammeln, um die Gesamtsituation besser zu beurteilen, meint auch der Fraunhofer-Experte. "Die Kunden wollen allerdings ihre Daten nicht aus der Hand geben. In einigen Bereichen, zum Beispiel bei Holzbearbeitungsmaschinen, könnte sich daraus das ganze Produktionsprogramm, Fertigungsparameter und Produktionsmengen rekonstruieren lassen", stellt Henke fest.

Andererseits seien Informationen zu Maschinenausfällen und Instandhaltungsmaßnahmen eine wesentliche Anforderung zur Verbesserung und Weiterentwicklung der Maschinen, von der mittelfristig alle Maschinenbetreiber profitieren können. Als problematisch schätzt Henke eine Entwicklung bei den IoT-Lösungen ein, die mit dem Datentransfer verbunden sind. Sie unterscheiden sich meist je nach Maschinenanbieter. "Da haben Kunden schon mal mehrere IoT-Lösungen in der Fabrik, die nicht kompatibel sind"“, so der Instandhaltungsexperte.

Zwar ist es aus rein statistischer Sicht richtig, dass konsolidierte Datenanalysen der Hersteller über viele Flugzeuge hinweg Vorteile bringen, meint der Lufthansa-Experte. "Allerdings betreibt jedes Unternehmen seinen Maschinenpark unter sehr individuellen Bedingungen. Daher sind Daten nur begrenzt vergleichbar und es kann zu falschen Schlüssen kommen, indem der Stellenwert einzelner Daten eines Anwenders verloren geht", erläutert Karsten Kähler.

Ein Beispiel ist die Analyse von Windkraftanlagen: Wenn 90 Prozent der Anlagen onshore stehen, verfälscht das die Datenqualität der Ergebnisse für die wenigen Offshore-Anlagen. Insgesamt lohne sich also eigene Predictive Maintenance, wenn die Ressourcen vorhanden sind. Gleichzeitig auf die Data Governance zu achten und die eigenen Daten zu schützen sowie von Analysen der Maschinen-OEMs zu profitieren, das sei eine Frage der guten Vertragsgestaltung.

"Es geht darum, genau zu bestimmen, in welchem Umfang ein Hersteller Betriebsdaten nutzen darf, damit er mit diesen Daten nicht der Konkurrenz Vorteile verschafft", stellt Kähler fest.

ABB-Experte Hartl ist sich sicher: Die Verbreitung von Predictive Maintenance wird noch erheblich zunehmen. "Heutige Konzepte für Produktionssicherheit, die praktisch jeder Hersteller hat, fußen auf Redundanzen. In einigen Branchen werden sogar eine redundante Produktionslinie und entsprechende Systeme vorgehalten, mit der bei einem Ausfall weiterproduziert werden kann. Das ist mit hohen Kosten verbunden", so Bartl. Condition Monitoring und Predictive Maintenance führten dazu, dass diese Redundanzen abgebaut werden können und auch die Ersatzteilhaltung deutlich verschlankt werden kann.