Die digitalen Botschafter von Schaeffler

Wenn es darum geht, die Reibung von Wälzlagern, Gleitlagern und anderen mechanischen Bauteilen zu reduzieren oder beispielsweise Korrosion zu vermeiden, dann sind digitale Methoden zum entscheidenden Werkzeug für die weitere Optimierung geworden.

„Die Komplexität ist inzwischen sehr hoch“, gibt Dr. Joanna Procelewska, Spezialistin für Grundlagen der Tribologie im Kompetenzzentrum Oberflächentechnik von Schaeffler zu bedenken. „Durch das großflächige Erheben von rohen Daten und die intelligente Interpretation der Ergebnisse kann die Energieeffizienz unserer Bauteile und Systeme weiter gesteigert werden.“ Ihr nächstes Projekt ist die Entwicklung eines virtuellen „Tribolabors“, in dem die Analyse von Labor- und Felddaten zur Oberflächenbeschaffenheit, Schmierstoffen, Kinematik und Geometrien durch Methoden des Data Mining ergänzt wird, um vorausschauende Aussagen für neue Produkte zu treffen. Der Mensch wird durch virtuelle Entwicklungsmethoden ihrer Überzeugung nach keineswegs überflüssig, sondern vielmehr entlastet. „Entwickler und Konstrukteure bekommen dadurch den Freiraum, um ihre Ressourcen auf komplexere Fragestellungen zu richten“, so die Expertin.

Indem Anlagen, Werkstückträger und Werkstücke miteinander kommunizieren, steigt die Flexibilität in der Produktion. „Doch es ist ein Irrtum zu glauben, man müsse nur ein paar intelligente Maschinen in eine Halle stellen und dann organisiere sich alles andere von selbst“, sagt Dr. Dennis Arnhold, Experte für digitale Fabrikplanung. In Wahrheit muss die industrielle Revolution gut geplant werden.

In einer nach Industrie 4.0-Standards arbeitenden Fabrik müssen alle Gegenstände und alle Prozesse möglichst vollständig digital abgebildet werden. Fachleute reden daher auch vom „digitalen Zwilling“ der Fabrik. Mit dessen Hilfe fällt es leichter, den Datenstrom im späteren Betrieb sinnvoll einzusetzen. „Der Tag ist nicht mehr weit, an dem wir jede neue Fabrik mit einer VR-Brille schon vor der Grundsteinlegung besichtigen können und damit eine virtuelle Vorabnahme ermöglichen“, schildert Arnhold seine Vision. Doch bereits heute fördern die 3D-Modelle die Diskussion zwischen Planern, Produktentwicklern und Management.

Der menschliche Verstand reicht bei komplexen technischen Vorgängen immer häufiger nicht aus, um relevante Zusammenhänge zu erkennen. Deshalb setzen Experten wie Dr. Pankai Joshi, der seit Mitte 2016 für den neu geschaffenen Digitalbereich von Schaeffler arbeitet, auf das maschinelle Lernen.

Maschinelles Lernen besteht im Kern darin, dass man einen Computer mit sehr vielen Daten füttert. Mit Hilfe mehrstufiger Berechnungen, ausgeführt von sogenannten Neuronalen Netzen, erkennt der Rechner zunächst Wahrscheinlichkeiten. „Je mehr Daten man zur Verfügung hat“, so Joshi, „desto höher ist die Treffsicherheit der Ergebnisse.“ Ist bekannt, welcher Zusammenhang zwischen der Konstruktion einer Maschine, den äußeren Bedingungen und den im Betrieb auftretenden Lasten herrscht, so können mit Hilfe der lernenden Algorithmen immer genauere Prognosen über die Ausfallwahrscheinlichkeit gegeben werden. Wartungsintervalle und sogar die Anlagensteuerung können darauf genau abgestimmt werden. Nicht das beste Rechenverfahren, sondern die besten Daten entscheiden nach Meinung von Joshi darüber, wer in Zukunft die besten Produkte und Dienstleistungen anbieten kann.

„Mit dieser Windkraftanlage hier scheint etwas nicht zu stimmen.“ Wenige Augenblicke und Mausklicks später äußert Harald Reiners einen ersten Verdacht: „Wohl ein beginnender Lagerschaden am Generator.“ Der Leiter des Condition Monitoring-Serviceteams von Schaeffler sitzt in der vordersten Stuhlreihe des Kontrollzentrums in Herzogenrath. Ihm gegenüber zeigt ein großes Display die Daten eines Offshore-Windparks in der Nordsee. Die Kennwerte der Anlagen werden auf Basis von Schwingungsdaten errechnet, die vor Ort von Sensoren gemessen und digital nach Herzogenrath übermittelt werden.

Im Online Monitoring Center von Schaeffler laufen die Daten von mehr als 1.000 Maschinen und Anlagen zusammen. „Dadurch werden wir in die Lage versetzt, unseren Kunden eine viel präzisere Information darüber zu geben, wie eine Anlage oder eine Maschine zu fahren ist“, betont Reiners. Die nächste Herausforderung sieht Reiners in Predictive Maintenance – also einer vorausschauenden Instandhaltung, die sehr weit in die Zukunft reicht.

Ingo Krauß ist dafür verantwortlich, digitale Talente zu finden und an Schaeffler zu binden. „Nur wenn wir die richtigen Menschen an Bord haben, können wir die bevorstehende digitale Transformation meistern“, sagt der Personalleiter für den Technologiebereich. Doch was heißt „richtig“? Für viele der Stellen, die im Digitalbereich ausgeschrieben werden, ist das nicht auf Anhieb zu sagen. Denn einen festen Ausbildungsweg für „Datenarchitekten“ oder „Datenanalysten“ gibt es bis heute nicht. „Wir suchen daher nach Menschen, die die notwendige Kompetenz im Umgang mit großen Datenmengen und den darauf basierenden Geschäftsmodellen mitbringen“, so Krauß. Das können Physiker sein, genauso aber Ingenieure oder Wirtschaftswissenschaftler.

Gemeinsam ist allen Bewerbern, dass sie anspruchsvolle Aufgaben lösen wollen. Die hat Schaeffler zu bieten. Ob im Labor, in der eigenen Produktion oder beim Kundeneinsatz der Produkte entstehen große Datenmengen – wertvolle Rohware für optimierte Produkte und Prozesse und neue, datenbasierte Dienstleistungen. „Doch Recruiting ist nicht alles“, schränkt Krauß ein. „Mindestens ebenso wichtig ist es, dass wir in den Fachbereichen Digital-Know-how aufbauen“.