Herr Jamal, Sie bezeichnen das Industrielle Internet der Dinge – kurz IIoT – und damit im Verbund das Machine Learning  als ‚den‘ großen Trend in der Industrie. Wo stehen wir diesbezüglich gerade? 

Jamal: Um eine der aktuellen Analysen – von Accenture – zu zitieren: 95 % der Firmenentscheider erwarten, dass ihr Unternehmen bereits in den nächsten drei Jahren auf den IIoT-Zug aufspringen wird. Leider fallen im allgemeinen Trend-Hype die anstehenden Herausforderungen in der Praxis meist unter den Tisch.

Die da wären? 

Jamal: IIoT-Anwendungen verändern sich ständig. Es müssen also auch ständig Sicherheits-Updates installiert werden. Ebenso gilt es, die IIoT-Netzwerke auf dem neuesten Stand zu halten. Abstrakt gesagt prallen zwei Welten aufeinander, nämlich die IT und die OT, also die Operational Technologies, mit ganz neuen Herausforderungen für Anbieter wie Anwender.

Die wachsende Anzahl an OT-Systemen bringt regelrechte Datenfluten mit sich – die wir bei National Instruments mit ‚Big Analog Data‘ bezeichnen. Dass diese Daten wichtige Informationen über Maschinenausfälle und Produktionsfehler enthalten, ist unumstritten. Doch ihre Anzahl wächst derart schnell, dass sie sich nicht mehr mit heutigem Fachwissen und herkömmlichen Werkzeugen handhaben lässt. Hier kommt das Machine Learning ins Spiel – ein Bereich aus der KI, bei dem sich, einfach gesagt, alles rund um die ‚künstliche‘ Generierung von Wissen aus Erfahrung dreht. 

Die riesigen Datenmengen betreffend – was fehlt heute noch, um diese zu bewältigen? 

Jamal: Schlicht und einfach die richtigen Werkzeuge für Themen wie Fernverwaltung, Software-Konfigurations- und Datenmanagement. Wir gehen diese Aufgaben jetzt an, indem wir diese Herausforderungen mit Werkzeugen wie SystemLink, der Data Management Software Suite und dem LabviewAnalytics and Machine Learning Toolkit adressieren.

Was steckt hinter diesen Werkzeugen?

Jamal: Bei der ‚Data Management Software Suite‘ handelt es sich um eine Komplettlösung für die unternehmensweite Datenverwaltung. Sie enthält eine serverbasierte Software, die für ein rasches Auffinden benötigter Daten in einem Netzwerk konzipiert ist. Dies geschieht durch automatische Indizierung. Ebenfalls enthalten ist eine speziell auf die Bedürfnisse von Wissenschaftlern und Ingenieuren ausgelegte Client-Software für das schnelle Finden, Sichten, Analysieren und Auswerten von Messdaten, ohne dass dafür weitere Tools erforderlich wären. Mit der dritten Komponente schließlich hat der Anwender eine serverbasierte Software für die effiziente Handhabung, Analyse und Verarbeitung großer Datenmengen an der Hand. Die Data Management Software Suite umfasst also die wichtigsten Software-Werkzeuge von NI zur Handhabung großer Datenmengen. 

Was muss man sich unter dem Labview Analytics and Machine Learning Toolkit vorstellen?

Jamal: Mit dem Labview Analytics and Machine Learning Toolkit lässt sich Machine Learning direkt am Edge von Zustandsüberwachungs-Anwendungen für die vorausschauende Wartung umsetzen. Das Toolkit ermöglicht die Integration vorausschauender Analysen und maschineller Lernverfahren in Labview. Es enthält Module, die das Trainieren von Machine-Learning-Modellen gestatten, mit denen sich in großen Datenmengen Muster erkennen lassen. Dies geschieht durch das Erkennen von Anomalien, Klassifizieren und Clustern von Algorithmen. Im Anschluss können die Modelle dann zur Muster-Erkennung in neuen Daten auf Windows-Computern oder Zielsystemen mit NI Linux Real-Time eingesetzt werden.