Pressemitteilung von Birgit Fuchs-Laine

Graphtechnologie vernetzt Daten in der Smart Factory

---

---

München, 22. November 2019 - In Sachen Industrial Internet of Things (IIoT) tut sich viel - und bleibt gleichzeitig vieles beim Alten. Das Management und die Auswertung von IIoT-Daten beispielsweise stehen bei Umfragen Jahr für Jahr als Sorgenkind der Hersteller fest. Nach einer Studie von McKinsey, nutzt die Mehrheit der Unternehmen gerade einmal 10% der erfassten Sensordaten effektiv für ihre Geschäftsprozesse; 90% bleiben ungenutzt.

Angesichts der Schlüsselrolle von Big Data Analytics für das IIoT setzen Unternehmen daher verstärkt auf Technologien, die explizit auf die Verarbeitung, Auswertung und effektiven Nutzung von vernetzten, großen Datenmengen ausgerichtet sind. Graphtechnologie und Knowledge Graphen haben sich hier in den letzten Jahren zur de-facto Lösung etabliert.

Der USP von Graphdatenbanken liegt in der Art und Weise, wie komplexe IIoT- und Produktdaten gespeichert und abgefragt werden können: Einzelne Geräte, Systeme oder Anlagen werden als Kreise (Knoten) dargestellt, die über Linien (Kanten) miteinander verbunden sind. Jedem Kreis und jeder Linie kann eine Eigenschaft zugewiesen werden. Statt Tabellen und Spalten entsteht so - ähnlich einer Mind-Map - ein Informationskontext, der Zusammenhänge und Muster in der Smart Factory visuell erfassbar macht, und Analyseergebnisse in Echtzeit liefert. Je mehr Informationen im Graph, desto komplexere Abfragen lassen sich über Algorithmen ausführen. Die Ergebnisse werden ihrerseits wieder abgelegt und für zukünftige Suchanfragen genutzt - ein Ausgangspunkt für Machine Learning und KI.

Eine steigende Nachfrage für Graphtechnologie spürt auch Neo4j (http://www.neo4j.com/), Anbieter der gleichnamigen Property Graphdatenbank: Drei der fünf größten Flugzeughersteller setzen bei der Lösung komplexer datenrelevanter Fragen bereits auf die Neo4j-Graphdatenbank, darunter Airbus. Im Automotive-Markt nutzen führende Unternehmen wie Volvo und Daimler die Graphdatenbank, um Innovationen voranzutreiben, Prozesse zu vereinfachen und datengestützte Entscheidungen hinsichtlich Produkt-Roadmap, Fertigung und Aftermarket Services zu treffen. Zu den weiteren Kunden zählen darüber hinaus BASF, Bayer, Murrelektronik und Boston Scientific.

"Das Potential von Graphtechnologie für das IIoT ist riesig. Allein in Deutschland hat sich die Zahl der Unternehmen, die IoT-Projekte umsetzen, in diesem Jahr mehr als verdoppelt," erklärt Dirk Möller, Area Director of Sales CEMEA bei Neo4j. "Big Data Analytics spielt hier eine wesentliche Rolle und unsere Graphdatenbank Neo4j ermöglicht es Herstellern, die Unmenge an Daten tatsächlich zu nutzen statt nur zu sammeln. Gemeinsam mit unseren Kunden entdecken wir immer neue Anwendungsgebiete, in denen Graphtechnologie die Ausgangsbasis von unternehmenskritischen Unternehmensanwendungen darstellt und Systeme tatsächlich "smart" macht."

Die eine Anwendung für Graphtechnologie in der fertigenden Industrie gibt es dabei nicht. Die Einsatzszenarien finden sich entlang des ganzen Produktlebenszyklus - vom Produktdesign über die Fertigung und Qualitätskontrolle bis hin zur Supply Chain und Aftermarket Services (siehe Infographik (https://www.lucyturpin.de/wp-content/uploads/2019/11/20191107-Neo4j-Infografik-smart-factory.jpg)). In der Praxis findet sich Neo4j unter anderem im:

- Design & Development
Die 360-Grad Ansicht eines Produkts erlaubt einen Blick in die DNA eines Produkts. Automobilhersteller können so schnell einsehen, wie Funktionalitäten innerhalb von Fahrzeugen zusammenhängen und wie die Konstruktionsänderung einer Komponente sich auf das Gesamtsystem auswirkt. Entwicklerteams können über Analytikverfahren Schleifen (Loops) im Systemdesign identifizieren, Cluster erkennen, die ideale Sequenz von Prozessen definieren und die Projektplanung optimieren.

Forschungsintensive Industrien wie Medizin oder Pharma nutzen Graphtechnologie, um die wachsende Menge an Forschungsdaten in einem Knowledge Graphen zu sammeln und zu verknüpfen. Damit verschaffen sie sich einen Wissensvorsprung und können Kosten in der Entwicklung reduzieren und Zulassungsverfahren beschleunigen. Technische Forschungsinstitute wie die NASA (https://neo4j.com/blog/nasa-critical-data-knowledge-graph/) nutzen Neo4j für das Knowledgemanagement.

- Produktionsplanung & PDM
In der Prozessindustrie ermöglicht die Vernetzung von Produktionsplanungsdaten eine Punktlandung bei der Ressourcenallokation in Anlagen. Dabei können die komplexen Abhängigkeiten zwischen den Fertigungsschritten modelliert und für jede einzelne Produktlinie in eine Kosten-Nutzen-Rechnung überführt werden.

Lockheed Martin Space Systems nutzt Neo4j für das Produktdatenmanagement (PDM) und der Erstellung von Stücklisten (BOMs). Der Hersteller von Satelliten, GPS-Navigationsgeräten sowie Raumsonden und -fahrzeugen kann so Verbesserungspotential innerhalb von Prozessen aufdecken. Steigen zum Beispiel die Kosten aufgrund eines komplexeren Designs, muss geklärt werden, ob der Mehraufwand sich später auch auszahlt.

- Predictive Maintenance & Prescriptive Maintenance
Der französische Reifenhersteller Michelin nutzt Neo4j für die vorausschauende Wartung und Instandhaltung. Mit Sensoren ausgestatte LKW-Reifen melden, wenn ein bestimmter Schwellenwert überschritten und der Reifendruck angepasst werden soll. Die dafür notwendigen Daten (z. B. Luftdruck und Traktion, Reifentemperatur, Profil, Seriennummer) werden im Graphen miteinander verknüpft.

Caterpillar (https://neo4j.com/case-studies/caterpillar/) greift bei der Instandhaltung seiner Baumaschinen auf mehr als 27 Millionen Dokumente zurück. Neo4j wird dabei für die natürliche Sprachverarbeitung genutzt, erfasst Muster innerhalb der Berichte und deckt so Fehlerursachen und Zusammenhänge auf.

Derzeit nutzen Tausende von Unternehmen, darunter Start-ups wie Fortune-1000-Unternehmen, Neo4j, um neue und innovative Anwendungen zu entwickeln. Neben der fertigenden Industrie kommt die Graphdatenbank bei Recommendation-Engines in Online-Shops, bei der Betrugserkennung in Banken und Versicherungen, bei der Impact- und Fehleranalyse von IT- und Telekommunikationsnetzwerken, im Echtzeit-Routing in der Logistik sowie für das Stammdatenmanagement (MDM) und das Identitäts- und Zugriffsmanagement (IAM) zum Einsatz. Firmen- & Pressekontakt