Die Fertigung tritt in eine Phase ein, in der Automatisierung nicht mehr einfach dadurch definiert wird, wie viele Maschinen eingesetzt werden können. Die wichtigere Frage lautet, wie effektiv die Automatisierung mit den Menschen zusammenarbeiten kann, die Produktionssysteme bedienen, warten, Fehler beheben und kontinuierlich verbessern.
Maschinen sind außergewöhnlich gut bei wiederholbaren Arbeiten. Menschen sind besser darin, mit Unsicherheit umzugehen. Die leistungsfähigsten Fertigungsumgebungen sind daher nicht diejenigen, die versuchen, Menschen aus dem Prozess zu entfernen, sondern diejenigen, die Arbeit bewusst entsprechend den Stärken beider zuweisen.
Automatisierung sollte menschliche Fähigkeiten erweitern
Industrielle Automatisierung wurde traditionell anhand vertrauter Kennzahlen wie Zykluszeit, Durchsatz, Verfügbarkeit und Arbeitseffizienz bewertet. Diese Messgrößen bleiben wichtig, erzählen jedoch nicht die ganze Geschichte.
Eine SPS kann dieselbe Sequenz tausende Male ausführen, ohne abgelenkt zu werden. Ein Bildverarbeitungssystem kann große Mengen an Teilen nach festgelegten Kriterien prüfen. Ein Roboter kann eine programmierte Bewegung mit gleichbleibender Positionierung wiederholen. Ein industrielles Steuerungssystem kann Prozessvariablen kontinuierlich erfassen und gemäß vordefinierter Logik reagieren.
Dies sind Bereiche, in denen Maschinen einen klaren Vorteil haben.
Außerhalb dieser kontrollierten Bedingungen wird die Fertigung deutlich weniger vorhersehbar. Ein Materialengpass kann die Produktion unterbrechen. Ein Lieferant kann die Spezifikation eines Bauteils ändern. Eine Maschine kann einen sporadisch auftretenden Fehler entwickeln, der in historischen Daten nicht erscheint. Ein Kunde kann kurzfristig eine Produktänderung verlangen.
Diese Situationen erfordern Interpretation statt einfacher Ausführung.
Ein erfahrener Bediener oder Instandhaltungsingenieur kann Prozesswissen, das Verhalten der Anlagen und die aktuellen Bedingungen miteinander verbinden, um festzustellen, was tatsächlich geschieht. Diese Fähigkeit, den Kontext zu interpretieren, lässt sich nur schwer auf eine feste Abfolge von Anweisungen reduzieren.
Aus diesem Grund betrachte ich Automatisierung weniger als Ersatz für menschliche Fähigkeiten, sondern vielmehr als Möglichkeit, diese zu erweitern.
Maschinen bewältigen Wiederholbarkeit, Menschen bewältigen Variabilität
Eine sinnvolle Methode zur Gestaltung eines automatisierten Produktionssystems besteht darin, vorhersehbare Arbeit von variabler Arbeit zu trennen.
Maschinen eignen sich gut für Abläufe mit klar definierten Eingaben, Ausgaben und Entscheidungsregeln. Wiederholte Montage, Materialbewegung, Messung, Inspektion und Prozessregelung lassen sich häufig automatisieren, weil ihre Betriebsbedingungen präzise beschrieben werden können.
Menschen werden wertvoller, wenn der Prozess diese Grenzen überschreitet.
Betrachten wir einen unerwarteten Anlagenfehler. Ein Alarm kann auf eine hohe Motortemperatur, ungewöhnliche Vibrationen oder einen Kommunikationsverlust hinweisen. Das Leitsystem kann den Zustand erkennen und Diagnoseinformationen bereitstellen, doch der Techniker muss weiterhin feststellen, ob das Problem elektrischer oder mechanischer Natur ist, durch die Umgebung verursacht wird oder mit dem Prozess selbst zusammenhängt.
Diese Unterscheidung ist wichtig.
Die Automatisierung kann uns mitteilen, was das System erkannt hat. Menschliche Erfahrung bestimmt oft, was diese Information in der physischen Welt bedeutet.
Der produktivste Ansatz besteht daher nicht darin zu fragen, ob eine Person oder eine Maschine eine Aufgabe ausführen sollte. Die bessere Frage lautet, welcher Teil der Aufgabe von wem übernommen werden sollte.
Daten ersetzen kein ingenieurtechnisches Urteilsvermögen
Moderne Fabriken erzeugen enorme Mengen an Betriebsdaten. SPS, DCS-Plattformen, SCADA-Systeme, Zustandsüberwachungsgeräte, Historian-Systeme, Bildverarbeitungssysteme und IIoT-Geräte können kontinuierlich Informationen aus Produktionsanlagen erfassen.
Mehr Daten führen jedoch nicht automatisch zu besseren Entscheidungen.
Ein schlecht kalibrierter Sensor kann ungenaue Messungen erzeugen. Ein falsch konfigurierter Alarm kann unnötige Eingriffe des Bedieners auslösen. Fehlende Zeitstempel können die Rekonstruktion von Ereignisabfolgen erschweren. Uneinheitliche Tag-Namen können die Analyse über mehrere Produktionslinien hinweg verkomplizieren.
Künstliche Intelligenz und Analysesysteme unterliegen derselben Einschränkung.
Wenn die zugrunde liegenden Daten den physischen Prozess nicht korrekt abbilden, können hochentwickelte Algorithmen das Problem nicht wie durch Zauberhand beheben. Sie können auf der Grundlage falscher Eingaben äußerst überzeugende Schlussfolgerungen liefern.
Deshalb sollte die industrielle Digitalisierung mit der Instrumentierung, der Steuerungslogik, der Datenarchitektur und dem Prozesswissen beginnen. KI sollte als weiteres Engineering-Werkzeug und nicht als Ersatz für ingenieurtechnische Grundlagen betrachtet werden.
Die Bedienerschnittstelle ist Teil des Automatisierungssystems
Eine menschenzentrierte Automatisierung erfordert außerdem Aufmerksamkeit dafür, wie Informationen die Belegschaft erreichen.
Ein technisch leistungsfähiges Leitsystem kann dennoch schlechte Ergebnisse liefern, wenn Bedienern zu viele Alarme, verwirrende Grafiken oder Informationen angezeigt werden, die zu spät eintreffen, um eine Entscheidung zu unterstützen.
Ein Bediener benötigt nicht jederzeit jeden verfügbaren Datenpunkt. Er benötigt die richtigen Informationen, klar dargestellt, genau an dem Punkt, an dem eine Entscheidung getroffen werden muss.
Dasselbe Prinzip gilt für das Instandhaltungspersonal.
Ein Zustandsüberwachungssystem, das Tausende von Messwerten meldet, kann wenig Nutzen bringen, wenn Techniker normale Betriebsabweichungen nicht von einem tatsächlich entstehenden Fehler unterscheiden können. Sinnvolle Automatisierung sollte unnötigen kognitiven Aufwand reduzieren, statt einfach mehr Informationen auf einem Bildschirm darzustellen.
Praktisch betrachtet sollten Schnittstellendesign, Alarmmanagement, Anlagendiagnose und Workflow-Design als Teil der Automatisierungsarchitektur betrachtet werden.
Sicherheit muss in menschlicher Verantwortung bleiben
Industrielle Automatisierung kann die Exposition gegenüber gefährlichen Tätigkeiten verringern, aber Automatisierung selbst garantiert keine Sicherheit.
Ein Roboter führt seine programmierte Sequenz normalerweise weiter aus, sofern die Steuerungs- und Sicherheitsarchitektur nicht die geeigneten Bedingungen zum Stoppen oder Einschränken seines Betriebs bereitstellt. Sicherheit hängt daher vom Gesamtsystem ab: Sensoren, Sicherheitssteuerungen, Verriegelungen, Not-Halt-Einrichtungen, Schutzeinrichtungen, Verfahren, Instandhaltungspraktiken und menschliches Verhalten.
Dasselbe Prinzip gilt für Systeme der funktionalen Sicherheit.
Ein sicherheitsgerichtetes System kann definierte gefährliche Zustände erkennen und eine vorgegebene sichere Reaktion einleiten. Es ersetzt nicht die ingenieurtechnische Arbeit, die erforderlich ist, um Gefährdungen zu identifizieren, Sicherheitsfunktionen festzulegen, das System zu validieren und es während seines gesamten Lebenszyklus instand zu halten.
Hier bleibt die Verantwortung des Menschen grundlegend.
Ingenieure und Fachleute für funktionale Sicherheit müssen nicht nur verstehen, wozu ein automatisiertes System entwickelt wurde, sondern auch, was geschieht, wenn Annahmen nicht zutreffen.
Einen schlechten Prozess nicht automatisieren
Einer der häufigsten Fehler bei der Automatisierung besteht darin, ein Prozessproblem durch das Hinzufügen von Technologie lösen zu wollen.
Wenn ein manueller Prozess uneinheitlich ist, weil Verantwortlichkeiten unklar sind, kann die Installation zusätzlicher Automatisierung lediglich dazu führen, dass die Uneinheitlichkeit schneller auftritt.
Wenn Produktionsdaten unzuverlässig sind, weil Messgeräte schlecht gewartet werden, führt die Ergänzung durch Analysen nicht zwangsläufig zu nützlichen Vorhersagen.
Wenn Instandhaltungsverfahren unwirksam sind, weil die Anlageninformationen unvollständig sind, kann das Hinzufügen einer weiteren Softwareplattform die Komplexität erhöhen, ohne die Instandhaltungsleistung zu verbessern.
Vor der Automatisierung eines Prozesses sollte der Prozess selbst untersucht werden.
Ist der Prozess wiederholbar? Sind die Eingangsgrößen kontrolliert? Sind die Betriebsgrenzen bekannt? Sind die Ausfallarten bekannt? Kann das gewünschte Ergebnis gemessen werden? Gibt es einen klaren Grund für die Automatisierung des Vorgangs?
Wenn die Antwort auf diese Fragen unklar ist, sollte die Prozessverbesserung normalerweise vor der Automatisierung erfolgen.
Automatisierungsprojekte brauchen messbare Ziele
Technologieprojekte können leicht stärker auf die Implementierung als auf die Ergebnisse ausgerichtet werden.
Ein neuer Roboter, eine SPS-Plattform, ein Bildverarbeitungssystem, eine Analyseanwendung oder ein digitales Instandhaltungstool kann technisch beeindruckend sein, doch sein Wert sollte letztlich anhand messbarer Betriebsergebnisse nachgewiesen werden.
Je nach Anwendung können dazu eine geringere Stillstandszeit, kürzere Umrüstzeiten, niedrigere Ausschussraten, eine höhere Gutmenge beim ersten Durchlauf, weniger Sicherheitsvorfälle, eine schnellere Fehlerdiagnose oder weniger Wartungseingriffe gehören.
Wichtig ist, die Messgröße vor der Einführung der Technologie festzulegen.
Eine klare Ausgangsbasis ermöglicht es festzustellen, ob die Investition den Prozess tatsächlich verändert hat.
Ohne eine Ausgangsbasis können Unternehmen den Erfolg eines Automatisierungsprojekts daran messen, ob das System installiert und in Betrieb genommen wurde, statt daran, ob das Produktionsproblem gelöst wurde.
Die Fähigkeiten der Belegschaft müssen sich mit der Technologie weiterentwickeln
Mit zunehmender Komplexität der Automatisierung verändern sich auch die Fähigkeiten, die von Industriearbeitern benötigt werden.
Ein Instandhaltungstechniker muss möglicherweise zunehmend Netzwerke, Remote-I/O, Frequenzumrichter, SPS-Diagnose, industrielles Ethernet und Datenerfassung verstehen - zusätzlich zu den herkömmlichen mechanischen und elektrischen Fähigkeiten.
Bediener müssen möglicherweise Prozesstrends interpretieren, statt lediglich diskrete Alarme zu überwachen.
Ingenieure müssen möglicherweise sowohl die Steuerungsarchitektur als auch die Datenarchitektur verstehen.
Das bedeutet nicht, dass jeder Mitarbeiter Softwareentwickler oder Datenwissenschaftler werden muss. Es bedeutet, dass Unternehmen die technischen Fähigkeiten entwickeln müssen, die für den Betrieb und die Wartung zunehmend vernetzter Systeme erforderlich sind.
Schulungen sollten daher als Teil des Automatisierungsprojekts betrachtet werden und nicht als Aktivität, die nach der Inbetriebnahme hinzugefügt wird.
Die besten Automatisierungssysteme sind auf Ausfälle ausgelegt
Eine häufig übersehene Eigenschaft guter industrieller Automatisierung ist ihr Verhalten, wenn etwas schiefgeht.
Der Normalbetrieb lässt sich relativ leicht demonstrieren. Die schwierigere Engineering-Frage lautet, was passiert, wenn ein Sensor ausfällt, eine Netzwerkverbindung verloren geht, ein Aktor nicht reagiert, ein Controller die Kommunikation einstellt oder ein Bediener eine unerwartete Auswahl trifft.
Eine gute Automatisierungsarchitektur berücksichtigt diese Bedingungen im Voraus.
Diagnosefunktionen sollten dabei helfen, die Ursache eines Problems zu ermitteln. Verriegelungen sollten unsichere Abläufe verhindern. Redundanz sollte dort eingesetzt werden, wo Risiko und Anwendung dies rechtfertigen. Manuelle Eingriffe sollten möglich bleiben, wenn sie betrieblich notwendig sind.
Aus Sicht des Engineerings zeigt sich die Qualität eines Automatisierungssystems unter anormalen Bedingungen oft deutlicher als während der normalen Produktion.
Menschliche Erfahrung bleibt eine Quelle für Innovation
Einige der nützlichsten Verbesserungen in der Produktion entstehen nicht in Engineering-Abteilungen oder bei Technologieanbietern.
Bediener entdecken häufig kleine Prozessänderungen, die unnötige Bewegungen reduzieren. Instandhaltungstechniker erkennen wiederkehrende Fehlermuster, die in der Anlagendokumentation nicht offensichtlich sind. Produktionsmitarbeiter erkennen möglicherweise einen Zusammenhang zwischen Produktqualität und Betriebsbedingungen, bevor dieser Zusammenhang in einer formalen Analyse sichtbar wird.
Diese Beobachtungen stellen praktisches Prozesswissen dar.
Digitale Systeme können dieses Wissen erfassen und organisieren, doch Organisationen benötigen weiterhin Mechanismen, über die Menschen es einbringen können.
Eine wirklich vernetzte Fertigungsumgebung sollte Informationen nicht nur von Maschinen an Menschen senden. Sie sollte auch ermöglichen, dass Wissen von Menschen die Maschinen, Verfahren und Regelungsstrategien verbessert.
Der nächste Schritt ist kollaborative Automatisierung
Die Zukunft der industriellen Automatisierung wird wahrscheinlich nicht durch einen einfachen Übergang von manueller Arbeit zu vollständig autonomer Produktion bestimmt.
Eine realistischere Richtung ist die kollaborative Automatisierung, bei der Maschinen die Verantwortung für repetitive, präzise und datenintensive Aufgaben übernehmen, während Menschen für Interpretation, Ausnahmebehandlung, Verbesserungen und Entscheidungen mit weiterem Kontext verantwortlich bleiben.
Dieses Modell verändert die Art und Weise, wie Automatisierungsprojekte konzipiert werden sollten.
Statt zu fragen: „Wie viele Arbeitskräfte kann dieses System ersetzen?“, sollten Ingenieure fragen: „Welche menschlichen Aufgaben verursachen unnötigen Aufwand, Risiken oder Verzögerungen, und wie kann Technologie diese Belastung verringern?“
Dieser Perspektivwechsel führt zu einer anderen Art der Automatisierung.
Das Ziel ist nicht, um jeden Preis weniger Menschen einzusetzen. Es geht darum, menschliches Fachwissen besser zu nutzen.
Eine praxisnähere Definition industrieller Intelligenz
Industrielle Intelligenz sollte nicht einfach durch das Vorhandensein von KI, Robotern oder vernetzten Geräten definiert werden.
Ein wirklich intelligentes Fertigungssystem sollte wissen, was es automatisieren kann, die Grenzen seiner eigenen Entscheidungslogik erkennen, Menschen mit nützlichen Informationen versorgen und bei Bedingungen außerhalb seines definierten Betriebsbereichs kontrolliert ausfallen.
Menschen bringen Kontext, Urteilsvermögen und Verantwortung ein.
Maschinen bieten Wiederholbarkeit, Geschwindigkeit, Rechenleistung und kontinuierliche Überwachung.
Daten verbinden beide.
Wenn diese Elemente gemeinsam entwickelt werden, ist Automatisierung mehr als eine Sammlung von Steuerungstechnologien. Sie wird zu einem Betriebsmodell, in dem Technologie unnötige Arbeit beseitigt, während menschliches Fachwissen dort verfügbar bleibt, wo es den größten Wert schafft.
Die Zukunft der Fertigung ist daher im Kern kein Wettbewerb zwischen Menschen und Maschinen. Sie besteht vielmehr in der Entwicklung eines Produktionssystems, in dem jeder die Aufgaben übernimmt, für die er am besten geeignet ist.
