Fitnesstracker für Maschinen und Anlagen

„Energie ist ja eigentlich Basis für Arbeit – und Arbeit ist die Basis für Produktivität.“ Mit diesem einfachen Bild beschreibt Christian Groß den Kernansatz von in.hub. Während in vielen Fabriken Taktzeiten im Millisekundenbereich überwacht werden, wird der Energieverbrauch häufig noch auf Standort- oder Hallenebene aggregiert betrachtet. „Da wird der Gesamtenergiebedarf gemessen – aber man weiß nicht, welche Maschine oder welcher Prozess wirklich verantwortlich ist“, so C. Groß

Vom Gesamtverbrauch zur Energiesignatur

Der Trend gehe klar in Richtung feingranularer Analyse: „Unternehmen haben Interesse daran, einzelne Maschinen oder Prozesse zu überwachen – und aus der Energiesignatur mehr Rückschlüsse zu ziehen als nur den reinen Verbrauch“, so C. Groß. Schwankende Spannungen können etwa dazu führen, dass Automatisierungslinien „aus dem Takt geraten“ – mit Stillständen und Qualitätsproblemen als Folge. Energie wird damit zum Diagnoseinstrument: für Prozessqualität, Verfügbarkeit und Wartungsbedarf.

Viele Betriebe befänden sich jedoch noch im „Blindflug“. Zwar existierten Datensilos – Excel-Listen, isolierte Maschinenwerte oder einzelne MES-Datenpunkte –, doch fehlten Kontext und Durchgängigkeit. C. Groß: „Oft scheitern Unternehmen daran, heterogene Maschinenparks in einem Detailgrad zu erfassen, wie sie ihn wirklich brauchen“ Gerade für OEE-relevante Kennzahlen – Produktivität, Stillstände, Qualität – seien verlässliche, verknüpfte Daten entscheidend

Feingranular messen für ISO 50001 und digitalen Produktpass

Regulatorische Anforderungen erhöhen den Druck. ISO 50001, CO2-Footprint, ESG-Reporting oder digitaler Produktpass verlangen belastbare Nachweise. „Ich muss wissen, wie viel Energie ich zu welcher Zeit und für welches Produkt verbraucht habe – und wie viel davon Ausschuss war“, erklärt C. Groß. Dafür reichen 15-Minuten-Mittelwerte klassischer Energiezähler nicht aus. „Wir brauchen Messdaten im Sekunden- oder Millisekundentakt – pro Maschine, pro Prozess“

Technologisch setzt in.hub auf Edge-Devices mit integriertem Betriebssystem und Datenbank. Groß formuliert es anschaulich: „Wir sind so etwas wie Fitnesstracker für Maschinen und Prozesse“, so C. Groß.

Die Geräte aggregieren Daten lokal, verknüpfen elektrische mit pneumatischen Energiewerten und kombinieren sie mit Steuerungs- oder IT-Informationen. „Wir können Daten aus IT-Systemen ziehen, aus der Maschinensteuerung, von Sensorik im Bereich der Druckluftüberwachung – und das alles kombinieren.“ Wichtig ist die Vorverarbeitung an der Edge: „Ich muss nicht überall Big Data hinsenden“, betont C. Groß. Stattdessen entstehen direkt auf dem Gerät Schwellwerte, Trigger und Alarme. „Wir machen aus Daten Informationen“

Druckluft: Der unterschätzte Kostenfaktor

Besonders großes Potenzial sieht C. Groß im Bereich Druckluft. „Drucklufterzeugung ist teuer – der Wirkungsgrad vom Kompressor bis zur Anwendung ist schlecht, dazu kommen Leckagen“ Ein typischer Fall: Maschinen im Standby verbrauchen weiter Druckluft für Spannvorrichtungen. „Wir hatten einen Kunden, bei dem allein diese Standby-Verbräuche mehrere hundert Euro pro Monat ausmachten.“

Durch die Kombination elektrischer und pneumatischer Daten konnte erkannt werden, wann keine Produktion stattfindet. Die Lösung: automatische Druckluftsperre im Stillstand. „So amortisiert sich ein Gerät innerhalb weniger Monate“, weiß C. Groß. Auch Lastspitzenmanagement zählt zu den Praxisbeispielen. Da Energieversorger häufig in 15-Minuten-Intervallen abrechnen, ermöglicht sekundengenaue Überwachung rechtzeitige Gegenmaßnahmen. „Wenn mehrere Lötöfen gleichzeitig eingeschaltet werden und wir über die Spitzenlast gehen, können wir sofort alarmieren.“ Eskalationsketten per Mail, SMS oder App sorgen dafür, dass Verantwortliche reagieren können, bevor teure Tarifgrenzen überschritten werden.

Direkte IO-Link-Anbindung: Vom Sensor zum Mehrwert – ohne Umweg

Ein zentrales Element der in.hub-Architektur ist die direkte Anbindung von Sensorik – etwa IO-Link-Komponenten von SMC – an Gateway und siineos-Software. Für C. Groß liegt der Vorteil dabei nicht nur in der technischen Integration, sondern vor allem in der praktischen Umsetzbarkeit im industriellen Alltag. „Der Anwender kann mit Geräten, die schon im Einsatz sind, noch einen Mehrwert heben.“

Statt komplexer IT-Projekte, zusätzlicher Middleware oder individueller Datenbankkonstrukte verfolgt in.hub einen klaren Plug-and-play-Ansatz. „Ich muss kein IT-Projekt aufmachen, brauche keine Zwischendatenbanken, die wieder viel Arbeit machen und fehleranfällig sind“, so C. Groß. Sensoren werden direkt angebunden – entweder über IO-Link-Master, klassische Protokolle wie Modbus TCP/IP oder über vorhandene Steuerungsschnittstellen.

Gerade IO-Link spielt hier eine Schlüsselrolle. Durch die digitale, bidirektionale Kommunikation stehen nicht nur reine Messwerte zur Verfügung, sondern auch Diagnoseinformationen, Statusdaten und Gerätekonfigurationen. Das ermöglicht eine deutlich tiefere Kontextualisierung der Energiedaten. Ein Druckluftsensor liefert dann nicht nur Verbrauchswerte, sondern kann in Verbindung mit Produktionssignalen präzise anzeigen, ob dieser Verbrauch prozessbedingt oder anomal ist.

C. Groß beschreibt die Architektur als dezentrale Datenknoten: „So kann man sich quasi große Datenknoten überall aufbauen – dezentral.“ Das Gateway fungiert dabei als intelligenter Aggregator. Die Sensorwerte werden lokal vorverarbeitet, mit Steuerungsdaten verknüpft und in der siineos-Software in eine anwendergerechte Logik überführt. 

Ein weiterer entscheidender Aspekt ist die Zielgruppe. „In der häufigsten Ausprägung sind es nicht die SPS-Programmierer, die so etwas umsetzen, sondern Energiemanager oder ITler“, erklärt C. Groß. Entsprechend sei die Bedienoberfläche eher am Smartphone orientiert als an klassischen Engineering-Tools. Anwender wählen Sensoren aus, definieren Schwellenwerte oder übertragen Daten in andere Systeme – ohne Programmierkenntnisse.

Gerade im Zusammenspiel mit SMC-Lösungen im Bereich Air Management wird dieser Ansatz greifbar: Pneumatische Energieflüsse lassen sich direkt mit elektrischen Verbräuchen korrelieren. So entsteht ein vollständiges Bild – vom Kompressor bis zur einzelnen Spannvorrichtung.

Am Ende steht ein klarer Mehrwert: Aus isolierten Sensordaten werden belastbare Entscheidungsgrundlagen. Oder wie C. Groß es formuliert: „Wir machen aus Daten Informationen.“