Plug- and-play statt Großprojekt
Christian Groß ist Geschäftsführer Marketing & Sales bei der in.hub GmbH in Chemnitz
Das HUB-EN200 dient der kontinuierlichen Messung und Auswertung von Strömen und Spannungen in 1- und 3-Phasen-Netzen mit Neutralleiter. Damit eignet es sich hervorragend zur Energieüberwachung von Maschinen und Anlagen.
Die lokal vorverarbeiteten Messwerte werden, mit Steuerungsdaten verknüpft und in der siineos Software in eine anwendergerechte Logik überführt.
Ein zentrales Versprechen lautet Einfachheit. „Industrieunternehmen haben keine Zeit für große Projekte. Das muss installiert sein in wenigen Minuten“
Mit standardisierten Protokollen wie OPC UA, MQTT oder Modbus TCP/IP sowie einer SQL-App zur strukturierten Datenübergabe an PostgreSQL, MySQL oder MSSQL können Anwender Werte auswählen und übertragen – „ohne eine Zeile programmieren zu müssen“
C. Groß betont: „In der häufigsten Ausprägung sind es nicht die SPS-Programmierer, sondern Energiemanager oder ITler, die solche Lösungen nutzen.“ Entsprechend sei die Bedienlogik eher am Smartphone orientiert als an klassischen Engineering-Tools.
Damit werden Energie- und Prozessdaten nicht nur visualisiert, sondern systematisch in MES- oder ERP-Umgebungen integriert. Produktionskennzahlen, Energie-Baselines oder Zustandsinformationen stehen so in Echtzeit für Planung, Reporting und Kostenrechnung zur Verfügung – als belastbares Fundament für datengetriebene Entscheidungen über Abteilungsgrenzen hinweg.
Neben der Technik sieht C. Groß vor allem organisatorische Veränderungen als Schlüssel zum Erfolg. „Oft glauben uns die Leute gar nicht, dass das so einfach geht“, beschreibt er die anfängliche Skepsis in vielen Unternehmen: „Wenn eine Maschine in 30 Minuten angeschlossen ist und sofort verwertbare Daten liefert, entsteht häufig ein Aha-Effekt.“
Entscheidend sei jedoch die bereichsübergreifende Zusammenarbeit: Wenn der Energiemanager plötzlich einem Produktionsverantwortlichen aufzeigt, dass dessen Maschine ineffizient läuft, müsse das als gemeinsamer Optimierungsansatz verstanden werden – nicht als Kontrolle. Erst wenn Energie-, Produktions- und IT-Verantwortliche an einem Tisch sitzen, werden Daten tatsächlich zur Entscheidungsgrundlage und nicht nur zum Report.
Daten als Grundlage für KI
Für die nächsten Entwicklungsschritte setzt in.hub weniger auf „noch mehr Dashboards“, sondern auf integrierte Workflows. C. Groß kündigt an, bestehende Apps – etwa zur Produktivitätsüberwachung – gezielt zu erweitern, zum Beispiel um eine „integrierte Energieprofil-Überwachung“
Gleichzeitig gewinnen Normen an Bedeutung: Mit Blick auf ISO 50006 spricht C. Groß von KPI und der Verpflichtung, „Energie-Baselines von Maschinen“ zu überwachen – das sei „die nächste Integration“, die in die Software einfließen werde
Beim KI-Thema grenzt er klar ab: Edge-KI sei bereits als Baustein vorhanden, aber nicht als „Chat-GPT auf dem Gerät“, sondern als lokale „Anomalieerkennung“, die Zeit und Kosten spart. Perspektivisch denkt in.hub zudem über „Konnektoren zu KI-Systemen“ nach –mit Fokus auf strukturierte Daten, etwa über MCP-Schnittstelle, um anschließend in der Cloud mit KI zu interagieren. C. Groß: „Wir wollen ein gutes Datenfundament schaffen – das ist die Basis für jede KI. Wenn ich keine Daten habe, kann ich auch keine KI nutzen.“ So werden strukturierte Daten zur Unterstützung von Entscheidern auch KI-Systemen zur Verfügung gestellt
Fazit
Energiedaten allein sparen noch keine Kilowattstunden. Doch richtig kontextualisiert, aggregiert und in Entscheidungen überführt, werden sie zum Hebel für Effizienz, Qualität und Emissionsreduktion. Oder, wie C. Groß es formuliert: „Energie sichtbar machen heißt, raus aus dem Blindflug – und rein in eine datenbasierte Produktionspraxis.“