Skip to main content
main-content

22.12.2016 | Big Data | Interview | Onlineartikel

"Betreiber werden genau wissen, wie es ihrer Infrastruktur geht"

Autor:
Sven Eisenkrämer
Interviewt wurde:
Andreas Kunze

ist CEO des Münchner Start-ups Konux und hat mit seinem Unternehmen bereits mehrere Innovationspreise für die revolutionäre Sensor- und Datenverarbeitungstechnologie gewonnen. 

Durch intelligente Sensoren bekommen Unternehmen Echtzeit-Einblicke in den Zustand ihrer Anlagen und Geräte. Im Interview erzählt der Gründer des Start-ups Konux, Andreas Kunze, wie er mit Big Data beispielsweise die Bahn pünktlicher machen will. 

Springer Professional: Konux entwickelt und produziert so genannte intelligente Sensoren. Wie kann man das Wirken eines intelligenten Sensors denn beschreiben? Woran machen Sie seine Intelligenz fest?

Andreas Kunze: Das Konux-Sensorsystem besitzt einen integrierten Mikroprozessor, der die Daten vorverarbeitet bevor sie an unsere Softwareplattform gesendet und dort analysiert werden. Da beispielsweise im Schienenverkehr unsere Weichensensoren pro Zugüberfahrt mehr als hunderttausend Datenpunkte erfassen, kann man sich vorstellen, dass unwichtige Daten im Voraus aussortiert werden müssen und nur aussagekräftige Informationen übermittelt und weiterverarbeitet werden. Die eigentliche Intelligenz unserer Lösung befindet sich jedoch in den Algorithmen unserer Datenanalyse. Diese erkennen Anomalien und können mit Hilfe von maschinellem Lernen vorhersagen, wann die zunehmende Abnutzung einen bestimmten Wert überschreiten wird, das heißt wann die Maschine – oder, im Falle unseres Kunden Deutsche Bahn, die Weiche – gewartet werden muss.

Empfehlung der Redaktion

2015 | OriginalPaper | Buchkapitel

From Data to Business: Neue Geschäftsmodelle deutscher Industrieunternehmen

Der digitale Wandel läutet Paradigmenwechsel ein – in der Wirtschaft genauso wie im Privaten. Die technologischen Fähigkeiten, die Realität mit Hilfe von Algorithmen zu erfassen und zu verarbeiten, sind schier explodiert.


Konux ist erst 2014 gestartet, mittlerweile haben Sie recht viel Geld von Investoren bekommen und Global Player als Kunden und Kooperationspartner gewonnen. Beispiel Deutsche Bahn: Was können Ihre Sensoren denn im Schienengeschäft leisten? Machen Sie die Bahn jetzt etwa pünktlich?

Wir überwachen im Schienennetz der Deutschen Bahn den Zustand von Weichen, also einen kritischen Teil der Bahninfrastruktur. Im ersten Schritt erlaubt unsere Lösung Echtzeit-Einblicke in die zunehmende Abnutzung der Weichen, um Wartungsbedarf voraussagen und rechtzeitig handeln zu können. Durch die große Menge an generierten Daten kann unser System detaillierte Aussagen zum Weichenzustand, also dem Zustand des Gleisbettes samt des Schotters und der Gleisgeometrie sowie zur Weichennutzung wie der Zugfrequenz, Zugart, Zuggeschwindigkeit, Zuggewicht, und so weiter treffen. Durch diesen Ansatz wird zum einen die Instandhaltung einfacher. Bislang wurden Weichen in festgelegten Abständen manuell inspiziert, dieses Verfahren war aufwendig und kann kurzfristige Verschlechterungen des Zustands nicht erfassen. Somit musste trotz Inspektion häufig in letzter Minute oder erst nach Auftreten einer Weichenstörung gewartet werden. Diese Einsätze sind mit deutlich höheren Kosten verbunden. Stattdessen erhält der Betreiber der Infrastruktur nun kontinuierlich Einblick in den Zustand der Weichen. Er kann diese Informationen überall und jederzeit abrufen, den optimalen Zeitpunkt der Instandhaltung bestimmen und diese im Voraus planen. Da auf diese Weise Weichenausfälle vermieden werden – einer der häufigsten Gründe für Verspätungen im Bahnverkehr – und Wartungsarbeiten in weniger ausgelastete Zeiten stattfinden können, wirkt sich das tatsächlich auch positiv auf die Pünktlichkeit der Züge aus.

"Intelligente Sensoren", das klingt nach Produzenten riesiger Datenmengen. Was läuft denn an Messergebnissen der Sensoren auf, über welche Datenmengen sprechen wir hier? Und welche Big-Data-Infrastruktur braucht Ihr Kunde, um das zu verarbeiten?

Bei jeder Zugüberfahrt werden bis zu 180.000 Datenpunkte generiert. Um diese Menge an Daten zu verarbeiten, muss, wie bereits erwähnt, zunächst eine erste Filterung im Sensor stattfinden. Hier werden die relevanten Datensätze priorisiert und für die Übertragung komprimiert. Anschließend werden die Datenpakete gebündelt an unsere Middleware gesendet. Auf dieser Middleware werden sie entpackt, interpretiert und dem entsprechendem Bearbeitungsprozess zur Verfügung gestellt. Gleichzeitig werden die empfangenen Daten auch im Rohformat abgespeichert, um spätere Auswertungen zu ermöglichen. Das sind natürlich nicht wenige Daten – wir reden von mindestens 0,5 MB per Sensor pro Tag. Mit unserer Infrastruktur sind die Kunden jedoch optimal ausgestattet, um diese Daten schnell in Erkenntnisse umzuwandeln und nur das minimal Notwendige zu speichern.

Die Digitalisierung schreitet stark voran und die Aufmerksamkeit, die Ihrem Unternehmen zukommt, spricht dafür, dass Ihr Geschäftszweig maßgeblich an diesem Fortschritt beteiligt sein wird. Was werden Produkte wie Ihre in zehn Jahren erreicht und beeinflusst haben?

Die Digitalisierung der Industrie wird zum einen dazu führen, dass Betreiber genau wissen, wie es ihren Geräten und ihrer Infrastruktur geht und dass sie operative Abläufe im Detail verstehen. Mithilfe dieser Informationen können sie die Qualität und Effizienz ihrer Prozesse signifikant steigern, Maschinenausfälle vermeiden und Wartungs- und Betriebskosten senken. Unser Ziel ist es, diesen Trend voranzutreiben und Unternehmen zu helfen, datengetriebene Entscheidungen zu treffen. 

Weiterführende Themen

Die Hintergründe zu diesem Inhalt

Das könnte Sie auch interessieren

13.09.2016 | Industrie 4.0 | Im Fokus | Onlineartikel

Mit Highspeed Daten aggregieren und analysieren

Premium Partner

GI Logo

BranchenIndex Online

Die B2B-Firmensuche für Industrie und Wirtschaft: Kostenfrei in Firmenprofilen nach Lieferanten, Herstellern, Dienstleistern und Händlern recherchieren.

Whitepaper

- ANZEIGE -

Innovationsorientiertes IT-Management – Eine Fallstudie zur DevOps-Umsetzung bei T-Systems MMS

Das junge Konzept DevOps baut auf agilen Ansätzen auf und verbindet die Entwicklung von – häufig innovativen – IT-Lösungen mit deren Betrieb. Das Beispiel der T-Systems MMS zeigt, dass sich zwar zahlreiche vorhandene Entwicklungswerkzeuge für DevOps verwenden lassen, der DevOps-Ansatz aber über eine toolgetriebene Automatisierung hinausgeht. Im Ergebnis bildet DevOps ein neues Instrumentarium, um die Agilität und Innovationsorientierung des IT-Managements zu steigern. Jetzt gratis downloaden!