www.iotusecase.com
#IoTUseCase #Mittelstand

In Episode #221 des IoT Use Case Podcasts blickt Gastgeberin Ing. Madeleine Mickeleit gemeinsam mit Dr. Peter Schopf zurück, der die vergangenen 23 Folgen als Co-Host moderiert hat. Die Sonderfolge bündelt die Use Cases, Business Cases und Architekturfragen dieser Episoden – von Dampfnetzmonitoring im CHEMPARK über kommunale Hochwasser-Früherkennung bis zu privatem 5G im Stahlwerk. 

Zusammenfassung

Statt einzelner Anwenderfolgen hören die beiden in Originalzitate hinein und ordnen sie ein – unter anderem von Currenta Conneqtive, Endress+Hauser, SPALECK, ORGATEX, der Johannes Giesser Messerfabrik und Salzgitter Flachstahl.

Konkret wird es beim Business Case. Am Beispiel einer überwachten Wärmekammer bei DENIOS rechnet Mickeleit vor, was ein Chargenverlust kostet: rund 20.000 Euro für einen 1000-Liter-IBC, dazu etwa 2.000 Euro Reinigung plus eine Schicht Stillstand. Schopf ordnet ein, warum solche Beträge in der Prozessindustrie schneller entstehen als in der diskreten Fertigung – und warum belastbare Zahlen in Podcast-Gesprächen die Ausnahme bleiben: Endkunden geben sie nicht heraus, vieles läuft unter NDA.

Der zweite rote Faden ist die Frage, woran Digitalisierung im Mittelstand scheitert. An der Technik nicht mehr, so Schopf – für fast jede Fragestellung gebe es bereits einen Use Case und einen Anbieter.
-----
Relevante Folgenlinks:
Madeleine (https://www.linkedin.com/in/madeleine-mickeleit/)

Peter (https://www.linkedin.com/in/peter-schopf/)

Folgen der Episode:

#216 Dampfnetz CHEMPARK: https://iotusecase.com/podcast/condition-monitoring-lorawan-dampfnetz

#209 Hochwasser: https://iotusecase.com/podcast/hochwasser-frueher-erkennen-mit-radar-und-nb-iot

#206 SPALECK Service: https://iotusecase.com/podcast/condition-monitoring-proaktiver-service-maschinenbau

#202 ORGATEX Doku: https://iotusecase.com/podcast/digitale-intralogistik-iot-visuelles-management

#205 OPC UA ins ERP: https://iotusecase.com/podcast/iot-low-code-am-shopfloor-edge-opc-ua-erp

#215 UMH Unified Namespace: https://iotusecase.com/podcast/vibe-coding-shopfloor-mes-ohne-systemintegrator

#207 WAGO ECLASS/AAS: https://iotusecase.com/podcast/digitaler-produktpass-eclass-aas-interoperable-produktdaten

#201 Privates 5G: https://iotusecase.com/podcast/privates-5g-campusnetz-autonome-transportsysteme-stahlindustrie

#220 Datenfundament: https://iotusecase.com/podcast/datenfundament-ki-produktion-mittelstand

Anwenderkreis: https://iotusecase.com/de/anwenderkreis

www.iotusecase.com
#ProductCarbonFootprint #Datensouveränität

In der 220. Episode des IoT Use Case Podcasts spricht Gastgeber Dr. Peter Schopf mit:

• Henrik Schunk, Geschäftsführer der Next Level Mittelstand GmbH und Vorsitzender des Verwaltungsrats bei SCHUNK
• Peter Sorowka, Mitgründer und Co-CEO von Cybus
• Daniel Traub, Head of Manufacturing & Automotive Industry bei STACKIT, Schwarz Digits Cloud GmbH & Co. KG.

Im Fokus steht die Frage, wie der industrielle Mittelstand ein belastbares Datenfundament für KI-getriebene Produktion aufbaut – souverän und ohne Eigenbau.

Zusammenfassung

Ausgangspunkt ist ein nüchterner Befund: Die meisten Betriebe in der diskreten Fertigung wissen nicht live, welche Maschine läuft und welche steht. Störgründe landen handschriftlich auf Papierkarten. Sorowka argumentiert, dass Technologie seit zehn Jahren nicht das Problem ist, sondern der Business-Durchstich – datenbasierte Entscheidungsprozesse, Transparenz über Performance und ein verbreitetes Not-invented-here-Denken. Mit generativer KI verschiebt sich der Engpass auf die IT/OT-Integration.

Traub ordnet ein, warum Datensouveränität dabei zum Wettbewerbsthema wird: Bei vielen Hidden Champions ist Produktionsknow-how das differenzierende Merkmal. Neben dem Speicherort geht es um den Rechtsraum des Vertrags und um Unabhängigkeit vom einzelnen KI-Modell.

Konkret wird es an zwei Stellen: Schunk beschreibt ein PCF-Kochrezept aus einer Working Group, mit dem ein Mittelständler den von einem Automotive OEM geforderten Wert in zwei Stunden ausweisen konnte. Sorowka legt mit der autonomen Fabrik ein Zielbild vor, gestaffelt in Autonomie-Level 0 bis 4 analog zum autonomen Fahren.

Das nimmst du mit

• Wer nicht live weiß, welche Maschine steht, kennt seinen Bottleneck nicht – und kann den ROI eines Datenprojekts vorab kaum planen.
• Generative KI liefert Analyseideen und Prototypen in Stunden; der verbleibende Engpass ist die Anbindung an die reale Fertigung.
• Datensouveränität ist laut Traub ein Wettbewerbs- und kein Compliance-Thema, weil Produktionsknow-how das differenzierende Merkmal ist.
• Ein Zielbild mit Autonomie-Leveln macht Investitionen begründbar, auch wenn der ROI eines einzelnen Use Case fehlt.

-----
Relevante Folgenlinks:

Peter (https://www.linkedin.com/in/peter-schopf/)
Daniel (https://www.linkedin.com/in/daniel-traub-1678b4139/)
Henrik (https://www.linkedin.com/in/henrik-schunk-3a0a9098/)
Peter S (https://www.linkedin.com/in/psorowka/)

www.iotusecase.com
#LoRaWAN #PredictiveMaintenance #IIoT #MakeOrBuy

In dieser Episode des IoT Use Case Podcasts spricht Gastgeber Dr. Peter Schopf mit Murat Mutlu, IoT Portfolio Manager bei Currenta Conneqtive, und Christian Olt, IoT Industrial Solutions Director bei akenza. Im Mittelpunkt steht die Frage, wann aus einzelnen Sensorprojekten eine skalierbare IoT-Infrastruktur wird – und die Make-or-Buy-Entscheidung zwischen selbst gebautem IoT-Stack und einer bestehenden Plattform.

Zusammenfassung

Ausgangspunkt ist das LoRaWAN-Netz im CHEMPARK, mit dem Currenta Conneqtive zunächst das Dampfnetz und später Pumpen im Flusswasserwerk überwacht. Statt einen eigenen IoT-Stack aufzubauen – mit Entwicklungsabteilung, Anforderungskatalog und ein bis zwei Jahren Vorlauf – setzt Conneqtive auf die akenza-Plattform und kann sich so auf Sensoren und Use Cases konzentrieren. Ein zentraler Punkt ist die Device Type Library mit über 400 vordekodierten Geräten: Das Dekodieren neuer Sensoren, sonst ein wiederkehrender Schmerzpunkt, fällt per Klick weg.

Murat Mutlu und Christian Olt gehen den Weg vom TWTG-Vibrationssensor über Actility als LoRaWAN-Network-Server bis zur Auswertung in akenza durch – inklusive FFT-Analysen, Grenzwerten und Alarmierung. Deutlich wird: Mit Grenzwerten lässt sich ein Großteil der Fälle abdecken, komplexe Schwingungsbilder und KI-Modelle brauchen dagegen weiter einen Experten. Der eigentliche Hebel liegt darin, eine einmal aufgebaute Infrastruktur als Shared Medium für viele weitere Anwendungsfälle zu nutzen – von der Einzelraumregelung bis zur Schmierungsoptimierung.

Das nimmst du mit

• Wer IoT skalieren will, baut nicht einzelne Use Cases, sondern eine Infrastruktur, auf der viele Anwendungsfälle aufsetzen.
• Eine vordekodierte Device-Bibliothek nimmt den größten Aufwand beim Anbinden neuer Sensoren – das Dekodieren – aus dem Projekt.
• Grenzwerte lösen einen Großteil der Predictive-Maintenance-Fälle; für komplexe Schwingungsbilder braucht es weiterhin Expertenwissen.
• Als Infrastructure- und Software-as-a-Service finanzieren Einsparungen, etwa bei Heizkosten, die Infrastruktur mit.
• Das größte Lehrgeld fiel nicht in der Software an, sondern im Feld – durch zu komplexe, zu stark ingenieurgetriebene Lösungen statt pragmatischer Standards.

-----
Relevante Folgenlinks:

Peter (https://www.linkedin.com/in/peter-schopf/)
Christian (https://www.linkedin.com/in/christian-olt-a75244199/)
Murat (https://www.linkedin.com/in/murat-mutlu-solution-portfolio-manager/)

www.iotusecase.com
#Verwaltungsschale #IIoT

In dieser Episode des IoT Use Case Podcasts spricht Co-Host Dr. Peter Schopf mit Michael Knoblich, Product Owner bei XITASO, und Hans Michael Krause, Director Ecosystem ctrlX World bei Bosch Rexroth. Im Mittelpunkt steht die Frage, wie aus der Verwaltungsschale – der Asset Administration Shell – in der Modellfabrik von Bosch Rexroth in Ulm konkrete Produktionsflexibilität wird.

Zusammenfassung

Ausgangspunkt ist ein bekanntes Problem: Neue Maschinen lassen sich nur mühsam in bestehende Linien integrieren, weil Linien-SPS starr programmiert sind und Daten in Subsystemen mit unterschiedlicher Semantik brechen. Die Verwaltungsschale dient als standardisierte Datenschnittstelle – im Werk und über Unternehmensgrenzen hinweg.

In der Modellfabrik bekommt jede Maschine und jedes Modul eine Verwaltungsschale. Über eine Asset Orchestration Platform modelliert Bosch Rexroth die Linie per Businesslogik statt fester SPS-Programmierung und rekonfiguriert flexibel zwischen AGVs und Maschinen. XITASO unterstützt bei der standardisierten Erstellung; ein frühes Beispiel ist das digitale Typenschild bei WITTENSTEIN. Die Verwaltungsschale bleibt dabei eine Technologie neben OPC UA und MQTT – entscheidend ist die Wahl je Use Case.

Die größte Hürde ist die Erstellung der Verwaltungsschale selbst. Krause rät, klein an der vermuteten Bottleneck-Maschine anzufangen und erst Datentransparenz zu schaffen, bevor die Linie orchestriert wird. Knoblich lenkt den Blick auf OT/IT und ein gemeinsames Zielbild: Am Ende seien es die Menschen, die man mitnehmen muss.

Das nimmst du mit

• Als größte Einstiegshürde erscheint die Erstellung der Verwaltungsschale selbst – für Brownfield-Maschinen bietet XITASO dafür einen SPS-Funktionsbaustein.
• Auf Basis der Verwaltungsschale lässt sich eine Linie über eine Asset Orchestration Platform per Businesslogik modellieren, statt sie starr in die Linien-SPS zu programmieren.
• Die Verwaltungsschale ist eine Technologie von mehreren; für Bewegungskommandos eignet sich MQTT, für Sensorsignale OPC UA.
• Wer OEE verbessern will, beginnt an der vermuteten Bottleneck-Maschine: erst Verluste transparent machen, dann orchestrieren.
  

-----
Relevante Folgenlinks:

Peter (https://www.linkedin.com/in/peter-schopf/)
Hans Michael (https://www.linkedin.com/in/hansmichaelkrause/)
Michael (https://www.linkedin.com/in/michael-knoblich/)

www.iotusecase.com
#LoRaWAN #Stadtwerke #Fernwärme 

In Folge #217 des IoT Use Case Podcasts spricht Gastgeber Dr. Peter Schopf mit Philipp Lausberger, IIoT Application Specialist bei WIKA, über IoT-Applikationen bei Stadtwerken und Netzbetreibern. Im Mittelpunkt steht die Frage, wie aus einem Messwert im Feld eine bessere Entscheidung im Netzbetrieb wird – und wie sich Kontrollfahrten zu schwer zugänglichen Fernwärme-, Wasser- und Gasnetzen reduzieren lassen.

Zusammenfassung

Viele Stadtwerke betreiben jahrzehntealte Bestandsnetze, deren Zustand bisher nur über manuelle Inspektionen erfasst wird: Zwei Mitarbeiter fahren zu einem Schacht, steigen bis zu sechs Meter tief hinab und lesen ein analoges Manometer ab. Das liefert nur eine Momentaufnahme – Leckagen, überflutete Schächte oder nachlassende Isolation an Stahlmantelrohren bleiben zwischen den Kontrollfahrten unentdeckt.

Lausberger beschreibt die Strecke vom Sensor bis in die Leitwarte: batteriebetriebene Messtechnik mit Funkübertragung über LoRaWAN, mioty oder Mobilfunk wie NB-IoT und LTE-M, angebunden über standardisierte Schnittstellen wie REST-API, MQTT und OPC UA. Zentrale Abwägung ist die Skalierbarkeit: Selbstgebaute Insellösungen stoßen schnell an ihre Grenzen, weshalb er cloudbasierte Netzwerkserver und einen verlässlichen Partner einem eigenen Plattformbetrieb vorzieht.

Wie die Daten den Netzbetrieb verbessern, zeigt er an einem Druckregelventil, das nach wochenlanger Suche als Ursache eines „springenden Netzes" identifiziert wurde, sowie an Langzeitdaten zu Druckspitzen für die Netzplanung. Bei Kosten unter 100 Euro pro Messstelle hält er den Ansatz auch für kleinere Kommunen für tragfähig.

Das nimmst du mit

• Der Zustand vieler Fernwärme-, Wasser- und Gasnetze wird bislang nur per manueller Schachtkontrolle erfasst; IoT liefert kontinuierliche Daten statt Momentaufnahmen.
• Batteriebetriebene Funksensoren (LoRaWAN, mioty, NB-IoT, LTE-M) erreichen Laufzeiten von bis zu zehn Jahren und lassen sich ohne Strom- oder Kabelinstallation nachrüsten.
• Selbstgebaute Insellösungen skalieren schlecht; ein cloudbasierter Netzwerkserver und ein verlässlicher Partner sind laut Lausberger der tragfähigere Weg.
• Sechs Meter tiefe Schächte erfordern Alternativen wie absetzbare Antennen, weil das Funksignal sonst nicht an die Oberfläche gelangt.

-----
Relevante Folgenlinks:

Peter (https://www.linkedin.com/in/peter-schopf/)
Philipp (https://www.linkedin.com/in/philipp-lausberger-5a16291a5/)

Jetzt IoT Use Case auf LinkedIn folgen

1x monatlich IoT Use Case Update erhalten

www.iotusecase.com
#LoRaWAN #Dampfnetz #Digitalisierung

In Episode #216 des IoT Use Case Podcasts spricht Dr. Peter Schopf mit Murat Mutlu, IoT-Portfolio Manager bei Currenta Conneqtive, und Dominik Neugebauer, Leitung Technik Rohrnetze bei Currenta. Thema ist die Digitalisierung eines 180 Kilometer langen Dampfnetzes im CHEMPARK – mit LoRaWAN statt Kabel, für mehr Transparenz im Netz und weniger Energieverluste.

Zusammenfassung

Der CHEMPARK betreibt rund 1.000 Kilometer Rohrleitungen, davon ca. 180 Kilometer Dampfnetz. Das Netz wurde historisch für andere Lastprofile ausgelegt – Bedarfe und Abnahmepunkte haben sich seitdem stark verändert. Klassische Temperaturmessung ist im Feld ohne aufwändige Verkabelung kaum wirtschaftlich darstellbar. Kondensatableiter – Bauteile, die flüssiges Kondensat aus dem Dampfsystem ableiten – wurden bislang manuell geprüft; Defekte blieben dadurch monatelang unbemerkt.

Currenta Conneqtive hat ein LoRaWAN-Netz aufgebaut, das mit wenigen Outdoor-Antennen den gesamten CHEMPARK abdeckt. Batteriebetriebene Sensoren erfassen Temperaturen an Knotenpunkten und überwachen den Status der Kondensatableiter per Condition Monitoring. Ziel ist es, Reaktionszeiten bei defekten Ableitern von Monaten auf Stunden zu reduzieren – und die Netzauslegung auf Basis besserer Daten schrittweise zu optimieren.

Parallel entsteht ein KI-gestütztes dynamisches Simulationsmodell, das den Netzzustand auch zwischen Messpunkten abbildet. Da externe Dienstleister die nötige Kombination aus ML-Kompetenz und thermodynamischem Prozesswissen nicht lieferten, wird das Modell intern entwickelt. Der CHEMPARK dient dabei als Stresstest – was hier zuverlässig läuft, soll als standardisiertes SaaS-Produkt für externe Industriekunden angeboten werden.

Das nimmst du mit

• LoRaWAN deckt weitläufige Industriestandorte mit wenigen Antennen kostengünstig ab – ohne aufwändige Verkabelungsinfrastruktur.
• Condition Monitoring der Kondensatableiter reduziert Reaktionszeiten bei Defekten von Monaten auf Stunden.
• Live-Sensordaten aus dem Feld verbessern Netzwerksimulationen und ermöglichen fundiertere Investitionsentscheidungen im Dampfnetzbetrieb.
• KI-gestützte Simulation im Prozessumfeld erfordert ML-Kompetenz und thermodynamisches Domänenwissen gleichermaßen – wer beides nicht vereint, scheitert am Modell.
• Ein LoRaWAN-Netz als geteilte Infrastruktur lässt sich für mehrere Use Cases gleichzeitig nutzen und schrittweise mit neuen Anwendungsfällen erweitern.

-----
Relevante Folgenlinks:

Peter (https://www.linkedin.com/in/peter-schopf/)
Murat (https://www.linkedin.com/in/murat-mutlu-solution-portfolio-manager/)
Dominik (https://www.linkedin.com/in/dominik-neugebauer-8a47b6298/

Jetzt IoT Use Case auf LinkedIn folgen

1x monatlich IoT Use Case Update erhalten

www.iotusecase.com
#UnifiedNamespace #VibeCoding #GenerativeAI 

Alexander Krüger, CEO und Managing Director von United Manufacturing Hub (UMH), ist zu Gast bei Dr. Peter Schopf im IoT Use Case Podcast. Im Mittelpunkt steht eine These, die gerade in vielen Werken an Relevanz gewinnt: Was passiert, wenn generative KI nicht nur Texte schreibt, sondern gleich die Produktionsanwendungen dahinter baut – und welche Datengrundlage dafür zwingend nötig ist?

Zusammenfassung

UMH positioniert sich als Open-Source-Plattform für industrielles Datenmanagement. Die Grundidee: Wer Vibe-Coding – also das KI-gestützte Generieren von Frontend-Applikationen – im Shopfloor nutzen will, braucht dafür eine saubere, strukturierte Datengrundlage. Diese stellt UMH über einen Unified Namespace bereit: eine eventbasierte Architektur, die Maschinendaten aus unterschiedlichsten Quellen normalisiert und über REST-APIs sowie Echtzeit-Streams verfügbar macht. Krüger erklärt, warum KI dieselbe Datensemantik braucht wie ein menschlicher Produktionsleiter – ohne klaren Kontext halluziniert sie genauso.

Besonders konkret wird es beim Thema MES. Traditionelle Implementierungen kosten Hunderttausende Euro, erfordern Systemintegratoren und sind kaum änderbar. Mit einem sauberen Daten-Backend und Vibe-Coding lassen sich solche Anwendungen nach Angaben von Krüger heute intern in wenigen Wochen und für einen Bruchteil der früheren Kosten bauen. Eine Forrester-Studie mit UMH-Kunden zeigt: 5 % Energieeinsparung, 14 % weniger ungeplante Stillstände, ROI von über 400 %.

Das nimmst du mit

• Vibe-Coding im Shopfloor funktioniert nur auf einer sauberen Datengrundlage – der Unified Namespace liefert die nötige Semantik und Struktur.
• KI braucht denselben Kontext wie ein Mensch: Ohne strukturierte Daten halluziniert sie genauso zuverlässig wie mit unklaren Arbeitsanweisungen.
• Infrastructure as Code macht das Anbinden von Maschinen drastisch schneller – aus Tagen werden Minuten, wenn die AI mit Konfigurationsdateien statt UI-Klicks arbeitet.
• Build vs. Buy verschiebt sich fundamental: MES-Anwendungen lassen sich heute intern für einen Bruchteil der früheren Kosten selbst bauen.
• UMH ist vollständig Open Source – einfach herunterladen, eigene Use Cases validieren, loslegen.

-----
Relevante Folgenlinks:

Peter (https://www.linkedin.com/in/peter-schopf/)
Alexander (https://www.linkedin.com/in/alexander-krueger/)

Jetzt IoT Use Case auf LinkedIn folgen

1x monatlich IoT Use Case Update erhalten

www.iotusecase.com
#LteM #Sensorik #RemoteMonitoring 

In der 214. Episode des IoT Use Case Podcasts spricht Gastgeber Dr. Peter Schopf mit Dennis Jansen, Product Manager IIoT bei autosen. Im Fokus steht die Frage, wie Betreiber dezentrale Assets ins IIoT bringen – ohne Steuerungseingriff, ohne IT-Projekt, ohne Kabel.

Zusammenfassung

autosens Antwort ist das minion: ein modulares Sensorsystem mit integriertem Mobilfunk-Gateway und Batterie, das ohne bestehende Infrastruktur auskommt. Der Ansatz dahinter ist bewusst radikal einfach – Steuerungen werden nicht angefasst, stattdessen werden neuralgische Punkte im Feld überwacht. Vom Auspacken bis zu den ersten Daten in der Cloud: maximal 30 Minuten.

Dennis Jansen erklärt, warum autosen dabei auf LTE-M und NB-IoT setzt, statt auf 5G – Energieeffizienz schlägt Bandbreite, wenn eine Batterie zwei Jahre halten soll. Und er macht deutlich, für wen das System gedacht ist: nicht für den Endanwender selbst, sondern für Systemhersteller, die ihren Kunden eigenständige IoT-Services anbieten wollen – etwa bei Industrieventilatoren, Füllstandsüberwachung oder Zugangskontrolle.

Das nimmst du mit

– Plug & Play im IIoT ist möglich, wenn man Steuerungen weglässt und eigenständige Devices für neuralgische Punkte einsetzt

– LTE-M und NB-IoT schlagen 5G für batteriebetriebene Sensoren, weil Energieeffizienz vor Bandbreite kommt

– Das minion-System richtet sich an Systemhersteller als Enabler – nicht direkt an Endkunden

-----
Relevante Folgenlinks:

Peter (https://www.linkedin.com/in/peter-schopf/)
Dennis (https://www.linkedin.com/in/dennis-jansen-82246799/)

Jetzt IoT Use Case auf LinkedIn folgen

1x monatlich IoT Use Case Update erhalten

Jetzt IoT Use Case auf LinkedIn folgen

1x monatlich IoT Use Case Update erhalten

www.iotusecase.com
#DirectAirCapture #DAC #IIoT

In dieser Episode des IoT Use Case Podcasts spricht Gastgeber Peter mit Niklas Friederichsen, Co-Gründer und CTO/CPO bei Greenlyte, und Christoph Schneider, Vice President Produktmanagement bei ifm. Im Fokus steht die Frage, wie Direct-Air-Capture-Anlagen den Sprung vom Laborprototyp zur autonomen, industrietauglichen Anlage schaffen – und welche Rolle dabei dynamische Prozessführung, IO-Link-Sensorik und der Remote-Zugriff über moneo spielen. 

Folge 208 auf einen Blick (und Klick):

• (11:04) Herausforderungen, Potenziale und Status quo – So sieht der Use Case in der Praxis aus

Podcast Zusammenfassung

Greenlyte überführt eine im Labor validierte Direct-Air-Capture-Technologie in real betreibbare und skalierbare Anlagen: von einer 50 t CO₂/Jahr Pilotanlage in Duisburg hin zu einer 1.500 t/Jahr First-of-a-Kind-Anlage in Marl.

Die zentrale Herausforderung liegt dabei weniger in der Grundidee als in der industriellen Umsetzung: schwankende Verfügbarkeit erneuerbarer Energien, variable Umgebungsbedingungen wie Temperatur und Luftfeuchte sowie die Kombination aus klassischer Prozesstechnik (Absorption) und Elektrochemie (Desorption) erfordern eine hochdynamische und robuste Prozessführung. Hinzu kommen praktische Themen wie zuverlässige Sensorik unter realen Bedingungen – etwa bei Schaumbildung oder sich verändernden Medien.

Technisch setzt Greenlyte früh auf durchgängige Digitalisierung: Sensoren werden über IO-Link angebunden, Parametrierung und Datenzugriff erfolgen remote über ifm moneo. Zentrale Datenhaltung, Wiederverwendung von Parametersätzen sowie strukturierte FAT/SAT-Tests ermöglichen eine schnelle Iteration und Skalierung. Ergänzt wird dies durch ein revisionsgeführtes Anlagen-Engineering, bei dem Änderungen häufig über Konfiguration statt über Code-Rollouts umgesetzt werden.

Der Use Case zeigt, wie standardisierte Feldanbindung, Remote-Service und datenbasierte Optimierung helfen, Prototypen schneller zu stabilisieren, Inbetriebnahmen zu beschleunigen und die Grundlage für skalierbare Anlagenflotten sowie effiziente Wartungsstrategien zu schaffen.

-----
Relevante Folgenlinks:

Peter (https://www.linkedin.com/in/peter-schopf/)
Niklas (https://www.linkedin.com/in/dr-niklas-friederichsen-8290849b/)
Christoph (https://www.linkedin.com/in/christoph-schneider-18872627/)

Jetzt IoT Use Case auf LinkedIn folgen

1x monatlich IoT Use Case Update erhalten