Programm *

„Lohnt es sich, Daten zu teilen?“ So ist es für viele Akteure DIE zentrale Frage, wenn es um die eigene Geschäftsmodellkompatibilität und Rentabilität in der Betrachtung zu einer Bewertung entlang der eigenen Lieferkette geht. Dabei liegt es auf der Hand, dass Datenökosysteme ein enormes Potenzial für neue Geschäftsmodelle und stärkere Kundenbindung eröffnen. In der Prozessindustrie finden sich meist fragmentierte Systemlandschaften vieler Zulieferer und Prozesspartner, gewachsene Systeme, die zeitintensive Transformationsprojekte erfordern. Der Schritt einer Modernisierung der IT-Landschaft birgt für die Verantwortlichen Entscheider gefühlt klare Risiken: es müssen bspw. Datenschutz- und Haftungsfragen zeitgleich geregelt werden, IT-Sicherheitsvorfälle vermieden werden, und als wesentlicher Aspekt ist zudem der kulturelle Wandel zu berücksichtigen – die interne Sicht verlagert sich stärker auf Kollaboration, Datenaustausch und eine Perspektive für flexible Projektstrukturen (was wiederum eine enge Abstimmung zwischen Fachbereichen, IT und Compliance erfordert). 

Im Vortrag gehen wir dieser Frage und dem verbundenen Gefühl gemeinsam nach – insbesondere auch ob es diese umfassenden Transformationsprojekte wirklich hierfür braucht? Greift die heutige Einstufung allein als Kostenfaktor zu kurz – und wie gestaltet sich der gezielte Nutzen einer modernen Datenarchitektur nach europäischen Werteprinzipien? 

Dieser Vortrag unterstreicht zudem die Bedeutung einer ressourcen- und klimabewussten F&E-Kette, die sich durch digitale Durchgängigkeit und souveräne Zusammenarbeit auszeichnet. Der aktuelle Wandel von Wirtschaft und Gesellschaft erfordert eine neue Sichtweise auf die Forschung und Entwicklung (F&E) von Produkten und Dienstleistungen, da die traditionellen Muster, die in die Prozesse, Methoden, das Verhalten bei der Zusammenarbeit und die Denkweise der Unternehmen eingeflossen sind, spätestens seit dem massiven technologischen Durchbruch von (Gen)AI in breiter Anwendung nicht mehr gelten. Wir versuchen über Vereinfachung und Entschlackung von Informationen den Kern komplexer Modelle zu erfassen – doch steckt die Kraft und Fähigkeit von Resilienz gerade in der Komplexität über den Produkt-Lebenszyklus. Wir benötigen daher Methoden und Wege, um Niederschwelligkeit im Umgang und  Handling der F&E in einem datengesteuerten Unternehmen nach zukünftigen Anforderungen abbilden zu können. Fertigungsunternehmen stehen längst nicht mehr für sich alleine – es braucht ebenso Resilienz in wechselseitig- dynamischen Lieferketten – und dieses Potential kann durch Global Trusted Data Spaces (GTDS) gehoben werden. Anhand praktischer Kundenerfahrungen aus verschiedenen Industrieunternehmen zeigen sich die Vorteile digitaler Werteketten. Daten-Ökosysteme sind bereits dabei, alle Industriesektoren grundlegend zu verändern – längst nicht nur technisch, sondern vor allem strategisch. Akteure die sich aktiv im Thema positionieren, werden zum Motor für moderne Geschäftsmodelle, engere Kundenbeziehungen in Echtzeit und verbesserte Ertragschancen werden. Organisationen innerhalb der EU sollten bereits begonnen haben, sich mit den kommenden Vorgaben zu befassen, eine eigene Datenstrategie zu entwickeln und Kooperationspartner zu identifizieren.

Modularisierung ist vielversprechend, aber ein gängiges Vorurteil bleibt: standardisierte, modulare Anlagen können die Anforderungen des Prozesses mit of-the-shelf-Modulen nicht erfüllen. Daher können sie entweder gar nicht oder nur mit großen Effizienzeinbußen genutzt werden. Ist das wirklich so? In diesem Beitrag wird ein digitaler Planungsablauf präsentiert, mit dem man modulare Anlagen basierend auf vorgeplanten, virtuellen Modulen innerhalb von Minuten konfigurieren und anschließend testen kann. Dies umfasst die Anzahl und Verschaltung der Module inklusive dem Erstellen von Rezepten zum Realisieren des Prozesses. Durch hinterlegte Simulationsmodelle kann so dynamisch der Verlauf der Prozessparameter in den einzelnen Modulen nachverfolgt werden und durch Einstellen der Parameter innerhalb des zulässigen Bereichs optimiert werden. In dem virtuellen Aufbau lassen sich also die Fähigkeiten der einzelnen Equipments aufeinander abstimmen, um eine bestmögliche Lösung für die Umsetzung des Prozesses zu erzielen; und das alles weitestgehend automatisch. Voraussetzung für diese Planung ist ein entsprechender Planungsdatensatz an Modulen und zugehörigen Modellen. Das Ergebnis ist eine Einschätzung der Eignung von Equipment für einen Prozess, eine Identifizierung der Bottlenecks, sowie ein Bericht zur Überlagerung der Prozessparameterbereiche von Prozess und Equipment. Das Vorgehen wurde an einem gemeinsamen Anwendungsfall eines Fermentationsprozesses mit Betreibern getestet und eine entsprechende Bewertung der zur Verfügung stehenden Module realisiert. Hierzu wird im zweiten Teil des Vortrags ein Erfahrungsbericht präsentiert. Der Vortrag schließt mit einer Vorstellung der genutzten offenen Austauschformate, sodass das Vorgehen auch herstellerübergreifend angewendet werden kann; ganz nach dem Gedanken der Modularisierung.

Die Prozessindustrie will klimaneutral und digital vernetzt werden. Die Voraussetzung dafür schaffen Datenräume mit einer offenen, standardisierten Infrastruktur, die sowohl technologische Interoperabilität als auch die Einhaltung europäischer Werte wie Datensouveränität und Sicherheit gewährleistet. Im Projekt Process-X, einem industriegeführten Vorhaben unter Leitung von NAMUR und ZVEI, wurde ein Anwendungsfall zur effizienten und nachhaltigen Dampfproduktion realisiert. Um datenbasierte Prognosen zu ermöglichen, wurden heterogene Betriebsdaten gebündelt, mit Machine Learning analysiert und in Echtzeit über einen rollenbasierten, domänenübergreifenden Datenraum bereitgestellt.

Der Ausblick auf zwei weitere Use Cases ergänzen den Vortrag: die intelligente Nutzung industrieller Abwärme sowie die automatisierte Erfassung betrieblicher Schlüsselkennzahlen wie Sicherheitsanforderungen oder dem Product Carbon Footprint. 

Christine Oro Saavedra (NAMUR) und Dr. Angelina Marko (ZVEI) präsentieren in ihrem gemeinsamen Vortrag

• Die konkreten Umsetzungsschritte der Used Cases
• Wie Datenräume zur Effizienzsteigerung, Prozesssicherheit und Dekarbonisierung beitragen können 
• Lessons Learned 
• Die strategischen Mehrwerte datenraumgestützter Anwendungen.

Ergänzend erläutert Dr. Marko:

• Die strategische Bedeutung des vom BMWK geförderten Transferprojekts SCALE-MX 
• Die Rolle des offenen Datenökosystems Manufacturing-X

Das R&I-Fließbild (P&ID) ist das zentrale Planungswerkzeug für verfahrenstechnische Anlagen – und gleichzeitig die Grundlage für deren spätere Automatisierung. Der Übergang von der verfahrenstechnischen Planung zur Erstellung des Automatisierungsprogramms erfolgt heute jedoch häufig manuell und aufwändig. Bereits im letzten Jahr konnte mit dem Module Type Package gezeigt werden, dass sich auf Basis des P&ID die Automatisierung vorbereiten lässt.

In diesem Beitrag gehen wir einen Schritt weiter:  Wir zeigen, wie sich die in der Funktionsbeschreibung definierte Verhaltensspezifikation einer verfahrenstechnischen Anlage direkt zur Generierung der Automatisierungslogik – konkret der Services – nutzen lässt. 

Die so automatisierten Process Equipment Assemblies (PEAs) können dann direkt in die POL integriert und betrieben werden. Dazu gehört vor allem auch das Erstellen und Ausführen von Rezepten für den vollautomatischen Betrieb. 

Demonstriert wird dieses Konzept anhand einer durchgängigen Toolchain: Das P&ID und die Funktionsbeschreibung werden in X-Visual PlantEngineer erstellt und anschließend in Beckhoff TwinCAT überführt. 

Der komplette Workflow wird praxisnah am Beispiel eines Moduls von FLEXCELERATE Solutions vorgestellt. In dem Beitrag wird ein Erfahrungsbericht zum umgesetzten Workflow präsentiert, der die einzelnen Potentiale der Tools und vor allem des Zusammenspiels hervorhebt.

Wie setzen wir Industrie 4.0 schnell und effizient um? Mit dieser Frage beschäftigen sich derzeit viele Industrieunternehmen. Statt alleine vor sich hin zu tüfteln, ist heute mehr denn je Zusammenarbeit gefragt. Denn vom Austausch technischer Informationen und Daten profitieren alle: die Anlagenbetreiber, die Service Provider und die Hersteller von Maschinen und Komponenten für die Prozessindustrie. Betriebsabläufe und Prozesse können so bei allen Beteiligten höher automatisiert und damit effizienter gestaltet werden. Dies ist der wichtigste Schritt auf dem Weg zur intelligenten Fabrik!

Damit alles reibungslos funktioniert, braucht es Standards und Plattformen für den Informationsaustausch zwischen allen Partnern. Genau diese Standards und Technologien erarbeiten Unternehmen und Techniklieferanten der Prozessindustrie im Digital Data Chain Konsortium.

Christoph-Attila Kun, Manager Digital Data Chain Consortium gibt einen Überblick über Ziele und Aktivitäten des Konsortiums.

Merck Darmstadt betreibt die erste MTP-basierte modulare Anlage im GxP-Umfeld. Die Modularisierung revolutioniert die Prozessindustrie, indem sie erhebliche Vorteile bietet, insbesondere durch die Integration von Package Units mittels Module Type Package (MTP). Dieser Ansatz ist bereits in Branchen wie der Pharma-, Biotech- und Lebensmittelindustrie verbreitet und setzt sich zunehmend auch in der klassischen chemischen Produktion durch.

In diesem Tandemvortrag stellen der Betreiber und das Beratungsunternehmen QPRI / MTP4Pharma das  Projekt vor, die besonderen Herausforderungen dabei, gehen auf die Erfahrungen ein und ziehen Schlussfolgerungen für kommende Projekte. Außerden gibt es  einen Ausblick auf aktuelle Aktivitäten zur weiteren Optimierung der Durchgängigkeit von Datenmodellen.

Die Referenten behandeln folgende Themengebiete:

• Einheitliche Datenmodelle als Basis für die Digitalisierung (MTP-Standard)
• Datenräume als offene Infrastruktur für den Datenaustausch zwischen Unternehmen (SEMODIA-MTPlatform)
• Module-Type-Package(MTP)-Technologie als Basis des durchgängigen Engineerings von modularen Anlagen und zur einfachen Integration von automatisierten Prozessmodulen/Produktionstechnologien
• Ontologien des World Wide Web Consortium (W3C) zur Datenintegration und Datenaustausch als Grundlage KI-basierten Smart Manufacturing Facilities
• Asset Administration Shell“ (AAS, Verwaltungsschale) für die standardisierte Integration von Dokumenten und digitalen Informationen
• Die nahtlose Integration von Smarten Modulen für smartes Manufacturing wird mit Hilfe des Digitalen PEA-Pass (PEA-DPP) nicht nur ermöglicht sondern vereinfacht

Die 2022 vom Forschungsministerium ins Leben gerufene Initiative Manufacturing-X zur Digitalisierung von Lieferketten in der Industrie inzwischen Zuwachs bekommen.  Semiconductor-X ist auf die Lieferketten der Halbleiterindustrie zugeschnitten und wird federführend von Intel Deutschland und Fraunhofer IFF vorangetrieben. Mehr als 20 Partner, darunter auch Merck, hat die Initiative inzwischen und nun gibt es erste Praxisbeispiele.  

Der Vortrag präsentiert Ergebnisse aus dem Projekt Semiconductor-X und  zeigt am Beispiel einer smarten Prozesspumpe für Additive: 

• Wie die Pumpe als proaktiver digitaler Zwilling mit AAS, MTP, KI und Datenraum-Integration realisiert wird: von der Bestellung über die Verwaltungsschale (AAS) bis zur Anwendung in modularen Produktionsumgebungen.
• Welche  konkretem Mehrwert für OEMs und Operator in der Prozessindustrie die Integration über den Lebenszyklus bringt. 

Die Teilnehmer lernen:

• welche unterschiedlichen Zustände  die Verwaltungsschale (AAS) der Pumpe einnehmen kann
• wann aus der  Pumpe  ein digitaler Zwilling bzw. ein cyber-physischen System wird
• wie die Pumpe identifiziert und in das IT/OT-System integriert wird
• wie mit MTP, PEA und AAS eine hochflexible Produktionsumgebung entsteht
• wie durch Anbindung an einen Manufacturing-X-Datenraum eine bidirektionale Nutzung über Organisationsgrenzen hinweg gelingt

Im Bereich der Anlagenentwicklung beginnt die Reise mit der Planung von Prozess- und Instrumentierungsdiagrammen (R&I). Zunächst werden Rohrleitungen und Instrumentierung skizziert, gefolgt von detaillierten Spezifikationen in der Verfahrenstechnik. Eine kritische Anforderung ist der bidirektionale Datenaustausch zwischen Engineering-Systemen in der Verfahrens- und Anlagentechnik (VT) und der Prozessleittechnik (PLT). Effektives, datenzentriertes Engineering setzt eine konsistente und qualitativ hochwertige Datengrundlage voraus. Manuelle Datenübertragung und die Abhängigkeit von Excel behindern eine effiziente Handhabung, erfordern komplizierte Anpassungen und führen zu hohen Fehlerquoten, die die Implementierung eines "Single Point of Truth" und eines nahtlosen Datenflusses vereiteln. Darüber hinaus stellt das Fehlen standardisierter Protokolle eine Herausforderung für den disziplinübergreifenden Datentransfer dar. 

Dieser Tandemvortrag von Elisabeth Wächter-Schäper von Kuraray und Christian Stolz von Rösberg befasst sich mit den Herausforderungen und Erkenntnissen, die sich aus dem Einsatz einer standardisierten Schnittstelle auf Basis der NAMUR-Empfehlung NE159 ergeben. 

Der Vortrag behandelt folgende Themen: 

• Durchgängiges Datenmanagement in Brownfield und Greenfield-Projekten 
• Einheitliche Datenmodelle als Basis für die Digitalisierung 
• Der digitale Zwilling als „Single Source of Truth“ im Anlagenlebenszyklus 

Erleben Sie mit uns die praktischen Erfahrungen bei der Überwindung dieser Hürden und bei der Entwicklung standardisierter Datenaustauschlösungen in der Prozessindustrie. 

Die Grundlage für effiziente Arbeitsabläufe sind verlässliche Informationen. In der Regel ist die Übergabe von Informationen zu technischer Fabrikausrüstung zwischen verschiedenen Firmen mit hohen Aufwänden verbunden. Mit Hilfe einheitlicher Datenmodelle und Schnittstellen, wie zum Beispiel dem Identification Link (IEC 61406), der VDI 2770 und der Asset Administration Shell, werde diese Aufwände reduziert. 

BASF hat bereits Teile der Digital Data Chain umgesetzt und sieht weitere Verbesserungen durch aktuelle Entwicklungen im Rahmen der Manufacturing-X Projekte. 

In diesem Vortrag werden entsprechende Beispiele aus der praktischen Umsetzung bei BASF gezeigt.

In einem Digitalen Produktpass sollen nach den Vorgaben der EU künftig alle relevanten Informationen eines Produkts wie Hersteller, Material, Reparatur- und Entsorgungsmöglichkeiten digital erfasst und transparent für alle am Produktlebenszyklus beteiligten Akteure zugänglich gemacht. Die Strukturierung dieser Daten soll in einem standardisierten, vergleichbaren Format erfolgen. Ein möglicher Standard ist der ECLASS Standard der heute mit rund 48.000 Klassen und 23.000 Merkmalen eine herstellerunabhängige und branchenübergreifende Lösung bietet, um Produkte eindeutig zu beschreiben. Informationen für den Digitalen Produktpass können in der Asset Administration Shell (AAS) abgebildet werden. Das Austauschformat für Daten und bündelt in Teilmodellen Informationen über Produkte entlang ihres gesamten Lebenszyklus.

Der Vortrag erklärt

• Wie der Digitale Produktpass (DPP) und seine Lösung in AAS und ECLASS aussehen können
• Wie AAS und Eclass bei einem konkretes Beispiel ( Handschuhen für die Prozessindustrie) umgesetzt wurde
• Welche wirtschaftlichen Auswirkungen z.B. Kosten- und Zeitersparnis mit einem standardisierten DPP erzielt werden können

Künstliche Intelligenz verändert die Prozessfertigung, indem sie messbare Verbesserungen bei Effizienz, Qualität und Geschwindigkeit ermöglicht. Wir stellen praxisnahe Anwendungsfälle vor, die zeigen, wie Produktionsteams die Einführung von KI beschleunigen können, um Abläufe zu optimieren und konkrete Geschäftsergebnisse zu erzielen. Es wird erläutert, wie sichere und skalierbare Edge-Computing-Lösungen eine schnellere Implementierung von KI ermöglichen und die Flexibilität bieten, die moderne Fertigungsumgebungen benötigen – ohne tiefgehende IT-Kenntnisse vorauszusetzen. 

Ein zentrales Thema ist, wie standardisierte und automatisierte Ansätze die Einführung und den Betrieb von KI vereinfachen. Außerdem besprechen wir, wie bedarfsgerechtes Datenmanagement sichere und zuverlässige Einblicke in die Produktion erlaubt. Im gesamten Beitrag steht der Mensch im Mittelpunkt digitaler Initiativen, um nachhaltigen Erfolg zu sichern und Teams zu befähigen, durch KI-gestützte Prozessverbesserungen neuen Mehrwert zu erschließen.

Warum intelligentes Formularmanagement der Schlüssel zur Effizienz in Labor  und Pharma-Produktion ist

Inhalte des Vortrags:

• Vom Papierchaos zur digitalen Kontrolle: Warum herkömmliche Formulare und "Paper on Glass"-Lösungen die digitale Transformation eher behindern als fördern – und was es wirklich braucht.
• Daten, wohin man schaut – aber wie nutzbar sind sie? Der reale Umgang mit Protokollen, Checklisten und Formularen im Laboralltag – und wie strukturierte, direkt weiterverwertbare Datenerfassung echte Effizienz schafft.
• Smart Document System© – mehr als nur ein digitales Formular: Vorstellung eines Systems, das Automatisierung, Schnittstellenvielfalt und Compliance nahtlos verbindet und dabei benutzerzentriert bleibt.
• Automatisierung als Gamechanger: Wie automatisierte Datenerfassung, -validierung und Review-by-Exception den Dokumentationsaufwand halbieren und Fehlerquellen eliminieren.
• GxP & 21 CFR Part 11: Compliance ohne Zusatzaufwand: Wie digitale Prozesse alle regulatorischen Anforderungen erfüllen – mit vollständiger Rückverfolgbarkeit, Rechtevergabe und Audit-Trail.
• Integration statt Insellösungen: Wie durch direkte Schnittstellen zu ERP, LIMS und Analysegeräten redundante Arbeit entfällt und Prozessbrüche geschlossen werden.
• Erfolgsfaktor: Benutzerfreundlichkeit & schnelle Umsetzung: Warum intuitive Bedienung, vertraute Interfaces und kurze Implementierungszeiten entscheidend für die Akzeptanz im Team sind.
• Transformation beginnt mit dem Formular: Warum die Digitalisierung an der Basis – der täglichen Datenerfassung – starten muss, um den maximalen Nutzen zu erzielen.

Wissensmanagement in der Produktion ist seit Jahrzehnten eine selten gut gelöste Herausforderung. Troubleshooting Guides verschwinden in Schubladen, erfahrene Mitarbeitende nehmen ihr Wissen im Kopf und in kleinen schwarzen Notizbüchern mit, und die Technik leidet unter “Feuerwehreinsätzen”, weil sie immer wieder bei Kleinigkeiten in der Produktion aushelfen muss. Große Hoffnungen ruhen daher auf Large Language Models (LLMs) wie ChatGPT. Auf der anderen Seite sind Wikipedia und Tutorial-Videos von z.B. Handwerkern auf Youtube Erfolgsbeispiele für Wissensmanagement, das offenbar auch ohne neueste KI-Technologie seit Jahren intrinsisch getrieben funktioniert. Zu den wichtigsten Erfolgsfaktoren gehören psychologische Phänomene, die auch im Produktionskontext genutzt werden können. Für diese Nutzung wiederum hat KI eine Schlüsselfunktion. Ihr Einsatz muss jedoch auf die psychologischen Grundlagen abgestimmt sein und darf nicht losgelöst oder gar an ihnen vorbei erfolgen.

Im Vortrag werden die psychologischen Schlüsselfaktoren für erfolgreiches Wissensmanagement in der Produktion beleuchtet und anschließend deren Zusammenspiel mit “konventioneller” KI zu einer in der Produktion erfolgreichen Lösung dargestellt. Im anschließenden Praxisteil wird deren Einsatz bei der Berlin-Chemie AG und der Rotkäppchen-Mumm Sektkellereien GmbH vorgestellt. Dabei wird der Weg vom Projektstart bis zur gefüllten und aktiv genutzten Wissensdatenbank mit Aufwand und Herausforderungen transparent dargestellt. Ein Zwischenfazit zur Erfolgsbilanz mit Ausblick auf die weitere Entwicklung rundet den Praxisteil ab. Abschließend werden ausgewählte Aspekte des zukünftigen Einsatzes von LLMs für das Wissensmanagement in der Produktion thematisiert; auch als Anknüpfungspunkt für den weiteren Diskurs im Rahmen der Veranstaltung.

Der Vortrag gibt den Teilnehmenden einen praxisnahen Einblick in typische Herausforderungen und Erfolgsfaktoren bei der Einführung digitaler Zwillinge. Besonders wird betont, wie entscheidend die menschliche Komponente für das Gelingen der digitalen Transformation ist.

Inhalte sind unter anderem:

• typische Stolpersteine bei der Einführung digitaler Zwillinge
• der Einfluss Organisatorischer Rahmenbedingungen und Führungsverhalten
• konkrete Learnings aus der Beratungspraxis

Digitalisierung und Automatisierung revolutionieren die pharmazeutische Produktion. Dabei spielt Künstliche Intelligenz (KI) eine entscheidende Rolle und erfordert einen Spagat zwischen Innovation und Regulation. Die KI-Inspektionslösung, („better results Better results through artificial intelligent inspection”) nutzt überwachtes maschinelles Lernen, optimiert und verbessert gleichzeitig die Inspektionsleistung durch Deep Learning Modelle. 

Der Vortrag erklärt, wie B.R.AI.N funktioniert und welchen Nutzen der Anwender durch den Einsatz hat. 

• Die KI-Lösung erweitert bestehende Rezepte um KI-Funktionen, ohne dass neue Rezepte entwickelt werden müssen. Zukünftige Anpassungen und Aktualisierungen sind ebenfalls unkompliziert möglich, ohne dass eine Neuzertifizierung erforderlich ist.
• Minimal invasiver Ansatz und einsatzbereite Modelle, die die Komplexität der Inspektion deutlich reduzieren. 
• Praxiserprobte und vollständig regelkonforme Anwendung für überwachtes maschinelles Lernen wird mithilfe von Inspektionsbildern trainiert, ist transparent und jederzeit unter Ihrer Kontrolle.
• Produktion bleibt dabei vollständig GxP-konform und die Effizienz steigt erheblich dank der Verringerung von Falschausschuss und einer dauerhaft niedrigen False Reject Rate (FRR).

KI zur Optimierung chemischer  Prozesse nutzbar machen  - das ist das Ziel der Gruppe Self-Learning Systems am Fraunhofer IIS. Wer komplexe Produktionsprozesse, wie z.B. die Styrolherstellung  mit Blick auf Energie- und Ressourcenschonung effizienter machen will, steht vor einem grundsätzlichen Problem. Er muss Parameter finden, die Ansätze für Verbesserungspotenzial bieten und eine KI-basierte Methodik muss in der Lage sein, sowohl diskrete als auch kontinuierliche Parameter zu verarbeiten und zwar simultan. 

Quirin Göttl , Alexander Mattick und  Jaspar Pahl vom Fraunhofer-Institut für Integrierte Schaltungen haben deshalb eine hybride Lösung entwickelt, die Prozess-Simulation mit Reinforcement Learning (RL) und genetischen Algorithmen kombiniert. 

Die Referenten stellen die Methodik an einem praxisnahen Beispiel vor: der industriellen Produktion und Reinigung von Styrol. Hierbei wird getestet, inwieweit sich durch den KI-gestützten Ansatz energie- und ressourcenschonende Prozessvarianten identifizieren und optimieren lassen. 

Bei einem zweiten Fallbeispiel geht es um die automatisierte Synthese chemischer Prozessfließbilder für die Auftrennung von binären, azeotropen Mischungen. Der RL-Agent lernt, durch Interaktion mit einer Prozesssimulation ein optimiertes Fließbild zu generieren, indem geeignete Apparatemodelle verknüpft und deren Parameter mithilfe des genetischen Algorithmus optimiert werden.

In ihrem Vortrag erklären die Referenten u.a. : 

• Warum selbstlernende Systeme für die Optimierung verfahrenstechnischer Prozess die Zukunft sind
• Wie KI und Prozess-Simulation zum Dreamteam werden
• Lernen durch Belohnung und „Vererbung“ – wie RL und genetische Algorithmen das klassische Machine Learning verändern

KI zur Optimierung chemischer  Prozesse nutzbar machen  - das ist das Ziel der Gruppe Self-Learning Systems am Fraunhofer IIS. Wer komplexe Produktionsprozesse, wie z.B. die Styrolherstellung  mit Blick auf Energie- und Ressourcenschonung effizienter machen will, steht vor einem grundsätzlichen Problem. Er muss Parameter finden, die Ansätze für Verbesserungspotenzial bieten und eine KI-basierte Methodik muss in der Lage sein, sowohl diskrete als auch kontinuierliche Parameter zu verarbeiten und zwar simultan. 

Quirin Göttl , Alexander Mattick und  Jaspar Pahl vom Fraunhofer-Institut für Integrierte Schaltungen haben deshalb eine hybride Lösung entwickelt, die Prozess-Simulation mit Reinforcement Learning (RL) und genetischen Algorithmen kombiniert. 

Die Referenten stellen die Methodik an einem praxisnahen Beispiel vor: der industriellen Produktion und Reinigung von Styrol. Hierbei wird getestet, inwieweit sich durch den KI-gestützten Ansatz energie- und ressourcenschonende Prozessvarianten identifizieren und optimieren lassen. 

Bei einem zweiten Fallbeispiel geht es um die automatisierte Synthese chemischer Prozessfließbilder für die Auftrennung von binären, azeotropen Mischungen. Der RL-Agent lernt, durch Interaktion mit einer Prozesssimulation ein optimiertes Fließbild zu generieren, indem geeignete Apparatemodelle verknüpft und deren Parameter mithilfe des genetischen Algorithmus optimiert werden.

In ihrem Vortrag erklären die Referenten u.a. : 

• Warum selbstlernende Systeme für die Optimierung verfahrenstechnischer Prozess die Zukunft sind
• Wie KI und Prozess-Simulation zum Dreamteam werden
• Lernen durch Belohnung und „Vererbung“ – wie RL und genetische Algorithmen das klassische Machine Learning verändern

Die Digitalisierung in der Prozessindustrie ist in vollem Gang, und sie beginnt auf der Feldebene. Der Ethernet-Standard Profinet hat sich als Standardprotokoll für die Automatisierung etabliert und punktet mit Echtzeitfähigkeit, Aktualisierungsrate, und Herstellerunabhängigkeit. Mit Ethernet APL erreicht die Digitalisierung endgültig die Feldebene, denn nun kann man auch Sensoren und Aktoren  im Ex-Bereich anschließen. Durch NOA (NAMUR Open Architecture), PA-DIM (Informationsmodell für Geräte der Prozessindustrie ) und die FDI Technologie haben sich die Möglichkeiten zur Feldgeräteintegration in digitale Umgebungen noch einmal erweitert. 

Der Vortrag stellt u.a. mit dem NOA-Konzept umgesetzte Used Cases vor und erklärt:

• Wie bei kleineren Anlagen NOA konformes Device Management durch Edge-Device realisiert werden kann
• Wie PA-DIM, das Informationsmodell für Geräte der Prozessindustrie für eine herstellerübergreifend einheitliche Abbildung der Informationen aus den Feldgeräten sorgt
• Wie PA-DIM als standardisiertes Informationsmodell in OPC UA für Feldgeräte funktioniert
• Wie die FDI Technologie den Engineering-Aufwand für die Feldgeräte-Integration  auf ein Minimum reduziert

Bei der Automatisierung verfahrenstechnischer Anlagen in den Segmenten Biotech/Pharma und (Petro)Chemie werden pneumatische Drehantriebe auch zukünftig eine entscheidende Rolle spielen. Bisher war die Überwachung der Antriebe im Feld speziell bei Auf-/Zu-Armaturen (Prozessventil und Antrieb) nicht digitalisiert. Innovationen im Bereich der pneumatischen Antriebstechnik ermöglichen mittlerweile eine kontinuierliche Überwachung der Antriebe während der Betriebsphase. Performancedaten werden dabei direkt aus dem Antrieb an eine Auswerteeinheit gesendet. Diese Auswerteeinheit arbeitet parallel zum eigentlichen Prozessleitsystem (DCS) und folgt damit dem NOA (NAMUR Open Architecture) Ansatz, anlagenspezifische Monitoring und Optimierungsfunktionen unabhängig vom und parallel zum DCS zu realisieren. 

Der Beitrag diskutiert:

• Wie die technische Umsetzung der Überwachung am Antrieb im Feld realisiert wird
• Welche Daten des Antriebes zur Auswertung zur Verfügung stehen
• Wie aus der Veränderung der Daten bereits Rückschlüsse auf Prozessänderungen oder sich anbahnende Störungen gezogen werden können
• Wie der Übergang von Preventive zu Predictive Maintenance auf Basis des kontinuierlichen Condition Monitoring erfolgen kann und welche Vorteile daraus resultieren
• In welchem Umfang KI bei der Inbetriebsetzung, der Optimierung des Betriebes und der Wartung der Armatur eingesetzt werden kann und welche monetären Vorteile daraus resultieren
• Wie durch die Innovation Life-Cycle-Kosten (Investition und Betrieb) und CO2- Emissionen reduziert werden können

Eine ganzheitliche Transparenz über den gesamten Produktionsprozess ist entscheidend, um Effizienzpotenziale zu heben und KI-gestützte Anwendungen erfolgreich einzusetzen. Dabei spielen Sensor- und Lokalisierungsdaten eine zentrale Rolle, da sie die präzise Verfolgung von Materialien, mobilen Assets und Prozessparametern in Echtzeit ermöglichen. Profibus & Profinet International (PI) unterstützen diese Entwicklung mit standardisierten Datenmodellen und offenen Schnittstellen – unter anderem durch Technologien wie, IO-Link, omlox, Namur Open Architecture (NOA) und Modular Type Package (MTP). 

Diese Technologien schaffen eine durchgängige Interoperabilität, ermöglichen eine tiefere Integration von Standort- und Sensordaten und bilden die Basis für intelligente Prozesssteuerung und KI-gestützte Analysen. 

Im Vortrag erfahren Sie: 

• Wie praxisnahe Lösungen aussehen
• Wie eine Kombination der erwähnten Technologien mehr Transparenz im Produktionsprozess schaffen und Daten besser zugänglich machen
• Was der Betreiber braucht, um Prozesse zu optimieren