Maschinendaten schnell in bestehende Systeme bringen

Genau das bremst viele Digitalisierungsprojekte aus. Nicht weil es an Sensorik fehlt. Nicht weil Maschinen grundsätzlich keine Daten liefern. Sondern weil der Weg vom Maschinensignal bis in ein ERP-System, ein Energiemanagement-System oder eine Instandhaltungslösung in der Vergangenheit oft ein eigenes IT- oder Entwicklungsprojekt war. Es musste programmiert, angepasst, getestet und später bei jeder Änderung wieder nachgebessert werden. Das war teuer, langsam und für viele Unternehmen im Alltag kaum wirtschaftlich.

Dabei ist der Bedarf auf dem Shopfloor längst da: Produktionsverantwortliche wollen wissen, warum Maschinen stillstehen. Werkleiter möchten Energiekosten pro Auftrag oder pro produziertem Teil besser verstehen. Instandhalter brauchen belastbare Informationen über Zustände und Abweichungen. Und die Geschäftsführung will am Ende eine saubere Datengrundlage für Entscheidungen, statt nur auf Bauchgefühl oder Excel-Listen zu setzen.

Daten erfassen ist nur der erste Schritt

In der Praxis beginnt vieles mit einer recht einfachen Frage: Welche Informationen will ich aus einer Maschine eigentlich gewinnen? Oft geht es am Anfang gar nicht um riesige Datenmengen, sondern um sehr konkrete Fragestellungen.

Läuft die Maschine oder steht sie? Wie viele Teile wurden produziert? Wie hoch ist der Energieverbrauch im Betrieb, im Leerlauf oder im Stillstand? Gibt es typische Prozessabweichungen? Steigt die Temperatur in einem bestimmten Abschnitt? Wie oft tritt ein bestimmter Alarm auf? Welche Werte lassen sich einem Auftrag, einer Schicht oder einem Produkt zuordnen?

Genau hier zeigt sich der Unterschied zwischen Rohdaten und nutzbaren Informationen. Ein einzelnes Signal aus der Steuerung ist noch kein Mehrwert. Erst wenn mehrere Informationen miteinander verknüpft werden, entsteht ein Bild, mit dem man arbeiten kann. Aus einem Lauf-Signal und einem Stückzähler werden Stückzahlen pro Betriebszeit. Aus Energiedaten und Produktionsdaten werden Energiekosten oder CO₂-Werte pro Teil. Aus Zustandsdaten und Alarmen lassen sich Hinweise für Wartung und Instandhaltung ableiten.

Und das ist der entscheidende Punkt: Es geht nicht nur darum, Daten aus Maschinen herauszuholen. Es geht darum, diese Daten so aufzubereiten, dass daraus im Shopfloor echte Informationen werden.

Warum SQL-Datenbanken dabei so wichtig sind

Wenn diese Informationen im nächsten Schritt in andere Systeme übertragen werden sollen, taucht sehr schnell ein Begriff auf, der im Hintergrund vieler Anwendungen eine zentrale Rolle spielt: die SQL-Datenbank. Für viele Anwender klingt das zunächst nach klassischer IT. Tatsächlich ist das Prinzip dahinter aber gut greifbar. Eine SQL-Datenbank ist vereinfacht gesagt ein strukturierter Speicherort für Informationen. Daten werden dort in Tabellen abgelegt. Jede Tabelle enthält definierte Felder, zum Beispiel Zeitstempel, Maschinenname, Stückzahl, Energieverbrauch oder Alarmstatus. Andere Systeme können diese Informationen lesen, weiterverarbeiten oder für Berichte und Prozesse nutzen.

Genau deshalb spielen SQL-Datenbanken in der Industrie so häufig eine Rolle. Viele ERP-Systeme, Manufacturing-Systeme, Energiemanagement-Lösungen, Qualitätsanwendungen oder Instandhaltungsplattformen arbeiten direkt mit SQL-Datenbanken oder können Daten aus solchen Strukturen übernehmen. Für den Shopfloor ist SQL deshalb oft keine theoretische IT-Spielerei, sondern eine sehr praktische gemeinsame Sprache zwischen Maschine und Zielsystem. Das macht SQL so interessant: Wer Maschinendaten sauber strukturiert in eine Datenbank bringt, schafft eine belastbare Brücke zu vielen bestehenden Systemlandschaften. Ohne für jedes Zielsystem wieder von vorne anfangen zu müssen.

Die Herausforderung liegt meist nicht an der Datenbank

In vielen Projekten ist nicht die Datenbank selbst das Problem. Die gibt es oft schon. Manche Unternehmen haben bereits eine Datenbank hinter ihrem ERP-System. Andere nutzen sie im Energiemanagement, in der Qualitätssicherung oder in der Instandhaltung. Und in einigen Fällen ist es sogar sinnvoll, zunächst eine eigene Austauschdatenbank oder View-Struktur aufzubauen, damit verschiedene Systeme auf denselben Datenbestand zugreifen können.

Die eigentliche Herausforderung liegt meist davor: Wie kommen die Daten sauber, schnell und ohne neues Entwicklungsprojekt in diese Struktur? Genau hier wird es in vielen Unternehmen unnötig kompliziert. Für jede Maschine eine Sonderlösung, für jedes Signal eine neue Anpassung, für jede spätere Änderung wieder ein externer Eingriff. Das kostet Zeit, bindet Ressourcen und bremst Rollouts aus. Vor allem dann, wenn nicht nur eine Maschine, sondern viele Maschinen oder mehrere Werke betrachtet werden sollen.

Was in der Praxis gebraucht wird, ist deshalb kein weiteres Individualprojekt, sondern ein Ansatz, mit dem sich Datenquellen, Datenstrukturen und Übertragungsregeln parametrieren lassen. Also eine Lösung, mit der Anwender definieren können, welche Informationen wohin übertragen werden sollen und wann das passiert.

Praxisbeispiel aus der Fertigung

Ein realistisches Beispiel aus der Produktion macht das greifbar: Ein Unternehmen möchte an einer Bestandsmaschine nicht nur den Energieverbrauch messen, sondern auch verstehen, wie sich dieser Verbrauch auf einzelne Aufträge und produzierte Teile verteilt. Zusätzlich sollen Laufzeiten, Stillstände und Stückzahlen erfasst werden. Dafür werden vorhandene Maschinensignale aus der Steuerung genutzt, ergänzt um weitere Signale wie einen Stückzähler und ein Energiemonitoring-Modul.

Aus diesen Informationen lassen sich dann deutlich aussagekräftigere Kennzahlen bilden. Zum Beispiel Energieverbrauch pro produziertem Teil, CO2- Werte pro Auftrag, Stillstandzeiten je Schicht oder typische Abweichungen im Prozess. Diese Werte sollen anschließend in zwei Richtungen weitergegeben werden: Einerseits an ein ERP-System, damit auftragsbezogene Werte dokumentiert oder weiterverrechnet werden können. Andererseits an ein Energiemanagement-System, damit energetische Analysen und Vergleiche möglich sind.

Genau an dieser Stelle zeigt sich, wie sinnvoll eine strukturierte SQL-Anbindung sein kann. Die aufbereiteten Daten müssen nicht nur einmal irgendwohin geschickt werden. Sie müssen in einer Form bereitgestellt werden, mit der mehrere Zielsysteme arbeiten können. Im einen Fall direkt an bestehende Datenbanken. Im anderen Fall über eine Austauschdatenbank, die als sauber definierte Datendrehscheibe dient.

Der Vorteil liegt auf der Hand: Die Maschine wird nicht nur digital sichtbar. Ihre Daten werden anschlussfähig für bestehende Geschäfts- und Produktionsprozesse.

Wie sich das ohne Entwicklungsprojekt umsetzen lässt

Damit genau solche Szenarien nicht in aufwendigen IT-Projekten enden, braucht es eine Lösung, die Datenübertragung konfigurierbar macht. SQLxConnect von In.hub setzt genau dort an.

Die App läuft auf dem IIoT Betriebssystem Siineos direkt auf Datensammler wie Energiemonitoring-Module HUB-EN200 an der Maschine und ist dafür ausgelegt, I/O-Signale, Alarmsignale und App-Datensätze an SQL-Datenbanken zu senden. Unterstützt werden PostgreSQL, MySQL beziehungsweise MariaDB und MSSQL. Der große Vorteil ist die Anbindung mehrerer Datenbanken simultan, um mehrere Zielsysteme miteinander zu kombinieren. Statt individueller Programmierung arbeitet die Lösung mit drei zentralen Bausteinen: Verbindungen, Datensätzen und Übertragungsregeln.

Verbindungen legen fest, zu welchen Datenbanken Daten gesendet werden sollen. Datensätze definieren, welche Signale oder Informationen zusammengehören. Das können klassische I/O-Signale sein, Alarme oder auch Daten aus Apps.

Übertragungsregeln bestimmen anschließend, wie diese Informationen in Tabellen geschrieben werden, in welcher Struktur sie dort landen und wann die Übertragung ausgelöst wird, also beispielsweise periodisch oder bei Änderungen.

Der große Vorteil dabei ist die Parametrierung. Es muss nicht jedes Mal ein individuelles Softwareprojekt gestartet werden, wenn eine weitere Datenbank hinzukommt, ein neuer Datensatz aufgebaut oder eine andere Regel definiert werden soll. Das spart nicht nur Kosten. Es reduziert auch die Hürde, solche Projekte überhaupt anzugehen. Gerade für Produktionsverantwortliche ist das ein wichtiger Punkt.

Digitalisierung scheitert oft nicht am Nutzen, sondern an der erwarteten Komplexität. Wenn jede Änderung nach extern vergeben werden muss, bleibt vieles liegen. Wenn Datenübertragung dagegen konfigurierbar wird, entsteht deutlich mehr Tempo im Projekt.

Mehrwert für Produktion, Energie und Instandhaltung

Der Nutzen einer solchen Anbindung geht weit über die reine Datenübertragung hinaus. In der Produktion entstehen bessere Grundlagen für OEE-nahe Auswertungen, Stückkostenbetrachtungen und Schichtvergleiche. Im Energiemanagement lassen sich Verbräuche sauber Maschinen, Aufträgen oder Produkten zuordnen.

In der Instandhaltung helfen Zustands- und Alarmdaten dabei, Auffälligkeiten früher zu erkennen und Maßnahmen besser zu priorisieren. Und für die IT ist wichtig, dass die Daten in einer strukturierten Form bereitgestellt werden, mit der bestehende Systeme arbeiten können.

Besonders spannend wird es dort, wo Daten gemeinsam betrachtet werden. Ein hoher Energieverbrauch ohne Produktionsleistung bekommt plötzlich eine klare Aussage. Ein Auftrag mit auffälligem Ressourcenbedarf wird sichtbar. Eine Temperaturabweichung lässt sich mit einer Qualitätsauffälligkeit oder einem späteren Stillstand in Beziehung setzen. Genau aus dieser Verknüpfung entsteht der eigentliche Mehrwert.

Fazit

Viele Unternehmen haben heute nicht zu wenige Daten – sondern zu wenige nutzbare Datenflüsse. Zwischen Maschine und Zielsystem liegt oft noch immer zu viel Projektaufwand. Genau deshalb ist es so wichtig, Shopfloor-Daten schnell, strukturiert und ohne neues Entwicklungsprojekt in bestehende Systeme zu bringen.

SQL-Datenbanken sind dafür in vielen Fällen der sinnvollste und meistverbreitete Übergabepunkt, weil sie in der industriellen IT längst etabliert sind und von vielen Anwendungen genutzt werden. Entscheidend ist dann, dass die Daten nicht roh und unstrukturiert ankommen, sondern bereits als verwertbare Informationen bereitgestellt werden.

Mit einer Lösung wie SQLxConnect lässt sich dieser Schritt deutlich vereinfachen. Datenquellen, Datensätze und Übertragungsregeln können so konfiguriert werden, dass Maschinendaten, Alarmdaten und angereicherte Informationen schnell in bestehende Datenstrukturen gelangen. Ohne dauernd neue Entwicklungsleistungen einkaufen zu müssen. Und genau das macht aus einem Digitalisierungswunsch endlich einen praktikablen Weg für den Shopfloor.

Auf Basis langjähriger Erfahrung in der Erfassung und Auswertung von Maschinendaten, im Condition Monitoring sowie in der Analyse von Produktions- und Energiedaten hat sich In.hub gezielt auf solche Anwendungsfälle spezialisiert. Die SQLxConnect-App ist aus dieser praktischen Erfahrung heraus entstanden und bietet Unternehmen einen einfachen und skalierbaren Weg, Maschinendaten strukturiert nutzbar zu machen und ohne zusätzlichen Entwicklungsaufwand in bestehende Systeme zu integrieren.