Industrial Metaverse und AI Factory: Jan Berner, EDAG Group, im Gespräch  Wie Entwicklung, IT und Produktion zusammenwachsen

Anbieter zum Thema

EDAG Engineering GmbH

Mensch und Maschine Akademie

CADFEM Germany GmbH

SolidCAM GmbH

Mit der Industrial Metaverse-Plattform Metys und dem integrierten AI-Factory-Ansatz entsteht eine industrielle Umgebung, in der Daten, Prozesse, Menschen und KI-Modelle systematisch zusammenwirken. Im Interview erklärt Jan Berner, Leiter Technik und Prozesse bei der EDAG Group, wie Unternehmen davon profitieren.

Viele Industrieunternehmen scheitern bei der Einführung von KI nicht an fehlenden Ideen, sondern an fragmentierten Daten, inkompatiblen Tools und isolierten Prozessen zwischen Entwicklung, IT und Produktion. Eine Industrial-Metaverse-Plattform wie Metys schafft hier eine gemeinsame digitale Arbeitsumgebung, in der Daten, Modelle und Projektinformationen zusammengeführt werden. Digitale Zwillinge ermöglichen es, Produkte, Anlagen und Prozesse zunächst virtuell zu entwickeln und zu testen, bevor sie real umgesetzt werden.

Autocad Magazin (ACM): Herr Berner, wo liegen heute in Fertigungsunternehmen die typischen Hürden an den Schnittstellen zwischen Entwicklung, IT und Produktion?

Jan Berner: In vielen Unternehmen gibt es nach wie vor deutliche Brüche zwischen den einzelnen Bereichen. Entwicklung, IT und Produktion arbeiten häufig in getrennten Systemen und Prozessen. Genau hier setzen wir mit unserem Ansatz rund um das Industrial Metaverse an

Durch kollaboratives Arbeiten auf gemeinsamen Plattformen lassen sich diese Brücken zwischen den unterschiedlichen Domänen schlagen. Teams aus Entwicklung, Produktionsplanung oder Betrieb greifen auf dieselben Daten und Modelle zu und können enger zusammenarbeiten. 

Methoden wie Simultaneous Engineering gibt es zwar schon seit vielen Jahren, aber durch neue technologische Möglichkeiten lassen sich diese Prozesse heute deutlich stärker verzahnen.

Industrial Metaverse-Plattform Metys als zentraler Knotenpunkt

ACM: Welche Rolle spielt dabei die Industrial-Metaverse-Plattform Metys von EDAG?

Jan Berner: Die Industrial-Metaverse-Plattform Metys bildet in diesem Zusammenhang einen zentralen Knotenpunkt. Sie fungiert als Integrations- und Kollaborationsumgebung und verbindet Entwicklungsdaten, 3D-Modelle und Projektinformationen miteinander.

Komplexe technische Zusammenhänge werden dadurch visuell verständlich dargestellt, sodass unterschiedliche Fachdisziplinen leichter gemeinsam an Projekten arbeiten können. Die Plattform ist modular aufgebaut und kann flexibel betrieben werden – entweder On-Premise oder in einer Cloud- beziehungsweise Sovereign-Cloud-Umgebung.

„Durch kollaboratives Arbeiten auf gemeinsamen Plattformen lassen sich Brücken zwischen den unterschiedlichen Domänen schlagen.

Wie geht EDAG konkret vor, um diese Plattform bei Kunden zu implementieren?

Jan Berner: Wir beginnen in der Regel mit einer klassischen Anforderungsanalyse. Gemeinsam mit dem Kunden identifizieren wir die Bereiche, in denen sich der größte Nutzen erzielen lässt. Anschließend wählen wir gezielt einen konkreten Use Case aus – beispielsweise aus der Entwicklung oder aus der Produktion.

Auf dieser Grundlage setzen wir häufig zunächst ein Minimal Viable Product um. So kann der Kunde direkt nachvollziehen, welchen Mehrwert ein Industrial Metaverse-Ansatz in seinem konkreten Umfeld bringt.

Technisch ist der Einstieg niedrigschwellig. Die Plattform kann beispielsweise von uns gehostet werden, sodass der Kunde zunächst keine eigene Infrastruktur aufbauen muss. Alternativ kann sie auch in der Cloud-Umgebung des Kunden betrieben werden. Viele große Industrieunternehmen verfügen bereits über eigene Cloud-Infrastrukturen bei Anbietern wie Amazon oder Microsoft Azure, auf denen solche Lösungen ebenfalls laufen können.

ACM: Wie lassen sich bestehende Systeme wie CAD, PLM, ERP oder IoT-Lösungen intelligent in eine solche Industrial-Metaverse-Umgebung integrieren?

Jan Berner: Ein entscheidender Punkt ist, dass bestehende Systeme nicht ersetzt werden müssen. Unternehmen verfügen bereits über etablierte Lösungen für Konstruktion, Produktdatenmanagement oder Produktionsplanung.

In der Industrial Metaverse-Umgebung werden diese Systeme über Schnittstellen intelligent angebunden. CAD-, PLM-, ERP- oder IoT-Daten können so in eine gemeinsame virtuelle Umgebung integriert werden. Die Plattform lässt sich je nach Bedarf als lizenzierte SaaS- oder PaaS-Lösung in die bestehende Systemlandschaft einbinden oder im Rahmen von Entwicklungsprojekten nutzen.

Gerade im Projektgeschäft zeigt sich der Vorteil sehr deutlich: Entwicklungsstände, Alternativen und mögliche Risiken können frühzeitig visualisiert und bewertet werden. Dadurch lassen sich Entscheidungsprozesse deutlich beschleunigen.

ACM: Was verbirgt sich hinter dem AI-Readiness-Check und inwiefern trägt dieser dazu dabei, den digitalen Reifegrad entlang des gesamten Produktentstehungsprozesses transparent zu machen?

Jan Berner: Viele Unternehmen experimentieren heute mit einzelnen KI-Anwendungen. Wir verfolgen dagegen einen strukturierten Ansatz. Einen Einstieg bietet unser AI-Readiness-Check, den wir bestehenden und potenziellen Kunden anbieten.

Dabei analysieren wir zunächst den digitalen Reifegrad entlang des gesamten Produktentstehungsprozesses – von der Datenverfügbarkeit über organisatorische Strukturen bis hin zur bestehenden IT-Landschaft. Ziel ist es, ein klares Bild darüber zu erhalten, welche Voraussetzungen bereits vorhanden sind und wo noch Lücken bestehen.

Umsetzungs-Roadmap mit priorisierten Use Cases

Auf dieser Grundlage entwickeln wir gemeinsam mit dem Kunden eine konkrete Umsetzungs-Roadmap. Darin werden priorisierte Use Cases definiert und auch wirtschaftlich bewertet. Gleichzeitig fließen Referenzarchitekturen und Best Practices in diese Analyse ein. Unternehmen erkennen dadurch frühzeitig, welche Komponenten – von Hardware über Software bis zu Prozessen – am besten zu ihrem Zielbild passen.

ACM: Welche Potenziale eröffnet Reinforcement Learning in der industriellen Automatisierung?

Jan Berner: Reinforcement Learning ermöglicht es, sehr komplexe Aufgaben zu automatisieren, die früher kaum oder gar nicht umsetzbar waren. Ein Beispiel sind flexible Bauteile wie Kabel, die gesteckt oder verlegt werden müssen. Solche Aufgaben lassen sich mit klassischen Automatisierungsansätzen nur schwer realisieren.

Ein weiterer Vorteil ist die Flexibilität. Die Systeme sind nicht mehr darauf angewiesen, dass ein Objekt immer exakt an derselben Position liegt. Dadurch können Automatisierungslösungen deutlich vielseitiger eingesetzt werden.

Reinforcement Learning für automatisches Depalettieren

Ein praktisches Beispiel ist das automatische Depalettieren. Moderne Roboter erkennen heute selbstständig, wie Kartons auf einer Palette gestapelt sind – selbst wenn unterschiedliche Größen oder Stapelmuster vorliegen – und können diese entsprechend entladen. Das war früher praktisch nicht möglich.

ACM: Woher stammen die Daten, die dafür benötigt werden?

Jan Berner: Die Daten können sowohl aus realen Produktionsumgebungen als auch aus synthetisch erzeugten Datensätzen stammen. Häufig arbeiten wir mit einer Kombination aus beidem.

Früher wurden beispielsweise große Sammlungen realer Fehlerbilder aufgebaut, um Qualitätsprüfungen mit Kamerasystemen zu trainieren. Heute lassen sich solche Szenarien auch synthetisch erzeugen – etwa unterschiedliche Fehlerbilder, Lichtverhältnisse oder andere Umgebungsbedingungen.

Dafür nutzen wir unter anderem Technologien von Nvidia, insbesondere das Omniverse. Dieses Toolset ermöglicht Simulationen, Visualisierung und die Generierung synthetischer Trainingsdaten.

ACM: Wie trägt ein integriertes Ökosystem aus Industrial Metaverse, AI-Factory und Physical AI dazu bei, Entwicklung und Produktion zu beschleunigen und die Umsetzungssicherheit zu erhöhen?

Jan Berner: Ein wesentlicher Vorteil liegt darin, dass viele Entwicklungsschritte bereits virtuell abgesichert werden können. Virtuelle Inbetriebnahmen sind zwar schon seit längerem etabliert, aber durch die Integration verschiedener Technologien und Fachdomänen lassen sich heute deutlich umfassendere Simulationen durchführen

Integration verschiedener Technologien und Domänen erlaubt umfassendere Simulationen als bisher

Wenn Mechanik, Elektronik, Software sowie Aspekte wie Gebäudetechnik und Produktionstechnik in einem gemeinsamen Modell zusammengeführt werden, können mögliche Probleme frühzeitig erkannt werden. Dadurch reduziert sich das Risiko, dass bei der realen Inbetriebnahme unerwartete Fehler auftreten.

Ein weiterer wichtiger Punkt ist die Parallelisierung von Entwicklungsprozessen. Zwar lassen sich nicht alle Schritte vollständig gleichzeitig durchführen, aber viele Aufgaben können zumindest teilweise parallelisiert werden. Dadurch sinkt der Gesamtaufwand nicht unbedingt – aber die Entwicklungs- und Implementierungszeit verkürzt sich deutlich.

ACM: Herr Berner, herzlichen Dank für das Gespräch.

Die Fragen stellte Andreas Müller.

Weitere Informationen: https://www.edag.com/de

Weniger Fehler mit Edge Computing

Echtzeitfähiger Digital Twin reduziert Fehler in CNC-Werkzeugmaschinen