Siemens, Databricks und FFT erschließen Produktionsdaten für industrielle KI
Der deutsche Technologiekonzern Siemens will mit dem US-Daten- und KI-Unternehmen Databricks und dem deutschen Produktionssysteme-Spezialisten FFT Fertigungsdaten direkt für industrielle KI nutzbar machen. Das geht aus einer Siemens-Pressemitteilung vom 16. Juni hervor. Die neue Integration führt Shopfloor- und Anlagendaten von Siemens Industrial Edge über FFT DataBridge in die Databricks-Plattform. Industrieunternehmen sollen damit KI-Modelle zentral trainieren, über Produktionsnetzwerke hinweg ausrollen und direkt am Ort der Produktion einsetzen können.
Datenfluss zwischen Werkhalle und KI-Plattform
Die neue Integration soll Produktionsdaten aus der Werkhalle direkter in KI-Anwendungen bringen. Siemens Industrial Edge stellt dafür Shopfloor- und Anlagendaten aus Produktionsstandorten bereit. FFT DataBridge überträgt sie in die Databricks-Plattform. Dort können Unternehmen die Daten analysieren und für das Training von KI-Modellen nutzen. Anschließend sollen die Modelle über Produktionsnetzwerke ausgerollt und wieder direkt am Ort der Fertigung eingesetzt werden.
Der Aufbau soll den direkten Weg zwischen Edge-Plattform und Databricks schaffen, ohne komplexe IoT-Middleware dazwischenzuschalten. FFT DataBridge übernimmt dabei die Übertragung der kontextualisierten Produktionsdaten in die Cloud. Dort können Unternehmen die Produktionsdaten mit weiteren IT- und OT-Datenquellen zusammenführen. Nach Angaben von FFT bietet DataBridge ein Cloud-Gateway für über 30.000 potenzielle Kunden.
Rainer Brehm, COO für Automatisierung und CTO bei Siemens Digital Industries, sagte: „Industrielle KI entfaltet nur dann ihren Wert, wenn Daten, Kontext und Umsetzung zusammenkommen. Gemeinsam mit Databricks und FFT ermöglichen wir unseren Kunden, industrielle KI über Anlagen und Fabriken hinweg zu skalieren und eine KI-gestützte Produktion zu realisieren.“
Fertigungsdaten sollen KI in Produktionsnetzwerken skalierbar machen
Der Ansatz adressiert eine zentrale Hürde bei industrieller KI: Fertigungsdaten müssen aus Maschinen, Anlagen und IT-Systemen in auswertbarer Form verfügbar sein. Trainierte Modelle sollen anschließend wieder auf der Edge-Plattform laufen und Entscheidungen mit geringer Latenz nahe am Produktionsprozess unterstützen. Die Partner wollen dafür den Ablauf von der Datenerfassung über das KI-Training bis zum Einsatz der Modelle in der Fertigung abdecken.
Die neue Architektur kann vorausschauende Wartung und Qualitätsoptimierung unterstützen. Energiemanagement und Lieferkettenoptimierung gehören zu weiteren Anwendungsfeldern. Langfristig soll die Architektur physische KI, Closed-Loop-KI-Workflows und agentische KI-Anwendungen unterstützen und damit den Weg zu stärker autonomen Produktionsabläufen ebnen.