Industrial Data Fabric: Wie Produktionsdaten aus verschiedenen Systemen zusammenkommen
Produktionsdaten fließen – aber selten dorthin, wo Entscheidungen getroffen werden. Eine Industrial Data Fabric schließt diese Lücke. Was das bedeutet, was es kostet, wenn sie fehlt, und wie der Aufbau in der Praxis aussieht.
In den meisten Industrieunternehmen gibt es keine Datenknappheit. Es gibt ein Datenchaos. SPS-Steuerungen messen Temperatur, Druck und Durchfluss im Sekundentakt. SCADA-Systeme visualisieren Anlagenzustände. MES-Systeme protokollieren Chargen und Aufträge. ERP-Systeme verwalten Bestände und Kosten.
Das Problem: Diese Systeme sprechen nicht miteinander. Jedes lebt in seiner eigenen Datenwelt – mit eigenen Formaten, eigenen Zeitstempeln, eigener Logik. Was fehlt, ist nicht mehr Daten. Was fehlt, ist eine durchgängige Verbindung zwischen ihnen.
Genau das leistet eine Industrial Data Fabric: eine Integrationsschicht, die Produktionsdaten aus verteilten Quellen zusammenführt, normalisiert und in Echtzeit nutzbar macht – ohne dass bestehende Systeme ersetzt werden müssen.
Was das für Entscheider bedeutet
Wer als Werkleiter, IT-Leiter oder Produktionsverantwortlicher täglich Entscheidungen trifft, kennt das Symptom: Berichte kommen zu spät, Zahlen aus verschiedenen Abteilungen stimmen nicht überein, und wenn etwas schiefläuft, dauert die Ursachenanalyse Stunden statt Minuten.
Das ist kein Führungsproblem. Es ist ein Datenproblem – und es hat konkrete wirtschaftliche Konsequenzen.
Was eine Industrial Data Fabric konkret tut
Eine Industrial Data Fabric ist eine Integrationsschicht, die Produktionsdaten aus unterschiedlichen Quellen – Maschinen, Leitsystemen, Datenbanken, Cloud-Diensten – in einem einheitlichen, konsistenten Datenstrom zusammenführt. Sie arbeitet in drei Ebenen:
Konnektivität
Verbindung zu allen Datenquellen – unabhängig von Hersteller, Protokoll oder Alter der Anlage. OPC UA, Modbus, MQTT, REST, proprietäre Industrieprotokolle. Auch Legacy-Systeme ohne standardisierte Schnittstelle.
Normalisierung
Rohdaten aus verschiedenen Quellen werden harmonisiert – Einheiten, Zeitstempel, Bezeichnungen. Was aus drei SPS als „Temp_01", „T1" und „temperature_sensor_A" kommt, wird zu einem konsistenten Datenpunkt.
Bereitstellung in Echtzeit
Normalisierte Daten stehen sofort bereit – für Dashboards, ERP, MES, BI-Tools und individuell entwickelte Anwendungen. Kein manueller Export, keine Batch-Verarbeitung, keine Zeitverzögerung.
Verarbeitung & Logik
Berechnungen, Aggregationen und Alarmlogiken laufen direkt in der Fabric – nah an den Daten. Ergebnisse sind sofort verfügbar, ohne externe Middleware.
Warum klassische Integrationsansätze scheitern
Die meisten Unternehmen versuchen das Datenproblem mit Punkt-zu-Punkt-Verbindungen zu lösen: Das ERP liest direkt aus der Steuerung, ein Skript exportiert Daten aus dem Historian ins Excel, ein weiteres Tool liest daraus und befüllt ein Dashboard.
Das funktioniert – bis sich etwas ändert. Eine neue Maschine kommt hinzu. Ein Lieferant wechselt. Ein System wird aktualisiert. Dann bricht die gesamte Integrationskette, und das Flickwerk beginnt von vorne.
Punkt-zu-Punkt-Integration
Jede Verbindung ist individuell gebaut. Funktioniert solange nichts sich ändert. Wartungsaufwand wächst exponentiell mit der Anzahl der Systeme. Kein konsistentes Datenmodell.
Zentrale Integrationsschicht
Neue Systeme werden an die Fabric angebunden, nicht an jedes andere System einzeln. Das Datenmodell bleibt konsistent. Änderungen an einer Quelle brechen keine nachgelagerten Anwendungen.
Die drei Fragen, die Entscheider stellen sollten
Wie lange dauert es bei uns, nach einem Stillstand die Ursache zu finden?
Wenn die Antwort „mehrere Stunden" lautet, fehlt Echtzeit-Sichtbarkeit. Eine Data Fabric macht Anlagenzustände sofort sichtbar – nicht nach dem nächsten manuellen Report.
Wie viele Systeme müssten wir anfassen, um eine neue Kennzahl zu berechnen?
Wenn die Antwort mehr als zwei ist, lohnt sich die Frage, ob eine zentrale Datenschicht die Komplexität reduzieren kann – und wer heute die Integrations-Skripte pflegt und deren Abhängigkeiten kennt.
Können wir heute belegen, wie effizient unsere Anlagen gestern gelaufen sind?
Energieeffizienz, OEE, CO₂-Bilanzierung nach EU-Taxonomie – wer diese Zahlen nicht abrufen kann, gerät regulatorisch und wettbewerblich unter Druck. Berichtspflichten warten nicht auf Systemmigrationen.
Data Fabric vs. klassischer Historian
| Kriterium | Klassischer Historian | Industrial Data Fabric |
|---|---|---|
| Datenquellen | Begrenzt, oft herstellergebunden | Beliebig viele, herstellerneutral |
| Datenmodell | Proprietär, schwer erweiterbar | Offen, kontextualisierbar, skalierbar |
| Echtzeit-Verarbeitung | ✗ Nur Speicherung | ✓ Berechnungen in Echtzeit |
| Eigene Anwendungen aufbauen | ✗ Nicht vorgesehen | ✓ Direkt auf der Plattform |
| API-Zugriff für IT-Systeme | Eingeschränkt oder proprietär | ✓ REST, OData, Datenbanklink |
| Cloud-Integration | Nachgelagert, aufwendig | ✓ Nativ oder hybrid |
| Investitionsschutz | Systeme müssen oft ersetzt werden | ✓ Bestehende Systeme bleiben |
Wie cts eine Industrial Data Fabric aufbaut
Bei cts wird der Fabric-Kern auf Basis von inmation aufgebaut – einer Industrial Data Platform von AspenTech, die speziell für den Einsatz in der Prozess- und Fertigungsindustrie entwickelt wurde. inmation übernimmt die Konnektivität zur Feldebene, die Normalisierung der Daten und die Bereitstellung über offene APIs.
Bestandsaufnahme vor Konzeption
Welche Systeme existieren? Welche Daten sind relevant? Welche Entscheidungen sollen besser unterstützt werden? Die Architektur folgt dem Bedarf – nicht umgekehrt.
Schrittweiser Aufbau
Der erste Schritt ist selten das vollständige System. Typisch: ein Anlagenbereich, ein Datentyp, ein Dashboard. Dann schrittweise erweitern – ohne Betriebsunterbrechung.
Individuelle Anwendungen auf der Fabric
Auf inmation lassen sich direkt Monitoring-Tools, Reporting-Lösungen oder Alarmierungssysteme entwickeln – exakt auf den konkreten Bedarf des Unternehmens zugeschnitten.
Bestehende Systeme bleiben
SPS, SCADA, ERP – kein bestehendes System muss ersetzt werden. Die Data Fabric verbindet, was bereits da ist, und schließt die Lücken zwischen den Systemen.
Wo der ROI wirklich entsteht
Der Return on Investment einer Data Fabric zeigt sich an mehreren Stellen – nicht nur in messbaren Kennzahlen, sondern auch dort, wo Teams aufhören, Workarounds zu bauen, und anfangen, die Systeme tatsächlich zu nutzen.
Der messbare Teil: kürzere Reaktionszeiten bei Störungen, weniger manuelle Datenpflege, die Fähigkeit neue Reporting- und Compliance-Anforderungen ohne Systemwechsel zu erfüllen. Wer heute OEE-Werte manuell aus Excel-Exporten zusammensetzt, spart mit einer integrierten Datenschicht nicht nur Zeit – er bekommt auch verlässlichere Zahlen.
Der oft unterschätzte Teil: Akzeptanz. Systeme, die echte Antworten auf echte Fragen liefern, werden genutzt. Wenn ein Schichtleiter morgens auf einem Dashboard sieht, warum gestern Nacht drei Maschinen gedrosselt haben – ohne erst die IT anzurufen – verändert sich die Art, wie im Betrieb entschieden wird. Dieser Wandel ist schwer zu quantifizieren, aber in der Praxis oft der dauerhafteste Effekt einer gut aufgebauten Datenschicht.
Wann der richtige Zeitpunkt ist
Eine häufige Aussage in Erstgesprächen: „Wir warten noch, bis die neue Anlage läuft" oder „Das machen wir, wenn wir mehr Zeit haben." Beide Zeitpunkte kommen selten.
Der tatsächlich günstige Einstiegspunkt ist dann, wenn ein konkreter Schmerz spürbar ist: ein Stillstand, der zu lange gedauert hat. Ein Audit, der aufgezeigt hat, dass Produktionsdaten nicht nachvollziehbar dokumentiert sind. Eine Reporting-Anforderung, die mit bestehenden Mitteln nicht erfüllbar ist. Wer diesen Moment nutzt, baut die Datenschicht unter realem Druck – was die Akzeptanz im Unternehmen erfahrungsgemäß erheblich erhöht.
Datensilos in Ihrer Produktion aufbrechen?
Wir analysieren Ihre Systemlandschaft und zeigen, wo eine Data Fabric den größten Hebel hat
Sprechen Sie mit unseren Experten
