SAKE – Semantische Analyse Komplexer Ereignisse

Big-Data-Toolbox zur Förderung der Industrie 4.0 in Deutschland

Die zunehmende Automatisierung im Maschinen- und Anlagenbau führt dazu, dass immer mehr  Prozesse der industriellen Produktion durch Sensoren aufgenommen und überwacht werden. Ließen sich die dabei entstehenden enormen Datenmengen zentral und in Echtzeit auswerten, könnten mit den Ergebnissen die Abläufe im Unternehmen optimiert und dadurch die Produktionskosten erheblich gesenkt werden. Verbreitete Werkzeuge zur Datenanalyse sind für derart gewaltige Massen an Echtzeit-Daten allerdings nicht ausgelegt. Ziel im Projekt SAKE ist daher die Entwicklung eines Frameworks für die Analyse genau dieser Datenströme. Aus vorgefertigten Modulen werden sich damit individuelle Anwendungen für unterschiedliche Einsatzzwecke realisieren lassen. Evaluiert werden die Module im praktischen Einsatz bei den am Projekt beteiligten Industriepartnern.

Mit RDF-Format und Machine Learning zu schnellen Analyseergebnissen

Innerhalb des Frameworks werden sämtliche von den Sensoren gelieferten Informationen im RDF-Format repräsentiert – einem vom World Wide Web Consortium (W3C) entwickelten Standard zur Beschreibung von logischen Aussagen. Aufgrund seiner einfachen und eindeutigen Struktur erlaubt das Format die Zusammenführung von selbst stark heterogenen Datenströmen. Deren Analyse erfolgt anschließend mit Hilfe moderner Verfahren des Maschinellen Lernens. Indem die aus den Sensoren gewonnenen RDF-Daten modularisiert werden, müssen zur Verarbeitung nicht mehr der gesamte Bestand, sondern nur noch die für das Ziel der Analyse tatsächlich relevanten Daten herangezogen werden. Dadurch werden massiv System-Ressourcen geschont – und die Verarbeitung von solch enormen Datenströmen wie sie im Bereich Industrie 4.0 auftreten überhaupt erst möglich.

Hohe Nutzerfreundlichkeit durch automatische Sprachgenerierung

Während die Ergebnisse klassischer statistischer Verfahren vom Endanwender in der Regel schwer nachvollziehbar sind, erlaubt das SAKE-Framework eine Aufbereitung der Analyseergebnisse und Fehlerursachen in Form von natürlicher Sprache. Dazu kommen moderne Lernmethoden in Kombination mit Verfahren zur automatischen Sprachgenerierung zum Einsatz. Der Nutzer erhält am Ende des Verarbeitungsprozesses nicht nur Informationen darüber, ob ein Betriebsfehler vorliegt, sondern auch welche Ursachen diesem zu Grunde liegen.

Das Projekt wird vom Bundesministerium für Wirtschaft und Energie (BMWi) gefördert und hat eine Laufzeit von drei Jahren. Neben der Universität Leipzig und dem Fraunhofer-Institut für Intelligente Analyse- und Informationssysteme IAIS beteiligen sich als Industriepartner die AviComp Controls GmbH, die Heidelberger Druckmaschinen AG, die Ontos GmbH und die USU Software AG. Hier kommen die Module des Frameworks zur Evaluation im realen industriellen Umfeld zum praktischen Einsatz.