Interesse an Datenanalyse? Hier erhalten KMU Starthilfe

Nicht über ausreichend Daten zu verfügen, ist ein weit verbreiteter Irrglaube unter KMU, wenn sie über die Umsetzung von Datenanalyseprojekten nachdenken. Schließlich suggeriert ihnen nicht zuletzt das Buzzword Big Data, dass es vornehmlich auf die Menge der Daten ankommt. Dabei sind es oftmals eher die Qualität und die Varianz der Daten, die spannendes Potenzial bergen: Lassen sich in den vorhandenen Daten Muster oder Verbindungen erkennen, können auch geringere Mengen von ihnen wertvolle Erkenntnisse für Prozessoptimierungen liefern – auch für KMU. Smart-Data-Analysen beschäftigen sich deshalb nicht nur mit den mittels IT erfassten Datenmengen, sondern insbesondere auch mit der Zusammenführung mit weiteren Informationen; darunter fallen beispielsweise die Erfahrungswerte von Technikern oder die Materialbeschaffenheit.

Dass Datenanalyseprojekte bei KMU trotzdem noch Mangelware sind, liegt oft daran, dass den Unternehmen die interne Einschätzung, ob, wann und wie sich Big-/Smart-Data-Technologien für sie lohnen, schwer fällt. Viele von ihnen wissen außerdem nicht, dass es in den einzelnen Bundesländern mittlerweile zahlreiche Initiativen, Förderprogramme und Kompetenzzentren gibt, die sie bei ihrem Einstieg unterstützen und ihnen Standortvorteile bieten können.

Ein Beispiel aus dem Süden Deutschlands ist das Smart Data Solution Center Baden-Württemberg (SDSC-BW). Es wurde 2014 von der Sicos BW GmbH und dem Karlsruher Institut für Technologie (KIT) gestartet und berät KMU neutral und unabhängig rund um Smart-Data-Technologien. Finanziell unterstützt wird es hierbei durch das Landesministerium für Wissenschaft, Forschung und Kunst Baden-Württemberg. 

Ratsuchende Unternehmen erhalten insbesondere eine kostenfreie Potentialanalyse durch ein Experten-Team. Diese liefert ihnen einen ersten Einblick in die Welt der Datenanalyse. Im Kontext ihrer eigenen Daten lernen sie so erste Smart-Data-Technologien kennen und können anschließend besser einschätzen, wie sich Big und Smart Data auch in ihrem Unternehmensumfeld einsetzen lassen (mehr zum Thema im Sicos-BW-Podcast-Folge 3: „Datenanalysen kostenfrei und unkompliziert – im Gespräch mit Murat Malyemez“).

Ein konkretes Beispiel aus der Welt der Automatisierung liefert die Artiminds Robotics GmbH aus Karlsruhe, die auf die Entwicklung und den Vertrieb von Softwareprodukten zur Standardisierung und Optimierung von Arbeitsabläufen beim Einsatz von Robotern in der Automatisierung spezialisiert ist. Ziel des Mittelständlers ist es, das Programmieren und Bedienen von Industrierobotern zu vereinfachen und eine kosteneffiziente Integration und Instandhaltung sowie flexible Automatisierung zu ermöglichen.

Der Hintergrund des Projekts mit dem SDSC-BW: Bei einer automatisierten Bestückung mit elektronischen Bauteilen wird eine Platine mittels einer Förderbahn zu einer bestimmten Position vor dem Roboterarm geführt. Der Prozess ist stochastisch, weil die Platinen fast nie an der gleichen, idealen Position halten: Der Roboterarm muss die Bestückungslöcher jedes Mal suchen. Mit den gängigen Suchstrategien gelingt ihm dies normalerweise innerhalb einer Sekunde. Es gibt jedoch Fälle, in denen der Roboterarm mehr Zeit benötigt. Dies kann zu einem Abbruch und damit zu einer Verzögerung in der gesamten Produktion führen.

Aus diesem Grund möchte Artiminds die erwartete Suchzeit schätzen (bessere Planbarkeit der Produktionszeit) und wissen, ob und wie sich anhand von Daten eine bessere Startposition und Suchbahn finden lassen (Reduktion der Suchzeit).

Für die Potentialanalyse stellte Artiminds dem SDSC-BW Daten aus einem Versuch bereit, in dem ein Roboterarm Löcher zur Bestückung eines Bauteils auf einer elektronischen Platine sucht. Der Versuch bestand aus 120 Durchläufen, die insgesamt 2.487 Beobachtungen generierten. Für jede Beobachtung wurden die Start- und Endpositionen des Roboterarms, dessen Kraft und die Laufzeit erfasst.

Ausgehend von den Daten, die während der Roboterarmexploration gesammelt wurden, analysierten die Experten des SDSC-BW die Startposition des Roboterarms, die Explorationsposition und die Suchergebnisse – mit dem Ziel, die Suchbahn des Roboterarms sowie die Verteilung der Zielpunkte zu bestimmen. Durch die Optimierung der Startposition und der Suchbahn wird die durchschnittliche Suchzeit des Roboterarms reduziert.

Das Resultat: Mithilfe der Datenanalyse konnte das SDSC-BW-Team die Beziehung zwischen Startposition, Suchbahn des Roboterarms und durchschnittlichem Zeitaufwand herausarbeiten. Anhand dessen entwickelten die Experten eine Methode, die die Startposition und die Suchbahn des Roboterarms als Input verwendet und die zu erwartende Suchzeit des Roboterarms liefert. Artiminds kann diese Methode als Bewertungsfunktion des Optimierungsalgorithmus verwenden und hat so die Möglichkeit, die optimale Startposition und Suchbahn zu ermitteln. Zu untersuchen bleibt, ob statt der hier verwendeten Rastersuche auch andere effektive Optimierungsmethoden verwendbar wären, um die Optimierungszeit weiter zu verbessern. Unabhängig hiervon stellte das Team fest, dass die Verteilung der Zielorte von Zeitfaktoren beeinflusst wird. Auf diesen Erkenntnissen aufbauend, ist es nun möglich, ein Online-Lernsystem zu entwickeln, um das gelernte Modell kontinuierlich anzupassen.

Erfolgsbeispiele wie dieses zeigen, dass auch KMU Digitalisierungsvorhaben erfolgreich umsetzen können. Externe Hilfestellung kann hierfür die richtigen Türen öffnen. Dennoch sollten auch KMU stets bestrebt sein, eigenes internes Know-how aufzubauen – am besten im Zuge speziell für sie aufgesetzter Weiterbildungsprogramme (Sicos-BW-Podcast-Folge 1: „Digitales Lernen“). So stärken beispielsweise neun Hochschulen aus Baden-Württemberg mit dem Projekt „Data Literacy und Data Science für den Mittelstand: Weiterbildung und Qualifizierung“ (www.dataakademie.de) die Kompetenzen kleiner und mittlerer Unternehmen bei der Erfassung und Auswertung massiver Datenmengen.

Im Rahmen des Projekts gibt es zahlreiche, praxisbezogene Schulungs- und Qualifizierungsangebote; auch im Blended-Learning-Format. Viele der Workshops sind kostenlos. Siehe dazu auch den (Sicos-BW-Blogbeitrag zum Projekt: „Data Analytics – Wissensaufbau für KMU leicht gemacht“,