CW: Herr Mrosik, was ist MindSphere eigentlich genau - ein IoT-Betriebssystem oder eine IoT-Plattform?

Jan Mrosik: Mit dem Begriff Betriebssystem wollen wir verdeutlichen, dass wir Funktionalitäten zur Verfügung stellen, die es ermöglichen, Applikationen und Dienstleistungen im Rahmen des Internet der Dinge bereitzustellen. Und diese werden entweder durch Siemens selbst oder Drittentwickler auf die MindSphere gebracht.

MindSphere bringt ein Ökosystem mit, mit dem Anwender eigene Applikationen und Dienstleistungen in den Markt bringen können. Hierfür ist der Begriff eines Betriebssystems - wie er heute beispielsweise im Zusammenhang mit Windows oder Linux genutzt wird - eine sehr gute Entsprechung.

Auch dort werden IT-Ressourcen, Basisfunktionalitäten und Dienste zur Verfügung gestellt, etwa eine Benutzerschnittstelle, Security-Mechanismen oder Konnektivitäts-Services. Darauf laufen dann Applikationen wie PowerPoint, Photoshop etc.

CW: Sie betonen die Bedeutung des Ökosystems. Wer sind hier die Partner?

Mrosik: Unser Ökosystems hat mittlerweile eine beachtliche Größe und wächst stetig. Wir haben bereits heute mehr als hundert Applikationen von Partnern verfügbar. Bei unserer MindSphere sind mittlerweile mehrere hundert App-Entwickler mit an Bord. Das läuft sehr zufriedenstellend.

Mitglieder dieses Ökosystems sind unter vielen anderen Atos, Evosoft und Coresystems. Atos fungiert unter anderem als Integrator, während Evosoft Applikationen entwickelt und bereitstellt. Coresystems wiederum offeriert eine App, die es dem Servicepersonal ermöglicht, einen stabilen und unterbrechungsfreien Betrieb von Fertigungsstrecken sicherzustellen.

CW: Verstehen wir Sie richtig: MindSphere fungiert als eine Art Aggregator, der zum Beispiel von Sensoren Daten erhält und auf der anderen Seite etwa aus der Applikation eines Partners Steuerungsbefehle, die dann an die Maschine weitergeleitet werden?

Mrosik: Das ist nicht ganz richtig. Nehmen Sie eine Maschine mit Sensorik, in der etwa eine unserer Simatic-Steuerungen verbaut ist. Sie hat eine direkte Verbindung zu MindSphere.

Oft müssen Sie aber die Konnektivität nachrüsten, denn in der Produktion treffen Sie häufig auf Maschinen, die 20 Jahre oder sogar bis zu 40 Jahre alt sind. Diese besitzen zwar ebenfalls eine Sensorik, aber das entsprechende Kommunikationsmodul fehlt. Typischerweise haben wir dann ein Konnektivitätsnetz, das aber nichts mit der Cloud zu tun hat.

Über eine Box, etwa die Simatic Nanobox, erfolgt nun die Anbindung an die Cloud. In der Cloud befindet sich dann das System MindSphere. MindSphere besteht wiederum aus Komponenten wie dem Konnektivitäts-Layer mit Namen MindConnect, dem eigentlichen Betriebssystem und darüber die Ebene mit den sogenannten MindApps oder Apps von Drittanbietern.

So funktioniert MindSphere

CW: Und was macht MindSphere?

Mrosik: Unsere Maschine im Beispiel kann auch jedes andere Element sein. Egal, ob ein Traktor, ein Zug, intelligente Gebäude oder ein Aufzug. Alle möglichen Elemente können angeschlossen werden, solange sie konnektivitätsfähig sind.

Wir bieten hierzu entweder eine integrierte Konnektivität oder eine Verbindung mit Edge-Computing-Funktionalität an. Letzteres ist für Anwender, die direkt an der Maschine oder auf dem Shopfloor eine Vorverarbeitung der Daten ausführen wollen.

Gleichzeitig erfolgt noch die Bereitstellung einer ganzen Reihe von Basisfunktionen, etwa zur Darstellung von Daten. Ferner bringt MindSphere noch eine Analytics-Engine mit und verfügt über Security-Funktionen. Schließlich sollen die Daten in der Cloud sicher ankommen und nicht unterwegs angezapft werden.

Ein weiteres Feature ist der integrierte App-Store, über den Applikationen vermarktet werden. Der App-Store ist so gestaltet, dass Unternehmen ihre Apps mit einem eigenen Branding vermarkten können. Ferner hat jeder Kunde eine eigene Instanz in der Cloud, in der er seine Daten einstellt und verwaltet.

Wir haben keinen Anspruch oder technischen Zugriff auf die Daten unserer Kunden - außer der Dateneigentümer gibt uns spezielle Rechte dafür. Die Daten gehen durch Mindsphere gesichert hindurch und werden in der Instanz des Anwenders gespeichert.

CW: Und wie agiert eine Siemens dann als IoT-Dienstleister?

Mrosik: Ich gebe Ihnen ein Beispiel: Ein Bahnbetreiber schließt eine Vereinbarung mit Siemens und sagt dann, dass wir einen Service zur präventiven Wartung der Bahnen zur Verfügung stellen sollen. Nun besteht ein Vertrag zwischen Siemens und dem Bahnbetreiber, deshalb können wir uns die Daten anschauen.

Grundsätzlich gehören die Daten aber demjenigen, der sie dort einstellt. Das ist ein wichtiger Unterschied, denn in der Cloud existieren auch andere Geschäftsmodelle, bei denen das Sammeln von Daten und die Extraktion von Informationen ein integraler Bestandteil sind. Das ist nicht unser Geschäftsmodell. Und wir haben auch keinen Einfluss auf das Geschäftsmodell unserer Kunden.

Wenn etwa ein Maschinenbauer auf MindSphere einen Service für seine Kunden anbietet, dann bauen wir keine eigene Applikation für diese Maschine. Es gibt zwar eine API für den Zugriff auf diese Daten - diese steht aber nur den Berechtigten offen.

Drei Digital Twins als Alleinstellungsmerkmal

CW: Ähnliches versprechen auch andere Player, weshalb sollte sich ein Anwender für MindSphere entscheiden?

Mrosik: Siemens besitzt noch ein absolutes Alleinstellungsmerkmal - die Software und Automatisierung, um den digitalen Zwilling umfassend abzubilden. Beispielsweise das NX CAD-System, mit dem etwa Maserati seine Autos designt. Daraus erstellen wir einen digitalen Zwilling des Produkts, egal ob Auto, Schiff oder Tablet. Dabei können wir sowohl die Mechanik als auch die Elektronik sowie die Software designen und simulieren. Diese drei Disziplinen beim digitalen Zwilling eines Produkts beherrschen wir - und zwar nachweisbar als einziges Unternehmen auf dem Markt.

Als Zweites kreieren wir den digitalen Zwilling der Produktion. Mit ihm können wir Produktionsanlagen, -prozesse oder ganze Fabriken virtuell planen. Dies funktioniert im Detail von der Fertigungszelle über die gesamte Produktion hinweg.

Der dritte digitale Zwilling ist schließlich der digitale Performance-Zwilling. Die ersten beiden sind jeweils Modelle des Produkts sowie der Produktion in der digitalen Welt. Der digitale Performance-Zwilling ist dagegen das Ergebnis aus der realen Produktion und des Produktes, etwas eines Autos, im Einsatz. So sammeln Sie Daten, die eine statistische Repräsentanz der Performance von Produkt und Produktion ergeben.

Der Anwender erhält also ein Modell davon, was Produkt und Produktion in der realen Welt tun. Dies ist ein abstraktes Modell, mit dem ich die Performance-Statistik aus der realen Welt abgreifen kann.

Wir als Siemens können nun die Daten des digitalen Performance-Zwillings mit den Daten des digitalen Produkt- und Produktionszwillings abgleichen. Auf diese Weise gewinnen wir Hinweise, wie Produktion und Produkt verbessert werden können. Zeigt die Statistik beispielsweise, dass immer wieder ein bestimmtes Bauteil eines Produkts ausfällt, dann kann ich das Produkt genau dort verbessern.

Zeigen die statistischen Daten aus der Produktion, dass immer wieder eine Maschine im Produktionsablauf stillsteht und dadurch eine höhere Totzeit hat, dann kann ich den Takt meiner Produktion verändern, weil ich diese Informationen habe. Diese Möglichkeiten eröffnet der Dreiklang der digitalen Zwillinge.

CW: Ist das so zu verstehen, dass ich auf der einen Seite meine Ist-Werte habe, während auf der anderen Seite die Sollwerte hinterlegt sind und oben wird die Diskrepanz verglichen?

Mrosik: Ja, im Prinzip sind das zwei Werte, die ich miteinander vergleiche - aber es ist etwas komplexer. Schließlich arbeiten wir hier mit Künstlicher Intelligenz, denn es geht um Data Analytics oder selbstverbessernde Algorithmen.

Wobei wir in Sachen KI erst an der Oberfläche kratzen. Das Ziel ist, automatisch Schwächen in Produkten und Produktionsketten zu erkennen und diese Erkenntnisse dann automatisch in das Produktdesign und die Produktionsplanung einfließen zu lassen, um die gesamte Wertschöpfungskette zu verbessern.