3. Begleitung der Digitalisierung der Prozessindustrie und Gestaltung von potentiellen infrastrukturellen F&E-Schwerpunkten

3.1. Dringende Forschungsthemen für die Digitalisierung der Prozessindustrie

Die Digitalisierung erfordert die konkrete, enge Zusammenarbeit von Anwendern aus der Prozessindustrie, ihren Zulieferern (d. h., Geräte und Softwarehersteller der Automatisierung sowie die Anlagen- und Apparatetechnik) sowie Forschungsinstituten auf Augenhöhe.  Wenn diese Entwicklungen schnell vorankommen sollen, ist dieses ausschließlich in konkreten Projekten möglich. Idealerweise erfolgt dies in gemeinsamen F&E-Programmen, in denen Demonstratoren und Prototypen entwickelt werden. Darüber hinaus können hier auch gemeinsam validierte Geräte und Software mit nachhaltiger Wirkung auf die Digitalisierungs-Infra¬struktur entstehen, d. h., ein schwieriger Teil der Produktentwicklung, die Zertifizierung, erfolgt gemeinsam und kann besonders schnell implementiert werden.

Die digitale Vernetzung der horizontalen Supply Chain mit dem vertikalen Asset Life Cycle wie sie in Abbildung 1 dargestellt ist, ist letztendlich das Ziel der Digitalisierung in der Prozessindustrie und birgt das größte Potential. Folgende Forschungs- und Entwicklungsthemen zeichnen sich auf dem Weg zu diesem Ziel ab:

  • Supply Chain, Produktions-Architektur und Plattform-Lösungen (horizontal)
  • Prozessentwicklung, Asset-Life-Cycle (vertikal)
  • Digitaler Zwilling
  • Standardisierte Datenstrukturen

Neben diesen spezifischen Themen sind folgende Querschnittsthemen zu behandeln, die den Erfolg der Digitalisierung beeinflussen:

  • Lernprozesse
  • Künstliche Intelligenz (KI) und IT-Infrastruktur
  • Struktur- und Kulturwandel in Arbeitswelt und Arbeitsprozessen

3.1.1.    Supply Chain, Produktions-Architektur und Plattform-Lösungen

Die Schaffung von digitalen Plattformlösungen in der Supply-Chain zwischen Hersteller, Lieferant, und Kunde ist essentiell für eine Vernetzung mit effizienten Arbeitsabläufen. Herausforderungen für die Vernetzung liegen dabei im gegenseitigen Vertrauen und der Zusammenarbeit beim Austausch von Daten. Hier werden Konzepte zum sicheren Austausch von Daten zwischen Prozessindustrie und ihren Zulieferern durch offene, standardisierte, herstellerunabhängige Schnittstellen erarbeitet.

3.1.2.    Prozessentwicklung, Asset-Life-Cycle und Digitaler Zwilling

An der Entwicklung von „smartem und intelligentem Equipment“ sowie Konzepte der „Modularen Produktion“ oder „durchgehendes Engineering“ wird bereits gearbeitet. Diese Ansätze erhöhen die Effizienz und Flexibilität der Prozessindustrie und reduzieren die Time-to-Market. Der Digitale Zwilling ist ein zentrales Element der Digitalisierung, wird zukünftig an Bedeutung gewinnen und befindet sich derzeit an vielen Stellen in der Entwicklung. Die Arbeitsgruppen 1 und 3 des TAK Dig haben ein Positionspapier zum Digitalen Zwilling erarbeitet und veröffentlicht [8].

Aus den beiden Arbeitsgruppen ist zudem auch das Konsortium entstanden, das den Projektantrag für KEEN im Rahmen eines Calls zu KI vor dem Hintergrund der Anforderungen der Prozessindustrie erarbeitet hat.

Zum Themenkreis Digital Chemical Plant fand das 58. Tutzing-Symposion “Separation Units 4.0 – Trenntechnik in der chemischen Industrie auf dem Weg in die digitale Zukunft“ statt. Im Oktober 2019 trafen sich Vertreter aus Akademia und Industrie auf Einladung der ProcessNet Fachgemeinschaft „Fluiddynamik und Trenntechnik“ zur Statusbestimmung und Weiterentwicklung des Fachgebiets. Im Gegensatz zu vorangegangenen Veranstaltungen lag der Fokus komplementär auf dem einzelnen Trennapparat und der Fluidverfahrenstechnik selbst. In fünf Themenclustern mit jeweils mehreren Workshops wurden künftige Entwicklungen und sich stellende Trennaufgaben, Chancen, Herausforderungen und Potenziale der fluiden Trenntechnik identifiziert sowie intensiv diskutiert. Darüber hinaus wurden mögliche und notwendige Vernetzungen und Kooperationen mit anderen Branchen und Wissensdisziplinen erörtert, was Basis für weiterführende Konzeptentwicklungen und für die Ableitung notwendiger Aktivitäten darstellt. Auch hierzu gibt es eine Veröffentlichung zu Separation Units 4.0

3.1.3.    Standardisierte Datenstrukturen

Die Digitalisierung erfordert einen umfassenden und effizienten Zugriff auf Daten unterschiedlicher Quellen der vertikalen und horizontalen Wertschöpfungsketten. Um diesen Zugriff zu ermöglichen, sind sogenannte Datenmodelle geeignet, die die eindeutige Adressierbarkeit der Daten ermöglichen. Die unten beschriebene DEXPI-Initiative hat für den Asset Life Cycle einen Anfang gesetzt, es sollten aber Datenmodelle für weitere Bereiche erarbeitet werden. 

3.1.4.    Querschnittsthema: Künstliche Intelligenz (KI) und IT-Infrastruktur

Für die Gestaltung einer IT-Infrastruktur und den Einsatz Künstliche Intelligenz spielen Trust-Center und die Nutzung sicherer IT-Infrastruktur (ggf. auch unter Einbeziehung von Bundesinstituten) eine grundlegende Rolle.

Beforschung von Konzepten der Künstlichen Intelligenz zur Nutzung in den Lebenszyklen von Produkten, Prozessen und Anlagen. Künstliche Intelligenz sollte zur Effizienzsteigerung aber insbesondere auch zur Erhöhung der Anlagensicherheit (Assistenzsysteme) beitragen, da mit ihr komplexe Zusammenhänge schnell analysiert und die Bedienmannschaften der Anlagen entsprechend unterstützt werden können
Im Bereich KI in der Prozessindustrie wurde vom BMWi, Projektträger DLR in Köln, eine Anschubfinanzierung ab dem 15. April 2019 für die TU Dresden, TU Dortmund und FhG-ITMW Kaiserslautern für einen Vollantrag zur Einrichtung von Inkubatorlaboren gewährt. Künstliche Intelligenz in der Prozessindustrie begreifbar machen ist das Ziel des Anschubprojektes KEEN. Das Projekt wurde in der Wettbewerbsphase bis Oktober 2019 gefördert. Ende August 2019 ist das Projekt positiv bewertet worden und startet ab April 2020 als umfangreiches Verbundprojekt in die Umsetzungsphase. 

Das Projekt entwickelte in einem Wettbewerb um die besten Ideen bis Ende Juli ein Konzept für den Aufbau einer Plattform zur Förderung der Anwendung von Methoden der künstlichen Intelligenz in der Prozessindustrie. Drei ganztägige Kreativworkshop in Frankfurt im DECHEMA-Haus dienten zur Feststellung des Handlungsbedarfs und Generierung von Lösungsansätzen in fünf Säulen:

  • KI-basierte Modellierung
  • KI-basiertes Engineering & Optimierung
  • KI-Lebenszyklusmodelle
  • KI-vollautomatisiert
  • KI Ausbildung

Daraus sind drei Bereiche zur Modellierung, zum Engineering und zur vollautomatisierten Anlage gebildet worden, die in unterschiedlichen Arbeitspaketen bearbeitet werden.

3.1.5.    Querschnittsthemen: Lernprozesse; Struktur- und Kulturwandel in Arbeitswelt und Arbeitsprozessen

Die Digitalisierung wird tiefgreifende Veränderungen in der Arbeitswelt und in den Arbeitsprozessen hervorrufen. Dies umfasst zunächst neue Technologien, aber im großen Umfang auch methodische und strukturelle Veränderungen. Es müssen neue Lernkonzepte sowie Fortbildungsangebote für Industrie, Wissenschaft und Behörden geschaffen werden. Darüber hinaus ist die Implementierung von Change-Management-Konzepten notwendig. Die Bearbeitung dieser Themenkreise erfordert die Einbeziehung nicht-technischer Fachbereiche (z. B. Arbeitspsychologie). Der TAK Dig hat für den Themenkreis eine Arbeitsgruppe etabliert, sieht sich hier in einer Vermittlerrolle und möchte die unterschiedlichen Fachgebiete zusammenbringen. 

3.2.    Bestehende F&E-Programme zur Digitalisierung der Prozessindustrie

Es existieren vorwiegend Programme zur Automatisierung der Fertigungsindustrie sowie zur Effizienzsteigerung und Modularisierung in der chemischen Prozesstechnik. Kein aktuelles Programm adressiert schwerpunktmäßig und übergreifend die umfassende Digitalisierung der Prozessindustrie, wie unter 3. vorgeschlagen.

3.2.1.    Effizienzsteigerung und Modularisierung in der chemischen Prozesstechnik
(ENPRO[9])
Projektlaufzeit: 03/2015–08/2018
Förderung: BMWi
Das Forschungsfeld Chemische Verfahrenstechnik soll mittelfristig die Bereiche Sensoren und Künstliche Intelligenz noch stärker mit der Effizienz und Modularisierungskonzepten verbinden. Diesbezüglich können auch dort neue Förderrichtungen angebunden werden.
1. Förderphase: ENPRO 1.0: Von 2014 bis 2017 liefen in der ENPRO-Initiative vier Verbundprojekte und ein Begleitprojekt:

  • Kontinuierliche Prozesse für Polymerspezialitäten mit Hilfe neuartiger Apparatekonzepte (KoPPonA)
  • Smart-Mini Plant zur Entwicklung effizienter kontinuierlicher Trennverfahren (SMekT)
  • Modulares Equipment für die energieeffiziente Produktion (Modularisierung)
  • Verbesserte Energieeffizienz und Prozessbeschleunigung durch Datenintegration von der Prozessentwicklung bis zur Produktion (Datenintegration).

2. Förderphase: ENPRO 2.0: Seit November 2017 laufen die ersten Projekte aus der 2. Förderphase der ENPRO-Initiative.

  • Effiziente Orchestrierung Modularer Anlagen (ORCA, Start: 01.11.2017)
    In dem Projekt EPRO 2.0 ORCA arbeiten Anlagenbetreiber, Modulhersteller, Automatisierer, Systemintegratoren, Behörden und Hochschulen zusammen, um Verfahrenstechnik, Sicherheitstechnik und Automatisierungstechnik integrierende Konzepte für modular aufbaubare, intelligente und flexibel zu gestaltenden Produktionsanlagen abzuleiten.
  • Skalenübergreifende Methodik zur Planung und Entwicklung ressourceneffizienter Prozesse (SkaMPi, Start: 01.11.2017)
    Ziel des Projektes SkaMPi (Skalenübergreifende Methodik zur Planung und Entwicklung ressourceneffizienter Prozesse) ist es, inhärent vorhandene Barrieren zu durchbrechen und die bestehende Methodik so zu ergänzen, dass zu einem frühen Zeitpunkt für ein neues Produkt bzw. avisiertes Produktportfolio die Auswahl der optimalen Apparatetechnologien durchgeführt werden kann. Dabei wird eine optimale ressourceneffiziente Prozessverschaltung berücksichtigt.
  • Trennverfahren mit effizienten und intelligenten Apparaten (TeiA, Start: 01.01.2018)
    Aktuell werden Pharma-, Fein- und Spezialchemikalien nach wie vor in Batchfahrweise erzeugt und aufgereinigt, wohingegen eine Umstellung auf kontinuierlich betriebene und modular aufgebaute Anlagen ein vielversprechender Ansatz für Energie- und Zeiteinsparungen sein kann. Hierfür werden im Rahmen des Projektes TeiA diverse Kristallisations- und Extraktionsapparate untersucht, deren Betriebsfenster charakterisiert und für unterschiedliche Stoffsysteme getestet werden. Zudem werden neuartige Sensoren entwickelt, in die Apparate integriert und für ein verbessertes Prozessverständnis verwendet.
  • Module im Lebenszyklus einer prozesstechnischen Anlage - Anwendungen für integrierte Modelle (ModuLA, Start: 01.09.2018)
    Im Projekt ModuLA wird die Spezifikation eines durchgängigen und konsistenten Informationsmodells, d.h. eines Digitalen Zwillings, für Module und Anlagen entwickelt. Das Informationsmodell umfasst den gesamten Lebenszyklus von Labor über Planung und Bau bis zu Betrieb, Wartung und Rückbau. Die Ergebnisse des Projektes stellen eine Grundlage dar, um Module informationstechnisch miteinander verknüpfen zu können und relevante Lebenszyklus-Informationen von Modulen und Anlagen einfacher als jetzt verfügbar zu machen.


3.2.2.    Skalierbares Integrationskonzept zur Datenaggregation, -analyse, -aufbereitung von großen Datenmengen in der Prozessindustrie (SIDAP, http://www.sidap.de)

Projektlaufzeit: 03/2015–08/2018
Förderung: BMWi „Smart Data“
Partner: Bayer AG, IBM Deutschland GmbH, Lehrstuhl für Automatisierung und Informationstechnik TU München, Evonik Industries AG, Gefasoft AG;
Assoziierte Partner: Covestro AG, Krohne Messtechnik, NAMUR, Samson AG, Sick AG, ZVEI; Kooperationspartner: Interessengemeinschaft Regelwerke Technik (IGR) e.V.

SIDAP entwickelte eine datengetriebene sowie serviceorientierte Integrationsarchitektur, die bereits vorhandene Strukturinformationen und Datenströme in Engineering- und Prozessleitsystemen unter Berücksichtigung ihrer unterschiedlichen Semantik in abstrahierter, integrierter und zugriffsgeschützter Form für interaktive Analysen durch berechtigte Nutzer zugänglich macht. So können Gerätehersteller anhand von Nutzungsdaten ihrer Geräte in den Produktionsanlagen und der Wartung Gerätestörungen analysieren, präventiv Fehler identifizieren und rechtzeitig eingreifen, um Anlagenbetreiber in Zukunft optimal zu unterstützen. Für den Anlagenbetreiber wird eine optimale Nutzung der Geräte und damit einhergehend ein möglichst störungsfreier Betrieb sichergestellt. Der Abschlussbericht ist hier erhältlich [10].

3.2.3.    Data Exchange in the Process Industry (DEXPI)

Projektinfo: Arbeitskreis der ProcessNet (http://dexpi.org/)
Owner/Operators: Air Liquide, BASF, Bayer, Covestro, Equinor, Evonik, Merck  
Technisches Consulting: AixCAPE, pnb plants & bytes
Softwarehersteller: Aucotec, Autodesk, AVEVA, Bilfinger, eVision, Hexagon, PTC, Semantum, Siemens, X-Visual
Forschungseinrichtungen: Kyungpook National University, RWTH Aachen University AVT.SVT, Tecgraf/PUC-Rio, TU Berlin, VTT Finland

Unzureichende Interoperabilität zwischen CAE-Werkzeugen erschwert Planung, Bau und Betrieb von Prozessanlagen über organisatorische Grenzen hinweg, z.B. zwischen unterschiedlichen Unternehmen oder auch Business Units im selben Unternehmen. Deshalb hat der DEXPI-Arbeitskreis zum Ziel, ein herstellerneutrales Austauschformat für Engineering-Daten und Dokumente zu entwickeln und in Schnittstellen existierender CAE-Werkzeuge zu implementieren. Gegenwärtig liegt der Fokus auf dem Austausch von R&I-Diagrammen einschließlich graphischem Layout und Engineering-Daten.

3.2.4.    smartLAB (Biotechnologie)

Projektlaufzeit: 2014–2019
Förderung: Land Niedersachsen (MW und MWK)
Partner: Sartorius, Mettler-Toledo, Eppendorf, Schmidt & Haensch, Noack Laboratorien, labfolder, IGo3D, Presens, Köttermann, Realworld One, Fraunhofer IPA, Institut für Journalistik und Kommunikation HMTMH, Institut für Technische Chemie LUH, Deutsche Messe

Die smartLAB-Initiative besteht seit 2014 und hat sich das Ziel gesetzt, in einem ganzheitlichen Ansatz  Technologien für die Digitalisierung im Laborbereich zu evaluieren, entsprechende funktionale und digitalisierte Laborumgebungen zu entwickeln und letztlich ihre Ergebnisse in einem Showroom zu präsentieren, so dass dieses wichtige Thema für die Entwicklung der Laborinfrastruktur anschaulich dargestellt wird, Möglichkeiten für die verschiedenen Akteure identifiziert und weiterentwickelt werden und eine intensive Diskussion zu diesem Themenfeld angestoßen wird.

Das smartLAB präsentiert daher alle 2 Jahre ihre aktuellen Ergebnisse auf einem Highlight-Stand auf der Fachmesse LABVOLUTION, das letzte Mal im Mai 2019. Hier zeigt das smartLAB nicht nur die neuesten Technologien im Laborbereich, sondern führt exemplarische, vollständig digital unterstützte workflows live vor, um die Digitalisierung für die Besucher erlebbar zu machen.

Wichtige Aspekte des smartLABs sind die grundlegende Vernetzung von Laborgeräten mit einem LIMS, flexible und modulare Laborinfrastruktur, Einbindung innovativer Technologien auch aus dem Consumerbereich (z. B. smartphones, 3D-Druck, augmented und virtual reality, etc.), Interaktionsmedien zur Mensch-Maschine-Interaktion (z. B. LabGlasses, Touchbeamer, Sprachassistenzsysteme, etc.) und die Vereinheitlichung von Schnittstellen, Gerätetreibern und Kommunikationsprotokollen.

3.2.5.    Digitalisierung in der Industriellen Biotechnologie (DigInBio)

Projektlaufzeit: 2018–2020
Förderung: BMBF
Partner: Lehrstuhl für Bioverfahrenstechnik TU München, Institut für Technische Chemie LU Hannover, IBG-1: Biotechnologie Forschungszentrum Jülich, labfolder GmbH;
Unterstützer: Sartorius, TECAN, Eppendorf, 2mag, m2p-labs, Eppendorf Bioprocess Center, Presens, iTiZZiMO, Clariant, Qiagen, Evonik, Mettler Toledo, BRAIN, VCI, IG BCE, Deutsche Messe.  

Das Verbundprojekt „DigInBio“ wird für Industrie und akademischen Nachwuchs die zukünftigen Möglichkeiten der Digitalisierung, Automatisierung und Miniaturisierung für die Biotechnologie aufzeigen. Mit dem Aufbau von Demonstratorlaboren wird sichtbar werden, welches Potential die Digitalisierung in diesem Gebiet hat und wie sie konkret ausgestaltet werden kann.

Das Hauptaugenmerk ist die Entwicklung von digitalen Workflows beginnend bei der Auswahl geeigneter Produktionsorganismen bis zur Aufarbeitung des Produkts. Wichtige Aspekte sind hierbei die Beschleunigung der experimentellen Arbeiten durch Automatisierung und Digitalisierung sowie die Modularisierung der Abläufe verbunden mit intelligentem Datenmanagement über ein LIMS. Dabei stellt die Kommunikation zwischen den Systemkomponenten und Laborgeräten eine große Rolle für die digitale Verfügbarkeit der experimentellen Daten dar und eine zentrale Herausforderung.

Nächste Seite


Inhalt

  1. Einleitung
  2. Konzept der Digitalisierung in der Prozessindustrie
  3. Begleitung der Digitalisierung der Prozessindustrie und Gestaltung von potentiellen infrastrukturellen F&E-Schwerpunkten
  4. Aktuelle Verbände und Arbeitskreise, die die Digitalisierung der Prozessindustrie gestalten
  5. Wichtige Veranstaltungen zur Gestaltung der Digitalisierung der Prozessindustrie
  6. Referenzen