Digitalisierung verfahrenstechnischer Bestandsanlagen

Wir bringen verfahrenstechnische Anlagen in die digitale Welt: Wir verbinden Anlagenbau und Prozesswissen mit Dateninfrastruktur, Modellen und Prognosen. So machen wir bestehende Anlagen schrittweise für datenbasierte Optimierung nutzbar und schaffen bei Neuanlagen bereits in der Planung die Voraussetzungen für spätere digitale Anwendungen.

Digitalisierung – mehr als Automatisierung

Viele Bestandsanlagen laufen zuverlässig – ihre Daten werden jedoch oft nur für die unmittelbare Steuerung genutzt. Für Prognosen, Prozessmodelle oder eine datenbasierte Optimierung fehlen häufig eine strukturierte Speicherung, ein konsistenter Zeitbezug und der notwendige Anlagenkontext.

Genau hier beginnt die eigentliche Digitalisierung: Messwerte werden mit Informationen zu Betriebszuständen, Soll- und Grenzwerten, Störungen oder Hand- und Automatikbetrieb verknüpft und über längere Zeit verfügbar gemacht. Erst dadurch lassen sich Zusammenhänge erkennen, Modelle zuverlässig anwenden und aus Daten konkrete Empfehlungen für den Anlagenbetrieb ableiten. Für Betreiber entsteht so die Möglichkeit, bestehende Automatisierungsstrukturen weiter zu nutzen und ihre Anlagen schrittweise um neue digitale Funktionen zu erweitern – von Betriebsanalysen und Softsensoren über Prognosen bis hin zu einer energie- und ressourceneffizienten Betriebsoptimierung.

Unsere Lösung: vom Anlagenbetrieb zur datenbasierten Optimierung

Das Fraunhofer IGB entwickelt technische Lösungen und Werkzeuge, mit denen Prozess- und Betriebsdaten bestehender Anlagen strukturiert erfasst, gespeichert, überwacht und für digitale Anwendungen bereitgestellt werden können. Auf dieser Basis entwickeln und integrieren wir auch passende Prozess-, Prognose- und Optimierungsmodelle für die jeweilige Anwendung. Dabei verbinden wir Anlagen- und Prozessverständnis mit Dateninfrastruktur und Modellierung und betrachten die gesamte Kette von der realen Anlage bis zur digitalen Anwendung.

Wir bringen Bestandsanlagen in die digitale Welt

Bestandsanlagen können dadurch digital erweitert werden, ohne die vorhandene Automatisierung vollständig auszutauschen. Die bestehende SPS übernimmt weiterhin ihre Steuerungs- und Regelungsaufgaben und wird um eine anlagennahe digitale Ebene ergänzt.

Dieser Ansatz ermöglicht eine schrittweise Digitalisierung und lässt sich an unterschiedliche technische Ausgangssituationen anpassen. Er eignet sich insbesondere für über Jahre gewachsene Anlagen, heterogene Automatisierungsstrukturen und Systeme, deren Daten bislang nicht einheitlich erfasst und gespeichert werden.

Das Prinzip: Bestandsanlagen Schritt für Schritt KI-ready machen

Der Mehrwert entsteht nicht durch KI als Einzelbaustein, sondern durch den kontrollierten Weg von der realen Anlage in eine robuste digitale Betriebslogik. Das Edge Device wird zum Anlagenknoten zwischen SPS, lokaler Datenspeicherung, Modellplattform und digitaler Anwendung.

1.
Reale Betriebsdaten erfassen

Durchfluss, Druck, Pumpenlaufzeit, Speicherstand, Fütterung, Störungen und Prozesszustände werden automatisch aus Anlage und Betrieb erfasst.

2.
Prognosen und Modelle verbinden

Strompreise, Wetterdaten, Anlagenzustand, Gasspeicher und Fachlogik werden gemeinsam bewertet.

3.
Empfehlungen ableiten

Der Betrieb erhält nachvollziehbare Fahrpläne, Soll-Ist-Abgleiche und Optimierungshinweise.

Das Edge Device verbindet Anlage und digitale Anwendung

Mit dem Edge Device zur Digitalisierung

Zentraler Baustein ist ein Edge Device als Anlagenknoten zwischen SPS, lokaler Datenspeicherung, übergeordneten Datenplattformen und digitalen Anwendungen. Das Edge Device erfasst Prozess- und Betriebsdaten direkt an der Anlage, strukturiert und speichert sie prozessnah und stellt sie für Visualisierungen, Analysen, Prognosen und Modelle bereit. Zusätzliche Informationen wie z. B. Strompreise, Wetterprognosen, Laboranalysen oder weitere externe Datenquellen, können mit den Anlagendaten verbunden werden.

Modelle und Optimierungsverfahren können dadurch auf einer gemeinsamen, aktuellen Datenbasis arbeiten; Ergebnisse, Empfehlungen oder Sollwerte über definierte und kontrollierte Schnittstellen wieder für den Anlagenbetrieb bereitgestellt werden. So entsteht eine durchgängige Daten- und Optimierungskette – von der realen Anlage bis zur Betriebsentscheidung.

Schnittstelle zwischen SPS und Edge Device: schlank und transparent

Die für eine Anwendung benötigten Prozessvariablen werden in der SPS-Projektierung eindeutig beschrieben und in einem definierten Datenbaustein zusammengeführt. Bei Bestandsanlagen kann diese Struktur gezielt ergänzt werden, ohne die bestehende Steuerungslogik zu verändern. Neben dem Variablennamen werden Informationen wie Einheit, Erfassungsintervall, Triggerbedingungen und weitere Metadaten direkt bei den SPS-Variablen hinterlegt. Aus diesen Angaben wird anschließend die Konfiguration für das Edge Device erzeugt.

Für die Datenübertragung ist keine zusätzliche OPC-UA-Infrastruktur und kein proprietäres Zwischensystem erforderlich. Die Anbindung erfolgt direkt zwischen SPS und Edge Device. Dadurch bleibt die Schnittstelle schlank, transparent und unabhängig von zusätzlichen Lizenz- oder Plattformkomponenten. Die Informationen zu den Prozessvariablen werden nicht mehrfach in verschiedenen Systemen gepflegt, sondern aus einer zentral definierten Quelle übernommen. Das reduziert den Konfigurationsaufwand, vermeidet Übertragungsfehler und erleichtert spätere Erweiterungen der Anlage oder die Einbindung zusätzlicher Messstellen.

Sicherstellung der Funktionsfähigkeit der Datenkette

Entscheidend ist nicht allein, dass Prozessdaten übertragen werden. Für den zuverlässigen Einsatz von Prognosen, Modellen und KI-Anwendungen muss die gesamte Datenkette vollständig, aktuell und zeitlich konsistent funktionieren.

Deshalb wird der Datenfluss von der SPS über das Edge Device bis zur Speicherung kontinuierlich überwacht. Eine fortlaufende Zeitsynchronisation zwischen Edge Device und SPS stellt dabei sicher, dass Prozessdaten systemübergreifend eindeutig und zeitlich korrekt zugeordnet werden können. Damit entsteht eine Datenbasis für darauf aufbauende Modelle, Prognosen und Optimierungsverfahren.

Überwachung des Edge Device

Neben den Prozessdaten wird auch der technische Zustand des Edge Device überwacht. Dazu gehören beispielsweise Speicherbelegung, Prozessortemperatur, Erreichbarkeit sowie der Zustand der laufenden Dienste und Datenbanken.

Bei kritischen Abweichungen können automatisiert Warnmeldungen ausgelöst werden. Fehler in der Datenbereitstellung sollen dadurch erkannt werden, bevor sie über längere Zeit unbemerkt bleiben und zu unvollständigen Datensätzen, fehlerhaften Modellergebnissen oder ungeeigneten Handlungsempfehlungen führen. Die Überwachung von Hardware, Software und Datenkette bildet damit gemeinsam die technische Grundlage für einen verlässlichen digitalen Anlagenbetrieb.

Edge Device als Plattform für Prognosemodelle

Das Edge Device dient nicht nur der Datenerfassung und Speicherung, sondern kann gleichzeitig als lokale Plattform für Prognose-, Prozess- und Optimierungsmodelle genutzt werden. Modelle erhalten damit direkten Zugriff auf aktuelle und historische Prozessdaten sowie die für ihre Bewertung notwendigen Kontextinformationen. Je nach Anwendung können Modelle lokal auf dem Edge Device ausgeführt oder externe Modell- und Prognosedienste angebunden werden.

Entscheidend ist dabei die Trennung zwischen Datenqualität und Modellqualität: Eine technisch funktionierende Datenübertragung bedeutet noch nicht, dass ein Modell ausreichend genaue Ergebnisse liefert. Deshalb werden die Prognose- und Modellergebnisse nicht nur hinsichtlich ihrer Genauigkeit, sondern auch hinsichtlich ihrer Auswirkungen auf den tatsächlichen Anlagenbetrieb bewertet.

Referenz Biogasanlage: Strompreisprognose, Gasspeicher und Fütterung gemeinsam bewerten

Strompreisprognose

Die Prognose liefert Preisfenster für die kommenden Tage und bildet die Grundlage für eine flexible Fahrweise.

Gasspeichermanagement

Speicherstand, Methanproduktion und BHKW-Bedarf werden stundenweise zu einem plausiblen Fahrplan verbunden.

Fütterung und Substratmix

Verfügbarkeit, Methanertrag und Kosten werden gemeinsam mit der biologischen Stabilität des Fermenters betrachtet. Ein ADM1-basiertes Prozessmodell hilft, kritische Substratkombinationen und Überlastungen frühzeitig zu erkennen und die Fütterungsstrategie entsprechend abzusichern.

BHKW-Fahrplan

Das System zeigt, wann Vollast, Teillast, Speichern oder Vorziehen wirtschaftlich und betrieblich sinnvoll ist.

Use Case: Strompreisorientierter Betrieb von Biogasanlagen mit BHKW

Am Beispiel von BioCash zeigen wir, wie Strompreisprognosen mit anlagenspezifischen Betriebsdaten und verfahrenstechnischen Randbedingungen verbunden werden können. Berücksichtigt werden unter anderem die erwartete Biogasproduktion, der Zustand des Gasspeichers, das Substratmanagement sowie technische und biologische Betriebsgrenzen. Auf dieser Grundlage wird ein BHKW-Fahrplan berechnet, der einen wirtschaftlich optimierten und gleichzeitig verfahrenstechnisch zulässigen Anlagenbetrieb ermöglicht. Die wirtschaftlich geeignete Fahrweise hängt dabei nicht allein vom Strompreis ab.

Entscheidend ist das Zusammenspiel von:

prognostizierten Strompreisen
verfügbarer und erwarteter Biogasproduktion
Zustand und Kapazität des Gasspeichers
Leistung und Betriebsgrenzen des BHKW
Substratverfügbarkeit, Substratkosten und Methanertrag
Substratzusammensetzung und Fütterungsstrategie
biologischer Stabilität des Fermenters und möglichen Prozessüberlastungen, bewertet mit einem ADM1-basierten Prozessmodell
weiteren betrieblichen und verfahrenstechnischen Randbedingungen

Ein weiterer Schwerpunkt liegt auf der Bewertung der verwendeten Strompreisprognose. BioCash aktualisiert die Prognose regelmäßig und speichert die jeweiligen Prognosestände für die kommenden sieben Tage. Sobald für den entsprechenden Zeitraum die veröffentlichten Börsenstrompreise vorliegen, können diese mit den zuvor gespeicherten Prognosewerten verglichen werden. Dadurch lässt sich untersuchen, wie genau das Preisniveau sowie Hoch- und Niedrigpreisphasen und deren zeitliche Lage vorhergesagt wurden. Gleichzeitig kann ausgewertet werden, wie sich die Prognosegüte mit zunehmendem Prognosehorizont verändert. Die dabei entstehenden historischen Prognose- und Vergleichsdaten können zur Validierung und perspektivisch auch zur Weiterentwicklung der Prognosemodelle genutzt werden.

Entscheidend ist jedoch nicht allein, wie genau die Strompreise vorhergesagt werden. Wichtig ist auch, ob und wie sich Prognoseabweichungen auf den daraus berechneten BHKW-Fahrplan auswirken. Deshalb wird untersucht, ob sich beispielsweise Einschaltzeitpunkte und Laufzeiten des BHKW, die Nutzung des Gasspeichers oder der erzielbare Deckungsbeitrag verändern. Nicht jede Abweichung zwischen Prognose und veröffentlichtem Börsenstrompreis führt automatisch zu einer anderen Betriebsentscheidung. Wird beispielsweise eine Hochpreisphase falsch eingeschätzt oder zeitlich verschoben vorhergesagt, kann sich dadurch der optimale Einsatzzeitpunkt des BHKW verändern und das vorhandene Biogas wirtschaftlich weniger günstig genutzt werden.

Damit kann die Strompreisprognose auf zwei Ebenen bewertet werden: Wie genau ist die Prognose selbst und welchen Einfluss haben Prognosefehler tatsächlich auf den Anlagenbetrieb und das wirtschaftliche Ergebnis?

Reiternavigation

Alle ausklappen Alle einklappen

Alleinstellung und Vorteile

Unser Ansatz verbindet die bestehende Automatisierung mit einer lokalen, modularen Daten- und Modellplattform. Dadurch können Bestandsanlagen schrittweise digital erweitert werden, ohne funktionierende Steuerungsstrukturen vollständig ersetzen zu müssen.

Alleinstellung: Edge Device als zentraler Anlagenknoten

Das Edge Device bildet die Schnittstelle zwischen Anlagensteuerung, Datenspeicherung, Modellen und digitalen Anwendungen. Bestehende Prozessdaten können dadurch für neue Anwendungen genutzt werden, ohne tief in die vorhandene SPS-Struktur einzugreifen. Die einmal aufgebaute Infrastruktur lässt sich für unterschiedliche Aufgaben weiterverwenden – beispielsweise für Visualisierung, Betriebsanalyse, Prognosen, Softsensoren oder KI-gestützte Optimierungsverfahren. Neue Anwendungen können schrittweise ergänzt werden.

Lokale Datenbasis in Kundenhoheit

Die Prozessdaten werden direkt an der Anlage erfasst und auf dem Edge Device gespeichert und können dort verarbeitet werden. Dadurch bleiben Datenhaltung und wesentliche Verarbeitungsschritte unter Kontrolle des Anlagenbetreibers. Nur die Informationen, die für externe Anwendungen oder standortübergreifende Auswertungen benötigt werden, müssen die Anlage verlassen. Gleichzeitig können Modelle und Auswertungen direkt am Anlagenstandort betrieben werden. Dies reduziert die Abhängigkeit von einer permanenten Cloud-Verbindung und ermöglicht auch bei eingeschränkter externer Kommunikation einen lokalen Betrieb.

Open Source

Für Betriebssystem, Datenspeicherung und weitere technische Komponenten setzen wir auf offene und etablierte Technologien. Dadurch werden Abhängigkeiten von einzelnen Herstellern, proprietären Plattformen und langfristigen Lizenzmodellen reduziert. Der modulare Aufbau ermöglicht es, Schnittstellen, Datenbanken, Modelle und Anwendungen bei Bedarf zu erweitern oder auszutauschen, ohne die gesamte Lösung neu entwickeln zu müssen. Dadurch kann die Infrastruktur mit den Anforderungen der Anlage mitwachsen und auch für zukünftige Anwendungen weiterverwendet werden.

Vorteile durch Anlagenknoten

Daten werden vor Ort gespeichert
Modelle laufen direkt am Prozess
Kontrolliertes Feedback zur SPS

Nutzen für Projekt und Markt

Verlässliche Betriebsdaten
Optimierung auf realer Anlagenbasis
Standortübergreifende Vergleichbarkeit
Grundlage für Flottenanalyse und KI

Zusammenarbeit

Wir machen Ihre Bestandsanlagen KI-ready!

Wir unterstützen Unternehmen und Anlagenbetreiber dabei, bestehende Anlagen schrittweise für datenbasierte Anwendungen, Prognosemodelle und KI-gestützte Optimierungen zu erschließen. Dabei kann die Zusammenarbeit bei einer konkreten Bestandsanlage beginnen oder bereits die Entwicklung und Erprobung neuer digitaler Funktionen umfassen.

Typische Fragestellungen sind beispielsweise:

Welche Daten stehen in meiner Anlage bereits zur Verfügung?
Welche zusätzlichen Informationen werden für die gewünschte Anwendung benötigt?
Wie lassen sich bestehende SPS-, Sensor- und Leitsysteme weiter nutzen?
Wie müssen Daten strukturiert und gespeichert werden, damit sie für Modelle und KI-Anwendungen nutzbar sind?
Welche Modelle, Softsensoren oder Prognosen können einen konkreten Mehrwert für den Anlagenbetrieb liefern?
Wie können Modellergebnisse sicher in bestehende Betriebsabläufe eingebunden werden?
Wie lässt sich eine entwickelte Lösung später auf weitere Anlagen oder Standorte übertragen?

Kontaktieren Sie uns!

Neben direkten Entwicklungs- und Industrieprojekten sind auch gemeinsame Forschungsprojekte möglich, in denen neue datenbasierte Verfahren an Pilot- und Demonstrationsanlagen entwickelt und unter realen Betriebsbedingungen erprobt werden. Gerne erläutern wir in einem ersten unverbindlichen Gespräch die Möglichkeiten und unsere Vorgehensweise. Wir freuen uns auf Ihren Anruf oder Ihre E-Mail.

Wir strukturieren Ihre Daten

Mit einer sauberen Datenstrukturierung schaffen wir die Voraussetzung für die Anwendung jeglicher KI-Tools, von der Modellierung bis zur daten- und prognosegestützten Steuerung. Ausgangspunkt ist das R&I-Fließbild (Rohrleitungs- und Instrumentenfließbild) der Anlage mit allen Komponenten, von Sensoren, Pumpen und Ventilen bis zu Heizaggregaten. Damit entsteht eine strukturierte und nachvollziehbare Datenbasis. Änderungen am Fließbild oder Erweiterungen der Anlage können in der Datenstruktur abgebildet werden. So bleibt das System auch dann nutzbar, wenn Anlagen nachgerüstet, erweitert oder technisch angepasst werden.

Wir machen Ihre Daten KI-fähig

Ein Hauptaugenmerk liegt auf einem integrierten und prozessorientierten Datenmanagement. Hierfür analysieren wir Ihre Messdaten und sorgen dafür, dass auch weitere relevante Daten erhoben und in die Struktur integriert werden sowie miteinander kommunizieren können. So erfassen und speichern wir für jedes Element nicht nur Messwerte, sondern auch Kontext- und Statusinformationen, etwa Betriebsarten sowie Soll- und Grenzwerte. Die Vernetzung verschiedenster Daten und Protokollformate, ein automatisierter Transfer und die Sicherung von Anlagendaten (inkl. Offline-Daten wie Analytikdaten) schaffen die Voraussetzung für eine smarte Prozessteuerung und Automatisierung sowie eine effiziente Datenbearbeitung (Betriebsanalyse, Modellierung…).

Wir integrieren Edge Device als Modellplattform

Auf Basis der erarbeiteten Datenstruktur integrieren wir das Edge Device in die bestehende Anlagen- und Automatisierungsumgebung. Es übernimmt die lokale Datenerfassung, Speicherung und Bereitstellung der Prozessdaten und dient gleichzeitig als Plattform für Visualisierungen, Softsensoren, Prognose-, Prozess- und Optimierungsmodelle. Je nach Fall werden Modelle direkt am Anlagenstandort ausgeführt oder über definierte Schnittstellen angebunden. Dabei berücksichtigen wir auch die Überwachung der Datenkette und der technischen Infrastruktur. So entsteht eine nutzbare Plattform, auf der zunächst einzelne digitale Anwendungen umgesetzt und später weitere Funktionen ergänzt werden können. Bei Bedarf lässt sich zusätzlich ein kontrollierter Rückweg zur SPS vorbereiten, über den geprüfte Empfehlungen oder Sollwerte schrittweise in die Betriebsführung einfließen.

Leistungsangebot im Überblick

Wir unterstützen Sie von der Analyse Ihrer bestehenden Anlage über den Aufbau der Dateninfrastruktur bis zur Entwicklung und Erprobung datenbasierter Anwendungen und Optimierungsverfahren.

Unser Leistungsangebot umfasst:

Analyse der bestehenden Anlagen- und Automatisierungsstruktur
Erfassung und Bewertung vorhandener Datenquellen, Schnittstellen und Kommunikationswege
Strukturierung der Anlagendaten auf Basis des R&I-Fließbilds einschließlich relevanter Metadaten wie P&ID-/Messstellennummer, Einheit, Zeitstempel, Speicherintervall, Ereignisbedingungen und Qualitätsinformationen
Entwicklung einer anlagenspezifischen Datenstruktur für Online- und Offlinedaten
Integration und Konfiguration des Edge Device in die bestehende Automatisierungsumgebung
Anbindung von SPS, Sensorik, Datenbanken und weiteren Datenquellen
Lokale Speicherung von Prozess-, Betriebs- und Zustandsdaten einschließlich ihrer zeitlichen Verläufe
Integration von Offlinedaten, beispielsweise Labor- und Analytikdaten
Überwachung der Datenqualität und der gesamten Datenkette
Visualisierung und Fernüberwachung von Anlagen-, Prozess- und Zustandsdaten
Entwicklung und Integration von Softsensoren, Prozess- und Prognosemodellen
Integration und Training von KI-Modellen für anlagenspezifische Fragestellungen
Validierung und Bewertung von Prognose- und Modellergebnissen
Entwicklung und Erprobung von Optimierungsstrategien für den Anlagenbetrieb
Ableitung von Handlungsempfehlungen, Fahrplänen und optimierten Sollwerten

Anwendungen und Einsatzmöglichkeiten

Unser Ansatz eignet sich für automatisierte verfahrenstechnische Anlagen, bei denen vorhandene Prozessdaten für eine effizientere, vorausschauende und stärker datenbasierte Betriebsführung genutzt werden sollen. Dies ist insbesondere für Bestandsanlagen interessant, bei denen die bestehende Automatisierung weiter genutzt und schrittweise um digitale Anwendungen ergänzt werden soll.

Besondere Potenziale entstehen, wenn neben den aktuellen Anlagendaten auch externe Informationen und Prognosen berücksichtigt werden. Dazu zählen beispielsweise Strompreise, Wetter- und Niederschlagsprognosen, Starkregenereignisse oder sich verändernde Zulauf- und Belastungssituationen. So kann eine Anlage nicht nur auf den aktuellen Zustand reagieren, sondern zukünftige Entwicklungen in die Betriebsführung einbeziehen.