Mit der IIoT-Plattform Moneo verfolgt Ifm einen praxisnahen Ansatz für den Einstieg in Digitalisierungsprojekte: schnelle Anbindung, intuitive Bedienung und ein klarer Mehrwert für Kunden. Wie No-Code, KI-Module und Cloud-Technologien zusammenspielen, erläutert Mohamed Al Kadari, Vice President Industrial IIoT bei Ifm, im exklusiven EAD-Talk-Interview. Zudem erklärt er, welche Anwendungsfälle im Fokus stehen und wo typische Herausforderungen gemeistert werden müssen, damit IIoT-Projekte in der Praxis gelingen. Im Gespräch mit unserer Chefredakteurin Susanne Woggon hat der passionierte Hobby-Marathonläufer auch verraten, warum er meist schon vor dem Start eines Wettkampfs weiß, mit welcher Zielzeit er an der Ziellinie rechnen kann.
Herr Al Kadari, Sie sind 2023 nach sieben Jahren bei Google zu Ifm gewechselt. Was hat Sie an Ihrem neuen Unternehmen gereizt?
Ifm ist zwar ein deutlich kleineres Unternehmen, technologisch jedoch sehr anspruchsvoll. Wir durchlaufen derzeit verschiedene Transformationsphasen. Nicht nur im Geschäftsmodell, sondern auch in der Organisation. Deshalb ist es für mich sehr spannend, von einem Unternehmen wie Google zu kommen, in dem seit der Geburtsstunde alles digitalisiert ist, und zu einem über 50 Jahre alten Unternehmen zu wechseln, das diesen Prozess des Wandels gerade mitmacht. Es war für mich zwar ein Kulturwandel, aber auch ein schöner Blickwechsel.
Wie würden Sie die Ifm-IIoT-Plattform Moneo in einem Satz beschreiben?
Moneo ist die einfachste und gleichzeitig innovativste IIoT-Plattform auf dem Markt.
Wie einfach lässt sich Moneo ohne Programmierkenntnisse und IIoT-Erfahrung einsetzen?
Die Plattform ist konsequent als No-Code-Anwendung ausgelegt. Anwender können Sensoren einbinden, Geräte verwalten, Prozessdaten visualisieren und Alarme konfigurieren, ohne selbst programmieren zu müssen. Während bei klassischen Ansätzen die Integration von Sensorik häufig über verschiedene Tools oder IT-Systeme aufwendig erfolgt, führt Moneo den Nutzer strukturiert durch die einzelnen Schritte.
Dabei spielen Step-by-Step-Wizards eine zentrale Rolle. Sie führen Anwender durch typische Aufgaben wie das Onboarding von Sensoren, die Parametrierung oder die Erstellung von Visualisierungen. Ergänzt wird dies durch Schulungsangebote und Demo-Inhalte, die den Einstieg erleichtern.
Der Anspruch von Ifm ist es, die intuitive Bedienbarkeit, die man von der Hardware kennt, auch auf die Software zu übertragen. Ähnlich wie bei einem Sensor soll sich auch die Plattform ohne lange Einarbeitung nutzen lassen. Deshalb orientiert sie sich an Bedienkonzepten, die Anwender aus dem Alltag, etwa von Smartphone-Apps, kennen.
Welche Rolle spielt KI in Ihrer IIoT-Plattform und welchen konkreten Nutzen bietet sie?
Unsere IIoT-Plattform nutzt KI-Funktionalitäten aus der Microsoft-Azure-Umgebung und integriert diese gezielt in die eigene Plattform. Ein Beispiel hierfür ist der „Moneo Assistant”. Dies ist ein sprachbasierter Zugang, der auf ähnlichen Technologien wie „Microsoft Copilot” basiert und die Interaktion mit der Plattform erleichtert.
In „Moneo Insights” sind darüber hinaus verschiedene spezialisierte KI-Module integriert. Dazu gehört etwa ein „Lifetime-Estimator”, mit dem sich die Restlebensdauer von Komponenten oder Materialien prognostizieren lässt. Ein weiteres Beispiel ist der „Smart Limit Watcher”, der ähnlich wie ein Spurhalte-Assistent im Auto dynamische Grenzwerte ermöglicht. Denn im Unterschied zu klassischen, statischen Schwellenwerten passen sich diese an veränderte Betriebsbedingungen an.
Gerade in industriellen Anwendungen mit schwankenden Lasten oder wechselnden Umgebungsbedingungen stoßen starre Grenzwerte schnell an ihre Grenzen. KI-gestützte Modelle erlauben eine differenziertere Bewertung und helfen, Anomalien zuverlässiger zu erkennen. Der Mehrwert entsteht insbesondere dort, wo einfache Visualisierung und Alarmierung nicht mehr ausreichen, um komplexe Zusammenhänge abzubilden.
Für welche Anwendungen und Branchen eignet sich die IIoT-Plattform besonders?
Moneo kommt heute vor allem in der diskreten Fertigung und der Prozessindustrie zum Einsatz, beispielsweise in der Lebensmittelproduktion. Darüber hinaus spielt die Plattform auch im Maschinenbau eine Rolle, insbesondere bei Themen wie Fernwartung oder Zustandsüberwachung von Maschinen vor Ort.
Typische Anwendungsfälle sind die Überwachung von Pumpen, Lüftern, Förderanlagen oder Materialspeichern. Das grundlegende Prinzip ist dabei oft ähnlich: Zunächst wird ermittelt, welche Daten für den jeweiligen Use Case relevant sind und ob diese über Sensorik erfasst werden können. Anschließend werden Monitoring- und Alarmfunktionen eingerichtet.
Ein Beispiel ist die Überwachung eines Materialspeichers. Neben der reinen Füllstandsmessung kann mithilfe von KI-Modulen auch eine Prognose der verbleibenden Restlaufzeit erstellt werden. Gerade bei variierenden Produktionsbedingungen, etwa unterschiedlichen Auslastungen im Wochenverlauf, ermöglicht dies eine deutlich genauere Planung und hilft, ungeplante Stillstände zu vermeiden.
Wie schnell lassen sich Anlagen anbinden und erste Ergebnisse erzielen?
Für Brownfield-Projekte ist die schnelle Implementierung ein zentraler Vorteil der Plattform. Viele Unternehmen arbeiten mit gewachsenen Anlagenstrukturen, denen moderne Schnittstellen fehlen. Hier ermöglicht Moneo eine vergleichsweise unkomplizierte Nachrüstung.
In vielen Fällen lassen sich Maschinen innerhalb von weniger als 30 Minuten anbinden. Das gilt auch für ältere Anlagen wie CNC-Maschinen, bei denen kein direkter Zugriff auf die Steuerung mehr möglich ist. Über Sensorik und Edge-Gateways können dennoch relevante Betriebsdaten erfasst und in die Plattform übertragen werden.
Erste Erkenntnisse, beispielsweise zu Laufzeiten, Stillständen oder dem Temperaturverhalten, stehen häufig bereits innerhalb eines Tages zur Verfügung. Für weitergehende Analysen, beispielsweise zur Vorhersage von Ausfällen oder Wartungsbedarfen, ist in der Regel die Beobachtung eines vollständigen Betriebszyklus erforderlich. Dieser kann je nach Anwendung mehrere Wochen dauern, typischerweise acht bis zwölf Wochen.
Wie adressieren Sie Themen wie Datensicherheit, Datensouveränität und Cloud-Nutzung?
Moneo wird hauptsächlich als Software-as-a-Service (SaaS) auf Microsoft Azure betrieben. Diese Architektur bietet Vorteile in Bezug auf Skalierbarkeit, Wartung und die schnelle Integration neuer Funktionen. Gleichzeitig bestehen weiterhin Möglichkeiten für On-Premise-Lösungen, etwa bei Bestandskunden oder bei speziellen Anforderungen.
In der Praxis werden Themen wie Datensouveränität und Cybersecurity eng mit den IT-Abteilungen der Kunden abgestimmt. Typische Fragestellungen betreffen den Speicherort der Daten, Verschlüsselungskonzepte oder die Sicherheit der eingesetzten Hardware.
Ein wesentliches Prinzip der Plattform ist der ausschließlich lesende Zugriff auf Maschinen. Es wird nicht aktiv in Steuerungen eingegriffen, sondern Daten werden ausschließlich erfasst. Durch dieses sogenannte „Y-Prinzip“ werden potenzielle Risiken reduziert und die Freigabe durch IT- und OT-Verantwortliche vereinfacht.
Ergänzend kommen etablierte Sicherheitsmechanismen sowohl auf Cloud-Ebene als auch auf der Edge-Seite zum Einsatz. Dazu gehören verschlüsselte Kommunikation, abgesicherte Gateways sowie die Ausrichtung an gängigen Cybersecurity-Frameworks.
Woran scheitern IIoT-Projekte in der Praxis?
Größere Herausforderungen bestehen weniger in der Technologie als vielmehr in organisatorischen und strukturellen Aspekten. IIoT und Industrie 4.0 wurden lange Zeit mit hohen Erwartungen verbunden, die sich in der Praxis jedoch nicht immer sofort erfüllt haben. Entsprechend herrscht in vielen Unternehmen eine gewisse Zurückhaltung.
Hinzu kommen typische Engpässe, insbesondere im Mittelstand: begrenzte personelle Ressourcen, Zeitmangel und fehlende Kapazitäten für komplexe Implementierungsprojekte. Auch Abstimmungsprobleme zwischen IT, Instandhaltung und externen Partnern können den Projekterfolg beeinflussen.
Erfahrungen aus der Praxis zeigen jedoch, dass Projekte selten an der technischen Lösung selbst scheitern. Häufig sind es vielmehr Kommunikationsprobleme, unklare Anforderungen oder ein fehlendes gemeinsames Verständnis. Entscheidend ist daher ein klar strukturiertes Vorgehen mit konkreten Use Cases und einem schnell sichtbaren Mehrwert.
Welche Trends prägen die Weiterentwicklung der IIoT-Plattform?
Ein zentraler Treiber ist der zunehmende Einsatz generativer KI. Das Ziel besteht darin, die Nutzung der Plattform weiter zu vereinfachen, beispielsweise durch sprachbasierte Interaktion, automatisierte Erstellung von Dashboards oder intelligente Unterstützung bei der Konfiguration von Alarmen.
Darüber hinaus rücken Konzepte wie der digitale Zwilling zunehmend in den Fokus. Perspektivisch könnten Maschinen und Prozesse virtuell abgebildet werden, um ihr Verhalten unter veränderten Bedingungen zu simulieren. Auf dieser Basis ließen sich beispielsweise Grenzwerte optimieren oder Szenarien vorab testen. Die Cloud-Architektur spielt dabei eine entscheidende Rolle. Sie ermöglicht die vergleichsweise schnelle Integration neuer Technologien und Innovationen, etwa aus dem Microsoft-Ökosystem, in die Plattform und deren Bereitstellung für die Nutzer.
Spielen datenbasierte Analysen auch in Ihrem Privatleben eine Rolle?
Immer mehr Menschen in meinem privaten Umfeld nutzen datenbasierte Anwendungen. Ein Beispiel hierfür ist die Nutzung von Wearables im Sport. Ich bin seit vielen Jahren Hobby-Marathonläufer. Moderne Systeme ermöglichen heute sehr präzise Prognosen für Laufzeiten im Marathon, die auf Trainingsdaten, Wettereinflüssen und individuellen Leistungsparametern basieren. Diese Entwicklung zeigt das Potenzial, das in der intelligenten Auswertung von Daten steckt. Es ist ein Prinzip, das sich auch auf industrielle Anwendungen übertragen lässt.
