I4S+ Exklusiv für Abonnenten

Monteure und Servicemitarbeiter im Maschinen- und Anlagenbau benötigen sehr viele Informationen, um die immer komplexeren Produkte zu montieren. Zusätzlich entsteht ein erheblicher Aufwand, wenn Monteure Arbeitsfortschritte oder Fehler dokumentieren sollen. Eine Ursache dafür ist: Die Produktion ist in der Regel nicht in den digitalen Informationsfluss eingebunden. Fallbeispiele aus der Industrie zeigen die hohen Potenziale von innovativen Software-Lösungen, indem man auch die Produktion perfekt in den digitalen Informationsfluss einbindet.

In der Industrial 4.0-Ära werden viel mehr Daten als bisher in die Produktionsplanung und die Auswahl geeigneter Fertigungs- und Lagerorte eingegeben. An welchem Standort welches Produkt wann produziert werden sollte, lässt sich angesichts der Vielzahl an entscheidungsrelevanten Daten am besten mithilfe mathematischer Methoden errechnen. Hier ist vor allem die Lineare Programmierung zu nennen, deren Einsatz anhand von Praxisbeispielen in diesem Beitrag beschrieben wird. Technische Plattform ist das IBM Decision Optimization Center, auf dem Softwarepartner unter Einbeziehung des gesamten Produktions- und Logistiknetzwerks Anwendungen für bessere Entscheidungen in allen Bereichen der Produktions- und Standortoptimierung erstellen können.

Technologischer Fortschritt ermöglicht einerseits Chancen für die Einführung neuer Geschäftsmodelle, eröffnet jedoch andererseits auch neue Wege für Angreifer. Es ist daher wichtig, die Sicherheit der Fabrik bei der Umsetzung neuer Technologien von Beginn an zu beachten. Dies wird als Security-by-Design bezeichnet und integriert Sicherheitslösungen in die Fabrik, um Verlusten, z. B. durch Sabotage oder Industriespionage, vorzubeugen. Dabei handelt es sich um einen kontinuierlichen Prozess, der wiederum auf verschiedene Bausteine zurückgreift. In diesem Beitrag werden aktuelle Forschungsergebnisse aus dem nationalen Referenzprojekt zur IT-Sicherheit in der Industrie 4.0 (IUNO) für die Umsetzung sicherer Prozesse in Fabriken anhand konkreter Fallbeispiele erläutert: Zum einen Anomalieerkennung in Wertschöpfungsnetzen, zum anderen sichere Produktionsplanung mittels Simulation. Die hier beschriebenen Beispiele sind für die Umsetzung in KMUs und großen Unternehmen geeignet.

Die Verbreitung der Cloud steigt. Mittlerweile nutzen über 60 % der deutschen Unternehmen Cloud-Dienste, zusätzlich planen knapp 20 %, zukünftig auf die Vorteile von Cloud-Lösungen zu setzen [1]. Mit der Cloud-Technologie sind jedoch auch vielfältige Herausforderungen hinsichtlich der IT-Sicherheit verbunden [2]. Aktuell wird die IT-Sicherheit einer Cloud primär durch den Cloud-Anbieter realisiert. Es gibt keine verlässliche Möglichkeit, um zu kontrollieren, welche IT-Sicherheitsmechanismen dieser in der Cloud wie umsetzt. Im Besonderen verunsichert diese Kontrollabgabe an einen externen Cloud-Anbieter viele potenzielle Kunden [1]. Es stellt sich die berechtigte Frage, wie Unternehmen Vertrauen in die IT-Sicherheit von Cloud-Anbietern aufbauen können.

Das Internet der Dinge (Internet of Things, IoT) ist - wie alle IT-Systeme - durch Angriffe verwundbar [1]. Dies ist durch zahlreiche aufsehenerregende Vorfälle aus jüngster Zeit belegt, bspw. das „Hacken“ in fahrende Autos bei hoher Geschwindigkeit oder sogar Eingriffe in lebenserhaltende medizinische Implantate. Bei der Absicherung des IoT müssen allerdings spezifische Herausforderungen bewältigt werden, die bis heute nur unvollständig gelöst sind. Dazu gehören z. B. die oftmals sehr beschränkten Rechen-, Speicher- und Energieressourcen der häufig drahtlos vernetzten IoT-Geräte, die hohen Anforderungen an die Benutzerfreundlichkeit sowie nicht zuletzt auch der hohe Kostendruck. Vor diesem Hintergrund wurde im vom BMBF geförderten Forschungsprojekt PROPHYLAXE („Providing Physical Layer Security for the Internet of Things“) ein neuartiger Ansatz verfolgt, bei dem physikalische Eigenschaften der drahtlosen Übertragungsstrecke zwischen zwei Geräten zur Absicherung ...

Das Projekt „CrimpProd-S“ untersucht die Integration dezentraler, selbstlernender Produktionssteuerungssysteme im Kontext der Industrie 4.0 unter Einbeziehung additiver Fertigungsverfahren. Das Ziel ist die wirtschaftliche Umsetzung kleiner Losgrößen hin zur kundenindividuellen Stückzahl 1 bei bestehenden Produktionsstrukturen. Der Fokus ist hierbei die stufenweise, evolutionäre Transformation der bestehenden Produktion. Durch die Entwicklung einer allgemeingültigen und übertragbaren Methode kann für verschiedene Produktionssysteme der Nutzen der Losgröße 1 identifiziert werden. Dabei wird im Einklang mit der strategischen Ausrichtung eine angepasste, mitarbeitergerechte und risikoarme Integration der Technologien angestrebt.

Durch den Einzug kollaborativer Robotiksysteme in die industrielle Produktion verschwindet die strikte Trennung der Arbeitsräume zwischen Mensch und Roboter (MRK - Mensch-Roboter-Kollaboration). In der MRK ist es das Anliegen, die Stärke und Effizienz von Robotern mit der Geschicklichkeit und den kognitiven Fähigkeiten des Menschen durch die nahtlose Zusammenarbeit zusammenzuführen [1]. Produktionsunternehmen, in denen MRK Szenarien umgesetzt werden sollen, erfordern jedoch eine transparente und reflektierte Technologieauswahl bezüglich der Absicherung des Werkers gegenüber der Gefährdung durch den Roboter. Im Sinne dieser Herausforderung wird in diesem Beitrag ein Vorgehensmodell vorgeschlagen, das Technologieentwickler und Systemintegratoren bei der Auswahl angemessener Technologien und Lösungen für MRK Szenarien unterstützt.

Die Risiken, welchen Fabrikinfrastrukturen durch IT-Angriffe ausgesetzt sind, erfordern eine gemeinsame Betrachtung von IT-Sicherheit und der Absicherung der Operational Technology (OT). Hierbei sind die Maßnahmen aus der Office-IT nur begrenzt auf den Fertigungsbereich und die Produktionssteuerung zu übertragen. Zu unterschiedlich sind die Anforderungen und Schutzziele für die eingesetzte Hardware und die Vernetzung zwischen den Komponenten. Eine integrierte Betrachtung und ein kontinuierliches Management der IT-Sicherheit helfen dabei, gezielte Maßnahmen zu identifizieren und konzertiert umzusetzen.

Unternehmen tun sich häufig schwer, einzuschätzen, wo sie auf dem Weg zur digitalen Transformation stehen und welche Maßnahmen nötig sind, um ans Ziel zu kommen. Eine Einordnung erlaubt der Industrie 4.0 Maturity Index. Er bietet eine Hilfestellung, um bei der Digitalisierung nicht den internationalen Anschluss zu verlieren und die Wettbewerbsfähigkeit zu sichern. Anhand des multidimensionalen Reifegradmodells ist es möglich, den Status quo zu erfassen und eine Roadmap zu einer höheren Industrie-4.0-Reife zu entwickeln. Das Beispiel eines Zulieferers für Energie- und Signaltechnik zeigt, wie sich damit Kosten sparen und Produktivität steigern lassen.

Nach einem Spätstart hat die OT-Security in den letzten Jahren bedeutend gegenüber der IT-Security aufgeholt. Viele technische IT-Sicherheitsmaßnahmen sind auch für Maschinen und Anlagen verfügbar. Das Bild des Security-Reifegrads im OT-Feld ist jedoch komplexer und bruchstückhafter, wie der vorliegende Beitrag zu zeigen versucht. Bestimmte Grundfragen und Widersprüche der IT-Security werden hier besonders deutlich und müssen daher möglicherweise in der OT-Security selbst gelöst werden.