Integrationsmöglichkeiten von KI in MES-Systemen

Veröffentlicht: 10.04.2026 / zuletzt bearbeitet: 16.07.2026

Projektziele & Projektergebnis

Projektziele:
eines Prototyps in den Bereichen „Produktion“ mit dem Ziel der Erhöhung/Steigerung/ Optimierung .

Projektergebnis:
Das Projekt zeigt, wie MES, mobile Sensordatenerfassung und KI-Analysen in einer Simulationsumgebung Predictive Maintenance erproben und Grundlagen für Anomalieerkennung, Qualitätssicherung, Prozessoptimierung und digitale Zwillinge schaffen.

Gesamtprojekt

Personentage

Nicht ausgeführt

Phase

Konzept

Prototyp

Entwicklung

Testen

Implementierung

Beteiligte

Kosten*

0 €

Projektphase ausgeführt

Projektphase nicht ausgeführt

interne Projektbeteiligte

externe Projektumsetzer

Top Erkenntnisse aus dem Projekt

Mobile Sensordaten eines Werkstückträgers können eine wertvolle zusätzliche Perspektive auf den Produktionsprozess liefern und stationäre Anlagendaten sinnvoll ergänzen.

Eine realitätsnahe Simulationsumgebung eignet sich gut, um KI-Ansätze wie Anomalieerkennung kontrolliert zu testen, bevor sie in reale Produktionsanlagen übertragen werden.

Für Predictive-Maintenance-Anwendungen ist eine saubere Datenbasis mit synchronisierten Prozess- und Sensordaten entscheidend, um Normalverhalten und Abweichungen zuverlässig unterscheiden zu können.

Ausgangslage

Es bestehen Optimierungspotenziale in den Bereichen ["Produktion"]

Produktions- und Prozessdaten sollten in einer realitätsnahen Simulationsumgebung erfasst werden, um Zustände und Abweichungen im Prozess besser nachvollziehen zu können.

Zentrale Fragestellungen im Projekt

Wie können stationäre Anlagendaten und mobile Sensordaten eines Werkstückträgers gemeinsam erfasst und für MES-nahe Auswertungen nutzbar gemacht werden?

Welche Sensordaten eignen sich, um Normalverhalten im simulierten Produktionsprozess zu beschreiben und Abweichungen automatisiert zu erkennen?

Wie können KI-gestützte Anomalieerkennung und Predictive-Maintenance-Ansätze praxisnah in einer Produktionssimulationsumgebung erprobt werden?

Projektdetails

Zeitrahmen: -

Die nuveon GmbH ist ein IT-Dienstleister, der seit 2009 mittelständische Produktionsunternehmen bei der Digitalisierung von Produktions- und Vertriebsprozessen unterstützt. Im Projekt wurde eine Produktionssimulationsumgebung auf Basis eines Carrera-Bahn-Demonstrators genutzt, um stationäre Prozessdaten und mobile Sensordaten eines Werkstückträgers zu erfassen und für KI-gestützte Anomalieerkennung auszuwerten. Ziel war es, praxisnah zu untersuchen, wie Predictive-Maintenance-Ansätze in MES-Systeme integriert und perspektivisch für Qualitätssicherung, Prozessoptimierung und digitale Zwillinge genutzt werden können.

Methoden

Ergebnisse der einzelnen Projektphasen

Konzept

Prototyp

Testen

Implementierung

Mögliche Hard- und Software-Lösungen

Hardware: Produktionssimulationsumgebung auf Basis einer Slotcarbahn

Software: MES-System zur Aufnahme, Verknüpfung und Auswertung von Prozess- und Sensordaten

Hardware: RFID-Reader, Reflexionslichttaster, Lichtschranke, Mikrocontroller, IMU und Strommesssensoren

Link zur Demonstratoren-Plattform: https://demonstratoren.gfe-net.de/demonstratoren/produktionssimulationsumgebung-fuer-predictive-maintenance-anwendungen