Hätte mir vor einem Jahr jemand gesagt, dass ich meinen Sommer damit verbringen würde, in einem Unternehmen der Werkstoffindustrie zu arbeiten, hätte ich wahrscheinlich gelacht. Mein Hintergrund hätte unterschiedlicher nicht sein können.
Ich habe meinen Bachelor-Abschluss in Informationstechnologie gemacht, über drei Jahre lang als Dateningenieur gearbeitet und absolviere derzeit einen Masterstudiengang in Informatik mit den Schwerpunkten maschinelles Lernen und künstliche Intelligenz. Wenn es eine Sache gibt, die mich begeistert, dann sind es Daten. Ob es nun darum geht, Datenbanken zu entwerfen, Datenpipelines aufzubauen, Dashboards zu erstellen, Modelle für maschinelles Lernen zu trainieren oder einfach nur herauszufinden, wie man Daten noch nützlicher machen kann – ich habe wirklich Freude an jedem einzelnen Aspekt davon.
Als ich also mein Praktikum bei der Indium Corporation annahm, hatte ich eine große Frage.
Was genau macht ein Datenexperte in einem produzierenden Unternehmen?
Ich ging davon aus, dass ich den Sommer damit verbringen würde, eine Datenbank zu entwerfen, ein paar SQL-Abfragen zu schreiben und es dann dabei zu belassen.
Ich habe mich völlig geirrt.
Schon in den ersten Wochen wurde mir klar, dass Softwareentwicklung und Fertigung viel enger miteinander verbunden sind, als ich es mir jemals vorgestellt hatte. Tatsächlich stellte ich fest, dass die moderne Fertigung ebenso sehr auf Daten wie auf Maschinen basiert.
Jeder Fertigungsprozess generiert eine enorme Menge an Informationen. Sensoren erfassen kontinuierlich Messwerte, Maschinen protokollieren Betriebszustände, Labortests liefern Messdaten, Bediener geben Produktionsdaten ein und Ingenieure überwachen unzählige Prozessparameter. Bevor ich zur Indium Corporation kam, hatte ich mir noch nie Gedanken darüber gemacht, wohin all diese Informationen fließen oder wie wertvoll sie sein könnten.
Für jemanden, der gerne mit Daten arbeitet, war es, als würde man einen riesigen Spielplatz betreten.
Eines der ersten Dinge, die ich gelernt habe, war, dass das Sammeln von Daten nur der Anfang ist. Die eigentliche Herausforderung besteht darin, zu entscheiden, wie man sie so organisiert, dass sie auch Monate oder sogar Jahre später noch von Nutzen sind.
Je tiefer ich mich in das Projekt vertiefte, desto mehr ging mein Denken über Tabellen und Schemata hinaus. Wie ließen sich Daten aus verschiedenen Systemen zusammenführen? Wie konnten riesige Datenmengen effizient verarbeitet werden? Und vor allem: Wie konnten diese Informationen den Ingenieuren so bereitgestellt werden, dass sie sowohl zeitnah als auch aussagekräftig waren? Es waren genau diese Probleme, die die Arbeit so spannend machten.
All dies sind Probleme der Softwareentwicklung, deren Lösung sich unmittelbar darauf auswirken kann, wie effizient ein Fertigungsprozess abläuft.
Eine weitere Überraschung war die enorme Bedeutung von Datenpipelines.
Als Softwareentwickler denken wir oft an APIs, über die Informationen zwischen Anwendungen ausgetauscht werden. In der Fertigung verbinden Datenpipelines Maschinen, Historien-Systeme, Laborsysteme, Datenbanken, Berichtstools und Ingenieure miteinander. Der Aufbau effizienter Arbeitsabläufe bedeutet, dass Informationen schnell die richtigen Personen erreichen, sodass diese fundierte Entscheidungen treffen können, ohne auf manuelle Berichte oder Aktualisierungen von Tabellenkalkulationen warten zu müssen.
Mir wurde schnell klar, dass es bei Effizienz nicht nur darum geht, besseren Code zu schreiben. Eine gut konzipierte Datenpipeline kann den Zeitaufwand für Entwickler erheblich reduzieren, der für die Suche nach Informationen, das manuelle Erstellen von Berichten oder das Warten auf die Datenverarbeitung anfällt. Schon eine Zeitersparnis von wenigen Minuten im Datenfluss kann im Laufe eines Projekts zu einer Ersparnis von mehreren Stunden an Entwicklungsaufwand führen, sodass sich die Entwickler stärker auf die Lösung von Problemen konzentrieren können, anstatt Informationen zu sammeln.
Diese Erkenntnis führte mich ganz natürlich zu einem weiteren Bereich, in dem ich unzählige Möglichkeiten entdeckte: Business Analytics.
Fertigungsunternehmen generieren täglich unglaubliche Mengen an Informationen. Ein Teil davon befindet sich in Datenbanken, ein anderer in Excel-Tabellen und wieder ein anderer sogar in handschriftlichen Notizbüchern. Für sich genommen mögen diese Informationen nicht besonders wertvoll erscheinen. Werden sie jedoch zusammengeführt, bereinigt und analysiert, erzählen sie eine Geschichte.
So können wir beispielsweise berechnen, wie lange eine Maschine läuft, bevor sie zum Stillstand kommt, ihre durchschnittliche Ausfallzeit ermitteln, Produktionstrends überwachen oder wiederkehrende Prozessengpässe aufdecken. Diese Erkenntnisse helfen Ingenieuren zu verstehen, ob Systeme wie erwartet funktionieren und wo Verbesserungen möglich sind.
Das ist das Spannende an der Analytik: Sie verwandelt reine Zahlen in Entscheidungen. Als jemand, der sich mit künstlicher Intelligenz und maschinellem Lernen beschäftigt, habe ich mich natürlich mit prädiktiver Analytik auseinandergesetzt. Fertigungsprozesse umfassen Hunderte von Variablen. Temperatur, Druck, chemische Konzentrationen, Zeitabläufe, Durchflussraten und viele andere Parameter beeinflussen das Endprodukt.
Als Student im Masterstudiengang „Maschinelles Lernen und Künstliche Intelligenz“ habe ich natürlich darüber nachgedacht, wie diese Technologien in der Fertigung eingesetzt werden könnten. Jeder Prozess generiert eine Fülle historischer Daten, wodurch es möglich wird, Modelle zu trainieren, die Muster erkennen, die Menschen möglicherweise übersehen würden. Stellen Sie sich vor, man könnte vornehmen, wie sich Änderungen der Temperatur, des Drucks oder der chemischen Konzentrationen auf das Endprodukt auswirken könnten, bevor Anpassungen in der Produktion vorgenommen werden. KI soll Ingenieure nicht ersetzen, sondern eine zusätzliche Ebene an Erkenntnissen bieten, die ihnen hilft, bessere, datengestützte Entscheidungen zu treffen. Als mir das bewusst wurde, erkannte ich erst richtig, wie viel Potenzial KI in der Fertigungsindustrie birgt.
Auch wenn KI Ingenieure vielleicht nicht ersetzen wird, kann sie doch zu einem unglaublich leistungsstarken Instrument zur Entscheidungsunterstützung werden, das ihnen dabei hilft, Muster zu erkennen, deren Entdeckung sonst Monate dauern würde.
Ein weiterer Bereich, der mich faszinierte, war das industrielle Internet der Dinge, oft auch als Industrial IoT bezeichnet. Moderne Fertigungsanlagen sind durch Sensoren, speicherprogrammierbare Steuerungen und industrielle Netzwerke zunehmend vernetzt. Jede Sekunde generieren diese Geräte wertvolle Informationen über den Zustand der Maschinen und die Prozessleistung. Für Softwareentwickler, die sich für eingebettete Systeme, Netzwerke, Automatisierung oder Echtzeitsysteme begeistern, bietet die Fertigungsindustrie eine unglaubliche Chance, Lösungen zu entwickeln, die direkt mit der physischen Welt interagieren.
Was mich am meisten fasziniert hat, war, wie eng Software und die physische Welt in der Fertigung miteinander verbunden sind. Im Gegensatz zu vielen herkömmlichen Softwareanwendungen, bei denen der Erfolg daran gemessen wird, was auf dem Bildschirm erscheint, können die Lösungen, die man hier entwickelt, tatsächliche Produktionsprozesse verbessern. Bessere Software kann dazu beitragen, Ausfallzeiten zu reduzieren, Arbeitsabläufe zu optimieren, die Produktqualität zu verbessern und den Menschen, die auf diese Systeme angewiesen sind, die täglichen Aufgaben zu erleichtern. Zu wissen, dass die eigene Arbeit greifbare Auswirkungen hat, macht diese Erfahrung besonders erfüllend.
Eine Erkenntnis, mit der ich nicht gerechnet hatte, war, dass Softwareentwickler und Fertigungsingenieure Probleme auf sehr ähnliche Weise angehen. Ingenieure stellen Fragen wie: „Warum ist dieser Prozess fehlgeschlagen?“ oder „Wie können wir die Ausbeute verbessern?“ Softwareentwickler fragen: „Warum ist dieses Programm fehlgeschlagen?“ oder „Wie können wir diesen Algorithmus optimieren?“
Beide Berufe basieren auf Beobachtung, Experimentieren, Problemlösung und kontinuierlicher Verbesserung. Die Werkzeuge mögen unterschiedlich sein, doch die Denkweise ist bemerkenswert ähnlich.
Da Industrie 4.0 die Fertigungsindustrie weiterhin grundlegend verändert, bin ich davon überzeugt, dass die Chancen für Softwareentwickler weiter zunehmen werden. Ob Datenbanken, Cloud Computing, Analytik, künstliche Intelligenz, industrielles Internet der Dinge, Automatisierung, Cybersicherheit oder digitale Zwillinge – Software wird zu einem unverzichtbaren Bestandteil der modernen Fertigung.
Mein Praktikum hat meine Sichtweise auf diese Branche völlig verändert.
Als ich hier ankam, ging ich davon aus, Datenbanken aufzubauen.
Stattdessen entdeckte ich ein ganzes Ökosystem, in dem die Softwareentwicklung in nahezu jeder Phase des Fertigungsprozesses eine Rolle spielt.
Studierenden oder Software-Fachkräften, die noch nie über eine Karriere in der Fertigungsindustrie nachgedacht haben, gebe ich folgenden einfachen Rat: Übersehen Sie diese Möglichkeit nicht.
Hinter jedem erfolgreichen Fertigungsprozess verbirgt sich eine enorme Datenmenge, die darauf wartet, ausgewertet, optimiert und in bessere Entscheidungen umgesetzt zu werden.
Für jemanden, der es liebt, Probleme mit Hilfe von Technologie zu lösen, klingt das nach dem perfekten Arbeitsplatz.
