https://www.faz.net/-isd-9mxwe
Verlagsspezial

: Stahlküche 4.0 – das Lernende Stahlwerk

  • -Aktualisiert am

Die digitale Transformation der Stahlindustrie: Eine entscheidende Technik ist der Digitale Zwilling. Bild: EduardHarkonen/istock

Streamingdienste wie Netflix und Spotify steuern mit selbstlernenden Algorithmen unseren Film- und Musikgeschmack. Solch gelehrige Programme sind auch der Stahlindustrie nicht mehr ganz fremd. Technologien wie Maschinelles Lernen, Künstliche Intelligenz und Big Data Analyse verwandeln die Stahlküche 4.0 in das Lernende Stahlwerk.

          Die Metallurgiefachmesse Metec ist seit sechs Jahrzehnten die globale Leistungsschau der Stahlanlagenbauer. Wer sich in diesem Jahr auf dem Düsseldorfer Messegelände einen Überblick über die Stahlerzeugung des 21. Jahrhunderts verschaffen möchte, wird leicht den Eindruck gewinnen können, sich auf die Spielemesse Gamescom in Köln verirrt zu haben.

          Am Stand des Anlagenbauers SMS group erwartet Besucher eine virtuelle Welt, die ebenso spielerisch wie symbolhaft die digitale Transformation der Stahlindustrie vor Augen führt. Ein über Informationstechnologien wie Augmented (AR) und Virtual Reality (VR) zugänglicher Datenraum erschließt das dreidimensionale Spiegelbild einer realen Anlage im Produktionsbetrieb. Ausgerüstet mit Datenbrille und dem Joystick in der Hand, taucht der Anwender in das virtuelle Ebenbild eines Stahlwerks ein. Der Datenreisende begutachtet im Team mit anderen eingeloggten Kollegen (Avataren) die Maschinen und Anlagen, an zu inspizierenden Stellen werden bei Bedarf Informationen in Wort und Bild digital eingeblendet. Was verspielt klingt, hat einen stahlharten Hintergrund. Dank Virtual Reality können Kunden ihr zukünftiges Werk bereits vor dem ersten Spatenstich im dreidimensionalen Raum in Augenschein nehmen und ergründen. Und die Störung einer realen Anlage wo auch immer lässt sich vom Servicetechniker von Deutschland aus beheben, ohne dass dieser ins Auto oder Flugzeug steigen muss. Für Instandhaltung, Betrieb und Training sind Digitaltechnologien wie AR, VR und Mixed-Reality auf dem besten Weg, fester Bestandteil der Arbeit im Stahlwerk zu werden.

          Lernende Algorithmen

          Die Herausforderung digitaler Transformation ist es, mit Informationstechnologien Daten nutzbar zu machen und einen Mehrwert für den Kunden zu schaffen, wie Prof. Dr.-Ing. Katja Windt, Mitglied der Geschäftsführung beim metallurgischen Anlagenbauer SMS group, auf einer Stahlkonferenz in Düsseldorf zusammenfasste. Eine Vision der Datenexpertin ist das Lernende Stahlwerk. Über die gesamte Prozesskette der Stahlerzeugung werden schon heute Daten mit Sensoren gewonnen und die Sensordaten mit Methoden wie Data Mining, Machine Learning und Künstlicher-Intelligenz-Algorithmen zur Mustererkennung solcher hochdimensionalen Daten ausgewertet. Mit den Fortschritten der Informationstechnik lassen sich immer mehr Informationen zu lernenden Algorithmen verpacken. So werden nicht nur die Prozesse der Stahlerzeugung über alle Produktionsstufen hinweg optimiert, sondern auch die Kunden besser unterstützt, beispielsweise um kurze Lieferzeiten, hohe Termintreue mit hoher Ausbringung und Qualität bei variantenreichen Produkten zu erzielen.

          Die digitale Transformation hat die Stahl­industrie erfasst. Um den Prozess aktiv mitzugestalten, hat Stahlwerksbauer SMS group vor zwei Jahren eigens ein Start-up gegründet. Für die Kunden aus der Stahlindustrie entwickeln die jungen Entwickler, Programmierer und ML/AI-Datenspezialisten der SMS digital digitale Dienstleistungen von der App bis zur Plattform – nicht wie die Maschinenbauer nach Pflichtenheft, sondern mit den agilen Methoden und der Fehlerkultur der Gründerszene.
          Das Leistungsversprechen ist das Lernende Stahlwerk, eine wesentliche Technik dahinter der Digitale Zwilling. Dieses virtuelle Abbild einer Maschine oder Anlage ermöglicht die Analyse der aus Sensordaten der realen Anlage gewonnenen großen Datenmengen und die Überwachung der Systeme in der physischen Welt. Das dynamische Simulationsmodell gibt den aktuellen, realitätsnahen, physischen Zustand wieder. Auf diese Weise können beispielsweise Ausfallzeiten vorhergesagt und Simulationen für zukünftige Ereignisse durchgespielt werden. So wird beispielsweise aus einer rein reaktiven oder präventiven eine zustandsorientierte prädiktive Wartung.

          Der Digital Twin

          Zurückgreifen kann Digitalisierungsexpertin Windt auf die langjährige Erfahrung des metallurgischen Anlagenbauers mit Simulation und virtuellen Modellen. Vor dem Bau eines Stahlwerks auf der grünen Wiese oder vor Beginn der Modernisierung einer Bestandsanlage erstellen die Ingenieure und Informatiker ein virtuelles Abbild der geplanten Anlage und der Prozessabläufe. Mit diesem digitalen Doppelgänger lassen sich ganze Produktionsabschnitte virtuell in Betrieb nehmen, die einzelnen Prozesse exakt nach den Vorstellungen des Kunden vorab simulieren und verifizieren. Auch kann vor Baubeginn überprüft werden, ob etwa eine spätere Umrüstung möglich wäre.

          Nach Fertigstellung der Anlage verschwand das virtuelle Abbild bisher in der Ablage. Zu schade, befindet Digitalexpertin Windt. Denn wird das virtuelle Abbild der Anlage mit der realen Welt verknüpft, indem die Sensordaten der realen Anlage an das virtuelle Modell weitergegeben werden, entsteht aus dem virtuellen Modell ein sogenannter Digital Twin. Für einen Digitalen Zwilling bedarf es somit dreier Bausteine: eines realen Objekts, eines digitalen Abbilds und der mit dem realen Objekt verbundenen Daten. Auf Basis dieser Informationen lassen sich anschließend Algorithmen abbilden, die die Echtzeitdaten des realen Objekts online wiedergeben.

          „Wir wollen mit unseren Kunden digitales Knowhow generieren“, sagt Windt. Wie das in Zukunft aussehen kann, erprobt die Digitalexpertin mit einem digitalen Testfeld in den Vereinigten Staaten. Ort des Geschehens ist das von SMS errichtete Stahlwerk Big River Steel (BRS), nach Expertenmeinung das modernste Stahlwerk der Welt. Ein Vorgeschmack auf die Leistungsfähigkeit lernender Algorithmen konnte bei BRS bereits erbracht werden, wie der Testfall einer Störung in der Kühlung gezeigt hat. Für die Fehlersuche, die üblicherweise Tage dauern kann, benötigten die neuentwickelten Algorithmen oft nur wenige Stunden.

          „Wer bei uns arbeitet, braucht eine Vorliebe für Computer und den Joystick“, sagte BRS-CEO David Stickler dem amerikanischen Marktforschungsunternehmen World Steel Dynamics. Mehr als 50 000 Sensoren im Stahlwerk lieferten eine Datenmenge, die vor 10 Jahren unvorstellbar gewesen sei. Vom Schmelzprozess im Elektrolichtbogenofen bis zum fertig gewalzten und veredelten Stahlband läuft die Produktion computergesteuert vollautomatisiert. Temperatur, Vibration, Druck - alles, was Einfluss auf die Produktivität und die Qualität eines Stahlprodukts haben kann, wird erfasst. Je mehr Daten desto besser. Die Kunst besteht darin, die Daten, zu qualifizieren und Muster zu erkennen.

          In Industrie 4.0 und Machine Learning sieht Stickler eine der wichtigsten Entwicklungen für die Stahlindustrie. Die menschenleere Fabrik sieht der BRS-Chef aber auch mit Künstlicher Intelligenz nicht kommen. Im Stahlwerk von Big River Steel sollen die mit Machine Learning ausgewerteten Muster dem Bedienpersonal beispielsweise aufzeigen, mit welcher Wahrscheinlichkeit ein Problem auftreten wird. Die Entscheidung treffen muss der Bediener der Anlage aber selbst. Qualifiziertes und erfahrenes Personal sei daher mehr denn je gefragt, gerade weil die Digitalisierung das Berufsbild der Stahlarbeiter stark verändere. Vor 20 Jahren habe sich die Arbeit der Stahlkocher in den Vereinigten Staaten zu 80 Prozent aus Handarbeit und 20 Prozent Kopfarbeit zusammengesetzt. Heute bestehe die Arbeit bei BRS zu 90 Prozent aus Kopfarbeit.

          Die Stahlkonzerne arbeiten seit jeher an der kontinuierlichen Verbesserung ihrer Prozesse. Ihren Teil dazu beitragen wollen mit Technologien wie dem maschinellen Lernen auch Neugründungen wie das deutsch-amerikanische Start-up Ferolabs. „Ingenieure in der Stahlindustrie ohne tiefgehende Informatik- oder Machine-Learning-(ML)-Kenntnisse nutzen unsere Software, um auf ihre Daten zugeschnittene ML-Modelle zu entwickeln“, erläutert Tim Eschert, Gründer und Geschäftsführer für den europäischen Stahlmarkt. Das bedeute, dass sie in ihren Daten verborgene Zusammenhänge identifizieren, Ursachenanalysen durchführen und dieses neugewonnene Wissen zur Verbesserung des gesamten Produktionsprozesses nutzen könnten. In einem konkreten Anwendungsfall habe ein Stahlwerk durch Analyse der bereits vorhandenen Produktionsdaten mit Ferolabs-Software und der daraus folgenden Optimierung der Rohstoffkosten über 1,1 Mio. Dollar eingespart.

          Simulation von Prozessen

          Dank maschinellem Lernen sei Ferolabs mit den heute zur Verfügung stehenden großen Rechenkapazitäten in der Lage, Datenmengen in einem Ausmaß zu analysieren und zu verstehen, wie das bis vor wenigen Jahren so nicht möglich war oder der Forschung vorbehalten gewesen sei. Auch entfalle viel der bisher notwendigen manuellen Arbeit: „Die klassische Statistik ist davon abhängig, dass wir viel Zeit darauf verwenden, Modelle zu finden, anzupassen und neu zu berechnen“, erläutert Eschert. Die Disziplin des Machine Learning verschiebe hier die Bedarfe: „Anstatt dass wir uns immer und immer wieder mit Modell­anpassungen herumschlagen, sind wir nun davon abhängig, echtes Experten- und Domänenwissen in unseren Modellen zu berücksichtigen“, so Eschert. Das bedeute, dass Ferolabs oft in kürzerer Zeit deutlich bessere Prognoseergebnisse liefern könne als die konventionelle Statistik.

          „Ohne Digitalisierung würde es die GMH Gruppe nicht mehr geben“, unterstreicht Dr. Jean-Frédéric Castagnet, Leitung Operational Excellence der mittelständischen Georgsmarienhütte Holding (GMH) die Bedeutung des digitalen Wandels für die Unternehmen der Gruppe. „Der Übergang zur digitalen Stahlherstellung ist genauso fundamental, wie es früher einmal die Automation war. Deshalb ist sie auch eine wesentliche Säule der 2016 neuformulierten Strategie.“ Im Kern gehe es darum, Informationen zu sammeln, zu analysieren und dann zu entscheiden. Als konkrete Beispiele einer Industrie 4.0 -Lösung nennt Castagnet die Simulation von Walz- und Schmiedeprozessen. Anstatt die Walzparameter beim Walzvorgang einzustellen, erfolgt dies heute in der Simulation und spart so Kosten und Material. Mit maschinellem Lernen lässt sich die Produktion weiter optimieren. Die letzte Entscheidung trifft allerdings immer der Bediener der Anlage. Auch bei der GMH Gruppe gilt: Die Digitalisierung unterstützt die Menschen an der Maschine, ersetzt sie aber nicht. Fachwissen bleibt unverzichtbar.

          Auch datengetriebene Geschäftsmodelle kann man sich bei der GMH Gruppe angesichts der Entwicklungen beim maschinellen Lernen vorstellen. So könnten sich Kunden in der Zukunft individuell ihre Schmiede- oder Walzzyklen reservieren. Die ganze Produktion werde flexibler, sagt Castagnet, Beschaffung, Produktion, Einkauf und Vertrieb digitaler. Die Stahlproduktion in zehn Jahren werde schneller, effizienter, individueller und spezifischer sein.

          Topmeldungen

          : Die Stahlproduktion soll grüner werden

          Bisher gehören CO2-Emissionen zur Stahlherstellung wie der Verbrennungsmotor zum Auto. Jetzt arbeiten die Produzenten mit Hochdruck an umweltfreundlicheren Verfahren. Für die Branche beginnt ein Rennen gegen die Zeit.
          Autos: Leichte und crashsichere Fahrzeuge wären ohne hoch-  und neuerdings ultrahochfeste Stahlbleche kaum möglich.

          : Kollaboration in Stahl

          Ob Verbrenner oder E-Fahrzeug: Wirtschaftlicher Fahrzeugleichtbau in der Großserienfertigung ist ohne innovative Stähle nicht darstellbar. Stahlhersteller und Stahlverarbeiter kooperieren, um Blechdicken durch den Einsatz neuer hoch- und höchstfester Stähle weiter zu reduzieren und selbst massiv umgeformte Komponenten gewichtsparend zu fertigen.

          : Stahlsorten nach Rezept

          Grundlagenforschung betreiben heißt, sich erst einmal nicht um den wirtschaftlichen Nutzen oder mögliche praktische Anwendungen einer neuen Erkenntnis zu kümmern. Weil man beim Max-Planck-Institut für Eisenforschung (MPIE) aber den engen Kontakt zur Stahlindustrie braucht, rücken auch deren Bedürfnisse schon früh in den Blick der Wissenschaftler.