Motivation
Viele Maschinen sind heute mit Sensoren ausgestattet, um die Arbeitsbedingungen und die Nutzung der Maschinen in Echtzeit ferngesteuert überwachen zu können. Gleichzeitig können auf Basis von KI-Technologien neue Datendienste und Geschäftsmodelle entwickelt werden. Diese Technologien werden für die Industrie 4.0 immer wichtiger, da immer mehr Daten zur Verfügung stehen. Dabei stellt sich die große Herausforderung, dass relevante Daten oft datenschutzsensitive Informationen enthalten. Im Allgemeinen neigen die Dateneigentümer dazu, ihre Daten aus Gründen der Vertraulichkeit nicht mit anderen zu teilen. Ein Beispiel für diese Problematik ist die Implementierung eines Systems zur vorausschauenden Wartung (predictive maintenance): In Deutschland und vielen anderen Ländern ist der Eigentümer von maschinengenerierten Daten (MGD) der Eigentümer des Geräts, das die Daten aufgezeichnet hat. Die Hersteller von Maschinen benötigen diese MGD jedoch, um ihre Produkte oder Dienstleistungen verbessern zu können. Viele der neuen datengesteuerten Dienste basieren auf der Analyse von Big Data und Maschinellem Lernen (ML). Diese Technologien sind in vielen IoT-Märkten von großem Interesse. Allerdings erfordern die Algorithmen des Maschinellen Lernens Zugang zu Rohdaten, die oft datenschutzrechtlich sensibel sind und sich im Besitz verschiedener Parteien befinden.
Ziele und Vorgehen
Ziel des Projekts PriMeD4BaSys ist es, eine ganzheitliche Plattform zu entwickeln, die KMU ermöglicht, datenschutzsensitive Daten auf sichere Weise auszutauschen und damit ML-Modelle kooperativ zu trainieren. BaSys 4.0, die International Data Space Association Referenzarchitektur (IDSA) und datenschutzkonforme maschinelle Lernverfahren (PPML/MPC) sollen dazu kombiniert werden. Damit können neue Anwendungen und Dienste, wie z.B. die Wartungsvorhersage erstellt werden.
Innovationen und Perspektiven
Um die Leistungsfähigkeit der Lösung zu bewerten und zu demonstrieren, ist eine Kooperation mit neuen und auch schon laufenden BaSys-Satellitenprojekten geplant, sodass der vorgeschlagene Ansatz mit realistischen Daten aus realen Produktionsanlagen in KMU erprobt werden kann. Außerdem werden auch vorhandene Datensätze aus KI-Testfällen verwendet, da diese Daten bereits klassifiziert sind. Basis hierfür wird eine generische BaSyx-Simulationsumgebung sein.