Von Ralf Keuper
Die Zusammenführung von Trainingsdaten über viele Unternehmen hinweg würde auch kleine und mittlere Unternehmen in die Lage versetzen, maschinelle Lernsysteme für die vorausschauende Wartung einzusetzen. Nötig wäre ein kollaboratives Modell für die vorausschauende Wartung unter Nutzung des unternehmensübergreifenden Datenaustauschs, ohne dabei die Geschäftsinformationen der Teilnehmer preiszugeben, indem es zwei aktuelle Methoden miteinander verbindet: Blockchain und föderiertes Lernen.
Das Teilen von Daten zwischen mehreren KMUs oder Maschinenhersteller, um ein leistungsfähiges Modell für die vorausschauende Wartung zu trainieren, funktioniert nur, wenn die Datenintegrität und Datensicherheit gewährleistet sind. Werden Daten mit externen Partnern ausgetauscht, könnte ein böswilliger Akteur deren Daten verfälschen, um das Modell zu sabotieren oder die Modellvorhersagen subtil zu seinen Gunsten zu verändern.
Eine weitere Herausforderung ist die transparente Dokumentation von Wartungsverfahren, um im Fall eines Maschinenausfalls die Frage nach Gewährleistungsansprüchen gegenüber dem Maschinenhersteller oder die nach dem Verschulden des Maschinenbetreibers zu klären. Die dritte große Herausforderung schließlich ist das kollaborative Training von Modellen für die vorausschauende Wartung, ohne dass Geschäftsinformationen der einzelnen Teilnehmer offen gelegt werden.
Blockchain als transparentes Wartungsprotokoll
Durch die Implementierung einer Blockchain auf dem…
[…] In dem Projekt KOSMoS wird das föderierte Lernen in der kollaborativen vorausschauenden Wartung erprobt[3]Auf dem Weg zu einer kollaborativen vorausschauenden Wartung durch unternehmensübergreifenden Daten…. […]