Die Martin GmbH für Umwelt- und Energietechnik baut Waste-to-Energy-Anlagen für die ganze Welt. Immer individuell, und das für kommunale Betreiber wie auch für private Firmen. Das Unternehmen verfügt über Tochterfirmen auf dem ganzen Globus. Über 250 Beschäftigte arbeiten aktuell allein am Hauptsitz in München. In den verschiedenen Firmen der Unternehmensgruppe sind es mehr als 1.000 Mitarbeiter.
Auf der Suche nach einer Lösung
Das Unternehmen übernimmt nicht nur den Bau der Anlagen, sondern meist auch Wartung und Reparaturen. Alle Anlagen sind mit zahlreichen Sensoren ausgestattet, etwa im Rostsystem, in der Feuerung, in der Entschlackung, der Transportanlage oder auch in der Energiegewinnung. Max Schönsteiner, Head of Research & Development, erklärt das System: „Wir können mit den Sensoren nicht nur den Zustand der Anlage und einzelner Komponenten überwachen, sondern auch die Performance. Oder ob die Emissionswerte okay sind, schließlich soll hier ja möglichst nachhaltig und umweltschonend Energie entstehen. Die Auswertung der Daten ist aber ziemlich komplex, weil jede Anlage ein Einzelstück mit eigenen Signalen ist und es auch auf andere Faktoren ankommt – zum Beispiel den Standort und die Jahreszeit. Grundsätzlich wandeln wir alles, was nicht mehr recycliert werden kann, in Energie um. Wenn regional Obstsaison herrscht und vermehrt feuchte, organische Bestandteile im Abfall anfallen, wirkt sich dies auf den Verbrennungsprozess an diesem Standort aus.“
Mehr Datenkapazität war gefordert
Um die Vielzahl an anfallenden Betriebsdaten auszuwerten und nutzbar zu machen, erfolgte die Analyse bislang dezentral – über unterschiedliche Personen, Werkzeuge und manuelle Exporte. Mit zunehmender Datenmenge und steigender Zahl an Auswertungen stieß dieses Vorgehen aber an seine Grenzen, sodass sowohl die wachsenden Anforderungen als auch das Potenzial der verfügbaren Daten nicht mehr ausgeschöpft werden konnten. Eine neue Lösung mit deutlich höheren Datenkapazitäten musste her. Das Team hatte dafür genaue Vorstellungen: „Die Datensouveränität war uns sehr wichtig. Nicht, weil es in unseren Anlagen um hochempfindliche Daten geht, sondern weil wir durch unseren Entsorgungsauftrag Teil der kritischen Infrastruktur sind und nicht in die Abhängigkeit eines großen Hyperscalers geraten wollten. Wir suchten deshalb nach einer intuitiven Lösung aus Deutschland oder Europa, vorzugsweise auf Open Source-Basis“, so Schönsteiner. Nach einer Marktanalyse entschied sich das Team für die Datenplattform von Stackable.
Zwischen Ursachenforschung und Prävention
Der Aufbau der Datenplattform begann im Januar 2023. Nach rund 9 Monaten stand ein MVP (Minimum Viable Product). Die vollständige Umsetzung bis zur produktiven Betriebsumgebung erfolgte innerhalb von etwa zwei Jahren. Inzwischen ist die Datenplattform an allen Standorten des Unternehmens im Einsatz. Schönsteiner und seine Kollegen entschieden sich für die Cloud-Version, gehostet vom deutschen Anbieter Ionos. „Durch die Open Source-Möglichkeiten von Stackable und dessen universeller Technologiebasis Kubernetes können wir aber jederzeit nahtlos zu On-Prem wechseln, wenn wir möchten“, erklärt er. In der industriellen Bildverarbeitung stellen PC-basierte Systeme oft eine technische Hürde dar. Die Trennung von Bildaufnahme und Datenverarbeitung führt häufig zu Latenzen, erhöhtem Platzbedarf und einem komplexen Wartungsaufwand. Besonders in schnellen Produktionslinien erschwert die Synchronisation zwischen Sensor und externem Rechner eine stabile Prozesskontrolle. ‣ weiterlesen
Präzise 2D-Inspektion mit nativer Edge-Intelligenz
Innerhalb kürzester Zeit zeigten sich erste positive Effekte. Beispielsweise durch die in der Plattform enthaltene Analyse-Engine Apache Spark, mit der die Mitarbeiter selbst sehr große Datenmengen analysieren und ohne Verluste verarbeiten können – pro Linie sind es täglich rund 10 Gb an Daten. Statt dezentraler Einzelauswertungen stehen dem Team heute alle relevanten Anlagenparameter zentral und konsistent zur Verfügung.
Ein weiterer Mehrwert ist dabei die Datenharmonisierung. Die Beschäftigten können Daten aus verschiedenen Sensoren und Anlagen vereinheitlichen und vergleichen, wodurch sie tiefergehende Einblicke in alle Phasen der Müllverbrennung bekommen. „Wir kombinieren nun physikalisch-thermodynamische Modelle mit Messdaten und weiteren Informationen aus dem Betrieb. Oder anders gesagt: Erfahrung trifft auf Technik“, so Schönsteiner. Für das Team bedeutet das weniger Aufwand, geringere Kosten und mehr Kapazitäten für das Personal. Zudem können Mitarbeiter deutlich schneller mögliche Fehlerquellen identifizieren und beheben.
Das birgt auch im Servicebereich Effekte für Kunden. Die Münchner liefern ihnen detaillierte Analysen und Berichte zu den Betriebsdaten, auf die die Verantwortlichen ihre Entscheidungen stützen können. Zudem bekommen sie mit der Data Platform die Möglichkeit, kommende Services und Wartungen vorausschauend zu planen und unnötige Stillstände zu vermeiden. „Wenn bei unseren Anlagen mal etwas nicht funktioniert, sind davon sehr schnell sehr viele Menschen betroffen. Und deswegen stehen wir unseren Kunden auch nach der Gewährleistung bei allen Anliegen zur Verfügung. Das Feedback zu den Informationen, die wir nun bereitstellen können, ist jedenfalls großartig“, sagt Schönsteiner.
Mehr als 1.000 Entsorgungslinien von Martin gibt es weltweit. Möglichst viele davon möchte das Unternehmen in den kommenden Monaten und Jahren mit der Datenplattform ausstatten. Und auch darüber hinaus hat das Unternehmen langfristige Pläne mit Stackable: Die Verknüpfung der Daten weiter ausbauen, die Analysen und daraus entstehenden Datenprodukte weiter optimieren und so letztendlich einen noch besseren Service für alle Kunden und Partner bieten.
Für Max Schönsteiner hat sich das Projekt schon jetzt gelohnt: „Für Außenstehende sieht die thermische Abfallbehandlung womöglich recht einfach aus, in Wirklichkeit ist es aber ein hochkomplexer Vorgang. Wir sind froh, diese Komplexität jetzt mit Stackable managen zu können.“
