NEU: Bitte auf den Obermenüpunkt klicken!

Glossar zur Digitalisierung

Hier finden Sie Erläuterungen zu den gängisten Begriffen rund um die Digitalisierung.

Agiles Arbeiten

Agiles Arbeiten ist eine sehr strukturierte Form der Zusammenarbeit, die an vielen Stellen mit traditionellen Organisations- und Projektstrukturen, Hierarchien oder auch der beruflichen Sozialisierung eines jeden Einzelnen kollidiert. Auch agiles Arbeiten erfordert Ziele und Leitbilder, mit denen sich alle Mitglieder des Teams identifizieren. Ohne Ziele und Leitbilder versinkt agile Arbeit im Chaos. Deswegen ist es wichtig, viel Aufwand in die Formulierung von Leitbildern und Zielen zu investieren. Sie bilden die Leitplanken, die agiles Arbeiten überhaupt erst ermöglichen.

Agiles Arbeiten setzt auf kleine, autonome und selbstorganisierte Teams. Autonom bedeutet, dass das Team alle wichtigen Entscheidungen eigenständig trifft. Diese Form der Selbstorganisation bedeutet aber auch, dass ein Team Verantwortung für die Erreichung der Ziele übernimmt. Jedes Mitglied hat eine aktive Rolle im Team und beteiligt sich aktiv an der Zielerreichung.

Agiles Arbeiten ist damit vor allem eine Haltungsfrage, die auf der Freiwilligkeit und der Bereitschaft basiert, Verantwortung zu übernehmen. Eine wichtige Voraussetzung für die Autonomie und die Selbstorganisation eines Teams ist es dabei, dass alle notwendigen Ressourcen und Kompetenzen im Team vorhanden sind, die für die Zielerreichung benötigt werden.

Beispiele:

  • Design Thinking
  • Scrum
  • Kanban

 

Aktorik

Zur Erfassung der relevanten Kennwerte oder Zustandsinformationen der Assets bedarf es geeigneter Sensorik, die die Datenerfassung übernimmt. Der Einsatz von Aktorik ermöglicht darauf aufbauend die Fernsteuerung oder den selbstregenden und (selbst-) optimierenden Betrieb der Assets. Der Aktor generiert wiederum Daten und Informationen, die Rückschlüsse auf den Zustand von Prozessen oder der Assets zulassen.

Die Vernetzung von Sensoren, Aktoren und Smart Devices wird im Zuge der Digitalisierung immer wichtiger, um eine bessere Maschine-zu-Maschine-Kommunikation zu gewährleisten.

Beispiel:

Techn. Grundlage für die Geschäftsmodelle im Bereich der vorausschauenden Wartung (engl. predictive maintenance)

 

Algorithmen

Ein Algorithmus ist eine definierte Rechenvorschrift, die eine Eingabe verwendet und eine Ausgabe erzeugt. Algorithmen werden verwendet, um ein genau definiertes Rechenproblem zu lösen.  

Beispiel:

Alle Bereiche der elektronischen Datenverarbeitung

Beispiel Wasserwirtschaft:

Kurzzeitprognosemodelle im Bereich der Trinkwasserversorgung

 

Augument Reality (AR, dt. erweiterte Realität) / Virtual Reality (VR, dt. virtuelle Realität)

AR ist eine digitale Technik, bei der die vom Menschen wahrgenommene Realität, um zusätzliche Informationen (Texten, Grafiken, Animationen, Videos, statischen oder bewegten 3D-Objekten) ergänzt wird. Diese zusätzlichen Informationen werden optisch zur Verfügung gestellt.

VR spielt sich dagegen ausschließlich in einem digitalisierten Modell der Realität ab, d.h. in einer durch spezielle Hard- und Software erzeugte künstliche Wirklichkeit. Unter VR wird die Darstellung und Wahrnehmung der Wirklichkeit und ihrer physikalischen Eigenschaften in einer in Echtzeit computergenerierten, interaktiven virtuellen Umgebung bezeichnet.

Beispiel AR:

Datenbrillen durch die Informationen eingeblendet oder abgefragt werden können (z.B. eine digitale Stadtführung oder die fachbezogene Information am Einsatzort für Handwerker)

Beispiel VR:

Planen von Inneneinrichtung (z.B. Badezimmer) mittels virtuellen 3D-Ansichten durch die Verwendung von VR-Brillen

Beispiel Wasserwirtschaft:

Unterstützung durch VR bei der Instandhaltung von Rohrleitungen

Hinweis: Mehr Information zu AR/VR finden Sie im Dokument „Nutzungsmöglichkeiten der Digitalisierung“ im Mitgliederbereich.

Building Information Management oder Modeling (BIM, dt. Bauwerksdatenmodellierung)

Eine kooperative Arbeitsmethodik, mit der auf der Grundlage digitaler Modelle eines Bauwerks die für seinen gesamten Lebenszyklus (Planung, Bau, Betrieb, Rückbau) bis hin zu dessen Bewirtschaftung relevanten Informationen und Daten konsistent digital erfasst, verwaltet und in einer transparenten Kommunikation zwischen den Beteiligten (Auftraggeber, Architekten, Ingenieure, Handwerk, Bauwirtschaft, Aufsichtsbehörden, Betreiber etc.) ausgetauscht oder für die weitere Bearbeitung übergeben werden. Auf diese Weise stehen alle wichtigen Informationen zum Bauwerk über den gesamten Lebenszyklus hinweg zur Verfügung. Der Schlüssel für den Erfolg von BIM ist ein Workflow der digitalen Daten über den gesamten Lebenszyklus des Bauwerks hinweg. Von der Planung über Bauaus-führung, Ausmaß sowie Abrechnung und Bewirtschaftung, ggf. vorzunehmende Sanierung- oder Umbaumaßnahmen bis hin zum Rückbau. Erst wenn dieser Workflow durchgängig gesichert ist, kommen die Vorteile von BIM zum Zuge.       

Beispiel Wasserwirtschaft:

Simulationen und Modellierung von Pumpwerken oder beim Tiefbau- oder Rohrleitungsbau

Mehr Information zu BIM finden Sie im Dokument „Nutzungsmöglichkeiten der Digitalisierung“ im Mitgliederbereich.

 

Big Data (Big-Data-Technologien)

Unter diesem Begriff wird einerseits eine große Menge von strukturierten und unstrukturierten Daten verstanden, die aufgrund Ihres Datenumfangs mit speziellen IT-Lösungen gespeichert, verarbeitet und ausgewertet werden müssen. Andererseits wird dieser Begriff gerne als Sammelbegriff für digitale Technologien verwendet, bei denen mittels Big Data vor dem Hintergrund der damit einhergehenden Digitalisierung nachhaltig Einfluss auf die Sammlung, Nutzung, Verwertung, Vermarktung und vor allem Analyse von digitalen Daten genommen wird. Big Data befasst sich mit besonders großen Datenmengen, die sich mit den herkömmlichen Methoden und Tools nicht effizient und in vertretbarem zeitlichem Rahmen verarbeiten lassen.

Big Data wird über die 4V-Regel definiert und strukturiert:

  • Volume (große Datenmengen)
  • Velocity (schnelle Zunahme der Datenmengen)
  • Variety (verschiedene Datentypen)
  • Veracity (Zuverlässigkeit/Qualität der Daten)

Darüber hinaus wird diese Definition oft um ein weiteres V für Value (Mehrwert) ergänzt. 

Beispiel Wasserwirtschaft:

Auf Big-Data-Technologien beruhendes Wassermanagement, in dem z.B. ein Frühwarnsystem für die räumliche und zeitliche Modellierung von lokalen Starkregenereignissen integriert ist.

Chatbot (oder Chatterbots)

Ein Chatbot ist ein technisches Online-Dialogsystem mit natürlichsprachlichen Fähigkeiten, mit dem per Texteingabe oder Sprache in Echtzeit kommuniziert werden kann. Die Anfragen oder Antworten erfolgen dabei per Text- oder Sprachausgabe automatisiert unter Anwendung von Routinen und Regeln ohne direkten menschlichen Eingriff.

 

Cloud-Computing

Beschreibt das Nutzen als auch das Anbieten von verschiedensten IT-Dienstleistungen über ein Netzwerk. Cloud-Computing beinhaltet Technologien und Geschäftsmodelle um IT-Ressourcen dynamisch zur Verfügung zu stellen und ihre Nutzung nach flexiblen Bezahlmodellen abzurechnen. Anstelle IT-Ressourcen (z. B. Server oder Anwendungen) in unternehmenseigenen Rechenzentren zu betreiben, sind diese bedarfsorientiert und flexibel in Form eines dienstleistungsbasierten Geschäftsmodells über das Internet oder ein Intranet verfügbar.

Mit Cloud-Computing eng verknüpft sind sog. Data-driven Services, also datenbasierte Dienstleistungsangebote. Dabei handelt es sich beispielsweise um die Verarbeitung von räumlich verteilten Sensordaten durch Cloud-Computing. Der Kunde erhält das Analysenergebnis und muss sich nicht um die Datenübertragung und –verarbeitung kümmern.   

Beispiele:

  • Cloud-Computing
  • Amazon Web Services (AWS)
  • Microsoft Azure

Beispiele Data-driven Services in der Wasserwirtschaft:

  • LeakFinder rbs WAVE
  • Waternet der Firma FAST

 

Cyber-physikalisches System (CPS, engl. cyber-physical system)

Als CPS werden Systeme bezeichnet, in denen mechanische und elektrische Komponenten über Netzwerke und moderne Informationstechnik miteinander verbunden sind. Über CPS können komplexe Systeme und Infrastrukturen, wenn notwendig, in Echtzeit gesteuert und kontrolliert werden. Eingebettete Computer und Netzwerke überwachen und steuern die physischen Prozesse, in der Regel mit Rückkopplungsschleifen, in denen physikalische Prozesse Einfluss auf die Softwareberechnungen haben und umgekehrt. Die zentralen Bestandteile eines CPS sind physikalische Prozesse, Software und Netzwerke.   

Beispiele:

  • Smart-Grid (Energie)
  • Verkehrslogistik
  • industrielle Prozesssteuerungs- und Automationssysteme

Data Mining (dt. Daten ausgraben, fördern)

Unter Data Mining wird die Anwendung von statistischen Methoden (bzw. Algorithmen, die u.a. auf statistischen Methoden basieren) auf besonders große und komplexe Datenmengen verstanden, mit dem Ziel, Muster, Trends oder Zusammenhänge zu erkennen. Im Gegensatz zu Big Data beschreibt Data Mining den eigentlichen Vorgang der Algorithmus gestützten Ermittlung, Sammlung und Suche von Daten, die möglichst automatisch empirische Zusammenhänge extrahieren. Die kann auch auf eine kleine Datenmenge angewendet werden. Ziel ist es, Zusammenhänge in den Daten zu identifizieren, die für den Entscheidungsträger interessant und nützlich sind, d.h. seine Entscheidungsfindung unterstützen kann.

 

Datenanalyse

Bei der Datenanalyse werden Daten mithilfe unterschiedlicher Techniken (z.B. statistischer Methoden) strukturiert, geordnet und dargestellt. Ziel der Datenanalyse ist es, Informationen aus den vorliegenden Daten zu gewinnen, Zusammenhänge oder Muster in Datensätzen zu erkennen und Abhängigkeiten zu identifizieren.

Beispiel Wasserwirtschaft:

Analyse von Daten (z.B. Messdaten von Trinkwasseranalysen oder  Pumpensensoren), die Rückschlüsse auf Wasserqualität, -und verbrauch, Aufbereitungs- oder  Förderungsprozesse geben.

 

Datensicherheit

Unter dem Begriff Datensicherheit werden technische oder organisatorische Aspekte bzw. Maßnahmen verstanden, die das Ziel haben, Daten vor der Manipulation, dem Verlust und anderen Schäden zu schützen, so dass die 4 Schutzziele der Informationssicherheit, Vertraulichkeit, Integrität, Authentizität und Verfügbarkeit gewährleistet sind.

 

Deep Learning (dt. tiefergehendes Lernen)

Das Deep Learning ist ein Teilbereich des sogenannten Machine Learning. Es handelt sich um eine spezielle Methode der Informationsverarbeitung zum Training von KI, bei der die Funktionsweise des menschlichen Gehirns nachempfunden wird. Dies geschieht unter Nutzung von mehrschichtigen neuralen Netzen bestehend aus künstlichen Neuronen, mittels derer die KI selbstständig lernt anhand einer riesigen Menge von Daten zu entscheiden und Ereignisse zu prognostizieren, um sich auf eine bestimmte Aufgabe z.B. aus dem Bereich der Sprach- und Bilderkennung vorzubereiten.

 

Digitale Transformation

Die Bezeichnung „Digitale Transformation“ beschreibt die erheblichen Veränderungen und Auswirkungen auf das alltägliche Leben in der Wirtschaft und der Gesellschaft durch den Gebrauch von digitalen Technologien. Hierbei kann zwischen den Dimensionen Leistungserstellung, Leistungsangebot und Kundeninteraktion unterschieden werden. Sollte es sich um Veränderungen handeln, die plötzlich und umbruchartig eintreten, wird von einer Disruption gesprochen.

 

Digitaler Zwilling / Digitaler Schatten

Der digitale Zwilling ist ein digitales Abbild eines spezifischen Produkts (reales Objekt, Service oder immaterielles Gut), das dessen Eigenschaften, Zustand und Verhalten durch Modelle, Informationen und Daten erfasst. Jedes Produkt produziert einen digitalen Schatten durch Betriebs- und Zustandsdaten, Prozessdaten etc. Daher besteht ein digitaler Zwilling aus einer intelligenten Verbindung (Algorithmus, Simulationsmodell, Wechselbeziehung etc.) einer einzigartigen Instanz eines universalen digitalen Vorlagemodells und dessen individuellem digitalem Schatten.
Ein digitaler Zwilling ist ein realitätsnahes Modell zum Anfassen: Er simuliert nicht nur das geometrisch korrekte Aussehen, sondern auch das tatsächliche Verhalten aller vorhandenen Anlagen. Er lässt Realität und Virtualität verschmelzen, schafft Transparenz innerhalb komplexer Engineering-Vorgänge und ist ein unerlässliches Werkzeug für die Entwicklung von cyberphysischen Systemen (CPS).

 

Digitalisierung

Der Begriff der Digitalisierung ist nicht einheitlich definiert und hat mehrere Bedeutungen. Er bezieht sich auf die Veränderung bisheriger Vorgehensweisen durch den Einsatz digitaler Technologien, d.h. vereinfacht gesagt, analoge Inhalte und/oder Prozesse werden in eine digitale Form umgewandelt.
Besondere Merkmale der Digitalisierung aus Unternehmenssicht sind die Elemente:

  • Vernetzung von Informationen/Geräten/Anlagen/Prozessen/Akteuren
  • Generieren neuen Wissens durch den Einsatz von künstlicher Intelligenz
  • Übernahme repetitiver Arbeiten durch den Einsatz von Robotern
  • Anpassung der Kommunikations- und Arbeitsweisen unter Einsatz entsprechender Technologien.

Für die erfolgreiche digitale Transformation spielt die Digitalkompetenz eine entscheidende Rolle, um das Unternehmen auf allen Ebenen anzupassen. Hierzu zählen einerseits technische Fähigkeiten in Bezug auf den Umgang mit bestimmten Ressourcen (z. B. Technologieaufbau, Schnittstellen, Ausstattung) und Informationssystemen (z. B. Datenerfassung/-analyse, Wissensaufbereitung, kontextbasierte Visualisierung) und andererseits organisatorisch-kulturelle Aspekte, die den Wandel innerhalb des Unternehmens fördern oder behindern können.

 

Disruptive Technologien / Disruption

Unter Disruption wird das Eintreten von plötzlichen und umbruchartigen Veränderungen verstanden, durch die bestehenden Techniken, Strukturen, Geschäftsmodelle oder ganze Industriezweige in ihrer Existenz gefährden werden und im Extremfall vollständig ersetzt werden können.
Unter Disruptive Technologien werden entsprechend Innovationen bezeichnet, die die Erfolgsserie bereits bestehender und etablierter Technologien, Verfahren, Produkte oder Dienstleistungen unterbrechen, diese vollständig vom Markt verdrängen und ersetzen.

Beispiele:

  • Uber (Konkurrenz zum klassischen Taxiunternehmen)
  • Airbnb (Konkurrenz zum Hotelgeschäft)
  • Fa. Kodak als bedeutender Hersteller für fotografische Ausrüstung und Filmmaterial wurde durch die Digitalisierung nahezu überflüssig.

Hinweis: Mehr Information finden Sie im Dokument „Einstiegsfragen“ im Mitgliederbereich.

Echtzeit

Die Daten können je nach Anwendungsfall nach einer zeitlich zufälligen Verteilung oder zu vorherbestimmten Zeitpunkten anfallen (DIN 44300). Danach gilt ein Echtzeitbetrieb als ein Betrieb/Rechensystem, bei dem Datenverarbeitungsprogramme anfallende Informationen ständig betriebsbereit halten und die Verarbeitungsergebnisse innerhalb einer vorgegebenen Zeitspanne verfügbar sind.

Wasserwirtschaftlich relevant ist hier, dass die erforderlichen Informationen in der räumlich und zeitlich notwendigen Auflösung für die Entscheidungsfindung vorliegen. Dies kann zwischen Sekunden (z.B. Anlagensteuerung, Leitwarte, etc.) bis hin zu Monaten (z.B. Grundwassermonitoring, Verbrauchsabrechnung, u.a.) liegen. Somit sind die Echtzeitanforderungen abhängig vom (Teil-)Prozess.

 

Eventdetektion, Eventdetektions-Systeme (EDS)

Mittels der Eventdetektion bzw. Eventdetektions-Systemen (EDS) können plötzlich auftauchende Veränderungen oder Anomalien in Analyse- und Datensätzen, die sich von den normalen Fluktuationen und Verhaltenscharakteristika unterscheiden, erkannt werden. Dabei kann die Eventdetektion durch das Festlegen eines oberen und unteren Grenzwertes für jeden Sensor bzw. Messparameter erfolgen (univariat) oder durch die gleichzeitige Auswertung mehrerer Messparameter (multivariat). Für eine aussagekräftige und belastbare Analyse muss das hydraulische Rechenmodell annähernd in "Echtzeit" und betriebliche Daten (Pumpenbetrieb, Status von wichtigen Absperrarmaturen, Behältervolumen etc.) jeweils aktualisiert zur Verfügung stehen.

Beispiele Wasserversorgung:

  • Wasserqualitätsmessungen in Kombination mit Softwarelösungen zur Erkennung von Kontaminationsereignissen
  • Onlinemessungen von Wasserqualität im Rohrleitungsnetz (Qualitätsüberwachung)

Industrie 4.0

Der Begriff Industrie 4.0 ist in erster Linie ein Marketingbegriff, und steht für ein "Zukunftsprojekt". Die Nummer 4.0 verweist hierbei auf die sogenannte vierte industrielle Revolution, welche sich durch Individualisierung bzw. Hybridisierung der Produkte (Kopplung von Produktion und Dienstleistung) und die Integration von Kunden und Geschäftspartnern in Geschäfts- und Wertschöpfungsprozesse auszeichnet. Der vierten industriellen Revolution gingen die Entwicklung der Dampfmaschine (Anfang des 19. Jahrhunderts), die Einführung der Massenproduktion (Anfang des 20. Jahrhunderts) sowie die Einführung der Digitalisierung und Robotik in der zweiten Hälfte des 20. Jahrhunderts voraus. Die Umsetzung erfolgt durch die intelligente Vernetzung von Maschinen und Abläufen in der Industrie mit Hilfe von Informations- und Kommunikationstechnologien.    

 

Internet of Things (IoT, dt. Übersetzung: Internet der Dinge [IdD])

Unter dem IoT werden miteinander vernetzte physische und virtuelle Gegenstände verstanden, die mittels Informations- und Kommunikationstechniken zusammenarbeiten können. Eindeutig identifizierbare physischer Objekte (things) werden auf diese Weise mit einer virtuellen Repräsentation in einer internetähnlichen Struktur verknüpft und können selbstständig über das Internet kommunizieren und interagieren, z.B. um Aufgaben für den Besitzer zu erledigen.   

Beispiele Wasserwirtschaft:

  • Digitalisierung von Wasserzählern
  • Automatische Alarmwiedergabe
  • Benachrichtigung bei Über-/ Unterschreitung von Grenzwerten

 

Interoperabilität

Hierunter versteht man die Möglichkeit der Integration und Kollaboration mit anderen Maschinen oder Systemen. Speziell für IT-Systeme wird der Begriff in vier Stufen untergliedert:

  • die strukturelle Interoperabilität (Konnektivität: Datenübertragung zwischen Systemen)
  • die syntaktische Interoperabilität (Identifikation und Extraktion einzelner Informationseinheiten)
  • die semantische Interoperabilität (semantische Interpretation)
  • die organisatorische Interoperabilität (Organisation interagierender Prozesse)

Im Reifegradmodell Wasserversorgung 4.0 wird die Interoperabilität an den Schnittstellen zwischen Mitarbeitern, zwischen Mitarbeitern und Maschinen sowie zwischen Maschinen berücksichtigt.   

Beispiele:

  • verschiedene Softwareprodukte, die dasselbe Dateiformat (syntaktische Interoperabilität) unterstützen
  • Verwendung desselben Kommunikationsprotokolls (z. B. HTTP)

Künstliche Intelligenz (KI, engl. artificial intelligence [AI])

Unter KI wird die Simulation kognitiver Fähigkeiten, die bisher dem Menschen vorbehalten waren, mit Hilfe von technischen Hilfsmitteln verstanden. Es handelt sich um ein Teilgebiet der Informatik, das sich mit der Automatisierung intelligenten Verhaltens und dem maschinellen Lernen befasst. Die KI wird dabei in die Lage versetzt, das menschliche Gedächtnis, sein Lernverhalten und seine Entwicklung mittels „machine learning“ oder „deep learning“ nachzubilden, um den Menschen bei der Lösung komplexer Probleme zu unterstützen oder ggf. menschliche Tätigkeiten zu übernehmen.
Aktuell wird zwischen schwacher und starker KI unterschieden. Eine schwache KI ist auf eine konkrete Aufgabe trainiertes System, das nur unter den definierten Rahmenbedingungen funktioniert. Diese Form ist bereits heute Realität und wird in zahlreichen Anwendungen eingesetzt (Gesichtserkennung). Eine starke KI dagegen wäre ein System, dass planen, lernen und sich in einer verändernden Umwelt neu anpassen kann und nicht nur auf eine bestimmte Aufgabe trainiert ist. Bis heute gibt es keine starke KI.

Beispiele „Schwache KI“:

  • Gesichtserkennung
  • Empfehlungssysteme (Amazon)
  • Spracherkennung

Beispiele Wasserwirtschaft:

  • Systeme zur Ermittlung von Wasserverlusten
  • Wasserbedarfsprognose

Hinweis: Mehr Information zu KI finden Sie im Dokument „Schlüsseltechniken der Digitalisierung“ im Mitgliederbereich.

Machine Learning (dt. maschinelles Lernen)

Machine Learning ist ein Teilgebiet der KI, zum dem u.a. Deep Learning gehört. Es beinhaltet die Entwicklung von (selbstlernenden) Algorithmen zur Gewinnung von Wissen aus strukturierten und unstrukturierten Daten. Die manuelle Ableitung von Regeln und das Erstellen von Modellen durch Menschen wird ersetzt durch Algorithmen gestützte, datengetriebene Analysen. Machine Learning unterteilt sich in die Teilbereiche „überwachtes“, „unüberwachtes“ und „bestärkendes“ Lernen.  

Beispiele:

  • Gesichtserkennung
  • Empfehlungssysteme (Amazon)
  • Spracherkennung
  • Computerspiele

Beispiele Wasserwirtschaft:

  • Systeme zur Ermittlung von Wasserverlusten
  • Wasserbedarfsprognose

Open Data

Offene Daten sind Daten, die von jedermann frei benutzt, weiterverwendet und geteilt werden können - die einzige Einschränkung betrifft die Verpflichtung zur Nennung des Urhebers.

Plattformökonomie

Unter Plattformökonomie werden internetbasierte Geschäftsmodelle verstanden, die Anbieter (im weitesten Sinne) mit Interessenten/Kunden auf einem digitalen Marktplatz zusammenbringen. Dabei wird die Grundidee verfolgt, dass ein digitaler Makler zum beiderseitigen Vorteil für die beteiligten Akteure eine Vielzahl von Angeboten für unterschiedliche Kunden bündelt.

Da Digitale Plattformen über internetbasierte IT-Systeme realisiert werden, bieten sie folgende Vorteile: So ist es sehr einfach, diese technisch zu skalieren, um immer mehr Nutzer zu adressieren. Zudem kann über mobile Applikationen ein mobiler Zugriff die Plattform in den Alltag der Menschen/Unternehmen integrieren. Bei einer kritischen Masse an Nutzern können zudem geringe Transaktionskosten realisiert werden. Plattformen ermöglichen über das Generieren und Speichern von Daten den Aufbau eines enormen Wissens über die Interaktionspartner oder Anlagen, was wiederum für ziel¬gruppenspezifische Monetarisierungsstrategien (neue Geschäftsmodelle) oder Verbesserungen genutzt werden kann. Bislang zeigte sich ein exponentielles Wachstum vor allem im B2C-Bereich, doch greift die Plattformökonomie auch auf den B2B-Sektor oder das Internet of Things über. Beispiele sind Suchmaschinensuchen, die Verabredung innerhalb von Gruppen über Social-Media-Kanäle, Team- und Kollaborationsplattformen, Predictive Maintenance im Anlagenmanagement.

 

Predictive Maintenance (dt. vorausschauende Instandhaltung)

Um frühzeitig Verschleiß und andere Defekten an Anlagen, Maschinen und anderen Geräten (z.B. Pumpen) zu erkennen, werden Mess- und Produktionsdaten (in Echtzeit) gesammelt und anschließend i.d.R. durch eine Kombination aus Echtzeit-Analysetechnik und In-Memory Datenbank ausgewertet. Das Ziel ist es dabei, durch die Auswertung der gesammelten Daten, die Notwendigkeit von Wartungsarbeiten oder Reparaturen zu erkennen, bevor eine Störung eintritt, so dass Ausfallzeiten reduziert werden können.

Beispiel Wasserwirtschaft:

Automatisierte Wartung und Instandhaltung von Pumpen (z.B. Nachschmierung von Lagern oder der frühzeitige Austausch bzw. Reparatur von Teilen, wenn die Kennwerte der Geräte von den Vorgaben abweichen)

Reifegradmodell (digitaler Reifegrad)

Reifegradmodell (auch als readiness model oder maturity model bezeichnet) umfasst eine Reihe von Kriterien, die mit Hilfe eines Fragebogens bewertet werden. Je nachdem, wie gut die einzelnen Kriterien erfüllt sind, wird für das betrachtete Unternehmen bzw. den untersuchten Prozess ein bestimmter Reifegrad attestiert. Je besser die einzelnen Kriterien erfüllt sind, desto höher ist der jeweilige Reifegrad.

Die Modellstruktur des „Reifegradmodells Wasserversorgung 4.0“ orientiert sich an dem „Industrie 4.0 Maturity Index“, welcher für produzierende Unternehmen entwickelt wurde. Mit entsprechenden Anpassungen wurde das Modell an die Besonderheiten der Wasserversorgung als Daseinsvorsorge adaptiert. Der digitale Entwicklungsstand eines Wasserversorgers kann somit Hilfe eines Reifegradmodells anhand von verschiedenen Reifegradstufen untersucht werden.

Hinweis: Mehr Information finden Sie auf der Webseite des Reifegradmodells Wasserversorgung 4.0

 

Robotik

Die Robotik oder Robotertechnik beschäftigt sich mit dem Entwurf, der Gestaltung, der Steuerung, der Produktion und dem Betrieb von Robotern. Robotik integriert Ansätze aus Maschinenbau, Elektrotechnik und Informatik, insbesondere Künstlicher Intelligenz (KI), um Computersystemen für deren Steuerung, sensorische Rückkopplung und Informationsverarbeitung zu schaffen.

Beispiele Wasserwirtschaft:

  • Aufgaben wie Inspektionen, könnten von Robotern in Wasser- und Abwassersystem übernommen werden.
  • Das Abdichten von Kanalrohren durch Roboterfahrzeuge, die sich durch Rohrleitungen bewegen

Smart Devices

Smart Devices sind elektronische Geräte, die kabellos, mobil, vernetzt und mit verschiedenen Sensoren (z. B. Geosensoren, Gyroskopen, Temperatur oder auch Kamera) ausgerüstet sind. Hierunter fallen zum Beispiel Smartphones, Tablet PCs und Datenbrillen.

Mit mobilen Smart Devices lässt sich die richtige Information zur richtigen Zeit und vor allem am richtigen Ort für die Planung und Steuerung von Unternehmensprozessen zur Verfügung stellen.

 

Supervisory Control and Data Acquisition System (SCADA-System)

Unter einem SCADA-System wird ein Computersystem bestehend aus Software und Hardwareelementen (z.B. speicherprogrammierbaren Steuerungen [SPSen] oder Fernbedienungsterminals [RTUs]) verstanden, mit dem Betriebsdaten ggf. in Echtzeit gesammelt und analysiert werden, um sie zur Überwachung, Steuerung oder Optimierung technischer Prozesse zu verwenden. Es handelt sich also um Netzleitsysteme, die häufig bei Versorgungseinrichtungen und Industrieanlagen eingesetzt werden. Ein SCADA-System besteht dabei nicht aus einer bestimmten Technologie, sondern zeichnet sich dadurch aus, das es Betriebsdaten aus einem System erfasst, um dieses System zu steuern und zu optimieren.

Beispiele Wasserwirtschaft:

  • Überwachung und ggf. Steuerung von Smart Grids
  • Intelligentes Wasser(Ressourcen)management

 

Smarte Messtechnik (dt. intelligente Messtechnik) / Smart Meter (dt. intelligenter Zähler)

Unter smarter Messtechnik werden alle technischen Verfahren, Mittel und Tätigkeiten die zum Zweck des Messens physikalische Größen zum quantitativen Vergleich der Messgrößen bestimmen, verstanden. Diese Systeme sind mit dem Internet verbunden (IoT), sammeln und analysieren Daten und kommunizieren mit anderen System-Komponenten. Sie besitzen die Fähigkeit zur Fernüberwachung und Fernverwaltung.

Bei einem Smart Meter handelt es sich um einen Zähler, der einerseits digital Daten empfängt und andererseits Daten in das Kommunikationsnetz, in dem der Zähler eingebunden ist, sendet.

Beispiele Wasserwirtschaft:

  • Generierung, Auswertung und Sammlung von (Prozess-) Informationen mit Hilfe von Wassergütemess- oder Abwassermesstechnik.
  • Online-Analyse-Systeme, die im Wasserwerk kontinuierlich die wichtigsten Messparameter im Rohwasser und im behandelten Wasser vor der Abgabe an das Versorgungsnetz überwachen und speichern.

Wasser 4.0

Bezugnehmend auf den Begriff Industrie 4.0 wird der Begriff Wasser 4.0 für die Transformation der Wasserwirtschaft durch den Einsatz der digitalen Technologien und damit vorhandenen Möglichkeiten einer Automatisierung verwendet, die das Ziel hat, die Ressourceneffizienz, Flexibilität und Wettbewerbsfähigkeit zu erhöhen. Als wichtige Bestandteile werden dabei die Vernetzung von realen und virtuellen Wassersystemen und die Erstellung von Echtzeit- und Vorhersagemodellen zur Reduzierung von Risiken und Kosten angesehen. Es können so Ver- und Entsorgungskonzepten entstehen, die auf internetbasierter Vernetzung bis zum Endkunden basieren.

Im Rahmen der Entwicklung des Reifegradmodells wurde durch die Projektgruppe für die „Wasserversorgung 4.0“ folgende Definition gefunden:

Wasserversorgung 4.0 umfasst eine Reihe technischer Entwicklungen, welche dazu beitragen können die Unternehmensziele, wie eine sichere und wirtschaftliche Wasserversorgung mit einem attraktiven Branchenimage, zu erreichen bzw. weiterhin sicherzustellen.

Damit die Integration neuer Technologien ins Unternehmen im Rahmen der Digitalisierung erfolgreich sein kann, ist es erforderlich, auch die organisatorischen und kulturellen Voraussetzungen zu schaffen. Wichtigste Grundvoraussetzung für die Digitalisierung ist eine durch flächendeckende und medienbruchfreie Vernetzung mittels Informations- und Kommunikationstechnologie geschaffene Transparenz über Daten und Informationen. Die Vernetzung sollte dabei unternehmensintern entlang der gesamten Wertschöpfungskette des Wassers sowie unternehmensextern zu Kunden, Behörden, Dienstleistern und anderen Stakeholdern stattfinden.

Aufbauend auf diesem digitalen Schatten des Unternehmens können softwaregestützt Daten zu Informationen aggregiert und aus bestehenden Informationen durch die Ableitung von Wirkbeziehungen Wissen abgeleitet werden.  Dieses kann als Entscheidungsunterstützung herangezogen oder durch intelligente Systeme zur autonomen und selbstoptimierenden Steuerung genutzt werden.