Ob Autos, Fabrikhallen, Netzwerke oder ganze Cybersysteme: Der Begriff „Software-defined“ ist heute in aller Munde. Was genau damit gemeint ist, wird vielfältig definiert, und die Debatte darüber hat fast schon philosophische Dimensionen.
Was steckt hinter „Software-defined"?
Großprojekte für flexiblere Produktionsbedingungen der Zukunft
„Per Software einstellbar“, skizziert Prof. Alexander Verl die Grundidee. „Künftige Fabriken müssen flexibler werden, damit die Firmen schnell auf neue Produkte, wechselnde Produktionsmengen und Unsicherheiten im Zuliefernetzwerk reagieren können“, so der Leiter des Instituts für Steuerungstechnik der Werkzeugmaschinen und Fertigungseinrichtungen (ISW) der Universität Stuttgart. „Diese Anpassungen sollen künftig weitgehend über die Software erfolgen, sodass die Hardware – der Maschinenpark – nicht oder kaum verändert werden muss.“
„Meine Vorstellungen gehen noch viel weiter“, wirft Prof. Michael Weyrich, Leiter des Instituts für Automatisierungstechnik und Softwaresysteme (IAS), ein. „Wir wollen nicht nur mit Software Systeme einstellen, sondern völlig neue Systeme schaffen, die untereinander vernetzt sind. Mithilfe von Software entsteht eine Parallelwelt zur mechanischen Welt, eine Informationswelt, in der man Informationen und Regeln austauschen und gestalten kann. Dabei ergeben sich die Funktionalitäten nicht nur aus den einzelnen Modulen, sondern aus deren Zusammenspiel in einer parallelen Informationswelt. Es entstehen neue ‚smarte Produkte‘, die ganz neue Dinge tun können. Software-defined ist also perspektivisch nicht nur eine Verbesserung bestehender Systeme, sondern tatsächlich eine Chance, neuartige Systemfähigkeiten zu erzeugen.“
Beide Sichtweisen schlagen sich in zwei Großprojekten an der Universität Stuttgart nieder, die unter der Federführung von BOSCH gemeinsam mit dem Karlsruher Institut für Technologie (KIT) und zahlreichen weiteren Partnern aus Wissenschaft und Wirtschaft durchgeführt werden: dem Projekt „Software-defined Manufacturing für die Fahrzeugund Zulieferindustrie“ (SDM4FZI, Sprecher Prof. Alexander Verl, ISW) und dem Projekt „Software-defined Car“ (SofDCar, Sprecher Prof. Michael Weyrich, IAS). Das Bundesministerium für Wirtschaft und Klimaschutz fördert die Projekte mit Geldern in Millionenhöhe. Beide Projekte knüpfen an das neue Strategiefeld „Software-defined Mobility“ des Innovationscampus Mobilität der Zukunft (ICM) an der Universität Stuttgart an, dessen Direktorium beide Professoren angehören und in den die beiden Institute mit Förderung durch das Land Baden-Württemberg zahlreiche Wissenschaftler*innen einbringen.
SDM4FZI: kontinuierlich wandelbare Produktion
Im Projekt SDM4FZI wollen die Wissenschaftler*innen Lösungen für die Produktionstechnik entwickeln, die es kleineren und mittleren Unternehmen erlauben, sich schnell, flexibel und effizient auf Nachfrageschwankungen, Lieferengpässe und individualisierte Produkte einzustellen. Beteiligt sind seitens der Universität Stuttgart neben dem ISW als Konsortialführer auch das IAS sowie die Institute für Industrielle Fertigung und Fabrikbetrieb (IFF) sowie für Software Engineering (ISTE).
Der Impuls zu SDM4FZI kam aus Diskussionen zwischen dem ISW und BOSCH, wie man es schaffen kann, dass Fabriken zukünftig nicht mehr so starr sind. „An dem Flexibilisierungsthema arbeiten sowohl die Firmen als auch wir am Institut schon lange, die Methode des Software-defined Manufacturing wurde vom ISW und BOSCH gemeinsam entwickelt“, sagt Alexander Verl. Die Kernidee besteht darin, dass moderne Methoden der Informations- und Kommunikationstechnik Einzug halten in die Operational Technology (OT), also in die Betriebstechnologie, die industrielle Anlagen und Prozesse steuert und überwacht. Ziel ist eine Fabrik, die sich weitgehend selbst organisiert und adaptiert. Bisher schöpfen aber gerade in der Zuliefererindustrie nur wenige Firmen die digitalen Möglichkeiten aus. „Mit dem Projekt wollen wir nun einen Überbau schaffen, der diese Firmen im Umgang mit den Methoden der Virtualisierung, der Standardisierung, mit Digitalen Zwillingen und Datenmodellen voranbringt“, sagt Verl.
Der Schlüssel dazu liegt in einer radikalen Entkoppelung von Software und Hardware, erläutert Projektkoordinator Michael Neubauer: „Man kann sich das wie bei einem Smartphone vorstellen, da kauft man ja auch zunächst die Hardware mit einem Betriebssystem. Die Applikationen spielt man im Nachgang auf, wenn man sie braucht, sodass aus dem Handy wahlweise ein MP3-Player, ein Taschenrechner oder ein Gameboy wird. So ähnlich wollen wir das in der Produktionstechnik künftig auch haben.“ Dem steht bisher jedoch im Wege, dass in der Produktion wie auch über die verschiedenen Stufen der Lieferkette hinweg sehr unterschiedliche Systemarchitekturen zum Einsatz kommen. Es sind historisch gewachsene Einzellösungen, die nicht dieselbe Sprache sprechen und untereinander keine Daten austauschen können.
„Nimmt man eine Anlage am Digitalen Zwilling in Betrieb, erlaubt dies einen effizienteren Prozess, geringere Ausfallzeiten und eine bessere Produktqualität.“
Prof. Alexander Verl
Durchgehende Information über die Lieferkette hinweg
Eines der Arbeitspakete in SDM4FZI beschäftigt sich daher mit der Entwicklung von Referenzmodellen, die dem dezentralen, aber vernetzten System als Kommunikationsgrundlage dienen. Rebekka Neumann, wissenschaftliche Mitarbeiterin am ISW, erläutert die Notwendigkeit an einem Beispiel: „Wenn eine Komponente in einer Maschine ausgetauscht werden soll, müssen Informationen zur Maschine und zur Komponente vorhanden sein, zu deren Schnittstellen, beispielsweise zu Nennwerten für Stromstärke und Spannung oder zum Ausgangssignal des Sensors. Damit man nicht alle Informationen händisch zusammentragen muss, sollten die Daten direkt in geeigneter Form vorliegen. Eine solche durchgängige Informationskette ist unser Ziel.“
Um dies zu erreichen, werden die drei zentralen Elemente der Produktion, also Produkte, Herstellungsprozesse und Ressourcen (beispielsweise Maschinen), durch Datenmodelle beschrieben, um die Produktion virtuell abzubilden. Das Referenzmodell bildet hierbei eine Metaebene, welche die Relation der Datenmodelle beschreibt. Kennt man diese Relationen, kann man sich von starren Produktionsabläufen lösen und auch während der Produktion Prozessschritte abwandeln oder Maschinen zuschalten, um den Gesamtprozess zu optimieren.
Ein Schlüsselelement für die Umsetzung von Software-defined Manufacturing in der Praxis sind die bereits erwähnten Digitalen Zwillinge. „Sie beschreiben die Produktion mittels Daten, Informationen und Verhaltensmodellen, die über den gesamten Maschinen- bzw. Produktlebenszyklus entstehen“, erklärt Verl. „Nimmt man eine Anlage am Digitalen Zwilling in Betrieb, erlaubt dies einen effizienteren Prozess, geringere Ausfallzeiten und eine bessere Produktqualität.“
Wie das Zusammenspiel von virtueller und realer Welt tatsächlich funktioniert, wollen die Partner in SDM4FZI in der „Stuttgarter Maschinenfabrik“ demonstrieren, einer Softwaredefinierten Fabrik in der Maschinenhalle des ISW, in der die Produktionstechnik eines produzierenden Unternehmens mit industriellen Maschinen und Anlagen sowie Logistiksystemen nachgestellt wird. Komplexe Produkte mit einer Vielzahl an unterschiedlich ausgeprägten Features werden in der Fabrik mit verschiedenen Fertigungsverfahren autonom hergestellt. „Dabei ist es möglich, die Produkte zunächst in der virtuellen Welt zu fertigen, um bereits dort das Zusammenspiel der Ressourcen zu planen und sich ggf. für Plan B oder C zu entscheiden“, erklärt Michael Neubauer. „Auch die Fertigungsqualität, Herstellkosten und Durchlaufzeiten werden auf diese Weise vorhersagbar und können zu Strategieanpassungen führen, bevor ein Plan in der Realität mit realen Kosten umgesetzt wird.“
SOFDCAR: jedes Fahrzeug als Teil eines großen Netzwerks
In das Projekt Software-defined Car (SofDCar) bringen sich seitens der Universität Stuttgart unter der Leitung von Prof. Michael Weyrich vom IAS acht Arbeitsgruppen aus drei Fachbereichen ein, zudem ist das Forschungsinstitut für Kraftfahrwesen und Fahrzeugmotoren Stuttgart beteiligt. SofDCar hat ebenfalls die Autoindustrie im Blick, die Stoßrichtung ist jedoch eine andere, erklärt Weyrich: „Die Unternehmens- und Produktlandschaft, die wir vernetzen wollen, ist auf der einen Seite von wenigen großen Herstellern und Zulieferern geprägt, die Systeme sehr maßgeblich beeinflussen können. Auf der Produktseite wiederum stehen viele Millionen Fahrzeuge in aller Welt, die unter völlig unterschiedlichen technischen, rechtlichen und ethischen Rahmenbedingungen auf der Straße sind.“
In SofDCar konzentrieren sich die Forschenden auf Elektro- und Elektronik- sowie Softwarearchitekturen in völlig neuartiger Weise, indem die Software der führende Teil des Systems wird. Dabei sind zwei Ebenen zu unterscheiden. Zunächst geht es darum, in bestehenden Fahrzeugen den bisherigen Wildwuchs aus über 100 Steuergeräten und Funktionen beherrschbar zu machen. „Das große Bild jedoch ist ein anderes“, betont Weyrich: „Wir betrachten jedes Fahrzeug als Teil einer vernetzten Fahrzeug- und Systemumgebung, das ist das Novum.“ Projektkoordinator Matthias Weiß ergänzt: „Zudem geht es uns darum, die digitale Nachhaltigkeit bestehender und künftiger Fahrzeuggenerationen sowie eine effektive Datennutzung und innovative Anwendungsfälle über den gesamten Lebenszyklus des Fahrzeugs hinweg zu ermöglichen.“
Zwischen allen Elementen der vernetzten Fahrzeuge findet ein kontinuierlicher Informationsaustausch statt – im Fahrzeug selbst, zwischen den Fahrzeugen und zwischen Fahrzeug und Infrastruktur wie etwa einer Ampel oder einem Parkhaus. Die große Frage ist nun, wie man diese Verbindungen mit einer Softwarearchitektur realisieren kann. Hierbei kommt auch bei SofDCar der Digitale Zwilling ins Spiel: Dieser kann den Informationsraum einer gesamten Flotte abbilden und vor allem den sogenannten „Data Loop“ bewerkstelligen, eine Verbindung zwischen den Fahrzeugen im Feld und den Herstellern. Diese Rückkoppelung erfolgt bisher noch statisch. Künftig sollen die Messungen dynamisch anpassbar und kontinuierlich über die gesamte Fahrzeugflotte hinweg erfolgen. „Diese Informationen lassen sich über den gesamten Lebenszyklus eines Fahrzeugs hinweg für die Entwicklung nutzen, um die Algorithmen und damit die Fahrzeuge selbst permanent zu verbessern“, so Weiß.
„Wir betrachten jedes Fahrzeug als Teil einer vernetzten Fahrzeugund Systemumgebung, das ist das Novum.“
Prof. Michael Weyrich
Darüber hinaus führt der Informationsaustausch zu völlig neuen Fahrzeugfunktionen. So kann das Fahrzeug zum Beispiel Warnungen über Verkehrshindernisse im unmittelbaren Umfeld erhalten – und zwar nicht als zeitverzögerte Meldung im Radio, sondern live von einem anderen Fahrzeug, das gerade dort unterwegs ist. Mikrofunktionen dieser Art gibt es bereits, doch die große Vision ist das komplett autonome Fahren.„Bis dahin wird es zwar noch eine Weile dauern, aber wir legen die Grundsteine dazu“, ist Weyrich überzeugt.
Die Herausforderungen sind allerdings groß, schon aufgrund der schieren Menge der zu vernetzenden Elemente. Noch gravierender – und dies gilt für beide Projekte – sind die Sicherheitsfragen, die mit dem Konzept „Software-defined“ einhergehen. „Das beginnt schon beim schlichten Datenklau, also der Gefahr, dass Software gestohlen oder kopiert wird und zum Schaden des Eigentümers umprogrammiert werden kann“, erläutert Alexander Verl. Noch brisanter sind die Sicherheitsfragen beim autonomen Fahren, wo ein Fehler in der Software schnell Menschenleben kosten kann. „Prozesse und Infrastruktur zur Freigabe und Verteilung der notwendigen Software und Information müssen daher entsprechend abgesichert sein“, ergänzt Weyrich.
Fehlersuche als essenzielle Herausforderung
Dazu freilich muss man die Fehler erst einmal finden. Das ist die Domäne von Dr. Andrey Morozov. Der Juniorprofessor am IAS arbeitet gleich in beiden Projekten mit. In SofDCar ist er auf die Erkennung von Anomalien spezialisiert. „Wir fühlen den Daten auf den Puls, um zu erkennen, ob alles okay ist“, bringt er seine Arbeit auf den Punkt. Wobei es bei komplexen cyberphysischen Systemen schwer zu erkennen ist, wo die Störung tatsächlich sitzt.
Daher setze man bei der Fehlersuche auf unterschiedlichen Ebenen an, erläutert Morozov. Fehler auf der Komponentenebene machen sich beispielsweise durch Störungen der Sensoren, Steuerungen oder Netzwerke bemerkbar. Auf der Ebene der Fahrzeuge lassen sich komplexere Fehler detektieren, die sich aus dem Zusammenspiel der Komponenten ergeben, zum Beispiel, wenn es beschleunigt, aber die Geschwindigkeit laut Sensor sinkt. Auch kann ein ungewöhnliches Verhalten des Fahrers oder der Fahrerin Hinweise geben, ob etwas nicht in Ordnung ist. Auf der Ebene der Fahrzeugflotte schließlich geht es um Anomalien im Verkehr. „Die größte Herausforderung ist dabei, in der unendlich großen Datenmenge zu erkennen, welche Indikatoren gerade relevant sind“, sagt Morozov. „Es ist wichtig, dass wir unsere Aufmerksamkeit je nach Kontext dynamisch steuern. Wenn zum Beispiel ein Elektroauto in der Garage aufgeladen wird, sollten wir unser Augenmerk auf den Batteriecontroller richten, bei einer Stadtfahrt zur Rushhour dagegen mehr auf unsere Umgebung.“
Um der Vielzahl an Anomalien im Gesamtsystem autonom auf die Spur zu kommen, setzen Morozov und sein Team auf Künstliche Intelligenz und Deep Learning. Bereits 2020 entwickelten die Forschenden eine „KrakenBox“, ein Gerät, das mithilfe eines neuronalen Netzes so trainiert werden kann, dass es Fehler in industriellen cyberphysischen Systemen selbstständig und ohne menschliches Zutun erkennt. Neuronale Netze seien für diese Fragestellungen besonders gut geeignet, betont Morozov: „Sie können sich gut erinnern, wie sich ein Signal in der Vergangenheit entwickelt hat, und dessen künftige Entwicklung vorhersagen. Durch den Abgleich dieser Prognose mit der Realität lässt sich dann abschätzen, ob demnächst etwas falsch laufen könnte.“
Während also im Projekt SofDCar die Risikominimierung im Fokus von Morozovs Arbeit steht, zielt sein Beitrag in SDM4FZI auf die Risikoanalyse. Diese wird bisher einmal durchgeführt, bevor das System in Betrieb geht. Beim Software-defined Manufacturing (SDM) kann jedoch jedes Software-Update den Prozess drastisch verändern und neue potenzielle Risikoszenarien schaffen, es entstehen kontinuierlich neue Gefahren. Daher muss auch die Risikoanalyse automatisiert werden, damit sie vor jedem Software-Update durchgeführt werden kann. Hierzu dienen Risikobewertungsmodelle, die beschreiben, wie wahrscheinlich eine Störung ist und welche Schäden sie bewirken kann. Das Problem dabei: „In einem komplexen System schießt die Zahl der möglichen Risikoszenarien exponentiell nach oben“, sagt Morozov.
Rechtliche und ethische Fragen
Neben diesen technischen Hürden gehen Software-definierte Systeme auch mit verzwickten rechtlichen und ethischen Fragen einher. So erlauben die eingebauten Sensorsysteme für das automatisierte und autonome Fahren die Erfassung einer Vielzahl an Informationen über das Fahrzeug, die Insassen sowie das Umfeld, zum Beispiel Videoaufzeichnungen des Außen- und Innenraums, erläutert Weyrich das „delikate Informationsszenario“. Was wünschenswert, noch erlaubt oder verboten ist, wird in den verschiedenen Ländern und Kontinenten sehr unterschiedlich bewertet, teilweise sind die Anforderungen sogar konträr. „Hier besteht ein enormes gesellschaftliches Spannungsfeld, das noch wenig reflektiert wird“, ist sich Weyrich bewusst. Dieses aufzulösen, führt über den Rahmen des eigentlichen Projekts hinaus. Aber der IAS-Leiter betont: „Wir führen dazu intensive Gespräche, zum Beispiel im Rechtsrahmen der Europäischen Kommission sowie in vielen anderen Initiativen. Das sind schwierige Fragen, aber wir stellen uns der Diskussion.“
Was ist ein Digitaler Zwilling?
Ein Digitaler Zwilling (engl. Digital Twin) ist die virtuelle Nachbildung eines Objektes aus der realen Welt. Diese erlaubt einen übergreifenden Datenaustausch und ermöglicht es, komplexe Produkte und Prozesse digital zu entwickeln, zu testen und zu optimieren, bevor sie tatsächlich hergestellt und später betrieben werden. Digitale Zwillinge bestehen aus Modellen des repräsentierten Objekts oder Prozesses und können daneben Simulationen, Algorithmen und Services enthalten, die Eigenschaften oder Verhalten des repräsentierten Objekts oder Prozesses beschreiben, beeinflussen oder Dienste darüber anbieten. Im Bereich Industrie 4.0 und im Internet der Dinge sind Digitale Zwillinge nicht mehr wegzudenken. Künftig könnten sie auch unseren Alltag begleiten, nicht nur in der Produktion und bei Fahrzeugen, sondern zum Beispiel auch in der Medizin oder beim „smarten“ Wohnen.
Autorin: Andrea Mayer-Grenu