5G verändert die industrielle Fertigung: Ultra-niedrige Latenzen, hohe Bandbreiten und verlässliche Vernetzung liefern Echtzeitdaten aus Maschinen, Sensoren und Robotik. In Verbindung mit Edge Computing und Network Slicing fördern sie vorausschauende Wartung, flexible Automatisierung und Qualitätssicherung und steigern die Effizienz messbar.
Inhalte
- 5G-Campusnetze im Werk
- Edge-Analytics für Latenz
- Echtzeitdaten für OEE
- Netzslicing für Prioritäten
- Pilotierung und ROI-Kennzahlen
5G-Campusnetze im Werk
Private 5G-Infrastrukturen verbinden Maschinen, Sensorik und fahrerlose Transportsysteme nahtlos mit Edge Computing und dem unternehmenseigenen 5G-Core. Durch Network Slicing werden Produktions-, Qualitäts- und IT-Services logisch getrennt, während URLLC-Profile deterministische Latenzen im einstelligen Millisekundenbereich ermöglichen. Synchronisierte Taktung mit TSN, unterbrechungsfreie Handover in Hallen und Yard, sowie lokale Lizenzen (z. B. 3,7-3,8 GHz in Deutschland) sichern planbare Abdeckung, hohe Zuverlässigkeit und Datenhoheit. Die Folge sind stabilere Prozesse, feinere Taktzeiten und belastbare Echtzeitdaten für Steuerung, Simulation und Optimierung.
- Funkebene: Small Cells (Indoor/Outdoor), MIMO, präzises Funkfeld-Design
- Core & Slices: Privater 5G-Core, eMBB/URLLC/mMTC-Profile, QoS-Policies
- Edge: MEC für Inferenz, Videoanalyse, Regelkreise nahe der Linie
- Integration: 5G-Gateways für PLC/OPC UA, MQTT-Datenpfade, API-First
- Sicherheit: SIM/eSIM-Lifecycle, Zero-Trust, Segmentierung OT/IT
- Operations: Monitoring, RF-Analytics, automatisierte Updates und Rollbacks
Bestehende Anlagen werden über 5G-Industrial-Gateways eingebunden, Datenströme per OPC UA und MQTT harmonisiert und als Digitale Zwillinge in MES/EMS/APS gespiegelt. So entstehen geschlossene Feedback-Loops für prädiktive Instandhaltung, Energie-Optimierung und adaptive Qualitätssicherung. Video- und Sensordaten werden am Randnetz verdichtet, wodurch AR-gestützte Inspektionen, kollaborative Cobots mit dynamischen Sicherheitszonen und AGV-Flottensteuerung mit niedriger Latenz möglich werden. Koexistenz mit Wi‑Fi 6/7, klare Governance und messbare KPIs bilden die Grundlage für skalierbare Shopfloor-Automatisierung.
| Use Case | Latenz | Bandbreite | Zuverlässigkeit | Slice/Klasse | Edge-Verarbeitung |
|---|---|---|---|---|---|
| AGV-Flotte | <10 ms | Low | >99,99% | URLLC | Pfadplanung |
| Cobot-Safety | <5 ms | Low | >99,999% | URLLC | Zone Control |
| AR-Inspektion | 10-20 ms | 50-100 Mbps | >99,9% | eMBB | Rendering-Assist |
| Condition Monitoring | 50-100 ms | Very Low | >99,9% | mMTC | Feature-Extraction |
| Video-Analytics | 20-30 ms | 200+ Mbps | >99,9% | eMBB | KI-Inferenz |
Edge-Analytics für Latenz
Analysealgorithmen werden mit 5G direkt an Maschinen, Sensor-Hubs und Mikro-Rechenzentren verlagert, wodurch Entscheidungswege im Millisekundenbereich möglich sind. Vorverarbeitung, Merkmalsextraktion und KI-Inferenz nahe der Quelle reduzieren Backhaul-Verkehr und stabilisieren Taktzyklen in Robotik, maschineller Bildverarbeitung und fahrerlosen Transportsystemen. Durch Quality-of-Service (QoS), Network Slicing und zeitkritische Übertragung entstehen deterministische Pfade, die Pufferzeiten minimieren und Determinismus in geschlossenen Regelkreisen unterstützen.
- Lokale Vorverarbeitung: Rauschen filtern, Features verdichten, nur Events übertragen
- Ereignisgesteuerte KI-Inferenz: Anomalie- und Qualitätsentscheidungen in Echtzeit
- Priorisierung & Komprimierung: Kritische Pakete zuerst, Rohdaten nur bei Bedarf
- Geschlossene Regelkreise: Sub-10-ms-Steuerung für Positionierung und Sicherheit
- Resilienz: Autarke Weiterarbeit bei Backhaul-Störungen
| Kriterium | Edge | Cloud |
|---|---|---|
| Latenz | ms-Bereich | ≥100 ms |
| Bandbreite | Gering (gefiltert) | Hoch (Rohdaten) |
| Datenschutz | Lokal, granular | Zentral, breit |
| Ausfallsicherheit | Autark | Backhaul-abhängig |
| Skalierung | Lokal, horizontal | Global, elastisch |
Architekturseitig dominieren containerisierte Microservices, die Modelle per MLOps versionieren und OTA aktualisieren, einschließlich A/B-Validierung am Rand. Telemetrie und Tracing sichern Observability bis auf Pod- und Funkzellenniveau; relevante Kennzahlen sind First-Decision Latency, Jitter, Paketverlust und Right-First-Time in der Qualitätsprüfung. So werden knappe Taktzeiten stabil gehalten, während Rechenlasten dynamisch zwischen Edge und Core verschoben werden, ohne kritische Reaktionsfenster zu gefährden.
Echtzeitdaten für OEE
OEE wird mit 5G vom nachträglichen Bericht zur laufenden Kennzahl: Maschinen-, Sensor- und Bildverarbeitungsdaten fließen mit niedriger Latenz und hoher Zuverlässigkeit zusammen, werden am Edge vorverarbeitet und als Verfügbarkeit, Leistung und Qualität kontinuierlich berechnet. Mikrostopps, Taktzeitdrifts und Qualitätsverschiebungen werden in Sekundenbruchteilen sichtbar, verknüpft mit Auftrags-, Schicht- und Werkzeugkontext. So entstehen belastbare Live-Insights und dynamische Benchmarks pro Linie, Zelle oder Variante – die Basis für automatische Regelkreise und stabilere Prozesse mit weniger Ausschuss.
- Maschinenzustände: Start/Stop, Alarme, OEE-relevante Ereignisse
- Takt- und Zykluszeiten: Ist-/Soll-Abweichungen, Pufferstände
- Qualitätsmerkmale: AOI/Kamera, Messdaten, SPC-Trends
- Energie- und Prozessprofile: Strom, Temperatur, Vibration
- Material-/Werkzeug-IDs: RFID/Barcode, Laufzeiten, Verschleißindikatoren
| OEE-Komponente | Live-Quelle | Reaktionsfenster | Automatisierte Aktion |
|---|---|---|---|
| Verfügbarkeit | PLC-Status, Andon | < 50 ms | Neu-Start/Bypass, Alarmrouting |
| Leistung | Taktzeit, Förderer | 200-500 ms | Taktoptimierung, Puffersteuerung |
| Qualität | AOI/Kamera, SPC | 1-2 s | Ausschuss-Umleitung, Nacharbeitstrigger |
Architektonisch bündeln 5G-Slices deterministische Datenpfade, während Edge-Analytics (OPC UA Pub/Sub, MQTT) Zeitstempel synchronisiert, Features berechnet und KPIs ereignisgetrieben an MES/ERP zurückspielt. Governance und Security (Zero Trust, Netzwerksegmentierung, Signierung) sichern Datenqualität und Compliance; Data Contracts und Standardmodelle harmonisieren Stammdaten und Ereignisse. Ergebnis sind schnellere Störfallreaktionen, vorausschauende Instandhaltung und adaptive Rezepte – eine kontinuierlich aktualisierte OEE, die Planung, Intralogistik und Qualitätsregelung in Echtzeit verbindet.
Netzslicing für Prioritäten
Durch logisch getrennte 5G-Teilnetze werden Ressourcen entlang klarer Service-Level gebündelt, sodass kritische Steuerbefehle nicht mit Videoanalysen oder Massensensorik konkurrieren. Ein Policy-Framework priorisiert datenpfade in Echtzeit auf Basis von MES/ERP-Ereignissen, Wartungsfenstern oder Qualitätsalarmen; die Orchestrierung verteilt Funk-, Transport- und Core-Kapazitäten bis zum Edge-UPF. Deterministische Latenz und geringe Jitter werden über URLLC-Pfade, Preemption, PDCP-Duplikation und TSN-Integration im Werk erreicht, während isolierte Domänen Angriffsflächen reduzieren und Compliance unterstützen.
- Echtzeit-SLA: feste Latenz- und Verfügbarkeitsziele pro Anwendung
- Isolation: strikte Trennung von Robotersteuerung, Video, OT-Sensorik
- Dynamische Orchestrierung: automatische Skalierung nach Auftragslage und Schichtplan
- QoS-Preemption: Vorziehen sicherheitskritischer Pakete bei Funklast
- Sicherheitsdomänen: segmentierte Identitäten, Zero-Trust-Regeln, OT/IT-Gateways
- Sichtbarkeit & KPIs: Telemetrie für Latenz, Jitter, Paketverlust, SLA-Compliance
- Resilienz: lokales Breakout am Edge, Failover zwischen Zellen und Pfaden
Typische Teilnetze in einer Fertigungsumgebung unterscheiden sich nach Zweck, Latenzbudget und Ressourcenbedarf; Prioritäten werden ereignisgesteuert angepasst, etwa bei Qualitätsabweichungen oder Sicherheitsstopps.
| Slice | Zweck | Latenz | Bandbreite | Beispielressourcen | Prioritätsregel |
|---|---|---|---|---|---|
| URLLC | Roboter/AGV-Steuerung | <5 ms | Mittel | Edge-UPF, TSN-Gateway | Stop/E-Stop triggert höchste Stufe |
| eMBB | Videoinspektion/AR | 10-50 ms | Hoch | GPU-Edge, ded. Funkträger | Qualitätsalarm erhöht Priorität |
| mMTC | Sensorik/Condition Monitoring | Tolerant | Niedrig | Schmalband, Energiesparmodus | Lastspitze senkt Rate, hält SLA |
Pilotierung und ROI-Kennzahlen
Die Pilotphase wird als risikominimierter Wertnachweis aufgesetzt: klar begrenzter Scope, definierter Datenpfad und überprüfbare Hypothesen. Ein privates 5G-Standalone-Campusnetz mit MEC-Edge konsolidiert Maschinen- und Sensordaten latenzarm; eine standardisierte Pipeline (OPC UA/MQTT → Time-Series-DB → Analytics) macht Ereignisse messbar. Erfolgskriterien werden vorab operationalisiert (z. B. OEE, MTTR, Ausschussquote) inklusive statistischer Mindeststichprobe und Kontrollgruppe. Sicherheits- und IT/OT-Policies sowie Instandhaltung und Logistik werden früh eingebunden, um Skalierung zu beschleunigen und Integrationsrisiken zu minimieren.
- Umfang: eine Linie, drei Use Cases (prädiktive Instandhaltung, AGV-Orchestrierung, Inline-Qualitätsprüfung)
- Infrastruktur: 5G SA, QoS/Slicing, Edge-Cluster, SIM/eSIM-Management
- Daten & Analytics: einheitliches Geräte-Tagging, Feature-Store, Drift-Monitoring, SPC-Alerts
- Governance: RACI, Change-Management, Shopfloor-Schulung, Audit-Trail
- Abnahmekriterien: Verfügbarkeit ≥ 99,95%, Latenz ≤ 20 ms, Interoperabilität via OPC UA/TSN
Der wirtschaftliche Nutzen wird über eine ROI-Scorecard transparent gemacht, die technische Kennzahlen mit Finanzmetriken verknüpft: vermiedene Stillstände, Ausbringungssteigerung, Qualitätsgewinn, WIP- und Bestandsreduktion, Energieeinsparungen. Dem stehen Capex (RAN, Core, Edge, Endgeräte) und Opex (Lizenzen, Konnektivitätsmanagement, Wartung, Cloud) gegenüber. Die Bewertung erfolgt szenariobasiert (Basis vs. Pilot) mit rollierendem Monatsvergleich und Sensitivitätsanalyse zu Energiepreisen, Schichtmodellen und Materialkosten; Entscheidungskriterien umfassen Payback, IRR und NPV.
| Kennzahl | Basis | Pilot | Effekt |
|---|---|---|---|
| OEE | 68% | 74% | +6 pp |
| Ungeplante Stillstandszeit | 9,5 h/Woche | 6,8 h/Woche | -28% |
| MTTR | 90 min | 55 min | -39% |
| Ausschussquote | 4,2% | 3,1% | -1,1 pp |
| Energie/Einheit | 5,6 kWh | 5,1 kWh | -9% |
| Payback | – | 14 Monate | Capex amortisiert |
Was macht 5G für die Produktion besonders?
5G kombiniert niedrige Latenz, hohe Zuverlässigkeit und Kapazität für viele Geräte. Private Campusnetze liefern stabile Funkabdeckung für Steuerungen, mobile Robotik und Sensorik – auch in metallischen, störanfälligen Umgebungen.
Wie steigern Echtzeitdaten Effizienz und Qualität?
Kontinuierliche Messwerte aus Maschinen erlauben sofortige Reaktionen auf Abweichungen. Durchgängige Transparenz reduziert Stillstände, optimiert Rüstzeiten und Materialflüsse und ermöglicht vorausschauende Wartung, wodurch Ausschuss und Energieverbrauch sinken.
Welche Rolle spielen Edge Computing und Netzslicing?
Edge Computing verarbeitet Daten nahe der Maschine, senkt Latenz und entlastet Backbones; sensible Werte verbleiben lokal. Netzslicing trennt logische Netze mit zugesicherten SLAs, etwa für Robotik, AR-Assistenz oder sicherheitsrelevante Steuerungen.
Wie gelingt die Integration von 5G in bestehende Systeme?
Integration erfolgt über Gateways zu OPC UA, MQTT und Industrial Ethernet; ältere Anlagen werden nachgerüstet. Offene APIs, TSN-Fähigkeiten und klare Datenmodelle erleichtern die Kopplung. Pilotzellen und Partnernetzwerke reduzieren Risiko.
Welche Herausforderungen und Sicherheitsaspekte sind zu beachten?
Herausforderungen betreffen Funkplanung, Koexistenz mit WLAN, Schulung und Wartungsprozesse. Sicherheit stützt sich auf Zero Trust, Segmentierung, Zertifikatsmanagement, Härtung von Endgeräten, verschlüsselte Kommunikation und kontinuierliches Monitoring.
