IoT Use Case Podcast

www.iotusecase.com
#LoRaWAN #Dampfnetz #Digitalisierung
In Episode #216 des IoT Use Case Podcasts spricht Dr. Peter Schopf mit Murat Mutlu, IoT-Portfolio Manager bei Currenta Conneqtive, und Dominik Neugebauer, Leitung Technik Rohrnetze bei Currenta. Thema ist die Digitalisierung eines 180 Kilometer langen Dampfnetzes im CHEMPARK – mit LoRaWAN statt Kabel, für mehr Transparenz im Netz und weniger Energieverluste.
Zusammenfassung
Der CHEMPARK betreibt rund 1.000 Kilometer Rohrleitungen, davon ca. 180 Kilometer Dampfnetz. Das Netz wurde historisch für andere Lastprofile ausgelegt – Bedarfe und Abnahmepunkte haben sich seitdem stark verändert. Klassische Temperaturmessung ist im Feld ohne aufwändige Verkabelung kaum wirtschaftlich darstellbar. Kondensatableiter – Bauteile, die flüssiges Kondensat aus dem Dampfsystem ableiten – wurden bislang manuell geprüft; Defekte blieben dadurch monatelang unbemerkt.
Currenta Conneqtive hat ein LoRaWAN-Netz aufgebaut, das mit wenigen Outdoor-Antennen den gesamten CHEMPARK abdeckt. Batteriebetriebene Sensoren erfassen Temperaturen an Knotenpunkten und überwachen den Status der Kondensatableiter per Condition Monitoring. Ziel ist es, Reaktionszeiten bei defekten Ableitern von Monaten auf Stunden zu reduzieren – und die Netzauslegung auf Basis besserer Daten schrittweise zu optimieren.
Parallel entsteht ein KI-gestütztes dynamisches Simulationsmodell, das den Netzzustand auch zwischen Messpunkten abbildet. Da externe Dienstleister die nötige Kombination aus ML-Kompetenz und thermodynamischem Prozesswissen nicht lieferten, wird das Modell intern entwickelt. Der CHEMPARK dient dabei als Stresstest – was hier zuverlässig läuft, soll als standardisiertes SaaS-Produkt für externe Industriekunden angeboten werden.
Das nimmst du mit
LoRaWAN deckt weitläufige Industriestandorte mit wenigen Antennen kostengünstig ab – ohne aufwändige Verkabelungsinfrastruktur.
Condition Monitoring der Kondensatableiter reduziert Reaktionszeiten bei Defekten von Monaten auf Stunden.
Live-Sensordaten aus dem Feld verbessern Netzwerksimulationen und ermöglichen fundiertere Investitionsentscheidungen im Dampfnetzbetrieb.
KI-gestützte Simulation im Prozessumfeld erfordert ML-Kompetenz und thermodynamisches Domänenwissen gleichermaßen – wer beides nicht vereint, scheitert am Modell.
Ein LoRaWAN-Netz als geteilte Infrastruktur lässt sich für mehrere Use Cases gleichzeitig nutzen und schrittweise mit neuen Anwendungsfällen erweitern.
-----
Relevante Folgenlinks:
Peter (https://www.linkedin.com/in/peter-schopf/)
Murat (https://www.linkedin.com/in/murat-mutlu-solution-portfolio-manager/)
Dominik (https://www.linkedin.com/in/dominik-neugebauer-8a47b6298/
Jetzt IoT Use Case auf LinkedIn folgen

1x monatlich IoT Use Case Update erhalten

www.iotusecase.com
#UnifiedNamespace #VibeCoding #GenerativeAI 
Alexander Krüger, CEO und Managing Director von United Manufacturing Hub (UMH), ist zu Gast bei Dr. Peter Schopf im IoT Use Case Podcast. Im Mittelpunkt steht eine These, die gerade in vielen Werken an Relevanz gewinnt: Was passiert, wenn generative KI nicht nur Texte schreibt, sondern gleich die Produktionsanwendungen dahinter baut – und welche Datengrundlage dafür zwingend nötig ist?
Zusammenfassung
UMH positioniert sich als Open-Source-Plattform für industrielles Datenmanagement. Die Grundidee: Wer Vibe-Coding – also das KI-gestützte Generieren von Frontend-Applikationen – im Shopfloor nutzen will, braucht dafür eine saubere, strukturierte Datengrundlage. Diese stellt UMH über einen Unified Namespace bereit: eine eventbasierte Architektur, die Maschinendaten aus unterschiedlichsten Quellen normalisiert und über REST-APIs sowie Echtzeit-Streams verfügbar macht. Krüger erklärt, warum KI dieselbe Datensemantik braucht wie ein menschlicher Produktionsleiter – ohne klaren Kontext halluziniert sie genauso.
Besonders konkret wird es beim Thema MES. Traditionelle Implementierungen kosten Hunderttausende Euro, erfordern Systemintegratoren und sind kaum änderbar. Mit einem sauberen Daten-Backend und Vibe-Coding lassen sich solche Anwendungen nach Angaben von Krüger heute intern in wenigen Wochen und für einen Bruchteil der früheren Kosten bauen. Eine Forrester-Studie mit UMH-Kunden zeigt: 5 % Energieeinsparung, 14 % weniger ungeplante Stillstände, ROI von über 400 %.
Das nimmst du mit
Vibe-Coding im Shopfloor funktioniert nur auf einer sauberen Datengrundlage – der Unified Namespace liefert die nötige Semantik und Struktur.
KI braucht denselben Kontext wie ein Mensch: Ohne strukturierte Daten halluziniert sie genauso zuverlässig wie mit unklaren Arbeitsanweisungen.
Infrastructure as Code macht das Anbinden von Maschinen drastisch schneller – aus Tagen werden Minuten, wenn die AI mit Konfigurationsdateien statt UI-Klicks arbeitet.
Build vs. Buy verschiebt sich fundamental: MES-Anwendungen lassen sich heute intern für einen Bruchteil der früheren Kosten selbst bauen.
UMH ist vollständig Open Source – einfach herunterladen, eigene Use Cases validieren, loslegen.
-----
Relevante Folgenlinks:
Peter (https://www.linkedin.com/in/peter-schopf/)
Alexander (https://www.linkedin.com/in/alexander-krueger/)
Jetzt IoT Use Case auf LinkedIn folgen

1x monatlich IoT Use Case Update erhalten

www.iotusecase.com
#LteM #Sensorik #RemoteMonitoring 
In der 214. Episode des IoT Use Case Podcasts spricht Gastgeber Dr. Peter Schopf mit Dennis Jansen, Product Manager IIoT bei autosen. Im Fokus steht die Frage, wie Betreiber dezentrale Assets ins IIoT bringen – ohne Steuerungseingriff, ohne IT-Projekt, ohne Kabel.

Zusammenfassung
autosens Antwort ist das minion: ein modulares Sensorsystem mit integriertem Mobilfunk-Gateway und Batterie, das ohne bestehende Infrastruktur auskommt. Der Ansatz dahinter ist bewusst radikal einfach – Steuerungen werden nicht angefasst, stattdessen werden neuralgische Punkte im Feld überwacht. Vom Auspacken bis zu den ersten Daten in der Cloud: maximal 30 Minuten.
Dennis Jansen erklärt, warum autosen dabei auf LTE-M und NB-IoT setzt, statt auf 5G – Energieeffizienz schlägt Bandbreite, wenn eine Batterie zwei Jahre halten soll. Und er macht deutlich, für wen das System gedacht ist: nicht für den Endanwender selbst, sondern für Systemhersteller, die ihren Kunden eigenständige IoT-Services anbieten wollen – etwa bei Industrieventilatoren, Füllstandsüberwachung oder Zugangskontrolle.
Das nimmst du mit
– Plug & Play im IIoT ist möglich, wenn man Steuerungen weglässt und eigenständige Devices für neuralgische Punkte einsetzt
– LTE-M und NB-IoT schlagen 5G für batteriebetriebene Sensoren, weil Energieeffizienz vor Bandbreite kommt
– Das minion-System richtet sich an Systemhersteller als Enabler – nicht direkt an Endkunden
-----
Relevante Folgenlinks:
Peter (https://www.linkedin.com/in/peter-schopf/)
Dennis (https://www.linkedin.com/in/dennis-jansen-82246799/)
Jetzt IoT Use Case auf LinkedIn folgen

1x monatlich IoT Use Case Update erhalten

Jetzt IoT Use Case auf LinkedIn folgen

1x monatlich IoT Use Case Update erhalten

www.iotusecase.com
#DirectAirCapture #DAC #IIoT
In dieser Episode des IoT Use Case Podcasts spricht Gastgeber Peter mit Niklas Friederichsen, Co-Gründer und CTO/CPO bei Greenlyte, und Christoph Schneider, Vice President Produktmanagement bei ifm. Im Fokus steht die Frage, wie Direct-Air-Capture-Anlagen den Sprung vom Laborprototyp zur autonomen, industrietauglichen Anlage schaffen – und welche Rolle dabei dynamische Prozessführung, IO-Link-Sensorik und der Remote-Zugriff über moneo spielen. 
Folge 208 auf einen Blick (und Klick):
(11:04) Herausforderungen, Potenziale und Status quo – So sieht der Use Case in der Praxis aus

Podcast Zusammenfassung
Greenlyte überführt eine im Labor validierte Direct-Air-Capture-Technologie in real betreibbare und skalierbare Anlagen: von einer 50 t CO₂/Jahr Pilotanlage in Duisburg hin zu einer 1.500 t/Jahr First-of-a-Kind-Anlage in Marl.
Die zentrale Herausforderung liegt dabei weniger in der Grundidee als in der industriellen Umsetzung: schwankende Verfügbarkeit erneuerbarer Energien, variable Umgebungsbedingungen wie Temperatur und Luftfeuchte sowie die Kombination aus klassischer Prozesstechnik (Absorption) und Elektrochemie (Desorption) erfordern eine hochdynamische und robuste Prozessführung. Hinzu kommen praktische Themen wie zuverlässige Sensorik unter realen Bedingungen – etwa bei Schaumbildung oder sich verändernden Medien.
Technisch setzt Greenlyte früh auf durchgängige Digitalisierung: Sensoren werden über IO-Link angebunden, Parametrierung und Datenzugriff erfolgen remote über ifm moneo. Zentrale Datenhaltung, Wiederverwendung von Parametersätzen sowie strukturierte FAT/SAT-Tests ermöglichen eine schnelle Iteration und Skalierung. Ergänzt wird dies durch ein revisionsgeführtes Anlagen-Engineering, bei dem Änderungen häufig über Konfiguration statt über Code-Rollouts umgesetzt werden.
Der Use Case zeigt, wie standardisierte Feldanbindung, Remote-Service und datenbasierte Optimierung helfen, Prototypen schneller zu stabilisieren, Inbetriebnahmen zu beschleunigen und die Grundlage für skalierbare Anlagenflotten sowie effiziente Wartungsstrategien zu schaffen.
-----
Relevante Folgenlinks:
Peter (https://www.linkedin.com/in/peter-schopf/)
Niklas (https://www.linkedin.com/in/dr-niklas-friederichsen-8290849b/)
Christoph (https://www.linkedin.com/in/christoph-schneider-18872627/)

Jetzt IoT Use Case auf LinkedIn folgen

1x monatlich IoT Use Case Update erhalten