Chaos-X

Ausgangssituation

Eine europaweite Studie [1] aus dem Jahr 2024 zeigt, dass Resilienz von nahezu allen Unternehmen als erfolgskritisch bewertet wird. Trotz dieser Bedeutung kommen technologische Ansätze zur Resilienzsteigerung, wie digitale Zwillinge oder adaptives Scheduling als Teil der Produktionssteigerung, bislang nur begrenzt zum Einsatz. Bestehende Resilienzwerkzeuge adressieren interne und externe Störungen auf dem Shopfloor häufig nicht ausreichend, wodurch Produktionsziele beeinträchtigt werden. In der Informationstechnik hat sich hingegen das Chaos Engineering als bewährter Ansatz etabliert, um durch gezielt eingebrachte Störungen Schwachstellen aufzudecken und die Systemresilienz zu verbessern. Eine direkte Übertragung auf industrielle Produktionssysteme ist aufgrund ihrer Komplexität sowie möglicher Risiken für Sicherheit und Qualität jedoch nur eingeschränkt möglich. Daraus entsteht ein Bedarf an neuen Resilienzwerkzeugen, die die Prinzipien des Chaos Engineerings sicher und zielgerichtet für die industrielle Produktion nutzbar machen.

Zielsetzung

Ziel des Projekts ist die experimentelle Bewertung und Steigerung der Resilienz komplexer Produktionssysteme auf Shopfloorebene durch die Übertragung des Chaos-Engineerings auf die industrielle Produktion. Hierzu wird eine IKT-gestützte Plattform entwickelt, die zwei aufeinander aufbauende Resilienzwerkzeuge integriert: einen digitalen Zwilling zur Umsetzung der „tagträumenden Fabrik“ als modellbasierten Ansatz sowie ein hieran angeschlossenes adaptives, KI-basiertes Scheduling als proaktiv lernendes System. Ergänzend wird ein standardisierter Chaos Generator entwickelt, der gezielt Störungsszenarien in das Simulationsmodell einbringt und deren Auswirkungen analysierbar macht. Der digitale Zwilling dient dabei als virtuelle Testumgebung zur kontinuierlichen Resilienzbewertung, Risikoanalyse und Validierung von Maßnahmen. Darauf aufbauend wird das KI-basierte Scheduling um Resilienzzielgrößen erweitert, sodass Agenten durch Simulation verschiedener Störungsszenarien resiliente Entscheidungsstrategien erlernen und Produktionspläne adaptiv angepasst werden können. Die entwickelten Methoden und Ansätze werden zunächst in Lernfabriken pilotiert und anschließend in industriellen Anwendungsszenarien validiert.

Vorgehensweise

Zunächst wird das Vorgehen des Chaos Engineerings auf die industrielle Produktion übertragen. Hierzu werden gezielt Störungsszenarien entwickelt und auf Basis eines digitalen Abbilds des Produktionssystems untersucht, um Schwachstellen zu identifizieren. Da eine direkte Einführung von Störungen im realen Produktionsumfeld aufgrund möglicher Risiken für Mensch, Maschine und Prozess nicht praktikabel ist, erfolgt die Umsetzung in einer sicheren Simulationsumgebung der „tagträumenden Fabrik“. Diese kombiniert reale Betriebsdaten mit simulationsbasierten Szenarien und ermöglicht die systematische Bewertung von Systemreaktionen. Als technologische Grundlage dient ein digitaler Zwilling, der durch standardisierte Datenstrukturen mittels OPC UA und der Verwaltungsschale (engl. Asset Administration Shell (AAS) aufgebaut wird. Die gewonnenen Erkenntnisse aus den simulierten Störszenarien fließen anschließend in die Produktionssteuerung ein. Mithilfe KI-basierter Scheduling-Verfahren werden Produktionspläne adaptiv angepasst, um auch unter Störungen Produktionsziele wie Liefertreue und Durchsatz im akzeptablen Toleranzbereich bestmöglich sicherzustellen. Dadurch entsteht unter Nutzung der Resilienzwerkzeuge eine datenbasierte, kontinuierliche Resilienzstrategie für industrielle Produktionssysteme.

Quellen

[1] Bentz Daniel, Doan Augustino, Meldt Leonie, Steinmeyer Maximilian, Metternich Joachim, Becker Martin. Resilienz in der industriellen Produktion: Eine Aufnahme der Ist-Situation. 2025. 10.26083/tuprints-00029006

Danksagung

Dieses Projekt wird durch das Bundesministerium für Forschung, Technologie und Raumfahrt (Richtlinie zur Förderung von Forschungsvorhaben zur Verbesserung der Explorations- und Integrationsphasen der IKT-Forschung) gefördert. Wir danken für die Möglichkeit, dieses Projekt bearbeiten zu dürfen.

Fördergeber

Projektträger