Industrie & Logistik

OT/IT-Datenplattformen, Data Analytics und KI für Industrie 4.0 & Logistik in der Schweiz

Industrie- und Logistikunternehmen stehen unter massivem Druck: steigende Kosten, fragile Lieferketten, hohe Anlagenkomplexität und zunehmende Nachhaltigkeitsanforderungen.Substring unterstützt Sie dabei, OT- und IT-Daten systematisch zu verbinden und daraus messbare Verbesserungen in Produktion, Instandhaltung, Qualität und Logistik zu erzielen.
Ein weitläufiges, helles und modernes Industrie- oder LogistikgebäudeEine schematische Darstellung eines Datasystems

Herausforderungen

Ungeplante Stillstände und reaktive Wartung

Maschinenausfälle kosten schnell CHF 5’000–50’000 pro Stunde. Reaktive Wartung ist teuer, unplanbar und ineffizient.

Intransparente Prozesse & Datensilos

Daten existieren, aber verteilt über SPS, SCADA, MES, ERP, Excel.

Qualitätsprobleme & Ausschuss

Fehler werden oft zu spät erkannt wenn Material, Zeit und Energie bereits verloren sind.

Kompetenzen

Wir kombinieren OT-Verständnis, Data Engineering, Analytics und KI zu einer durchgängigen Lösung von der Maschine bis zur Entscheidung.

OT/IT-Datenplattformen

Eine stabile OT/IT-Datenplattform ist die Grundlage für jede datengetriebene Industrie-4.0-Initiative. Wir integrieren Maschinendaten, Sensordaten und IT-Systeme wie ERP oder MES in eine skalierbare und wartbare Plattform, die sowohl Echtzeit- als auch historische Analysen ermöglicht. So entsteht eine einheitliche Datenbasis, auf der neue Use Cases effizient und nachhaltig umgesetzt werden können.

Business Intelligence & Operational Analytics

Business Intelligence schafft Transparenz, aber nur dann, wenn die zugrunde liegenden Daten konsistent und vertrauenswürdig sind. Wir entwickeln BI- und Analytics-Lösungen, die operative Teams und Management mit denselben Kennzahlen versorgen und Entscheidungen beschleunigen. Der Fokus liegt dabei auf klaren, handlungsrelevanten Insights für Produktion, Qualität und Logistik.

Predictive Maintenance

Ungeplante Stillstände zählen zu den grössten Kostentreibern in der Industrie. Mit datengetriebener Predictive Maintenance erkennen wir Abnutzungs- und Störungssignale frühzeitig und ermöglichen eine vorausschauende Wartung statt reaktiver Eingriffe. Das reduziert Ausfallzeiten, verlängert die Lebensdauer von Anlagen und verbessert die Planbarkeit von Instandhaltung und Produktion.

Predictive Quality

Qualitätsprobleme entstehen selten plötzlich, sondern kündigen sich in den Daten an. Durch die Analyse von Prozess-, Sensor- und Produktionsdaten identifizieren wir Muster, die auf kommende Qualitätsabweichungen hinweisen. So lassen sich Fehler vor ihrer Entstehung vermeiden, Ausschuss reduzieren und die Produktqualität nachhaltig stabilisieren.

Monitoring & Anomalieerkennung

Kontinuierliches Monitoring bildet die Grundlage für proaktives Handeln. Wir implementieren Lösungen zur Echtzeit-Überwachung kritischer Prozesse, die Abweichungen automatisch erkennen und gezielt melden. Anstatt permanent manuell zu kontrollieren, reagieren Teams nur dort, wo es tatsächlich notwendig ist.

Energy & Prozesskostenoptimierung

Steigende Energie- und Prozesskosten machen Effizienz zu einem strategischen Thema. Mit datenbasierten Analysen schaffen wir Transparenz über Verbrauch, Lastspitzen und ineffiziente Prozesse. Auf dieser Basis lassen sich konkrete Optimierungsmassnahmen ableiten, die Kosten senken und gleichzeitig Nachhaltigkeitsziele unterstützen.

Digital Twin & virtuelle Sensoren

Nicht alle relevanten Kennzahlen lassen sich direkt messen. Mit digitalen Zwillingen und virtuellen Sensoren bilden wir Anlagen, Prozesse oder Zustände datenbasiert ab und machen nicht direkt messbare Grössen sichtbar. Das ermöglicht Simulationen, Szenarioanalysen und fundierte Entscheidungen ohne zusätzliche Hardware.

Circular Economy & Nachhaltigkeit

Nachhaltigkeit erfordert belastbare Daten. Wir unterstützen Unternehmen dabei, Material-, Energie- und Lebenszyklusdaten systematisch zu erfassen und auszuwerten. Dadurch werden nachhaltige Geschäftsmodelle messbar, steuerbar und wirtschaftlich sinnvoll, von der Reduktion von Abfall bis zur Verlängerung von Produkt- und Anlagenlebenszyklen.

Referenzen

Geberit AG

Datengetriebene Prozessoptimierung für Geberit AG

Für die Geberit AG haben wir historische Prüfdaten analysiert und mittels Machine Learning neue Erkenntnisse für die Optimierung des Qualitätsprüfprozesses gewonnen. Dadurch konnten konkrete Massnahmen abgeleitet, Prüfzeiten reduziert und Produktionsfehler verringert werden.

Referenz anschauen
SABAG AG

Business Intelligence Quo Vadis bei SABAG

Für die SABAG Gruppe haben wir eine umfassende Standortbestimmung ihrer Business-Intelligence-Landschaft durchgeführt. Durch Workshops, Prozessanalysen und die Definition klarer Lösungskomponenten konnten wir eine transparente Grundlage schaffen, um Reporting, Datenqualität und BI-Prozesse nachhaltig zu verbessern.

Referenz anschauen
V-ZUG

Kategorisierung von Felddaten mittels LLM bei V-ZUG

V-ZUG stand vor der Herausforderung, tausende Felddaten aus Servicefällen für die Qualitätskontrolle manuell zu klassifizieren. Aufgrund des hohen Aufwands erfolgte diese Klassifizierung zunächst nur einmal monatlich für eine begrenzte, repräsentative Stichprobe. Gemeinsam mit Substring wurde eine KI-gestützte Lösung entwickelt, die Servicefallmeldungen automatisch analysiert und klassifiziert. Mithilfe moderner Sprachmodelle (LLMs) und Retrieval Augmented Generation konnten unstrukturierte Texte in strukturierte Daten überführt werden. Seit der Einführung der Lösung werden nun sämtliche Servicedaten täglich durch die KI klassifiziert. Das System integriert sich nahtlos in die bestehende BI-Architektur, verbessert die Datenqualität und reduziert die Bearbeitungszeit signifikant. Dank der täglichen Datenverfügbarkeit können wir Folgeprozesse wie Trendanalysen oder Ursachenanalysen jetzt schneller und genauer durchführen. Die Stakeholder erhalten dadurch schnellen und konsistenten Zugang zu den wichtigsten Informationen – ein echter Mehrwert für die gesamte Organisation.

Referenz anschauen
Amberg Technologies AG

Deep Learning für die Schadenserkennung in Tunnels

Dieses Deep Learning Projekt, bei welchem die Effizienz der Tunnel-Wartung um 60% erhöht wird, wurde für die Engineering Firma Amberg Technologies AG erfolgreich umgesetzt. Die von uns entwickelte AI-Komponente auf der Basis von Bildauswertungen wurde zwischenzeitlich in die Wartungssoftware von Amberg integriert.

Referenz anschauen
Stöcklin AG

Dashbaords as a Service für Stöcklin Lagersysteme

Für die Stöcklin Logistik AG haben wir eine umfassende Data-Monitoring- und Alerting-Plattform (DMA) entwickelt. Die Lösung bildet die Grundlage für datengetriebene Services wie vorausschauende Wartung, Echtzeit-Überwachung und energieoptimierten Anlagenbetrieb.

Referenz anschauen
Die Schweizerische Post

KI-gestützte Predictive Maintenance Lösung bei Sortieranlagen der Post

Die Paketsortieranlagen sind ein wichtiger Bestandteil um die 185 Millionen Pakete (2023), welche die Post jährlich zustellt, effizient zu verarbeiten. Ausfälle bei den sogenannten Kippschalensortern führen zu hohen Beständen, viel Nacharbeit und signifikantem Wartungsaufwand, was sich durch verspätete Zustellung bei den Kunden äussert. Zur Vermeidung ungeplanter Ausfälle, wurde daher eine Lösung mittels künstlicher Intelligenz realisiert, die die Kippschalensorter analysiert, unerwartete Ausfälle antizipiert und so in die Wartungsfenster einplant.

Referenz anschauen
SIPRO STEEL SOLUTIONS

Die neue Datenplattform für SIPRO STEEL SOLUTIONS

Bei SIPRO STEEL SOLUTIONS sollte ein On-Premise Data Warehouse aufgrund veralteter Architektur und den damit verbundenen Limitationen durch ein modernes Cloudnative Data Warehouse ersetzt werden. Dazu wurde eine moderne Datenplattform auf Microsoft Azure Basis aufgebaut. Es werden Daten vom ERP-System auf die Plattform geladen, dort mittels Medaillon Modell transformiert und im Anschluss in Form von Reports in Microsoft Power BI bereitgestellt. Mit dieser neuen modernen Architektur können schneller aussagekräftige Analysen zum Geschäft erstellen. Zudem schafft die neue Architektur eine Basis, um zukünftig weitere Datenquellen im Data Warehouse effizient einbinden zu können. Durch die erfolgreiche Modernisierung konnten Wartungs-, Lizenz- und Betriebskosten deutlich gesenkt werden.

Referenz anschauen
Operative Datasystems
Artificial Intelligence
Business Intelligence - Data Platforms
Data Consulting

Glossar

Industrie 4.0 & Logistik: Ihr Nachschlagewerk für Daten und KI

Blog: Braucht Industrie 4.0 ein Data Warehouse oder ein Lakehouse? (Teil 2)

Blog: Braucht Industrie 4.0 ein Data Warehouse oder ein Lakehouse? (Teil 1)

BePro-CEND: Substring AG treibt zirkuläre Geschäftsmodelle voran

Optische Deformationserkennung – Präzise Überwachung für Predictive Maintenance in der Industrie

Schadenserkennung mittels Akustiksignalen – Predictive Maintenance neu gedacht

Daten-OT/IT im industriellen Umfeld: Wie stark sind die Grossen?

Learnings
Ressourcen
How to
Unsere Kunden verwenden sensoren von

FAQ

Antworten auf Ihre Fragen – Datenlösungen für Industrie & Logistik
Was braucht es für eine Datenplattform in der Industrie und Logistik?

Eine Datenplattform in der Industrie und Logistik benötigt eine skalierbare Infrastruktur, die grosse Mengen an Echtzeit- und historischen Daten verarbeiten kann. Sie sollte robuste Datenintegrations- und -managementtools bieten, um Informationen aus verschiedenen Quellen wie ERP-Systemen, IoT-Geräten und Lagerverwaltungssystemen zusammenzuführen. Zusätzlich sind Sicherheitsmechanismen, Datenvisualisierungsmöglichkeiten und KI-gestützte Analysefunktionen essenziell, um datenbasierte Entscheidungen zu unterstützen.

Wie kann Business Intelligence zur Optimierung in der Industrie und Logistik beitragen?

Business Intelligence (BI) optimiert Industrie- und Logistikprozesse durch datengetriebene Analysen, die Transparenz schaffen und Ineffizienzen aufdecken. Mit Echtzeit-Dashboards und Prognosetools können Unternehmen Ressourcen besser planen, Risiken frühzeitig erkennen und fundierte Entscheidungen treffen. So steigert BI Effizienz, senkt Kosten und stärkt die Wettbewerbsfähigkeit.

Ist der Einsatz von KI in der Industrie und Logistik mit bestehenden Systemen kompatibel?

Der Einsatz von KI in der Industrie und Logistik kann mit bestehenden Systemen kompatibel sein, erfordert jedoch oft Anpassungen im Bereich von Retrofit für Sensoren und Messgeräte, Schnittstellenintegrationen von der OT in die IT und Datenaufbereitung um die unstrukturierten Daten in einem KI-Modell verwenden zu können.

Welche Daten werden von Maschinen benötigt, um KI-gestützte Lösungen zu implementieren?

Für KI-gestützte Lösungen benötigen Maschinen Daten wie Sensordaten, Betriebsparameter, historische Produktionsdaten, Wartungsprotokolle und Qualitätsmetriken, um Modelle zu trainieren und Vorhersagen zu treffen. Einige Anbieter ermöglichen den Zugang zu diesen Daten über Protokolle wie z.B. MQTT.

Wie verbessert KI die Qualitätskontrolle und Fehlererkennung in der Produktion?

KI verbessert die Qualitätskontrolle und Fehlererkennung in der Produktion durch den Einsatz von Bildverarbeitung und maschinellem Lernen zur Identifikation von Defekten, Anomalien und Mustern in Echtzeit, was eine präzisere und schnellere Fehlerbehebung ermöglicht.

Welche Prozesse in der Logistik lassen sich durch Daten automatisieren?

In der Industrie & Logistik lassen sich durch Prozesse wie Lagerverwaltung, Routenplanung, Bestandsprognosen, Qualitätskontrollen, Predictive Maintenance, Nachfrageanalysen und die Automatisierung von Transportabläufen optimieren und automatisieren.

Wir sind gerne persönlich für Sie da.

Bereit für den nächsten Schritt? Wir sind es auch.

Kontakt aufnehmen
Diese Firmen vertrauen uns bereits.