Siemens, Beckhoff, Fanuc, IO-Link – jede Maschine spricht eine andere Sprache. EdgeBrain ist mit vollem TCP/IP-Stack ausgestattet: TCP/IP-basierte Protokolle wie OPC UA und MQTT laufen direkt darauf. Für Feldbusse kommuniziert EdgeBrain mit Loggern und Gateways jedes Herstellers – und führt alle Datenströme vor Ort zusammen.
Babel in der Fabrik: Wie EdgeBrain Maschinen verschiedener Hersteller zusammenführt
Siemens-Steuerung in Linie 1, Beckhoff in Linie 3, Fanuc-Roboter in der Schweißzelle, IO-Link-Sensoren am Förderband, ein Feldbus-System aus den frühen 2000ern – und mittendrin die Frage: Wie kommen diese Welten zusammen? Die Antwort liegt nicht in der Cloud und nicht in einem jahrelangen IT-Projekt. Sie liegt direkt auf dem Shopfloor.
Das Problem heißt nicht „fehlende Daten“ – es heißt „inkompatible Infrastruktur“
Moderne Produktionsumgebungen sind historisch gewachsen. Investitionsentscheidungen wurden über Jahrzehnte hinweg getroffen – immer auf Basis der besten verfügbaren Technologie für eine spezifische Aufgabe. Das Ergebnis ist ein Maschinenpark, der funktioniert, aber in Silos lebt.
Auf der einen Seite stehen moderne Anlagen: Sie kommunizieren über TCP/IP-basierte Protokolle wie OPC UA oder MQTT, sind netzwerkfähig und liefern Daten, die im Prinzip sofort nutzbar wären. Auf der anderen Seite stehen ältere oder spezialisierte Systeme: Sie sprechen Feldbus – PROFINET, EtherNet/IP, Modbus RTU, PROFIBUS –, nutzen IO-Link oder proprietäre Schnittstellen, die kein Standard-Netzwerksystem von Haus aus versteht.
Beide Welten erzeugen wertvolle Daten. Aber zusammen haben sie bisher kaum kommuniziert.
Was EdgeBrain mitbringt – und was es ermöglicht
EdgeBrain ist mit ix-Ethernet ausgestattet: einem industrietauglichen Ethernet-Anschluss mit vollem TCP/IP-Stack. Das bedeutet, dass alle TCP/IP-basierten Kommunikationsprotokolle – OPC UA, MQTT, REST, Modbus/TCP und weitere – direkt auf EdgeBrain implementiert werden können. Wer eine moderne Steuerung oder einen netzwerkfähigen Sensor anbinden möchte, tut das ohne zusätzliche Hardware, ohne Umwege, ohne Latenzverlust.
Für Feldbusse und ältere Systeme sieht die Architektur einen pragmatischen Schritt vor: Feldbus-Logger, IO-Link-Master oder Protokoll-Gateways werden als dedizierte Hardware-Brücke eingesetzt. Diese Geräte sprechen die jeweilige „Maschinensprache“ – und geben ihre Daten über eine Netzwerkschnittstelle weiter.
Genau hier setzt EdgeBrain an: Es kommuniziert direkt mit diesen Loggern, IO-Link-Mastern und Gateways – und führt alle eingehenden Datenströme vor Ort zusammen. Lokal. In Echtzeit. Ohne dass die Daten das Werk verlassen müssen.
Die Stärke: Konsolidierung direkt auf dem Shopfloor
Was EdgeBrain von klassischen Integrationsansätzen unterscheidet, ist nicht, dass es noch mehr Protokolle unterstützt – sondern wo die Zusammenführung stattfindet.
In konventionellen Architekturen werden Daten aus verschiedenen Quellen in eine zentrale Plattform – oft in der Cloud oder im Rechenzentrum – hochgeladen, dort normiert und dann wieder zurückgespielt. Das bedeutet: Latenz durch Datentransport, Abhängigkeit von Netzwerkverfügbarkeit und externe Infrastrukturkosten.
EdgeBrain dreht dieses Prinzip um.
Der Feldbus-Logger liefert seine Werte. Der IO-Link-Master gibt Sensorstatus und Prozessgrößen weiter. Die TCP/IP-fähige Steuerung sendet ihre Betriebsdaten direkt. EdgeBrain empfängt all diese Ströme, normiert sie auf ein einheitliches Datenmodell und stellt das Ergebnis als kuratierte Golddaten zur Verfügung – für MES, ERP, Qualitätssicherung oder Analytics. Alles passiert lokal, deterministisch, in Echtzeit.
Das Ergebnis: ein kohärentes Datenbild des gesamten Maschinenparks – egal wie viele Hersteller, Protokolle und Generationen er umfasst.
Drei Szenarien aus der Praxis
Szenario 1: Linienübergreifende OEE ohne Datenverzug
Drei Produktionslinien, drei verschiedene Steuerungsgenerationen. Linie 1 kommuniziert via OPC UA direkt mit EdgeBrain. Linie 2 hat einen Feldbus-Logger, der über Modbus/TCP angebunden ist. Linie 3 nutzt IO-Link-Master für ihre Sensoren. EdgeBrain holt sich die Daten von allen drei Quellen, normiert sie auf ein gemeinsames Zeitraster und berechnet OEE-Kennzahlen in Echtzeit – ohne manuellen Datenexport, ohne 24-Stunden-Verzug, ohne zentralen Server.
Szenario 2: Qualitätskorrelation über Systemgrenzen
Eine Abweichung im Endprodukt tritt sporadisch auf, lässt sich aber keiner einzelnen Maschine zuordnen. Durch die konsolidierte Datenbasis von EdgeBrain – gespeist aus Temperatursensoren via IO-Link, Steuerungsparametern via OPC UA und Druckkurven via Feldbus-Logger – lassen sich übergreifende Korrelationen herstellen. Die Ursache: ein Temperaturpeak in einem vorgelagerten Prozessschritt, der bisher kein System allein gesehen hatte.
Szenario 3: Legacy-Integration ohne Stillstand
Eine CNC-Maschine Baujahr 2003 hat keine Netzwerkschnittstelle, gibt aber digitale und analoge Statussignale aus. Ein kompakter Feldbus-Logger liest diese Signale aus und stellt sie über eine TCP/IP-Schnittstelle bereit. EdgeBrain bindet den Logger ein und integriert die Maschine in die betriebsweite Datenbasis – ohne Eingriff in die Steuerung, ohne Produktionsstopp, ohne neue Software auf der Maschine.
Heterogenität ist keine Schwäche – wenn die Konsolidierung stimmt
Ein gemischter Maschinenpark ist kein Fehler. Er ist das Ergebnis sinnvoller Investitionsentscheidungen. Die Herausforderung war bisher nicht die Hardware selbst – sondern das Fehlen einer Schicht, die oberhalb der Herstellergrenzen operiert und die vorhandene Vielfalt in ein zusammenhängendes Datenbild überführt.
Mit EdgeBrain ist diese Schicht vorhanden: netzwerkfähig für alle TCP/IP-Protokolle, offen für Logger und Gateways jedes Herstellers, und in der Lage, alle eingehenden Daten vor Ort zu konsolidieren – bevor sie das Werk verlassen oder eine zentrale Plattform erreichen.
Das macht den Unterschied: nicht eine weitere Cloud-Lösung, die Daten nachträglich zusammenführt, sondern eine Edge-Instanz, die Daten dort vereint, wo sie entstehen.
Wie ist Ihr Maschinenpark aufgestellt? Sprechen Sie mit uns über die passende Architektur für Ihre Umgebung: info@dejonge.ai
