Industrial Data Historian: Prozessdaten speichern und nutzen

Was ist ein Industrial Data Historian?

Ein Industrial Data Historian ist eine spezialisierte Datenbank, die Prozesswerte aus der Produktion als Zeitreihen speichert. Temperatur, Druck, Durchfluss, Drehmoment, Vibration, Energieverbrauch: Jeder Messwert wird mit einem Zeitstempel versehen und in chronologischer Reihenfolge abgelegt. Die Datenbank ist darauf optimiert, sehr viele Messpunkte mit hoher Frequenz (Sekunden- oder Millisekundenintervalle) über lange Zeiträume (Monate bis Jahre) zu speichern und schnell abfragbar zu halten.

Der Begriff "Historian" stammt aus der Prozessindustrie (Chemie, Pharma, Öl & Gas), wo Unternehmen wie OSIsoft (heute AVEVA) mit dem PI System seit den 1980er Jahren Prozessdaten historisieren. In diesen Branchen werden tausende bis zehntausende Messpunkte (sogenannte "Tags") pro Anlage erfasst: Reaktortemperaturen, Kolonnendrücke, Durchflussmengen, pH-Werte. Ohne einen Historian gehen diese Daten nach dem Verlassen des SCADA-Bildschirms verloren.

Der Historian beantwortet Fragen, die kein anderes System beantworten kann: Was genau ist in der Nacht von 02:13 bis 02:17 passiert? Wie hat sich die Temperatur in Reaktor 3 über die letzten 6 Monate entwickelt? Gibt es einen Zusammenhang zwischen dem Druckabfall an Ventil 7 und der Ausschussrate am nächsten Morgen?

In der Praxis ist ein Historian eine Zeitreihendatenbank mit zusätzlichen Funktionen: Datenkompression (Algorithmen wie "Swinging Door" reduzieren das Datenvolumen um 90 % ohne relevanten Informationsverlust), Kontextanreicherung (jeder Messpunkt wird mit Einheit, Grenzwerten und Anlagenzuordnung verknüpft), Abfrage-Performance (schnelle Trendanzeigen über Millionen von Datenpunkten) und Langzeitarchivierung (jahrelange Aufbewahrung für regulatorische Anforderungen oder Trendanalysen).

Historian, SCADA, MES, Data Lake: Wer speichert was?

In einer typischen Produktionsumgebung gibt es mehrere Systeme, die Daten speichern. Die Frage "Brauche ich einen Historian?" lässt sich nur beantworten, wenn klar ist, was die anderen Systeme bereits leisten und wo die Lücken sind.

Die Kernfrage ist: Wo werden die Prozessdaten benötigt? Wenn es um Langzeit-Trendanalysen über tausende Tags geht (Prozessindustrie), braucht man einen dedizierten Historian. Wenn es um die Korrelation von Prozesswerten mit Aufträgen, Stillständen und OEE geht (diskrete Fertigung), reicht oft ein MES mit integrierter Prozessdatenspeicherung.

Wann braucht man einen separaten Historian, wann reicht ein MES?

Die Antwort hängt von drei Faktoren ab: Datenvolumen, regulatorische Anforderungen und Verwendungszweck.

In der Praxis ist die Grenze nicht scharf. Viele Unternehmen in der diskreten Fertigung beginnen mit einem MES, das Prozessdaten im Fertigungskontext speichert, und fügen bei Bedarf einen Historian hinzu, wenn die Datenmenge oder die regulatorischen Anforderungen steigen. Umgekehrt haben Unternehmen in der Prozessindustrie oft einen Historian, aber kein MES. Dann fehlt der Auftragsbezug, und die OEE-Berechnung muss manuell erfolgen.

Prozessdaten in der diskreten Fertigung: Drei Kundenbeispiele

In der diskreten Fertigung, also dort, wo zählbare Produkte in Losgrößen hergestellt werden, werden Prozessdaten anders genutzt als in der Prozessindustrie. Der Fokus liegt nicht auf der Historisierung tausender Tags, sondern auf der Korrelation ausgewählter Prozesswerte mit Aufträgen, Stillständen und Qualität.

Neoperl (Building, Montagemaschinen): Korrelation von Prozessdaten mit Qualitätsdefekten. "Korrelation von SPS-Alarmen mit Stillständen und Qualitätsdefekten." Das ist kein klassisches Historian-Szenario (tausende Tags über Jahre), sondern ein MES-Szenario: Ausgewählte Prozessdaten und SPS-Alarme werden im MES gespeichert und mit Qualitätsereignissen korreliert. Die Frage ist nicht "Wie war der Druckverlauf in den letzten 6 Monaten?", sondern "Welche SPS-Alarme treten gehäuft auf, bevor ein Qualitätsdefekt entsteht?" Ergebnis: "15 % weniger Ausschuss durch Qualitätsdaten-Auswertung."

Brita (FMCG, Vollautomatische Montagelinien): Prozessdaten über OPC UA. "Anbindung moderner Linien an Linienleitrechner System über OPC-UA, um Alarme aufzunehmen." OPC UA ist dasselbe Protokoll, das auch klassische Historian-Systeme nutzen. Aber bei Brita werden die Daten nicht in einen separaten Historian geschrieben, sondern direkt im MES verarbeitet: Maschinensignale, Stillstände, Alarme werden mit der Ausbringung korreliert. Ergebnis: "5 % Reduktion von Stillstandszeiten. 7 % Verbesserung der Ausbringung."

Carcoustics (500+ Anlagen, 7 Länder): Prozessdaten im Enterprise-Maßstab. 500+ Anlagen in 7 Ländern erzeugen erhebliche Datenmengen. Die Daten werden "über IXON IoT Geräte und dem MQTT-Protokoll in MS Azure" gesammelt. MQTT ist ein leichtgewichtiges Protokoll für die Übertragung von Zeitreihendaten, das auch in Historian-Architekturen eingesetzt wird. Aber die Daten landen nicht in einem separaten Historian, sondern in der Cloud-MES-Plattform, wo sie mit Aufträgen, OEE und Fertigungskontext verknüpft werden. "Konzernweite Analyse zu Performance Kennzahlen." Ergebnis: "4 % Reduktion von Stillstandszeiten. 8 % Verbesserung der Verfügbarkeit."

In allen drei Fällen werden Prozessdaten genutzt, aber kein separater Historian benötigt. Der Fertigungskontext (welcher Auftrag, welche Schicht, welche Maschine, welcher Stillstandsgrund) ist wichtiger als die Rohdaten-Historisierung in voller Granularität.

Häufige Fragen zum Industrial Data Historian

Was ist der Unterschied zwischen einem Historian und einer normalen Datenbank?

Eine relationale Datenbank (SQL Server, PostgreSQL) ist für transaktionale Daten optimiert: Aufträge, Kunden, Rechnungen. Ein Historian ist für Zeitreihendaten optimiert: Millionen von Messpunkten, die in chronologischer Reihenfolge geschrieben und abgefragt werden. Der Unterschied liegt in der Schreibgeschwindigkeit (Historian: hunderttausende Datenpunkte pro Sekunde), der Kompression (Historian: 90 % Reduktion durch Algorithmen wie Swinging Door) und der Abfrageperformance (Historian: Trendkurven über Millionen Datenpunkte in Sekunden). Eine relationale Datenbank würde bei diesen Datenmengen und Abfragemustern an ihre Grenzen stoßen.

Brauche ich einen Historian, wenn ich ein MES habe?

Das hängt davon ab, was Sie mit den Prozessdaten machen wollen. Wenn Sie Prozesswerte mit Aufträgen, OEE und Qualität korrelieren wollen (typischer Anwendungsfall in der diskreten Fertigung), reicht ein MES mit integrierter Prozessdatenspeicherung. Wenn Sie tausende Tags in Millisekunden-Auflösung über Jahre historisieren und multivariate Analysen fahren wollen (typischer Anwendungsfall in der Prozessindustrie), brauchen Sie zusätzlich einen dedizierten Historian. Viele Unternehmen starten mit dem MES und fügen den Historian später hinzu, wenn der Bedarf wächst.

Welche Historian-Produkte gibt es?

Die bekanntesten sind: AVEVA PI System (ehemals OSIsoft PI, Marktführer in der Prozessindustrie), Honeywell PHD, GE Proficy Historian, Siemens WinCC Historian, AVEVA Historian (ehemals Wonderware). Im Open-Source-Bereich: InfluxDB, TimescaleDB, QuestDB. In der Cloud: Azure Data Explorer, AWS Timestream, Google Cloud Bigtable. Die Wahl hängt von der bestehenden Infrastruktur, dem Datenvolumen und den regulatorischen Anforderungen ab.

Kann ein Cloud-MES Prozessdaten speichern?

Ja. Moderne Cloud-MES-Plattformen haben integrierte Maschinendatenerfassung und Prozessdatenspeicherung. Die Daten werden über IoT-Gateways (OPC UA, MQTT, digitale Signale) erfasst und in der Cloud gespeichert. Der Vorteil gegenüber einem separaten Historian: Die Prozessdaten sind direkt mit dem Fertigungskontext verknüpft. Der Nachteil: Die Speichertiefe und Abfrageperformance sind für die diskrete Fertigung ausgelegt, nicht für die Historisierung zehntausender Tags in Millisekunden-Auflösung.

Was hat ein Historian mit Industrie 4.0 und KI zu tun?

Historisierte Prozessdaten sind die Grundlage für datengetriebene Anwendungen: Predictive Maintenance (Verschleißmuster aus historischen Vibrations- und Temperaturdaten ableiten), Predictive Quality (Zusammenhang zwischen Prozessparametern und Ausschuss erkennen), Energieoptimierung (Verbrauchsmuster analysieren und Spitzenlasten vermeiden). Ohne historisierte Daten gibt es kein Training von Machine-Learning-Modellen. Das gilt unabhängig davon, ob die Daten in einem Historian, einem MES oder einem Data Lake gespeichert sind. Entscheidend ist, dass die Daten vorhanden, konsistent und zugänglich sind.

Über den Autor:

Mark Kobbert

CTO der symestic GmbH. Verantwortet die Cloud-MES-Architektur seit 2014. B.Sc. Wirtschaftsinformatik.
LinkedIn