DigitalisierungZukunftsfähige FertigungVernetzte Datenwelten mit GraphenDie Vernetzung von Daten wirdzur Schlüsselanforderung: Genauhier setzen Graphdatenbankenan. Sie modellieren Informationennicht in starren Tabellen, sondernals lebendiges Netzwerk aus Knotenund Beziehungen. Dies eröffnetneue Möglichkeiten, Maschinen-,Produkt- und Kundendatenintelligent zu verknüpfen, in Echtzeitauszuwerten und innovativ einzusetzen.Noch leistungsfähiger wird diesesFundament durch KnowledgeGraphen, die zusätzlich Kontextwissenintegrieren und damit dieideale Grundlage für KI-basierteAnwendungen schaffen.Bild 1: Herausforderung industrielle Datenarchitektur, © GettyImages / Unsplash, Lizenz erworben durch Neo4j© Neo4jAutor:Heiko SchönfelderHead Of Sales DACHNeo4jhttps://neo4j.com/In der Industrie entscheiden nichtmehr allein die Maschinen über denErfolg, sondern die Daten. Doch vielerortssind die Datenströme versickert:Sie bleiben in Silos gefangen,fragmentiert in veralteten Systemen.Wie schafft man hier ein vernetztesDatenökosystem?Sensoren, Maschinen, Lieferkettenund Kundeninteraktionen erzeugentäglich enorme Datenmengen.Diese Daten sind längst nicht mehrBeiwerk, sondern der Rohstoff fürResilienz, Effizienz und Wettbewerbsfähigkeitin einer zunehmenddigitalen Fertigungswelt.Doch die meisten Unternehmenkämpfen mit einem Wildwuchs ausisolierten Systemen, gewachsenenStrukturen und inkompatiblen Formaten.Die Folge: Innovationspotenzialebleiben ungenutzt, KI-Initiativenscheitern an fehlender Datenintegration.Es braucht dringendneue Ansätze, die sich praktischund effektiv umsetzen lassen unddabei gleichzeitig langfristig Mehrwertliefern.Daten richtig denken:Priorität DatenarchitekturFangen wir von vorne an: Wer inder Industrie 4.0 erfolgreich sein will,muss zuerst an seinem Datenfundamentarbeiten. Datenbanken sindnicht nur ein technisches Detail, siesind ein zentraler Basisbaustein fürjedes vernetzte Datenökosystem.Ohne eine zukunftsfähige Datenarchitekturbleibt jedes Digitalisierungs-oder KI-Projekt auf Sandgebaut. Doch nicht jede Technologieeignet sich für die neue industrielleRealität. Relationale Datenbanken,starre BI-Systeme oder klassischeWerkzeuge wie Excel-Tabellen stoßenschnell an ihre Grenzen, besonderswenn es darum geht, komplexeZusammenhänge flexibel und dynamischabzubilden.VernetzungGraphdatenbankenals FundamentGraphdatenbanken sind spezielldarauf ausgelegt, große Mengenvernetzter Daten effizient zu speichernund abzufragen. Im Gegensatzzu relationalen Datenbanken,die Informationen in Tabellen undSpalten organisieren, basierenGraph datenbanken auf einem flexiblenModell aus Knoten und Kanten.Dieses Modell ist intuitiv: Mankann es sich vorstellen wie eineMindmap, die an ein Whiteboardgezeichnet wurde – mit Kreisen(Knoten) für Objekte und Linien(Kanten) für deren Beziehungen.Übertragen lässt sich dieses intuitiveDatenmodell auf unterschiedlichste,miteinander vernetzte Datensätze.In der Supply Chain bildetein Graph beispielsweise sämtlicheZulieferer, Partner und Transportstationentransparent ab und macht sienachvollziehbar. Produktionsprozesselassen sich in voller Längeund einschließlich aller Abhängigkeitendarstellen. Auch ein Endproduktlässt sich im Graphmodell inseine Komponenten und Subkomponentenzerlegen und analysieren.Datenkompetenzin der FertigungspraxisDie Vorteile vernetzter Datenweltenzeigen sich besonders deutlichin konkreten industriellen Anwendungsfeldern– die folgenden Beispielegeben einen ersten Einblick:• Produktmanagement:Überblick im LebenszyklusKomplexe Produkte durchlaufenoft lange und vielschichtige Lebenszyklen.Heute vorgenommene Entwicklungenkönnen sich Jahre späterauf Prozesse auswirken, zum Beispieldas Sourcing erschweren, dieKosten in der Fertigung nach obentreiben oder erneut regulatorischeFreigabeschlaufen erfordern. Umsowichtiger ist es, alle relevanten Datenüber den gesamten Produktlebenszyklushinweg verfügbar, nachvollziehbarund vernetzt zu halten.22 PC & Industrie 8/2025
DigitalisierungBild 2: Datenmodell im Graph: ein Netzwerk aus Knoten und Kanten © Neo4Die RealitätIn der Realität liegen Entwicklungs-,Produktions- und Analysedatenoft in Hunderten von Einzelsystemenvor – unverbunden, inkonsistentund schwer zugänglich. Stattdurchgängiger Produktinformationenherrscht oft ein Flickenteppich ausSchnittstellen, die teuer in der Wartungsind und kaum skalieren. Einzukunftsfähiger Ansatz liegt in derEinführung sogenannter Product360-Lösungen: Ein vollständiges,dynamisches Abbild aller relevantenProduktinformationen, von der Konstruktionüber die Auslieferung bishin zum Aftermarket Service.Product 360-LösungenGraphdatenbanken bilden dafürdie ideale Grundlage. Statt manuellDatenpunkte zusammenzutragen,entstehen durch Graphen automatisierteDatenlandkarten, die wie einneuronales Netz durch das Unternehmenführen. Der Zugriff auf Detailinformationenin Legacy-Systemenerfolgt gezielt über graphbasierteVerbindungen. Damit werden Produktdatennicht nur transparenter,sondern auch strategisch für daslangfristig ausgelegte Produktmanagementnutzbar.• WorkflowmanagementIn der Fertigung durchlaufen Aufträgeunterschiedliche Prozesse undWerke. Gerade bei High-Tech Produkten(z. B. Medizintechnik, Maschinenbau)führt das zu einer Vielzahlmanueller Entscheidungen, spontanerUmwege und uneinheitlicherRoutinen. Die wachsende Zahl anIT-Systemen erschwert die Übersicht.Statusinformationen von Aufträgenlassen sich oft nur schwerermitteln, weil zentrale Prozesseaußerhalb standardisierter IT-Strukturenstattfinden. Ohne durchgängigeSicht auf die Fertigungsabläufefällt es schwer, gezielt zu steuernoder fundierte Auskunft zu geben.Workflows sind letztlich Netzeaus Entscheidungen, Pfaden undBedingungen – und lassen sichals solche hervorragend als KnowledgeGraph modellieren. Kundenpräferenzen,Produktanforderungenund verfügbare Ressourcen lassensich dynamisch und in Echtzeit zuverknüpfen.Workflow-EnginesIn der Praxis übernehmen sogenannteWorkflow-Engines dieseAufgabe. Sie funktionieren ähnlichwie Recommendation Engines:Statt einer Kaufempfehlung, schlagensie die optimale Prozessroutevor – individuell zugeschnitten aufden Auftrag. Das Ergebnis: Wenigermanuelle Eingriffe, mehr Konsistenz,höhere Qualität und eine besserePlanbarkeit in der Fertigung.• Qualitätsmanagement:Vernetzte TestdatenIn der Praxis sind Testdaten oftüber viele Teams und Tools hinwegverstreut, inkonsistent undschwer zugänglich. Ein entscheidenderSchritt liegt in der Standardisierungund Vernetzung dieserInformationen. Indem Unternehmenihre Test- und Messdaten entlangeines einheitlichen semantischenModells strukturieren – etwa mithilfevon Knowledge Graphen – entstehtein gemeinsames Verständnisüber Fachbereiche hinweg. Messgrößen,Testtypen und Rahmenbedingungenwerden zentral definiert,was die Zusammenarbeit vereinfachtund eine domänenübergreifendeAuswertung ermöglicht.Skalierbarkeit,Verfügbarkeit, SemantikGraphdatenbanken verfügen überdie nötige Skalierbarkeit, Verfügbarkeitund semantische Tiefe. Sie verknüpfenTestdaten mit Produktinformationen,Konstruktionserkenntnissenund Messwerten – und schaffenso ein unternehmensweites Wissensnetz.Dieses kann nicht nuraktuelle Produktentscheidungenunterstützen, sondern bildet auchdie Grundlage für zukünftige Entwicklungen,Simulationen und KIgestützteAuswertungen. Das ermöglichteine schnellere Validierung,konsistente Testdaten undkürzere Entwicklungszyklen.• Compliance Management:RegulatorischeAnforderun genautomatisierenUN-Regelung 156 für Over-the-Air-Updates im Fahrzeugbereich,die EU-NIS-2-Richtlinie für Cybersicherheit,der EU AI Act oder dieMedical Device Regulation (MDR)– die regulatorischen Anforderungenfür Hersteller steigen kontinuierlich.Die Messlatte in Bezug aufNachvollziehbarkeit, Sicherheit undGovernance der Produkte liegt hoch.Herkömmliche relationale Datenbankentun sich schwer, dynamischeZusammenhänge zwischenSoftwareversionen, Sicherheitsmaßnahmen,Tests und Zertifizierungentransparent und flexibelabzubilden. Graphdatenbanken bieteneinen zukunftsfähigen Ausweg.Sie ermöglichen es, regulatorischrelevante Informationen – etwa zuUpdates, Testszenarien, Sicherheitsfreigabenoder Produktänderungen– strukturiert, vernetzt undin Echtzeit bereitzustellen.Durch automatisiertes Reporting,flexible API-Schnittstellen und eineskalierbare, auditierbare Datenbasislassen sich sowohl branchenspezifischeAnforderungen als auchübergreifende Regelwerke effektivabdecken. Dadurch gewinnen Unternehmennicht nur Rechtssicherheit,sondern auch Zeit und Freiraum fürstrategische Entwicklung und Produktinnovation.Business Resilienceund KI-ReadinessDie Zukunft der Fertigung gehörtjenen, die ihre Daten nicht nur sammeln,sondern intelligent vernetzenund strategisch nutzen. Zwei Konzeptesind dabei zentral: BusinessResilience und KI Readiness. UnternehmerischeWiderstandsfähigkeitentsteht, wenn Unternehmen aufBasis vernetzter, aktueller Datenschneller Entscheidungen treffenund sich flexibler auf veränderteBedingungen anpassen können.Die so ausgerichtete Datenarchitekturerlaubt den effektiven Einsatzvon KI-Anwendungen nichtnur im hier und jetzt, sondern sorgtauch dafür, dass zukünftige Technologiennahtlos und wirkungsvollaufsetzen können.Wer schreibt:Heiko Schönfelder ist Head OfSales DACH bei Neo4j. Mit seinemTeam unterstützt er Kunden dabeiDatenbank-Lösungen zu ersetzenbzw. zu erweitern, Kosten einzusparenund mit der GraphdatenbankNeo4j echten Mehrwert ausDaten zu gewinnen. Er ist seit über15 Jahren in der IT-Branche unterwegsund hat in verschiedenenSales Positionen in Unternehmenwie Elastic, Tibco, Jaspersoft undLiferay detailliertes Fachwissen imBereich Open Source und NoSQLaufgebaut. ◄PC & Industrie 8/2025 23
