Datensicherheit Projekt Minerva soll sensible Maschinendaten schützen helfen

Anbieter zum Thema

Fraunhofer AISEC - Fraunhofer- Einrichtung für Angewandte und Integrierte Sicherheit

MPDV Mikrolab GmbH

item Industrietechnik Schweiz GmbH

Im Rahmen des Forschungsprojekts Minerva soll die kollaborative Verwertung von Maschinendaten mithilfe von Privacy Enhancing Technologies sicher werden. Hier mehr dazu ...

Fortschreitende Digitalisierung und Vernetzung führen dazu, dass immer mehr Daten in der Werkzeugmaschinenbranche anfallen. Um ihr Potenzial für datengetriebene Innovationen zu nutzen, müssen sie aber unternehmensübergreifend aggregiert und ausgewertet werden. Das Fraunhofer-Institut für Angewandte und Integrierte Sicherheit AISEC (Verbundkoordinator) entwickelt im Forschungsprojekt „Sichere kollaborative Verwertung von Werkzeugmaschinendaten mithilfe von Privacy Enhancing Technologies“ (kurz: Minerva) nebst Partnern Möglichkeiten für eine Dateninfrastruktur, die mit Tools aus dem Datenschutz die Sicherheit sensibler Maschinendaten gewährleistet. Zum Forschungsverbund gehören das Institut für Werkzeugmaschinen und Betriebswissenschaften (iwb) der Technischen Universität München, die Hufschmied Zerspanungssysteme GmbH und die Siemens AG, wie man weiter erfährt.

Keine Angst vor Datenverlust aus der Produktion

Der Weg der modernen Produktion in Richtung Industrie 4.0 biete der Werkzeugmaschinenbranche die Chance auf Innovationssprünge. So könnten die Betreiber von Dateninfrastrukturen kollaborativ trainierte „Machine Learning“-Anwendungen (ML) anbieten, mit denen einerseits die Zerspanungspraktiker die Effizienz und Effektivität ihrer Produktionsanlagen durch vorausschauende Zustandsüberwachung verbessern und andererseits die Maschinenhersteller Optimierungspotenziale in ihren Produkte systematisch identifizieren können. Dem im Weg steht aber oft die Sorge, mit der Bereitstellung von Daten geistiges Eigentum (Intellectual Property) abfliessen sehen zu müssen und damit Wettbewerbsnachteile zu erleiden. Deshalb findet bisher kaum Datenaustausch zwischen den Unternehmen statt, was aber die Voraussetzung für datengetriebene Innovationen ist.

Die Ergebnisse aus dem Projekt Minerva sollen diese Ängste weitgehend eliminieren, heisst es. Mittels anonymisierter Daten trainieren die Partner geeignete „Machine Learning“-Modelle für die vorausschauende Zustandsüberwachung von Werkzeugmaschinen, die dann auch ohne die Preisgabe sensibler Daten funktionieren sollen. Es soll dabei sogar eine zusätzliche Sicherheitsstufe implementiert werden.

Möglichkeiten, Datenmissbrauch zu verhindern

Würden in der Cloud „Machine Learning“-Algorithmen mit betreiberübergreifenden Daten trainiert, könne etwa nachvollzogen werden, was für ein Werkstück gefertigt wurde (Produktgeometrie), wie die Werkzeugmaschine ausgelastet war, wie viel Energie bei der Fertigung verbraucht und in welcher Geschwindigkeit gefertigt wurde. Das sind aus Anwendersicht sehr sensible Informationen, für deren Schutz Minerva die passenden Lösungen aus der Taufe heben soll. Ausser Differential Privacy gehören auch Trusted Execution Environments dazu, einen geschützten, attestierten Bereichs in der Cloud zu schaffen, oder das Federated Learning, bei dem nicht die Daten selbst, sondern lediglich die bereits in der Edge trainierten ML-Modelle in die Cloud wandern.

Im Übrigen wird das Projekt vom Bundesministerium für Bildung und Forschung BMBF im Rahmen der Bekanntmachung „IoT-Sicherheit in Smart Home, Produktion und sensiblen Infrastrukturen“ gefördert. Das Projektvolumen beträgt 2,47 Millionen Euro, wovon 70 Prozent durch das BMBF getragen werden. Die Laufzeit ist von Mai 2023 bis April 2026.

Dieser Beitrag wurde zuerst auf unserem Partnerportal maschinenmarkt.vogel.de veröffentlicht.

(ID:49623615)