Engineering-Informationen: Die fehlende Grundlage der digitalen Transformation

Mit zunehmender Projektgröße stößt dieser dokumentenzentrierte Ansatz an seine Grenzen. Engineering-Teams verbringen viel Zeit mit der Abstimmung von Informationen statt mit Engineering. Änderungen werden nur verzögert übernommen, es entstehen Inkonsistenzen und wertvolles Wissen geht beim Übergang in den Anlagenbetrieb verloren.

Und das hat seinen Preis! Der Engineering-Aufwand ist hoch und auch der Änderungsbedarf in der Bauphase bleibt erheblich. Zudem stehen in der Betriebsphase für Instandhaltung, Revamps und Management of Change häufig kaum nutzbare Daten aus dem Engineering zur Verfügung.

Die eigentliche Herausforderung besteht deshalb nicht darin, weitere Engineering-Werkzeuge einzuführen. Die Herausforderung besteht darin, Engineering-Informationen über den gesamten Lebenszyklus hinweg konsistent verfügbar zu machen.

Die Frage ist: Wie lässt sich Engineering-Information konsistent halten, wenn zahlreiche Disziplinen und Softwaresysteme an demselben Projekt arbeiten? Die Antwort ist kein weiteres Engineering-Werkzeug, sondern ein gemeinsames Informationsmodell. Hier leistet DEXPI 2.0 einen wichtigen Beitrag. Ursprünglich als Austauschstandard für intelligente R&I-Fließschemata entwickelt, hat sich DEXPI zu einem umfassenden Prozess- und Anlageninformationsmodell für die frühen Engineering-Phasen entwickelt. Anstatt sich allein auf den Dokumentenaustausch zu konzentrieren, liefert DEXPI 2.0 eine standardisierte Darstellung von Engineering-Informationen, die die Verfahrenstechnik und die Basis-Anlagenplanung umspannt. Dabei erfasst das Modell nicht nur die Topologie eines Prozesses, sondern auch die dahinterliegende Engineering-Semantik: Prozessfunktionen, Ausrüstungsobjekte, Rohrleitungssysteme, Instrumentierung und ihre Beziehungen werden Teil einer konsistenten digitalen Informationsstruktur, die von verschiedenen Ingenieursanwendungen interpretiert werden kann.

Damit verschiebt sich der Fokus grundlegend: Nicht die Engineering-Software wird standardisiert, sondern die Engineering-Informationen. Engineering-Informationen wachsen dabei kontinuierlich mit dem Lebenszyklus. Von der Prozessentwicklung über das Basic- und Detail-Engineering bis hin zur Inbetriebnahme, dem Betrieb und den Revamps ergänzen alle Beteiligten dieselben Engineering-Objekte. Eine Pumpe beispielsweise entwickelt sich von der Prozessanforderung über die Spezifikation bis hin zum installierten Asset mit eigener Betriebshistorie. Es entstehen keine neuen Objekte, sondern lediglich neue Informationen über dasselbe Objekt.

Kein einzelnes Informationsmodell kann jeden Aspekt einer Prozessanlage über ihren gesamten Lebenszyklus hinweg beschreiben. Verfahrenstechnik, detaillierte Ausrüstungsspezifikationen, dreidimensionale Anlagenmodelle, Beschaffung, Betrieb und Instandhaltung benötigen zu unterschiedlichen Zeitpunkten unterschiedliche Informationen. Die Herausforderung besteht daher nicht darin, einen universellen Standard zu schaffen, sondern dafür zu sorgen, dass verschiedene Informationsmodelle nahtlos zusammenwirken. Genau in diese Richtung bewegt sich die Branche derzeit.

DEXPI 2.0 liefert das standardisierte Prozess- und Anlageninformationsmodell für die frühen Engineering-Phasen und beschreibt Prozessfunktionen, Engineering-Objekte und Anlagentopologie vom konzeptionellen Entwurf bis ins Basic Engineering. Mit dem Projektfortschritt steuern weitere Standards ergänzende Informationen bei. CFIHOS definiert strukturierte Informationsanforderungen für die Projektübergabe und den Betrieb, während FL3DMS die Verwaltung dreidimensionaler Engineering-Informationen über den gesamten Lebenszyklus einer Anlage hinweg adressiert. Internationale semantische Standards wie ISO 15926 und die entstehende Industrial Data Ontology (ISO 23726) etablieren gemeinsame Konzepte und Beziehungen, sodass Informationen über Softwareplattformen und über Jahrzehnte des Anlagenbetriebs hinweg interpretierbar bleiben. Anstatt miteinander zu konkurrieren, ergänzen sich diese Initiativen zunehmend.

Die vielleicht bedeutendste Entwicklung ist, dass sie sich nicht länger unabhängig voneinander weiterentwickeln. Elf Branchenverbände, Normungsorganisationen und Anwendergruppen stimmen ihre Informationsmodelle inzwischen gemeinsam über die Best-Practice-Initiative „Asset Lifecycle Information Management” (ALIM) ab. Ihr gemeinsames Ziel ist es, die Definitionen für Prozessfunktionen, Engineering-Objekte, Ausrüstungsklassen, Tags und semantische Beziehungen über den gesamten Anlagenlebenszyklus hinweg zu harmonisieren. Diese Zusammenarbeit markiert einen wichtigen Wandel: Während sich Engineering-Interoperabilität viele Jahre lang vor allem auf den Austausch von Dateien zwischen Softwaresystemen konzentrierte, rückt heute das Teilen eines gemeinsamen Verständnisses von Engineering-Informationen in den Vordergrund. Wenn Engineering-Objekte dieselbe Bedeutung haben, unabhängig davon, mit welcher Software sie erzeugt wurden, muss Information nicht jedes Mal übersetzt werden, wenn sie eine organisatorische oder technische Grenze überschreitet. Für Betreiber, EPC-Auftragnehmer und Technologielieferanten verringert sich dadurch der Integrationsaufwand, die Datenqualität verbessert sich und es entsteht eine weitaus robustere Grundlage für das Lifecycle-Informationsmanagement.

Mit dem Aufkommen künstlicher Intelligenz gewinnt diese Entwicklung zusätzliche Bedeutung. KI kann nur so gut arbeiten, wie die Informationen, auf denen sie basiert, es zulassen. Große Sprachmodelle wie ChatGPT nutzen strukturierte semantische Beziehungen zwischen Begriffen. Genauso benötigt industrielle KI strukturierte semantische Beziehungen zwischen Prozessfunktionen, Ausrüstungen, Rohrleitungen, Instrumentierung und Anlagenobjekten. Ohne diese Grundlage kann KI zwar Dokumente durchsuchen, aber sie versteht keine Engineering-Zusammenhänge.

Lifecycle-Informationsmanagement schafft somit nicht nur effizientere Engineering-Prozesse. Es bildet auch die Informationsbasis für KI-gestützte Design-Reviews, Engineering-Copiloten, digitale Zwillinge und datengetriebenes Asset-Management.

Die Prozessindustrie hat in den vergangenen Jahrzehnten ihre Engineering-Werkzeuge digitalisiert. Die nächste Entwicklungsstufe richtet sich nun auf die Engineering-Informationen selbst. Organisationen, die heute integrierte Lifecycle-Informationsmodelle etablieren, verbessern somit ihre Engineering-Prozesse. Sie schaffen auch die gemeinsame Informationsbasis für KI, digitale Zwillinge und die durchgängige Nutzung von Engineering-Wissen über den gesamten Lebenszyklus einer Anlage. 

Der eigentliche Wettbewerbsvorteil der kommenden Jahre wird deshalb nicht allein in besseren Softwarewerkzeugen liegen, sondern in der Fähigkeit, Engineering-Informationen konsistent, wiederverwendbar und systemübergreifend nutzbar zu machen.