Hall of Cool Systems baut modulare Plattformen für digitale Innovation – von der Sensor-Edge bis zur API-gesteuerten Automatisierung.
Jede Funktion ist auf konkrete Arbeitsabläufe in der digitalen Produktion und IoT-Infrastruktur zugeschnitten.
Sensordaten aus mehreren Quellen werden in einer einheitlichen Laufzeitumgebung zusammengeführt und normalisiert. Die Verarbeitung erfolgt direkt an der Edge, ohne Umweg über eine zentrale Cloud.
Latenz unter 5 ms bei 200+ Datenpunkten pro Sekunde
Zustandsautomaten und regelbasierte Trigger lassen sich über eine grafische Oberfläche definieren. Jeder Schritt protokolliert Metriken und kann an externe APIs angebunden werden.
Reduzierung manueller Eingriffe um 70 % in Pilotprojekten
Ein zentrales Gateway verwaltet alle Schnittstellen zwischen Maschinen, Steuerungen und Analyse-Dashboards. Authentifizierung erfolgt über OAuth 2.0, Limits werden pro Mandant konfiguriert.
Bis zu 12.000 Requests pro Minute stabil bedient
Aus historischen Sensordaten wird ein parametrisches Modell der Fertigungslinie erstellt. Das Modell simuliert Verschleiß und schlägt Wartungsfenster vor, bevor Stillstände auftreten.
Vorhersagegenauigkeit von 92 % bei Rotationsmaschinen
Jeder Baustein liefert messbare Ergebnisse – von der ersten Integration bis zum produktiven Betrieb.
Ein Edge-Knoten benötigt eine stabile Anbindung an die Maschinensteuerung über OPC UA oder MQTT, einen lokalen Speicher für Sensordaten und eine Recheneinheit, die KI-Modelle in Echtzeit ausführen kann. Die Latenz zur Cloud sollte unter 10 ms liegen, sonst verfehlt das System den Zweck.
RESTful eignet sich für standardisierte CRUD-Operationen mit festen Endpunkten, während GraphQL flexiblere Abfragen erlaubt und die Datenmenge reduziert. In der Praxis setzen wir bei Hall of Cool Systems auf REST für öffentliche APIs und GraphQL für interne Dashboards, die viele verschiedene Datenquellen kombinieren.
Der Zwilling arbeitet zuverlässig, wenn die Sensordaten eine Auflösung von mindestens 100 Hz haben und historische Aufzeichnungen über mindestens sechs Monate vorliegen. Fehlerhafte oder lückenhafte Daten führen zu falschen Verschleißprognosen. Eine Plausibilitätsprüfung vor der Modellierung ist daher unverzichtbar.
Ja, mit einem schrittweisen Rollout: Zuerst wird ein Edge-Gateway parallel zur bestehenden Steuerung installiert, dann werden Sensordaten im Read-Only-Modus erfasst. Erst nach einer Testphase von zwei Wochen wird die aktive Regelung übernommen. So bleibt die Linie während der Integration vollständig lauffähig.
Jeder Endpunkt benötigt eine Authentifizierung per OAuth 2.0 oder API-Key, dazu ein Rate-Limiting von maximal 1000 Requests pro Minute und eine Verschlüsselung nach TLS 1.3. Die API-Dokumentation sollte sensible Endpunkte wie Firmware-Updates nur nach Rollenfreigabe anzeigen.
Die Pilotphase umfasst vier bis sechs Wochen für die Datenaufbereitung und Modellerstellung. Danach folgt eine zweimonatige Validierungsphase, in der die Prognosen mit realen Ausfällen abgeglichen werden. Nach erfolgreichem Test wird der Zwilling in den Regelbetrieb übernommen – insgesamt etwa drei Monate.