Data Scientist für die Luft­fahrt von Morgen

Nichts geht im Trieb­werks­ge­schäft über Bau­teil­qua­li­tät. Bei ei­ner Blisk zum Bei­spiel, ei­nem in­te­gral aus Schei­be und Schau­feln ge­fer­tig­ten Hoch­tech­no­lo­gie-Bau­teil, kann schon das Hun­derts­tel ei­nes Mil­li­me­ters ent­schei­dend sein. Im schlimms­ten Fall bleibt vom ge­sam­ten Bau­teil nur noch der Ma­te­ri­al­wert üb­rig. Wirk­lich si­cher sind sich die Fer­ti­gungs­in­ge­nieu­re bis­lang erst, wenn die Blisk aus der Schluss­kon­trol­le kommt, wenn der stun­den­lan­ge Span­pro­zess schon lan­ge zu En­de ist.

Was, wenn sich kri­ti­sche Ab­wei­chun­gen schon viel frü­her de­tek­tie­ren lie­ßen? Zum Bei­spiel, um noch wäh­rend des Fer­ti­gungs­pro­zes­ses auf ei­ne sich ab­zeich­nen­de To­le­ranz­ab­wei­chung re­agie­ren zu kön­nen. Ei­ne auf­wen­di­ge und kost­spie­li­ge Nach­ar­beit wä­re wohl ver­hin­dert.

Da­ten, die Fer­ti­gungs­ma­schi­nen wäh­rend ih­rer Ar­beit er­stel­len, ab­ru­fen oder ver­ar­bei­ten, könn­ten für die Lö­sung ent­schei­dend sein. Doch die In­for­ma­ti­ons­men­ge ist enorm. Um sie nut­zen zu kön­nen, braucht es je­man­den, der Re­le­van­tes von Ir­re­le­van­tem trennt. Der aus­wer­tet, ent­schlüs­selt, ver­knüpft.

So je­mand ist für die Blisk-Fer­ti­gung der MTU Ae­ro En­gi­nes Dr. Oli­ver Ar­nold. Vor et­wa ei­nem Jahr war der heu­te 34-jäh­ri­ge Phy­si­ker und Da­ten­wis­sen­schaft­ler vom CERN, der Eu­ro­päi­schen Or­ga­ni­sa­ti­on für Kern­for­schung, nach Mün­chen ge­wech­selt. Im Kan­ton Genf hat­te er an Hoch­en­er­gie­ex­pe­ri­men­ten in der phy­si­ka­li­schen Grund­la­gen­for­schung mit­ge­ar­bei­tet. Bei der MTU will er Al­go­rith­men schaf­fen, die wert­vol­le Da­ten über das ex­trem kom­ple­xe Blisk-Fer­ti­gungs­ver­fah­ren bün­delt.

„Ver­ein­facht ge­sagt: Wir schau­en uns Ma­schi­nen­da­ten an, die bei ei­ner Blisk-Zer­spa­nung an­fal­len“, er­klärt Ar­nold. „In ih­nen ver­su­chen wir Mus­ter und Ab­hän­gig­kei­ten zu er­ken­nen, die sich wo­mög­lich erst Fer­ti­gungs­schrit­te spä­ter ne­ga­tiv in der Bau­teil­qua­li­tät nie­der­schla­gen.“ Mit be­last­bar ex­tra­hier­ten Trends wür­den den Fer­ti­gungs­in­ge­nieu­ren fun­dier­te Ent­schei­dungs­grund­la­gen zur Ver­fü­gung ge­stellt. Um frü­her zu re­agie­ren, um Pro­zes­se zu ver­bes­sern und um Kos­ten zu spa­ren.

Das Ziel klingt leich­ter, als der Weg dort­hin in Wirk­lich­keit ist. Wie ge­lingt es, aus den un­zäh­li­gen Ma­schi­nen­da­ten die tat­säch­lich re­le­van­ten In­for­ma­tio­nen zu ex­tra­hie­ren? In wel­cher Fre­quenz wer­den sie pas­sen­der­wei­se ab­ge­grif­fen? Wel­che Da­ten­gü­te ist für wel­che Kau­sa­li­tä­ten nö­tig? Und wel­che zu­sätz­li­che Sen­so­rik könn­te da­zu in Zu­kunft ein­mal drin­gend nö­tig wer­den – und soll­te des­halb schon jetzt ins Las­ten­heft der zur Be­schaf­fung an­ste­hen­den neu­en Ma­schi­nen auf­ge­nom­men wer­den? „Wir sind noch re­la­tiv am An­fang“, sagt Ar­nold. „Aber wir tas­ten uns Schritt für Schritt an die Ant­wor­ten her­an.“

Die Ent­wick­lung die­ses kom­plett da­ten­ge­trie­be­nen Pro­zess­ver­ständ­nis­ses ist noch ei­ne sehr jun­ge Wis­sen­schaft. Die Tech­ni­sche Uni­ver­si­tät Mün­chen (TUM) war et­wa ei­ne der ers­ten Uni­ver­si­tä­ten über­haupt, die im Jahr 2015 ei­nen Mas­ter­stu­di­en­gang in Da­ta Sci­ence ge­star­tet hat. Vier Jah­re spä­ter schon ist das Be­rufs­feld aus kei­ner High­tech-In­dus­trie mehr weg­zu­den­ken.

„Das Span­nen­de ist für mich ganz klar der in­ter­dis­zi­pli­nä­re An­satz“, sagt Ar­nold. „Ich al­lein kann oh­ne die Kol­le­gen aus der Fer­ti­gung die Da­ten nicht ver­ste­hen. Die Kol­le­gen aus der Fer­ti­gung brin­gen das Pro­zess­wis­sen mit. Wir über­füh­ren es – zu­sam­men mit den Da­ten – in ein Mo­dell.“ Wenn man so will, ist Ar­nold ein Dol­met­scher: An der Schnitt­stel­le zwi­schen In­for­ma­ti­ons­tech­no­lo­gie und Fer­ti­gungs­stra­te­gie un­ter­stützt er durch sei­ne Ana­ly­sen die Ent­schei­dungs­fin­dung.