champI4.0ns AWARD 2024

Der champI4.0ns AWARD 2024 feierte am 13. November 2024 im Rahmen des Global Data Spaces Connect (GDSC) in Wien seine Premiere und setzte neue Maßstäbe in der Würdigung von Innovation und Datenintelligenz.

Neun herausragende Nominierte stellten ihre Use Cases vor, die eindrucksvoll die Bandbreite und das Potenzial von Datenökosystemen, nachhaltigen Technologien und industrieller Datenintelligenz demonstrierten. Jedes Projekt zeigte auf einzigartige Weise, wie durch die intelligente Nutzung von Daten Industrie und Gesellschaft profitieren können.

Vor einem internationalen Publikum präsentierten die Nominierten ihre visionären Ideen in inspirierenden Elevator Pitches. Die Preisverleihung wurde durch die charmante Moderation von Daniel Bachlechner (Fraunhofer Austria) und Martin Benfer (KIT) zu einem spannenden Höhepunkt des Tages. Die hochkarätigen Präsentationen und die Bekanntgabe der Gewinner machten den AWARD zu einem besonderen Erlebnis für alle Beteiligten.

Dieser Abend war nicht nur eine Feier der Innovation, sondern auch ein Blick in die Zukunft, wie Daten die Welt nachhaltig verändern können.

Die Gewinner des champI4.0ns AWARD 2024

1. Platz: DatenBerg GmbH 

Mit dem Use Case GummiMAPS – ein KI-gestützter Ansatz, der die Integration von Rezyklaten in der Gummiherstellung erleichtert. Durch die dynamische Anpassung von Produktionsparametern ermöglicht GummiMAPS eine kostengünstigere und umweltfreundlichere Produktion. DatenBerg kombiniert maschinelles Lernen und große Sprachmodelle, um eine Plattform bereitzustellen, die in Echtzeit optimale Rezepturanpassungen für die Verwendung von Rezyklaten berechnet. Das senkt Produktionskosten und maximiert die Nutzung recycelter Rohstoffe.

DatenBerg auf Platz 1 beim champI4.0ns AWARD 2024
Maximilian Backenstos von DatenBerg GmbH und den champI4.0ns-Projektleads Martin Benfer (Links) und Daniel Bachlechner (Rechts)

2. Platz: Xplain Data GmbH 

Mit dem Use Case PCB-Produktionsoptimierung mit Causal AI – Am Siemens Innovationszentrum Erlangen konnte Xplain Data mithilfe ihrer innovativen Causal AI-Methoden die Fehlerrate in der Leiterplattenproduktion signifikant senken. Durch das umfassende ObjectAnalytics-Datenmodell werden die Produktionsdaten über alle Prozessschritte hinweg integriert und kausale Zusammenhänge systematisch analysiert.

Maximilian Backenstos von DatenBerg GmbH und den Projektleads Martin Benfer (Links) und Daniel Bachlechner (Rechts)
CEO Dr. Michael Haft von Xplain Data GmbH und den champI4.0ns-Projektleads Martin Benfer (Links) und Daniel Bachlechner (Rechts)

3. Platz: meshmakers.io GmbH

Mit dem Use Case octomesh Industrie Cockpit Platform – Die SaaS-Lösung octomesh verbessert das Datenmanagement in OT-Netzwerken grundlegend, indem sie eine effiziente Datenstrukturierung und -verteilung ermöglicht und dabei verschiedene semantische Standards unterstützt. Die Plattform schafft es, Daten aus unterschiedlichen Quellen in standardisierte Formate wie die Asset Administration Shell zu überführen und so die Datenqualität zu verbessern und die Interoperabilität zwischen Systemen zu gewährleisten.

Maximilian Backenstos von DatenBerg GmbH und den Projektleads Martin Benfer (Links) und Daniel Bachlechner (Rechts)
Co-Founder Reinhard Mayr von meshmakers.io GmbH und den champI4.0ns-Projektleads Martin Benfer (Links) und Daniel Bachlechner (Rechts)

Alle Use Cases auf einen Blick

Lernen Sie die eingereichten Use Cases kennen

Near Real Time Bark Beetle Monitoring – Das internationale Team von Borky erweitert das klassische Borkenkäfer-Monitoring durch ein digitales Add-On, das die Pheromonfallen mit Sensoren ausstattet.

Diese Digitalisierung ermöglicht eine fast sofortige Datenerfassung, sodass statt einer wöchentlichen Verzögerung eine Prognose in Echtzeit erstellt werden kann. Der Use Case „Near Real Time Bark Beetle Monitoring“ optimiert die Schädlingsbekämpfung und unterstützt die gesamte Wertschöpfungskette – von Forstbetrieben bis zur Holzindustrie – in der Planung und Logistik. Im Moment wird das Konzept mit über 70 Einheiten auf rund 50.000 Hektar erprobt und soll bis 2025 österreichweit ausgeweitet werden.

Im Kooperationsprojekt von FunderMax GmbH und der TU Wien wird die Effizienz in der Holzwerkstofffertigung mit digitalen Technologien auf ein neues Niveau gehoben. Mit dem Use Case „Digitaler Zwilling einer Kurztaktpresse“ verfolgt das Unternehmen einen innovativen Ansatz zur Ressourcen- und Energieeinsparung. Durch ein experimentell validiertes „Gray-Box-Modell“ wird der thermische Zustand der Presse vorhergesagt, sodass Prozessparameter in Echtzeit optimiert werden können. Diese bidirektionale digitale Zwillingsplattform ermöglicht es, Materialeigenschaften live zu überwachen und ideal anzupassen, was zu präziseren Ergebnissen und geringeren Ausschussquoten führt.

Kastamonu Entegre gehört zu den führenden Unternehmen der Holzwerkstoffindustrie und hat sich mit ihrem Use Case „Optimizing Wood-based Panel Manufacturing Processes“ eine Nominierung für den champI4.0ns AWARD 2024 verdient. Mit der Einführung des ProdIQ Smartpress Systems, einer KI-gestützten Lösung, strebt Kastamonu Entegre nach einer umfassenden Automatisierung und Qualitätssteigerung der Produktionsprozesse. ProdIQ nutzt Daten aus verschiedenen Quellen wie Produktions-, Material- und Labordaten, um den Produktionsprozess autonom zu optimieren, Fehler zu minimieren und die Ressourcennutzung zu verbessern. Diese bahnbrechende Technologie reduziert den Materialverbrauch und fördert die Nachhaltigkeit, während sie den Produktionsfluss stabilisiert und die Produktqualität sicherstellt.

Mit ihrem innovativen Projekt GummiMAPS gehört DatenBerg zu den neun Nominierten für den champI4.0ns AWARD 2024. Der Use Case „KI-gestützte Rezyklatintegration für die nachhaltige Gummiherstellung“ bietet der Gummiindustrie eine 

Durch Echtzeit-Datenanalysen zur Lagerbestandsprognose und Verbrauchserfassung optimiert LAPP nicht nur die Planung der Bestände, sondern senkt auch die Logistikkosten und den CO2-Fußabdruck. Die LAPP-eigenen Produktions- und Lagerprozesse profitieren direkt von den Verbrauchsdaten der Kunden und tragen so zur Effizienzsteigerung und Nachhaltigkeit bei.

Als innovativer Anbieter von datengetriebenen Lösungen für industrielle Anwendungen bewirbt sich die meshmakers GmbH mit ihrem Use Case „octomesh Industrie Cockpit Plattform“. Die SaaS-Lösung octomesh verbessert das Datenmanagement in OT-Netzwerken grundlegend, indem sie eine effiziente Datenstrukturierung und -verteilung ermöglicht und dabei verschiedene semantische Standards unterstützt. Die Plattform schafft es, Daten aus unterschiedlichen Quellen in standardisierte Formate wie die Asset Administration Shell zu überführen und so die Datenqualität zu verbessern und die Interoperabilität zwischen Systemen zu gewährleisten. Mit einem klaren Fokus auf Skalierbarkeit und Flexibilität bietet octomesh besonders kleinen und mittleren Unternehmen den Einstieg in die digitale Transformation und erleichtert die Implementierung von Data Mesh-Architekturen im industriellen Umfeld.

Die Shiga GmbH ist für ihre Feuchtemonitoring-Technologie „Monitorix“ im Rahmen des champI4.0ns AWARD 2024 nominiert. Monitorix wurde speziell für den Einsatz im Bauwesen entwickelt und bietet eine innovative Möglichkeit, Feuchtigkeitswerte in Holz- und Mineralbaustoffen zuverlässig zu überwachen. Die Lösung kombiniert verschiedene Sensoren zur Messung der Luftfeuchtigkeit, Temperatur und Kernfeuchte und kann sowohl auf Baustellen als auch in Produktionswerken direkt in Module integriert werden. Die smarte Sensorik und KI-basierte Auswertung machen Monitorix zu einem effizienten Schutzsystem gegen kostspielige Wasserschäden, wie sie jährlich in Millionenhöhe auftreten. Besonders wertvoll ist die Zusammenarbeit mit Versicherungspartnern wie Zürich, die Rabatte auf die Versicherungsprämien für Bauwerke mit Monitorix-Schutz gewähren.

Die J. Wagner GmbH zählt zu den führenden Anbieter:innen von Oberflächentechnik und Beschichtungslösungen und tritt mit ihrer IoT-Plattform COATIFY an. Mit COATIFY bietet Wagner ein leistungsstarkes Tool zur Erfassung und Visualisierung von Betriebsdaten für Beschichtungsanlagen. Die Anwendung ermöglicht Echtzeit-Transparenz über Anlagenzustände, Beschichtungszeiten und Fördergeschwindigkeiten und bietet den Anwender:innen eine übersichtliche Visualisierung, die eine präzise Steuerung und effiziente Nutzung der Anlage unterstützt.

So ist ein optimierter Anlagendurchsatz, reduzierte Stillständen und ein nachhaltigerer Produktionsprozess möglich. COATIFY fördert ein präventives Wartungsmanagement durch systemgesteuerte Wartungsbenachrichtigungen und Laufzeitanalysen.

Xplain Data ist mit dem Use Case „PCB-Produktionsoptimierung mit Causal AI“ für den champI4.0ns AWARD 2024 nominiert. Am Siemens Innovationszentrum Erlangen konnte Xplain Data mithilfe ihrer innovativen Causal AI-Methoden die Fehlerrate in der Leiterplattenproduktion signifikant senken. Durch das umfassende ObjectAnalytics-Datenmodell werden die Produktionsdaten über alle Prozessschritte hinweg integriert und kausale Zusammenhänge systematisch analysiert. Dieser datenbasierte Ansatz ermöglicht es, Qualitäts- und Designparameter gleichzeitig zu optimieren, was nicht nur die Produktionsqualität erhöht, sondern auch Ausfallzeiten reduziert. Durch den autonomen CausalDiscovery-Bot können zukünftige Probleme frühzeitig identifiziert und vermieden werden – ein entscheidender Vorteil für die Qualitätssicherung und Produktivität.

Wir sagen Danke!

Ein großer Dank gilt den Förderern des Projekts, dem österreichischen Bundesministerium für Klimaschutz, Umwelt, Energie, Mobilität, Innovation & Technologie sowie dem deutschen Bundesministerium für Wirtschaft und Klimaschutz. Dank auch an unsere Partner:innen von Fraunhofer Austria, KIT und der gesamten champI4.0ns-Community für die Unterstützung des Awards.

Was kommt als Nächstes?

Der champI4.0ns AWARD hat gezeigt, wie Dateninnovationen Industrie und Gesellschaft voranbringen. Bleiben Sie dran, um mehr über die nächsten Schritte unseres Projekts zu erfahren und sich für zukünftige Wettbewerbe und Initiativen inspirieren zu lassen.