ESCOM - Ausbalancierte Edge-Cloud-Umgebungen für souveräne Komponenten-Service-Systeme in Produktionsanwendungen
gemeinsamer Schlussbericht
Date
Editor
Advisor
Volume
Issue
Journal
Series Titel
Book Title
Publisher
Supplementary Material
Other Versions
Link to publishers' Version
Abstract
Das ESCOM-Projekt entwickelte souveräne Edge-Cloud-Serviceumgebungen für industrielle Komponenten. In Übereinstimmung mit der Europäischen Datenstrategie und Gaia-X wurden technische, organisatorische und rechtliche Grundlagen geschaffen, die einen sicheren Datenaustausch und die Bereitstellung digitaler Services entlang der gesamten Wertschöpfungskette ermöglichen. Im Mittelpunkt des Projekts standen zwei industrielle Use Cases: die prädiktive Instandhaltung von Kugelgewindetrieben (Berger) sowie die zertifizierte Inbetriebnahme und Zustandsüberwachung von Motorspindeln (GMN). Dazu gehörten die Sensorintegration, die Datenerfassung, die Entwicklung KI-basierter Modelle und die Umsetzung von Verwaltungsschalen (Asset Administration Shells).
Das Projekt lieferte eine Gaia-X-konforme Edge-Cloud-Architektur, digitale Zwillinge, smart-contract-basierte Datendienste sowie Untersuchungen zu Methoden wie Federated Learning und Transfer Learning. Alle Lösungen wurden in Demonstratoren validiert und im Rahmen wissenschaftlicher Veröffentlichungen und öffentlicher Veranstaltungen vorgestellt. ESCOM zeigt, wie souveräne Datenökosysteme erfolgreich in der Industrie umgesetzt werden können und welchen Beitrag sie zu einer nachhaltigen, effizienten und datengetriebenen Produktion leisten.
The ESCOM project developed sovereign Edge-Cloud service environments for industrial components. In alignment with the European Data Strategy and Gaia-X, the consortium created technical, organisational and legal foundations enabling secure data exchange and the provision of digital services across the value chain. Two industrial use cases formed the core of the work: Predictive maintenance for ball screw drives (Berger) and certified commissioning and condition monitoring of motor spindles (GMN). This included sensor integration, data acquisition, development of AI-based models and implementation of Asset Administration Shells.
The project delivered a Gaia-X-compliant Edge-Cloud architecture, digital masters, smart-contract-based data services and investigated methods such as federated and transfer learning. All solutions were validated in demonstrators and disseminated through scientific publications and public events. ESCOM demonstrates how sovereign data ecosystems can be successfully implemented in industry and how they contribute to sustainable, efficient and data-driven production.
