In Waste-to-Energy-Anlagen fallen täglich Millionen Daten an. Die Martin GmbH für Umwelt- und Energietechnik baut seit über 100 Jahren solche Anlagen für kommunale und private Betreiber weltweit. Die Betriebs- und Sensordaten wurden bis vor Kurzem von verschiedenen Personen mit unterschiedlichen Tools und manuellen Exporten ausgewertet. Mit wachsender Datenmenge stieß das Verfahren an seine Grenzen – die Geburtsstunde für eine moderne Datenplattform.
Pro Linie fallen bei dem Münchner Unternehmen täglich rund zehn Gigabyte Betriebsdaten an – aus Sensoren im Rostsystem, in der Feuerung, in der Entschlackung und in der Energiegewinnung. Jede Anlage ist dabei ein Einzelstück mit eigenen Signalen. Hinzu kommen externe Einflüsse: Standort, Jahreszeit oder die regionale Zusammensetzung des Abfalls verändern den Verbrennungsprozess messbar.
Bei der Auswahl der neuen Lösung setzte das Team bei Martin klare Prioritäten. Datensouveränität stand ganz oben – nicht wegen besonders sensibler Inhalte, sondern aus strukturellen Überlegungen. "Wir sind durch unseren Entsorgungsauftrag Teil der kritischen Infrastruktur und wollten nicht in die Abhängigkeit eines großen Hyperscalers geraten", erklärt Max Schönsteiner, Head of Research & Development bei Martin.
Nach einer Marktanalyse fiel die Entscheidung auf die Stackable Data Platform, gehostet beim deutschen Anbieter Ionos. Ein weiterer Pluspunkt: Da Stackable auf der Open-Source-Plattform Kubernetes basiert, bleibt Martin technologisch flexibel. Ein Wechsel zu einer selbst betriebenen Umgebung (On-Premises) ist jederzeit und nahtlos möglich – ohne Abhängigkeit von einer proprietären Cloud-Infrastruktur.
Basisprodukt nach neun Monaten
Der Aufbau der Plattform startete im Januar 2023. Bereits nach rund neun Monaten stand ein erstes Minimum Viable Product zur Verfügung – eine funktionsfähige Basisversion, mit der das Team erste Erfahrungen sammeln konnte. Die vollständige Umsetzung bis zur produktiven Betriebsumgebung dauerte insgesamt etwa zwei Jahre. Heute ist die Datenplattform an allen Standorten des Unternehmens im Einsatz.
Das Herzstück der Stackable Data Platform ist die Analyse-Engine Apache Spark. Sie ermöglicht es, auch sehr große Datenmengen zu verarbeiten – verlustfrei und in hoher Geschwindigkeit. Statt dezentraler Einzelauswertungen stehen dem Team nun alle relevanten Anlagenparameter zentral und konsistent zur Verfügung.
Besonders wertvoll ist dabei die Datenharmonisierung: Messwerte aus unterschiedlichen Sensoren und Anlagen – auch standortübergreifend – lassen sich vereinheitlichen und direkt miteinander vergleichen. Das schafft eine neue Qualität der Analyse. "Wir kombinieren physikalisch-thermodynamische Modelle mit Messdaten und weiteren Informationen aus dem Betrieb. Erfahrung trifft auf Technik", beschreibt Schönsteiner den Ansatz.
Wissen fließt in den Bau neuer Anlagen ein
Für den laufenden Betrieb bedeutet das konkret: Mögliche Fehlerquellen lassen sich deutlich früher identifizieren und beheben, bevor sie zu größeren Ausfällen führen. Services und Instandhaltungsmaßnahmen können datenbasiert geplant werden, ungeplante Stillstände werden minimiert.
Kunden erhalten zudem detaillierte Analysen und Berichte zu den Betriebsdaten ihrer Anlagen – eine fundierte Grundlage für operative Entscheidungen. Das aus der Datenauswertung gewonnene Wissen fließt darüber hinaus direkt in die Planung und den Bau künftiger Anlagen ein.
Weltweit betreibt Martin mehr als 1000 Entsorgungslinien. Möglichst viele davon sollen in den kommenden Jahren an die Datenplattform angebunden werden. Langfristig plant das Unternehmen, die Datenverknüpfung weiter auszubauen, Analyseprodukte zu optimieren und daraus neue Services für Kunden und Partner zu entwickeln.
Für Schönsteiner ist das Zwischenfazit eindeutig: "Wir bekommen ganz neue Einblicke, können schneller und effizienter handeln und unseren Kunden einen echten Mehrwert bieten. Ich freue mich schon auf die Möglichkeiten, die wir im Moment vielleicht noch gar nicht auf dem Zettel haben."
