Was ist Industrie 4.0?

Industrie 4.0 bezeichnet die intelligente, echtzeitnahe Vernetzung von Maschinen, Produkten, Prozessen und IT-Systemen über die gesamte Wertschöpfungskette. Anlagen tauschen Daten aus und treffen zunehmend dezentral eigene Entscheidungen. Damit verschmelzen die physische und die digitale Welt der Produktion.

Technisch beschrieben ist Industrie 4.0 die Integration cyber-physischer Systeme in Produktion und Logistik, kombiniert mit dem Internet der Dinge. Daraus entstehen die vertikale und horizontale Integration von Wertschöpfungsnetzen, der Austausch von Daten in Echtzeit und eine dezentrale, sich selbst optimierende Entscheidungsfindung.

Der Begriff entstand in Deutschland: Er wurde 2011 auf der Hannover Messe öffentlich vorgestellt und 2013 mit dem Abschlussbericht der Industrie-4.0-Arbeitsgruppe (acatech) konkretisiert. Getragen wird das Thema seither von der Plattform Industrie 4.0. Die „4.0“ verweist – wie eine Softwareversion – auf die vierte industrielle Revolution.

Vier Gestaltungsprinzipien fassen die Idee zusammen: Vernetzung, Informationstransparenz, technische Assistenz für den Menschen und dezentrale Entscheidungen.

Industrie 4.0 ist die vierte in einer Reihe technologischer Umbrüche. Die Jahreszahlen sind als Epochen zu verstehen, nicht als exakte Stichtage.

Die dritte Revolution wird durch die speicherprogrammierbare Steuerung (SPS) markiert – die erste SPS, der Modicon 084, entstand 1969. Damit ließen sich einzelne Maschinen flexibel automatisieren. Industrie 4.0 setzt dort an, wo diese Automatisierung endet: bei der durchgängigen Vernetzung über Maschinen-, Werks- und Unternehmensgrenzen hinweg.

Industrie 4.0 ist kein einzelnes Produkt, sondern das Zusammenspiel mehrerer Technologien. Es gibt keine verbindliche offizielle Liste von genau neun „Säulen“; die folgende Einteilung bündelt die in Praxis und Fachliteratur am häufigsten genannten Bausteine.

Verbunden werden diese Bausteine über Kommunikationsstandards. Im Feld liefert die SPS die Rohdaten. Für die Anbindung an übergeordnete Systeme haben sich vor allem OPC UA (Client/Server oder PubSub, mit Informationsmodellen) und MQTT (schlankes Publish/Subscribe vom Edge bis zu Plattformen) etabliert. Die Rollen überschneiden sich: MQTT transportiert Nachrichten, bringt allein aber kein industrielles Informationsmodell mit.

Die Automatisierungspyramide

ISA-95 / IEC 62264 beschreibt logische Aktivitäten und Schnittstellen zwischen Unternehmens- und Leitebene; die bekannte Pyramide ist eine hilfreiche Darstellung, aber keine vorgeschriebene physische Architektur. Moderne Datenflüsse können Ebenen kontrolliert überbrücken, ohne Aufgaben oder Verantwortlichkeiten aufzulösen.

Das Industrial Internet of Things (IIoT) ist die Vernetzung von Sensoren, Maschinen und Anlagen im industriellen Umfeld, um Betriebsdaten zu erfassen und auszutauschen. Es ist das Fundament von Industrie 4.0: Ohne erfasste Daten gibt es keinen digitalen Zwilling, keine Vorhersage und keine Analyse.

Im Unterschied zum Consumer-IoT stehen im IIoT Zuverlässigkeit, Determinismus, Sicherheit und sehr lange Lebenszyklen (oft 15 bis 20 Jahre und mehr) im Vordergrund. Ein Ausfall ist hier nicht nur lästig, sondern kann teuer oder sicherheitskritisch sein.

Der typische Datenfluss:

• Sensoren erfassen Messwerte direkt am Prozess.
• Gateways / Edge-Geräte bündeln, filtern und übersetzen Protokolle.
• Konnektivität beispielsweise über OPC UA (strukturierte Kommunikation und Informationsmodelle) und MQTT (entkoppeltes Publish/Subscribe).
• Plattform für Speicherung, Visualisierung und Analyse.

Ein häufiges Muster: Ein Edge-Gateway tritt im Feld als OPC-UA-Client auf und veröffentlicht die Daten anschließend per MQTT an einen Cloud-Broker.

Industrielle KI beginnt nicht beim Modell, sondern bei belastbaren Daten. Messwert, Zeitstempel, Einheit, Anlagenzustand, Auftrag und Qualitätsresultat müssen zusammengeführt werden, bevor Statistik oder Machine Learning einen verlässlichen Zusammenhang erkennen können.

• Anomalieerkennung meldet ungewöhnliche Muster in Schwingung, Strom oder Taktzeit, bevor ein fester Grenzwert auslöst.
• Qualitätsprognosen verknüpfen Prozessparameter mit Prüfergebnissen und machen Ausschussursachen sichtbar.
• Planungs- und Assistenzsysteme unterstützen bei Reihenfolge, Energieeinsatz, Diagnose und Wissenszugriff.

Ein Modell sollte im Produktionsbetrieb überwacht, versioniert und gegen eine Baseline geprüft werden. Bei sicherheits- oder qualitätskritischen Entscheidungen bleiben Freigabegrenzen, Nachvollziehbarkeit und ein definierter Rückfallweg entscheidend.

Ein digitaler Zwilling ist ein virtuelles Abbild eines physischen Assets, Produkts oder Prozesses. Je nach Zweck wird es mit Stammdaten, Ereignissen oder Live-Daten in geeigneter Frequenz aktualisiert. So lassen sich Verhalten und Zustand simulieren, überwachen und analysieren.

Das Konzept geht auf Michael Grieves (um 2002) zurück. Üblich ist die Unterscheidung in einen Produkt-, Produktions- und Performance-Zwilling. Wichtig ist die Abgrenzung zur Simulation: Eine Simulation ist ein Werkzeug, das auch offline läuft. Ein betrieblicher digitaler Zwilling ist mit seinem realen Gegenstück verknüpft; die nötige Aktualität reicht je nach Anwendung von Ereignissen bis zu Echtzeitdaten.

Beispiel: Der digitale Zwilling einer Spritzgießmaschine verarbeitet Live-Daten zu Zyklus, Temperatur und Druck, um die Teilequalität vorherzusagen und neue Parametersätze zunächst virtuell zu testen.

Cyber-physische Systeme (CPS) koppeln physische Prozesse eng mit Rechenleistung und Vernetzung. Eingebettete Computer überwachen und steuern physische Vorgänge, häufig in Echtzeit-Regelkreisen. Sie erzeugen ein digitales Abbild der realen Welt, treffen dezentrale Entscheidungen und kommunizieren über das Internet der Dinge miteinander.

CPS bilden den konzeptionellen Kern von Industrie 4.0: Die vierte Revolution ist gerade durch die Verschmelzung von physisch und digital definiert. IIoT, Cloud und digitale Zwillinge sind die Technologien, die CPS in der Breite realisieren. Eine vernetzte Produktion aus solchen Systemen wird auch als cyber-physisches Produktionssystem (CPPS) bezeichnet.

Ein anschauliches Beispiel ist ein autonomes Transportfahrzeug (AGV), das seine Umgebung wahrnimmt, eine Route berechnet, sich mit dem MES und anderen Fahrzeugen abstimmt und Material physisch bewegt – eine physische Handlung, gesteuert durch vernetzte Rechenleistung.

Die Smart Factory (intelligente Fabrik) ist eine hochgradig digitalisierte, vernetzte Produktionsstätte, in der Maschinen, Systeme und Produkte Daten austauschen und so eine weitgehend selbstorganisierende, anpassungsfähige Fertigung ermöglichen. Sie ist das integrierte Ergebnis, in dem CPS, IIoT, digitale Zwillinge, MES und Analyse zusammenwirken.

Getragen wird sie von zwei Integrationsachsen:

• Vertikale Integration: die Verbindung der Hierarchieebenen innerhalb des Werks (Feld → Steuerung → MES → ERP), sodass Daten durchgängig fließen.
• Horizontale Integration: die Verbindung über die Wertschöpfungskette hinweg – zwischen Systemen, Lieferanten, Logistik und Kunden.

Ein zentrales Versprechen ist die Losgröße 1: die wirtschaftliche Fertigung individuell konfigurierter Produkte bis hin zur Stückzahl eins, durch flexible und rekonfigurierbare Produktion.

Predictive Maintenance (vorausschauende Wartung) nutzt Zustands- und Sensordaten sowie Analyse- und ML-Modelle, um vorherzusagen, wann eine Maschine voraussichtlich ausfällt. Gewartet wird dann gezielt kurz vor dem Ausfall – statt nach festem Plan oder erst nach dem Stillstand.

Grundlage ist die Zustandsüberwachung (Condition Monitoring) mit kontinuierlicher Erfassung von Vibration, Temperatur, Strom oder Schall. Anbieter und Studien berichten von deutlich reduzierten ungeplanten Stillständen – die konkreten Werte hängen aber stark von Anwendung und Datenqualität ab. Predictive Maintenance ist eine der am leichtesten messbaren Industrie-4.0-Anwendungen und damit ein typischer Einstieg.

Wie sich vorausschauende und präventive Wartung in der Praxis unterscheiden, vertiefen wir im Blogartikel Predictive vs. Preventive Maintenance.

Ein Manufacturing Execution System (MES) steuert und verfolgt die Auftragsabwicklung in der Produktion in Echtzeit – Feinplanung, Qualität, Rückverfolgung, Wartung und Kennzahlen wie OEE. Die zugehörigen Manufacturing-Operations-Aktivitäten liegen in ISA-95 auf Ebene 3 zwischen Unternehmensplanung und Prozessführung.

Ein MES kann eine wichtige Datendrehscheibe sein, ist aber nicht die einzige mögliche Architektur. Je nach Anwendungsfall übernehmen auch SCADA, Historian, Unified Namespace oder eine Datenplattform Teile dieser Aufgabe. Entscheidend sind eindeutige Semantik, Zeitstempel, Qualitätskennzeichen und Datenverantwortung. Die Übergabe erfolgt beispielsweise über OPC UA in der OT sowie APIs, Events oder MQTT in Richtung IT. B2MML ist eine XML-Implementierung von ISA-95 durch MESA International – nicht das einzige oder vorgeschriebene „ISA-95-Format“.

Typischer Ablauf: Das ERP gibt einen Fertigungsauftrag frei, das MES plant ihn ein, weist ihn der richtigen Linie zu, erfasst OEE und Genealogie pro Einheit und meldet Fertigstellung und Qualität zurück.

Industrie 4.0 endet nicht am Werkstor. Lieferanten, Betreiber und Kunden benötigen Daten über Produktlebenszyklus, Qualität, Herkunft, CO₂-Fußabdruck und Service – ohne dafür die Kontrolle über sämtliche Rohdaten abzugeben. Initiativen unter dem Dach von Manufacturing-X entwickeln dafür interoperable und souveräne Datenräume.

Der digitale Faden verbindet Anforderungen, Engineering, Fertigung, Nutzung und Service. Verwaltungsschalen, gemeinsame Semantik, Identitäten und Nutzungsregeln helfen dabei, gezielt freigegebene Informationen auszutauschen. Auch der digitale Produktpass baut auf solchen durchgängigen Produkt- und Lebenszyklusdaten auf.

Damit die vielen Bausteine zusammenpassen, braucht Industrie 4.0 gemeinsame Modelle und Standards.

RAMI 4.0

Das Referenzarchitekturmodell Industrie 4.0 (RAMI 4.0) ist eine dreidimensionale Landkarte, die Industrie-4.0-Konzepte strukturiert. Es schreibt kein Produkt vor, sondern gibt Fachleuten aus Mechanik, Elektrik, Software und IT eine gemeinsame Sprache, um zu verorten, wo ein Asset, eine Funktion oder ein Standard hingehört. Die drei Achsen sind:

• Hierarchieebenen (Produkt bis „Connected World“), angelehnt an IEC 62264 und IEC 61512.
• Lebenszyklus und Wertstrom (Typ vs. Instanz), angelehnt an IEC 62890.
• Schichten (Business, Functional, Information, Communication, Integration, Asset).

RAMI 4.0 ist in DIN SPEC 91345 beschrieben. Die frühere internationale Vorveröffentlichung IEC PAS 63088 wurde am 27. September 2024 zurückgezogen und sollte nicht als aktueller IEC-Standard zitiert werden.

Verwaltungsschale (Asset Administration Shell)

Die Verwaltungsschale ist eine standardisierte digitale Repräsentation eines Assets und kann als Grundlage eines digitalen Zwillings dienen. Sie besteht aus Teilmodellen (etwa digitales Typenschild, technische Daten, Betriebsdaten) und ermöglicht einheitlichen, herstellerneutralen Zugriff über den gesamten Lebenszyklus.

Sie wird in der Normenreihe IEC 63278 standardisiert (Teil 1 zur Struktur erschien 2023) und von der Industrial Digital Twin Association (IDTA) vorangetrieben. Die aktuellen Spezifikationen umfassen unter anderem Metamodell, HTTP-APIs, AASX-Paketformat, Registry und Discovery, Semantik sowie Security. OPC UA ist eine mögliche Abbildung und Integrationsoption, aber nicht die einzige Transportform der AAS.

Industrie 4.0 verbindet bewusst die früher isolierte Operational Technology (OT) – SPS, SCADA, Sensoren, Maschinen – mit IT-Netzen, Cloud und Internet. Jede neue Verbindung, die Daten nutzbar macht, vergrößert zugleich die Angriffsfläche: Vormals abgeschottete Anlagen werden erreichbar, und ein Vorfall auf der IT-Seite kann bis in physische Prozesse durchschlagen.

Wichtige Grundprinzipien der OT-Sicherheit:

• IEC 62443 ist der zentrale Standard für die Sicherheit industrieller Automatisierungs- und Steuerungssysteme.
• Zonen und Conduits: Systeme mit ähnlichem Schutzbedarf werden in Zonen gruppiert, die Kommunikation dazwischen läuft kontrolliert über definierte Übergänge.
• Defense in Depth: mehrere, sich überlappende Schutzschichten statt einer einzigen Verteidigungslinie.
• Brownfield-Realität: Alte, langlebige Anlagen lassen sich oft nicht patchen oder abschalten. Schutz wird dann um die Bestandssysteme herum aufgebaut, etwa durch Segmentierung.

Während die IT klassisch die Vertraulichkeit in den Vordergrund stellt, priorisiert die OT meist Verfügbarkeit und Sicherheit (Safety) – denn der Stillstand oder die Manipulation eines physischen Prozesses kann unmittelbar schaden. Für viele EU- und österreichische Betreiber ist zudem die NIS2-Richtlinie (EU 2022/2555) relevant. In Österreich wurde das NISG 2026 kundgemacht; der zentrale Anwendungsrahmen tritt am 1. Oktober 2026 in Kraft. Ob ein Unternehmen erfasst ist, hängt insbesondere von Sektor, Größe und Rolle ab. Der EU Data Act gilt seit 12. September 2025; beim Cyber Resilience Act beginnen Meldepflichten am 11. September 2026, während die Hauptpflichten später greifen. Das ersetzt keine Rechtsberatung.

Vernetzung erzeugt erst dann Nutzen, wenn Technik, Betrieb und Organisation zusammenpassen. Typische Hürden sollten vor dem Pilot sichtbar und mit einem Owner versehen sein.

Nicht jeder Prozess braucht Cloud, KI oder Millisekunden-Livedaten. Die kleinste Architektur, die den messbaren Zweck zuverlässig erfüllt, ist häufig günstiger, sicherer und leichter zu betreiben.

• Effizienz und Produktivität: weniger Stillstand, optimierter Durchsatz und geringerer Ausschuss durch Echtzeit-Überwachung.
• Predictive Maintenance: Ausfälle werden vorhergesagt, ungeplante Stillstände und Wartungskosten sinken.
• Flexibilität und Losgröße 1: wirtschaftliche Fertigung individualisierter Produkte, schnelles Umrüsten.
• Transparenz und Rückverfolgbarkeit: durchgängige Sicht auf Produktion, Bestände und Qualität in Echtzeit.
• Ressourcen- und Energieeffizienz: feingranulares Monitoring senkt Verbrauch und unterstützt ESG-Berichte.
• Neue Geschäftsmodelle: datenbasierte Services, Fernwartung und „Pay-per-Use“ statt reinem Maschinenverkauf.

Industrie 4.0 muss nicht groß starten. Gerade im Mittelstand sind klar abgegrenzte Projekte oft am wirkungsvollsten.

• Zustandsüberwachung: nachgerüstete Sensoren an einer kritischen Maschine streamen Live-Daten auf ein Dashboard – ein günstiger, wirkungsvoller erster Schritt im Brownfield.
• Predictive Maintenance an einer Presse: Vibrations- und Temperatursensoren erkennen Lager- oder Werkzeugverschleiß, bevor es zum Stillstand kommt.
• Digitaler Zwilling einer Linie: Änderungen werden virtuell getestet, bevor die physische Anlage angefasst wird.
• Vernetzte Qualitätsdaten: Inline-Prüfung speist Daten an vorgelagerte Stationen zurück; jede Einheit ist rückverfolgbar.
• Energiemonitoring: feingranulares Messen von Maschinen und Linien senkt Energiekosten – mit schneller Amortisation.
• Vernetzte Produkte und Fernservice: Maschinenbauer überwachen ausgelieferte Maschinen im Feld und bieten Ferndiagnose an – Servitization in der Praxis.

Ein noch kleinerer Einstieg ist oft ein einziges nützliches Signal. Unser Leitfaden Real Industry 4.0 zeigt, wie daraus ein tragfähiger Anwendungsfall entsteht.

Der Kernunterschied in einem Satz: Industrie 3.0 automatisiert einzelne Maschinen, Industrie 4.0 vernetzt das Ganze – sodass Daten fließen und Systeme sich teils selbst optimieren.

Ein pragmatischer Einstieg folgt meist denselben Schritten – klein beginnen, messbaren Nutzen schaffen, dann ausbauen.

1. 1

   Reifegrad und Problem bestimmen

   Anlagen, Informationssysteme, Organisation und Kompetenzen bewerten und ein konkretes betriebliches Problem auswählen.

2. 2

   Ausgangswert messen

   Eine belastbare KPI-Baseline festhalten, etwa Stillstandszeit, Ausschuss, OEE, Energie pro Einheit oder Umrüstzeit.

3. 3

   Assets, Daten und Risiken prüfen

   Schnittstellen, Signalqualität, Zeitstempel, Semantik, Netzwerk, Safety und OT-Security gemeinsam auditieren.

4. 4

   Pilot und Verantwortung festlegen

   Einen begrenzten Anwendungsfall, einen verantwortlichen Owner, Akzeptanzkriterien, Budget und Rückfallplan definieren.

5. 5

   Lesend und kontrolliert anbinden

   Bestehende Steuerungen bevorzugt ohne Eingriff in die Logik anbinden und Produktionsbetrieb sowie Datenqualität validieren.

6. 6

   Wirkung und Lebenszykluskosten bewerten

   Pilotresultat gegen die Baseline messen und Nutzen, Betrieb, Wartung, Lizenzen und Schulung in die Amortisation einrechnen.

7. 7

   Standardisieren und skalieren

   Bewährte Datenmodelle, Security-Regeln, Monitoring und Betriebsverantwortung dokumentieren, bevor weitere Anlagen folgen.

Der acatech Industrie 4.0 Maturity Index hilft, Fähigkeiten über Ressourcen, Informationssysteme, Organisation und Kultur hinweg einzuordnen.

Die wichtigsten Primärquellen für Definitionen, Standards und den Rechtsstand dieses Artikels (abgerufen am 17. August 2026):

• acatech: Umsetzungsempfehlungen Industrie 4.0 (2013)
• acatech: Industrie 4.0 Maturity Index
• ISA: ISA-95 / IEC 62264 Enterprise-Control Integration
• ISA: ISA/IEC 62443 für industrielle Cybersecurity
• IEC: IEC 63278-1 – Asset Administration Shell
• IDTA: aktuelle AAS-Spezifikationen
• IEC: IEC PAS 63088 (zurückgezogen)
• RIS: österreichisches NISG 2026
• EU-Kommission: Data Act
• EU-Kommission: Cyber Resilience Act
• EU-Kommission: Industry 5.0