Partnerskaber
Emerson vil forbinde AspenTech Inmation med Databricks til industriel AI

NøglepunkterInmation bevarer anlægskontekst, så industrielle data forbliver brugbare på tværs af…
Vis mere
- Inmation bevarer anlægskontekst, så industrielle data forbliver brugbare på tværs af virksomhedens AI-arbejdsgange.
- Genbrug af ét kontekstualiseret OT-lag kan spare teams for at gentage dataklargøring til hver model.
- Samarbejdet kombinerer Inmations operationelle kontekst med AVA's beslutningsstøtte i Databricks.
Emerson annoncerede et samarbejde med Databricks den 19. november 2026, der skal gøre kontekstualiserede industrielle driftsdata tilgængelige i Databricks Data + AI Platform. Det giver industrivirksomheder mulighed for at bruge fabriksdata i analyser, AI-applikationer og agenter.
Indbygget adgang til AspenTech Inmation OT Data Fabric er den løsning, der gør det muligt. Kunder vil kunne kombinere forretningsdata med realtidsdata, historiske data og kontekstualiserede industridata, der administreres af Inmation, samt få adgang til AspenTech AVA AI-platformen i Databricks. Den kunde adgang, der beskrives i meddelelsen, bliver tilgængelig på et senere tidspunkt.
Industrielle data, kontekst og styring
Samarbejdet retter sig mod et konkret problem inden for industriel AI: Fabriks-, aktiv- og driftsdata skal bevare deres kontekst, når de bruges sammen med virksomhedssystemer. Emerson peger på, at dette krav er en hindring for at bygge bro over IT/OT-kløften, altså skellet mellem informationsteknologi og operationel teknologi, og en begrænsning for anvendelsen af AI under faktiske driftsforhold.
»Ved at bringe kontekstualiserede OT-data ind i Databricks hjælper vi kunderne med at omdanne pålidelige industridata til et styret grundlag for AI-applikationer, der kan forbedre resultaterne på tværs af driften og virksomheden,« sagde Claudio Fayad, teknologidirektør i Emersons Aspen Technology-forretningsområde.
AspenTechs oversigt over Inmations funktioner beskriver en datainfrastruktur, der samler OT-data i en vedvarende struktur på tværs af virksomheden og løbende tilføjer kontekst, så der skabes AI-klare oplysninger. Den forbinder fabrikker, aktiver og applikationer på tværs af edge-, cloud- og lokale miljøer for at skabe et operationelt overblik i realtid, der er klar til forespørgsler, og som kan skaleres fra et enkelt anlæg til en global virksomhed. Centraliseret styring, rollebaseret adgang og mulighed for revision skal understøtte sikker beslutningstagning og overholdelse af regler i blandt andet kemi-, energi- og life science-sektorerne.
Muligheden for at genbruge dette kontekstualiserede datalag er central for samarbejdets potentielle værdi. Emerson oplyser, at Inmation mindsker behovet for at integrere, kontekstualisere og klargøre OT-data særskilt til hvert enkelt anvendelsesområde, hvilket potentielt kan forkorte tiden til værdiskabelse inden for prædiktiv vedligeholdelse og præstationsoptimering. For industrielle AI-teams kan den samme driftskontekst understøtte flere arbejdsgange, så det ikke er nødvendigt at forberede data på ny til hver model eller agent.
AspenTech AVA’s rolle
Samarbejdet forbinder også Databricks med AspenTech AVA, den industrielle AI-platform, som Emerson introducerede den 11. maj 2026. Emerson beskrev AVA som agentbaseret og domænebevidst, hvor modeller baseret på grundlæggende principper og industriel ekspertise kombineres med store sprogmodeller for at indarbejde AI-assisterede anbefalinger i operationelle funktioner og arbejdsgange. Ved lanceringen var den tilgængelig med fire rådgivere inden for driftsoptimering og beslutningsstøtte.
Emerson beskrev også AVA som uafhængig af datakilde og udviklet til at bygge videre på eksisterende automationsinfrastruktur. I denne arkitektur organiserer Inmation fragmenterede OT-data på tværs af cloud-, edge- og lokale miljøer og giver indsigt i driften i realtid.
Shiv Trisal, brancheansvarlig for produktion hos Databricks, sagde, at den indbyggede Inmation-integration skal hjælpe industrikunder med at få større værdi ud af driftsdata og skalere AI’s effekt. I den samlede løsning håndterer Inmation driftsdata og kontekst, AVA leverer industriel beslutningsstøtte, og Databricks stiller virksomhedsmiljøet til rådighed for analyser og AI-udvikling.
For industrivirksomheder er det centrale spørgsmål, om dette fælles grundlag gør det muligt at udvide AI-implementeringer til mere end enkelte anvendelsesområder uden at gentage det samme integrationsarbejde. Da indbygget adgang for kunder først bliver tilgængelig senere, afhænger samarbejdets betydning af, hvor effektivt konteksten fra fabrikkerne kan overføres til AI-arbejdsgange på virksomhedsniveau i stor skala.












