Foto: locrifa - shutterstock.com
Das IoT gewinnt an Reife und Relevanz in Deutschland. Das macht eine aktuelle IoT-Studie von IDG Research unter anderem an der gestiegenen Anzahl von IoT-Projekten fest. Die Studie besagt außerdem: Wenn erst einmal Anwendungsfälle definiert und in Angriff genommen sind, führt dies schnell zu positiven Ergebnissen. Demnach zeigen sich fast zwei Drittel (62 Prozent) der Unternehmen sehr zufrieden oder zufrieden mit den Ergebnissen, die ihre bisherigen IoT-Projekte erzielen. Zu den Erfolgsfaktoren zählen hierbei höhere Produktivität, geringere Ausfallzeiten sowie höhere Auslastung und Kostensenkung. Daraus resultieren weitere Vorteile wie verbesserte Imagewerte, ein höherer Innovationsgrad und steigende Umsätze.
Der IoT-Markt
Das IoT hat momentan vor allem die Sparten vernetzte Produktion, Smart Connected Products und Logistik erobert. Insbesondere Predictive Maintenance, also die vorausschauende Wartung von Anlangen, ragt als häufig nachgefragter Anwendungsfall für Industrie 4.0 heraus. Andere bekannte Beispiele sind Bedarfsprognose und vernetzte Fahrzeuge.
All diese Szenarien erfordern eine IoT-Plattform. Im Industrie-4.0-Umfeld verbindet die IoT-Plattform Operational Technology (OT) und IT, um neue Erkenntnisse zu gewinnen und diese mit den Geschäftsprozessen im Unternehmen zu kombinieren. Auf dem derzeit noch unübersichtlichen IoT-Markt existieren über 300 Plattformen, die von B2B- über B2C-Szenarien bis hin zum branchenspezifischen Fokus auf Daten-Connectivity oder -management eine Vielzahl von Anwendungsfällen abdecken.
Die wenigsten bieten jedoch ein umfassendes Angebot aus einer Hand. Es ist deshalb davon auszugehen, dass sich der Markt in diesem Jahr stark bereinigt. Dazu werden Schließungen, Übernahmen und Kooperationen beitragen. Vor allem große Softwarefirmen forcieren Joint Ventures.
Das müssen Plattformen leisten
Unternehmen erwarten von IoT-Plattformen zu Recht, dass sie sowohl leistungsstark als auch benutzerfreundlich sind: Sie müssen einen agilen Einstieg in das Internet der Dinge ermöglichen. Entscheidend ist daher die schnelle und unkomplizierte Anbindung der unterschiedlichen Geräte und Protokolle an die IoT-Umgebung sowie an die Unternehmenssysteme wie ERP, MES oder CRM. Vorkonfigurierte Lösungen für typische Anwendungsfälle wie Track & Trace oder Condition Monitoring können einen "Schnellstart" zusätzlich erleichtern.
Die von den "Dingen" erzeugten Datenströme werden an alle berechtigten Anwendungen geleitet, die Daten weiter verarbeiten können. Streaming-Analytics-Software, zum Beispiel Complex Event Processing (CEP), analysiert die Daten in einer bestimmten Reihenfolge und zeitlichen Abfolge mit speziellen Operationen. Für die Verarbeitung von IoT-Daten, also um Datenströme dynamisch zu analysieren sowie persistent zu speichern, hat sich mittlerweile die Lambda-Architektur verbreitet. In dem Fall stehen die Daten für komplexe historische Analysen zur Verfügung.
Erst Plattform-Modelle, die aus Daten Wissen extrahieren und dies in Echtzeit anwenden, liefern Unternehmen den gewünschten Mehrwert. Für Predictive Maintenance bedeutet das zum Beispiel, Sensorwerte aus dem laufenden Betrieb zusammenzubringen mit Informationen darüber, wann Wartungen erfolgen müssen. So lassen sich Entscheidungsprozesse auf Basis der Echtzeit-Daten vollkommen automatisiert abwickeln.
Wohin mit den Daten?
Was die Datenverarbeitung angeht, bleibt On-Premises die erste Wahl für geschäftskritische, maßgeschneiderte Anwendungen. Für Berechnungen, die nicht zeitkritisch sind oder die Daten aus vielen Quellen heranziehen, eignet sich wiederum die Cloud am besten. Allerdings ist es nicht sinnvoll, dass die gesamte Datenverarbeitung in der Cloud stattfindet. Denn in Cloud-Umgebungen lassen sich Latenzen nicht vermeiden, die für einige Berechnungsprozesse zu hoch sind. Zudem enthält ein IoT-Datenstrom redundante oder irrelevante Informationen. Infolgedessen muss Cloud-Computing um Edge-Computing erweitert werden, um Berechnungen nahe der Datenquellen durchzuführen, Datenströme zu komprimieren oder schnelle Entscheidungen zu treffen.
Kriterien für Entscheidungsfähigkeit
Künftig zeichnet sich ein reifes IoT-Umfeld durch eine hochgradig verteilte Datenverarbeitung auf Cloud-Computing, Edge-Computing und On-Premises aus. Das Zusammenspiel wird von geringer zentraler Kontrolle und intensivem Datenaustausch geprägt sein. Die traditionelle Vorgehensweise, Daten in zentralisierten Data-Warehouse-Systemen zu replizieren, wird vor allem von lokalen Analysen, die auf Data-Streaming-Technologie basieren, ergänzt. Außerdem kommt eine zukunftsfähige IoT-Plattform nicht mehr ohne die Integration von Advanced Analytics, künstlicher Intelligenz und Maschinenlernen aus - denn nur durch intelligente Entscheidungen in Echtzeit lässt sich Mehrwert abschöpfen. (mb)