Datennutzung Das fehlende Bindeglied der IoT-Revolution

Anbieter zum Thema

Hazelcast

QUNIS GmbH

Snowflake Computing GmbH

Fivetran Germany GmbH

Dem Analystenhaus IDC zufolge wird im Jahr 2025 jede vernetzte Person alle 18 Sekunden eine Dateninteraktion aufweisen. Die Vernetzung alleine wird nicht ausreichen, um diese Daten sinnvoll zu nutzen. Echtzeit-Analyse hingegen kann deren Wert erheblich steigern.

In der Industrie stehen die Zeichen auf Digitalisierung. Das Internet der Dinge hat in der Industrie eine neue Bedeutung erlangt – und das nicht nur aufgrund des pandemiebedingten Anstiegs von Remote Work, des Auftretens von Personalengpässen sowie der Schwächen in der Lieferkette. So zeigt eine Anfang 2021 im Auftrag von IDC durchgeführte Studie, dass etwa 40 Prozent der befragten Unternehmen aufgrund von Covid-19 ihre Investitionen in IIoT verstärken wollen – nur 18 Prozent der Befragten planten, sie zu senken. Technische Innovationen wie Edge Computing, Künstliche Intelligenz und Maschinelles Lernen sowie 5G ermöglichen neue Anwendungsszenarien. Diese fördern auch die IIoT-Adaption, denn das IIoT verbessert die Kommunikation sowohl zwischen den Maschinen als auch zwischen Mensch und Maschine.

Die vorherrschende IIoT-Umstellung basiert in der Regel auf der Konnektivität und dem Management von Maschinen und Geräten, der Installation neuer, vernetzter OT-Systeme oder dem Hinzufügen von Sensoren in bereits vorhandene Fertigungsanlagen. Doch diese gerätezentrierte Sichtweise übersieht den wahren Wert des IIoT. Denn der eigentliche Schatz liegt in der Verknüpfung und Nutzung der IIoT-Daten.

Viele Interaktionen sind auf die Milliarden von IoT-Geräten zurückzuführen, die weltweit miteinander verbunden sind und im Jahr 2025 voraussichtlich über 90 Zettabyte an Daten erzeugen werden. Doch um diesen Schatz zu heben, ist es nicht damit getan, Streaming-Daten zu sammeln oder Geräte zu vernetzen. Vielmehr geht es um den Einsatz und die Nutzung einer Echtzeit-Analyse sowie die Zusammenführung von Datenströmen in Verbindung mit anderen verwandten Unternehmenssystemen, die Daten im Ruhezustand enthalten.

Mit Daten in Echtzeit zum echten Mehrwert

Die für die Echtzeit-Analyse notwendigen Daten stammen von Maschinen und Anlagen, die mit IT-Schnittstellen ausgestattet sind. In einem realen Anwendungsszenario könnten Echtzeit-Analysen beispielsweise bedeuten, dass der Ausfall einer Ventilatorschaufel in einer Gasturbine antizipiert wird, oder dass einem Lebensmitteltransporter die aktuell optimale Route zugewiesen wird. Echtzeitlösungen ermöglichen sowohl für das Unternehmen als auch für deren Kunden eine größere Wertschöpfung, indem Erkenntnisse eingeordnet und an Ort und Stelle Maßnahmen ergriffen werden. Es ist diese Art von datengesteuerten Erkenntnissen, die den Wert des IIoT maximiert.

McKinsey sieht einen Mehrwert bei der Datennutzung in der Industrie und stellt fest, dass die Kombination aus Big Data und Echtzeit-Einblicken wie sie das IIoT möglich macht, verknüpft mit agileren Denk- und Arbeitsweisen, eine kontinuierliche Verbesserungen in den Abläufen ermöglicht. Mit einer intelligenten Verknüpfung und der Integration der Daten können Unternehmen Ausfallzeiten vermeiden, Wartungen optimieren, die Leistung verbessern sowie die Produktivität steigern. Doch die Herausforderung liegt im Detail.

Datensilos und die Komplexität der Datenanalyse

Das IIoT führt oftmals zu einer Fragmentierung und Dezentralisierung der traditionellen IT, die um ein zentrales, leistungsstarkes Rechenzentrum herum aufgebaut ist. In diesem Zentrum könnten dedizierte Ressourcen für die Analytik eingesetzt werden, und so große Datenmengen in Datenbanken und Data Lakes verarbeiten.

Laut IDC wird jedoch bis 2023 die Hälfte der Unternehmensinfrastruktur außerhalb des Rechenzentrums und am Rande des Netzes liegen – also in Werkshallen und Produktionsanlagen sowie in Fahrzeugen und auf anderen Plattformen, auf denen Geräte am Rande der Edge betrieben werden. Gartner geht sogar davon aus, dass bis 2025 drei Viertel der Unternehmensdaten außerhalb des Rechenzentrums oder des Cloud-Zentrums und am Rande des Netzwerks erzeugt werden.

Darüber hinaus verfügen viele Industriestandorte über alte Geräte und Werkzeugmaschinen, die im Gegensatz zu Cloud-Anwendungen noch nicht mit dem Internet verbunden sind. Mehr als ein Drittel der Unternehmen, die von sich behaupten, stark datengesteuert zu sein, verfügen laut 451 Research über mehr als 50 solcher Silos.

Zeit ist Geld

Eine weitere Herausforderung bei der nahtlosen Integration von Daten liegt in der Echtzeit-Analyse. Ereignisdaten werden von Maschinen und menschlichen Interaktionen erzeugt. Um diese Ereignisse auf sinnvolle Weise zu verstehen, sind Analysen erforderlich, die innerhalb von Sekunden oder Millisekunden ausgeführt werden und Erkenntnisse liefern können.

Streaming-Analysen sind daher eine Voraussetzung für das Internet der Dinge, aber sie erfordern die Echtzeitverarbeitung riesiger Mengen schnell fließender Daten. Im IIoT sind die Anwendungen jedoch oft entweder von Systemen abhängig, die für die Verarbeitung großer Datenmengen nicht geeignet sind, oder die Daten sitzen am Rande und müssen über schlechte Netzwerkverbindungen zu einem entfernten Rechenzentrum gelangen. Diese Hürden führen beispielsweise in der Energie- oder der Verarbeitungsindustrie zu einer Verzögerung bei der Datenverarbeitung. Das hindert IT- und Engineering-Teams daran, Probleme schnell zu erkennen oder umgehend auf die gewonnenen Erkenntnisse zu reagieren.

Vernetzung historischer Daten im Ruhezustand mit Echtzeit-Daten in Bewegung

Es gibt zwei Möglichkeiten, diese Herausforderungen zu bewältigen. Die erste besteht darin, eine Datenplattform einzusetzen, die in der Lage ist, gestreamte und gespeicherte Daten abzufragen. Ein integriertes Modell sorgt dafür, dass Daten nicht zwischen getrennten Streaming- und Datenbanken hin- und hergeschoben werden müssen, sodass der Datentransfer zwischen getrennten Datenspeichern entfällt. Eine kombinierte Architektur vermeidet auch die Kosten, die mit der Integration und Unterstützung getrennter Systeme verbunden sind.

Die andere Alternative spielt mit dem Faktor Performance. Eine Streaming-Engine kann Daten aufnehmen, umwandeln und analysieren, und zwar in allen Deployments – auch in den Bereichen an der Edge. Die Bereitstellung von IIoT-Echtzeitanwendungen wird auch von den Entwicklerteams der Unternehmen durch die Einführung von SQL in den wichtigsten Streaming-Analyseplattformen sowie durch die Unterstützung neuerer Arten von Datenbanken und Event-Streaming- und Messaging-Plattformen erleichtert.

Für Entwickler, die mit der Lösung dieser beiden Herausforderungen betraut sind, macht die neue Generation von Analyseplattformen die Zusammenführung und Vereinfachung von Datensätzen zu einer zuverlässigeren und vorhersehbaren Aufgabe. Dies geschieht mit Innovationen wie einer einzigen Laufzeitumgebung, die durch eine einheitliche SQL-Engine sowohl Daten in Bewegung als auch Daten in Ruhe unterstützen kann. Zu den weiteren Innovationen gehören auch global verteilte Datengitter, die in öffentlichen Clouds und privaten Rechenzentren eingesetzt werden können.

Die neueste Generation von Datenplattformen, die Datenmanagement und Streaming-Verarbeitung kombinieren, liefert jetzt die Leistung, die für Echtzeitanalysen erforderlich ist und schließt gleichzeitig die Informations- und Verständnislücken. All dies wird erreicht, ohne dass Industrieunternehmen viel in zusätzliche Hardware oder neue IT-Kenntnisse für ihre Entwickler- und IT-Teams investieren müssen.

Umsetzbare Erkenntnisse

IIoT verspricht, industrielle Umgebungen zu verändern. Das aber bedeutet, dass Unternehmen auf die Daten und die Analytik achten müssen. Ein effektives IIoT destilliert Streaming- und gespeicherte Daten und filtert Ereignisse durch den Erfahrungskontext. Damit erhalten Anwender umsetzbare Erkenntnisse, wann und wo immer sie benötigt werden – in der Produktionshalle ebenso wie am Rande der Edge.

Dieser Artikel stammt von unserem Partnerportal Industry of Things.

* Manish Devgan ist Chief Product Officer bei Hazelcast.

(ID:48371664)