Eine umfangreiche Datenerfassung und -analyse ist der Schlüssel für erfolgreiche IoT-Anwendungen.

Eine umfangreiche Datenerfassung und -analyse ist der Schlüssel für erfolgreiche IoT-Anwendungen. Osisoft

Unternehmen, die sich mit der Entwicklung von Produkten und Dienstleistungen für das Internet of Things (IoT) oder der Integration von IoT-Technologien in ihre Geschäftsabläufe befassen, sollten sich darüber im Klaren sein, dass dieser Prozess einer Reise gleicht. Versuche werden unternommen und wieder verworfen. Neue Sicherheits- und Managementprobleme tauchen auf. Management und IT-Abteilungen hadern miteinander, ob es wichtiger ist, sich auf die möglichen Einsparungen und den langfristigen Profit zu konzentrieren oder sich über die Einstiegskosten Gedanken zu machen.

Die gute Nachricht ist, dass das IoT in vielen Aspekten nicht immer so neu und modern ist, wie man denken mag. Ölfirmen, Fabriken, Versorgungsunternehmen und Teile der Schwerindustrie nutzen bereits seit Jahren Maschinendaten, um ihre Betriebsabläufe zu überwachen und zu optimieren. Unternehmen mögen zwar neue Funkstandards und ausgefeilte Analysetechniken einsetzen, die es vor ein paar Jahren noch gar nicht gab, aber sie können von den Leuten, die jahrelang auf Scada-Systeme (Supervisory Control and Data Acquisition) und Fertigungsautomatisierung gesetzt haben, eine Menge lernen. Osisoft kommt übrigens aus diesem Bereich und bietet mit dem PI System eine Datenmanagement-Plattform für Maschinen an.

Die wichtigsten IoT-Grundlagen lassen sich in sechs kurzen Thesen zusammenfassen.

  1. 1. Unternehmen generieren wesentlich mehr Daten als erwartet.

IoT bedeutet immer auch Big Data: Ein mit Intelligenz ausgestattetes Bergwerk generiert bis zu 2 Petabyte Daten pro Tag. Systeme zur Analyse von Vibrationen wiederum können mithilfe kleinster Signaländerungen erkennen, ob ein Bauteil in Kürze ausfallen wird, aber dazu benötigen sie möglicherweise 200.000 oder mehr Signale pro Sekunde. Manche Versorgungsunternehmen überwachen mehr als 27 Millionen Signale. Die Anzahl, die Vielfalt und die Menge der Daten, die Organisationen bewältigen werden müssen, wird alles Dagewesene übertreffen.

Man könnte argumentieren, dass ein wesentlicher Teil der Daten gar nicht analysiert werden muss und verworfen werden kann. Doch Scada-Experten wissen, dass mit der Anzahl der ausgewerteten Daten auch die Genauigkeit der Analyse steigt.

  1. 2. Vielfalt (bei Standards) ist das Salz in der Suppe.

Die Verantwortlichen traditioneller IT-Unternehmen wundern sich oft über die enorme Vielzahl von Technologiestandards, die in der Industrie zu finden sind. So akquirieren beispielsweise einige Windtechnologie-Unternehmen ständig Daten aus mehr als 300.000 Signal- oder Datenquellen. Schon das ist eine Herausforderung. Doch was das Ganze richtig schwierig macht, ist die Tatsache, dass diese Daten in mehr als 140 Formaten angeliefert werden, die so „normalisiert“ werden müssen, dass ein Mensch (oder eine Softwareapplikation) alle diese Daten im richtigen Zusammenhang verstehen kann.

Woher kommt eine solche Vielfalt? Viele Geräte arbeiten in extrem unwirtlichen Umgebungen und müssen auf Jahre hinaus ohne Intervention durch den Menschen funktionieren. In den USA beispielsweise beträgt das durchschnittliche Alter eines elektrischen Transformators mehr als 40 Jahre. In einer solchen Zeitspanne ändern sich natürlich viele Standards. Darüber hinaus setzen unterschiedliche Aufgaben auch unterschiedliche Standards voraus.

  1. 3. Die Cloud ist nicht die Antwort auf alle Fragen.

Die Cloud-Systeme von heute sind einfach wunderbar. Tausende von Servern stehen bereit, um komplexe wissenschaftliche Probleme zu lösen. Aber die Cloud befindet sich auch meist kilometerweit von der Stelle entfernt, wo Daten tatsächlich entstehen. Die Kosten für die benötigte Bandbreite könnten möglicherweise so eskalieren, dass sie außer Kontrolle geraten. Darüber hinaus bringt eine Cloud-Anbindung Latenzzeiten und das Risiko für Kommunikationsprobleme mit sich. Langjährige Scader-Nutzer wissen: Substanzielle Teile der Daten müssen dort gespeichert und analysiert werden, wo sie entstehen. Verzögerungen im Produktionsumfeld sind nicht erwünscht.

 

Drei weitere Thesen lesen Sie auf der nächsten Seite.

Seite 1 von 212