Die fünf Phasen des Internet of Things
Unternehmen, die sich für IoT-Anwendungen interessieren, sind angesichts der zahlreichen Möglichkeiten und Angebote schnell verunsichert. Sie fragen sich, was auf dem Weg zum Internet of Things zu beachten ist. Im Gastbeitrag für silicon.de skizziert Dominik Claßen von Pentaho fünf Phasen, die helfen, den Weg ins IoT besser zu verstehen und zu strukturieren.
Das Internet of Things (IoT) ist ein Motor, der die Digitalisierung vorantreibt. Für was gibt es nicht bereits überall Anwendungsfälle – von Milchbauern, die Sensoren zur Erkennung brünstiger Kühe (Östrus) einsetzen, bis hin zu Winzern, die von Sensoren im Weinberg Auskunft über den Reifegrad der Trauben erhalten.
Mal ganz zu schweigen von Anwendungen im Haushalt oder intelligenten Autos. Der Mensch scheint der Idee, unsere physische, chaotische und zunehmend komplexere Welt dank Sensoren und intelligenten Verbindungen zu ordnen und beherrschbar zu machen, viel abzugewinnen.
Unternehmen, die mit IoT beginnen möchten, sind angesichts der Möglichkeiten und des Hypes jedoch schnell verunsichert. Sie fragen sich, was auf dem Weg zum Internet of Things zu beachten ist. Die folgenden fünf Phasen sollen helfen, diesen Weg besser zu verstehen und zu strukturieren.
1. Intelligente Verbindungen
In der ersten Phase geht es um die Verbindung der physischen mit der digitalen Welt. Genauer gesagt geht es um die Erfassung der von den “Dingen” generierten Daten, wie zum Beispiel Daten von Sensoren, Controllern oder Inspektions- und Wartungs-Logs. Dabei fallen große Datenmengen an, deren Speicherung und rechenintensive Aufgaben sich am Besten in Big Data-Infrastrukturen wie Hadoop lösen lassen. Ein konkretes Beispiel hierfür wären die Sensoren einer Zugtür, die Daten über die zwei Zustände “Tür offen”/”Tür geschlossen” übermitteln.
2. Umwandlung: Aus Daten wird Information
Während der zweiten Phase werden aus dem Datenrauschen die sinnvollen Daten herausgefiltert und mit Daten aus anderen Quellen zusammengeführt. Denn die vom Zugtürsensor übermittelten Daten “Tür offen”/”Tür geschlossen” sind allein für sich genommen wenig aussagekräftig. Erst aus dem Kontext “der Zug ist in Bewegung” oder “die Tür hätte vor 20 Sekunden schließen müssen” können wir ableiten, was die offene Zugtür bedeutet.
3. Zentralisierung
Während der dritten Phase werden Daten – virtuell oder physisch – an einem zentralen Ort gespeichert, zum Beispiel in einem Data Lake. Dabei werden nur die wichtigsten Ereignisse gespeichert. Während die Zugtür zig “Tür offen”/”Tür geschlossen”-Signale pro Sekunde übermittelt, sind doch nur die als fehlerhaft eingestuften Ereignisse relevant und müssen abgespeichert werden.
4. Erkenntnisgewinn
In der vierten Phase helfen maßgeschneiderte Analysen, die überwachten Anlagen und die in ihnen stattfindenden Interaktionen zu überwachen. Eine wäre etwa der Zusammenhang von hoher Temperatur und Fehler beim Schließen der Zugtür. Eine Erkenntnis aus der Verknüpfung der Sensordaten “Tür offen”/”Tür geschlossen” mit Temperaturdaten könnte zum Beispiel ergeben, dass bei hohen Temperaturen die Zugtür häufiger fehlerhaft arbeitet.
Über Jahre hinweg gewonnene Einblicke in solche Korrelationen können dann bei der Entscheidungsfindung helfen. Der Zugbetreiber könnte aufgrund der gewonnenen Einblicke die Entscheidung fällen, dass nach einer bestimmten Anzahl heißer Tage die Zugtüren gewartet werden müssen. Maschinelles Lernen, statistische Analyse und Data Minning unterstützen bei der intelligenten Analyse und helfen, die “Dinge” mit etwas ähnlichem wie künstlicher Intelligenz auszustatten.
5. Kontinuierliche Verbesserung
In der letzten Phase geht es von der digitalen wieder zurück in die physische Welt. Und zwar werden in dieser Phase widerstandsfähige Systeme, die vorausschauende Entscheidungen treffen können, implementiert. Die Zugtür würde dann lernen, dass wenn sie zu hohen Temperaturen ausgesetzt ist, innerhalb der nächsten drei Wochen ausfällt und könnte ein Signal an den Betreiber mit der Anordnung senden, die Temperatur um ein Grad zu senken.
Über diese fünf Phasen hinaus ist es angesichts des ganzen IoT-Hypes für Unternehmen wichtig, einen kühlen Kopf zu bewahren und IoT-Projekte pragmatisch anzugehen. Mit einem konkret zu lösenden Geschäftsproblem zu beginnen, ist vielversprechender als gleich ein großes ausgefeiltes IoT-Konzept umsetzen zu wollen. Ein solcher pragmatischer Ansatz gibt Unternehmen auch den Raum, die technischen Schwierigkeiten, die mit der Auswertung von IoT-Daten verbunden sind, besser zu verstehen und in den Griff zu bekommen.
Der Ratschlag, IoT-Projekte stufenweise anzugehen, muss nicht bedeuten, dass man seine Ambitionen ganz aus dem Blick verliert. Denn der Einsatz des IoT führt oftmals auch zu sozialen Innovationen, die das Unternehmen und auch die Welt ein wenig verbessern.
