Beitrag drucken

Industrial Internet of Things

Die passende Plattform für das digitale Werk

IoT-Technologien lassen sich in quasi jeder Branche nutzenstiftend einsetzen. Aber im Herzstück der deutschen Wirtschaft, der Industrie, ist das Potenzial besonders groß. Doch zuvor müssen die gängigen Ansätze der Datenverarbeitung angepasst werden.

Industrial IoT: Die passende Plattform für das digitale Werk

Bild: © gorodenkoff / Thinkstockphotos.de

Die deutsche Industrie genießt weltweit einen hervorragenden Ruf. Im internationalen Vergleich liegt Deutschland laut der Studie ‚Readiness for the Future of Production‘ des World Economic Forums (WEF) bei der Komplexität der Produktion auf Platz drei. Beim Thema Industrie 4.0 nahm Deutschland sogar eine Vorreiterrolle ein und begann sehr früh mit der Vernetzung und Digitalisierung von Produkten, Wertschöpfungsketten und Businessmodellen, um die digitale Produktion voranzutreiben. Fertigungsanlagen sind heute schon zum Großteil innerhalb altbewährter Systemarchitekturen und mittels klassischer Feldbusse vernetzt. Um die Wettbewerbsfähigkeit der fertigenden Industrie und die Platzierung in Sachen Komplexität der Produktion beizubehalten, spielt das Industrial Internet of Things (IIoT) eine entscheidende Rolle. Das auf die Industrie spezialisierte IoT ermöglicht u.a. eine erweiterte Form der vernetzten Produktion und damit neues Potenzial für die Prozessoptimierung. Es verbindet die Operational Technologie (OT) der Fertigungsstraße mit der Unternehmens-IT. Wenn Produktion, Logistik, Einkauf und Vertrieb dieselbe Datenbasis haben, kann die komplette Wertschöpfungskette digital abgebildet werden und es ergeben sich völlig neue Möglichkeiten. Das größte Potenzial des IIoT liegt darin, Verbindungen zwischen verschiedenen Domänen wie Produktion, Intralogistik, Supply Chain oder Planung herzustellen und übergreifende Szenarien zu etablieren. Ein Beispiel dafür sind Telematikplattformen: KFZ-Versicherer nutzen Daten aus dem Auto, um Risiken zu bewerten und den Versicherungsbeitrag entsprechend anzupassen. Übertragen auf ein Fertigungsunternehmen könnte dies beispielweise bedeuten, dass ein Maschinenbauer seinem Endkunden eine Fertigungsanlage zur Verfügung stellt, diese ihm aber nicht verkauft, sondern ein kombiniertes Mietmodell plus nutzungsbasierter Abrechnung anbietet. Grundlage dafür bieten die Daten der angebunden Maschine.

Daten im Mittelpunkt, Hardware am Rand

Daten, deren Auswertung sowie der Mehrwert, den man daraus gewinnen kann, stehen im Mittelpunkt des IoT. Für Unternehmen ist es daher entscheidend, sich mit der richtigen Technologie Zugang zu dieser Ressource zu verschaffen. Vernetzte Dinge und ihre Sensoren produzieren kontinuierlich große Datenmengen. Sie entstehen außerhalb der herkömmlichen IT, müssen aber mit den traditionellen Unternehmenssystemen, etwa dem ERP-System, interagieren können. Das erfordert neue Ansätze der Datenverarbeitung. Für IIoT-Projekte müssen Unternehmen in der Lage sein, Edge Computing, On-Premises und Cloud Computing zu kombinieren. Edge Computing bedeutet, dass Daten bereits am Entstehungsort – also am Netzwerkrand – analysiert werden. Das ist aufgrund der riesigen Datenmengen erforderlich, da es hohe Kosten verursachen würde, sämtliche Daten zur zentralen Auswertung ins Rechenzentrum zu übertragen. Daten, die auf einen Normalzustand hinweisen oder redundant sind, werden herausgefiltert.

Edge Computing unverzichtbar

Edge Computing ist zudem für Anwendungen erforderlich, die blitzschnelle Entscheidungen erfordern. Bei autonomen Fahrzeugen hängt beispielsweise die Fahrzeugsicherheit davon ab, dass ein Fahrerassistenzsystem eine gefährliche Situation in Echtzeit erkennt und umgehend reagiert. Aber auch bei Produktionsmaschinen ist es wichtig, einen möglichen Schaden oder Ausfall einer Maschine möglichst schnell zu erkennen, um sofort handeln zu können. Daten, deren Auswertung weniger zeitkritisch ist, können in die Cloud übertragen werden. Diese stellt eine zentrale Technologie für IoT-Anwendungen dar. Sie bietet mehr Flexibilität und Skalierbarkeit als On-Premises-Systeme und eignet sich daher für große Datenmengen als zentrale Sammelstelle. Zudem können Unternehmen in der Cloud Daten und Software plattform- und ortsunabhängig zur Verfügung stellen. Das kann den Nutzerkomfort erhöhen und gleichzeitig die Zusammenarbeit mit externen Mitarbeitern oder Dienstleistern vereinfachen. Da es jedoch auch geschäftskritische Anwendungen und sensible Daten gibt, die im Unternehmen bleiben sollen, haben On-Premise-Systeme weiterhin Bestand. Charakteristisch für IoT-Projekte ist also eine komplexe Interoperabilität zwischen Cloud, On-Premises und Edge-Systemen.

Keine natürlichen Grenzen

Die Datenmengen in IIoT-Projekten unterliegen keiner Obergrenze. Sie wachsen kontinuierlich und befinden sich in stetigem Fluss sowie intensivem Austausch zwischen verschiedenen Systemen. Alle Anwendungen, die Daten benötigen und die erforderlichen Berechtigungen haben, greifen auf die Datenströme zu. Der herkömmliche Ansatz zur Datenverarbeitung, der batchbasiert, also sequentiell nach dem ETL(Extract, Transform, Load)-Verfahren abläuft, nimmt dabei zu viel Zeit in Anspruch und ist daher ungeeignet. Stattdessen kann eine Streaming-Analytics-Software die Datenströme bereits im Fluss in Echtzeit analysieren. Dafür werden allerdings extrem leistungsfähige Speicher benötigt, da herkömmliche Festplatten-Architekturen bei Echtzeitverarbeitung an ihre Grenzen stoßen. Schnelle Redaktionszeiten erzielen beispielsweise In-Memory-Technologien – Datenbankmanagementsysteme, die den Arbeitsspeicher als Datenspeicher nutzen.

Plattform mit vorgefertigten Services

Eine Plattform kann Unternehmen dabei helfen, die technischen Herausforderungen auf dem Weg zum eigenen IoT zu meistern. Dazu vereint sie Komponenten, die für solche Projekte benötigt werden. Sie helfen bei der Vernetzung von Objekten, der Datensammlung und bietet etwa Streaming-Analytics-Funktionen zur (beinahe) Echtzeitanalyse. Plattformen können Integrationen in bestehende Systeme und Prozesse vereinfachen und die verteilte Datenverarbeitung zwischen Cloud, Edge und On-Premises Computing unterstützen. Vorkonfigurierte Services für gängige Anwendungsfälle wie etwa Predictive Maintenance oder Track and Trace erleichtern zusätzlich den Einstieg. Eine gute IoT-Plattform sollte auch über Künstliche Intelligenz vefügen und Machine Learning beherrschen. Erkenntnisse aus vorherigen Auswertungen fließen so in eine Wissensdatenbank ein. Das hilft beispielsweise, beim Anwendungsfall Predictive Maintenance Anforderungsmuster zu verfeinern, die auf eine Wartung hindeuten. Suchen Unternehmen also eine geeignete IoT-Plattform, sollten sie sich genau über die eigenen Ziele und die Funktionen sowie Architektur der Plattform im Klaren sein. Dann gelingt es deutlich besser, nützliche Services zu entwickeln und zur Marktreife zu bringen.


Das könnte Sie auch interessieren:

„In den kommenden Jahren wird durch Demografie, Digitalisierung und Klimaschutz der Bedarf an Beschäftigten in Ingenieur- und Informatikberufen deutlich zunehmen“, sagt VDI-Arbeitsmarktexperte Ingo Rauhut. Der Ingenieurmonitor für das zweite Quartal 2023 zeigt einen starken Engpass bei den Ingenieurberufen Energie- und Elektrotechnik.‣ weiterlesen