Mit IoT Analytics Maschinendaten richtig auswerten

Datenmassen überschwemmen das Internet der Dinge. „Die schiere Zahl neu angeschlossener Geräte und Sensoren, die in den letzten Jahren implementiert wurden, hat zu einem wahren ‚Daten-Tsunami’ geführt“, sagt Theresa Bui, Director of IoT Strategy bei Cisco IoT.

Diese Situation wird sich noch verschärfen: Je nach Studie sollen bis zum Jahr 2020 zwischen 20 und 50 Milliarden Geräte über das Internet kommunizieren und pro Tag mehrere Trillionen Byte an Daten produzieren.

„Bei bestimmten Projekten im Automotive-Umfeld reden wir von einem Datenvolumen von bis zu 15 Terabyte pro Tag und Auto“, umreißt Christian Dornacher, Director Storage und Analytics Solutions EMEA bei Hitachi Van­tara, die gewaltigen Dimensionen, „Aktuelle Netzwerklösungen sind da bereits nicht mehr in der Lage, das mit Standardmitteln zu übertragen.“

Aber nicht nur die Netze, auch die herkömmlichen Datenbanken und Analysesysteme sind damit überfordert. „Ab einer gewissen Größe wird es unwirtschaftlich, die IoT-Daten in Online-Datenbanken zu speichern“, weiß Jan Metzner, Specialist Solutions Architect IoT, EMEA bei Amazon Web Services (AWS). „Deswegen muss man Wege finden, eine solche hohe Anzahl an Daten speichern und analysieren zu können.“

IoT-Daten treten aber nicht nur in Massen auf, sie sind zudem auch noch extrem heterogen. „Viele Kunden haben mit der Historie ihrer Maschinen zu kämpfen“, weiß Erich Barn­stedt, Azure Industrial IoT Engineering Lead bei Microsoft.  „Sie sind zum Teil 30 Jahre alt, sprechen verschiedene Sprachen und übermitteln die Informationen in den unterschiedlichsten Datenformaten.“ Die verschiedenen Feldbus- und Industrial-Ethernet-Versionen, in denen die Daten meist vorliegen, müssten in ein konsistentes Datenformat umgewandelt werden, um sie analysieren zu können, so Barnstedt weiter, „das ist mit viel Aufwand verbunden.“

Eine weitere besondere Herausforderung ist die Absicherung der Datenströme. „Das Übermitteln der Daten muss auf sichere Art und Weise erfolgen, was zwingend asymmetrische Kryptosysteme erfordert“, so Jan Metzner von AWS.  „Solche Software für Mikrocontroller zu entwickeln ist aufgrund geringer Rechenkapazität meist mit größerem Aufwand verbunden.“