Mit IoT Analytics Maschinendaten richtig auswerten

Daten finden

von - 22.05.2018
Nachdem Unternehmen die Probleme der Konnektivität und Sicherheit gelöst haben, stellt sich die Frage, welche Daten denn nun wirklich relevant sind. „Das ist die Kür“, sagt Barn­stedt, und rät mit Maschinenbauern und Automatisierungsanbietern aus der Branche zusammenzuarbeiten. „Diese Experten verfügen über das nötige Domänenwissen, um die für einen bestimmten Zweck wichtigen Daten von unwichtigen zu unterscheiden.“
Bei allen Unterschieden sieht Cisco-IoT-Expertin Theresa Bui aber auch grundlegende Anforderungen, die alle IoT-Projekte auszeichnen: „Was überall gleich ist, ist der Kernbedarf an Best Practices für das IoT-Datenmanagement: das Extrahieren und Sammeln von Daten, das Sicherstellen eines einheitlichen Datenmodells, das flexible Bestimmen, wo die Daten verarbeitet werden sollen, das Verschieben verschiedener Datensätze an mehrere Orte, wann immer sie benötigt werden, und das Ermöglichen der Anwendung von Data-Governance-Richtlinien und die Gewährleistung ihrer Durchsetzung.“
Die Integrationsarbeit hört jedoch bei der Auswahl der richtigen Maschinendaten nicht auf, die Einbindung zusätzlicher Informationen etwa aus der Gebäudetechnik oder auch öffentliche Informationen wie Wetterprognosen und Verkehrsströme können zusätzlichen Mehrwert bieten.
Igor Ilunin
Igor Ilunin
Leiter der IoT-Abteilung bei DataArt
www.dataart.com
Foto: DataArt
„In Kombination mit ­anderen Datenquellen ­eröffnen IoT-Daten große Chancen für Unter­nehmen.“
„Manchmal ist die Produktion vielleicht deswegen schlecht, weil die Umgebungstemperatur zu hoch ist“, sagt Barnstedt. Microsoft kooperiert unter anderem mit dem Industrial-IoT-Experten Honeywell, um solche Daten ebenfalls in einem einheitlichen Format zur Verfügung zu stellen.
Eine andere Initiative in diese Richtung ist die „Verwaltungsschale“, ein Modell, das von der Arbeitsgruppe „Referenzarchitekturen, Standards und Normung“ (AG 1) der Plattform Industrie 4.0 in Zusammenarbeit mit dem Zentralverband der Elektroindustrie (ZVEI) entwickelt wurde. Es basiert auf dem Referenzarchitekturmodell Industrie 4.0 (RAMI 4.0) und soll Daten und Funktionen aus verschiedensten Systemen aufnehmen und in unterschiedlichsten Anwendungsszenarien bereitstellen können.

Fazit & Ausblick

Die Analyse der Datenflut aus dem Internet der Dinge stellt Unternehmen zweifelsohne vor ganz besondere Herausforderungen. Die Verarbeitung großer Mengen unstrukturierter, heterogener Daten von oft zweifelhafter Qualität erfordert nun einmal andere Verarbeitungsstrategien als die herkömmlichen Methoden der klassischen Business-Intelligence-Systeme. IoT-Analyseplattformen bieten aus diesem Grund eine ganze Reihe von Zusatzfunktionen, zum Beispiel Aufbereitung, Filterung, Konsolidierung und Normalisierung von Daten.
Unternehmen sollten bei der Auswahl einer Lösung darauf achten, dass die Analysefunktionen in ein Ökosystem eingebettet sind, das auch Aspekte wie die IT-Sicherheit, das Gerätemanagement und die Datenübertragung abdeckt. Wichtig ist außerdem, dass Analysen ganz oder zum Teil in die Endgeräte selbst oder in deren Nähe ausgelagert werden können. Das spart zum einen Kosten, weil der Transport und die Speicherung großer Datenmengen vermieden werden können, zum anderen sind zeitkritische Analysen, die eine Reaktion in Echtzeit oder nahezu in Echtzeit erfordern, gar nicht anders realisierbar.
Ob man dabei alles aus einer Anbieterhand bezieht, auf Open Source setzt oder sich nach dem Best-of-Breed-Ansatz selbst die Komponenten zusammensucht, hängt letztlich vom Anspruch, der Zielsetzung und vor allem auch der Expertise im eigenen Haus ab. Die Hände in den Schoß zu legen, ist dagegen keine Alternative, ist sich Theresa Bui von Cisco IoT sicher: „Unternehmen haben zwei Möglichkeiten: Sie können entweder im IoT-Daten-Tsunami untergehen – oder ihn beherrschen.“
Verwandte Themen