Alle Beiträge von Wim Stoop

IOT - IoT-Praxis

Eclipse: Einmal IoT Standard bitte

Schreibe einen Kommentar

Standards und Open Source sind eng miteinander verknüpft. Mit Open Source sind Sie immer auf dem neuesten Stand und können jederzeit die aktuellsten und innovativsten Technologien nutzen. Die Geschwindigkeit, mit der eine Open Source-Community innovative Software entwickelt, ist einmalig und kann von keinem Einzelunternehmen übertroffen werden. Ein wichtiger Grundsatz des Open Source-Konzepts ist, dass proprietäre Elemente vollständig ausgeschlossen werden.

Stattdessen dienen Standards und Architekturen als Richtlinien, mit denen sichergestellt wird, dass Open Source-Software integrierbar, austauschbar und gemeinsam nutzbar ist. Ein entscheidender Aspekt des Open Source-Konzepts ist daher die Definition dieser Standards und Architekturen.

Standards für IoT

„Das Gute an Standards ist, dass es eine so große Auswahl gibt“ – Andrew S. Tanenbaum. Standards finden sich in sämtlichen Bereichen unseres täglichen Lebens und das ist gut so. Sie erleichtern uns nicht nur unseren Alltag, sondern tragen außerdem dazu bei, dass Unternehmen wettbewerbsfähig bleiben. So muss ein Hersteller z. B. nicht länger individuelle Lösungen für einfache Probleme entwickeln, wenn er dabei kaum mit anderen Anbietern mithalten kann.

Komplettlösungen und End-to-End-Ansätze wie IoT vereinen eine Vielzahl verschiedener Elemente und Komponenten, die gegebenenfalls von unterschiedlichen Herstellern und Anbietern stammen. Und genau deshalb sind Standards – insbesondere offene Standards – so wichtig. Wenn verschiedene Systeme gemeinsam eingesetzt werden und Anbieter oder Partner in der Lage sein sollen, Lösungen aus unterschiedlichen Elementen zu erstellen, für die sie nicht über die entsprechenden Besitzrechte verfügen bzw. die sie nicht selbst entwickelt haben, dann lässt sich diese Flexibilität nur mithilfe offener Standards erzielen. Wie Andrew S. Tanenbaum bereits anmerkte, ist die Auswahl an verfügbaren Standards groß. Allein die Normungsorganisation IEEE-SA führt eine umfangreiche Liste von Standards, ebenso wie die Organisationen ETSI und IETF.

Eine Architektur für IoT

Die Konnektivität ist ein Aspekt von IoT, der bereits ziemlich genau definiert wurde. Ein bisher weniger präzise definierter Bereich ist die umfangreichere Architektur, in der die erfassten Daten der IoT-Geräte verarbeitet und für die Unternehmensmitarbeiter aufbereitet werden. Und diese Architektur ist ein entscheidendes Element. Denn letztendlich profitieren Unternehmen erst dann von ihren IoT-Investitionen, wenn sie sich die Daten der verbundenen Geräte zunutze machen und basierend auf den gewonnenen Erkenntnissen entsprechende Maßnahmen ergreifen. Indem Unternehmen diese Daten in den richtigen Kontext bringen und relevante Einblicke erhalten, können sie innovative Ideen umsetzen und sich von ihren Mitbewerbern abheben.

Um die vernetzten „Dinge“ in einer End-to-End-Lösung mit Unternehmensanwendungen zu verbinden, werden drei Komponenten benötigt. IoT-Gateways werden einerseits für die Endpunkt-Konnektivität eingesetzt und führen zusätzlich Verarbeitungs- und Analyseaufgaben am Netzwerk-Edge aus. Diese Gateways übergeben Daten an Integration Hubs, die eine bidirektionale Kommunikation zur Gerätesteuerung bieten und die Integration der Daten in das dritte und letzte Element ermöglichen: die Datenverwaltungs- und Analyseplattform. Durch die zentralisierte Implementierung von IoT-Datenverarbeitung, Analysen und Machine Learning gewinnen Unternehmen umfangreiche Einblicke, anhand deren sie umgehend wichtige Maßnahmen ergreifen können.

Open Source für IoT

Nun hat die Eclipse Foundation eine Arbeitsgruppe und Community mit dem Ziel ins Leben gerufen, den Open Source-Ansatz für IoT in die Praxis umzusetzen: Mit Eclipse IoT wird die erforderliche Technologie bereitgestellt, um Geräte, Gateways und Cloudplattformen für IoT zu entwickeln. Geleitet wird diese IoT-Arbeitsgruppe und -Community, deren Mitgliederliste sich wie das „Who is Who“ der IoT-Branche liest, von Bosch, Eurotech und Red Hat (allesamt Mitglieder des Führungsgremiums). Ihre Hauptaufgabe besteht darin, den gesamten Stack, die Architektur und Open Source-Projekte zu definieren, mit denen die Unternehmensanforderungen im Hinblick auf IoT erfüllt werden (von Operational Technology und Informationstechnologie bis hin zu Datenverwaltung und -analyse).

Die Vorteile liegen auf der Hand:

  • Offene und interoperable Komponenten sind die Grundlage für zukunftssichere Lösungen.
  • Eine modulare Implementierung verhindert die Abhängigkeit von einem einzigen Anbieter und ermöglicht die Nutzung vorhandener Investitionen.
  • Neue Funktionen können in die vorhandene Architektur integriert werden, sobald sie verfügbar oder ausreichend getestet und weiterentwickelt wurden. Unternehmen profitieren von schier unendlichen Erweiterungsmöglichkeiten.
  • Risiken und Komplexität werden durch eine vereinfachte Entwicklung, Implementierung und Integration gesenkt, was wiederum geringere Kosten zur Folge hat.
  • End-to-End-Lösungen für Analysen und Machine Learning liefern wertvolle Informationen und Einblicke, mit denen Unternehmen innovative Ideen umsetzen und sich einen Wettbewerbsvorteil verschaffen können.
  • Eine vollständige Datenkontrolle ermöglicht es Unternehmen, Datenschutzrichtlinien und andere gesetzliche Bestimmungen einzuhalten.
  • Durch End-to-End-Sicherheit für Geräte und Daten werden geschäftliche Risiken durch Betrug und Cyberkriminalität gesenkt.

Fazit

IoT bietet insgesamt ein Marktpotenzial von 200 Milliarden US-Dollar für Datendienste und Analysen. Die potenziellen Lösungen und Anwendungsfälle sind praktisch grenzenlos und reichen von vorbeugender Instandhaltung für Maschinen und Fahrzeuge über nutzungsbasierte Versicherungen bis hin zur Zustandsüberwachung in Echtzeit mit entsprechenden Empfehlungen. Eine Open Source-basierte End-to-End-Architektur für IoT trägt erheblich dazu bei, dass diese Implementierungen in kürzester Zeit wertvolle Informationen und Einblicke liefern. 

IOT - Industrie 4.0 und IIC, IOT - IoT Szene

Die 5 größten Einflussbereiche des Internets der Dinge

Schreibe einen Kommentar

2020 wird ein wichtiges Jahr für den technologischen Fortschritt: Das Mooresche Gesetz verliert seine Gültigkeit; Produktion und Speicherung von Solarenergie kommen ins Gleichgewicht; autonome Elektroautos bestimmen in zunehmendem Maße Transport und Verkehr.[1] Welche Bedeutung jenem Jahr zukommt, spiegelt sich auch in den Voraussagen vieler Analysten wider.

So werden im Internet der Dinge bis zu 50 Milliarden Geräte miteinander verbunden sein, wenn Cisco[2] mit seiner Schätzung richtig liegt. Darunter befinden sich dann laut Gartner über 250 Millionen[3] vernetzte Fahrzeuge. Mit einem geschätzten jährlichen Wachstum von 20 Prozent und einer Wertschöpfung von ungefähr 7,1 Billionen Dollar[4] kündigt sich hier eine Revolution an, die den Status Quo erschüttern wird. Die vielen Möglichkeiten und vor allem die clevere Nutzung der Daten aus vernetzten Dingen treiben diese Veränderungen voran. Hier sind die fünf Bereiche, in denen sich meiner Meinung nach die größten Auswirkungen zeigen werden.

1- Prädiktive Instandhaltung

Gerade anlagen- und ausrüstungslastige Organisationen, etwa in den Branchen Fertigung, Bergbau, Öl und Gas, wissen, wie wichtig eine ordnungsgemäße Wartung und Pflege der Maschinen ist. Doch eine solche Wartung beruht auf Erfahrungswerten der Vergangenheit; sie ist reaktiv, bringt unnötige Arbeiten und Kosten mit sich und kann trotzdem Maschinenausfälle nicht vermeiden. So schätzen Autohersteller die Kosten für ungeplante Auszeiten in Fertigungsanlagen pro Minute auf bis zu 22.000 Dollar bei einer Gesamthöhe mehrerer Millionen Dollar pro Vorfall.[5] 

Vernetzte und mit Sensoren ausgestattete Maschinen ermöglichen es, den Zustand der Ausrüstung kontinuierlich zu überwachen und mit Hilfe von Data Science- und Machine Learning-Modellen Hinweise auf Funktionsstörungen aufzuspüren, bevor der Schadensfall eintritt. So lassen sich nicht nur Ausfallzeiten um bis zu 50% reduzieren[6], sondern auch Ersatzteilbestellungen und -auslieferungen sowie die Verteilung von Personal und Ressourcen effizienter und effektiver gestalten.

2 – Vernetzte Fahrzeuge

Neben den oben erwähnten 250 Millionen vernetzten Autos auf den Straßen werden 2020 auch 75 Prozent aller produzierten Neuwagen über Internetkonnektivität verfügen.[7] Die Anzahl der Sensoren an einem Auto wird sich von derzeit 60 bis 100 auf 200 verdoppeln.

Neben der oben genannten prädiktiven Instandhaltung wird es daher noch viel mehr Anwendungsfälle auf dem Gebiet vernetzter Fahrzeuge geben, etwa soziale Navi-Tools wie Waze, die Informationen über den Verkehr in Echtzeit, bis hin zur Hilfe bei der Suche nach einem freien Parkplatz, liefern. Auch zum Thema Sicherheit, etwa Kollisionsvermeidung, Notruffunktionen und Vorwarnung bei Gefahr, gibt es bereits heute schon Ansätze.

Aber die Anwendungsfälle beschränken sich nicht auf das Fahrzeug selbst: Versicherungsgesellschaften können kontinuierliche Telematik nutzen, um auf der Grundlage des Fahrverhaltens und der individuellen Bedürfnissen des Fahrers eine maßgeschneiderte Absicherung und in hohem Maße personalisierte Produkte anzubieten. Behörden und Organisationen mit Sicherheitsaufgaben können Fahrzeugdaten in Verbindung mit anderen Informationen nutzen, um Verkehrsmuster zu verstehen, Risiken zu erkennen und diese Einsichten in die Stadtplanung miteinzubeziehen.

Die Firma Navistar[8] überwacht mit mittels IoT Schlüsseldaten von Tausenden Speditionslastwagen. Dadurch kann Navistar nicht nur die Anzahl außerplanmäßiger Reparaturen und Ausfallzeiten ihrer Fahrzeuge um 30 bis 40 Prozent reduzieren, sondern den Spediteuren auch zu geringeren Wartungskosten verhelfen: Diese betragen 0,03 Dollar pro Meile statt der branchenüblichen 0,12 bis 0,15 Dollar pro Meile.

3 – Smarte Infrastruktur

Ob als Smart City, Smart Lighting, Smarte Entsorgung oder ähnliches, im Bereich Infrastruktur geht es grundsätzlich um die Integration von Sensordaten mit Informationen aus der vernetzten Infrastruktur und anderen, oft externen, Datenquellen, wie Wetter oder Verkehrsdaten. Großstädte wie Barcelona, London, Singapur oder San Francisco sowie große Flughäfen testen bereits die Grenzen des Machbaren aus.

Aber auch im kleineren Rahmen gibt es erfindungsreiche Neuerungen. Milton Keynes[9], eine der am schnellsten wachsenden Städte im Vereinigten Königreich, hat zusammen mit BT Global Services eine Lösung entwickelt, die Verkehrsteilnehmer auf der Suche nach einer Parkmöglichkeit zu einem freien Platz leitet. Das spart der Stadt nicht nur Millionen Pfund, weil keine neuen Parkplätze gebaut und instand gehalten werden müssen, sondern verringert auch die Emissionen, weil die Parkplatzsuchenden gezielt zu einem Parkplatz geleitet werden.

4 – Vernetztes Gesundheitswesen

Die Hauptursache für Tod und Invalidität in den Vereinigten Staaten sind chronische Krankheiten wie Herzerkrankungen, Krebs, Typ-2-Diabetes oder Arthritis. Diese Krankheiten und ihre Begleiterscheinungen sind die am weitesten verbreiteten und vor allem kostenintensivsten Gesundheitsprobleme, die es zu lösen gilt. Eine der entscheidenden Maßnahmen für eine erfolgreiche Behandlung ist die häufige Überwachung der wichtigsten Gesundheitswerte eines Patienten. Das Problem ist, dass vermehrte Besuche von Krankenhäusern oder Testzentren den Lebensalltag des Patienten beeinträchtigen und die Kosten der Behandlung in die Höhe treiben.

Genau an dieser Stelle setzten IoT-Lösungen an. Ein chronisch kranker Patient könnte mit mehreren vernetzten IoT-Geräten, etwa einer Waage, einer Blutdruckmanschette und einem Armband, ausgestattet werden. Diese zeichnen kontinuierlich die wichtigsten Gesundheitswerte auf und senden die an eine auswertende Software-Lösung. Diese sammelt Daten von Tausenden Patienten und kann daher gefährliche Abweichungen durch Machine Learning selber entdecken und den zuständigen Arzt sowie den Patienten in Echtzeit warnen.

Bei der Parkinson-Krankheit standen der Forschung lange Zeit nur begrenzte Daten aus Feldstudien zur Verfügung. Klinische Untersuchungen lagen mehrere Monate auseinander, und Daten waren nicht objektiv, sondern basierten auf der Einschätzung bestimmter Symptome durch Einzelpersonen. Die Michael J. Fox Foundation hat mit Intel daran gearbeitet[10], Tausende von Parkinson-Patienten mit Wearables auszustatten, die über ein Mobiltelefon mehr als 300 Beobachtungen pro Sekunde zu Symptomen wie Bewegungsverlangsamung, Zittern oder Schlafqualität in die Cloud hochladen können. Diese steigende Datenmenge bietet Forschern die Möglichkeit, Muster zu erkennen und so eines Tages ein Heilmittel gegen die Krankheit zu entdecken.

5 – Vernetzte Produkte & Analysemethoden

Wie nutzen Kunden Produkte? Die Antwort auf diese Frage ist goldwert, denn sie hilft Unternehmen Produkte und Dienstleistungen zu verbessern und neue zu entwickeln. Doch diese Informationen zu sammeln und zeitnah darauf zu reagieren, stellt Unternehmen vor eine gewaltige Herausforderung. Bei den klassischen Umfragen werden Daten durch kostspielige und manchmal unzuverlässige, subjektive Interaktion gesammelt. Bis die Daten ausgewertet sind, ist es meist zu spät, die erlangten Einsichten noch in die laufenden Produktionszyklen einfließen zu lassen.

IoT-fähige Anwendungen und -Produkte dagegen verfügen über integrierte Analysefähigkeiten, mit deren Hilfe Organisationen erschließen können,  wie ihre Kunden ihre Produkte nutzen. So können Unternehmen schnell auf aktuelle Probleme reagieren, neue oder zusätzliche Funktionen in die Produkte integrieren sowie letztendlich das Kundenerlebnis positiv beeinflussen.

Die Firma GoPro[11] kann beispielsweise in Echtzeit herausfinden, welche Kunden welches Modell und welche Version ihrer Kameras zu welchem Zweck (Video, Standbild, Teilen auf Sozialen Medien, etc.) einsetzen. Das erlaubt ihnen, gezielt und zeitnah Produktverbesserungen und neue Produktfunktionen zu entwickeln.

Fazit

Dies sind nur fünf Bereiche, in denen das Internet der Dinge die Gesellschaft in den kommenden Jahren prägen wird. Aber damit ist das Potential von IoT noch nicht ausgeschöpft. Unternehmen sind sich über den Nutzen der IoT-Integration und der entsprechenden Daten einig: erhöhte Effizienz, verbesserte Produkte und Kundenerfahrungen, Entwicklung und Erschließung neuer Dienstleistungen und Geschäftsmodelle. Um davon profitieren zu können, reicht es nicht, IoT-Sensoren einfach nur zu verwenden, denn das würde lediglich eine Datenflut herbeiführen; viel wichtiger ist die Kontextualisierung der IoT-Daten, denn darin liegt der Schlüssel zu deren enormem Geschäftswert.

Was meinen Sie? Wo werden wir bis 2020 noch weitere einschneidende Veränderungen durch das Internet der Dinge sehen?

[1] Forbes, Why 2020 is shaping up to be a pivotal year,

[2] How the Next Evolution of the Internet Is Changing Everything

[3] Gartner Says By 2020, a Quarter Billion Connected Vehicles …

[4] Internet of Things market to hit $7.1 trillion by 2020

[5] The $22,000-Per-Minute Manufacturing Problem

[6] McKinsey, The internet of things – mapping the value beyond the hype,

[7] Giesecke & Devrient analysis as quote on IT Web

[8] Reducing Maintenance Costs up to 40 percent for Connected Vehicles

[9] Smart Parking in Milton Keynes

[10] Using Wearable Technology to Advance Parkinson’s Research

[11] How big data and analytics are fuelling the IoT revolution

IOT - IoT-Praxis, IOT - IoT-Technologie

IoT-Doping für den Einzelhandel

Schreibe einen Kommentar

Ob die IT bei geringen Beständen automatisch Ware nachbestellt oder Unternehmen den Weg eines Kleidungsstücks von der Produktion bis zum Ladentisch im Detail nachvollziehen – IoT- Lösungen haben längst Einzug in klassische Handelsunternehmen gehalten. Die Tendenz ist weiter steigend, wie die aktuelle „Zebra 2017 Retail Vision Studie“ (http://online.zebra.com/Retail_Vision_Study_US) zeigt, in der weltweit rund 1.700 Entscheider aus dem Handel befragt wurden. Danach planen 70 Prozent aller Händler innerhalb der nächsten fünf Jahre Investitionen in das Internet der Dinge. Sie erhoffen sich dadurch nicht nur einen besseren Einblick in die Supply Chain oder weniger Regallücken, sondern wollen außerdem Kundenpräferenzen ermitteln, um dadurch ihre Produktauswahl zu verbessern.

Black Box Kundenverhalten

Um das Sortiment auf die Wünsche der Kunden hin zu optimieren, benötigen Händler jedoch detaillierte Informationen über das Verhalten und die Laufwege des Kunden – bisher noch eine große Herausforderung. Denn Händler mit Ladenlokalen wissen im Gegensatz zu ihren Online-Wettbewerbern in der Regel nicht, wie die Kunden sich im Laden orientieren, wie viel Zeit sie in jedem Gang verbringen und wo sich „heiße Zonen” und „blinde Flecken” befinden.  Heute versuchen stationäre Händler häufig noch, „Flow-Maps“ der Kundenbewegungen auf Basis von Befragungen durchzuführen. Diese Vorgehensweise ist zeitaufwändig, kostspielig und liefert Ergebnisse, die für das Erkennen von Trends und die Erstellung von Modellen nicht ausreichen. Im Endeffekt verlassen sich Einzelhändler dann lieber auf ihr Bauchgefühl und ihre Erfahrung.

„Seit Jahrzehnten sind solche Läden wie eine „Black-Box“, in die Käufer eintreten und sich dort für eine nicht messbare Zeitspanne umsehen“, sagt Jorge García Bueno, CEO von Shoppermotion. „Einziges Ergebnis ist der Kassenbeleg, der für einen Verkauf steht.“ Online-Shops können dagegen genau nachvollziehen, was ein Käufer angesehen hat, welche Produkte er gut fand und welche nicht und wie viel Zeit er vor dem endgültigen Kauf mit dem Einkaufen verbracht hat. Konversionsraten von Werbung und Click-Through-Raten helfen dem Online-Händler, neben anderen Variablen, strategische Entscheidungen zu treffen.

Den Kunden in Echtzeit beobachten

Das spanische Unternehmen Shoppermotion hat deshalb eine Lösung entwickelt, die es über Grundrisse  und Analysen ermöglicht, das Verhalten von Kunden und ihre Wege im Laden zu verstehen. Dazu werden in den Geschäften kleine Beacons an Einkaufswagen und -körben angebracht. Diese Beacons senden sekündlich ein Signal an Bluetooth-Sensoren in der Decke, um dem Kunden im Laden zu folgen. Die Sensoren erfassen das Kundenverhalten in Echtzeit – in welchen Gängen sie einkaufen, aus welcher Richtung sie in den Gang kommen und sogar, wie lange sie sich vor verschiedenen Waren aufhalten. Damit können Händler den Weg jedes Kunden im Laden nachvollziehen und gleichzeitig den Datenschutz gewährleisten.

„Shoppermotion verändert das Offline-Marketing im Ladenlokal so wie Google Analytics bei seinem Erscheinen 2005 das Online-Marketing für Webseiten verändert hat”, ist Bueno überzeugt. „Mit der Intelligenz dieser Plattform konnte einer unserer Kunden durch Änderungen am Aufbau seiner Läden seinen Umsatz in einer Kategorie um fast 10 Prozent steigern. Gleichzeitig stieg die Verweilzeit um 1,3 Minuten.” Alle Informationen aus den Besuchen im Laden sind über ein Analyse-Dashboard abrufbar. Händler können dort auch den Rückgang des Verkehrs in jedem Gang oder die Verkehrsflüsse im ganzen Laden messen und sogar vorhersagen, wann es zu einem Stau in der Kassenzone kommt. Die Technologie lässt sich außerdem von Marken nutzen, die den Erfolg von Werbeaktionen in einzelnen Gängen vergleichen oder feststellen möchten, wann sich bestimmte Marketingkampagnen im Laden lohnen.

Darüber hinaus lassen sich einzelne Ladenlokale miteinander vergleichen oder zu Testzwecken in verschiedenenen Läden Waren auf andere Weise präsentieren und dann die Ergebnisse auswerten. Auch kann anhand der Analysen festgestellt werden, ob Shop-Manager Vorgaben korrekt ausgeführt haben, beispielsweise für die Platzierung einzelner Artikel. Regionalmanager bekommen durch die Auswertungen die Möglichkeit, Optimierungen im Großen, aber auch auf der Ebene einzelner Shops durchzuführen, ohne zuviel Zeit für Fahrten zwischen den Ladenlokalen zu verschwenden. Bei ihren regelmäßigen Besuchen vor Ort haben sie dann mit den Daten und Analysen die Möglichkeit, Gespräche erheblich effizienter zu führen.

Intelligente Datenplattform im Hintergrund

Um die große Menge an übertragenen Sensordaten zu erfassen, abzubilden und zu analysieren, die bei jedem Ladenbesuch anfallen, greift das Unternehmen auf Cloudera Enterprise zurück. Die Hadoop-basierende Plattform analysiert Millionen von Routen im Laden und die Stops in jedem Gang und hilft Händlern damit, Einkaufsmuster und -trends zu verstehen und Modelle für Verbesserungen im Laden vorzuschlagen. „Cloudera stellt uns eine durchgehende, moderne Plattform zum Machine Learning und branchenweit führenden Support zu Verfügung“, so Marco Doncel, CTO von Shoppermotion. „Das spart uns Zeit und Aufwand bei der Wartung und Konfiguration, so dass wir uns auf das Wichtigste konzentrieren können – unseren Kunden einen höheren Nutzen zu verschaffen und ihnen dabei zu helfen, das Einkaufserlebnis zu verändern.”

Auf die Bedeutung einer soliden technischen Plattform für den Erfolg des Einzelhandels im IoT weist auch ein Strategiepapier von Accenture hin („The Internet of Things: Revolutionizing the Retail Industry“, https://www.accenture.com/us-en/insight-internet-things-revolutionizing-retail-industry).  Danach werden IT-Teams die bestehenden IT-Investitionen in Schlüsselbereichen deutlich ausbauen müssen, um die Vorteile der im Bereich IoT generierten Daten nutzen zu können. Zu diesen Bereichen zählen Big Data/ Analytics, die technischen Infrastrukturen in den Geschäften und die Applikationen.

IKEA & Co. setzen bereits auf IoT und Big Data

Der Einzelhandel hat erkannt, dass die Nutzung von Big Data wichtig oder sogar kritisch für den künftigen Erfolg ist, weil sie Wege zu Innovationen und Diffenzierungsmerkmalen gegenüber dem Wettbewerb aufzeigt. Laut der eingangs erwähnten Zebra-Studie stehen im Handel bis 2021 bei rund drei Viertel aller Befragten Investitionen in den Bereichen Warenkorb-Analyse, Kundensegmentierung sowie zentralisierte Kundendaten und -intelligenz ganz oben auf der Prioritätenliste. Doch mit der Umsetzung hat erst ein Teil der Unternehmen begonnen.

„So langsam sehen wir den Einsatz des IoT auch in echten Anwendungen, von der Optimierung von Industriebetrieben bis zu vernetzten Fahrzeugen und Predictive Maintenance. Shoppermotion hat mit der Verarbeitung von Big Data und Machine-Learning-Analysen eine IoT-Lösung geschaffen, wie sie bisher nicht möglich war, um die Handelsbranche aufzubrechen“, so David Pieterse, Vice President EMEA, bei Cloudera. „Sie greifen auf Daten zu, die bisher nicht zugänglich waren, und nutzen sie, um für Kunden das Einkaufserlebnis zu verbessern und neue Marktchancen für Einzelhändler zu eröffnen. Die Handelsbranche wird durch diese innovative Anwendung des IoT für immer verändert.” Zu den Unternehmen, die die Lösung bereits aktiv nutzen, zählen unter anderem IKEA, Unilever sowie die Lebensmittelketten FMart und Carrefour.

IOT - Industrie 4.0 und IIC, IOT - IoT-Praxis

Datengesteuerte Produktion mit dem Internet der Dinge

Schreibe einen Kommentar

In der verarbeitenden Industrie gehören industrielle Mess- und Regeltechnik, hochvernetzte Systeme und Automatisierung seit Jahrzehnten zur Standardausrüstung, mit der Unternehmen die verfügbaren Daten verwerten können. Durch kontinuierliche Prozessoptimierung entstanden völlig neue Fachrichtungen und Anwendungen. Grenzen wurden vor allem durch den Stand der Technik definiert, während die potentiellen Kosten nur eine nachrangige Rolle spielten.

Mittlerweile sind die meisten Industrieunternehmen aber an die Grenzen des Machbaren gestoßen: Sie müssen nicht nur immer mehr, sondern auch zunehmend heterogene und unstrukturierte Daten von innerhalb und außerhalb des Produktionsprozesses verarbeiten. Zusätzlich bringt das industrielle Internet der Dinge (Industrial Internet of Things, IIoT) eine Unzahl an Maschinen und Sensoren ins Spiel, die mit ihren gewaltigen Datenströmen die Fertigungsbranche zu überfluten drohen.

Mit neuen Tools allein ist es nicht getan

Mit den bisher eingesetzten Werkzeugen sind diese Informationsflüsse nicht in den Griff zu bekommen. Zudem suchen die Unternehmen auch nach Wegen, die ausufernden Kosten wieder unter Kontrolle zu bekommen. Die Hersteller wollen ihre Innovationsfähigkeit stärken, im Wettbewerb mithalten und sich gleichzeitig differenzieren. Um verwertbare Erkenntnisse über Produkte, Kunden und Lieferketten zu erhalten, müssen sie ihre Strategie im Umgang mit Daten grundlegend ändern.

 

Einsatzgebiete in der Produktion

Die möglichen Anwendungsgebiete sind vielfältig und sehr heterogen. Es lassen sich aber drei Bereiche herausfiltern, die das größte Potential bieten:

  • Vernetzung in der Produktion: Durch das Internet der Dinge können Hersteller zu jedem Zeitpunkt eine umfassende Übersicht darüber erhalten, was gerade im Fertigungsprozess passiert. Anpassungen können in Echtzeit erfolgen, um die störungsfreie Fertigstellung von Produkten zu gewährleisten und Mängel zu vermeiden. Eine Datenmanagementplattform ermöglicht es Unternehmen, Daten aus Produktionsprozessen und IoT-Sensoren zu sammeln, zu speichern, zu analysieren und daraus verwertbare Erkenntnisse zu gewinnen.
  • Optimierung von Lieferkette und Beständen: Mittels eines ausgeklügelten Systems an Voraussage- und Logistikmodellen lässt sich ein Hub für Unternehmensdaten als Echtzeit-Liefernetzwerk (Supply Network) nutzen, um Vorlaufzeiten mit Nachfragesignalen, ERP- und MES-Daten, Warenbeständen, Lagerkapazitäten und Lieferantendurchsatz für einen reibungslosen Betrieb abzugleichen.
  • Proaktive Qualitätssicherung: Ein Problem nach der Produktion zu beheben, kostet hundertmal mehr, als es bereits vor der Produktion aus der Welt zu schaffen. Durch eine einzige Datenplattform lassen sich Entwicklungszeiten um bis zu 50 Prozent verkürzen, während auf Leistungsprobleme in Echtzeit reagiert und Mängel vor der Herstellung beseitigt werden können.

Hadoop – Datenmanagement für die Fertigungsbranche

Produktions- und IoT-Daten sind allerdings derart komplex, dass Unternehmen ihre Strategie zur Datenverwaltung anpassen müssen. Benötigt wird eine Plattform, die optimal auf die genannten Herausforderungen getrimmt ist und mit der Hersteller die Vorteile der Cloud wahrnehmen und gleichzeitig ihre bestehende Infrastruktur weiter nutzen können.

Führende Unternehmen aus der Fertigungsbranche setzen zunehmend auf das Apache Hadoop-Ökosystem als Basis für Datenmanagement- und -analyse. Mit Hadoop lassen sich Daten  praktisch ohne Limits speichern, verwalten, verarbeiten und vor allem analysieren. Daten aus Sensorablesungen, Anlagenproduktivität, Transaktionsdaten, Lieferantendaten und mehr lassen sich leicht und kostengünstig aus verschiedenen Quellen in einer einzigen, vereinheitlichten Plattform zusammenführen.

Da Hadoop darüber hinaus auf einem höchst skalierbaren und flexiblen Datensystem beruht, kann jede Art von Daten – sowohl strukturiert als auch unstrukturiert – ohne Änderung des Formats geladen werden, so dass sowohl die Integrität der Daten als auch die Flexibilität der Analyse gewährleistet sind. Daten, die von Maschinen und Sensoren generiert werden, darunter Zeitreihendaten sowie Anwendungs- und Weblog-Dateien, können in Echtzeit gesammelt und direkt in Hadoop eingespeist werden, anstatt in temporären Dateisystemen oder Data Marts bereitgestellt zu werden. Hadoop läuft auf branchenüblicher Standard-Hardware oder in der Cloud, wodurch die Kosten für Speicher und Rechenleistung pro Terabyte durchschnittlich ein Zehntel von denen eines herkömmlichen relationalen Data-Warehouse-Systems betragen.

Lösungen auf Basis von Apache Hadoop haben in der Verwaltung und Analyse von Produktionsdaten zu einem Paradigmenwechsel geführt. Organisationen können damit problemlos nahezu unbegrenzte Mengen und Arten von Sensor-, Prozess- und IoT-Daten  sammeln und speichern, leistungsfähige Verarbeitungs- und Analysewerkzeuge für Data in Motion und Data at Rest nutzen sowie sofortige Such-, Abfrage- und Visualisierungsoptionen von Daten im Petabytebereich zur Verfügung stellen, um mehr verwertbare Erkenntnisse zu gewinnen. Mit einer professionellen Hadoop-Distribution wie Cloudera Enterprise erhalten Unternehmen außerdem zahlreiche weitere Enterprise-Funktionen, Support, Training und vieles mehr.

IOT - IoT-Security

Sicherheit für IoT durch lernfähige Analysetools

Schreibe einen Kommentar

Doch nicht immer bleibt es „nur“ bei einem Zeit- und Imageverlust. Datendiebstahl, Sabotage und Spionage bis hin zur Erpressung via Ransomware sind ein lukratives Geschäftsfeld, in dem sich Cybergangster und Anbieter von schützender Hard- und Software einen kontinuierlichen Wettlauf liefern.

Schwachstellen durch IoT

Das Problem der Datensicherheit wird sich in den nächsten drei Jahren noch verstärken, wenn geschätzte 50 Milliarden Geräte, von Autos und Maschinenparks über Kleidung und Elektrogeräte bis hin zu Barbiepuppen und Blumentöpfen, im Internet der Dinge (Internet of Things, IoT) vernetzt werden. Im Jahr 2020 ergibt sich laut Cisco daraus ein Datenvolumen von 600 Zettabyte (eine 6 mit 23 Nullen).

Diese Big Data gilt es, trotz offener Service-Schnittstellen und voreingestellter Standardpasswörter in den IoT-Geräten vor Angriffen aus dem Internet zu schützen. Ein Test durch den amerikanischen Security-Experten Rob Graham zeigte, dass nach dem Anschluss einer IP-Kamera aus dem Supermarkt nur 98 Sekunden vergingen, bis es zur ersten Infektion mit Malware kam. Malware wie das Botnetz Mirai macht aus jedem infizierten Gerät eine schlafende Bedrohung, die IoT-„Zombie-Apokalypse” lauert in Kühlschränken, Kameras, Lampen & Co. und langsam wird der Ernst der Lage deutlich ersichtlich. IoT-Geräte und Sensoren kommen nicht nur in trivialen Haushaltsgeräten zum Einsatz, sie steuern auch Fertigungsanlagen und Teile der öffentlichen Infrastruktur.

Problematik klassischer Security-Ansätze

In einer längst vergangenen Zeit reichte es aus, Rechner und Dateien in regelmäßigen Abständen nach bekannten Mustern abzuklopfen, um Viren, Würmer oder Trojaner zu entdecken und dann zu beseitigen. Mit einer aktuellen Security-Suite war man halbwegs auf der sicheren Seite. In einer sich stündlich verändernden Gefahrenlage reicht dieser Ansatz nicht mehr aus. Der Grund: die klassische Antiviren-Software arbeitet Regel-basiert mit einer Art Signatur-Erkennung, die bekannte Muster von
Schädlingen sucht. Neu aufkommende Gefahren kann sie nicht erkennen und neue Gefahr kommt nicht täglich oder stündlich sondern im Sekundentakt. AV-TEST geht von fünf neuen Schadprogrammen pro Sekunde aus und die Experten von Kaspersky Lab entdecken täglich über 300.000. Hinzu kommen neue Bedrohungen: Fileless Malware etwa nistet sich im Arbeitsspeicher oder in der Registry ein und ist von Virenscannern kaum zu identifizieren.

Aber es ist ja nicht nur die Schadsoftware, die Probleme verursacht. In der Welt der vernetzten Dinge existiert ein weiteres Problem. Auf Computern, vom PC über das Smartphone bis hin zum Mainframe kann Security-Software relativ einfach installiert, aktualisiert und vor allem ausgeführt werden. Das ist bei IoT-Devices nicht möglich! Es fehlt schlicht genügend Speicher und Intelligenz vor Ort. Die Geräte erfassen zwar unendlich viele Daten und „blasen” diese in den Orbit, aber ob sie selber und die erfassten Daten sauber sind, können sie nicht beurteilen.

Spotlicht auf neue Security-Lösungen

Ziel einer zukunftsorientierten Sicherheit ist daher einerseits die Echtzeitanalyse der unzähligen Datensätze auf Endgeräten und in Datenströmen, andererseits die sofortige Anpassung an neueste Bedrohungen durch selbstständiges Lernen. Chip-Produzent Intel und Big-Data-Anbieter Cloudera haben sich des Themas angenommen und Ende 2016 unter dem Namen Apache Spot (Incubating) ein entsprechendes Open-Source-Projekt vorgestellt, das Big-Data-Analysen und Machine Learning kombiniert.

Mit diesem Open-Source-Netzwerk-Datenmodell existiert ein Tool für die Sicherheitsbranche, das Sicherheitsexperten im gemeinsamen Kampf gegen Cyberkriminelle unterstützt. Die Lösung kann Milliarden von Daten in Echtzeit analysieren, um schwierig zu erkennende oder bisher unbekannte Bedrohungen aufzuspüren. Spot ist offen und erweiterbar, so dass die leistungsfähige Technologie und das Data-Science-Fachwissen aus dem Big-Data-Ökosystem von Apache von jedem genutzt werden kann. Anbieter können das Datenmodell nutzen, um eigene Anwendungen damit zu entwickeln, wodurch Organisationen und Entwickler von Cybersecurity-Anwendungen neue analytische Funktionen erhalten.

Die offenen Datenmodelle von Spot für Netzwerk, Endgerät und Anwender bieten außerdem ein Standardformat für angereicherte Event-Daten. Damit fällt es leichter, Daten zwischen Anwendungen zu integrieren, um eine komplette Sicht auf das Unternehmen zu bekommen, und neue Analysefunktionen zu entwickeln. Seit dem Start von Spot haben Intel und Cloudera bereits Firmen wie Anomoli, Centrify, Cloudwick, Cybraics, eBay, Endgame, Jask, Streamsets und Webroot für das Projekt gewinnen können. Vor kurzem wurde Spot an die Apache Software Foundation (ASF) übergeben, damit möglichst viele an der Zukunft von Spot zusammenarbeiten und der organisierten Cyberkriminalität ein gemeinsames Sicherheitsnetz der Dinge entgegenstellen können.