IoT Analytics vereint zwei Datenwelten

Wie Unternehmen durch die Kombination von IoT- und Geschäftsdaten ihre Wettbewerbsfähigkeit steigern können.

Immer mehr Unternehmen verknüpfen mit IoT-Analytics-Lösungen die in der Produktion entstehenden IoT-Daten mit den Daten aus den betriebswirtschaftlichen Applikationen und ERP-Systemen. Sie erhalten dadurch neue Einblicke in ihre Geschäftsprozesse und die Möglichkeit zur Verbesserung ihrer Wettbewerbsfähigkeit.

IoT wird in den Unternehmen der DACH-Region zunehmend wichtiger. Gleichzeitig werden IoT-Projekte komplexer, umfangreicher und laufen häufig länder- und standortübergreifend ab. In den nächsten Jahren wird die Mehrheit der Unternehmen verstärkt in IoT-Projekte investieren. Zu diesen Ergebnissen kam die IoT-Studie 2019 von Computerwoche und CIO sowie weiteren Partnern[1], für die 524 Entscheider aus der DACH-Region befragt worden sind. IoT-Analytics gehört zu jenen Investitionsbereichen, die in nächster Zeit an Bedeutung gewinnen werden. Denn auch im IoT-Bereich sind Daten ein strategischer Faktor für den Geschäftserfolg. Insbesondere die Kombination von IoT- und Geschäftsdaten ermöglicht völlig neue Einblicke in Geschäftsprozesse. Unternehmen versprechen sich eine effiziente Steuerung, mehr Flexibilität, geringere Kosten und in der Konsequenz sogar eine bessere Wettbewerbsfähigkeit am Markt

Praxisbeispiel: Geschäftsprozesse ganzheitlich steuern

Das lässt sich an einem Beispiel verdeutlichen. Ein Unternehmen, das Verpackungen aus recyclebarem Material herstellt, verwendet Maschinensensoren und erfasst damit IoT-Daten zur Temperatur, Luftfeuchtigkeit und anderen Betriebsbedingungen, die die Qualität der Endprodukte beeinflussen. Mittelfristig will der Hersteller eine Ende-zu-Ende-Sicht auf alle Unternehmensprozesse erhalten – angefangen von der Planung und der Beschaffung bis hin zur Produktion, Instandhaltung, Logistik und dem Vertrieb. Ziel dabei ist es, Geschäftsprozesse abteilungsübergreifend und damit ganzheitlich zu steuern.

Die Wartungstechniker sollen künftig auf Basis aktueller IoT-Daten in der Lage sein, den reibungslosen Betrieb der Maschinen sicherzustellen und die Qualität der Produkte in der Fertigung zu kontrollieren. Unstimmigkeiten sollen auf direktem Weg mit Supply-Chain-Partnern, die ebenfalls Zugang zu den IoT-Analytics-Daten haben, geklärt werden. Der Vertrieb soll unter Einbeziehung von IoT-Daten aus der Produktion seine Forecasts verbessern können und darüber hinaus soll die Effizienz in der Supply Chain gesteigert werden. Die mit Sensoren ausgestatteten Lkws des Unternehmens sollen die Daten an das Flottenmanagement übertragen und dieses soll mit der Produktionsplanung gekoppelt werden. Die Fuhrparkmanager werden Dashboards nutzen, um die Fahrzeugflotte zu steuern und zu überwachen und die bevorstehenden Wartungstermine zu planen und einhalten zu können, damit es zu keinerlei Wartezeiten oder gar Stillständen an den verschiedenen Produktionsstandorten kommt. Zudem will das Unternehmen auch die Liefertreue deutlich steigern.

Technologien für Datenintegration und -management

Für Datenmanagementaufgaben, wie die Integration, die Überprüfung der Konsistenz und die Einhaltung der Datenqualität haben sich im IoT-Umfeld Open-Source-Lösungen durchgesetzt, beispielsweise Hadoop für die Big-Data-Verarbeitung. Apache Spark etwa befasst sich mit der Transformation, Bereinigung und Aufbereitung von IoT-Daten. Dazu kommen Apache Sqoop für die Datenreplikation und den Datentransfer sowie Apache Kafka und Apache Flume zum Laden und Exportieren von Datenströmen. All diese Open-Source-Lösungen kommen – in unterschiedlichen Kombinationen – in IoT-Projekten bereits zum Einsatz.

Integrationssoftware steigert die Effizienz

Um die IoT-Daten mit den Daten aus betriebswirtschaftlicher Standardsoftware oder aus anderen in einem Unternehmen vorhandenen Datenbankmanagement-Systemen verknüpfen zu können, muss zunächst eine Verbindung zu Hadoop hergestellt werden. Mit Integrationssoftware, zum Beispiel von Information Builders, die einerseits die traditionellen Datenbankmanagement-Systeme ansteuern kann und andererseits den Zugang zu Hadoop eröffnet, existiert eine solche Lösung. Über eine Hadoop-Schnittstelle können Anwender beispielsweise eine Apache-Spark-basierte Pipeline konfigurieren, um in Hadoop importierte Daten zu transformieren, zu bereinigen, zu verknüpfen anzureichern und andere Verarbeitungsaktivitäten auszuführen. Damit ist es auch möglich, viele Operationen im Speicher auf einem Spark-Cluster durchzuführen, was die Effizienz steigert und den Ressourcen- und Zeitbedarf bei Lese- und Schreiboperationen reduziert.

IoT-Erkenntnisse umsetzen

In einigen, bislang bereits verbreiteten IoT-Anwendungsszenarien konzentriert sich der Datenaustausch auf die Machine-to-Machine-Kommunikation, etwa bei Flugzeugen, Automobilen oder der Fertigungssteuerung. In anderen Fällen sollen die aus IoT Analytics gewonnenen Erkenntnisse – also die Kombination aus IoT- und betriebswirtschaftlichen Daten – Mitarbeitern in verschiedenen Abteilungen zugänglich gemacht werden. Das können Servicetechniker sein, die Anlagen, Maschinen und Produktionsstraßen überwachen, aber auch Lieferanten, Kunden oder Geschäftspartner, um sie enger an das Unternehmen zu binden. IoT-Analytics-Applikationen, die Daten aus der Produktionsumgebung mit den betriebswirtschaftlichen Applikationen eines Unternehmens kombinieren, eröffnen vielfältige Möglichkeiten, innovative Geschäftsprozesse umzusetzen und kontinuierlich auszubauen.

[1] Studie Internet of Things 2019: https://www.cio.de/a/durchbruch-sprung-bei-den-iot-projekten,3546142

Von Peter Lipp, Key Account Manager bei Information Builders, einem Geschäftsbereich der Raiffeisen Informatik Consulting