Immer mehr, immer schneller: Große Datenmengen und Rechenpower bilden die Voraussetzung, um bessere Vorhersagen treffen und präzisere Analysen durchführen zu können. Die Produktion hat heute mehr Informationen denn je zur Verfügung – und zwar aus einer Vielzahl von (neuen) Quellen. Anlagen an Fertigungsstraßen, Sensoren an Geräten beim Kunden, Protokolle aus dem Callcenter oder Wartungsberichte: Sämtliche Daten, die permanent von Maschinensensoren und Produktionssystemen erzeugt werden oder bei Kundentransaktionen entstehen, müssen ohne Zeitverlust dort ausgewertet werden, wo sie entstehen. Konkret: ganz nah am Sensor.

Analyse direkt im Datenstrom

Analytics „on the Edge“ ist daher eines der Kernthemen in den nächsten Monaten. Über eine Event Stream Processing (ESP) Engine lassen sich Daten direkt während der Übertragung, also im Datenstrom und noch vor der Speicherung, analysieren. Die Technologie funktioniert als intelligenter Filter, wodurch sich der Datentransport reduziert. Das ermöglicht dem analytischen System, potenzielle Probleme schon im Vorfeld abzuwenden, indem eine Maschine heruntergefahren, ein Alert ausgegeben oder eine andere Maßnahme in die Wege geleitet wird. Eine solche unmittelbare, automatisierte Reaktion ist nicht möglich, wenn Daten erst im Backend abgespeichert werden müssen, bevor sie ausgewertet werden.

Edge Analytics bietet viele Möglichkeiten im IoT, ist aber nicht für alle Use Cases notwendig. Sinnvoll ist der Einsatz, wenn (mindestens) eine der folgenden Fragen positiv beantwortet wird:

• Ist die Latenzzeit für einen Edge-to-Cloud-Roundtrip nicht mehr akzeptabel?
• Haben Maschinen/Geräte manchmal keine Verbindung zum Netzwerk?
• Gibt es Hürden (Kosten, Technologie), die eine Übermittlung sämtlicher erforderlicher Daten an das Rechenzentrum verhindern?

„Gesundheitscheck“ für Fahrzeuge

Ein Beispiel: GE Transportation analysiert Sensordaten für seine rund 1.200 Lokomotiven mit SAS Event Stream Processing direkt an Bord in Echtzeit, um unter anderem den Energieverbrauch der Maschinen zu optimieren. Anderes Beispiel: Edge Analytics wird für über 15.000 Trucks in den USA eingesetzt, um vorherzusagen, wann wichtige Teile ausfallen könnten. Bei Auffälligkeiten in den Sensordaten wird eine Anweisung ins Führerhaus geschickt, in die Werkstatt zu fahren, wo bereits ein Termin reserviert ist. Im Ergebnis bleibt die Ausfallzeit minimal.

Wie das im Detail funktioniert? Anhand von Sensordaten lässt sich recht zuverlässig vorhersagen, wie „gesund“ zum Beispiel ein Turbolader ist. Indikatoren dafür sind statische Daten wie Motortyp, Baujahr des Motors, aber auch dynamische Daten wie Gesamtlaufleistung des Motors oder durchschnittliche Öltemperatur. Damit lassen sich in einem statistischen Modell Frühindikatoren bilden, die auf einen baldigen Ausfall des Turboladers hinweisen. Mit dem analytischen Modell kann dem ESP dann die Information mitgegeben werden, dass beispielsweise nur dann ein Alert/Event generiert wird, wenn die Öltemperatur in Kombination mit weiteren spezifischen Indikatoren steigt. Bei einem „Anschlagen“ des Modells wird eine Fehlermeldung an eine zentrale Service-Stelle geschickt.

Wie sogenannte „Analytics inside the Vehicle“ funktioniert, veranschaulicht ein IoT-Miniaturtruck, den SAS in Kooperation mit Intel entwickelt hat und auf dem SAS Forum Deutschland am 20./21. Juni 2018 in Bonn präsentiert.

Fazit

Mit IoT-Technologie können Hersteller aus Zustands-, Positions- und Bewegungsdaten direkt schnelle Entscheidungen ableiten. Voraussetzung ist jedoch, dass die Daten zeitnah analysiert werden. Das jedoch ist längst noch nicht überall gegeben. Die Studie „Wettbewerbsfaktor Analytics im Internet der Dinge“ der Universität Potsdam hat gezeigt, dass sich bis vor Kurzem noch weniger als die Hälfte der befragten Unternehmen (43,5 Prozent) aktiv mit dem Thema IoT auseinandergesetzt hat – oft, weil sie den konkreten Nutzen nicht bewerten konnten. Das dürfte sich jedoch in absehbarer Zeit ändern. Analysten sehen das IoT auf ungebremstem Wachstumskurs. IDC geht davon aus, dass der Analytics-Markt im Bereich IoT bis 2020 auf über 23 Milliarden US-Dollar anwachsen wird. Bis dahin sollen schätzungsweise 20,4 Milliarden vernetzte Geräte gigantische Datenmassen erzeugen. Die Daten sind da und die Technologie zu ihrer Auswertung ebenfalls. Damit sind die Voraussetzungen erfüllt, um das Potenzial aus dem IoT für wirtschaftliche Vorteile zu nutzen.