Das Internet of Things (IoT) ist auf ungebremstem Wachstumskurs. Doch der Hype um vernetzte Geräte alleine bringt noch keinen positiven Effekt. Damit aus den IoT-Daten nützliche Erkenntnisse folgen, müssen sie bereits dort ausgewertet werden, wo sie entstehen – Stichwort: Edge Analytics.
Im Zuge der Digitalisierung werden riesige Mengen an Daten generiert, zu denen Unternehmen bisher nicht ohne Weiteres Zugang hatten. Diese Daten stammen aus Produktionssystemen, aus Sensoren an Maschinen jeglicher Art oder aus Kundentransaktionen. Die enorm hohe Rechenleistung, die für eine Verarbeitung dieser Datenmengen erforderlich ist, steht heute zur Verfügung.
Künstliche Intelligenz (KI) und Machine Learning helfen zusätzlich dabei, aus Daten das Maximum an Erkenntnissen zu ziehen. Mit IoT-Technologie können Unternehmen aus Zustands-, Positions- und Bewegungsdaten direkt schnelle Entscheidungen ableiten. Dazu müssen diese Daten jedoch ohne Zeitverlust ausgewertet werden – ohne aufwendige Datentransfers, genau dort, wo sie entstehen. Konkret: ganz nah am Sensor.
Nah an den Daten: Edge Analytics
Und das funktioniert mittels sogenannter Analytics „on the Edge“: Kleinrechner können analytische Modelle zur Bewertung der Relevanz von Sensordaten direkt in der Maschine ausführen. Über eine Event Stream Processing (ESP) Engine lassen sich Daten direkt während der Übertragung, also im Datenstrom und noch vor der Speicherung, analysieren. Dadurch wird der Datentransport reduziert und das analytische System kann potenzielle Probleme schon im Vorfeld abwenden, indem beispielsweise ein Alert ausgegeben wird.
IoT Analytics vielfältig genutzt
Verbesserungen durch den Einsatz von Analytics für IoT-Daten finden sich in vielen Branchen: Fertigungsunternehmen setzen IoT Analytics ein, um Ausfallzeiten zu minimieren, Produktqualität zu steigern oder Material und fertige Güter während des gesamten Herstellungsprozesses zu verfolgen. IoT Analytics hilft der öffentlichen Verwaltung, den Verkehrsfluss zu regeln und Bürgern viele Erleichterungen zu bieten – egal, ob sie auf der Suche nach einem Parkplatz sind oder ihre Wasserrechnung bezahlen müssen. Auch im Handel und im Gesundheitswesen gibt es Positivbeispiele, wie etwa die personalisierte Interaktion mit vernetzten Verbrauchern oder die Überwachung der Medikamenteneinnahme.
Effizienz auf den Schienen
GE Transportation analysiert Sensordaten für seine rund 1.200 Lokomotiven mit Streaming Edge Analytics direkt an Bord in Echtzeit, um unter anderem den Energieverbrauch der Maschinen zu optimieren. Konkret sieht das so aus: GE Transportation-Lokomotiven sind mit Edge-Geräten ausgestattet, die pro Sekunde Hunderte von Daten verarbeiten. GE Transportation nutzt für die Analyse dieser Daten SAS Event Stream Processing über die SAS Platform. Die SAS Software ist mit Predix Machine und Predix Edge Manager von GE Transportation verknüpft und sowohl in den Zügen als auch im Backoffice implementiert. Die kombinierte Lösung ermöglicht es GE-Kunden, Daten in Echtzeit zu verfolgen und die Lokomotiven so einzusetzen, dass sich zum Beispiel der Treibstoffverbrauch reduziert.
Wie „Analytics inside the Vehicle“ funktioniert, veranschaulicht ein IoT-Miniaturtruck, den SAS in Kooperation mit Intel entwickelt hat. Diesen präsentiert das Unternehmen beim SAS Forum Deutschland am 20./21. Juni 2018 in Bonn und zeigt anhand zahlreicher Best-Practice-Vorträge weitere Anwendungsbeispiele für IoT Analytics.
Plattformansatz gefragt
Innovationen wie autonomes Fahren zeigen: Das IoT bleibt keine reine Zukunftsmusik. IDC schätzt, dass der Analytics-Markt im Bereich IoT bis 2020 auf über 23 Milliarden US-Dollar anwachsen wird. So sollen bis dahin 20,4 Milliarden vernetzte Geräte riesige Datenmengen erzeugen.
Um einen Nutzen für Geschäftsergebnisse, Produkte oder auch Innovationen aus IoT-Daten zu ziehen, benötigen Unternehmen eine Plattform, die sämtliche Bereiche des analytischen Lifecycles abdeckt – von Daten über Analyse bis hin zur Operationalisierung der Erkenntnisse, inklusive Features für Sicherheit und Governance. Sie müssen Daten aus IoT-Quellen schon im Datenstrom auswerten, sodass sich Reaktionszeiten verkürzen, und diese vorgefilterten, relevanten Informationen mit ihren klassischen Daten verknüpfen. Die Integration von Analytics in die Geschäftsprozesse und die Etablierung von Geschäftsregeln sorgen dafür, dass die gewonnenen Erkenntnisse für fundierte Entscheidungen und sinnvolle Aktionen genutzt werden können.
Autor: Gerhard Altmann, Senior Director Global Manufacturing Industry Practice bei SAS