IoT-Daten richtig auswerten und Potenziale nutzen

Die Analyse hochaktueller IoT-Daten bietet ein riesiges Potenzial. Kreditkarten-Betrugserkennung und Aktienhandel sind schon seit Jahren ohne die rasant schnelle Analyse von Daten nicht möglich. Die Flut an Informationen, die uns das Internet der Dinge beschert, kann aber noch viel mehr. Endgeräte, Sensoren und Maschinen liefern laufend Daten, die sich auswerten lassen – in Echtzeit – und umgesetzt werden. Dank moderner Analyseprozesse werden aus diesen Daten neue Möglichkeiten. Wenn man sie gezielt auswertet, kann ein Unternehmen damit einen enormen Nutzen daraus ziehen.

Das gigantische Sammelsurium an Informationen, das in den Clouds steckt, kann man sich vielleicht wie einen riesigen Heuhaufen vorstellen. Gut, wenn man jemanden kennt, der diesen Heuhaufen in kurzer Zeit durchforstet. Die wichtigen IoT-Daten, die darin stecken, wollen schließlich gefunden und gewinnbringend ausgewertet werden. Nur dann kann aus Heu oder Stroh am Ende auch Gold werden. Dieser jemand ist entsprechend des virtuellen Heuhaufens natürlich nicht mehr und nicht weniger als ein ziemlich gutes Analysetool. Das kann man sich selbst erschaffen. Oder man greift auf ein bestehendes zurück. Denn davon gibt es bereits einige auf dem Markt.

Mehr Chancen und mehr Verantwortung durch Realtime Analystics

Das Internet der Dinge ist zum festen Bestandteil des Alltags geworden. Die Vernetzung beeinflusst in vielen Teilen bereits die Produktion. Fehler werden dadurch vermieden. Die Sicherheit wird bei vielen Produktionen erhöht, weil Sensordaten ausgewertet werden. Auf die Ergebnisse der Auswertung wird im besten Fall nämlich sofort reagiert. Dabei kann es sich um eine Drosselung von Geschwindigkeiten oder aber um die Regulierung von Mengen oder Temperaturen handeln. Weniger Reklamationen und Defekte sind die Folge. Oft wird auch die Sicherheit der eigenen Mitarbeiter dadurch erhöht. Dies alles ist aber eben nur so effektiv, weil es sich um die Verarbeitung der Daten in Echtzeit handelt. Die Realtime Analytics ist hierbei unerlässlich.

Ebenso wichtig ist die schnelle Datenlieferung in möglichst kurzer Zeit auch in anderen Bereichen. Auch einen neuen Kunden gewinnt man zum Beispiel, wenn man schnell auf seine Bedürfnisse und Wünsche reagiert. Die schnelle Analyse von großen Datenmengen ist damit längst ein wichtiger Bestandteil des täglichen Arbeitens geworden. Eine eigenständige Strategie könnte man fast sagen. Genau diese zunehmende strategische Bedeutung der Analyse von IoT-Daten muss in das Bewusstsein der Führungsebene dringen. Schließlich geht es darum, zukunftsfähig zu bleiben.

Gleichzeitig muss sich jeder Konzernmanager, Betriebsleiter oder Vorstandsvorsitzender auch der Verantwortung bewusst sein, die das Arbeiten mit Daten und deren Analysen mit sich bringt. Der Kunde möchte sich schließlich trotz all des Komforts, den auch er durch Machine Learning erfährt, noch sicher fühlen. Beim Thema Security sollten daher alle an einem Strang ziehen. Die Künstliche Intelligenz, die für Unternehmen und Kunden die Analyse übernimmt, sollte sich am Ende wie ein Freund und nicht wie ein Feind anfühlen. Die Komplexität des modernen Geschäfts erhöht sich damit. Gleichzeitig aber auch die Chancen.

IoT-Daten Analyse

Das Auswerten von IoT-Daten erhöht nicht nur die Effektivität in der Produktion sondern hilft auch bei der Gewinnung neuer Kunden.

IoT-Daten richtig auswerten

Große Datenmengen, die in kürzester Zeit verarbeiten werden. Wie das geht? Dazu gibt es verschiedene Tools, die eine solche Analyse ermöglichen. Sensordaten oder öffentliche Daten wie Verkehrsströme und Wettervorhersagen, die mit unternehmensspezifischen Informationen wie etwa Verkaufszahlen oder Kundenzahlen verknüpft und ausgewertet werden – das hört sich ganz schön komplex an? Ist es auch. Natürlich kann man dafür ein eigenes Big-Data-Analysesystem kreieren. Oder man greift auf ein bereits existierendes Open-Source System zurück. So zum Beispiel auf Apache Hadoop. Das einfache Dateisystem zur Speicherung gigantischer Datenmengen kann ein erster Schritt sein. Wichtig ist, die passende Erweiterung dafür zu implementieren, um den entsprechenden Nutzen daraus zu ziehen.

Das richtige Hadoop-Clusters und die wohl überlegte Definition von Abfragen und die richtige Interpretation erfordert natürlich Fingerspitzengefühl, bietet aber Erstaunliches. Ergänzungen sind zum Beispiel Spark für Machine Learning-Anwendungen oder Hive, die das Tool um Data Warehouse Funktionen ergänzt. Nachteil von Hadoop ist die Geschwindigkeit. Diese ist nicht sehr hoch. Für Realtime Analysen von IoT-Daten ist dieser Assistent nicht so perfekt.

Wer bietet was

Auch Amazon bietet mit seinem Amazon Web Services (AWS) auf der eigenen Cloud-Plattform einen umfangreichen Big-Data-Service an. Enthalten sind hier bereits ein bootfähiges Linux-Betriebssystem, Hadoop und außerdem eine Software, die zum Betrieb gebraucht wird. Während einer 12-monatigen Testphase kann der Kunde unter anderem 750 Stunden pro Monat eine EC2-Instanz (t2.micro-Instance) und 5 GB Standard-S3-Speicher nutzen. Damit wird eine Echtzeitanalyse von Streaming-Daten möglich. Das Machine Learning erlaubt außerdem die Erstellung von Vorhersagemodellen.

Natürlich bietet Google auch mit seiner Cloud Plattform eine Reihe von Management-Tools zur gewinnbringenden Nutzung von IoT-Daten. So offeriert man unter anderem die Datenspeicherung, Datenanalyse und maschinelles Lernen. Damit lässt sich nach eigenen Angaben in wenigen Minuten ein Cluster zur verteilten Big-Data-Analyse entfalten.
Microsoft geht hierfür mit seinem Dienst Microsoft Azure an den Start. Der Machine Learning-Dienst (Azure ML) bietet ebenfalls eine vorausschauende Analyse und die Interaktion mit Daten.

Oracle nennt seinen Service Oracle Cloud Platform (OCP). Damit bekommt der Kunde unter anderem in den Genuss von Machine Learning, Textsuche, Image Analyse und Datenbanksicherung. Der Bereich Business Analytics ermöglicht es, dass Daten aus verschiedenen Anwendungen, Data Warehouses und Data Lakes ausgewertet und generiert werden können. Zu den angebotenen Services gehören Analytics Cloud, Big Data-Erkennung, Big Data-Vorbereitung oder Datenvisualisierung.

Und SAP ist natürlich schon seit vielen Jahren mit HANA am Start. Die High Performance Analytic Appliance, als auf Deutsch die Hochleistungsanalyseanwendung, ist eine Entwicklungsplattform für Softwareanwendungen. Herzstück ist eine In-Memory-Datenbank.

Analyse ist alles

Welches Tool man auch verwendet oder ob man die Ressourcen besitzt, ein eigenes Tool zu entwickeln, wichtig ist, dass ein Unternehmen das Potenzial erkennt. Damit man als Dienstleister oder Hersteller zukunftsfähig bleibt. Das Auswerten von IoT-Daten erhöht ja nicht nur die Effektivität in der Produktion oder hilft bei der Gewinnung neuer Kunden. Ganz neue Geschäftsmodelle können damit erschlossen werden können.

Kapazitätsplanung können anders geplant werden oder der Kundenservice kann verbessert werden. Mit Realtime-Analytics können neue Börsenzahlen im IT-System ausgewertet und entschieden werden, wo investiert werden soll. Fakt ist also, dass die Analyse von Big Data die Unternehmen in vielen Segmenten revolutioniert. Es gibt kaum einen Unternehmensbereich, der nicht von der Auswertung von IoT-Daten profitierten könnte. Schneller, effizienter und produktiver, niemand sollte zögern, den persönlichen virtuellen Helfer einzustellen, der sich in den Heuhaufen stürzt.