So nutzen moderne Unternehmen IoT Daten für Innovationen

Nur wenige moderne Technologien haben die kollektive Aufmerksamkeit so stark geweckt wie die jüngste Entwicklung des Internets der Dinge (IoT). Der 1999 vom Innovator Kevin Ashton erfundene Begriff beschreibt eine riesige, vernetzte Welt von Objekten, die über das Internet Informationen teilen und es vernetzten Geräten ermöglichen, Aufgaben autonom auszuführen.¹

Dank der Verbreitung der 5G-Technologie sind IoT-Geräte heute überall zu finden. Von Fahrzeugen und Haushaltsgeräten bis hin zu Drohnen, Satelliten und sogar ganzen Produktionsanlagen erfassen eingebettete Sensoren Daten und tauschen diese über blitzschnelle Netzwerke aus, sodass modernste Technologien wie künstliche Intelligenz (KI) und Cloud Computing florieren. Laut Forbes hat sich die Zahl der IoT-Geräte in den letzten Jahren mehr als verdoppelt, von 10,3 Milliarden im Jahr 2018 auf 25 Milliarden im Jahr 2025.²

Die Leistung vieler IoT-Anwendungen wird jedoch durch eine unvorstellbare Vielzahl an Big Data untermauert, die Unternehmen erfassen und sicher speichern müssen, damit die Anwendungen funktionieren. Von vollautomatischen Einrichtungen bis hin zu intelligenten Städten und Energienetzen generieren IoT-Geräte so viele Daten, dass Unternehmen kaum noch wissen, was sie damit anfangen sollen.

Hier kommt Edge Computing ins Spiel, eine Technologie, die Unternehmen mehr Flexibilität bei der Verarbeitung von Daten bietet, die von IoT-Geräten generiert werden. Edge Computing ist ein verteiltes Computing-Framework, das es ermöglicht, Daten näher an ihrer Quelle zu verarbeiten – am „Edge“ der schnellen Netzwerke, über die sie laufen. Dadurch werden Latenz- und Bandbreitenprobleme reduziert, die häufig auftreten, wenn IoT-Daten in zentralisierten Rechenzentren verarbeitet werden.

Der Begriff „Big Data“ beschreibt Informationen, die Unternehmen aus verschiedenen Quellen sammeln, darunter soziale Medien, das Internet und Datenbanken. Technisch gesehen sind IoT-Daten eine Teilmenge von Big Data, die sich nur auf Informationen bezieht, die von einem Gerät erfasst werden, das mit einem IoT-Netzwerk verbunden ist, z. B. ein Sensor oder Zähler. IoT-Daten unterscheiden sich jedoch in drei wichtigen Punkten von anderen Datentypen und müssen entsprechend behandelt werden.

IoT-Daten werden von einem Gerät generiert, das mit dem Internet verbunden ist. Big Data hingegen können aus verschiedenen Quellen generiert werden, z. B. aus dem Social-Media-Verlauf eines Benutzers, Finanztransaktionen und mehr. Das bedeutet, dass IoT-Daten oft streng strukturiert und formatiert und an die Einschränkungen der Geräte gebunden sind, die die Informationen liefern, wie z. B. ein Messgerät oder ein Sensor. Big Data sind hingegen meist unstrukturiert.

Rechenzentren, die für die Verarbeitung großer, unstrukturierter Datensätze ausgelegt sind, können Daten oft nicht kontinuierlich verarbeiten – eine zentrale Anforderung der meisten IoT-Anwendungen –, was zu Latenz- und Genauigkeitsproblemen führen kann.

Die wachsende Zahl vernetzter IoT-Geräte erzeugt eine überwältigende Menge an Daten. Laut einer aktuellen Studie generierten IoT-Geräte im Jahr 2022 86 Petabyte an Informationen, wobei dieser Wert bis 2027 auf mehr als 1.100 ansteigen soll – eine Wachstumsrate von mehr als 1.000 %.³

Herkömmliche Rechenzentren sind für diese Datenmengen nicht ausgelegt, vor allem, wenn sie kontinuierlich übertragen werden, so wie es die Konzeption von IoT-Geräten verlangt. Die Datenflut füllt die Speichersysteme und verursacht Probleme.

IoT-Daten werden in Echtzeit gesendet und müssen sofort verarbeitet werden, damit die damit betriebenen Anwendungen effektiv arbeiten können. Stellen Sie sich vor, ein selbstfahrendes Auto müsste warten, bis Daten über Verkehrsampeln in einem Rechenzentrum verarbeitet und zurückgeschickt werden, bevor es reagieren kann. Big Data umfassen häufig historische Daten, die im Laufe der Zeit in Batches verarbeitet werden können, ohne die Leistung der damit verbundenen Anwendungen zu beeinträchtigen.

Herkömmliche Rechenzentren – physische, lokale Gebäude, in denen die IT-Infrastruktur untergebracht ist – wurden dafür konzipiert, große, unstrukturierte Datenmengen über einen längeren Zeitraum in Batches zu speichern und zu verarbeiten. Diese Architektur mag zwar optimal für die Datenverarbeitung von großen, komplexen Daten sein, ist aber für das Volumen, die Skalierung und die Echtzeitanforderungen von IoT-Workloads alles andere als ideal.

Die Anzahl und Komplexität der Datenquellen, auf die sich die IoT-Technologie stützt - in Verbindung mit der Menge der Daten und der Geschwindigkeit, mit der die Geräte sie übertragen - überfordert die traditionellen Rechenzentren oft. Edge Computing und so genannte „Edge-Rechenzentren“ speichern und verarbeiten Daten auf eine Art und Weise, die besser geeignet ist.

Edge-Lösungen bieten eine überzeugende Alternative zu herkömmlichen Rechenzentren für IoT-Geräte. Im Gegensatz zu herkömmlichen Datenverarbeitungsmethoden besteht einer der Vorteile von Edge Computing darin, dass Daten verarbeitet und analysiert werden können, sobald sie empfangen werden. Es ist sogar fast so weit, dass die Daten selbst generiert werden, anstatt sie an die Cloud oder eine herkömmliche Datenbank zu senden.

Mit einer Edge-Lösung können Daten, die von einem IoT-Gerät generiert werden, in Echtzeit von einer nicht-relationalen Datenbankanwendung verarbeitet und analysiert werden, die sich am Edge des Netzwerks befindet. Bei fahrerlosen Autos ist Edge Computing beispielsweise bei der Bereitstellung von Reaktionsmöglichkeiten in Echtzeit entscheidend, um Kollisionen zu vermeiden.

Dieser Ansatz wird – mit leichten Unterschieden im Design je nach Gerät – in vielen IoT-Anwendungen verwendet, um Netzwerküberlastungen zu reduzieren und Echtzeit-Reaktionsfunktionen zu ermöglichen. Doch selbst mit diesen verbesserten Edge-Lösungen sammeln IoT-Geräte immer noch mehr Daten, als sie für ihre Funktion benötigen

Da IoT-Geräte nur einen kleinen Bruchteil der von ihnen generierten Datenmenge nutzen, entscheiden sich viele Unternehmen, die zusätzlichen Daten zu verwerfen. Oberflächlich betrachtet scheint dies eine relativ einfache Lösung zu sein, aber IoT-Daten sind nicht wie Müll, den man einfach eintüten und an die Straße stellen kann. IoT-Geräte befinden sich in Häusern, Autos und anderen privaten Bereichen und enthalten oft hochgradig persönliche und stark regulierte Informationen.

Neben der Erkennung der Windgeschwindigkeit oder der Farbe einer Ampel kann ein IoT-Gerät beispielsweise große Mengen an personenbezogenen Daten (PII) generieren. Einige Beispiele sind: der Standort einer Person, ihr Finanzverlauf, ihre Internetnutzung und mehr. Diese Daten müssen unter Einhaltung strenger Gesetze zur Datensouveränität erfasst, gespeichert und analysiert werden, deren Verletzung kostspielig sein kann.

Wenn also die von IoT-Geräten erfassten Daten sicher gespeichert werden müssen, wie können Unternehmen sie dann nutzen, um Erkenntnisse zu gewinnen und einen größeren Geschäftszweck zu verfolgen?

Die potenziellen Anwendungsfälle für Daten, die von IoT-verbundenen Geräten generiert werden, sind unfassbar vielfältig. Einem aktuellen Bericht zufolge werden die von IoT-Geräten generierten Daten in den nächsten 5 Jahren einen Wert zwischen 5,5 und 12,6 Billionen USD generieren.⁴

Wenn die von IoT-Geräten generierten Daten sicher gespeichert und unter Einhaltung aller relevanten lokalen Gesetze verarbeitet werden, können sie Unternehmen dabei helfen, Erkenntnisse zu gewinnen, Trends zu erkennen, zukünftige Produkte zu planen und vieles mehr. Hier sind fünf Bereiche, in denen moderne Unternehmen IoT-Daten nutzen.

IoT-Geräte wie intelligente Kühlschränke, selbstfahrende Autos und Smart-Home-Energiesensoren helfen Kunden dabei, Prozesse zu automatisieren, die bisher eine manuelle Eingabe erforderten. Sie können aber auch wertvolle Erkenntnisse über das Verhalten und die Vorlieben von Kunden generieren und Unternehmen sogar bei der Planung neuer Produkte unterstützen.

Anhand der von einem intelligenten Kühlschrank generierten Daten kann ein Unternehmen beispielsweise herausfinden, welche Produkte ein Kunde bevorzugt, und diese Informationen entweder an einen Drittanbieter weiterverkaufen oder sie nutzen, um mehr Dienstleistungen für ihn zu vermarkten.

Edge Computing birgt ein enormes Potenzial für die Art und Weise, wie Landwirte auswählen, welche Pflanzen sie anbauen, wie sie diese ernten und wie sie Wetterumschwünge einplanen.

Mithilfe von Echtzeitinformationen von Sensoren, die in den Boden und die Pflanzen eingebettet sind, können sie das Wachstum und die Düngemittel effektiver steuern und potenzielle Bedrohungen wie einen Schädlingsbefall erkennen. Viehzüchter setzen auf Edge Computing, um Tiere aus der Ferne zu überwachen und frühe Anzeichen von Krankheiten zu erkennen.

Intelligente Überwachungssysteme in Industrieanlagen integrieren Hunderte von IoT-Geräten mit Sensoren, die Informationen zu Temperatur, betrieblicher Effizienz, Geschwindigkeit und mehr liefern. Diese Systeme helfen zwar bei der Automatisierung von Prozessen, die zuvor menschliches Eingreifen erforderten, erzeugen aber auch Daten, die anderweitig genutzt werden können.

Im Bereich der vorausschauenden Wartung beispielsweise nutzen Unternehmen IoT-Daten, um Ausfallzeiten besser einzuplanen und ihre wertvollsten Assets mit maximaler Effizienz am Laufen zu halten. Die Informationen von Sensoren in den Maschinen sagen genau voraus, wann bestimmte Komponenten ausfallen, unterstützen die Wartungsabläufe und helfen dem Management, Reparaturen während der Ausfallzeiten zu planen.

Intelligente Geräte in der Gesundheitsbranche – wie Uhren, die Herzfrequenz, Blutzucker und mehr überwachen – tragen dazu bei, die Versorgung und die Ergebnisse von Patienten zu verbessern, die an verschiedenen Krankheiten leiden. Wie in anderen Branchen erfassen die Geräte mehr Informationen von einem Patienten, als für den Betrieb des IoT-Geräts nötig ist.

Wenn ein Patient beispielsweise ein tragbares Gerät zur Überwachung der Herzfrequenz verwendet, kann er sich für einen Dienst entscheiden, der die Gerätedaten nutzt, um Nahrungsergänzungsmittel oder Trainingsroutinen zu empfehlen, die auf anderen von dem Gerät erfassten Informationen basieren.

IoT-Geräte wie Kameras und Bewegungssensoren, die mit einem Netzwerk verbunden sind, haben einen enormen Einfluss auf die Sicherheitsbranche. Neue IoT-Geräte verringern das Risiko für Bediener und Sicherheitspersonal und machen sogar persönliche Patrouillen überflüssig.

Die von diesen Geräten generierten Informationen führen jedoch auch zu einer Verbesserung der Art und Weise, wie Sicherheitsunternehmen ihre Dienste anbieten. Die von diesen Kameras und anderen Sensoren gesammelten Informationen können beispielsweise analysiert werden, um Bedrohungen vorherzusagen, Muster zu erkennen und proaktivere Reaktionen zu entwickeln.

IoT-Geräte generieren mehr Daten, als Unternehmen verarbeiten können, aber mit drahtloser 5G-Konnektivität und Edge Computing entdecken sie dafür neue Anwendungsmöglichkeiten.

Heutzutage sind IoT-Geräte praktisch überall und erfassen Informationen von einer Vielzahl von Geräten, darunter Haushaltsgeräte, fahrerlose Fahrzeuge, Satelliten und viele, viele mehr. Die Verarbeitung von Daten am Edge und in Echtzeit anstatt der bisherigen Übertragung auf Server ebnet den Weg für die Entwicklung bahnbrechender neuer Anwendungen.  

Von intelligenteren Fabriken und Städten bis hin zu IoT-fähigen Lösungen für das Gesundheitswesen und der Fernüberwachung von Einrichtungen und Equipment – die Zahl der IoT- und Edge Computing-Anwendungen in Unternehmen wächst rasant. Investitionen in Edge Computing und IoT ermöglichen es Unternehmen, ihre digitale Transformation zu beschleunigen, neue Erkenntnisse über Prozesse zu gewinnen und sofort auf Live-Daten zu reagieren.