»Data Driven Decision Making« im IIoT
Mit der Datenerfassung fängt's erst an
Von Sensoren an Maschinen gesammelte Daten müssen erfasst, gespeichert und bedarfsgerecht zur Verfügung gestellt werden, damit sie einen Mehrwert bieten können. Doch dies ist vor allem für KMU eine Herausforderung. Worauf sollten sie achten, damit ihre IoT-Projekte dennoch erfolgreich werden?
Industrieunternehmen nutzen effiziente, hochautomatisierte und integrierte Prozesse. Das Konzept des Industrial Internet of Things (IIoT) hilft ihnen dabei: Durch die Erfassung und Auswertung von Maschinendaten lassen sich die Prozesse weiter optimieren. Wenn ein Montageteil passgenau zugeliefert oder ein Verschleißteil genau im richtigen Moment ausgetauscht werden kann, hat das einen positiven Einfluss auf die Gesamteffizienz. Viele Unternehmen beschäftigen sich daher derzeit mit den Möglichkeiten des IIoT. Und mehr noch: Das Bewusstsein, dass sich mit den Daten Prozesse in diversen Abteilungen optimieren lassen, beginnt sich zu etablieren. Dabei entsteht zugleich die Grundlage für neue Geschäfts- und Servicemodelle.
Die Industrie steckt mitten in tiefgreifenden Veränderungen. Laut einer aktuellen Studie der Marktanalysten von IDC haben über 40 Prozent der mittelständischen Unternehmen aus den Branchen Fertigung, Energieversorgung, Handel sowie Transport und Logistik bereits IIoT-Projekte umgesetzt oder befinden sich inmitten der Pilotierung. Weitere 47 Prozent planen ein solches Projekt und beschäftigen sich derzeit mit der Evaluierung.
Im Idealfall beginnen Unternehmen dabei ganz pragmatisch: Einzelne Maschinen werden an eine IoT-Lösung angeschlossen, um sie in Echtzeit zu tracken und dabei Umgebungsvariablen aufzuzeichnen. So lässt sich beispielsweise herausfinden, unter welchen Witterungsbedingungen ein Gerät läuft und ob wegen widriger Betriebsbedingungen eventuell früher als gewöhnlich mit Verschleiß zu rechnen ist. Unternehmen könnten so ihre Materialplanung anpassen oder Kunden individuelle Service-Verträge anbieten. Perspektivisch werden so beispielsweise Laufzeitoptimierungen von ganzen Anlagen ebenso möglich wie Predictive-Maintenance-Ansätze.
Allerdings zeigt sich bei solchen Projekten auch die Komplexität des IIoT: Unmengen von Daten müssen erfasst, gespeichert, in Relationen gebracht und interpretiert werden. Hier steckt die eigentliche Herausforderung, vor allem für KMUs in der Industrie. Denn zum einen befinden sich bisher erfasste Daten zumeist verteilt in den Datensilos der Fachabteilungen. Zum anderen werden Daten-Relationen und die darunter liegenden Algorithmen schnell sehr komplex. Um sie sinnvoll einzusetzen, sind neben Prozess- und Branchen-Know-how zugleich Kenntnisse über statistische Methoden und Analysemodelle notwendig. Die wenigsten Unternehmen können auf einen solchen Spezialisten zurückgreifen.
Was können Unternehmen also tun, um dennoch in ihrer IIoT-Initiative voranzukommen? Der erwähnte pragmatische Ansatz ist sicherlich sinnvoll. Ein überschaubares Projekt hilft, erste Expertise aufzubauen. Schnelle Erfolge können dabei von strategisch wichtiger Bedeutung sein, etwa um die Unterstützung des Managements zu sichern und um die Arbeit an dem Projekt zu rechtfertigen. Mit einer vorgefertigten Plattform im Software-as-a-Service-Modell lässt sich ein IIoT-Konzept deutlich schneller und kostengünstiger umsetzen. Bei der Auswahl einer passenden Lösung sollten besonders Industrieunternehmen darauf achten, dass die Plattform interoperabel ist und sich ohne großen IT-Aufwand in die vorhandene Infrastruktur einfügen lässt. Hier bieten moderne Produkte bereits Ansätze für Plug-and-Play.
- Mit der Datenerfassung fängt's erst an
- Schlechte Vergleichbarkeit von Software-Tools
Lesen Sie mehr zum Thema
