Warum sich die Arbeit mit Daten im IoT grundlegend ändern muss

Das Internet of Things (IoT) ist schon lange der “Technologie-Hype”-Phase entwachsen. Inzwischen konzentrieren sich Unternehmen, die IoT-Uses-Cases implementieren, zunehmend auf die handfesten Geschäftsergebnisse, die sich durch die Technologie erzielen lassen. Denn IoT-Projekte dienen schon lange nicht mehr nur der Verbesserung von internen betrieblichen Abläufen. Laut einer Gartner-Umfrage haben 2019 überwältigende 99 Prozent der Unternehmen ihr Budget für IoT entweder beibehalten oder erhöht. 75 Prozent der befragten Organisationen haben in der ersten Jahreshälfte 2019 bereits mindestens einen IoT-Anwendungsfall implementiert. Und 63 Prozent der Unternehmen erwarten sogar, dass sich ihre IoT-Projekte nach drei Jahren auch finanziell auszahlen.

Auch am Maschinen- und Anlagenbau ist diese Entwicklung alles andere als spurlos vorüber gegangen. Vielmehr hat das IoT einen Paradigmenwechsel ausgelöst und bestehende Marktbedingungen tiefgreifend verändert. Dabei eröffnen neue Geschäftsmodelle vielfältige Innovationsmöglichkeiten.

Doch mit den neuen Möglichkeiten entstehen auch neue Anforderungen. Prognosen gehen davon aus, dass bis 2025 voraussichtlich 56 Milliarden "Dinge" miteinander vernetzt sind. Das bedeutet vor allem eins: viele Daten. SEHR VIELE DATEN. 73,1 Zettabytes, wenn man den Prognosen von IDC Glauben schenkt. Das sind 73.100.000.000.000.000.000.000 Bytes oder 9,313 226 ×1.000.000.000.000 Gigabyte und eine Verfünffachung im Vergleich zu den 13,6 Zettabytes im Jahr 2019. Nochmal: SEHR VIELE DATEN.

Damit ist neben der Vernetzung selbst der sinnvolle und umsatzorientierte Umgang mit den Daten eine der größten Herausforderungen für Unternehmen und DER Schlüssel, um erfolgreich das Potenzial des IoT zu erschließen.

Interview mit führendem IoT-Experten

Wir hatten die Gelegenheit, uns mit Raghuram Joshi, Senior General Manager bei Robert Bosch Engineering and Business Solutions, über diese IoT-, Daten- und Transformations-Fragen zu unterhalten.

Lesen Sie hier einen Auszug des Gesprächs, in dem Raghuram Joshi über IoT-Projekte und -Entwicklungen und die daraus resultierenden Implikationen für Unternehmen spricht – vor allem im Hinblick auf die Verarbeitung sehr großer Datenmengen:

Angesichts einer Flut von Innovationen und bahnbrechenden digitalen Entwicklungen erscheinen die daraus resultierenden Maßnahmen oftmals unstrukturiert. Welchen strategischen Ansatz verfolgen Sie mit Bosch aus IoT-Business-Perspektive, um die enormen Datenmengen, die Organisationen heute zur Verfügung stehen, sinnvoll zu nutzen?

Raghuram Joshi: Sie haben Recht, das Thema Daten ist natürlich eng mit dem IoT verbunden. Da ist zunächst einmal der Bereich Datenverarbeitung zu beachten, der sich mit der Art von Daten befasst, die eine Organisation erzeugt, verarbeitet und konsumiert. Unternehmen erzeugen üblicherweise größtenteils strukturierte Daten, sei es in ERP-Systemen oder in Stammdaten- und anderen Dokumentenmanagementsystemen. In den letzten Monaten hat die Zunahme von Remote Work zu größeren Mengen unstrukturierter Daten in Form von Video- und Sprachmitteilungen sowie Dokumenten geführt. Jetzt müssen all diese Informationen sortiert und in ein definiertes Rahmenwerk gebracht werden, um sie sinnvoll zu nutzen.

Dies kann durch einen aus drei Schritten bestehenden Prozess erreicht werden:

Zunächst einmal müssen Eingang und Quelle der Daten bekannt sein und wie sie gespeichert werden.
Angesichts der enormen Datenmengen ist es anschließend wichtig, die relevanten Daten zu bestimmen, die tatsächlich im Zusammenhang mit einem Problem verarbeitet werden müssen.
Im dritten Schritt werden die Daten analysiert, um Modelle zu entwickeln und nutzbare Informationen zu extrahieren.

Die drei Schritte sind daher Datenerfassung, technische Aufbereitung und Analyse. Für diesen Prozess muss innerhalb der Organisation eine Strategie entwickelt werden. Dies ist heute relevanter als früher, da die meisten Unternehmen in der Vergangenheit noch größtenteils die Kontrolle über die von ihnen produzierten Daten hatten.

Wenn wir uns nun dem IoT zuwenden, erkennen wir eine ähnlich gelagerte, aber zugespitzte Datensituation. Denn im IoT werden Unmengen an Daten durch Sensoren, Geräte und angeschlossene Gateways sowie geografisch verteilte Datenzentren erzeugt. Diese Daten können anschließend genutzt werden, um nützliche Informationen anhand des einfachen Drei-Schritte-Ansatzes zu erzeugen. Das Ziel ist immer, in jedem Schritt sehr sorgfältig vorzugehen, doch es muss eine Strategie für die Erstellung von Datenpools und die Extraktion sinnvoller Informationen vorhanden sein. Ansonsten strukturiert jeder Daten auf seine eigene Weise und macht eine Analyse unmöglich. Dementsprechend sollte sich das Data Science Team fragen, welches Problem durch die Analyse der Daten gelöst werden soll und welche Mittel zur Analyse der Daten eingesetzt werden sollen.

Raghuram Joshi ist bei Robert Bosch Engineering und Business Solutions (RBEI) für Enterprise-Applikationen, einschließlich IoT- und Cloud-Implementierung sowie digitale Content-Management-Systeme, verantwortlich.

Werfen wir einen Blick auf die Entwicklung einer IoT-Strategie innerhalb einer Organisation. Unternehmen aus dem Maschinen- und Anlagenbau, die Waren weltweit exportieren, stellen sich häufig die Frage: Was ist der ideale Start- bzw. Ausgangspunkt für Planung und Implementierung einer IoT-Strategie in die eigene Organisation? Wie binden Unternehmen in diesem von Ingenieuren dominierten Feld die Business-Seite ein?

RJ: Eine erfolgreiche IoT-Strategie erfordert unbedingt ein vielfältiges Team aus mindestens drei Fachbereichen. Zunächst die Technologen, ausgestattet mit den nötigen Tools und Fertigkeiten, um Experimente durchzuführen. Zweitens: die Business-Seite, die versiert in der Bewältigung geschäftlicher Herausforderungen ist und die weitere strategische Vorgehensweise definieren kann. Komplettiert wird das Team durch die Data Scientists, die helfen, das Potenzial der verfügbaren Daten auszuschöpfen. MVPs (Minimum Viable Products) und POCs (Proof of Concepts) haben mit einer solchen Struktur bereits hervorragend in Unternehmen funktioniert. Technologen experimentieren beispielsweise mit aus einer Maschine extrahierten Daten, um Dashboards mit von Data Scientists gestalteten Visualisierungen zu erstellen. Diese Aspekte sind jedoch nur dann zielführend, wenn der gesamte Ansatz anschließend mit einem zu lösenden geschäftlichen Problem verbunden wird. Hier kommt das Business-Team ins Spiel.

Denn solch aufwendigen Experimente erfordern ein klares Geschäftsziel hinsichtlich der Qualität, der Produktivität oder sogar der Entwicklung eines komplett neuen Geschäftsbereichs. Auf der Grundlage dieser drei Arten von Expertenperspektiven versuchen wir dann eine Strategie zu implementieren, die einen dreigleisigen Ansatz verfolgt:

Konzeptionieren,
Industrialisieren
Betrieb.

Intensives Experimentieren ist eine Grundvoraussetzung für die Systemdimensionierung und Integration, während wir auf dem neuesten Stand der Technik bleiben und über eine zentrale Betriebsleitstelle verfügen. Daher wird es sehr schwer, eine wirklich skalierbare IoT-Lösung zu entwickeln, wenn diese Aspekte nicht miteinander verbunden werden.

Natürlich können gewisse kleinere IoT-Lösungen auch ohne einen solch formalen Ansatz erfolgreich sein. Ein Beispiel: Wie können wir Assets an unseren Standorten tracken? Wie erkennen wir, dass ein Besprechungsraum belegt ist? Wie viele Personen betreten und verlassen einen Standort? Dies sind Standard-IoT-Lösungen, die jedoch nicht zu Profit oder Umsatz beitragen oder die Leistung verbessern.

Um Unternehmen bei der Implementierung von IoT-Projekten zu beraten, hat Robert Bosch
Engineering and Business Solutions 2019 in Bengaluru eine seine erste „IoT Garage“ eröffnet.

Wo können solche aggregierten Informationen gesammelt werden? Denn schließlich sind solche Datenmengen oftmals einfach nur überwältigend und bringen keine tieferen Erkenntnisse.

RJ: Die Arbeit mit Daten oder vielmehr den analysierten Informationen muss sich grundlegend ändern. Wir müssen uns von dem traditionellen Ansatz verabschieden, bei dem der Endnutzer sich einen Reim auf die Daten machen muss.

Vielmehr müssen Daten dem Endnutzer in einem Format und mit einem Detailgrad präsentiert werden, der eine Entscheidungsfindung ermöglicht, anstatt den Nutzer zu überfrachten. Ein Beispiel aus der Logistik: Ein Mitarbeitender im Wareneingang sollte wissen, ob eine Lieferung angenommen werden darf oder nicht.

Dies kann auf zwei Arten erreicht werden:

Ein IoT-System im Fahrzeug liefert Informationen darüber, ob alle notwendigen Parameter eingehalten wurden. Im Anschluss erhält der Mitarbeitende im Wareneingang eine Mitteilung durch ein Handheld-Gerät, dass alle Parameter korrekt sind und die Lieferung angenommen werden kann. So werden nur die für die Entscheidungsfindung benötigten Informationen bereitgestellt.
Künstliche Intelligenz (KI) kann genutzt werden, um zu lernen und den Endnutzern entlang der Lieferkette die entsprechenden Informationen zur Verfügung zu stellen. Im nächsten Schritt ließe sich Blockchain-Technologie nutzen, um nach Daten zu suchen und das System wiederherzustellen, damit alle Stakeholder über Fehler und Abweichungen informiert werden. Dies geschieht in Form von Mitteilungen anstelle von umfangreichen Berichten und sorgt dadurch für bisher unerreichte Transparenz in der Wertschöpfungskette.

Das Interview in voller Länge

Im kompletten Interview mit dem weltweit führenden IoT-Experten Raghuram Joshi erfahren Sie mehr über die Zusammenstellung kompetenter IoT-Teams, die richtige digitale Plattform und die Erfolgsfaktoren für IoT-Projekte in Unternehmen.