Inzwischen hat die Ära der ‚physischen KI‘ (Physical AI) begonnen. Ein nachhaltiger Wettbewerbsvorteil ergibt sich nun nicht mehr daraus, wie intelligent die Algorithmen eines Unternehmens sind, sondern wie effektiv dessen Daten durch ein digitales Ökosystem fließen, um Erkenntnisse und Entscheidungen in konkrete Maßnahmen umzusetzen. Im Kontext von KI sind es letztlich die Daten, die den eigentlichen Mehrwert schaffen.

Innovationshemmnisse

Die meisten physischen Systeme werden heute in erster Linie nach den Anforderungen der jeweiligen Maschine konzipiert. Das Risiko, eine komplexe Maschine erfolgreich auf den Markt zu bringen, ist so hoch, dass sich die gesamte Aufmerksamkeit auf genau diese Aufgabe konzentriert. Entsprechend wird die Architektur um ein zweckgebundenes System herum aufgebaut, zum Beispiel ein Auto, einen Roboter oder einen Traktor. Doch was geschieht, sobald das Produkt auf dem Markt ist? Das eigentliche Flaggschiffprodukt wird zum Datensilo.

Die Fragmentierung des Ökosystems ist einer der größten und oft verborgenen Kostenfaktoren für Innovationsbudgets. Um dies zu überwinden, müssen Unternehmen enorme Summen investieren, beispielsweise für die Entwicklung kostspieliger individueller ‚Brücken‘, die voneinander getrennte Systeme zur Kommunikation zwingen. Am Ende könnten bis zu 80 % des Budgets für Software und Systemintegration aufgewendet werden. Unternehmen zahlen dann nicht für neue Funktionen oder Innovationen, sondern für die Behebung früherer Architekturentscheidungen und deren Einschränkungen.

Mit dem Aufkommen von Physical AI und der rasanten technologischen Entwicklung ist die Modernisierung solcher Altsysteme mittlerweile eine Frage des Überlebens für Unternehmen, die Softwarelösungen anbieten. Denn so lässt sich kein Marktvorteil aufbauen und auch kein Daten-Flywheel, also ein sich selbst verstärkendes System, in dem Daten den Wettbewerbsvorteil vorantreiben.

Datenzentrierung als Weg nach vorn

Um diese Innovationsbarriere zu überwinden, ist es notwendig, die Datenarchitektur für physische Systeme anders aufzubauen.

Traditionelle, nachrichtenzentrierte Architekturen übertragen Daten lediglich von Punkt A nach Punkt B, ohne Kontext. Physical AI benötigt jedoch deutlich mehr, nämlich Kontext, Gewissheit über die Aktualität der Daten und Flexibilität. Dafür ist eine Architektur erforderlich, die auf dem Prinzip der Datenzentrierung basiert. In einer solchen Architektur kommuniziert das System über eine Art digitales Nervensystem, das Anwendungen, Agenten, Sensoren und Teilsysteme miteinander verbindet und ihnen den Zugriff auf Daten im gesamten Netzwerk ermöglicht.

Ein anschaulicher Vergleich ist der menschliche Körper: Das Gehirn muss die Hand nicht aktiv fragen, wo sie sich befindet. Die entsprechenden Informationen stehen permanent über das gemeinsame Nervensystem zur Verfügung.

In einer datenzentrierten Architektur stehen die Daten im Mittelpunkt des Designs: Jede Anwendung und jeder Sensor verbindet sich mit einem gemeinsamen Datenbus, über den genau die benötigten Informationen abonniert und zum erforderlichen Zeitpunkt bereitgestellt werden.

Intelligente Datenauswertung

In naher Zukunft wird die Entwicklung von Anwendungen nahezu kostenlos sein und sich vollständig an den jeweiligen Anwendungsfall, die Kunden und das System anpassen lassen. An diesem Punkt spielt das Daten-Flywheel eine entscheidende Rolle: Um Anwendungen sofort bereitstellen zu können, benötigen Unternehmen zum einen klar definierte Schnittstellen zwischen Systemen und den Zugriff auf die richtigen Daten.

Beide Herausforderungen lassen sich durch ein einheitliches Datenmodell und einen gemeinsamen globalen Datenraum lösen, der sämtliche Geschäftsprozesse umfasst – von Sensoren über Edge-Systeme bis hin zu Backend-Anwendungen, unabhängig davon, ob diese lokal oder in einer Public Cloud betrieben werden.

Dies ist keine neue Architektur, sondern ein Modell für komplexe verteilte Systeme, das nun an Bedeutung gewonnen hat. Geändert haben sich die Dringlichkeit und Notwendigkeit durch Fortschritte bei Rechenarchitekturen und allgegenwärtiger Konnektivität sowie durch den Aufstieg von Physical AI. Diese Faktoren machen es erforderlich, Daten als strategischen Wettbewerbsvorteil zu nutzen, konkret: die Daten und die darin enthaltene Intelligenz, die derzeit noch in isolierten Systemen eingeschlossenen sind. Gleichzeitig ermöglicht dieser Ansatz die nahtlose Integration operativer Edge-Daten mit Unternehmenssystemen und vereint damit Edge und Cloud.

RTI beispielsweise verfügt über weitreichende Erfahrung bei der Implementierung datenzentrierter Architekturen für verteilte Embedded- und Echtzeitsysteme. Mit dem Aufkommen von Physical AI bietet ‚RTI Connext‘ eine Plattform für Physical Data Streaming, die Systeme vom Edge über Backend- bis hin zu Cloud-Anwendungen nahtlos verbindet.

Systeme arbeiten so als Einheit. Wie sich das in verschiedenen Branchen umsetzen lässt, skizzieren nachfolgende Beispiele.

Das vernetzte Fahrzeug

Die Vision des Connected Car, bei dem Fahrzeuge nahtlos mit Backend-Diensten verbunden sind, stellt die Automobilindustrie trotz offensichtlicher Vorteile für Kunden und Hersteller weiterhin vor Herausforderungen. Mit praxistauglichen KI-Lösungen für vorausschauende Wartung (Predictive Maintenance), Fahrersicherheit und Kundenerlebnis war der Bedarf an flexiblem und skalierbarem Datenzugriff nie größer. Ein Problem liegt in traditionellen Lieferketten und Entwicklungsprozessen, die darauf ausgelegt sind, sämtliche Funktionen bereits vor dem Fahrzeugbau festzulegen.

Diese Annahme wird künftig nicht mehr tragfähig sein, denn: Kundenanforderungen verändern sich, neue Marktchancen entstehen und der Nutzen neuer Dienste muss im realen Betrieb nachgewiesen werden.

Dienstleistungen sollten sich per Definition kontinuierlich weiterentwickeln und aktualisiert werden können. Ohne eine datenzentrierte Architektur wird der Zugriff auf die dafür notwendigen Daten jedoch schnell zum Innovationshemmnis.

Das digitale Gesundheitswesen

Im Krankenhaus hängt der Erfolg nicht allein von einem ‚intelligenten‘ Roboter ab, sondern vom Echtzeitfluss von Patientendaten zwischen Überwachung, Diagnose und Behandlung. Ein datenzentrierter Ansatz standardisiert die Datenerfassung vernetzter Medizingeräte. In Kombination mit KI entstehen so Lösungen, die beispielsweise anatomische Positionsdaten bereitstellen, die Lage medizinischer Instrumente bestimmen und minimalinvasive Eingriffe unterstützen.

Der Einsatz von Echtzeit-Videodaten und KI im Operationssaal kann Chirurgen bei der Beurteilung von Blutflüssen unterstützen, klinische Entscheidungen verbessern und die Anzahl medizinischer Fehler während Operationen reduzieren.

Obwohl sich viele KI-Systeme in diesem Bereich noch in einem frühen Entwicklungsstadium befinden, müssen sie sich schnell weiterentwickeln können. Ein flexibler Datenzugang ist daher entscheidend für langfristigen Erfolg.

Intelligente Fabriken

Smart Factories sind hochkomplexe Systeme, die meist auf eine sehr spezifische Produktpalette ausgelegt sind. Änderungen an dieser Produktpalette sind zeitaufwendig und kostspielig. In typischen Projekten im Bereich der Industrierobotik wird beispielsweise nur ein Drittel des Budgets für Hardware ausgegeben, der Rest fließt in kundenspezifische Entwicklungen und komplexe Integrationsprojekte.

Würde eine Fabrik hingegen von Anfang datenzentriert aufgebaut und stünden dieselben Datenmodelle sowohl in der realen Fabrik als auch im digitalen Zwilling zur Verfügung, könnten neue Produkte und Prozesse einfacher getestet und eingeführt werden. Dabei ließen sich Anwendungen nahtlos zwischen der virtuellen und der realen Welt entwickeln, testen und bereitstellen.

Smart Cities

Ob es um die Verbesserung des Verkehrsflusses, die Anpassung an reale Veränderungen oder die Erprobung neuer Strategien zur Steigerung der Lebensqualität geht – alles beginnt mit Daten. Die richtige Architektur für eine Smart City modelliert zunächst die Stadt als Datenmodell und nutzt dieses Modell konsistent für Geräte, Sensoren, Anwendungen und Infrastrukturkomponenten.

Geräte, die jeweils ihren eigenen Standard oder ihr eigenes Datenmodell haben, entsprechen einem überholten Hardwareansatz. Gefordert ist ein datenzentrierter Ansatz für den Betrieb einer Stadt, der neue Geräte, Systeme und Anwendungen problemlos integriert.

Systeme, die als Einheit funktionieren

Letztlich besteht das Ziel darin, ein System zu schaffen, das schnell und flexibel ist und einen vereinfachten Zugriff auf die richtigen Daten ermöglicht. Mit einer datenzentrierten Grundlage etwa auf Basis von ‚RTI Connext‘ können Unternehmen künftige Risiken reduzieren und eine Architektur für eine Daten-strategie schaffen, die Wettbewerbsvorteile stärkt. Fragmentierung und Datensilos werden überwunden und Systeme können als Einheit arbeiten.

Redaktion: Inka Krischke