Vorweg eine Klarstellung: Der Modebegriff ‚Internet der Dinge‘ (IoT) ist keine Architektur, Technologie oder ein bestimmter Markt. Es handelt sich dabei vielmehr um den Aufbau eines neuen Geschäftsmodells auf Basis der zur Kommunikation verbundenen Geräte. Ein RFID auf einem Werkstück oder ein Fitness-Tracker an sich machen noch keine IoT-Anwendung aus!

Im Folgenden mögliche Anwendungsfälle, die im Kontext der benötigten Anforderungen entstehen:

Es gibt einige Firmen im IoT-Umfeld, die Geräte anbieten, mit denen sich große Mengen an Daten sammeln lassen. Welche Firmen jedoch sind imstande, diese Daten auch entsprechend im benötigten Zeitrahmen wertschöpfend zu analysieren? Welche Art an ‚Startups‘ und Geschäftsmodellen sind vonnöten, um diese große Anzahl an Daten zu analysieren, welche von IoT-Geräten gesammelt werden? Und wer letztlich ist der Nutznießer der Anwendungsfälle, und damit gewillt, langfristig Geld zu investieren?

Bei den weiteren Betrachtungen wird der Fokus nicht auf Consumer-Anwendungen und ‚nice-to-have‘ Gadgets gelegt, sondern auf Anwendungen in der Industrie, wo entsprechend der möglichen Wertschöpfung die Attraktivität von Maßnahmen zur Kostenreduktion und Optimierungen so groß ist wie nie.

Bedarfsorientierte Wartung

Das Internet der Dinge

© Fotolia

Oft als reine Ferndiagnose bekannt, geistert das Thema der ‚Predictive Maintainance‘ oder auch ‚analysebasierte, bedarfsorientierte Wartung zur Verhinderung von Stillständen‘ schon lange durch die Medien. Die Idee dahinter: Durch das Sammeln von Geräte- oder Maschinen-Daten und das Verbinden mit weiteren Information – etwa Vibrationsmuster und Umgebungstemperatur – stehen wichtige Informationen zur Verfügung. Werden diese Daten in Kontext gesetzt zu allen weiteren gleichartigen Geräten oder Maschinen, kann die Wartung von einer vorauseilenden auf eine bedarfsorientierte Wartung umgestellt werden. ABI Research zufolge geht in diesem Markt eine Revolution vonstatten: Bis spätestens 2019 soll die mehrheitlich traditionelle vorauseilende Wartung durch die analysenbasierte bedarfsorientierte Wartung ersetzt sein. ABI spricht von einem 24,7-Mrd.-USD-Markt.

Neben der bedarfsorientierten Wartung, die viel Geld sparen kann, rückt die adaptive Echtzeit-Analyse in den Bereich des Machbaren. Was heißt das?

Adaptive Echtzeit-Analyse

Das Internet der Dinge

© Fotolia/Dario Bajurin

Die Idee der adaptiven Echtzeit-Analyse besteht darin, die schon im beschriebenen Fall der bedarfsorientierten Wartung gesammelten Daten nun weiter zu nutzen, um nicht nur in eine Richtung zu agieren, sondern bereits zur Laufzeit den Betrieb eines Gerätes oder einer Maschine zu optimieren. Unter der Annahme, dass durch das Sammeln einer Vielzahl von Daten gleichartiger Geräte und deren Umgebung eine optimale Grundlage besteht, die Parameter für den Betrieb zu optimieren, gibt es heute schon Fallstudien, die darauf aufbauen. Ein vereinfacht dargestelltes Beispiel eines sehr komplexen Falles im Folgenden:

Ein Feld an Windturbinen wird üb­licherweise darauf optimiert, mit möglichst wenig Belastung für die wartungsintensiven beweglichen Teile das Betriebsergebnis zu maxi­mieren. Nun ergaben Studien, dass sich dies nicht alleine mit der Optimierung einzelner Turbinen erzielen lässt; deshalb hat man den Einfluss der erzeugten Tur­bulenzen der Turbinen im Verbund aufeinander analysiert. Dadurch wurde die Möglichkeit erkannt – vereinfacht erklärt –, eine Turbine in der 2. Reihe an die erzeugten Turbulenzen der Turbine in der 1. Reihe zu adaptieren und damit nicht nur die Ausbeute zu steigern, sondern auch die Wartungsanfälligkeit zu verringern.

Durch die Kombination der Daten von Maschinen im Verbund kann demnach das Betriebsergebnis im Gesamten erheblich verbessert werden. Dieses in der Wirtschaft auch als ‚Condition Monitoring‘ bekannte Thema erlaubt nun, nicht nur in eine Richtung Daten zu sammeln und zu analysieren, sondern die Ergebnisse direkt in Echtzeit als Parameter in den Prozess einfließen zu lassen. Traditionell wird dieser Service in der Industrie als Service verkauft, der einen Experten vor Ort für mehrere Tage bis Wochen bindet, um den optimalen Prozess zu parametrisieren. Durch die Möglichkeit, dies automatisiert online jederzeit anzubieten, reduziert sich nicht nur der Aufwand, sondern erhöht sich auch die Skalierbarkeit und Wiederholbarkeit (in Echtzeit) des Angebots erheblich.

Konsumieren statt akquirieren

Das Internet der Dinge

© Fotolia/Zoe

Die typischen Beispiele für ein Internet der Dinge haben eines gemeinsam: Es handelt sich nicht umbedingt um ein Produkt im herkömmlichen Sinn, sondern um einen Service als Erweiterung einer Lösung, der gewöhnlich als ‚Leasing‘ oder wiederkehrender Service konsumiert wird.

Im Allgemeinen wird Leasing versus Kauf mit dem Preis des Assets versus der Laufzeit errechnet. Je länger die Laufzeit bei einem hochpreisigen Produkt ist, desto eher bietet der Kauf gegen das Leasing errechenbare Vorteile. Nun handelt es sich in diesem Fall aber nicht um ein ‚Operating Leasing‘ eines Firmenwagens über zwei bis drei Jahre, sondern um ein Element des Geschäftsprozesses, dessen Funktion sowohl hochrelevant für die operativen Kosten als auch die Wettbewerbsfähigkeit ist. Die operativen Kosten einer Turbine übersteigen während der gesamten Laufzeit sicherlich den initialen Kaufpreis. Insofern ist die Frage gerecht-fertigt, ob es Sinn macht, eine Turbine zu besitzen, oder den Service, den eine Turbine liefert, zu konsumieren. Darüber hinaus lässt sich damit die ‚Total Cost of Ownership‘ der Hersteller deutlich besser vergleichen. Ein Beispiel aus der Industrie ist von Rolls Royce bekannt. Mittlerweile werden Turbinen von Rolls Royce üblicherweise als Service verkauft. Wer dieses benutzungsorientierte Modell nicht unterstützt, hat erhebliche Nachteile im internationalen Wettkampf. Billiger produzieren kann immer jemand.

Die Startup-Chance

Welche Startup-Chancen ergeben sich nun im industriellen Umfeld? Ein Startup kann in aller Regel nicht die extrem hohen Kosten und Laufzeiten verkraften, um in der Industrie mit neuen Produkten – sei es eine innovative neue Steuerung, ein Produktionsroboter oder eine bessere Turbine – auf den Markt zu kommen.

Mit dem entsprechenden Expertenwissen eignet sich der IoT-Trend vielmehr – insbesondere für kleine Startups – optimal, um einen Service (SaaS) für eine bestehende installierte Basis anzubieten: Die Entwicklungskosten sind vergleichbar zur Produktentwicklung gering; der Markt auf Basis der bestehenden Infrastruktur stabil und gut berechenbar. Dementsprechend offensichtlich ist die Gelegenheit nie besser gewesen, das hierzulande ohne Zweifel reichlich vorhandene Wissen im Bereich der Industrie in der Form von ‚Services‘ zur Optimierung bestehender Produkte anzuwenden.

Die Kernpunkte zum Erfolg

Viel wurde über IoT geschrieben und versprochen. Die RFID am Werkstück, welche den Produktionsverlauf gespeichert hat, der Kühlschrank mit Internet-Display und dann noch die Verheißung von ‚big data‘: „Gib mir alle Daten, ich mache etwas Interessantes daraus!“

Das Internet der Dinge

© Fotolia

Vor allem interessant ist, dass viele der Anwendungen, die diskutiert werden, hauptsächlich daran denken, so ­viele Daten wie möglich zu bekommen, um dann entsprechend mit Analyse-Mechanismen intelligente Antworten zu finden.

Jedoch hat ‚Condition Monitoring‘ gezeigt, nur dann, wenn Expertenwissen auf die richtigen Daten trifft, aussagekräftige Informationen zustandekommen – und das ohne statistische Analysen.

Während eine kontextfreie ‚Big-data‘-Analyse nach der detaillierten Durchforstung der Daten eines Servomotors nach sechs Monaten mit großer Sicherheit wird beweisen können, dass er sich zu 50 % vorwärts und zu 50 % rückwärts bewegt hat, kann mit dem entsprechenden Expertenwissen eine Funktion zur optimalen Anpassung der Regler an eine wechselnde Last implementiert werden.

Im Folgenden ein Vorschlag für ein IoT-Startup:

Schritt 1: Das Problem finden
Ohne eine Herausforderung im Prozess oder der Wertschöpfungskette gibt es keine Geschäftsidee. Basierend auf den beiden Vorschlägen, die ­Wartung auf Bedarf umzustellen und den bestehenden Prozess zu optimieren, finden sich zahlreiche Möglichkeiten in jeder Industrie. Ob es sich um eine Telematic-Anwendung im Logistik-Bereich handelt, Wartungskosten für Turbinen oder andere Systeme, ­deren bewegliche Teile hohe Ausfallskosten verursachen – wie der Roboter an der Produktionsstrecke –, jeder Bereich hat diese operativen Optimierungsmöglichkeiten.

Schritt 2: Der Zugriff
Um das Sammeln von Daten kommt keiner herum. Der Vorschlag jedoch ist keine aufwendige Neuentwicklung eines Produkts dafür, sondern die Verwendung eines bestehenden Gateways, welches die Anforderung an die Daten und Kommunikations-Sicherheit erfüllt. Ohne diese Sicherheit wird die Paranoia den Zugriff auf die Daten nahezu unmöglich machen.
Wichtig ist außerdem ein System, welches Offenheit sowohl in der Kommunikation und der Geräteverwaltung als auch in der Anbindung an die Cloud bietet, um jederzeit flexibel auf die Integration in bestehende Geschäftsprozesse und Modelle reagieren zu können. Diese Gateway-Bausteine sind als Ergebnis des M2M-Trends in vielfacher Ausprägung vorhanden und bieten inzwischen auch die entsprechende Flexibilität, sich nicht an bestimmte proprietäre Protokolle oder IaaS-Lösungen binden zu müssen.

Schritt 3: Die Geschäftslogik
Kern des Angebots muss ein in Algorithmus gegossenes Wissen sein, welches basierend auf den Daten einen Mehrwert bietet. Dieses kann je nach Möglichkeit schon auf dem Gateway als Applikation zur Verfügung stehen und nur noch die entsprechende Entscheidung an die Infrastruktur melden oder für größere Aufgaben eben in der Cloud laufen – basierend auf den notwendigen Daten. Dies lässt sich verhältnismäßig einfach als Prototyp erstellen. Ein Gateway von der Stange, ein Zugang zu einem herkömmlichen Anbieter in der Cloud – und die Anwendung lässt sich als Prototyp den potenziellen Interessenten vorstellen.

Schritt 4: Das Geschäftsmodell
Service-basierende Modelle sind üblicherweise ‚backloaded‘, was bedeutet: Die Kosten entstehen dort, wo der Mehrwert generiert wird. Der Kunde hat daher sehr geringe Investitionskosten. An diesem Punkt ist für das Startup eine wichtige Hürde zu nehmen und zwar einer traditionellen Industrie ein ‚Subscription-Modell‘ schmackhaft zu machen. Genau dort liegt allerdings auch die Chance. Ohne erhebliche Investitionskosten zum Start können beide Seiten mit reduziertem Risiko die Idee testen und beweisen.

Schritt 5: Das echte Leben
Ein Prototyp dient der Beweisführung und der Validierung. Für eine Produk-tionsumgebung hat das beschriebene Szenario erheblich zu viel Risiko in Bezug auf Verfügbarkeit und Reaktionszeiten. Insofern wird die Implementierung einer echten Lösung nicht um die Suche nach den richtigen Partnern und um Zwischenschritte umhinkommen. Einige Überlegungen dazu:

■ ‚Im Haus‘ ist immer vertrauenserweckender als ‚in der Wolke‘. Dementsprechend ist es sehr ratsam, die Lösung skalierbar also ‚on premises‘ zumindest zum Testen anzu­bieten. Dies erlaubt den Kunden ­sowohl die gefühlte komplette Kontrolle über die Daten als auch einen einfacheren Start, ohne mit der IT sofort die Diskussion über eine Anbindung an eine Cloud diskutieren zu müssen.

■ Datensicherheit ist nicht mehr Vertrauenssache, sie kann bewiesen werden. Daher muss auf die entsprechenden Standards und Tests eingegangen werden. Seien es die FDA-relevanten Standards wie 21 CFR Part 11 oder die stark an Bedeutung gewinnende allgemeinere 62443. Wer den Lebenszyklus der Daten belegen kann, hat schon eine der Hürden genommen. Daher unbedingt Produkte wählen, die immun sind gegen Jailbrake/Rooting und entsprechende Algorithmen und Dokumentationen bieten.

■ Service-Verfügbarkeit ist einer der wichtigsten Themen, wenn es um Kundenzufriedenheit geht. Ein IT-Service, der für 30 Minuten nicht zur Verfügung steht, kann schon zu erheblichem Unmut führen. Wenn der Sturm ‚Sandy‘ in den USA die Kommunikation über Mobilfunk für sieben Tage lahmlegt, dann ist der fehlende Zugriff auf Produktions- und Diagnosedaten schon ein echter Kostenfaktor. Daher sollte bei der Wahl der Infrastruktur das Augenmerk auf Latenz, Hochverfügbarkeit und eventuell Redundanz konzentriert werden, um sich von Konsumenten-Anwendungen zu unterscheiden.

Weitere Schritte

Jeder Hersteller wird versuchen, die Gerätekosten zu reduzieren und damit zusätzliche Produkte, die unter Wartung stehen müssen, zu konsolidieren. Daher sollte mittel- und langfristig mit dem Wegfall des Gateways gerechnet werden, da dieses früher oder später in bestehende Geräte integriert wird.

Das Internet der Dinge

© Fotolia

Dies ist vor allem bei Anwendungen zu erwarten, wo schon relevante Rechnerkapazität in bestehender Infrastruktur zur Verfügung steht. Deshalb sollte bei den gewählten Produkten und Standards auf Offenheit und Skalierbarkeit geachtet werden.

Die Möglichkeit für Startups, aus dem Thema IoT hier und jetzt Kapital zu schlagen, ist mit vertretbarem Investment machbar. Es geht dabei nicht um das nächste Gadget, die sprechende Waschmaschine oder andere Konsumanwendungen, die mehr das Machbare zeigen als ein echtes Problem lösen, sondern um die Implementierung von Expertenwissen auf Basis eines Service-Modells, welches auf bestehenden Produkten aufbaut und bereits bekannte Anwendungen für einen neuen Markt erschließt.

Autor: Alexander Damisch ist Senior Director of IoT Solutions bei WindRiver.