Sie sind hier: Startseite » Markt » Tipps und Hinweise

In fünf Schritten zum erfolgreichen IoT-Projekt

Verschiedene Bausteine beachten, damit der erfolgreichen Umsetzung des Projekts nichts im Wege steht
"Archive" sorgt für eine kosteneffiziente Langzeitarchivierung der Sensordaten

Von Stefan Ebener, Strategy & Innovation Manager Automotive & Manufacturing bei NetApp

Angefangen bei den Sensoren über die Data-Management-Plattform und Analytics-Software bis hin zur Security gilt es bei der Einführung von IoT-Projekten allein aus IT-Sicht viele verschiedene Bausteine zu beachten. Schematisch lässt sich ein solches Projekt allerdings in fünf Phasen gliedern – bei deren Beachtung der erfolgreichen Umsetzung des Projekts nichts im Wege steht:

>> "Collect": In dieser Phase geht es darum, Sensordaten zu erfassen und sie transportfähig zu machen. Herangehensweisen gibt es viele: Ein sogenanntes Edge Gateway beispielsweise übersetzt die Daten, die ältere Maschinen oftmals in Milliampere ausgeben, und leitet diese anschließend weiter. Ein anderer Weg, die vorliegenden Daten in IP-fähige Informationen umzuwandeln, sind Systeme, die über Webcams Lampen- oder Schaltersignale filmen, dieses Material mittels künstlicher Intelligenz in IP-Informationen übersetzen und dann zur Auswertung weiterleiten. Oder: Die Investition in neuere Maschinen, die bereits komplett IP-fähig sind.

>> "Transport": Hier geht es um die sichere und verlässliche Übertragung der Daten von den Produktionsmaschinen oder Geräten zum Rechenzentrum. Aus den rund 50 verschiedenen Protokollen für die Sensordatenkommunikation ist das passende für die Kommunikation zwischen den Maschinen auszuwählen. Auch wenn einheitliche Standards noch fehlen, hat sich das offene Nachrichtenprotokoll MQTT, kurz für Message Queue Telemetry Transport, weitgehend durchgesetzt.

>> "Store": Bei diesem Schritt werden die Sensordaten gespeichert und für die Analyse bereitgestellt. Dafür eignen sich je nach Einsatzszenario unterschiedliche Technologien. Ist für die Datenanalyse Hadoop im Einsatz, sind leistungsstarke Storage-Lösungen, so genannte Enterprise-Class-Speicherlösungen, empfehlenswert. Als Speicher in Industrie-PCs für Edge Computing kommen in der Regel SSDs zum Einsatz. Stream Analytics, also Echtzeitberechnungen von Datenströmen, benötigen hingegen schnelle Flash-Ressourcen. Hilfreich, um große Mengen an Daten im zentralen Data Lake aufzubewahren, ist zudem ein skalierbarer Cloud-Storage. Wichtig ist darüber hinaus ein Datenmanagement-Betriebssystem, durch das Daten zwischen verschiedenen Speicherlösungen verschoben oder gespiegelt werden können.

>> "Analyze": umfasst die Analyse der Sensordaten. Auch hier gilt es, abhängig vom Anwendungsfall die richtigen Lösungen auszuwählen. Um große Mengen an strukturierten und unstrukturierten Daten aus dem Data Lake zu verarbeiten, eignen sich zum Beispiel das Framework Hadoop und NoSQL (Not Only SQL)-Datenbanklösungen wie Couchbase, MongoDB oder Cassandra. Für Echtzeitanalysen kommen unter anderem SAP HANA oder SAP Business Objects zum Einsatz. In dieser Phase lassen sich überdies die Analyseergebnisse mit dem ERP-System verknüpfen.

>> "Archive": Sorgt für eine kosteneffiziente Langzeitarchivierung der Sensordaten. Ein wichtiger Aspekt dieser fünften Phase ist die regelbasierte, automatisierte Datenklassifizierung. So kann das System Daten nach der gesetzlichen Vorhaltezeit automatisch löschen. Auch das Storage Tiering kommt hier zum Zuge: Bei dieser Methode werden die Daten entsprechend ihrer Zugriffe auf unterschiedliche Speichermedien verteilt. So landen Daten in der Anfangsphase der Archivierung oft zunächst auf schnelleren Systemen, da sie noch häufiger abgerufen werden. Später ruhen sie auf weniger performanten, preiswerteren Speicherlösungen. Auch das Auslagern von Daten in eine Cloud oder der Abzug aus der Cloud sind Themen, um die es in der Archivierungsphase geht. (NetApp: ra)

eingetragen: 12.08.17
Home & Newsletterlauf: 07.09.17

NetApp: Kontakt und Steckbrief

Der Informationsanbieter hat seinen Kontakt leider noch nicht freigeschaltet.

Meldungen: Tipps und Hinweise

Was Unternehmen beachten müssen
Künstliche Intelligenz gehört für immer mehr Unternehmen ganz selbstverständlich zum Geschäftsalltag dazu. Insbesondere die generative KI (GenAI) erlebt einen Boom, den sich viele so nicht vorstellen konnten. GenAI-Modelle sind jedoch enorm ressourcenhungrig, sodass sich Firmen Gedanken über die Infrastruktur machen müssen. NTT DATA, ein weltweit führender Anbieter von digitalen Business- und Technologie-Services, zeigt, warum die Cloud der Gamechanger für generative KI ist.
SAP mit umfassender Cloud-Strategie
Für die digitale Transformation von Unternehmen setzt SAP auf eine umfassende Cloud-Strategie. Hier bietet SAP verschiedene Lösungen an. Neben der SAP Public Cloud, die sehr stark auf den SME-Markt zielt, bedient die Industry Cloud als Kombination aus Private Cloud und industriespezifischen Cloud-Lösungen eher den LE-Markt.
Warum steigende IT-Kosten das kleinere Übel sind
Es gibt Zeiten, in denen sind CIOs wirklich nicht zu beneiden. Zum Beispiel dann, wenn sie der Unternehmensführung wieder einmal erklären müssen, warum erneut höhere Investitionen in die IT nötig sind. Eines der größten Paradoxe dabei: Kosten steigen auf dem Papier auch dann, wenn eigentlich aus Kostengründen modernisiert wird. Der Umstieg vom eigenen Server im Keller in die Cloud? Mehrkosten. Neue SaaS-Lösungen?
Optimierung von Java-Workloads in der Cloud
Cloud-Infrastrukturen versprechen Skalierbarkeit, Effizienz und Kostenvorteile. Doch um Engpässe zu vermeiden, überprovisionieren viele Unternehmen ihre Cloud-Kapazitäten - und bezahlen so oftmals für Ressourcen, die sie gar nicht nutzen. Wie lässt sich das ändern? Ein zentraler Hebel ist die Optimierung von Java-Workloads in der Cloud. Cloud-Infrastrukturen bringen viele Vorteile, aber auch neue Komplexität und oft unerwartet hohe Kosten mit sich. Bei vielen Unternehmen nehmen Java-Umgebungen und -Anwendungen große Volumina in gebuchten Cloud-Kapazitäten ein, denn Java gehört noch immer zu den beliebtesten Programmiersprachen: Laut dem aktuellen State of Java Survey and Report 2025 von Azul geben 68 Prozent der Befragten an, dass über 50 Prozent ihrer Anwendungen mit Java entwickelt wurden oder auf einer JVM (Java Virtual Machine) laufen.
Wer Cloud sagt, muss Datensouveränität denken
Die Cloud hat sich längst zu einem neuen IT-Standard entwickelt. Ihr Einsatz bringt allerdings neue Herausforderungen mit sich - insbesondere im Hinblick auf geopolitische Risiken und die Gefahr einseitiger Abhängigkeiten. Klar ist: Unternehmen, Behörden und Betreiber kritischer Infrastrukturen benötigen eine kompromisslose Datensouveränität. Materna Virtual Solution zeigt, welche zentralen Komponenten dabei entscheidend sind.
Fünf Mythen über Managed Services
Managed Services sind ein Erfolgsmodell. Trotzdem existieren nach wie vor einige Vorbehalte gegenüber externen IT-Services. Die IT-Dienstleisterin CGI beschreibt die fünf hartnäckigsten Mythen und erklärt, warum diese längst überholt sind.
KI-Herausforderung: Mehr Daten, mehr Risiko
Künstliche Intelligenz (KI) revolutioniert weiterhin die Geschäftswelt und hilft Unternehmen, Aufgaben zu automatisieren, Erkenntnisse zu gewinnen und Innovationen in großem Umfang voranzutreiben. Doch es bleiben Fragen offen, vor allem wenn es um die Art und Weise geht, wie KI-Lösungen Daten sicher verarbeiten und bewegen. Einem Bericht von McKinsey zufolge gehören Ungenauigkeiten in der KI sowie KI-Cybersecurity-Risiken zu den größten Sorgen von Mitarbeitern und Führungskräften.
Sichere Daten in der Sovereign Cloud
Technologie steht im Mittelpunkt strategischer Ambitionen auf der ganzen Welt, aber ihr Erfolg hängt von mehr als nur ihren Fähigkeiten ab. Damit Dienste effektiv funktionieren, braucht es eine Vertrauensbasis, die den Erfolg dieser Technologie untermauert und eine verantwortungsvolle Speicherung der Daten, Anwendungen und Dienste gewährleistet.
Integration von Cloud-Infrastrukturen
Cloud-Technologien werden zum Schlüsselfaktor für Wachstum und verbesserte Skalierbarkeit über das Kerngeschäft hinaus - auch bei Telekommunikationsanbietern (Telcos). Auch hier ist der Wandel zur Nutzung von Produkten und Dienstleistungen "On-Demand" im vollen Gange, sodass Telcos ihre Geschäftsmodelle weiterentwickeln und zunehmend als Managed-Service-Provider (MSPs) und Cloud-Service-Provider (CSPs) auftreten.
Acht Einsatzszenarien für Industrial AI
Artificial Intelligence (AI) entwickelt sich zunehmend zur Schlüsselressource für die Wettbewerbsfähigkeit der deutschen Industrie. Doch wie weit ist die Branche wirklich? Laut einer aktuellen Bitkom-Befragung setzen bereits 42?Prozent der Industrieunternehmen des verarbeitenden Gewerbes in Deutschland AI in ihrer Produktion ein - ein weiteres Drittel (35?Prozent) plant entsprechende Projekte.

Sicherung von Cloud Assets Die Cloud gibt es nicht von der Stange