header_home_wuerfel_1920px.jpg

IoT Analytics – von der Edge bis hin zum Enterprise

Dominique_Duay_TrivadisLaut Gartner werden bis 2020 20,4 Milliarden Geräte mit dem Internet der Dinge verbunden sein. 2016 waren es noch 6,4 Milliarden. Mit der Anzahl der IoT-Geräte wächst auch die schiere Menge an Daten – und damit auch der (potenzielle) Wert, der in den Daten steckt. Entsprechende IoT-Lösungen zu entwerfen und umzusetzen, wird also immer anspruchsvoller.

Grundsätzlich sind IoT-Lösungen stark ereignisgetrieben und haben hohe Ansprüche an den Real-Time-Aspekt. D. h. sie sind meist auf geringe Latenzen zwischen den von der Sensorik gemeldeten Ereignissen und darauffolgenden Aktionen angewiesen. Auch die Skalierbarkeit ist eine zentrale Anforderung: Jeder Sensor, jedes Gerät, jede Datenbank, jeder Applikationsserver und jedes Stück Software muss beinahe beliebig oft instanziiert werden können, ohne dass die Leistung pro Instanz dadurch drastisch abnimmt. Zu den weiteren Anforderungen an eine IoT-Lösung zählt die Verfügbarkeit und die Sicherheit. Zu letzterer gehören Aspekte des Datenschutzes, der Datenintegrität und der Abwehr von möglichen Angriffen.  

 

Edge, Plattform und Enterprise

Gartner hat eine Referenzarchitektur entworfen, die jede IoT-Lösung in drei Bereiche aufteilt: Edge, Plattform und Enterprise. An der Edge werden die Rohdaten der Sensoren gesammelt und ggf. transformiert. Sie umfasst u. a. die Geräte, Sensoren, Gateways und Pipelines, in denen die Daten von den Geräten oder den Gateways auf eine IoT-Plattform oder ein Data Center gestreamt werden. Auf einer IoT-Plattform werden die Daten gespeichert und analysiert. Im Enterprise-Bereich schliesslich greifen Enterprise-Applikationen, -Prozesse und -Services auf die Daten der IoT-Plattform zu, um Business-Prozesse in Gang zu setzen oder zu beeinflussen.

Vor dem Hintergrund des oben beschriebenen Wachstums von IoT-Geräten und -Daten werden Analytics-Komponenten beim Design und der Architektur von IoT-Lösungen zunehmend wichtiger. Es empfiehlt sich, diese in möglichst allen Bereichen einer IoT-Lösung zu integrieren. So können Daten auf mehreren Stufen verarbeitet und analysiert werden. Auch wird damit das Netzwerk entlastet sowie die Propagation Delay verringert, also die Zeit, die ein Signal benötigt, um von einem Punkt eines Übertragungskanals zu einem anderen zu kommen. Zudem ist die Sicherheit und Verfügbarkeit bei einer Verteilung von Analytics-Komponenten über die gesamte IoT-Lösung höher.

Die IoT-Plattform ist derzeit der wichtigste Einsatzbereich für Analytics. Zum einen bieten Analytics auf IoT-Plattformen im Vergleich zu Analytics an der Edge mehr Möglichkeiten für komplexe Analysen, womit auch die Datenqualität steigt. Dies schliesst sowohl Descriptive als auch Prescriptive und Predictive Analytics mit ein. Auf IoT-Plattformen ist meist auch die Sicherheit höher, da Daten nicht in den Gerätespeichern, sondern im Data Warehouse oder beim Cloud-Provider abgelegt werden können. Sind IoT-Plattformen Cloud-basiert, sind sie zudem hochskalierbar.

Beispiele aus dem Energiesektor und dem öffentlichen Verkehr

pinwheel-993018_1920Bild: meineresterampe auf Pixabay 

Als gutes Beispiel dient die IoT-Plattform eines Energieversorgungsunternehmens. Quellen der entsprechenden IoT-Plattform sind Wind- und Solarpark-Anlagen in ganz Europa. Durch diese Anlagen sind zahlreiche Informationen verfügbar, nur leider nicht einheitlich und konsistent. Darum müssen Gateways in kurzen Zeiträumen die Daten der Anlagen aktiv abholen, dabei die Protokolle vereinheitlichen und die Daten an den Event-Hub weiterreichen. Dieser kann dann die Daten nach dem Push-Prinzip in Streaming Analytics Prozesse weitergeben. Von dort werden dann die Dashboards beliefert, die den aktuellen Zustand der verteilten Anlagen grafisch darstellen. In einem letzten, asynchronen Schritt werden die so gewonnenen Daten wiederum in einem klassischen RDBMS (hier: SQL Server) aggregiert und historisch gespeichert. Die Massendaten werden dabei durchgängig partitioniert, um einzelne Datenströme in separaten Prozessen zu verarbeiteten. Dies stellt die Skalierung der Verarbeitung auch bei erheblichem Datenzuwachs sicher. Die beschriebene IoT-Plattform ermöglicht es dem Energieversorger, durch mehr Transparenz besser über Stromverkäufe und -zukäufe entscheiden zu können.

Neben der Plattform ist die Edge ein weiterer Bereich von IoT-Lösungen, in denen Analytics in Zukunft häufiger zum Einsatz kommen. Dies betrifft insbesondere sehr einfache, zielgerichtete Routine-Analysen, bei denen es gar nicht notwendig ist, Daten an eine IoT-Plattform weiterzuleiten. Als Beispiel kann man sich eine intelligente Überwachungskamera vorstellen, die einen Einbrecher meldet, ohne das Video zuerst auf eine Plattform weiterzuleiten. Mit der geringeren Latenz, die mit Edge-Analytics oft einhergeht, ist es möglich, schneller auf Events zu reagieren.

Auch der Enterprise-Bereich bietet vielfältige Einsatzmöglichkeiten für Analytics. So können IoT-Daten etwa mit bestehenden Business-Prozessen gemappt werden. Nehmen wir ein Beispiel aus dem öffentlichen Verkehr: Durch die Verarbeitung von Daten aus verbundenen Objekten (die z. B. Informationen über den GPS-Standort eines Fahrzeugs enthalten) mit einem Algorithmus der künstlichen Intelligenz ist es möglich, die Zuordnung eines Fahrzeugs zu einem Parkplatz und einer Route in Echtzeit zu automatisieren. Das Ganze ist in das globale Informationssystem integriert und ermöglicht es, dass Enterprise-Applikationen auf die Daten Zugriff erhalten. Dies verbessert die Zuteilung der jeweiligen Transportart der Strecke entsprechend und stellt sicher, dass jedes Fahrzeug eine gleichwertige Auslastung hat.

Um den Wert von IoT-Daten bestmöglich auszuschöpfen, lohnt es sich also, die oben genannten Anforderungen beim Design und der Architektur einer IoT-Lösung zu berücksichtigen und Analytics-Komponenten in allen Bereichen einer IoT-Lösung einzubinden.

Der Artikel ist in einer ausführlichen Langfassung im Business Intelligence Magazine erschienen. Sie können ihn hier in voller Länge abrufen: https://www.bi-magazine.net/iot-analytics-in-der-praxis.html

New call-to-action

Weiterführende Informationen

 

Topics: IoT Modern Data Analytics Big Data Analytics Data Analytics Internet of Things