Mit IoT Analytics Maschinendaten richtig auswerten

Das Rauschen im IoT-Netz

Noch ein Faktor, der die Auswertung von IoT-Daten erschwert, ist ihre Unzuverlässigkeit. Verschmutzte oder defekte Sensoren sowie Übertragungsprobleme verursachen ein erhebliches Rauschen. Analysesysteme für IoT-Daten sind daher mit einer ganzen Reihe zusätzlicher Funktionen ausgestattet. Sie können Daten reinigen und filtern, transformieren, mit Metadaten anreichern und ergänzen, falls Lücken in den Zeitreihen auftreten.
Auswertung an der Quelle: Bis 2019 planen über drei Viertel der Unternehmen, Datenanalysen direkt auf dem IoT-Endgerät durchzuführen.
Quelle: IDC (n=185 IT-Verantwortliche deutscher Unternehmen)
Gerade Zeitreihenanalysen sind im IoT-Umfeld besonders wichtig und informativ. Mit ihrer Hilfe lassen sich Nutzungsverlauf und Leistung von Maschinen und Geräten dokumentieren, um so Prognosen für potenzielle Probleme zu erstellen und optimale Wartungszyklen zu definieren.
Sogenannte Streaming-Analytics-Verfahren können zudem in Echtzeit oder nahezu in Echtzeit auf Veränderungen reagieren. Sie eignen sich allerdings nur für enge Zeitfenster. Für längere Messungen müssen die Informationen aufbereitet und gespeichert werden. «Je mehr Daten über einen grösseren Zeitraum vorhanden sind, desto mehr ist aus den Daten herauszulesen», sagt AWS-IoT-Spezialist Metzner.
Die separate Auswertung der Maschinendaten genügt jedoch nicht. Laut einer Umfrage des Marktforschungsunternehmens 451 Research wollen mehr als zwei Drittel der Befragten mit Hilfe der IoT-Analyse vor allem Risiken reduzieren und Betriebsabläufe optimieren. Um das zu erreichen, müssen die IoT-Daten mit Informationen aus Unternehmenssystemen wie Enterprise Resource Planning (ERP), Business Process Management (BPM) oder Supply-Chain Management (SCM) zusammengeführt und kombiniert werden können. «In Kombination mit anderen Datenquellen eröffnen IoT-Daten grosse Chancen für Unternehmen», sagt Igor Ilunin, Leiter der IoT-Abteilung beim Software- und Beratungshaus DataArt, das mit der Open-Source-Lösung DeviceHive eine eigene IoT-Plattform betreibt.
Neben einer Echtzeitanalyse ist dabei auch die Möglichkeit entscheidend, Daten retrospektiv auswerten und Was-wäre-wenn-Szenarien rechnen zu können. «Wenn es gelingt, durch die Kombination von IoT- und Business-Daten Zusammenhänge besser zu verstehen, lassen sich Einsparungen im zweistelligen Prozentbereich realisieren», ergänzt Dorian Selz, Geschäftsführer des Schweizer Unternehmens Squirro, das mit KI-gesteuerten Cognitive-Insights-Lösungen umfassende Analysen von unstrukturierten Daten ermöglicht.


Das könnte Sie auch interessieren