Bei IoT-Initiativen geht es im Wesentlichen darum, Probleme zu lösen und Geschäftsergebnisse zu verbessern. Diese Ziele werden erreicht, indem Daten von vernetzten Geräten genutzt werden, um das Verhalten von „Dingen“ zu analysieren und daraus umsetzbare Geschäftserkenntnisse abzuleiten. Das angestrebte Ergebnis hängt von den individuellen Anforderungen des Unternehmens ab. Beispiele hierfür sind die Verbesserung der Sicherheit von Fahrern im Fuhrpark, die Einführung vorbeugender Wartungsmaßnahmen für Fabrikanlagen oder die genauere Verfolgung des Echtzeit-Standorts gespendeter Organe während des Transports. Die über IoT-Sensoren und andere Geräte gesammelten Daten liefern zumindest betriebliche Kennzahlen; werden sie jedoch analysiert und mit anderen Datenquellen verknüpft, können sie wertvolle Erkenntnisse für wichtige Geschäftsentscheidungen liefern. Für Unternehmen ist es entscheidend, über eine formalisierte Strategie zur Nutzung dieser Daten zu verfügen, bevor sie ihre IoT-Lösungen ausweiten.
Definition des geschäftlichen Problems
Um mit IoT-Initiativen die gewünschten Ergebnisse zu erzielen, ist es wichtig, zu Beginn eines Projekts das geschäftliche Problem zu definieren, das gelöst werden soll. Dies bestimmt nicht nur die „IoT-Lösung“ im Vorfeld (Auswahl der Geräte, des Netzwerks, der Anwendung oder der Cloud-Plattform), sondern auch die dahinterstehende Analysestrategie. Denken Sie an einen Anwendungsfall zur Flottenverfolgung und -optimierung – in diesem Szenario können die von den Fahrzeugen der Flotte erfassten Daten von der einfachen Standortverfolgung über Kennzahlen zu Motorstart- und -stoppzeiten bis hin zu den Lenkzeiten der Fahrer reichen. Die nachgelagerte Datenanalyse ermöglicht die Ermittlung von Kennzahlen zur Fahrzeugeffizienz, eine genaue Abrechnung der Fahrer sowie eine automatisierte Berichterstattung zur Einhaltung behördlich vorgeschriebener Richtlinien. Die frühzeitige Ermittlung der beabsichtigten Analyseanforderungen versetzt Sie in die Lage, ein Gerät auszuwählen, das in der Lage ist, die gewünschten Datenpunkte zu erfassen, und dient gleichzeitig als Leitfaden für die Strategie zur Integration von IoT-Datensätzen mit den richtigen Nicht-IoT-Datensätzen, um das gewünschte Ergebnis zu erzielen. Im Beispiel der Fahrzeugflotte würde man die Motorstartzeiten mit dem Fahrzeugmodell und dem Fahrzeuggewicht kombinieren, um die optimalen Start- und Stoppzeiten zu berechnen, was zu einer besseren Kraftstoffeffizienz und geringeren Kraftstoffkosten führt. Es ist wichtig zu beachten, dass jedes erwartete Ergebnis in finanzieller Hinsicht ausgedrückt werden sollte.
Definition der Datensätze
Die Art der „Sensordaten“, die IoT-Geräte erfassen, bestimmt, welche Arten von Datenanalysen eine IoT-Lösung liefern wird. Vor diesem Hintergrund besteht der nächste Schritt darin, zu definieren, welche Datenpunkte erfasst werden sollen, wobei zu berücksichtigen ist, dass Sensordaten je nach gewähltem Gerät stark variieren können. Um auf das Beispiel der Fahrzeugflotte zurückzukommen: Es gibt einfache Geräte, die lediglich Positionsdaten (Breiten- und Längengrad) liefern können, und es gibt auch komplexere Geräte, die Daten zu Motor, Bremsen und Beschleunigung bereitstellen. Die nächsten Datensätze stammen aus Ihrem Unternehmen oder aus externen Quellen und werden mit den Sensordaten kombiniert, um das gewünschte Ergebnis zu erzielen. Beispielsweise kann die Kombination von Positionsdaten mit Verkehrsinformationen und deren Auswertung über einen bestimmten Zeitraum es einem Fuhrparkunternehmen ermöglichen, automatisierte Routenführungsregeln zu erstellen, was wiederum zu erheblichen Kraftstoffeinsparungen führen kann. Die Kombination Ihrer gewünschten Sensordatensätze mit anderen internen oder externen Datensätzen ermöglicht umfassendere Analysefunktionen und einen besseren Einblick in die Unternehmensleistung.
Eine weitere Art von Daten, die nützlich sein kann – insbesondere wenn eine IoT-Lösung auf Tausende von eingesetzten Geräten skaliert wird –, sind Metadaten. Metadaten werden in der Regel aus dem Verbindungsnetzwerk gewonnen und können zur Erkennung von Anomalien bei der Datenerfassung beitragen, was erheblich zur Gewährleistung der Sicherheit Ihrer Lösung beiträgt. Stellen Sie sich beispielsweise vor, das IoT-Netzwerk eines nationalen Rettungsdienstunternehmens sei kompromittiert worden. Die Analyse von Datenmustern auf Netzwerkebene kann die frühzeitige Erkennung von „unnormalem“ Datenverkehr ermöglichen, sodass geeignete Maßnahmen ergriffen werden können, um die Lösung vom Netz zu trennen oder das Problem proaktiv zu beheben.
Festlegung der Analysestrategie
Eine IoT-Lösung umfasst in der Regel mehrere Analyseebenen, und der Schlüssel zum Erfolg liegt darin, sicherzustellen, dass Ihre Daten sauber sind. Der erste Schritt besteht daher darin, zu gewährleisten, dass die von den Sensoren eingehenden Daten sauber und frei von Rauschen sind, was in der Regel bereits während des Datenstroms erreicht wird. Streaming-Algorithmen bereinigen nicht nur die Daten, sondern können auch bereits während des Dateneingangs bestimmte Berechnungen durchführen. Nehmen wir erneut das Beispiel des Flottenmanagements: Die von den vernetzten Geräten eingehenden Daten liefern die Position in Form von Längen- und Breitengraden. Diese können dann zur Berechnung der Geoposition, der Fahrzeiten und der Lenkzeiten des Fahrers herangezogen werden. In Kombination mit Geofence-Informationen lassen sich zudem in Echtzeit entsprechende Warnmeldungen generieren – all dies erfolgt im Rahmen der Stream-Analyse. Anschließend werden die Daten in einem Data Lake gespeichert und mit anderen internen oder externen Datensätzen kombiniert, um die Analyselösung für die erwarteten Geschäftsergebnisse zu erstellen. Eine typische Analyselösung nutzt eine Kombination aus Clustering-, Klassifizierungs- oder Regressionsverfahren, um einen Algorithmus zu bilden. Zu berücksichtigen ist zudem, welche dieser Verfahren zusätzlich historische Daten und Trainingsdatenmodelle benötigen. Eine klar definierte Analyselösung setzt das Potenzial der gesammelten Daten voll frei und ermöglicht aussagekräftigere Ergebnisse.
Zusammenfassend lässt sich sagen, dass man einen einfachen Ansatz verfolgen sollte, bei dem zunächst die Geschäftsziele definiert, anschließend die Datenerfassung festgelegt und schließlich die Analysestrategie festgelegt wird, um eine effektive Analyselösung zu schaffen, die Ihre IoT-Daten nutzt, um die Rendite Ihrer IoT-Investitionen zu maximieren.