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.

Kostenloser PMK-Verlags-Newsletter
Ihr PMK-Verlags-Newsletter hier >>>>>>

Meldungen: Tipps und Hinweise

Private AI verfolgt einen Plattform-Ansatz
Der Einzug der generativen KI (GenAI) in die breite Öffentlichkeit hat das KI-Wachstum in Unternehmen vergangenes Jahr beschleunigt. Motiviert durch Wettbewerbsdruck und potenzielle Vorteile forcieren Unternehmen und Regierungen ihre KI-Strategie.
Mangelnde Vorbereitung auf SaaS-Ausfälle
Der Hycu State of SaaS Resilience 2024 Report deckte zuletzt kritische Datensicherungslücken auf, da 70 Prozent der Unternehmen Datenverluste erleiden. Trotzdem verlassen sich 60 Prozent immer noch auf ihre Software-as-a-Service (SaaS)-Anbieter, um sich zu schützen, und setzen sich damit weiteren Risiken aus.
KI gewinnbringend einsetzen
Das KI-Potenzial ist praktisch unerschöpflich. Doch um es richtig zu nutzen und daraus echte Wettbewerbsvorteile zu generieren, muss vorab die Bereitschaft des Unternehmens dafür geklärt werden. Der IT-Dienstleister CGI erklärt, warum der Readiness-Check so wichtig ist, was er genau analysiert und was mit den daraus gewonnenen Erkenntnissen passiert.
Herausforderungen von Edge AI
Künstliche Intelligenz hat längst den Netzwerkrand erreicht. Um zeitkritischen Daten den Umweg über die Cloud und das Rechenzentrum zu ersparen, bringen Edge-AI-Lösungen Modelle direkt in die Anwendungen vor Ort. Dieser Weg bietet immense Vorteile - er ist aber auch mit einigen Stolpersteinen gepflastert, wie Couchbase, Anbieter einer Cloud-Datenbankplattform, zeigt.
Cloud-Datenschutz im Gesundheitswesen
Daten im Gesundheitswesen gehören zu den kritischsten Vermögenswerten. Sie umfassen hochsensible Informationen wie Krankengeschichten, Behandlungsunterlagen und persönliche Daten. Der Schutz dieser Daten ist von größter Bedeutung, da sie durch nationale und globale Vorschriften als besondere Kategorien personenbezogener Daten eingestuft werden.
Generative KI mit Serverless optimieren
Der Einsatz von generativer KI kann komplex und teuer sein. Serverlose Cloud-Dienste und Vektordatenbanken bieten eine Lösung, um diese Hürden zu überwinden und KI-Anwendungen effizient und skalierbar zu gestalten.
Sensible Daten in der Cloud schützen
Wenn Unternehmen in der Cloud geistiges Eigentum oder persönliche Informationen verlieren, drohen ihnen erhebliche Konsequenzen. Mit den richtigen Maßnahmen für Datensicherheit in der Cloud können sie zuverlässig Vorsorge treffen. Forcepoint erläutert die fünf wichtigsten davon. Datensicherheit in der Cloud wird für Unternehmen zunehmend zu einem kritischen Bestandteil ihrer IT-Infrastruktur.
Dank der Cloud: Flexibilität und Skalierbarkeit
Cloud-Marktplätze sind heute zu einem unverzichtbaren Dreh- und Angelpunkt für unabhängige Softwareanbieter (ISVs) geworden, um ihre Reichweite zu vergrößern, den Verkaufsprozess zu rationalisieren und Wachstum zu fördern. Erfolg ist jedoch nicht allein dadurch garantiert, dass ein Produkt auf einem Marktplatz gelistet ist.
Beste Rendite für Serverinvestitionen?
Laut Statista schätzen IT-Experten weltweit im Jahr 2024 eine Aufteilung von fast 50/50 zwischen Onsite- und Cloud-gehosteten Servern in ihren Unternehmen. Aufgrund der riesigen Datenmengen und der zunehmenden Nutzung von KI, werden künftig immer mehr Server benötigt.
Digitale Transformation kommt nicht ins Rollen?
Dass die Digitalisierung unaufhaltsam voranschreitet, ist keine Neuigkeit mehr, trotzdem haben bislang viele deutsche Unternehmen den entscheidenden Schritt zur digitalen Transformation noch nicht gewagt. Die Corona-Pandemie hat als Katalysator für einen Digitalisierungsschub gesorgt und viele Prozesse auf den Prüfstand gestellt.

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