10 Thesen zur digitalen Transformation – Teil 6

10 Thesen zur digitalen Transformation – Teil 6

Mit der Verfügbarkeit großer Datenmengen und neuen Verarbeitungsmöglichkeiten sind im Rahmen der digitalen Transformation viele neue Geschäftsmodelle entstanden. Sie haben das Potenzial, ganze Märkte auf den Kopf zu stellen, und bieten eine große Chance für etablierte Unternehmen, sich auf die Gewinnerseite der digitalen Transformation zu schlagen. In dieser Artikel-Serie widmen wir uns den 10 Thesen zur digitalen Transformation. Der folgende Beitrag zeigt, welchen Mehrwert Maschinenlernen für das IoT birgt und wie wichtig effizientes Asset-Management ist.

Der stetige Datenfluss im Internet der Dinge bildet Datenströme. Diese Datenströme können für alle Anwendungen genutzt werden, die die betreffenden Daten benötigen und über die notwendigen Berechtigungen verfügen. Zur Verarbeitung der Datenströme bedarf es einer leistungsfähigen Streaming-Analytics-Software, die in der Lage ist, die Daten bedarfsgerecht und unter Berücksichtigung der zeitlichen Abfolge mit speziellen Operationen zu analysieren, wie sie in Complex Event Processing (CEP) Systemen vorhanden sind. Eine typische Funktion in solchen Umgebungen ist die dynamische Bildung von endlichen Abschnitten unendlicher Datenströme (Sliding Windows). Ein verbreiteter Ansatz zur Verarbeitung von IoT-Daten ist die Lambda-Architektur. Bei diesem Architekturkonzept werden Datenströme sowohl dynamisch verarbeitet als auch dauerhaft gespeichert, sodass sie für komplexe historische Analysen zur Verfügung stehen. Für beides sind Festplatten-basierte Architekturen zu langsam und liefern Ergebnisse nicht schnell genug. Vielmehr muss die Verarbeitung vollständig im Hauptspeicher erfolgen.

These 8: Echtzeitverarbeitung nicht ohne In-Memory-Technologie

Um bei komplexen Berechnungen mit Big Data möglichst schnelle Reaktionszeiten zu erzielen, ist ein konzeptionell unbegrenzter Hauptspeicher erforderlich. Dies gilt nicht nur für Datenströme aus dem IoT. Wenn Mediziner beispielsweise die Möglichkeit haben, Erbgut-Daten zeitnah auszuwerten, können sie schnell über zeitkritische Behandlungen entscheiden wie etwa eine lebensrettende Chemotherapie.

Maschinelles Lernen

Sind große Datenmengen verfügbar, stellt sich häufig die Frage, wie aus diesen ein Mehrwert erzeugt werden kann. Im Anwendungsfall der Predictive Maintenance liefern Sensoren laufend zahlreiche Informationen über den Betrieb einer Maschine. Was jedoch fehlt, ist das Vorwissen, welche Kombination von Sensorwerten darauf hinweist, dass Wartungsarbeiten nötig sind. In diesem Fall können durch Maschinenlernen Modelle für den Anwendungsfall abgeleitet und schrittweise angepasst werden. Das abgeleitete Modell lässt sich so operationalisieren, dass es sowohl auf große Mengen statischer Daten als auch auf die In-Stream-Verarbeitung anwendbar ist und Vorhersagen in Echtzeit ermöglicht. Das Erfassen großer Datenmengen allein ist nicht wertschöpfend. Der Mehrwert entsteht durch Modelle, die aus diesen Daten Wissen extrahieren, und durch die Fähigkeit, diese Modelle in Echtzeit anzuwenden.

These 9: Vorsprung durch Wissen aus Daten

Die Datenqualität ist dabei von entscheidender Bedeutung. Aus schlechten Daten können durch Maschinenlernen keine guten Modelle abgeleitet werden. Zur Bewertung der Datenqualität werden Informationen über den Ursprung der Daten und das erzeugende Gerät benötigt – beispielswese ein „Ding“ im IoT.

Assets und Prozesse verstehen

Das IoT ist durch eine große, sich dynamisch verändernde Anzahl an Dingen, also an Geräten, die Daten erzeugen, gekennzeichnet. Diese Dinge oder Assets und ihre Merkmale müssen verwaltet werden, damit nur bekannte und sicher identifizierte Assets Informationen beisteuern können. Darüber hinaus müssen der Standort eines Assets sowie die Softwareversionen des Geräts verwaltet werden. Gleichzeitig gilt es, die Kernprozesse eines Unternehmens zu verstehen, und in welcher Beziehung diese zu den Assets stehen. Daraus ergibt sich die letzte These:

These 10: Keine digitale Transformation ohne Asset- und Prozessmanagement

Gesetzliche Vorgaben wie die Datenschutz-Grundverordnung der Europäischen Union (EU-DSGVO) verschärfen die Anforderungen an die Dokumentation sämtlicher relevanten Prozesse. Laut der neuen Verordnung müssen Unternehmen ermitteln und erfassen, welche Geschäftsprozesse personenbezogene Daten enthalten. Wer dies versäumt und den beim Datenschutz Risiken eingeht, muss mit empfindlichen Strafen rechnen. Den Überblick über alle Prozesse und Assets zu bewahren wird für Unternehmen daher immer wichtiger.

Zusammenfassung

Die digitale Transformation nimmt zusehends an Fahrt auf. Entweder werden Unternehmen zu Software-basierten Unternehmen oder sie verschwinden vom Markt. Im Zuge der Digitalisierung entstehen neue, datenbasierte Geschäftsmodelle. Um für diese Veränderungen gerüstet zu sein und sich auch gegen Disruptoren zu behaupten, die Märkte übernehmen wollen, müssen Unternehmen Edge-, Cloud- und On-Premise-Computing in einer agilen, modularen und flexiblen IT-Infrastruktur kombinieren. Vor allem das IoT erschließt neue Geschäftschancen, erfordert jedoch auch ein umfassendes Asset-Management. Maschinelles Lernen ist aus keiner Digitalisierungsstrategie mehr wegzudenken.

Das war der letzte Teil unserer Artikel-Serie zu den 10 Thesen zur digitalen Transformation. Lesen Sie hier alle vorangegangenen Beiträge:

Teil 1:

Teil 2:

Teil 3:

Teil 4:

Teil 5:

Teil 6:

  • These 8: Echtzeitverarbeitung nicht ohne In-Memory-Technologie
  • These 9: Maschinenlernen – der unabdingbare Ansatz
  • These 10: Keine digitale Transformation ohne Asset- und Prozessmanagement
Teilen:
Das Internet der Dinge ist da – worauf warten Sie noch?

Das Internet der Dinge ist da – worauf warten Sie noch?

Das Internet der Dinge (Internet of Things, IoT) ist in der Arbeitswelt angekommen. Die Frage ist nur: Was sollen Unternehmen mit der riesigen Menge von Daten, vernetzten Geräten, Maschinen, Objekten und Menschen in ihrem Internet der Dinge machen? Fest steht: Das IoT kann ganz neue Impulse setzen. Doch gerade zu Beginn tun sich Unternehmen mit der Umsetzung digitaler Projekte schwer. Wie und wo fängt man ein IoT-Projekt am besten an? Ein unkomplizierter Einstieg in die Welt des IoT ist gefragt – mit Cumulocity IoT bietet die Software AG die Lösung.

Aktuelle Marktanalysen zeigen, dass fast 90 Prozent der befragten Führungskräfte das Internet der Dinge als kritisch für den Erfolg ihres Unternehmens ansehen. Allerdings verfügen lediglich 16 Prozent über eine umfassende IoT-Roadmap.

Cloud-basierte Projekte schnell und einfach umsetzen

Hier setzt die Software AG mit ihrer neuen IoT-Lösung an: Seit dem 14. September 2017 ist Cumulocity IoT auf dem Markt verfügbar. Diese Cloud-basierte Plattform ermöglicht Unternehmen einerseits den unkomplizierten Einstieg in das IoT und bewältigt andererseits auch komplexe IoT-Anforderungen. Mit den Self-Service-Lösungen der Cumulocity IoT nehmen Unternehmen die Entwicklung ihrer IoT-Anwendungen und -Lösungen selbst in die Hand und können ihren Kunden, Partner und Lieferanten innovative sowie kollaborative digitale Geschäftsmodelle und „smarte“ Produkte und Services anbieten.

Mit Cumulocity IoT Innovationen individuell gestalten

Die Cumulocity IoT Plattform lässt sich als Edge-, Cloud- oder On-Premise-Implementierung betreiben. Sie bietet Kunden völlige Wahlfreiheit bei Design, Entwicklung, Implementierung und Erweiterung unternehmensweiter IoT-Lösungen. So können diese IoT-Innovationen in ihrem  individuellem Tempo vorantreiben: von strafferen Geschäftsprozessen über intensive Kundeninteraktion und stärkere Kundenbindung bis hin zu unternehmensweiten digitalen Geschäftsmodellen und intelligenten Produkten und Services, wie sie heute auf digitalen Märkten gefordert werden.

Cumulocity IoT beinhaltet eine Reihe vorkonfigurierter Lösungen wie Condition Monitoring, Predictive Maintenance und Track & Trace sowie eine Funktion für das schnelle und unkomplizierte Management von Geräten und Sensoren. Beim Condition Monitoring zum Beispiel werden Maschinen überwacht, um in Echtzeit Anomalien zu erkennen. Predicitve Maintenance hilft, Wartungsarbeiten frühzeitig zu planen und Ausfälle zu vermeiden. Track & Trace bietet Transparenz für Logistikprozesse. All diese Lösungen unterstützen das Zusammenwachsen von Informationstechnologie (IT) und operativer Technologie (OT).

Eine IoT-Plattform, die mitwächst

Die Software AG führt in Cumulocity IoT die im März 2017 übernommene Cumulocity-Plattform mit ihrer eigenen Digital Business Platform zu einem einheitlichen, umfassenden Angebot zusammen. Dabei kommen auch weiterhin die branchenführenden Integrations-, Geschäftsprozess-, Analyse- und Machine-Learning-Funktionen der Software AG zum Einsatz.

Cumulocity IoT erfüllt die Anforderungen zweier unterschiedlicher Zielgruppen im IoT-Umfeld:

  1. Unternehmen, die mit IoT ihre eigenen Produkte und Services verbessern wollen
  2. IoT-Service-Provider, die IoT-Angebote entwickeln und vermarkten wollen

Mit Cumulocity IoT können Unternehmen erste Cloud-basierte IoT-Projekte schnell und unkompliziert umsetzen. Wenn die Projekte komplexer werden und die Anforderungen seigen, wächst die Plattform mühelos mit. Cumulocity IoT bietet Unternehmen bei IoT-Implementierungen die optimale Balance zwischen Risiko und Innovation – in ihrem eigenen Tempo und nach ihren Vorstellungen.

Bei der Software AG sind Ihre IoT-Pläne, Ihre Vision sowie Ihre bestehende Infrastruktur in guten Händen. Erfahren Sie hier mehr über unser IoT-Angebot!

Teilen: