Eine gut geplante, zukunftsfähige Integrationsplattform ist essentiell um schnell und agil neue Geschäftsmodelle zu etablieren, vorhandene zu erweitern oder Produkte und Dienstleistungen anzupassen. Ohne einen geeigneten Integrationsansatz lassen sich Potentiale aus dem IoT, Cloud und Mobile nur eingeschränkt nutzen, weil gerade erst durch die Kommunikation zwischen Anwendungen/Dingen/Menschen Mehrwerte entstehen. Ein Zusammenspiel der Technologien und der einzelnen Disziplinen ist notwendig, was im Folgenden anhand kleinerer Beispiele verdeutlicht wird. 

Wege der Integration „“ die 3 Ebenen

Betrachtet man die gezeigte Pyramide, fällt auf, dass vor einigen Jahren noch der Hauptaugenmerk von Integrationden oberen Ebenen galt.

digitalisierungspyramide

Es wurde insbesondere auf Basis von Prozessen und Daten Integration betrieben. Die Integration fand in den oberen Ebenen massiv zwischen diesen Elementen statt. Durch IoT verändert sich nun dieser Fokus. Plötzlich stehen Geräte und damit Informationen als auch steuerbare Einheiten in der operativen Ebene zur Verfügung, die ebenfalls in die Anwendungslandschaft einbezogen werden können. Dadurch besteht die Möglichkeit Prozesseffizienz und Qualität massiv zu steigern sowie völlig neue Geschäftsmodelle zu entwickeln.
Gleichzeitig bringt dies aber auch neue Herausforderungen und Trends mit sich, wie zum Beispiel:

  • Stärkerer Einsatz von Event-basierten Systemen
  • Schnellerer Austausch und kürzere Lebensdauer der Daten
  • Ü–ffnung der IT über APIs oder Ü„hnliches
  • Kommunikation mit neuen Services und Produkten
  • Direkte Interaktion mit den Kunden

Rund um diese Trends sind neue Produkte entstanden, die sich in drei verschiedene Bereiche einordnen lassen, die wir als die „Drei Ebenen der Integration“ bezeichnen. Die einzelnen Ebenen haben einen anderen Betrachtungswinkel auf die Digitalisierung und Integration, sodass sich anhand dieser Betrachtungswinkel die Technologien und Mehrwerte besonders herausstellen und diskutieren lassen.
Die einzelnen Bereiche, in denen integriert wird, sind:

  • Durchführungs-Ebene
  • Pre-Integration Stage
  • Backbone Verarbeitung

iotintegration

Integration in der Durchführung-Ebene

In der Durchführungs-Ebene sind die eigentlichen Dinge, Maschinen aber auch Smartphones oder Menschen zu finden. Innerhalb dieser Ebene findet die eigentliche Interaktion statt, die entweder durch ein zentrales System gestützt wird oder auch direkt zwischen Geräten und Menschen erfolgen kann.
Erfolgt die Kommunikation direkt, muss eine entsprechende Logik im Ding oder aber in so genannten Gateways erfolgen. Ein Gateway ist dabei ein smarter Knotenpunkt, der andere Dinge steuert, aber einen lokalen Bezug zu den Dingen hat.
Spannend ist, dass in diesem Bereich ein starker Bezug zu Client Technologien beziehungsweise Mensch-Maschine-Interaktion erkennbar ist. Dies ist zwangsläufig gegeben, falls eine direkte Interaktion zwischen Ding und Maschine stattfinden soll.
Beispiel: Ein weiterverbreiteter Ansatz für IoT Gateways findet sich im Smart Home Bereich. Sensoren im Haus werden über einen Gateway zentral angebunden. Einzelne Informationen werden von dem Gateway an Plattformen im Internet versendet.
Ü„hnliche Ansätze sind auch in der Industrie zu finden.
Ein Beispiel für eine direkte Interaktion mit einem Ding sind Mobile Payment Szenarien im Zusammenhang mit Vending Machines.

Auswahl interessanter Technologien:

  • IoT Geräte
  • Smartphones
  • IoT Gateways

Pre-Integration Stage

Die so genannte Pre-Integration Stage beschreibt eine Integrationsschicht, die vor der eigentlichen Unternehmens-IT liegt. Einsatzzweck ist vor allem die Aggregation und Filterung von Daten, bevor diese an die weiter verarbeitenden Prozesse gelangen. Des Weiteren wird die Kommunikation von und zu den Geräten erleichtert.
Argumente für eine entsprechende Schicht können die Trennung der notwendigen Infrastruktur aus Security Sicht oder der Einsatz bestimmter Technologien sein. Gerade durch den Einsatz von Cloud Lösungen kann eine entsprechende Pre-Integration Stage entstehen. Cloud Lösungen können dabei On-Premise oder als Public Lösung eingesetzt werden. Sie bieten neben dem eigentlichen Entgegennehmen und Weiterleiten von Daten eine Vielzahl weiterer Features aus den Bereichen Security, Privacy, Device Management, Notification Services und vor allem Analytics. Der Aufbau einer eigenen Lösung ist durchaus möglich. Dies geht allerdings mit einer starken Komplexität einher und birgt dadurch ein entsprechend großes Risiko. Interessant ist eine Kombination von Eigenentwicklung und Cloud Lösung, bei der fehlende Funktionen ergänzt werden.

Beispiel: Die Einsatzgebiete von IoT Cloud Lösungen sind vielfältig. Sie bieten sich aber immer gerade dann an, wenn Datenströme „eventisiert“ werden sollen und kein direkter Bezug zu weiteren Unternehmensdaten notwendig ist. Gehen wir von einem Predictive Maintenance Fall aus, bei dem Assets, zum Beispiel Fahrräder an Fahrradvermietstationen, überwacht werden, lassen sich die Ströme miteinander kombinieren. Meldet ein Fahrrad eine Erschütterung, kann von einem einfachen Umfallen eines Rades gesprochen werden. Wird diese Information von mehreren Rädern an der gleichen Vermietstation versendet, kann von einem Unfall oder einer mutwilligen Beschädigung ausgegangen werden.

Auswahl interessanter Technologien:

  • IoT Cloud Lösungen wie Q-loud, Microsoft Azure, Amazon AWS, Oracle IoT Cloud
  • Broker Technologien wie MQTT

Backbone Verarbeitung

Die dritte Schicht beschreibt die Verarbeitung im eigenen Backbone. Dabei werden Schnittstellen oder APIs geschaffen, sodass eine direkte Interaktion zwischen Geräten und Unternehmensprozessen möglich ist. Dieser Integrationsansatz ist vor allem dann interessant, wenn zur weiteren Verarbeitung und Aufbereitung ein Zugriff auf die Unternehmensdaten erfolgen soll. Gleichzeitig sollte man aber nicht vergessen, dass über diesen Ansatz eine größere Ü–ffnung des Unternehmens nach außen geschieht.
Hervorzuheben ist die Kombination der Integrationsansätze aus dem IoT mit Big Data Prinzipien. Hierunter fällt insbesondere Fast Data, da direkt und in nahezu Echtzeit auf Events reagiert werden kann.
Werden die Daten zentralisiert in einem so genannten Data Lake abgelegt, lassen sich IoT Daten nachträglich analysieren und wiederkehrende Muster entdecken, die beispielsweise zur Optimierung herangezogen werden können. Des Weiteren können diese für Simulationen genutzt werden.

Beispiel: Eine Störungsmeldung, die über ein IoT Gerät eingeht, wird an eine Streaming Engine kommuniziert. Diese greift die Nachricht auf, holt sich Informationen über jeden Monteur aus den Stammdaten und dessen aktuellen Standort. Parallel startet für jeden Monteur eine Bewertung bezüglich der Anpassung seiner Tour. Anschließend ermittelt die Streaming Engine die optimale Tourenanpassung und damit den Monteur, der kurzfristig die Störung beheben soll. Eine entsprechende Nachricht wird an den Monteur versendet.
Auswahl interessanter Technologien:

  • Streaming Engines
  • Maschinelles Lernen
  • API Management
  • Process Engines

Der Einsatz aller drei Stages ist nicht zwingend notwendig, vielmehr zeigen diese auf, welche Vorteile die einzelnen Ansätze für unterschiedliche Szenarien bieten. Eine Kombination dieser ergibt aber durchaus Sinn; insbesondere um über die Ebenen hinweg Events höherwertig mit weiteren Informationen anzureichern und zu aggregieren.

Alle Beiträge von Dominik Bial

Schreibe einen Kommentar