Wie standardisierte Datenmodelle IoT-Projekte vereinfachen

Anbieter zum Thema

ET System electronic GmbH

MES Electronic Connect GmbH & Co. KG

IBR Leiterplatten GmbH & Co. KG

IoT-Projekte stoßen oft auf Schwierigkeiten, weil die zu vernetzenden Produkte nicht dieselbe „Sprache“ sprechen. Intelligente Datenmodelle können Abhilfe schaffen. Ein Erfahrungsbericht aus der Praxis.

Internet-of-Things-Lösungen basieren in vielen Fällen darauf, dass Sensordaten von physischen Produkten, zum Beispiel Geräte, Maschinen oder Anlagen, gesammelt, aggregiert und ausgewertet werden. Damit können beispielsweise Steuerungen optimiert, innovative Services angeboten und neue Geschäftsmodelle entwickelt werden.

Die praktisch nutzbaren Möglichkeiten erscheinen sowohl im Consumer- als auch im Industriebereich endlos, sie reichen von per App gesteuerten Heizungen im smarten Zuhause bis hin zu Offshore-Windanlagen mit optimierten Wartungszyklen.

Bildergalerie

Internetfähige Hardware ist dabei nur ein Baustein. IoT-Lösungen brauchen ein intelligentes Datenkonzept, das neben dem Erfassen und Übertragen auch das Auswerten der Sensordaten berücksichtigt. Letzteres macht die Logik des Ganzen aus – die Applikation muss mit den bereitgestellten Daten etwas anfangen können.

Jede Maschine „spricht eine andere Sprache“

Wie macht man als Hersteller seine Produkte – beispielsweise Geräte, Maschinen oder Anlagen – internetfähig? Am einfachsten ist es, bestehende Produkte mit einem externen Gateway nachzurüsten, das Daten kontinuierlich ausliest oder – je nach Verbindungsart – aktiv mitgeteilt bekommt. Diese Daten werden anschließend an den IoT-Endpunkt in der Cloud weitergeleitet. Würden alle Produkte die gleichen internen Datenstrukturen nutzen, würde dieses Szenario auch über verschiedene Maschinentypen hinweg funktionieren.

Die Praxis sieht jedoch anders aus: Nahezu jeder Geräte- oder Maschinentyp nutzt eine eigene Daten-Repräsentation und spricht deshalb im übertragenen Sinn eine andere „Sprache“. Die Gründe dafür sind vielfältig: Zukäufe von Unternehmen, getrennte Entwicklungsabteilungen, historisch gewachsene Infrastrukturen und insbesondere auch die Tatsache, dass eine geräteübergreifende Vernetzung in der Vergangenheit bei kaum einem Anbieter auf der Agenda stand.

Eine naheliegende Lösung zur Vereinheitlichung der Sprache wäre ein Firmware-Update aller Geräte. Dies scheitert jedoch oft daran, dass die betroffenen Geräte und Maschinen nicht remote updatebar sind. Ein Techniker müsste dies für jedes Produkt vor Ort erledigen – bei geografisch weit verteilten Standorten oder großen Stückzahlen bei gleichzeitig relativ niedrigen Produktpreisen ist der Aufwand in der Regel zu hoch. Zudem sind Firmware-Updates immer mit einem erheblichen Entwicklungs- und Test-Aufwand verbunden. Das Risiko, dass nach dem Update signifikante Nachbesserungen notwendig werden, ist hoch.

Soll die Anwendung die Daten gleich selbst interpretieren?

Wenn sich die „Dinge“ nicht ohne Weiteres so manipulieren lassen, dass sie direkt miteinander kommunizieren können, könnte dann nicht die Anwendung selbst die Interpretation der Daten übernehmen? Tatsächlich integrieren viele Anbieter eine entsprechende Logik in das Front-End ihrer IoT-Anwendung. Das heißt, die App beherrscht verschiedene Sprachen, interpretiert die Daten der Geräte und stellt sie sinnvoll dar.

Doch auch das funktioniert nur bedingt. Denn kommen neue Produkttypen hinzu oder erhalten bereits integrierte Produkte ein Software-Update, sind aufwändige Anpassungen in allen IoT-Anwendungen erforderlich. Diese Apps sind zudem häufig für verschiedene Betriebssysteme – wie Android, iOS und Windows – programmiert, um auf zahlreichen Endgeräten nutzbar zu sein. Dies führt zu weiteren erheblichen Anpassungsbedarfen und Fehlerquellen, da diese Anwendungen für verschiedene Betriebssysteme oft in unterschiedlichen Programmiersprachen und von getrennten Entwicklungsteams erstellt werden.

Kurz: Jede Änderung erfordert eine Aktualisierung aller Apps in den unterstützten Betriebssystemen sowie gegebenenfalls zahlreichen angeschlossenen weiteren Systemen, die zudem getestet und neu ausgerollt werden müssen. Eine Datenstandardisierung im Frontend ist daher teuer, fehleranfällig und schwerfällig.

Gute Idee: Übersetzungslogik an zentraler Stelle

Eine gute Idee ist daher das Trennen von Anwendungsoberfläche und Datenstandardisierung. Wird die Dateninterpretation an einer zentralen Stelle implementiert, kann sie mit verschiedenen Datenstrukturen umgehen und effizient alle betroffenen Anwendungen mit dem standardisierten, also in eine gemeinsame Sprache übersetzten Output, versorgen. Die IoT-Apps müssen somit von den genauen Spezifikationen der verschiedenen Produkttypen nichts wissen, da sie bereits Daten geliefert bekommen, mit denen sie umgehen können. Neue Maschinen und Geräte sind dadurch mit deutlich weniger Aufwand integrierbar.

Eine IoT-Plattform kann eine Zwischenschicht bilden,die als Vermittler fungiert. Die Daten von den Geräten, Maschinen oder Anlagen werden an die IoT-Plattform in der Cloud geschickt. Auf dieser Plattform erfolgt das Übersetzen und Aufbereiten der Daten. Anschließend werden die Daten der App und damit dem Nutzer zur Verfügung gestellt. Dieses Szenario hat den Vorteil, dass Änderungen und Updates im Prinzip nur an der Cloud-Applikation anfallen. Das Progarmmieren einer komplizierten Übersetzungslogik für mehrere Anwendungen und Betriebssysteme ist nicht nötig.

(ID:45070663)