Einheitliche Datenstrukturen: die Quintessenz einer funktionierenden IoT-Lösung

Einer der wichtigsten Aspekte für ein erfolgreiches IoT-Projekt sind einheitliche Datenstrukturen. Denn nur so kann die Kommunikation zwischen smartem Gerät und Software-Anwendung reibungslos funktionieren. Was in der Theorie ganz logisch klingt, stellt sich in der Praxis oftmals als Knackpunkt heraus. Denn teilweise sind die jeweiligen Datenstrukturen selbst bei unterschiedlichen Komponenten desselben Herstellers bereits verschieden. Zudem kann es vorkommen, dass jeder Produkttyp eines Herstellers ebenfalls noch einmal über unterschiedliche Datenstrukturen und Schnittstellen verfügt. Die Umsetzung eines IoT-Projekts wird dadurch enorm verkompliziert. Aus diesem Grund erklärt unser Solution Specialist Sebastian Heger, was Hersteller, aber auch Unternehmen tun können, um diese Herausforderung gemeinsam zu meistern.

Dr. Sebastian Heger

11.1.2022

Jetzt lesen

Digitale Ökosysteme erschließen, disruptive Geschäftsmodelle etablieren und das eigene Produkt, oder die eigene Dienstleistung “smart” machen - das sind die Hoffnungen, die Unternehmen mit dem Internet-der-Dinge assoziieren. Aus unternehmerischer Perspektive sind diese Gedanken absolut nachvollziehbar. Man möchte als Firma schließlich wettbewerbsfähig bleiben, mit der Zeit gehen und im besten Fall neue Kundensegmente erschließen können.

Um diese Ziele zu erreichen, gibt es in vielen Unternehmen bereits erste IoT-Lösungen, die im Alltag eingesetzt werden. Doch so einfach die Implementierung einer IoT-Lösung scheint, in der Praxis handelt es sich dabei meist um eine große Herausforderung. Nicht selten ist das größte Hindernis bei der Umsetzung die Anbindung und Vernetzung der einzelnen Geräte. Das liegt daran, dass die unterschiedlichen Gerätetypen auch unterschiedliche Datenstrukturen senden. Eine einfache Vernetzung ist somit hinfällig.

Umso größer die Nachfrage nach smarten Lösungen wird, desto wichtiger wird es, dass die einzelnen Unternehmen die jeweiligen Werte in eine einheitliche Struktur bringen. Denn nur so können die Daten auch effizient verwertet werden.

Weitsichtigkeit zahlt sich aus

Die Redewendung “Wer günstig kauft, kauft zweimal” lässt sich für den Kontext einer IoT-Lösung sehr gut adaptieren: “Wer kurzfristig sucht, sucht zweimal”.

Aus Zeit- und Kostendruck nehmen Unternehmen bei der Suche nach einer passenden IoT-Lösung häufig eine sehr kurzsichtige Perspektive ein: Je schneller die Lösung umgesetzt werden kann, desto besser. Das spart auf den ersten Blick Zeit, Kosten und Arbeitskraft. Eine App, die für einen einzelnen Anwendungsfall eingesetzt werden kann, ist verhältnismäßig schnell entwickelt und scheint dadurch die einfachste Lösung zu sein. Doch diese sehr kurzfristig eingenommene Perspektive kann sich schnell rächen.

Die Daten, die ein smartes Gerät sendet, können oftmals auch nur von dieser spezifischen App interpretiert werden. Sollen die Daten von verschiedenen Geräten im Nachhinein hingegen zusammengeführt werden, müssen diese zuvor in eine einheitliche Datenstruktur gebracht werden.

Das klingt noch sehr abstrakt? Dann stellen Sie sich folgende Situation vor:
In einem Unternehmen werden vernetze Haushaltsprodukte hergestellt. Die entsprechende Verwendung wird durch eine Sensorik der Geräte automatisch erkannt und an eine Kundenplattform gesendet.

Bis hierhin klingt das Vorgehen noch recht simpel. Nun werden aber beispielsweise die Gewichtsangaben der unterschiedlichen Geräte in verschiedenen Einheiten an das Produktionsplanungssystem gesendet: Gerät A gibt das Gewicht in Gramm und Kilogramm an, Gerät B übermittelt aus dem US-Markt hingegen Pfund. Ein direkter Vergleich der jeweiligen Gewichtsangaben wird so unnötig erschwert.

Um dieses Problem zu lösen, kann eine sogenannte Dateninterpretationslogik im Produktplanungssystem eingeführt werden. Ihre Aufgabe ist es, alle erhobenen Daten in eine einheitliche Form zu bringen, sodass sie einfach ausgewertet werden können. In unserem Szenario würden dadurch beispielsweise die unterschiedlichen Gewichtseinheiten der Geräte alle in Gramm und Kilogramm umgerechnet werden. So können alle Daten im Anschluss beispielsweise zur Produktentwicklung genutzt werden. 

Was in diesem Beispiel mit lediglich zwei verschiedenen Angaben noch relativ einfach umgesetzt werden kann, wird sehr schnell sehr komplex:

Je mehr Geräte Daten senden und empfangen, desto mehr Daten müssen auch umgeformt werden. Ändert sich zudem die Datenstruktur eines einzelnen Gerätes, muss die gesamte Anwendung aktualisiert werden, um weiterhin reibungslos zu funktionieren.

Solche Ansätze können zwar umgesetzt werden, sind aber in der Praxis in den meisten Fällen oft unflexibel und teuer. Hinzu kommt, dass umfassende Updates extrem aufwendig und mitunter sehr fehleranfällig sind. 

Per Firmware Updates zu einheitlichen Datenstrukturen

Eine Option, um zumindest die Datenstruktur für alle Geräte eines Herstellers zu vereinheitlichen, sind Firmware Updates. Das bedeutet, dass die Software, die in den elektrischen Geräten eingebettet ist, aktualisiert wird. Problematisch bei diesem Ansatz ist jedoch, dass sich bisher nur wenige Geräte per OTA (over the air) Updates online aktualisieren lassen. 

In den meisten Fällen müssen die Geräte, damit ein Update installiert werden kann, hingegen eingesammelt werden. Oder aber Mitarbeiter:innen spielen die neue Firmware direkt vor Ort auf.

Unabhängig davon, welche dieser beiden Vorgehensweisen umgesetzt wird, nehmen sie viel Zeit und Geld in Anspruch und sind je nach Anzahl und Standort der Geräte sehr aufwendig. Wenn dann noch Geräte hinzukommen, die sich im Ausland befinden, wird eine Firmwareaktualisierung über diese beiden Wege nahezu unmöglich. Für Unternehmen bedeutet das also einen sehr hohen organisatorischen und auch finanziellen Aufwand.

Übersetzung der Daten per Middleware

Wenn zwei Personen unterschiedliche Sprachen sprechen und sich nicht verständigen können, schaltet man einen Dolmetscher ein. Nach demselben Prinzip kann man auch eine sogenannte Middleware einsetzen. Über sie kann die Datenstandardisierung getrennt von den Geräten und der Anwendungssoftware gestaltet werden.Bei diesem flexibleren Lösungskonzept werden die gesendeten Daten in einen Zwischenlayer ohne jegliche Veränderung ihrer Struktur übernommen. Die Middleware transformiert die Daten anschließend einheitlich.Der Vorteil bei dieser Verarbeitungsweise: Die Anpassungen der Daten müssen lediglich in der zwischengelagerten Schicht vorgenommen werden. Zusätzlich kann als Unterstützung, oder Alternative zur Middleware auch noch ein sogenanntes “Edge-Device” zur Datenstandardisierung und -aggregation in Betracht gezogen werden.

Ob das sinnvoll sein kann, hängt besonders davon ab, wie die Architektur der IoT-Lösung aussieht und welche Datenmengen an die Middleware übertragen werden müssen. Gibt es beispielsweise Daten, die nicht in eine Cloud übertragen werden sollen, eignet sich ein “Edge-Device”, um das zu umgehen.Das “Edge-Device” senkt die benötigte Rechenleistung und Speicherkapazität sowie das Datenvolumen, das durch die Datenübermittlung belegt wird. Langfristig können so die laufenden Kosten reduziert werden.

Durch intelligente Datenmodelle nachhaltige IoT-Lösungen schaffen

Ob ein IoT-Projekt erfolgreich umgesetzt werden kann, hängt maßgeblich von der Datenstandardisierung ab. Aus diesem Grund sollte vor einem Projekt immer folgende Frage beantwortet werden: Möchte man eine Insellösung für einen kurzfristigen Erfolg, oder setzt man stattdessen lieber auf eine langfristige und skalierbare IoT-Lösung?

Je nach Antwort führt kein Weg an der Implementierung eines weitsichtigen Datenmodells vorbei. Anpassungsfähigkeit und Flexibilität des Datenmodells müssen dabei immer mitgedacht werden. Nur so können auch in Zukunft weitere Produkte und Services ohne Schwierigkeiten mit der IoT-Lösung interagieren.

Aus diesem Grund sollte die Strukturierung der Datenmodelle äußerst sorgfältig und idealerweise in Zusammenarbeit mit erfahrenen Spezialist:innen umgesetzt werden.

Einheitliche Standards in der Industrie schaffen

Es überrascht nicht, dass die offensichtlichste Lösung für einheitliche Datenmodelle wäre, einen branchenspezifischen Standard fest zu setzen. In vielen Bereichen wird das tatsächlich bereits so umgesetzt. Beispielsweise gibt es in den Gebieten Energieversorgung und Smart Home den Datenstandardisierungsansatz EEBUS. Durch solche geltenden Ansätze können einheitlich genutzte Datenstrukturen deutlich leichter geschaffen werden. Aufwendige Dateninterpretationen oder -übersetzungen werden hingegen redundant.

Bis eine Standardisierung für eine Branche jedoch umgesetzt werden kann, gibt es einige politische Hürden zu nehmen. Die unterschiedlichen Interessensgruppen müssen sich abstimmen, die Vorgaben dabei sowohl auf nationaler, als auch internationaler Ebene besprochen werden. Ein gemeinsamer, über die Unternehmen hinweg gefasster Koopetitionsgedanke ist der erste Schritt hin zu einer digitalen Zukunft und einem fließenden Internet der Dinge.

Datenstrukturen zu standardisieren alleine reicht jedoch nicht aus, um die vernetzte Wertschöpfung und smarte Produkte sowie Services zu transformieren. Die Erweiterungen und Anpassungen einzelner Hersteller werden häufig sehr individuell ausfallen. Aus diesem Grund sollten Unternehmen unter Berücksichtigung definierter Standards zusätzlich zukunftsfähige und flexible Datenmodelle entwickeln, Nur so kann eine reibungslose IoT-Kommunikation gewährleistet werden. 




Sag Hallo!