Internet of Things

LESEZEIT: 4 MINUTEN

Wissen durch IoT – smarte Produktion dank Data Warehouse

16.06.2021 14:28 PM

Begriffe wie Internet of Things (IoT) und Big Data sind im Rahmen von Industrie 4.0 in aller Munde. Die Produktion soll durch das Sammeln von Daten smart gestaltet werden. Wie sammelt man heutzutage Daten und wie wird auf effiziente Art und Weise ein Mehrwert erzielt? Der Knowledge Discovery Process zeigt ein strukturiertes Vorgehen für Big Data auf, durch das man einen Überblick über seine Daten erhält. Mit Hilfe von Data Warehouses lässt sich diese Methodik effektiv in eine Produktion mit einbinden.

IoT , Big Data, Industrie 4.0, Data Mining

Veränderung durch das Internet of Things (IoT)

Internet of Things bezeichnet die Verbindung physischer Objekte mit dem Internet. Dabei sind diese zumeist mit Sensoren ausgestattet, welche Informationen aus ihrer Umgebung aufnehmen. Bei einem Smartphone ist die Verbindung mit dem Internet eindeutig zu erkennen, jedoch werden immer mehr Gegenstände in das digitale Zeitalter eingeführt. Im privaten Haushalt lassen sich beispielsweise bereits einzelne Glühbirnen über das Internet ansteuern. Inwieweit hat diese Thematik jedoch Relevanz für die Industrie?

Fragen Sie gleich unseren Experten!

Durch den Übergang zu Industrie 4.0 treten Vernetzung, Transparenz und dezentrale Entscheidungen in den Vordergrund. In all diesen Bereichen hat das Internet of Things (im industriellen Umfeld auch oft als Industrial IoT bezeichnet) einen wichtigen Einfluss. Durch die Vernetzung von Geräten in der Produktion mit dem Internet werden Daten aufgezeichnet. Dies ermöglicht auf einer umfangreichen Datenbasis Entscheidungen zu treffen. Der Weg hin zu einer smarten Produktion durch Erkenntnisse auf Basis von vernetzten Geräten muss allerdings erst einmal geschaffen werden. Dieser Prozess wird als Knowledge Discovery Process (KDP) bezeichnet.

Erkenntnisgewinn durch den Knowledge Discovery Process (KDP)

Das Ziel des Knowledge Discovery Process ist die Gewinnung von Wissen. Grundlage dieses Vorgehens ist eine breite Datenbasis. Effizientes und umfangreiches Sammeln von Daten im Umfeld von Industrie 4.0 wird beispielsweise durch das Internet of Things ermöglicht. Durch die Einführung von IoT und das Erzeugen von Datenmengen ist jedoch noch kein Mehrwert geschaffen. Zur Generierung von Wissen gilt es wichtige Schritte zu durchlaufen:

Knowledge Discovery Process

  • Beginnend mit der Zieldefinition wird festgelegt, welcher Mehrwert durch den KDP erzielt werden soll.
  • Daraufhin gilt es geeignete Daten auszuwählen, die der Zielerreichung dienen. Dieser Schritt wird häufig unterschätzt, denn ohne eine geeignete Informationsgrundlage ist es nicht möglich Wissen zu extrahieren.
  • Wurden passende Daten ausgewählt, müssen dieselben nun für die Weiterverarbeitung vorbereitet werden. Dieser Schritt kann in Abhängigkeit des Anwendungsfalls sehr unterschiedlich aussehen.
  • Anschließend werden die zugrundeliegenden Daten analysiert, ein Prozess, der auch als Data Mining bezeichnet wird. Die Analyse selbst kann beispielsweise anhand von Machine Learning durchgeführt werden.
  • Die Resultate bilden die Grundlage für die Wissensgewinnung, welche eine korrekte Interpretation der Resultate voraussetzt.

Der KDP erscheint auf den ersten Blick intuitiv und simpel. Bei genauerer Betrachtung ist jedoch jeder seiner Schritte komplex, da sehr große Mengen von Daten (Big Data) gesammelt und analysiert werden. Eine erfolgreiche Strategie für die Reduzierung der hiermit verbundenen Komplexität ist die Einführung eines Data Warehouse.

Wir unterstützen Sie von der Systemkonzeption bis zum laufenden Betrieb!

Das Data Warehouse als Erfolgsfaktor für Big Data

Mit der Sammlung von großen Datenmengen mittels Sensoren und vernetzter Systeme werden in der Produktion unterschiedlichste Daten gesammelt. Diese liegen in verschiedener Form und Qualität vor. Beim Aufzeichnen der Daten werden zunächst alle Beobachtungen in einem ungeordneten Speicher gesammelt. Da Daten dort ungefiltert vorliegen, wird dieser Speicher als Data Lake bezeichnet. Prinzipiell ist es nun möglich Data Mining basierend auf in Data Lakes zusammengefassten Informationen zu betreiben. Generell erschwert die unstrukturierte Natur der Daten das Vorhaben des Knowledge Discovery Process erheblich.

Grafik 3

Aus diesem Grund bieten Data Warehouses eine Möglichkeit, ungeordnete Daten in ein für die Weiterverarbeitung geeignetes Format zu überführen. Hierbei ist ein Data Warehouse eine zentrale Datenbank, die aus mehreren heterogenen Quellen zusammengeführt wurde. Da ein Data Warehouse zudem für Analysezwecke optimiert ist, wird es ebenfalls als Analysedatenspeicher bezeichnet. Durch die Strukturierung der Daten bildet diese Form der Speicherung ein optimales System zur Wissensgewinnung im Bereich Big Data und Internet of Things. Weil der Erfolg des Knowledge Discovery Process vom Zustand der genutzten Daten abhängt, müssen die Möglichkeiten von Data Warehouses im Rahmen von Industrie 4.0 unbedingt mit bedacht werden.

Internet of Things und Big Data sind komplexe Themen, die jedoch im Zusammenhang mit Industrie 4.0 nicht zu vernachlässigen sind. Wir unterstützen Sie dabei, Ihre Produktion in das digitale Zeitalter zu überführen. Schaffen Sie einen Mehrwert aus Ihren Daten und vereinbaren Sie einen Termin mit unseren Experten: Internet of Things in Manufacturing 

 

KOSTENLOSE WEBSESSIONS, SPANNENDE EVENTS UND INFORMATIVE SEMINARE

MEHR ERFAHREN