Mouser German Blog

(Source: Panchenko Vladimir/Shutterstock.com)

In Bezug auf internetfähige Geräte gibt es inwischen mehr IoT-Systeme als Mobiltelefone. Viele dieser Geräte sind auf WLAN-Verbindungen angewiesen und die meisten können über eine Internetverbindung Daten und Nutzungsinformationen mit vertrauenswürdigen Partnern austauschen.

Was ist IoT-Analytics?

IoT-Analytics beschreibt die Anwendung von Datenanalyse-Tools auf die Masse der Daten, die von IoT-Geräten erzeugt werden, um daraus einen Wert und Nutzen abzuleiten. Das ist eine ziemlich allgemeine Beschreibung, aber der Wert und der Nutzen sind so vielfältig wie die IoT-Anwendungen selbst.

Schauen wir uns zunächst einige Anwendungsfälle für die IoT-Analyse und ihre Wertschöpfung an, und richten wir den Blick dann auf einige der Optionen für die Analyse von IoT-Daten.

Anwendungsfälle für IoT-Analytics

Analysen können direkt auf IoT-Daten angewendet werden, um einen Nutzen für den Kunden zu generieren oder um das Angebot eines Unternehmens im Rahmen eines IoT-Systems zu optimieren. Betrachten wir ein Smart-Meter-IoT-System, das den Wasserverbrauch in einem Haus misst. Die Daten können auf der Grundlage der Durchschnittswerte der entsprechenden Stadt und der Nachbarschaft analysiert werden, um zu ermitteln, ob ein Haus überdurchschnittlich stark genutzt wird und ein mögliches Wasserleck im Haus vorhanden sein könnte. Dieses Nutzungsmodell kommt dem Kunden zugute.

Betrachten wir nun eine handelsübliche Espressomaschine, die Nutzungsdaten aufzeichnet. Diese Daten können dabei helfen, Nutzungsmodelle von Maschinen zu erkennen, die stark bzw. selten genutzt werden. Diese Analyse kann bei künftigen Maschinendesigns hilfreich sein. Dieser Anwendungsfall stellt ein verwertbares Feedback sowohl für das Marketing als auch für das Design dar, das dem Unternehmen zugutekommt.

Diese Analyse-Anwendungsfälle sind relativ trivial, aber die Konnektivität zu diesen Sensoren und Systemen bietet einen ganzheitlichen Nutzen für Kunden und Unternehmen gleichermaßen.

Big Data und IoT

Da aus großen Datenmengen immer häufiger riesige Datenmengen werden, die analysiert werden müssen, sind Datenverarbeitungssysteme erforderlich, die auf Skalierbarkeit ausgelegt sind.

• Apache Hadoop ist ein Verarbeitungssystem für große Datenmengen, das auf Skalierbarkeit ausgelegt wurde. Sie können Hadoop in einem einzigen Knoten (Computer) ausführen, der die Berechnung und Speicherung übernimmt, oder das System für die Verarbeitung im großen Maßstab auf Tausende von Knoten skaliert. Hadoop ist für die Skalierung auf größere Datensätze ausgelegt, wobei die Parallelisierung im Vordergrund steht. 
• Apache Spark ist ein weiteres Datenverarbeitungssystem großer Datenmengen, das sich auf die In-Memory-Datenverarbeitung konzentriert. Daher ist es zwar leistungsstärker, kann aber bei großen Partitionen Speicherüberlauf verursachen.

Sowohl Hadoop als auch Spark sind die De-facto-Plattform für IoT-Verarbeitungsanwendungen. Einige nehmen dabei sogar die Edge Analytics in den Blick und verwenden Hadoop und Spark, um Daten direkt an ihrer Quelle zu verarbeiten.

Systeme für IoT-Analytics

Viele große Unternehmen bieten vorgefertigte Analyseplattformen an, darunter IBM, Intel^®, Microsoft und Amazon. Diese Systeme decken den Dateneingang, die Speicherung und die Analyse ab. Die Lösungen bieten eine End-to-End-Verwaltung und -Analyse von Daten aus den Bereichen Erfassung, Verarbeitung/Analyse, Visualisierung und Edge Device Management. Zu weiteren Lösungen in diesem Bereich zählen Hivemind, DeviceHive und Splunk.

Datenspezifische Plattformen

Je nach Art der zu verarbeitenden Daten sind einige Speicher- und Verarbeitungsmethoden möglicherweise besser geeignet. Handelt es sich beispielsweise um Zeitreihendaten, können Speicherlösungen gezielt auf die Daten ausgerichtet werden. CrateDB ist eine dezentralisierte Datenbank mit strukturierter Abfragesprache (Structured Query Language), die Terabytes von Zeitreihendaten von vielen verschiedenen Sensoren skalieren, selbstständig korrigieren und verarbeiten kann. MongoDB und Apache Cassandra können ebenfalls als Herzstück der Zeitreihendatenspeicherung eingesetzt werden.

Fazit

Unabhängig davon, ob Sie Ihre eigene IoT-Analyselösung mit Hilfe von Apache-Open-Source-Elementen aufbauen oder einen Cloud-basierten Dienst verwenden möchten, steht Ihnen eine Vielzahl von Lösungen zur Verfügung, mit denen Sie Erkenntnisse über Ihre Daten gewinnen können.