In der industriellen Digitalisierung fungieren IoT-Plattformen als zentrale Integrationsschicht zwischen physischer Produktionsanlagen und der digitalen Datenverarbeitung in einer Smart Factory. Sie sind Datenempfänger und Aufbereiter. Doch welche Plattformtypen gibt es und welche eignet sich für deine spezifischen Anforderungen?

In diesem Artikel zeige ich dir, wie sich IoT-Plattformen in das Vier-Ebenen-Modell für IIoT-Anwendungen einfügen. Als Komponente, die Datenhaltung und Datenauswertung kombiniert, nimmt sie eine Schlüsselposition in der Smart Factory-Architektur ein.

Dieser Artikel ist ein Leitfaden, der dir hilft, fundierte Entscheidungen zu treffen; egal, ob du gerade mit der Digitalisierung beginnst oder bestehende Systeme optimieren möchtest.

Definition und Funktionsweise von IoT-Plattformen

Wie du es aus meinen anderen Artikeln schon kennst, möchte ich auch hier zunächst näher schauen, was man unter dem Begriff versteht. Sicherlich hast du schon oft von Plattformen in einem digitalen Umfeld gehört. Die folgende Definition finde ich dafür naheliegend.

„Im Sinne der Informationstechnologie ist eine Plattform eine Hardware oder Software, die den Rahmen für verschiedene Anwendungsprogramme o. Ä. bildet.“

– Digitales Wörterbuch der deutschen Sprache

Entsprechend dieser Beschreibung existieren Plattformen, die speziell für den Einsatz einer Smart Factory und für industrielle IoT-Anwendungsfälle entwickelt wurden. Im Folgenden verwende ich bewusst den Begriff IoT-Plattformen anstatt IIoT-Plattformen, da diese Technologien ihre Wurzeln im allgemeinen Internet der Dinge haben und die Grundprinzipien identisch sind, auch wenn sie in unserem Kontext primär in industriellen Umgebungen zum Einsatz kommen. Diese Terminologie entspricht zudem der gängigen Marktbezeichnung, selbst für Lösungen, die speziell für die Industrie konzipiert sind.

Was ist eine IoT-Plattform

Eine IoT-Plattform ist demzufolge ein System, welches in einer Produktion zur Vernetzung von Geräten und Maschinen eingesetzt wird. Sie zeichnet sich durch die Fähigkeit aus, vielfältige Protokolle und Datenstrukturen verarbeiten zu können und ermöglicht die Kommunikation zwischen unterschiedlichen IoT-Geräte und -Anwendungen. Sie ist deswegen neben dem IoT-Gateway ein zentraler Bestandteil einer Smart Factory. Ohne sie wären die unzähligen Datenquellen in einer modernen Fabrik isolierte Insellösungen ohne Möglichkeit zum koordinierten Zusammenspiel.

Moderne IoT-Plattformen bieten offene Programmierschnittstellen, sodass die Kollaboration zwischen verschiedenen Softwareanbietern möglich ist. Somit können auch heterogene Maschinen und Anlagen in einer Produktionsumgebung integriert werden, die unterschiedliche Kommunikationsprotokolle sprechen oder, die teilweise nicht für die Digitalisierung vorgesehen waren.

Typische Komponenten einer IoT-Plattform

Wie du feststellst müssen IoT-Plattformen diverse Aufgaben in einer Smart Factory erledigt und dafür etliche Voraussetzungen erfüllen. Insbesondere in herausfordernden oder stark regulierten Produktionsumgebungen benötigt sie solide Grundlagen. Deswegen besteht sie aus verschieden Kernkomponenten, die zusammenwirken, um einen durchgängigen Datenaustausch zu ermöglichen:

1. Gerätemanagement: Registrierung, Konfiguration und Überwachung aller verbundenen Geräte und Sensoren
2. Konnektivitätsmanagement: Unterstützung verschiedener Kommunikationsprotokolle (MQTT, OPC UA, HTTP) und Sicherstellung stabiler Verbindungen
3. Datenintegration und -verarbeitung: Sammeln, Normalisieren und Vorverarbeiten der Daten aus heterogenen Quellen
4. Datenspeicherung: Datenbanken für die strukturierte und unstrukturierte Speicherung der erfassten Informationen
5. Analysemodule: Tools zur statistischen Auswertung, Machine Learning und Mustererkennung
6. Regel- und Ereignisverarbeitung: Definition von Geschäftsregeln und automatischen Reaktionen auf bestimmte Ereignisse
7. Visualisierungsschicht: Dashboards und Berichtstools für die benutzerfreundliche Darstellung der Daten
8. API-Management: Schnittstellen zur Integration mit anderen Systemen und Anwendungen
9. Sicherheitsframework: Authentifizierung, Autorisierung und Verschlüsselung zum Schutz der Daten und Geräte

Einordnung von IoT-Plattformen in das Vier-Ebenen-Modell

In meinem Artikel über das Vier-Ebenen-Modell habe ich eine Betrachtungsweise von IoT-Anwendungen vorgeschlagen. Dadurch lässt sich die Vielfältigkeit dieses Feldes besser überblicken. Eine IoT-Plattform lässt sich darin zwischen verschiedenen Ebenen positionieren:

• Sie nimmt Daten aus der Datenerfassungsebene über verschiedene Protokolle entgegen
• Sie nutzt die Datentransferebene für die Kommunikation zwischen Komponenten
• Sie bildet die Grundlage für die Datenhaltungsebene, indem sie Datenstrukturen und -modelle definiert
• Sie stellt Funktionen für die Datenauswertungsebene bereit, um aus Rohdaten wertvolle Erkenntnisse zu gewinnen

Eine IoT-Plattform spielt also eine besondere Bedeutung im Vier-Ebenen-Modell. Wenn sie in einem IoT-Anwendungsfall eingesetzt wird, dann kommt sie oft auf der Datenhaltungs- und Datenauswertungsebene gleichzeitig zum Einsatz. Der Einsatz auf eine der beiden Ebenen alleine ist auch denkbar, wenn z.B. eine IoT-Plattform nur zur Datenauswertung genutzt wird. Es ist häufig abhängig vom Plattformtyp.

Übersicht zu Plattformtypen

IoT-Plattformen findest du in verschiedenen Ausführungen und Betriebsmodellen, wobei jede ihre eigenen Stärken und Einsatzgebiete hat. Die Wahl des richtigen Typs ist wichtig für den Erfolg deiner Smart Factory-Initiative, weshalb eine sorgfältige Abstimmung auf deine spezifischen Anforderungen nötig ist.

Cloud-basiert vs. On-Premise

Cloud-basierte Lösungen stellen derzeit den Mainstream im IoT-Plattformmarkt dar. Sie werden größtenteils von Technologieunternehmen wie Amazon (AWS), Microsoft (Azure) und Google (Google Cloud Platform) angeboten. Eine On-Premise-Lösung musst du hingegen in deinem eigenen Rechenzentrum beitreiben.

Die folgende Grafik zeigt die Unterschiede zwischen diesen zwei Varianten in acht entscheidenden Kriterien. Die obere Hälfte betrachtet wirtschaftliche und organisatorische Aspekte, während die untere Hälfte technische Kriterien abbildet.

Das Radardiagramm verdeutlicht die komplementären Profile:

• Cloud-Lösungen punkten durch niedrige Einstiegshürden, geringer Wartungsaufwand und schnelle Verfügbarkeit vor allem in wirtschaftlicher Hinsicht.
• On-Premise-Systeme eignen sich bei hohen Anforderungen an technischer Souveränität durch volle Datenkontrolle, minimale Latenzen und Netzwerkunabhängigkeit.

Beide Ansätze zeigen ihre Stärken in unterschiedlichen
Dimensionen. Deshalb ist eine anforderungsbasierte Auswahl von hoher Bedeutung.

Hybrid-Plattformen

Hybride Ansätze kombinieren die Vorteile von Cloud- und On-Premise-Lösungen und gewinnen zunehmend an Bedeutung:

• Flexibles Datenmanagement: Kritische Daten bleiben lokal, während weniger sensible Informationen in die Cloud übertragen werden
• Edge Computing: Datenverarbeitung erfolgt teilweise direkt am Entstehungsort, bevor aggregierte Ergebnisse in die Cloud gelangen
• Ausfallsicherheit: Lokale Systeme können auch bei Netzwerkproblemen weiterarbeiten
• Skalierbare Ressourcen: Cloud-Kapazitäten für Analyse und Langzeitspeicherung bei Bedarf hinzubuchen

Hybride Lösungen bieten sich besonders an, wenn ein neues Herzstück der Smart Factory lokal auf eigenen Servern betrieben wird, aber gleichzeitig Cloud-Funktionalitäten genutzt werden sollen.

Branchenspezifische IoT-Plattformen

Neben den generischen Plattformen der großen Cloud-Anbieter gibt es zunehmend spezialisierte Lösungen, die für bestimmte Industrien oder Anwendungsfälle optimiert sind:

• Fertigungsspezifische Plattformen: Mit integrierten OT-Protokollen und vordefinierten Dashboards für Produktionskennzahlen
• Energiemanagement-Plattformen: Spezialisiert auf die Überwachung und Optimierung des Energieverbrauchs
• Instandhaltungsplattformen: Mit Fokus auf Predictive Maintenance und Anlageneffizienz

Diese Plattformen bieten oft einen schnelleren Time-to-Value für ihre spezifischen Anwendungsbereiche, können aber weniger flexibel bei branchenübergreifenden Anforderungen sein.

Die Wahl zwischen diesen Plattformtypen sollte von deinen individuellen Anforderungen an Datenschutz, Konnektivität, Skalierbarkeit und Integration in bestehende Systeme abhängen. Wahrscheinlich entwickelt sich deine IoT-Strategie über Zeit, beginnend mit einfachen Cloud-Lösungen für Pilotprojekte, bevor du zu umfassenderen hybriden Architekturen für eine unternehmensweite Implementierungen übergehst.

Marktanalyse aus des Fraunhofer IAO

Im Jahr 2017 veröffentlichte das Fraunhofer Institut für Arbeitswirtschaft und Organisation (IAO) eine Studie, in der es 24 IoT-Plattformen auf dem deutschen Markt untersuchte. Sie richtet sich an Führungskräfte, die intelligente Produkte oder Services mittels IoT-Technologien entwickeln wollen, also vielleicht auch an dich.

Wie bereits erwähnt, unterscheidet sich das breite Spektrum von IoT-Plattformen hinsichtlich vieler Kriterien, beispielsweise bei der angebotenen Funktionalität (vom Spezialisten zum Generalisten), der Art des Anbieters (von etablierten Softwareanbietern bis hin zu Start-ups) oder den adressierten Anwendungsfeldern. Außerdem erschwert neben der Angebotsfülle auch das Fehlen einheitlicher Begrifflichkeiten und vergleichbarer Informationen die gezielte Auswahl der passenden Plattform.

Deswegen entwickelte das Fraunhofer IAO ein umfassendes Referenzmodell mit zehn Bereichen zur Bewertung von IoT-Plattform-Anbietern:

1. Geräte
2. Geräteverbindung/Kommunikation
3. Dateninfrastruktur
4. Integration von Informationssystemen
5. Analytic Services
6. Developer Services
7. Sicherheit/Qualität
8. Smart IoT Services
9. Geschäftsprozesse
10. Geschäftsmodelle

Die Studie beleuchtet etablierte Technologieunternehmen wie Oracle, SAP, IBM, Siemens, Bosch Software Innovations sowie spezialisierte IoT-Anbieter und liefert strukturierte Produktsteckbriefe für den direkten Vergleich.

Ziel ist es, eine möglichst objektive Übersicht über die wichtigsten Anbieter zu bekommen, diese anschließend anhand konkreter Bewertungskriterien vergleichbar darzustellen und damit als Auswahlinstrument bei der Suche nach einer geeigneten IoT-Plattform für eine Smart Factory zu dienen.

Die Studie bietet dir eine systematische Bewertungsmethodik und ist sowohl ein wertvoller Ansatz für die Technologieauswahl in Smart Factory Implementierungen als auch eine fundierte Referenz für technische Bewertungskriterien.

Für detaillierte Einblicke in die einzelnen Plattformen, Bewertungskriterien und Auswahlempfehlungen empfehle ich die vollständige Studie des Fraunhofer IAO.

Ein praktisches Beispiel: Predictive Maintenance mit ThingsBoard

Nehmen wir für das praktische Beispiel an, dass ein mittelständisches Produktionsunternehmen die Verfügbarkeit seiner kritischen Fertigungsmaschinen erhöhen und dazu ungeplanten Ausfälle reduzieren möchte. Die Lösung dafür ist die Implementierung eines Predictive Maintenance-Ansatzes mit ThingsBoard als zentrale IoT-Plattform.

Eine Einordnung in das Vier-Ebenen-Modell kann folgendermaßen aussehen:

• Datenerfassung: Smarte Sensoren zur Erfassung von Vibrationen, Temperatur und Strom (Hardware-Ebene)
• Datentransfer: Einbindung in das Unternehmensnetzwerk und Kommunikation mittels MQTT-Protokoll über industrielle Gateways
• Datenhaltung: ThingsBoard übernimmt zentrale Speicherung ⭐
• Datenauswertung: ThingsBoard ermöglicht Analyse und Visualisierung ⭐

Datenhaltungsebene in ThingsBoard

Strukturierte Datenspeicherung:

• Zeitreihendaten: Kontinuierliche Sensorwerte (Vibration, Temperatur, Strom) werden in ThingsBoard’s integrierter Datenbank gespeichert
• Gerätestammdaten: Maschinenattribute wie Typ, Baujahr, Wartungshistorie als Key-Value-Paare
• Ereignisdaten: Alarme, Wartungsereignisse und Systemstatus mit Zeitstempel

-- Beispiel der Datenstruktur in ThingsBoard
Telemetry: {
  "ts": 1640995200000,
  "values": {
    "temperature": 75.2,
    "vibration": 2.1,
    "current": 8.5
  }
}

Datenhaltungsstrategien:

• Hot Storage: Aktuelle 30 Tage für Echtzeitanalysen
• Warm Storage: 12 Monate für Trendanalysen
• Datenarchivierung: Automatische Komprimierung älterer Daten

Dateninterpretationsebene in ThingsBoard

1. Regelbasierte Analytik
Eine Mögliche Implementierung einer Mitteilung bei Erreichen eines Schwellwerts kann in ThingsBoard folgendermaßen aussehen:

// ThingsBoard Rule Chain für kritische Temperatur
if (msg.temperature > 80) {
    return {
        alarm: "CRITICAL_TEMPERATURE",
        recommendation: "Immediate maintenance required"
    };
}

2. Dashboard-basierte Interpretation

• Echtzeit-Monitoring: Live-Widgets zeigen aktuelle Maschinenzustände
• Trend-Analysen: Historische Verläufe decken schleichende Verschlechterungen auf
• KPI-Dashboards: OEE-Berechnung basierend auf Verfügbarkeitsdaten

3. Erweiterte Datenanalyse

• Anomalie-Erkennung: ThingsBoard-Algorithmen identifizieren ungewöhnliche Vibrationsmuster
• Prognose-Modelle: Vorhersage von Wartungszeitpunkten basierend auf Datentrends
• Korrelationsanalysen: Zusammenhänge zwischen Temperatur, Vibration und Ausfallwahrscheinlichkeit

Die zentrale Rolle der IoT-Plattform

Das ThingsBoard vereint zwei Ebenen:

1. Datenhaltung: Zentrale, skalierbare Speicherung aller Produktionsdaten mit optimierten Zugriffsmöglichkeiten
2. Dateninterpretation: Transformation von Rohdaten in verwertbare Erkenntnisse durch Regeln, Dashboards und Analysen

Praktischer Mehrwert der IoT-Plattform ist, dass die Temperaturdaten nicht nur gespeichert, sondern automatisch mit Grenzwerten verglichen werden. Außerdem werden Vibrationstrends visualisiert und mit historischen Ausfallmustern korreliert. Somit können Wartungsempfehlungen durch intelligente Verknüpfung verschiedener Datenquellen entstehen.

Dieses Beispiel verdeutlicht, wie ThingsBoard als IoT-Plattform die beiden Ebenen Datenhaltung und Dateninterpretation des Vier-Ebenen-Modells nahtlos miteinander verbindet und dabei aus rohen Sensordaten verwertbare Geschäftsinformationen generiert. ThingsBoard ist dabei als Open Source Version verfügbar, allerdings musst du hier gegebenenfalls Abstriche bei Betriebsführungskonzepten und Verfügbarkeitsgarantien machen.

Mission Recap

IoT-Plattformen bilden die zentrale Intelligenz deiner Smart Factory. Sie fungieren also als das Gehirn, das deine Daten verarbeitet, analysiert und in wertvolle Erkenntnisse umwandelt. Sie kombinieren die Datenhaltungs- und die Datenauswertungsebene.

Die Vielfalt der verfügbaren Plattformen reicht von Cloud-basierten Lösungen mit geringen Einstiegshürden über On-Premise-Systeme mit maximaler Datenkontrolle bis zu hybriden Ansätzen, die dabei das Beste beider Welten vereinen.

Bei der Auswahl der richtigen Plattform solltest du deine spezifischen Anforderungen an Sicherheit, Skalierbarkeit, Latenz und Integration sorgfältig abwägen. Die digitale Transformation deiner Produktion ist keine einmalige Reise, sondern eine kontinuierliche Expedition durch den Smart Factory Cosmos, und zwar mit IoT-Plattformen als der intelligenten Schaltzentrale, die Daten in Wissen und Handlungen verwandelt.

Nutzt du bereits eine IoT-Plattform in deinem Unternehmen? Teile deine Erfahrungen und Learnings in den Kommentaren, denn gemeinsam können wir voneinander lernen und den Weg in die digitale Zukunft gestalten!