Was war noch mal gleich IoT?

Wir haben bereits in einem der ersten Beiträge über die Nutzenbetrachtung beim Einsatz von Internet-of-Things (IoT) Technologie berichtet.

An dieser Stelle möchte ich noch einmal etwas weiter darauf eingehen, was sich denn tatsächlich hinter IoT / dem ‚Internet der Dinge verbirgt‘. Wenn man dazu bspw. Wikipedia bemüht, kommt man aus meiner Sicht nicht wirklich weiter. Ein erstmal abstrakter Begriff wird durch viele weitere technische und für viele Benutzer ebenfalls abstrakte Begriffe erklärt.

Ich werde hier daher noch mal kurz die grundlegenden Mechanismen erläutern und diese weiter unten in den Kontext konkreter Beispiele setzen.

Letzten Endes geht es grob um die folgende Wirkungskette:

  • Sensoren beliebiger Art generieren Daten,die über ein Netzwerk, wie bspw. das Internet, an ein zentrales Systems übertragen und dort gespeichert / verarbeitet werden.
  • Die Analyse der Daten ermöglicht die Ableitung verschiedener Erkenntnisse,
  • auf deren Basis Aktionen eingeleitet werden können.

Dieser Ablauf findet sich auch in vielen klassischen Prozessen wieder. Beispielsweise erfassen Unternehmen Daten zu Produktreklamationen um diese auszuwerten und Maßnahmen zur Qualitätsverbesserung abzuleiten. Der wesentliche Unterschied ist der Grad der Systematisierung und der Automatisierung, der durch entsprechende Sensorik ermöglicht wird.

Im Folgenden möchte ich die etwas abstrakte Beschreibung anhand von Beispielen weiter konkretisieren. Grundsätzlich lassen sich die IoT Anwendungen grob in die folgenden beiden Bereiche untergliedern:

  • Anwendungen für Verbraucher (Consumer IoT)
  • Industrielle Anwendungen (Industrial IoT)

Consumer IoT
Eine typische Anwendung sind die inzwischen allgegenwärtigen Fitness Armbänder / Tracker.

  • Die Armbänder erfassen über die integrierte Sensorik bspw. den Herzschlag und die Schrittfrequenz.
  • Die Daten werden über Bluetooth an das Smartphone und von dort aus über Mobilfunk oder WLAN an eine Cloud Plattform übertragen.
  • Über eine App auf dem Smartphone oder eine Webanwendung werden die Daten für den Anwender visualisiert. Ggf. werden die Daten mit hinterlegten Zielen abgeglichen (bspw. der geplanten / empfohlenen Aktivität).
  • Der Anwender wird dann bspw. per E-Mail über den jeweils aktuellen Aktivitätsgrad informiert und motiviert seine gesetzten Ziele zu erreichen.

Über die Integration in Social Media Kanäle lassen sich bei obigen Beispiel dann weitere Mechanismen integrieren:

  • Nutzer können stolz ihre Ergebnisse präsentieren und erhalten dazu positives Feedback
  • Gleichzeitig profitiert der Anbieter von einem viralen Marketing

Weitere Beispiele sind intelligente Waagen, Wetterstationen, u.v.m.

Industrial IoT
In den letzten Jahren haben wir als alnamic insbesondere viele Erfahrungen in verschiedenen Projekten bei Herstellern von Heizungs-, Lüftungs- und Klimaanlagentechnologie (HLK) gesammelt.

Ablauf und Aufbau ähneln im Wesentlichen dem, was in diesem Blog beschrieben ist.

  • Durch die integrierte Sensorik werden bspw. Messdaten des Kessels und der Heizkreise aufgenommen. Weiterhin auch Umgebungsvariablen wie die Außentemperatur.
  • Die Daten werden über ein lokales Gateway aufgezeichnet und an die Plattform des Herstellers übermittelt.
  • Dort werden die Daten gespeichert und weitergehend aufbereitet / analysiert, bspw. in Form der Prüfung hinterlegter Alarmbedingungen. Hier setzen auch Machine Learning Mechanismen an, die Daten mathematisch auf Anomalien prüfen.
  • Der Anwender kann sich regelmäßig über den Status und die Energiebilanz seiner Anlage informieren. Bei Störungen wird er ggf. per E-Mail oder Push Nachricht darüber in Kenntnis gesetzt. Alternativ kann umgehend der zugeordnete Heizungsbauer alarmiert werden.

Auch hier gibt es natürlich zahlreiche möglichen Folgemechanismen:

  • Reporting über den Anlagenbetrieb und die Energiebilanz als Grundlage für den Abruf von Fördermitteln
  • Betriebshinweise des Herstellers aufgrund von Auswertungen über zahlreiche Anlagen gleichen Typs
  • Produktverbesserungen des Herstellers durch eine breite Datenbasis aus dem Feld

Potentiale der Bildverarbeitung

Neben der unmittelbaren Aufnahme von Messwerten durch entsprechende Sensorik können Informationen bspw. auch aus Kamerabildern abgeleitet werden.

Dies zeigen folgende Beispiele:

  • Über die Auswertung von Kamerabildern kann ermittelt werden wie viele Menschen sich wann wie durch eine Retailfläche bewegen. Alternativ könnte man hierzu aber auch ein Netz von WLAN Stationen / Antennen nutzen, dass dies anhand der Bewegungsprofile der Smartphones der Käufer ermittelt.
  • Beim Einsatz einer Wärmebildkamera könnte bspw. durch die Erkennung von Temperaturschwankungen auf Probleme beim Antrieb in einer Maschine geschlossen werden.
Veröffentlicht in Allgemein Getagged mit: , , ,

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind markiert *

*