IoT

Das industrielle Internet der Dinge (Industrial Internet of Things, IIoT) bezieht sich speziell auf das IoT im Industriebetrieb, das normalerweise mit Fertigung, Lieferkettenmanagement, Transport, Gesundheitswesen, Energie oder Versorgung verknüpft ist. Zu den üblichen Anwendungen für IIoT gehören Überwachung, vorbeugende Wartung und Lösungen für betriebliche Verbesserungen. Fortgeschrittenere IoT-Implementierungen können dazu beitragen, völlig neue Geschäftsmodelle zu ermöglichen, wie z.B. Outcome-as-a-Service.

Die Anforderungen an das IIoT sind hinsichtlich Verfügbarkeit, Sicherheit und Umfang in der Regel (aber nicht immer) höher als die an das verbraucher- oder handelsorientierte IoT. Das industrielle Internet der Dinge wird auch als industrielles Internet oder Industrie 4.0 bezeichnet.

Allgemein gesprochen bezieht sich eine IoT-Plattform (oder IIoT-Plattform für die Industrie) auf die technische Grundlage, die beschleunigte digitale Innovationen mit dem IoT ermöglicht. Eine IoT-Plattform verspricht, die Amortisationszeit mit digitalen Innovations- und Transformationsinitiativen erheblich zu beschleunigen, die Kosten zu senken und die Erfolgsquote zu verbessern. All diese Initiativen erfordern einen geschäftsorientierten Ansatz für IoT-Projekte. Eine IoT-Plattform ermöglicht es Unternehmen, sich auf die Ergebnisse und nicht auf technische Implementierungsdetails zu konzentrieren.

Zu den Schlüsselmerkmalen einer IoT-Plattform gehören: Edge-Konnektivität, Geräteverwaltung, Integration, Datenverwaltung und -analyse, einschließlich Streaming-Daten und Streaming-Analyse, Verwaltung digitaler Zwillinge, Sicherheit, Zusammensetzbarkeit/Modularität, Edge-Core-Multi-Cloud-Orchestrierung.

Digitale Zwillinge (Digital Twins) sind digitale Darstellungen von Einheiten der realen Welt (Sensoren, Geräte, Maschinen, Prozesse, komplexe Systeme und sogar Menschen/Lebewesen). Sie werden bereitgestellt, um die Geschäftsergebnisse voranzutreiben. Sie bieten Konnektivität, Metadatenverwaltung, Datenverwaltung, zunehmend fortschrittliche Analysen und sind oft in Geschäftsanwendungen und Prozesssysteme integriert. Digitale Zwillinge können auf verschiedene Weise organisiert und strukturiert werden, z. B. durch Hierarchien, Topologien usw., um die Taxonomie von Entitäten darzustellen.

In seiner grundlegendsten Form (Low-Fidelity) umfasst ein digitaler Zwilling Metadaten über die jeweilige Entität/das jeweilige Asset und eine Möglichkeit, es (fast) in Echtzeit zu überwachen. Fortgeschrittenere (High-Fidelity) digitale Zwillinge umfassen analytische Modelle (physikbasiert oder zunehmend Maschinen-/Deep-Learning-basiert), die Vorhersagen und Simulationen ermöglichen, die einen Vergleich von erwartetem und realem Verhalten, „Was-wäre-wenn-Szenarien“ und eine kontinuierliche Verbesserung der Modelle durch Feedback-Schleifen ermöglichen.