Die 5 IoT Trends 2021

Industrial IoT, das industrielle Internet der Dinge, mit dem die Vernetzung von Maschinen, Produktionsanlagen und Gebäuden ermöglicht wird, ist aktuell durch fünf relevante Themen geprägt. Die Unternehmensberatung MM1 gibt einen Überblick über die aktuell prägendsten Technologietrends im industriellen Umfeld.
Bild: ©your123/stock.adobe.com

Die intelligente, vernetzte Fabrik

Kundenindividuelle Produkte steuern sich selbst durch die Fertigung. Fahrerlose Transportsysteme übernehmen die Intralogistik an die jeweils optimale Produktionseinheit, in welcher die Prozesse autonom oder in Kollaboration zwischen Mensch und Roboter zuverlässig ausgeführt werden. Zukunftsvision? Nein, denn bereits seit zehn Jahren ist Industrie 4.0 der zentrale Trend in der Produktion, welcher beispielsweise durch die zunehmende Hyperautomatisierung oder das Edge Computing gestützt wird. Vorausschauende Wartung (Predictive Maintenance), kontinuierliche Zustandsüberwachung und datenbasierte Optimierung und Steuerung (Condition-based Monitoring), flexible und modulare Prozesse – Industrie 4.0 im Sinne einer intelligenten sowie vernetzten ‚Smart Factory‘ befähigt zu einer Vielzahl an Möglichkeiten zur Steigerung der Wettbewerbsfähigkeit. Die Grundlage hierfür bildet das erfolgreiche Verknüpfen von KI und IoT zur Realisierung von neuen Geschäftsmodellen sowie Prozessoptimierungen durch Smart Connected Products oder Solutions. Ergebnisse einer erfolgreichen digitalen Transformation äußern sich z.B. in einer gesteigerten Liefertreue, kürzeren Durchlaufzeiten, einer effizienteren Ressourcennutzung, geringeren Beständen sowie einer erhöhten Prozesstransparenz.

Maschinelles Lernen im Kontext von IoT

Selbstlernende Algorithmen werden der vorliegenden Daten immer intelligenter und unterstützen Tätigkeiten in der Industrie. Maschinelles Lernen als konkrete Ausprägung der sogenannten ’schwachen‘ künstlichen Intelligenz ermöglicht selbstlernenden Algorithmen, große Datenmengen (Big Data) zu analysieren, Muster zu erkennen, Prozesse zu optimieren und neue Lösungen zu finden. Maschinelles Lernen wird durch ‚Edge Computing‘ verstärkt: Berechnungen werden örtlich nah an der Quelle der Datenerzeugung durchgeführt und sind so effizienter, robuster und reaktionsfähiger (Stichwort ‚Echtzeitfähigkeit‘). Maschinelles Lernen kann in Supervised Learning, Unsupervised Learning und Reinforcement Learning unterteilt werden, wobei jede Art für unterschiedliche Fragestellungen passend ist. Relevant im industriellen Kontext ist z.B. die Bilderkennung von Dingen in der Produktion, welche durch Klassifizierungsalgorithmen realisiert werden kann. Industrieunternehmen, die maschinelles Lernen wertgenerierend einsetzen wollen, brauchen aber nicht nur leistungsstarke Rechner, die Daten in Insights verwandeln. Sie benötigen auch die entsprechende Infrastruktur, eine passende Governance und eine zielgerichtete Datenstrategie: ‚Data to Value‘.

Proaktive Absicherung vernetzter IoT-Devices

IT-Security-Risiken sind seit vielen Jahren bekannt und als größtes Geschäftsrisiko für Unternehmen weltweit nach wie vor wichtig. Spymails, DDos-Angriffe, Phishing – das sind bekannte Angriffsszenarien, deren Risikomechanismen auf IoT-Netze übertragbar sind und hier ebenfalls berücksichtigt werden müssen. Im Industriebereich ist die Berücksichtigung einer ausreichenden I(o)T-Security ein unausweichliches Thema. Knowhow-Diebstahl, Produktionsausfälle sowie der damit verbundene finanzielle Schaden erfordern ausreichende Schutzmechanismen. So betrugen die Folgeschäden von Cyberangriffen auf Industrieunternehmen in Deutschland im Jahr 2019 ca. 102,9 Milliarden Euro. In IoT-Netzwerken ist jedes zusätzliche Element ein weiterer potenzieller Angriffspunkt und muss durch aktive Maßnahmen abgesichert werden. Im Zuge der zunehmenden Anwendung von KI im IoT-Kontext müssen drei Perspektiven evaluiert werden, um potenzielle Folgerisiken abzuwehren: Wie schütze ich KI-basierte Systeme? Wie nutze ich KI zur verbesserten Absicherung? Wie kann ich die Nutzung von KI durch potenzielle Angreifer proaktiv abwehren?

Digitale Plattformen als Enabler

für neue Geschäftsmodelle

Digitale Plattformen sind einer der ‚Gamechanger‘ der Digitalisierung unserer Industrie. Sie ermöglichen ein neues Zusammenspiel aller Marktteilnehmer auf einer digitalen Infrastruktur und bieten das Potential, Märkte nachhaltig zu verändern. Digitale Plattformen sind virtuelle Orte, an denen Marktteilnehmer zusammenkommen, um dort Produkte, Services oder Daten auszutauschen. Im B2C-Bereich vereinfachen Plattformen wie Google, eBay oder Uber das Leben. Im industriellen Umfeld handelt es sich dabei um B2B-Plattformen, die Hersteller, Kunden, Lieferanten, Dienstleister und sogar Wettbewerber vernetzen. Auf dem Markt kann ein Switch von klassischen Pipelinemärkten zu Plattformmärkten beobachtet werden. Die sogenannte ‚Plattformökonomie‘ ermöglicht neue, zukunftsfähige Geschäftsmodelle wie z.B. Platform-as-a-service (PaaS), bei dem die Betreiber der Plattform die Nutzung dieser monetarisieren. Betreibern und Nutzern von Plattformen eröffnen sich eine Vielzahl an Vorteilen. Mit digitalen Plattformen können durch die Beteiligung verschiedener Akteure Netzwerkeffekte realisiert werden: Der Nutzen der Plattform steigt mit der Anzahl der Nutzer. Des Weiteren profitieren Nutzer von Plattformen durch geringere Transaktionskosten und können so an interner Effizienz gewinnen. Nutzer einer Plattform können für geschäftliche Transaktionen auf bestehender Infrastruktur aufsetzen und sparen so Kosten für den Setup einer eigenen Infrastruktur. Digitale Plattformen entfalten in verschiedenen Anwendungsbereichen ihr Potential. Neben der produzierenden Industrie mit z.B. Predictive-Maintenance-Lösungen, sind digitale Plattformen auch in der Logistik mit plattformbasierten Warehouse-Lösungen vertreten. In diesem Zusammenhang sind ebenfalls ‚Pay per use‘-Modelle zu erwähnen. Bepreist werden nicht mehr Güter, wie der Verkauf einer Maschine oder eines Lagerfahrzeugs, sondern der Hersteller stellt das Gut als Service zur Verfügung und rechnet z.B. pro Maschinentätigkeit, Stunde oder gefertigten Bauteil mit seinem Kunden ab. Die Monetarisierung pro gefertigtem Bauteil ist die Endausbaustufe von XaaS (Anything-as-a-Service)-Modellen. Dieser Austausch an Leistung kann ebenfalls über eine B2B-Plattform vollzogen werden.

Kohlenstoffneutrale Produktion

Die Nutzung eigenerzeugter Energie aus erneuerbaren Energiequellen sowie deren Bezug sind Basis für eine nachhaltige Produktion. Prozesse sind so gestaltet, dass möglichst wenig materielle sowie energetische Verschwendung stattfindet. Die kohlenstoffneutrale Produktion ist keine fiktive Vision – sie ist schon jetzt kundenseitig gefordert und mit Hilfe von IoT umsetzbar. Insbesondere Industrieunternehmen sehen sich zunehmend zur klimaneutralen Produktion verpflichtet. Gründe hierfür sind: Auflagen zur Reduktion des CO2-Ausstoßes, Bepreisung fossiler Brennstoffe sowie die ansteigende Bedeutung von Nachhaltigkeit an den Kapitalmärkten und aus Kundensicht. IoT kann hier zur Erzeugung von Transparenz (z.B. Monitoring von Energieflüssen; Stichwort: ‚Digitaler Zwilling‘) sowie zur Identifikation von Stellhebeln (z.B. automatisierte Gebäudesteuerung) als maßgeblicher Enabler von Unternehmen genutzt werden. Neben der energetischen Optimierung der Geschäftsprozesse und allen damit verbundenen Aktivitäten müssen Unternehmen zudem auf ein nachhaltiges Product Lifecycle Management achten. Hierbei ist ‚Circular Economy‘ (Kreislaufwirtschaft) das Stichwort, IoT wirkt als Enabler.

Das könnte Sie auch Interessieren