So sieht das Internet of Things der Zukunft aus - IoT Trends 2021

Begriffe wie Industrie 4.0 und künstliche Intelligenz sind schon seit ein paar Jahren auf dem Gartner Hype Cycle zu finden. Aber welche konkreten Anwendungsfälle wurden hier bereits ermöglicht? Welche Potenziale, aber auch Herausforderungen bringen diese für Unternehmen mit sich? Wir geben einen Überblick über die aktuell prägendsten Technologietrends im industriellen Umfeld.

Industrial IoT, das industrielle Internet der Dinge, mit dem die Vernetzung von Maschinen, Produktionsanlagen und Gebäuden ermöglicht wird, ist aktuell durch fünf hochrelevante Themen geprägt:

Die Produktion der fertigenden Industrie wird zunehmend vernetzt
Maschinelles Lernen extrahiert wertvolle Erkenntnisse aus Daten
IoT Security stellt die vernetzte Industrie vor Herausforderungen
Digitale Plattformen beschleunigen neue Geschäftsmodelle
Mehr Nachhaltigkeit dank kohlenstoffneutraler Produktion

Industrie 4.0: Die intelligente, vernetze "Smart Factory"

Kund:innenindividuelle 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 - Industrie 4.0.

Industrie 4.0 beschreibt die vierte industrielle Revolution im Sinne einer Vernetzung und Steuerung von Prozessen sowie Maschinen durch Informations- und Kommunikationstechnik (IKT). Bereits seit zehn Jahren ist Industrie 4.0 der zentrale Trend in der Produktion, welcher beispielsweise durch. die zunehmende Hyperautomatisierung¹ oder das Edge Computing² 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 AI (Artificial Intelligence) und IoT (kurz AIoT) zur Realisierung von neuen Geschäftsmodellen sowie Prozessoptimierungen durch Smart Connected Products oder Solutions.

Ergebnisse einer erfolgreichen digitalen Transformation äußern sich beispielsweise in einer gesteigerten Liefertreue, kürzeren Durchlaufzeiten, einer effizienteren Ressourcennutzung, geringeren Beständen sowie einer erhöhten Prozesstransparenz.³

"Smart Factory" SICK AG "4.0 NOW Factory"

In der "Smart Factory" der SICK AG steuert sich die Sensoren-Fertigung wie von Geisterhand: Fahrerlose Transportsysteme transportieren die benötigten Materialien zu den zellular aufgebauten Produktionsmodulen, in welchen die jeweiligen, dezentral gesteuerten Prozesse nach produktspezifischer Anforderung ablaufen und hierbei im ständigen Informationsaustausch mit der übergeordneten Cloud, dem digitalen Abbild stehen. Das Ergebnis: höchste Flexibilität, Effizienz und Transparenz.

Künstliche Intelligenz: Maschinelles Lernen im Kontext von IoT

Selbstlernende Algorithmen werden der vorliegenden Daten immer intelligenter und unterstützen Tätigkeiten in der Industrie. KI ist keine gefährliche Supermacht, dafür ein echter Booster für das industrielle Umfeld!

Mit menschenähnlichen Robotern hat künstliche Intelligenz im industriellen Umfeld wenig zu tun. 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 den Trend des "Edge Computings" verstärkt: Berechnungen werden örtlich nah an der Quelle der Datenerzeugung durchgeführt und sind so effizienter, robuster und reaktionsfähiger (Stichwort "Echtzeitfähigkeit").⁴

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 beispielsweise die Bilderkennung von Dingen in der Produktion, welche durch Klassifizierungsalgorithmen realisiert werden kann. Auf den Events des Stuttgarter "AI Circles", einem Praxisaustausch zu AI, diskutieren wir regelmäßig spannende Anwendungen im Bereich Machine Learning und künstlicher Intelligenz. 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: wir nennen dies "Data to Value".

Trumpf: KI-unterstütztes Sortiersystem für Bauteile

Der "Sorting Guide" ist ein KI-basierter Assistent, der durch eine zunehmend verbesserte Bereitstellung von Informationen die Entnahme und Sortierung von lasergeschnittenen Blechbauteilen unterstützt. Ergebnisse sind die Optimierung von operativen Tätigkeiten sowie eine effizientere Wertschöpfung – insgesamt ein Beispiel für Systeme, die den Menschen unterstützen, statt ihn zu ersetzen.⁵

IoT-Security: Proaktive Absicherung vernetzter IoT-Devices

Täglich werden weltweit ca. 6,4 Billionen Fake Mails versendet⁶ – genügend, um sich ernsthaft mit dem Thema der IT-Security zu befassen. IoT-Security adressiert dieses in einer Welt der zunehmenden Vernetzung "von Dingen".

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 Angriffsszenarien⁷, deren Risikomechanismen auf IoT-Netze übertragbar sind und hier ebenfalls berücksichtigt werden müssen.

Im Industrie und Consumer-Bereich, speziell bei vernetzten Geräten, Anlagen und Infrastrukturen (IoT), ist die Berücksichtigung einer ausreichenden I(o)T-Security ein unausweichliches Thema. Know-how-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 Mrd. Euro.⁸ In IoT-Netzwerken ist jedes zusätzliche Element einen weiterer potenzieller Angriffspunkt und muss durch aktive Maßnahmen abgesichert werden. Im Zuge der zunehmenden Anwendung von AI im IoT-Kontext (AIoT) müssen drei Perspektiven evaluiert werden, um potenzielle Folgerisken abzuwehren.⁹

Wie schütze ich AI-basierte Systeme?
Wie nutze ich AI zur verbesserten Absicherung?
Wie kann ich die Nutzung von AI durch potenzielle Angreifer proaktiv abwehren?

Für weitere Informationen zum Thema I(o)T-Security sehen Sie sich gerne unsere IT-Security Themenwelt an.

Amazon Ring: Wenn die Sicherheits-Innenkamera fremdgesteuert wird

Im Jahr 2019 gelang es Hackern in die Konten der Ring-Kund:innen einzudringen, um somit Zugriff auf deren Ring-Innenkameras zu erlangen. In Mississippi wurde von einem Fall berichtet, in welchem die Angreifer mit drei jungen Mädchen über die Sprachfunktion kommunizieren konnten. Dies zeigt den akuten Bedarf der Entwicklung vertrauenswürdiger IoT-Geräte, um die Kunden und die Unternehmensreputation ausreichend zu schützen.¹⁰

Digitale Plattformen: Enabler für neue Geschäftsmodelle und Effizienzgewinne

Digitale Plattformen sind einer der "Gamechanger" der Digitalisierung unserer Industrie. Sie ermöglichen ein neues Zusammenspiel aller Marktteilnehmer:innen 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 unser Leben. Im industriellen Umfeld handelt es sich dabei um B2B-Plattformen, die Hersteller:innen , Kund:innen , Lieferant:innen , Dienstleist:innen und sogar Wettbewerber:innen vernetzen.¹¹ Auf dem Markt kann ein Switch von klassischen Pipelinemärkten zu Plattformmärkten beobachtet werden. Die sogenannte "Plattformökonomie" ermöglicht neue, zukunftsfähige Geschäftsmodelle wie beispielsweise Platform-as-a-service (PaaS), bei dem die Betreiber der Plattform die Nutzung dieser monetarisieren. Für weitere Informationen zum Thema Plattformökonomie nehmen Sie gerne an einer unserer KoopKurrenz—Veranstaltungen teil.

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 beispielsweise 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 beispielsweise pro Maschinentätigkeit, Stunde oder gefertigten Bauteil mit seinem Kund:innen ab. Die Monetarisierung pro gefertigtem Bauteil ist die Endausbaustufe von XaaS-Modellen (Anything-as-a-Service, wie bspw. EaaS: Equipment-as-a-Service). Hier wird nicht nur die Verfügbarkeit, sondern auch die integrierte Qualität mit verkauft. Dieser Austausch an Leistung kann ebenfalls über eine B2B-Plattform vollzogen werden.

MindSphere von Siemens: IoT-Plattform für den Maschinenpark

Die Plattform sammelt und analysiert Maschinendaten, um daraus durch Predictive Maintenance (vorausschauende Wartung von Maschinen) sowie Prozessverbesserungen einen Mehrwert für die Plattform-Nutzer:innen zu schaffen – das Ganze mit hoher Skalierbarkeit und hohen Sicherheitsstandards.¹²

Kohlenstoffneutrale Produktion: Unterstützt durch transparente Prozesse und smarte Gebäudesteuerung

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 von Seiten der Kundschaft 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
Ansteigende Bedeutung von Nachhaltigkeit an den Kapitalmärkten und aus Kundensicht ("Megatrend Klimawandel")

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.¹³

Einen erheblichen positiven Impact auf die CO₂-Neutralität von Unternehmen haben wie dargestellt Smart Buildings. Wie smart die Gebäude in Deutschland bereits sind und und wie sich Megatrends auf die Entwicklung dieser auswirken, zeigen wir in unserer Smart Building Studie auf.

BOSCH: Ein Produktionsstandort wird CO₂-neutral

Die Produktion des Bosch Werks in Eisenach wird bis 2023 durch die Nutzung von IoT sowie AI kohlenstoffneutral. Bei der Nutzung von regenerativen Energien ist die Verfügbarkeit und daraus resultierende Volatilität der Bezugsquellen, zum Beispiel von Windstärke oder Sonneneinstrahlung eine Herausforderung, welche eine möglichst exakte Bedarfsplanung erfordert. IoT und AI befähigen diese vorausschauende Planung durch umfangreiche Datenerfassung sowie die darauf aufbauende Anwendung von AI-basierten Prognosemodellen.

Fazit: IoT-Trends erkennen und Potentiale jetzt ausschöpfen

Die fünf vorgestellten Industrial IoT-Trends bieten große Potenziale für eine smarte, vernetzte, sichere und effiziente Industrie. Mit konkreten Anwendungsfällen hinter diesen technologischen Trends können bereits Potenziale ausgeschöpft werden. Welche Anwendungsfälle, Potenziale und Herausforderungen sehen Sie in den Bereichen Industrie 4.0, Plattformen, AI(oT) und Nachhaltigkeit? Möchten Sie auch von den Möglichkeiten der aufgezeigten IoT Trends profitieren und neue Technologien bei sich einsetzen?