Im Zuge der Digitalisierung kommunizieren Maschinen zunehmend untereinander oder stellen Nutzern Informationen zur Verfügung – diese Entwicklung wird unter dem Begriff Internet of Things (IoT) gefasst. Altersbedingt sind Bestandsmaschinen häufig nicht dazu in der Lage, die relevanten Informationen aufzunehmen oder weiterzuleiten. Mit neuster IoT-Technologie kann sich das ändern.
Doch wie lassen sich analoge Maschinen digital umrüsten, sodass sie effizienter und transparenter für Unternehmen und Nutzer werden? Hierbei spielen die Art der Sensoren, die Datenübertragung und die Speicherung eine entscheidende Rolle.
Dieser Leitfaden zeigt Dir, wie sich digitale Daten aus Bestandsmaschinen mit IoT erfassen, übertragen und effizient speichern lassen.
1.
Daten digital erfassen
1.
Um mit digitalen Daten zu arbeiten, müssen diese Daten zunächst erfasst werden. Deshalb musst Du zunächst eine Methode finden, mit der Du die gewünschten Daten erfassen kannst. Hierbei können grundsätzlich vier Datenquellen im IoT Bereich identifiziert werden. Dies Datenquellen unterscheiden sich in ihrer Skalierbarkeit und in ihrem Nutzen für die Analysezwecke.
1.1
Freie Sensoren nutzen
1.1
Freie Sensoren und sonstige Hardware – oft auch Open Hardware genannt – bieten sich zur Überprüfung der Machbarkeit oder zur Erstellung eines Proof-of-Concepts (PoC) an. Sie helfen kostengünstig und schnell eine Lösung zu erreichen. Mit Arduino, Raspberry Pi und Co. lassen sich leicht unterschiedliche Datenarten und -typen erfassen. Aber auch das Smartphone hat verschiedene Sensoren, die für einen Prototypen herangezogen werden können.
Die Sensoren arbeiten hierbei in der Regel nicht mit der Maschinensteuerung zusammen.
1.2
Kommerzielle Sensoren
1.2
Kommerzielle Sensoren sind sehr gängig zur Erfassung von Maschinen-, Anlagen- oder Infrastrukturdaten. Häufig gib es an den bestehenden Systemen bereits vorhandene Sensoren. Diese sind an verschiedenen Stellen angebracht und können unterschiedliche Werte messen. Die Sensoren sind meistens für Industrieanwendungen ausgelegt, weshalb sie in der Regel teurer sind als freie Sensoren. Die von den Sensoren aufgezeichneten Werte werden häufig in Steuerungen genutzt und sind für die Funktion des Systems relevant. Jedoch können die Daten, wenn sie ausgewertet werden, auch noch andere Mehrwerte liefern.
1.3
Open Data
1.3
Ein aktuell großes Thema und zunehmend von Bedeutung bei der Arbeit mit digitalen Daten ist Open Data. Solche Daten stehen im Internet zur freien Verfügung. Ein populäres Beispiel sind beispielsweise Wetterdaten, die frei verwendet werden können. Offen zugängliche Daten sind – wie der Name bereits sagt – kostenlos und bieten daher eine gute Möglichkeit, die eigenen Daten aus dem Unternehmen mit weiteren Open Data Quellen zu erweitern, um weitreichendere Analysen durchzuführen.
1.4
Daten aus Anwendungen
1.4
In Unternehmen stecken eine Vielzahl von Daten bereits in genutzten Systemen, beispielsweise dem Enterprise Resource Planning (ERP) oder der Betriebsdatenerfassung (BDE). Diese Daten können aus den Anwendungen geholt werden, um sie zu analysieren oder mit weiteren Daten zu verknüpfen und auszuwerten. Viele der Anwendungen verfügen bereits über Schnittstellen, die einen einfachen Zugang ermöglichen.
2.
Eine geeignete Übertragungsart wählen
2.
Die bestehenden und neu erfassten Daten müssen zu einem zentralen Punkt übertragen werden. Bei der Übertragung wird zwischen der physischen Übertragung und dem Übertragungsprotokoll unterscheiden. In vielen Fällen ist nicht überall eine kabelgebundene Netzwerkverbindung vorhaben. Deshalb solltest Du in diesen Fällen auf kabellose Übertragungstechnologie zurückgreifen. Dabei gibt es zwei Dimensionen, über die Du Dir Gedanken machen solltest: Wie viele Daten möchtest übertragen und über welche Reichweite? Eine schnelle Übertragung hat zumeist auch einen höheren Energieverbrauch und ist somit nicht immer die effizienteste Lösung.
Bei Daten, die in größeren Abständen (bspw. alle 15-Minuten) über eine große Reichweite übertragen werden sollen, eignet sich beispielsweise Low Range (LORA)-Netzwerke. Bei geringerer Entfernung aber eine hoher Frequenz (bspw. sekündlich) eignet sich das klassische WLAN am ehesten.
2.1
Finde effiziente Netzwerkkombinationen
2.1
Das Netzwerk, welches die Datenquellen mit dem Zielsystem verbindet, ist dabei aber nicht auf eine Technologie begrenzt. Es ist möglich, diese Technologien zu verbinden, um individuell die effizienteste Lösung für die jeweilige Datenquelle und den Anwendungsfall zu bestimmen und umzusetzen.
3.
Lege das geeignete Übertragungsprotokoll fest
3.
Als nächstes muss das Protokoll festgelegt werden, in dem die Systeme die Daten austauschen. Die Wahl des Protokolls hängt immer von der vorhandenen Systemarchitektur ab, in der die Daten übertragen werden. Hier sind die vier aktuell wichtigsten Protokolle im Bereich IoT dargestellt.
3.1
Das REST Protokoll
3.1
Das REST-Protokoll ist wohl das bekannteste Protokoll im Bereich WEB. Jeder Besuch auf eine Website ist quasi eine Verwendung des Protokolls, indem ein GET Aufruf vom Browser ausgeführt wird, der dadurch die Website lädt. Vier der wichtigsten Methoden, die das REST-Protokoll bietet, sind: GET, POST, PUT und DELETE. Dieses Protokoll bietet häufig einen einfachen Zugang zu Daten von Systemen oder Open Data Datenbanken. Bei jeder Abfrage wird eine Verbindung aufgebaut, die nach dem Erhalt der Daten wieder geschlossen wird. Dadurch verursacht der Verbindungsaufbau zwar Overhead, aber für die Abfrage in größeren Intervallen (bspw. alle 5-Minuten) ist dies zu vernachlässigen.
3.2
Das MQTT Protokoll
3.2
Das MQTT-Protokoll ist besonders im Bereich der Maschinen-zu-Maschinen Kommunikation zur Zeit der aktuelle Stand der Dinge. Bei MQTT gibt es einen zentralen Broker (Server), der einen BUS (Kanal) bereitstellt, auf den verschiedene Systeme Daten senden und empfangen können. Jedes Datenpaket, was dem Broker gesendet wird, kann ein Topic (Betreff) besitzen und Systeme können diese Topics abonnieren (bspw. Temperatur/Berlin). Dadurch ist es möglich, dass verschiedene Systeme sich mit dem Broker verbinden können, um Daten abzurufen, ohne das die Datenquelle bzw. deren Verbindungsinformationen bekannt sein müssen. Zusätzlich zielt das Protokoll darauf ab, dass Verbindungen zum Broker dauerhaft bestehen bleiben, um den Overhead von vielen Verbindungen zu vermeiden. Dadurch eignet es sich besonders für die Übertragung von vielen und hochfrequenten digitalen Daten.
3.3
Das AMQP Protokoll
3.3
Das AMQP-Protokoll ist eine Erweiterung des MQTT-Protokolls. Hier wird vor allem die Übertragungssicherheit noch weiter in den Fokus gerückt. Mit Übertragungssicherheit ist hier die Zuverlässigkeit gemeint, in der Daten tatsächlich zu den abonnierten Systemen zugestellt werden. Selbst wenn Systeme gerade nicht verbunden sind, können die in der Zeit auf den Broker gesendeten Daten später vom System noch empfangen werden.
3.4
Das OPC Protokoll
3.4
Die anderen vorgestellten Protokolle kümmern sich lediglich um die Art der Übertragung, aber nicht um deren Inhalt. Das OPC UA Protokoll tut dies auf ähnliche Art und Weise wie MQTT oder AMQP, geht aber noch einen Schritt weiter. Es ist möglich, bei korrekter Implementierung von OPC, auch die Inhalte der Nachrichten einheitlich (durch sogenannte Companion Specifications) zu gestalten. Dies hat den Vorteil, dass das Zielsystem bereits weiß, was die Daten beinhalten und diese direkt genutzt werden können. Dieses Protokoll wird aktuell noch von wenigen Maschinen oder Systemen eingesetzt, obwohl die Vorteile überwiegen.
4.
Die Daten sicher und effizient speichern
4.
Besonders wertvoll sind digitale Daten, wenn sie über einen längeren Zeitraum betrachtet und analysiert werden können. Dafür müssen die Daten effizient gespeichert werden. Besonders im Bereich IoT können Datenmengen sehr groß werden und das Ablegen sowie das Abfragen sollten möglichst effizient geschehen können. Im Bereich der Datenbanken haben sich besonders vier Technologien durchgesetzt.
4.1
SQL Datenbanken
4.1
SQL Datenbanken (z.B. MySQL, MSSQL): SQL ist wahrscheinlich die bekannteste Datenbank-Technologie. Besonders geeignet sind SQL-basierte Datenbanken, wenn es um speichereffizientes Ablegen von Daten geht. Dabei werden Redundanzen vermieden und beispielsweise Meta-Daten nur einmal abgelegt und anschließend über mehrere Tabellen Datensätze verknüpft. Der Nachteil, der dabei entsteht, ist, dass Abfragen häufig über mehrere Datenbanken-Tabellen durchgeführt werden, was sich negativ auf die Performance auswirkt.
4.2
NoSQL
4.2
NoSQL Datenbanken (z.B. MongoDB Cassandra): NoSQL sind im Gegensatz zu SQL-Datenbanken nicht auf Speicherplatzoptimierung ausgelegt. Datensätze werden so gespeichert, wie sie benötigt werden. Dadurch entstehen zwar Redundanzen in den Datensätzen, aber die Abfrage und die Ablage können effizienter durchgeführt werden. Besonders im Bereich von IoT Daten haben sich zusätzlich verschiedene Methoden durchgesetzt, die ein Speichern von zeitbasierten Daten effizienter gestalten.
4.3
TimeSeries
4.3
TimeSeries Datenbanken (z.B. InfluxDB): TimeSeries Datenbanken sind speziell für zeitbasierte Daten (wie es alle Sensordaten sind) optimiert. Ein großer Vorteil dabei ist, dass spezielle zeitspezifische Operationen einfach durchgeführt werden können (z.B. zeitlichen Durschnitt bilden). Die Integration von Meta-Daten ist ebenfalls möglich, ist aber nicht so optimiert wie die Sensordaten selbst.
4.4
Engines
4.4
Engines (z.B. Elastic): Engine Datenbanken fokussieren spezielle Aufgaben. Wikipedia ist eines der bekanntesten Beispiele für den Einsatz von Engines. Hierbei sind Operationen von Volltextindizierung bereits integriert und erlauben so vor allem bei textbasierten Daten Vorteile.
Jetzt weißt Du, wie Du digitale Daten von Bestandsmaschinen mit IoT erfassen, übertragen und speichern kannst. Willst Du wissen, wie Du die Daten anschließend analysieren kannst? Dann schau Dir den Data Analytics Leitfaden an. Falls Du Fragen oder Anregungen zu dem Thema hast, stehen wir vom Digitalradar Dir gerne mit unserem Netzwerk zur Seite.
Weiterführende Informationen:
Microsoft 2021: „IoT-Technologien und -Protokolle“
Sehrawat & Gill (2019): „Different Types of IoT Sensors“
Meinhardt & Wortmann (2021): „IoT – Best Practices“
Bildnachweise:
Photo1.1 by Clint Patterson on Unsplash
Photo1.2 by UnFlOb on Pixabay
Photo1.3 by descrier.co.uk on flicker
Photo1.4 by Mediamodifier on Pixabay
Photo 2 by Nico Castelli
Photo 2.1 by Nico Castelli
Photo 3-4.4 by Hendrik Plogmaker
