Suchen

Wie standardisierte Datenmodelle IoT-Projekte vereinfachen

Seite: 2/2

Firma zum Thema

Die Lösung: Ein firmeninternes Standard-Datenmodell

Eine Herausforderung ist dabei das Entwickeln eines übergreifenden Datenmodells. Da Branchenstandards weitgehend fehlen und nur grobe Rahmen vorgeben, sollte jeder Hersteller ein eigenes firmeninternes Modell entwickeln. Ist es flexibel gestaltet, können jederzeit weitere Geräte und Gerätetypen integriert werden. Für neue Geräte sollte das Datenmodell als Basis dienen, so dass keine nachgelagerte Übersetzung mehr stattfinden muss. Das setzt gute interne Kommunikation und Zusammenarbeit voraus.

Noch sehen viele Anbieter den IoT-Service als eine zusätzliche, aufgesetzte Dienstleistung an. Das wird sich mittelfristig ändern, wenn das IoT zur Basis des eigentlichen Angebots wird und die Logik nicht mehr für die Geräte, sondern die Geräte für die Logik entwickelt werden.

Bildergalerie

Ein übergreifendes Datenmodell zu entwickeln erfordert viel Erfahrung. Denn es bildet die Basis für die nachhaltige Entwicklung eines IoT-Vorhabens. Viele Anwendungen arbeiten mit einer bidirektionale Kommunikation – also auch von der App über die Cloud zu den Endpunkten. Dann ist eine Übersetzung in beide Richtungen notwendig: Schreib-Operationen auf dem Standard-Datenmodell müssen wieder auf die Rohdatenstruktur der Maschinen zurück übersetzt werden können.

Problem dabei: Dies kann zu unerwünschten Rückkopplungen führen, etwa wenn ein Schreibbefehl im Datenmodell in mehrere Schreibbefehle auf der Maschine übersetzt wird. Kann einer dieser Befehle nicht ausgeführt werden, befindet sich die Maschine in einem undefinierten Zustand – zusätzliche Transaktionen und Rollbacks sind dann von Nöten.

Rechenleistung für die Datentransformation kostet Geld

Die Kosten der Übertragungs- und Cloud-Infrastruktur sind eine weitere große Herausforderung. Diese werden vor allem durch die Menge der Daten getrieben, die von den smarten Produkten in definierten Intervallen gesendet werden. Je nach Anwendungsfall kann das ein regelmäßiger „Online-Ping“ sein, der lediglich anzeigt, dass das Gerät noch verfügbar ist.

Doch auch das andere Extrem ist möglich: Hunderttausend Geräte senden jeweils mehrere Statusangaben und Messwerte pro Sekunde – schnell schwillt der Datenstrom dann stark an und wirft Fragen nach der Übertragungskapazität sowie der sicheren Verfügbarkeit der Verbindung auf. Die Last auf den Servern ist enorm, erst recht, wenn die Anwendung eine Kommunikation in Quasi-Echtzeit erfordert. Denn es müssen ja nicht nur die gesendeten Daten empfangen, übersetzt und aufbereitet, sondern auch die Steuerbefehle, die über das Front-End kommen, interpretiert und umgesetzt werden.

Zwar verspricht Cloud Computing, die Kosten für IT-Infrastruktur gegenüber On-Premise-Betrieb deutlich zu senken. Dennoch avanciert die IT-Infrastruktur bei IoT-Lösungen zu einem großen Kostenfaktor: Zum einen, weil die Services viele Daten zu verarbeiten haben. Zum anderen aber auch, weil für die IoT-Plattformen, mit denen der Service in der Cloud umgesetzt wird, Gebühren anfallen. Die Abrechnungsmodelle variieren; häufig spielt die Anzahl gesendeter Nachrichten eine Rolle. Bis zu dem Punkt, an dem die Daten weiterverarbeitet werden können, hat der IoT-Endpunkt den Hersteller bereits eine Menge Geld gekostet.

Eine sinnvolle Lösung ist daher, die anfallenden Daten bereits auf den Gateways der Geräte, Maschinen und Anlagen vorab zu sortieren und zu standardisieren. Der Vorteil ist offensichtlich: Nicht alle Daten müssen in die Cloud geschickt werden. Oder dort gleich verarbeitet werden können, weil sie bereits das gewünschte Format haben. Dafür muss das Gateway entsprechend dimensioniert sein und mehr leisten, als nur Daten weiterzuleiten. Ebenso kann – wenn der Anwendungsfall es zulässt – die Datenstandardisierung bereits im Gerät selbst erfolgen.

Branchenübergreifende Standards – ein Ausblick

Die Vielzahl der Übertragungsprotokolle und Datenformate verlangt beinahe zwangsläufig nach einer übergreifenden Standardisierung. Erste Brancheninitiativen gibt es bereits, zum Beispiel EEBUS (www.eebus.org). Mehr als 60 Unternehmen aus den Bereichen Smart Home, vernetzte Haustechnik, Elektromobilität und Energie erarbeiten darin einen offenen Standard für die herstellerunabhängige Kommunikation.

Solche Initiativen benötigen jedoch Zeit – vor allem, wenn sie auf europäischer und globaler Ebene arbeiten. Firmen entsenden ihre Vertreter in die Gremien, jeder von ihnen mit speziellen Anforderungen im Gepäck. Ein Standard kann nur der kleinste gemeinsame Nenner sein. Das führt zu einer notwendigen Vereinfachung, berücksichtigt aber eben nicht jede Ausprägung einer IoT-Lösung.

Die Folge: In den IoT-Lösungen der einzelnen Hersteller werden Daten benötigt, die über den Standard hinausgehen und die Kommunikation wieder erschweren. Zudem entwickeln sich in den Anfangsphasen neuer Technologien meist mehrere, konkurrierende Regelwerke. Wer hier auf das falsche Pferd setzt, kann schnell in ernste Bedrängnis kommen. Zu warten bis offene, branchenübergreifende Standards europa- oder gar weltweit etabliert sind, ist keine Option.

Zukunftsfähiges, eigenes Datenmodell entwickeln

Was bedeutet das konkret für Hersteller, die ihre IoT-Strategie umsetzen möchten? Sie sollten IoT-Vorhaben systematisch angehen und zügig ein zukunftsfähiges eigenes Datenmodell entwickeln – so individuell, dass es die eigenen Anforderungen abdeckt und so flexibel, dass es langfristig funktioniert und durch Adapter auf externen Standards abgebildet werden kann.

Dieses Modell lässt sich hervorragend mit einem agilen Vorgehen kombinieren – so werden IoT-Lösungen langfristig einsetzbar und mit wirtschaftlich vertretbarem Aufwand erweiterbar.Vermeintliche „Abkürzungen“ rächen sich oft schnell, beispielsweise wenn neue Produktgruppen angeschlossen oder neue Features implementiert werden sollen. Dann explodieren die Kosten und Go-live-Termine verschieben sich auf unbestimmte Zeit. Unternehmen sollten und sich rechtzeitig Gedanken über ein sinnvolles Datenmodell machen.

* Bernd Behler ist Chief Technical Officer der tresmo GmbH

(ID:45070663)