Welche Bedeutung hat das Internet of Things für mittelständische Unternehmen in Deutschland?
Kansy: Im Vergleich zu unserer vielbeachteten Studie „DI 2020“ hat die Relevanz nochmals deutlich zugenommen. Viele KMU haben bereits IoT-Prototypen umgesetzt und stehen vor der Implementierung in den produktiven Betrieb. Weit über die Hälfte dieser Firmen planen Ausgaben im IoT-Bereich. Immer mehr Unternehmen der unterschiedlichsten Branchen erkennen, dass datengetriebene Prozesse und vernetzte Dienste ein starker Wachstumstreiber sind.
Lassen sich erfolgversprechende IoT-Konzepte im Alleingang starten?
Kansy: In den meisten Fällen nicht. Um nicht nur im eigenen Unternehmen eine effiziente Datenkultur aufzubauen, sondern über dessen Grenzen hinweg, werden außer technologischer Expertise auch strategische Partner aus anderen Wirtschaftszweigen benötigt. Erfolgreiche IoT-Ökosysteme bauen auf verschiedene Plattformen, Standards und Schnittstellen. Dabei geht es um wesentlich mehr als den reinen Datenaustausch. Nur intelligent vernetzte Systeme machen das Know-how für Produkte, Dienste und Geschäftsfelder im jeweiligen Ökosystem nutzbar. Die Zielvorgabe für zukunftsfähige Unternehmen lautet: „Co-create the IoT-Value!“
Was macht Machine Learning im IoT-Umfeld zur Schlüsseltechnologie?
Algorithmen der Muster- und Spracherkennung spielen bei der Datenauswertung eine elementare Rolle. Die Generierung von Wissen und Erfahrung mit künstlicher Intelligenz gewinnt massiv an Bedeutung – etwa, um personalisierte Empfehlungen bei der Kundenansprache realisieren zu können. Hier bietet IBM mit Watson KI wegweisende Lösungen. Ein weiteres vielversprechendes Einsatzszenario ist die Automatisierung komplexer Prozessketten. Die verfügbaren Machine Learning-Angebote der großen Cloud-Provider machen es einfach, ohne eigene Expertise Unternehmensdaten zu Prognosen oder Empfehlungen zu verarbeiten. Cloud-native Anwendungen beschleunigen das Innovationstempo und machen den Weg frei für weitere interessante Einsatzmöglichkeiten.
Welche Use Cases stehen bei der Realisierung von IoT-Projekten im Fokus?
Kansy: Viele Aktivitäten konzentrieren sich momentan auf den Produktionsbereich und die Messung von Prozessaktivitäten. Bei den digitalen Diensten ist Predictive Maintenance einer der relevantesten Use Cases. Hier werden beispielsweise Streaming-Daten von Sensoren oder Devices in verschiedenen Cloud-basierten Umgebungen verarbeitet, um den qualitativen und quantitativen Output von Maschinen zu überwachen, Warnsignale zu erkennen und automatisierte Wartungsprozesse auszulösen. Dieses Vorgehen führt zu einem potenziell hohen Geschäftswert und reduziert deutlich die Kosten.
Ein weiterer Motor für das Internet of Things sind autonome Fahrzeuge, die schon heute einen hohen technologischen Reifegrad erreicht haben. So lassen sich beispielsweise vollautomatisierte Gabelstapler, die über Sensoren und Aktuatoren in der Hallendecke gesteuert werden, in die Fertigung integrieren. Allgemein kann man feststellen, dass IoT-Lösungen besonders in den Bereichen Produktions- und Serviceprozesse, Connected Analytics Solutions, Smart Mobility, Smart Consumer Products und Smart Supply Chain von Bedeutung sind.
Speziell in der Logistikbranche kann die Optimierung der Lieferketten für erhebliche Wettbewerbsvorteile sorgen. Die digitale Vernetzung physischer Objekte bringt massive Vorteile, denn bisher ist das Lagern, Sortieren, Kommissionieren, Verpacken und Transportieren von Waren mit aufwendigen Prozessen verbunden. Mit einer volldigitalen Prozesskette für Kundenbestellungen wird die smarte Supply Chain Realität – von der Produktion über die Lagerung bis zur Berechnung der optimalen Auslieferungsroute.
Welche weiteren interessanten Entwicklungen zeigt die Segmentanalyse von TD SYNNEX und Crisp Research?
Kansy: Die Mehrzahl der Projekte konzentriert sich auf den Bereich Predictive Maintenance. Allerdings fehlt es vielerorts noch an der notwendigen Infrastruktur, um alle relevanten Prozesse ganzheitlich abzudecken. IT-Dienstleister wie IBM haben bereits stark in den Bereich Big Data & Analytics investiert, um betroffene Unternehmen bei der Transformation zu unterstützen.
Welche Rolle spielen Datenübertragungstechnologien wie der neue Mobilfunkstandard 5G?
Kansy: 5G wird dank der sehr hohen Datenraten ein wichtiger Treiber für die Umsetzung zahlreicher IoT-Use Cases. Schon jetzt bekommen Unternehmen durch die verschiedensten IoT-Services aus der Cloud die Möglichkeit, in relativ kurzer Zeit entsprechende Prototypen, Minimum Viable Products oder hybride IoT-Lösungen aufzusetzen.
Wo liegen die größten Herausforderungen beim Aufbau eines IoT-Ökosystems?
Kansy: Besondere Aufmerksamkeit erfordern die Bereiche Privacy und Data Ownership. In den vergangenen Jahren stieg die Zahl der gefährlichen Cyberattacken auf KMU erheblich an. Für Industrieunternehmen bedeutet der Verlust von Device- und Sensordaten durch einen Cyberangriff mindestens einen massiven Imageschaden. Häufig geht mit einer derartigen Attacke aber auch ein Erpressungsversuch einher. Unternehmen, die IoT-Produkte mit suboptimaler Sicherheitstechnologie einsetzen oder gar vermarkten, riskieren auf jeden Fall ihre Existenz.
Wie lässt sich die Sicherheit von IoT-Projekten gewährleisten?
Kansy:Für die End-to-End-Security gibt es zwei Alternativen: Perimeter und Zero Trust. Der Perimeter-Ansatz beschreibt die Sicherheit am Übergang zwischen dem Unternehmensnetz, DMZ und dem öffentlichen Internet. Das Hauptaugenmerk der entsprechenden Lösungen liegt auf der Abschottung dieses Übergangs. Bei Zero Trust dürfen sich nicht mal die Server im internen Firmennetz vertrauen, Jede Aktivität muss so verschlüsselt und authentifiziert werden, als wären sämtliche API-Schnittstellen und User-Interfaces über das Internet erreichbar. Angesichts der Tatsache, dass IoT-Devices oft über mehrere Unternehmensnetzwerke hinweg arbeiten, ist Zero Trust zu bevorzugen.
Was treibt die Unternehmen, die IoT-Technologien einsetzen, aktuell um, wenn man von den Turbulenzen durch die Corona-Pandemie absieht?
Kansy: Meistens geht es um die Frage, wie sich Produktions-, Logistik- und Wertschöpfungsketten mittels Sensorik und intelligenter Analysemechanismen optimieren oder zu neuen Businessmodellen kombinieren lassen. Dies erscheint logisch, wenn man bedenkt, welches Potenzial in datengetriebenen Geschäftsmodellen schlummert.