Deutsche Telekom und Huawei lassen Sensoren mitfunken

Deutsche Telekom und Huawei schalten das weltweit erste Ende-zu-Ende-System für Schmalband-Kommunikation im Netz der Telekom ein – in Deutschland und in den Niederlanden. Es basiert auf dem erst im Frühjahr freigegebenen NB-IoT-Standard (Narrowband Internet of Things). Die Schmalband-Technik für das Internet der Dinge ermöglicht großflächige Abdeckung und zugleich Empfang bis tief in Gebäude hinein. Ihr Vorteil zudem: Preisgünstige Geräte und ein geringer Stromverbrauch. Das macht sie flexibel einsetzbar von der Landwirtschaft und Logistik bis hin zur Automobilindustrie und öffentlichen Verwaltung.

Das neue System basiert auf hochmoderner Technologie einschließlich so genannter Single RAN-Basisstationen, einem virtualisierten C-SGN (Kernnetz) und einer Cloud-basierten IoT-Plattform. Parallel dazu wurde auch die erste Anwendung – ein voll funktionsfähiges, kommerzielles Parkplatz- Bewirtschaftungssystem basierend auf Schmalband-IoT – in Bonn eingeführt. Sensoren in den Parkplätzen selbst kommunizieren mit Autofahrern über eine App, die sie zu freien Parkplätzen führt.

„Die gemeinsame Innovation von Deutsche Telekom und Huawei ist der erste Schritt hin zu zukunftsweisenden Anwendungen für das Internet der Dinge“, sagt Bruno Jacobfeuerborn, Chief Technology Officer der Deutschen Telekom. „Mit der Umsetzung des ersten standardisierten Netzes für Schmalband-IoT in gleich zwei Märkten der Deutschen Telekom haben wir einen wichtigen Meilenstein auf dem Weg zur vollständigen kommerziellen Einführung von Schmalband-IoT Lösungen in ganz Europa erreicht.“ „Deutsche Telekom und Huawei lassen Sensoren mitfunken“ weiterlesen

Die Datenexplosion in den Griff bekommen

Wie entstehen aus der Sensordatenflut optimierte Produktionsprozesse?

Ein Gastbeitrag von Christoph Sporleder, Executive Advisor, SAS

Derzeit wird alles mit allem vernetzt: Produktionsstraßen mit der Office-IT, Autos mit Verkehrssystemen, Logistikprozesse mit Kundendatenbanken. Damit die Prozesse im Internet der Dinge besser gesteuert werden können, erheben zahlreiche Sensoren permanent Messdaten. Dies erhöht das bisher schon als „Big Data“ bekannte Datenvolumen um ein Vielfaches.

Um diese intelligenten Prozesse zu bewältigen, sind umfassende und hochleistungsfähige Analysesysteme notwendig. Machine Learning und Deep Learning sind hier die Stichworte. Maschinelles Lernen beschreibt ein künstliches System, das aus Beispielen lernt und das Vorgehen verallgemeinern kann. Es handelt sich also nicht einfach um auswendig gelerntes Wissen, sondern das System erkennt Muster und Gesetzmäßigkeiten, mit deren Hilfe es auch unbekannte Aufgaben richtig lösen kann. Das bekannteste Beispiel für ein solches System ist wohl der Computer Deep Blue, der 1996 als erste Maschine den damaligen Schachweltmeister schlagen konnte.

Einen Schritt weiter geht Deep Learning. Bei diesem Verfahren werden künstliche neuronale Netze zu Ebenen angeordnet, die immer komplexere Merkmale verwenden. Mit dieser Methode lassen sich zum Beispiel Gesichter erkennen oder große Datenbestände in Kategorien einteilen. Gerade dieser Ansatz profitiert von Big Data, denn je mehr Daten zur Verfügung stehen, desto besser sind die Ergebnisse.

Die Industrialisierung der Prozesse

Machine Learning und Deep Learning sind wichtige Voraussetzungen für die Industrialisierung der IoT-Prozesse. So gibt es im Internet der Dinge viele spezifische Anwendungsfälle (Use Cases) mit eigenen Regeln. Diese wiederum erfordern eine große Anzahl analytischer Modelle, um die entstehenden Daten sinnvoll zu nutzen. Insbesondere bei der Maschine-zu-Maschine (M2M)-Kommunikation liefern Sensoren Messdaten teilweise im Mikrosekundentakt. Damit ergibt sich ein anderes Verständnis für den Begriff „Echtzeit“. Um die immer größeren Datenmengen in immer kürzeren Zeitabständen auszuwerten, sind neue Analysemodelle und -methoden nötig. Das Internet of Things zündet nur richtig mit Analytics of Things.




Im IoT Analytics Lab können Unternehmen mögliche Use Cases schnell konzipieren und validieren, um die Blaupause für eine funktionierende Lösung zu erhalten. Die Analysesysteme graben sich dabei durch die Datenflut um Muster zu erkennen und im Labor die richtigen Anwendungsfälle zu entwickeln. Eine hohe Automatisation stellt die nötige Geschwindigkeit für diese Big Data-Analysen sicher. Die Fachexperten müssen die Ergebnisse abschließend prüfen und freigeben. Die so definierte Erfolgsformel lässt sich dann im Unternehmen mit Hilfe einer analytischen Factory industrialisieren. Anschließend und abschließend sind die entwickelten Prozesse in die klassische IoT-Prozesskette zu installieren und zu integrieren.

Wer nicht über die dazu nötigen technischen Fertigkeiten und Fähigkeiten verfügt oder bei der Umsetzung eine zu hohe Kapazität benötigt, kann auf externe Partner zurückgreifen. Auch bei den Themen Wertschöpfung, operative Verbesserung und Entwicklung neuer Geschäftsmodelle sollten Unternehmen externe Hilfe nutzen. Denn schließlich handelt es sich hier um Projekte, die nicht jeden Tag umgesetzt werden. Daher sollte möglichst viel Erfahrung einfließen, um die Erfolgschancen zu optimieren.

PWC: Unternehmen investieren in Big Data und Datensicherheit

Bei ihren Technologieinvestitionen fokussieren sich Unternehmen aktuell auf Big Data und Datensicherheit. 69 Prozent der Unternehmen gaben in einer Umfrage an, in Cybersicherheit zu investieren. 61 Prozent wenden Gelder für Private-Cloud-Lösungen auf. 54 Prozent der Firmen legen ihren Investitionsschwerpunkt auf die Datengewinnung und –analyse. Zu diesen Ergebnissen kommt ein Auszug aus dem „Digital IQ Survey 2015“, für den die Wirtschaftsprüfungs- und Beratungsgesellschaft PwC über 500 Geschäftsführer und IT-Leiter in 14 Ländern weltweit befragt hat, davon knapp 40 in Deutschland. Diese Schwerpunktsetzung wird sich im laufenden Jahr verfestigen: Gut die Hälfte der befragten Unternehmen will die Ausgaben für Cybersicherheit im Jahr 2015 weiter erhöhen. 47 Prozent planen eine Steigerung der Aufwendungen für Private-Cloud-Lösungen und 37 Prozent gaben an, ihre Ausgaben für die Datengewinnung und -analyse in den kommenden zwölf Monaten anheben zu wollen.
„PWC: Unternehmen investieren in Big Data und Datensicherheit“ weiterlesen

Smartphone-Sensoren für eine Logistik-Revolution

Laut einer Studie der Deutschen Post DHL können Technologien, die ursprünglich in der Unterhaltungselektronik eingesetzt werden, zukünftig vermehrt Anwendung in der Güterindustrie finden. Das sei eine grundlegend neue Situation. Denn in der Vergangenheit seien neue Technologien zuerst in der Wirtschaft und dann im Privatleben genutzt worden, so das Trendforschungsteam von DHL Customer Solutions & Innovation. Der Trendbericht „Low-Cost Sensor Technology“ zeigt, wie etwa Microsofts Videospielkamera Kinect, die Smartwatch oder die NFC-Technologie (Nahfeldkommunikation) in der Logistik eingesetzt werden können.

„Die Erfolge von Smartphone und Tablet sorgen dafür, dass Arbeitnehmer privat oft auf bessere Technik zurückgreifen können als im beruflichen Umfeld. Sie erwarten allerdings am Arbeitsplatz denselben Standard. Wir glauben daher, dass Unternehmen nachbessern werden müssen und in der Logistik zukünftig insbesondere Sensoren aus Smartphones eingesetzt werden“, wird Markus Kückelhaus, der Leiter Trend Research, in der entsprechenden Mitteilung zitiert.

Leipzig_Innenansicht_mit_Amazon_Logo_2
Guter Kunde von DHL: der Onlinehändler Amazon, hier das Versandzentrum in Leipzig. Foto: Amazon.de

Tablets und Smartphones enthalten eine hohe Anzahl Sensoren, die unsere Umwelt erfassen. Beschleunigung, Lage oder Licht zu messen, ist mit diesen Geräten schon seit einiger Zeit möglich. Deren Technik kann aber auch in der Logistik eingesetzt werden, zum Beispiel, um bei der Sendungsverfolgung von Paketen die Ankunft im Paketzentrum sowie den genauen den Standort zu erfassen und den Status auf einer Onlineplattform entsprechend zu aktualisieren.

Darüber hinaus hat DHL nach eigenen Angaben schon zwei weitere Anwendungsbereiche erfolgreich getestet. Unter dem Einsatz des Sensorsystems, das auch bei Microsofts Kinect eingesetzt wird, wurden zwei Konzepte zur Volumenmessung bei Paletten entwickelt. Die Messung per Tiefensensorik hat sich dabei im Test als 50 Prozent schneller erwiesen als die bisher eingesetzte Technologie. Denkbar sind hiermit außerdem Füllstandsmessungen bei Containern und Lkws sowie die Überwachung und Dokumentation von Gefahrenübergängen und Frachtschäden.

Weitere Einsatzmöglichkeiten von Technologien aus der Unterhaltungselektronik sowie technische Details werden im englischsprachigen Trendreport „Low-Cost Sensor Technology“ vorgestellt, der kostenlos unter www.dhl.com/lowcostsensor abrufbar ist. Die Studie entstand auf Basis des übergeordneten Logistics Trend Radar (www.dhl.com/trendradar). DHL nutzt den Trend Radar, um Zukunftsthemen mit Bedeutung für die Logistik zu identifizieren.

Hier @carstenknop auf Twitter folgen.

Bitte beachten Sie auch unser Newsletterangebot in der Seitenleiste.