Die Analyse von IoT-Daten verändert sich

Im IoT steigen die Anzahl der vernetzten Geräte und die Datenmenge weiter an. Echtzeit-Analysen und Datenaggregation führen zu besseren Erkenntnissen.

Treffen zwei Wellenzüge aufeinander, entsteht während der Begegnung eine Welleninterferenz in Form einer Verschiebung oder Überlagerung (Superposition). Die Wellen löschen sich manchmal gegenseitig aus, können sich aber auch enorm verstärken. Die neuen Entwicklungen bei der Analyse von IoT-Daten (Internet of Things) spiegeln in vielerlei Hinsicht die Überlagerung der Wellen IoT und Big Data wider.

Das Internet der Dinge entwickelt sich ständig weiter. Einige Definitionen umfassen zwar auch IoT-Daten und -Analyse, im Grunde aber ist das Internet der Dinge ein Netzwerk aus physischen Objekten oder Dingen, die Informationen über ihre Umgebung digitalisieren und diese Daten über die bestehende Internetstruktur austauschen. Auch für Big Data gibt es verschiedene Definitionen. Mit am häufigsten genannt wird die Definition von McKinsey. Die Unternehmensberatung sieht Big Data als „Datensätze, deren Größe die Funktionen und Fähigkeit typischer Datenbank-Software-Tools zum Erfassen, Speichern, Verwalten Analysieren von Daten übersteigt.“

Diese beiden Wellen, IoT und Big Data, haben sich bereits getroffen und erzeugen einen erheblichen Multiplikatoreffekt. Die Anzahl der vernetzten Geräte steigt weiter und damit auch die Menge der erzeugten Daten. Auch der Wert der Daten entwickelt sich positiv, da Echtzeit-Datenquellen und Datenaggregation bessere Erkenntnisse ermöglichen.

Die Kombination von IoT und Big Data erfordert neue Technologien für die Umsetzung. Der Bedarf nach Geschwindigkeit (Fast Data) stellt neue Anforderungen an die Aufnahme von Daten und die In-Stream-Verarbeitung. Durch Big Data entstehen neue Anforderungen an die Datenspeicherung und das Management von Schemata und Abfragen. Werfen wir einen genaueren Blick auf diese Entwicklungen.

Echtzeit-Anforderung: Fast Data verändert die Situation erheblich

Big Data bildet natürlich einen wichtigen Faktor bei der Analyse von IoT-Daten. Aber die grundlegendere und bedeutendere Änderung beim Management und der Analyse von Daten entsteht durch die Geschwindigkeit, mit der Daten jetzt verarbeitet und analysiert werden – die Prozesse laufen nahezu in Echtzeit ab.

Während die traditionelle Batch-Verarbeitung mit historischen Analysen für neue Erkenntnisse oft Tage oder Wochen dauerte, geht es jetzt bei Fast Data um die Echtzeitaufnahme und In-Stream-Verarbeitung von Daten innerhalb von Sekunden und Millisekunden. Beispiele für Datenbankanbieter, die diese Anforderungen erfüllen, sind Exasol, SAP HANA, SQream und VoltDB.

Abbildung 1: Das Zusammentreffen der beiden Wellen IoT und Big Data sorgt für einen positiven Multiplikatoreffekt; der Wert der Daten steigt.

Fast Data hat mit dem traditionellen ETL-Ansatz (Extract, Transform, Load) nicht mehr allzu viel zu tun. ETL ist ein Prozess, bei dem Daten aus mehreren, zum Teil unterschiedlich strukturierten Datenquellen in einer Zieldatenbank vereinigt werden. Die Analyse der Daten hat sich jetzt von einer BI-Aktivität (Business Intelligence) im Backend zu einer wichtigen Frontend-Anwendung sowie in Richtung Predictive Analytics entwickelt.

Predictive Analytics blickt in die Zukunft und liefert auf Basis von Data Mining, maschinellem Lernen und anderen statistischen Methoden Vorhersagen über die Wahrscheinlichkeit von zukünftigen Ereignissen. Noch weiter geht Prescriptive Analytics etwa bei der Medikation von Patienten. Hier wird folgende Frage beantwortet: Wie müssen wir handeln, damit ein zukünftiges Ereignis (nicht) eintritt? Prescriptive Analytics liefert zusätzlich Handlungsempfehlungen, wie man einen bestimmten Trend in eine gewünschte Richtung beeinflussen, ein vorhergesagtes Ereignis verhindern oder auf ein zukünftiges Ereignis reagieren kann.

Big Data: Herausforderung auf der anderen Seite der Medaille

Big Data ist kein neues Phänomen. Große Datenmengen stellen eine wachsende Herausforderung für viele Unternehmen dar; neue Technologien wie Hadoop eröffnen aber völlig neue Möglichkeiten. Mit Hadoop oder spezieller HDFS und MapReduce können Unternehmen ihre Anforderungen an Datenspeicher flexibler und kosteneffizienter skalieren als beim traditionellen „Mehr Daten, mehr Server“-Ansatz. Das Hadoop Distributed File System (HDFS) speichert Daten in Blöcken und verteilt sie redundant auf mehrere Rechnerknoten. Durch die parallele Verarbeitung eignet sich HDFS hervorragend für das schnelle Lesen großer Datenmengen. MapReduce ist eine Programmierumgebung zur Parallelisierung von Abfragen. Sie besteht aus den beiden Funktionen Map und Reduce: Map verteilt Aufgaben an diverse Knoten im Cluster. Reduce sortiert die Aufgaben und fasst sie in einer gemeinsamen Ergebnisliste zusammen. Beispiele für Datenbanken auf Basis von Hadoop sind Cloudera, Hortonworks und MapR.

Big Data ist nicht nur eine Frage des Datenvolumens, sondern auch eine Frage der Datenvielfalt. Hier haben laut Machina Research die NoSQL Datenbanken oder neue Hybrid-Datenbanken die Grenzen verschoben, indem sie Schemata im laufenden Betrieb oder während des Lesevorgangs erzeugen und auf das schwerfälligere und begrenzte Modell der relationalen Datenbank (RDBMS) verzichten. Da die Anzahl der vernetzten Geräte weiter wächst, wird auch die Zahl und Vielfalt der Datenquellen größer. Die Herausforderung für Unternehmen besteht darin, aus der Analyse von strukturierten und unstrukturierten Daten tiefere Erkenntnisse zu gewinnen.

Mehrwert bei der Analyse von IoT-Daten

Alle Komponenten tragen zum Wert einer IoT-Anwendung bei: Geräte, Connectivity, die Anwendungen, Daten und die Analyse der Daten. Interessant wäre zu prüfen, ob die Kombination von IoT und Big Data einen Multiplikatoreffekt ergibt, der schlußendlich größer ist als die Summe der beiden Teile (siehe das Wellenbeispiel am Anfang des Artikels).

Die Echtzeitauswertung einzelner Datenpunkte und die Aggregation einzelner Datenpunkte, sei es in Echtzeit oder in historischer Analyse, liefern zusätzliche und wertvolle Erkenntnisse, die bislang nicht möglich waren. IoT-Anwendungen bieten daher großes Potenzial für Unternehmen.

Folgen Sie SearchNetworking.de auch auf Twitter, Google+, Xing und Facebook!

Artikel wurde zuletzt im Juni 2016 aktualisiert

Erfahren Sie mehr über IP-Netzwerke

Diskussion starten

Schicken Sie mir eine Nachricht bei Kommentaren anderer Mitglieder.

Mit dem Absenden dieser Daten erklären Sie sich bereit, E-Mails von TechTarget und seinen Partnern zu erhalten. Wenn Ihr Wohnsitz außerhalb der Vereinigten Staaten ist, geben Sie uns hiermit Ihre Erlaubnis, Ihre persönlichen Daten zu übertragen und in den Vereinigten Staaten zu verarbeiten. Datenschutz

Bitte erstellen Sie einen Usernamen, um einen Kommentar abzugeben.

- GOOGLE-ANZEIGEN

SearchSecurity.de

SearchStorage.de

SearchDataCenter.de

SearchEnterpriseSoftware.de

Close