IoT-Projekte helfen Unternehmen aus der Krise und sorgen für Rentabilität
- Für den deutschen Mittelstand zählen IoT (Internet of Things)-Geschäftsmodelle zu den wesentlichen Erfolgsfaktoren.
- Vernetzte Produkte und software-basierte Lösungen werden zum Wachstumstreiber in vielen Branchen. Die Entwicklung und der Betrieb von IoT-Lösungen wird somit vielerorts zum Treiber der Digitalisierung.
- Ohne ein qualitativ hochwertiges Ökosystem, bestehend u. a. aus strategischen Technologie-Partnern, branchenübergreifende Partnerschaften, Unis und Startups wird es nahezu unmöglich sein, IoT-Projekte erfolgreich umzusetzen.
Vom Data Value zum Data Business
Unternehmen befinden sich nach der Dekade des Datensammelns (“Big Data”) inmitten der Umsetzung digitaler und datenbasierter Geschäftsmodelle. Vielen Unternehmen ist es in den letzten Jahren gelungen, IoT-Projekte anzustoßen und auch erste digitale Produkte auf den Markt zu bringen. Doch plötzlich wird bei zahlreichen Mittelständlern durch die Corona- und Automotive-Krise das Kerngeschäfts ernsthaft bedroht. Zahlreiche Unternehmen stoppen jetzt ihre “Digitalen Experimente” um die Profitabilität im angeschlagenen Kerngeschäft zu sichern. Wir empfehlen jedoch vom “Experiment” rasch auf nachhaltige digitale Geschäftsmodelle als zweites Standbein zu setzen und damit die Kernprodukte am Markt zu differenzieren. Auch sollten Unternehmen eine ordentliche Plattform-Strategie auf die Beine stellen, um Kosten vermeiden und digitale Projekte profitabel zu machen.
Denn Daten sind der Inbegriff des modernen Wachstums und das Erfolgsrezept im Zeitalter der Digitalisierung. Wer über (gute und umfangreiche) Daten verfügt, hat die Chance, seine Kundenzielgruppe besser zu verstehen, das Produktangebot anzupassen, Produktionsprozesse effizienter zu gestalten und vieles mehr. Insbesondere im Kontext des IoT entwickeln sich mit datengetriebenen Geschäftsmodellen ganz neue Potentiale. Vernetzte Produkte und software-basierte Lösungen werden vor allem in den herstellenden Branchen zum Wachstumstreiber. Die Entwicklung und der Betrieb von IoT-Lösungen, der Visualisierung und Aufbereitung von Daten werden somit zum Treiber der Digitalisierung.
Wie sehen die Trends rund um das Thema datenbasierte Geschäftsmodelle und IoT-Plattformen derzeit aus? Welche Rolle spielt ein digitales Ökosystem? Mitunter treiben diese Fragen IT- & Digitalentscheider umher, um letztendlich vom IoT-Projekt zum IoT-Geschäftsmodell und zu einer IoT-Plattform-Strategie zu gelangen.
Strategische Trends im IoT-Analytics Umfeld
Seitdem im Jahr 2010 um das Thema Big Data ein regelrechter Hype entfacht worden ist, hat sich viel getan. Eine Dekade später haben eine Vielzahl an Unternehmen unter dem Stichwort “Big Data” damit begonnen, ihre Datenbestände zu konsolidieren und für anspruchsvolle Analysemöglichkeiten aufzubereiten. Die Vernetzung von Produktionsanlagen und Produkten im Kontext von IoT führt derzeit zu einer enormen Datenvielfalt und schafft vollkommen neue Analyse- und Prognose-Potentiale. Das Aufgabenpensum, sowie das Spektrum von IoT-Anwendungsszenarien hat sich innerhalb der Unternehmen deutlich ausgedehnt.
Die Potenziale zur Optimierung von Geschäftsprozessen mittels Datenanwendungen sind demnach immer noch immens – dieses riesige und schnelle Marktumfeld lebt vor allem von seiner Vielzahl an technologischen Errungenschaften und Trends. So zum Beispiel das maschinelle Lernen und die “künstliche” Generierung von Wissen und Erfahrung.
Auch die Automatisierung ist in immer komplexer werdenden Prozessketten und IT-Architekturen ein guter Angriffspunkt für Machine Learning. Mensch und Maschine optimieren zusammen den Betrieb im Unternehmen. Mit leicht zu nutzenden, cloud-basierten Machine Learning – Angeboten der großen Cloud-Provider wird es zunehmend einfacher, auch ohne Expertise Daten zu Empfehlungen oder Vorhersagen zu verarbeiten, da die etablierten Cloud Plattformen auch hybride Machine Learning Konzepte anbieten, bei denen auch autonome Teile des Algorithmus auf Edge Devices liegen können.
Hinzu kommt, dass durch Edge Computing eine leistungsfähigere Datenübertragung und lokale Vorverarbeitung gewährleistet werden kann und zum Beispiel durch Cloud-Native und Analytics-Anwendungen vollkommen neuen Einsatzmöglichkeiten generiert werden können.
Zudem spielt das Thema Connectivity und Übertragungs-Technologie einen wesentlichen Treiber für IoT-Szenarien. So bietet die neue Generation 5G-Connectivity die leistungsfähigste Übertragungsrate von Daten.
Darüber hinaus sorgen IoT Services aus der Cloud dafür, dass Unternehmen deutlich schneller Prototypen und Minimum Viable Products (MVP) aufsetzen sowie auch komplexe und hybride IoT-Architekturen und -Lösungen umsetzen können.
Analytics & Machine Learning als Instrument in einer datengetriebenen Welt
Die Entwicklung von Analytics Services zeigt, welche Richtung -gerade im Industriesektor – eingeschlagen wird. Viele der heutigen Big Data- und Analytics-Projekte besitzen einen explorativen und innovativen Charakter und fokussieren sich dabei auf vorhersagende Analyse (z.B. Predictive Maintenance), die jedoch noch eine Vielzahl der Unternehmen mit ihrer heutigen Infrastruktur nicht ganzheitlich abdecken kann.
Synergieeffekte durch Ökosysteme
Ein weiteres elementares Thema ist neben dem IoT-Produkt und dem jeweiligen Technologieeinsatz das Ökosystem. Vor allem innovative Unternehmen, die im Kontext von IoT schon weit vorangeschritten sind, können sich nicht in einem Vakuum entfalten und weiterentwickeln. So sind Unternehmen vielmehr auf verschiedene Ressourcen und unterschiedliche Plattformen, Technologien, Prozesse und Standards angewiesen, damit sie kooperative Netzwerke schaffen und Geschäftsmodelle erstellen können.
Unternehmen, die sich an einem IoT-Ökosystem beteiligen und aktiv einbringen, werden so Teil eines Geflechts, in welchem es weit über den bloßen Austausch von Daten hinausgeht. Es entstehen vor allem Synergien, die nicht nur den Zugang zu Know-how und Ideen für neue Geschäftsmodelle ermöglichen können. Viel mehr bietet ein solches Ökosystem einen Zugang zu neuen Markterschließungen, aus denen mitunter neue digitale Produkte und Lösungen hervorgehen – das Motto lautet “co-create the IoT-value”!
Für Unternehmen, die schon heute bereits an dem Auf- bzw. Weiterbau der eigenen IoT-Plattform arbeiten, stellt sich langfristig die Frage nach dem Make or Buy. Bei dem Thema IoT sind zwar viele Technologien und Protokolle etabliert, sogar standardisiert, jedoch sind die jeweiligen Prozesse und Daten sehr individuell.
Darüber hinaus benötigt man nicht nur eine “Server”-Entscheidung. Denn die meisten IoT-Infrastrukturen haben Daten und Teile der Anwendungen in der Cloud und im Unternehmen und zusätzlich noch lokal “on the Edge” im IoT-Device, im Fahrzeug oder im Gebäude. Unternehmen in Deutschland und Österreich orchestrieren Betriebskonzepte mit IoT-Plattformdiensten aus der Cloud, kommerziell-lizenzierter Software, Open-Source Frameworks und komplett im Eigenbau. Daraus resultiert, dass IoT-Architekturen in jedem Unternehmen unterschiedlich und nie wirklich identisch sind.
Mehrwert durch Partnerings
Für viele Unternehmen ergeben sich daraus enorme Herausforderungen. Denn vor allem beim Konzipieren und umsetzen von IoT-Lösungs- und Plattform-Architektur können Unternehmen viel richtig aber auch viel falsch machen. Daher ist es folgerichtig, dass die Evaluierung und die Einbeziehung von Partnern und Dienstleistern zu den ersten und wichtigsten IoT-Initiativen zählt, um die eigene Strategie und Ideen zu reflektieren und letztendlich eine IoT-Plattform designen und umsetzen zu können.
Neben diesen neuen Möglichkeiten des Partnerings und technologischen Trends sehen sich viele IT- und Digital-Entscheider allerdings noch mit erheblichen Herausforderungen konfrontiert. So zum Beispiel mit den IoT-Operations und der Interoperabilität von IoT-Plattformen. Auch das Thema Privacy & Data Ownership gehört dazu – aber vor allem wie man eine ganzheitliche End-to-End IoT-Security garantiert.
Conclusio
Für Digital-Verantwortliche wird es immer wichtiger, die Potentiale von IoT-Geschäftsmodellen in den eigenen Unternehmen aufzuzeigen und konkret den Einsatz von Analytics & Machine Learning-Architekturen zu implementieren.
Für nahezu jedes Unternehmen ist es mittlerweile unabdingbar, die eigene IoT Plattform-Strategie der digitalen Wertschöpfung anzupassen. Unter Umständen braucht man auch zwei Strategien, eine für digitale Produkte und eine andere für digitale Optimierung in der Fertigung. Bei größeren Unternehmen können daraus auch unterschiedliche Plattform-Entscheidungen entstehen.
Empfehlungen für die eigene IoT-Plattform-Strategie:
- Nicht zu früh über Plattformen reden. In der frühen Phase digitaler Produkte ist die Kreativität und das Ausloten der technischen Möglichkeiten wichtig. Das kann in verschiedenen Teams passieren und sollte nicht durch Technologie-Vorgaben behindert werden.
- IoT- Innovation stimulieren. Die ersten IoT-Projekte sollten nicht in Konkurrenz zueinander stehen, sondern Ideen und Technologie-Erfahrungen austauschen. Der Chief Digital Officer (CDO) muss dafür das Netzwerk zwischen Abteilungen und Teams schaffen.
- IoT-Business-Modelle moderieren. Die größte Herausforderung ist es, Technologie und Business-Modelle zusammen zu bringen. In vielen Fällen ermöglicht Technologie erst ein bestimmtes Business-Modell. So erreicht man beispielsweise durch Cloud Native Technologien teilweise so niedrige Betriebskosten, dass virale Go-To-Market-Modelle möglich werden. Hier muss der CDO moderieren.
- IoT-Use-Cases strukturieren. Ein digitales Produkt besteht aus verschiedenen Komponenten – ein digitales Portfolio eines Unternehmens hingegen aus verschiedenen digitalen Produkten. Nach den ersten Experimenten muss hierfür ein Portfoliomanagement etabliert werden, das dann auch die Requirements an eine Plattform strukturiert.
- Plattform-Unabhängigkeit und Plattform-Synergien balancieren. Sobald man mit einem ganzen Digital-Portfolio oder einem komplexen digitalen Produkt produktiv gehen möchte, sollte man alle Anstrengungen auf einen Technology-Stack und ein Cloud-Backend konzentrieren. Unabhängig von der Auswahl eines Anbieters stellt sich die Frage, wie viel Vendor-Lock-In man sich leisten möchte. Hochwertige PaaS-Dienste in der Cloud und kommerziell lizenzierte Softwarekomponenten auf der Edge bringen anfangs Geschwindigkeit in die Projekte, können aber später viel Geld und eine lange Abhängigkeit zu einem Anbieter bedeuten.
- Operations-Aspekte dem Volumen anpassen. Im Gegensatz zur alten Enterprise-IT ist es in der Cloud möglich, viele verschiedene ähnliche Dienste zu nutzen. Auf der Edge macht Konsolidierung auf weniger Technologie-Stacks immer noch Sinn. Hat man bei der Auswahl der Cloud-Dienste vornehmlich Open-Source Frameworks gewählt, kann man am Anfang “fully-managed” PaaS-Dienste verwenden. Steigt das Volumen oder will man zu einer anderen Cloud-Infrastruktur wechseln, bietet es sich an, diese Dienste auf dem Container-Management Kubernetes selbst zu betreiben.
- Skills nutzen und aufbauen. Während IoT-Projekte in den meisten Unternehmen mit externer Hilfe starten, sollten zumindest die Teile, die das digitale Produkt differenzieren und eigenes Intellectual-Property implementieren, sehr bald durch eigene Entwickler abgedeckt sein. Auch wenn Skills im Haus meist für einen bestimmten Enterprise-Technologie-Anbieter vorhanden sind, sollten CDOs und CIOs die Bereitschaft zum Lernen cloud-nativer Technologien nicht unterschätzen und fördern.
Auch die Technologie-Auswahl hängt sehr von den Anforderungen der jeweiligen Branche und der Digital-Strategie des Unternehmens ab. Gerade bei der Evaluierung der Technologie sollte externe Hilfe dazugenommen werden. Bei der Wahl der Dienstleister ist immer eine Partnerschaft auf Augenhöhe hilfreich. Kleine Unternehmen fahren oft mit mittelständischen IoT- Dienstleistern besser als mit globalen Service Providern.