Do you want to see our content in English?

x
x

10 Jahre IoT-Trends: Was hat sich wirklich verändert?

““

Sie sehen gerade einen Platzhalterinhalt von Spotify Player. Um auf den eigentlichen Inhalt zuzugreifen, klicken Sie auf den Button unten. Bitte beachten Sie, dass dabei Daten an Drittanbieter weitergegeben werden.

Weitere Informationen
IoT Use Case Podcast auf Spotify anhören
IoT Use Case Podcast auf Spotify anhören
IoT Use Case Podcast auf anderen Plattformen anhören

IoT Use Case Podcast #154 - Portainer + IoT Analytics

In dieser Podcast-Spezialfolge diskutieren Ing. Madeleine Mickeleit, Knud Lasse Lueth, CEO von IoT Analytics und Tobias Mühlnikel, CTO and CPO Edge Business Unit von Portainer, die neuesten Entwicklungen und Herausforderungen im IoT-Markt. Die Reise beginnt mit einem Rückblick auf den IoT-Hype und die Plattform-Ära und führt bis zur aktuellen Konsolidierungsphase.

Folge 154 auf einen Blick (und Klick):

Podcast Zusammenfassung

Ein zentrales Thema ist die IT-OT-Konvergenz, die Unternehmen vor große Herausforderungen stellt: Wie lassen sich IT- und OT-Welten erfolgreich verbinden? Die Diskussion beleuchtet Ansätze wie spezialisierte Teams oder interdisziplinäre Zusammenarbeit, um Brücken zwischen diesen beiden Bereichen zu bauen.

Weitere wichtige Themen der Folge sind:

  • Die Rolle von KI im IoT: KI hat sich von einer Randerscheinung zu einem Schlüsselfaktor entwickelt, insbesondere in Bereichen wie Predictive Maintenance, Quality Monitoring und Industrial Co-Pilots.
  • Edge Computing: Die Verlagerung von Rechenkapazitäten näher an die Datenquelle reduziert Latenzen und ermöglicht Echtzeitanalysen – ein entscheidender Schritt für viele Industrieanwendungen.
  • Industrial Data Ops: Moderne IoT-Plattformen entwickeln sich weiter, indem sie Daten nicht nur sammeln, sondern auch nahtlos kontextualisieren und analysieren.
  • Herausforderung Change Management: Viele Unternehmen haben Schwierigkeiten, IoT-Use Cases über Standorte hinweg zu skalieren, da das Wissen oft isoliert bleibt.
  • Priorisierung von Use Cases: Wie können Unternehmen den richtigen Fokus setzen? Welche Rolle spielen Managed Services, um den Einstieg und die Skalierung zu erleichtern?

 

Ein Blick in die Zukunft: Generative KI und benutzerfreundlichere Interfaces werden voraussichtlich die Interaktion mit IoT-Daten grundlegend verändern. Gleichzeitig bleibt die Standardisierung von Hardware ein essenzieller Treiber für die Weiterentwicklung des Marktes.

Podcast Interview

Heute gibt es eine Spezialfolge! Ich bin live im Podcaststudio in Hamburg und diskutiere mit Knud Lasse Lueth, CEO von IoT Analytics – Experten für Marktforschung und Faktenlage.
Außerdem dabei: Tobias Mühlnikel, CTO und CPO bei Portainer.io. Zuvor war er bei Volkswagen und bringt eine praxisnahe, technische Perspektive ein.
Wir sprechen über IoT-Trends: Was hat sich in den letzten zehn Jahren wirklich verändert? Welche Use Cases gibt es? Warum ist nicht die Technologie das Problem – und was genau ist eigentlich ein Use Case?
Eine spannende, teils kontroverse Diskussion. Viel Spaß! Let’s go!

Hallo Knud, hallo Tobias, schön, dass ihr heute da seid. Knud, wie fühlst du dich hier im Podcast-Studio? Wie geht es dir damit?

Knud

Hallo zusammen und willkommen in Hamburg – grau und verregnet wie immer.

Wir sind ja quasi in deiner Hood, Knud.

Knud

Absolut! Ich freue mich auf das Gespräch. Los geht’s.

Genau! Für alle, die Knud heute zum ersten Mal hören, stellen wir ihn gleich noch kurz vor. Deine Firma, IoT Analytics, sitzt ja hier in Hamburg, richtig?

Knud

Ja, genau.

Wir nehmen gerade an der Reeperbahn auf – die kennt sicherlich der ein oder andere.
Hi auch an dich, Tobias. Wie geht’s dir?

Tobias

Hallo, Madeleine. Mir geht es auch sehr gut. Die kurzen Wege von Hannover nach Hamburg sind ideal.

Fantastisch. Ihr beide kanntet euch ja schon vorher, oder? Wollt ihr euch trotzdem kurz vorstellen? Knud, fang doch mal an. Wer bist du?

Knud

Hi, ich bin Knud. Ich habe vor zehn Jahren die Firma IoT Analytics gegründet. Ich bin Wirtschaftsingenieur und ursprünglich komme ich aus der Beratung und habe dann mein eigenes Unternehmen aufgebaut. Seit zehn Jahren mache ich nichts anderes als Marktforschung – anfangs alleine, mittlerweile mit einem Team. Wie der Name schon sagt, fokussieren wir uns von Anfang an auf IoT. In den letzten drei bis vier Jahren haben wir uns jedoch auch auf angrenzende Themenbereiche erweitert, natürlich auf Kundenwunsch.
Ein bisschen zu mir: Ich komme ursprünglich aus Hamburg – das ist meine Heimat, und man hört es vermutlich auch.

Definitiv! Warum hast du IoT Analytics gegründet? Wir kennen uns schon länger, aber das habe ich dich noch nie gefragt.

Knud

Ganz persönlich: Ich wollte etwas machen, das mir Spaß macht. Ich bin ein analytischer Mensch, gehe gerne in die Tiefe und wollte nicht alle drei Monate an einem anderen Beratungsprojekt arbeiten. Ich wollte mich auf ein Thema fokussieren. Als ich dann gestartet habe, hat es mir viel Spaß gemacht, und ich habe gutes Feedback bekommen. So kam eins zum anderen, und plötzlich ist man zehn Jahre dabei.

Stark! Ihr seid ja auch ordentlich gewachsen. Ich freue mich sehr, dass du heute dabei bist – dich bekommt man ja nicht so leicht in einen Podcast.

Knud

Ja, das kann man so oder so interpretieren.

Okay, dann machen wir mal die Überleitung: Tobias, erzähl doch mal ein bisschen über dich. Wer bist du und was ist dein Background?

Tobias

Ich bin Tobias Mühlnikel, komme auch aus Norddeutschland – aber diesmal aus Hannover.

Grüße an die Heimat!

Tobias

Ich leite bei Portainer, einem neuseeländischen Unternehmen, die Edge-Geschäftseinheit. Unser Fokus dort liegt vor allem auf IoT und Industrial IoT, insbesondere auf Applikationsmanagement, also wie Anwendungen verteilt und aktualisiert werden können. Ich habe auch Erfahrung in der Industrie, unter anderem bei Volkswagen und dort Smart-Manufacturing Projekte geleitet.

Was hast du dort genau gemacht?

Tobias

Ich war am Standort Wolfsburg tätig, habe dort Digitalisierungsprojekte mitgeleitet, darunter der ganze Kosmos rund um Digitale Produktionsplattformen – ein Joint Venture mit AWS und Siemens –, und verschiedene Projekte sowie Use Cases realisiert.

Ja, cool! Vielleicht kommen wir später noch einmal darauf zurück, denn der Praxisblick ist gerade in dieser Folge besonders relevant.
Knud, du hast bereits erwähnt, dass du seit zehn Jahren dabei bist. Lass uns doch mal über den Markt sprechen. IoT hat sich in dieser Zeit sicherlich verändert. Wenn wir an den Zeitraum von 2015 bis 2025 denken – was hat sich deiner Meinung nach entwickelt oder verändert? Wie siehst du das seit der Gründung von IoT Analytics?

Knud

Damals, 2013, gab es eine McKinsey-Studie zu den Next Big Things, und IoT war bis 2025 als eines der großen Zukunftsthemen aufgeführt. Anfangs befanden wir uns in einer Hype-Phase. In den ersten Jahren haben alle versucht zu verstehen, wie diese neue, vernetzte Welt funktioniert. Heute erscheint das selbstverständlich – ob das Mikrofon in diesem Studio oder viele andere Dinge – doch damals war das nicht der Fall. Damals haben wir uns gedacht: Krass, die Welt vernetzt sich!
In den frühen Jahren versuchten Unternehmen vor allem, Architekturen zu entwickeln – vieles wurde selbst gebaut, da es kaum fertige Tools gab.
Ab 2015 begann dann die IoT-Plattform-Phase. Plötzlich wollten alle das Android des IoT werden – die zentrale Plattform, auf der alle Geräte zusammenkommen. Unternehmen aus allen Branchen stürzten sich darauf und behaupteten, DIE Plattform anbieten zu können. Wir haben das als Marktforschungsunternehmen beobachtet und die zahlreichen Akteure gezählt.

Ja, ich erinnere mich gut an diese Zeit – bei Siemens mit MindSphere war es genauso. Die Vielzahl an Plattformen war unglaublich.

Knud

Genau! Damals war völlig unklar, wer das Rennen machen würde. Heute sieht man, dass sich der Markt aufgeteilt hat, aber am Ende haben die großen Hyperscaler den größten Anteil übernommen – das war damals keineswegs absehbar.
Diese Plattformphase dauerte etwa von 2015 bis 2018. Dann stellte man fest, dass es vielleicht gar nicht in erster Linie um Plattformen geht, sondern vielmehr um konkrete Use Cases und Endanwendungen.
Und genau da kamt ihr mit IoT Use Case ins Spiel – das passte perfekt zur Marktentwicklung.
Mit der Corona-Pandemie begann dann eine Konsolidierungsphase. Die Erwartungen waren riesig – 50 Milliarden vernetzte Geräte wurden prognostiziert, aber dieses Wachstum blieb aus. Der Markt entwickelte sich zwar kontinuierlich, aber nicht so explosionsartig, wie viele erwartet hatten.
In den letzten drei Jahren hat sich der Markt an vielen Stellen konsolidiert, obwohl links und rechts durchaus neue und erfolgreiche Entwicklungen entstanden sind.
In den letzten zwei Jahren hat sich das Thema KI deutlich verändert. Es war zwar schon zuvor präsent, aber durch verschiedene Surveys sehen wir, welche Prioritäten Unternehmen aktuell setzen. In den Jahren 2020 und 2021, als ein entsprechender Survey durchgeführt wurde, rangierte KI noch ganz unten. Heute hingegen steht es fast ganz oben oder sogar an erster Stelle. Wir befinden uns derzeit in einer Phase, in der KI immer stärker in den Fokus rückt. Es geht darum, wie IoT als Datenquelle KI unterstützen kann und wie IoT-nahe Use Cases von KI profitieren können. Der Fokus liegt zunehmend auf dem Zusammenspiel beider Technologien.

Tobias

Das bedeutet, dass sich der Markt langsam von IoT Analytics hin zu AI Analytics bewegt.

Knud

Ja, das wurde mir auch schon mehrfach suggeriert.

Das Thema beschäftigt uns ebenfalls stark, insbesondere die Frage nach der Schnittmenge: Wann beginnt man, mit IoT-Live-Daten zu arbeiten und AI, also Algorithmen, darauf laufen zu lassen? Und wann setzt man auf vorhandene Datenbanken?
Die Abstraktion dieser Fragestellungen ist nicht einfach – vor allem in Bezug auf die Relevanz für Formate wie diesen Podcast. KI läuft nicht immer in Echtzeit auf IoT-Daten, viele Daten liegen bereits in Datenpools vor.
Trotzdem zeigt eure aktuelle Studie, dass der IoT-Markt für Unternehmen 2023 ein Volumen von 270 Milliarden US-Dollar erreicht hat – auch wenn sich das Wachstum verlangsamt.

Knud

Ja, das Wachstum hat sich mit zunehmendem Technologiemarkt verlangsamt. 2024 war allerdings ein besonders schwaches Jahr, insbesondere weil der Manufacturing-Bereich, in dem IoT stark vertreten ist, in Europa rückläufig war. Das hatte direkte Auswirkungen auf die IoT-Budgets.
Wenn man den Markt technologisch unterteilt, sieht man, dass der Hardware-Bereich geschrumpft ist – es wurden deutlich weniger Geräte verkauft. Im Software-Segment hingegen gab es weiterhin Wachstum, wie die Zahlen vieler IT-Unternehmen, darunter sicher auch Portainer, zeigen.

Absolut! Es ist spannend zu sehen, wo genau der Umsatz generiert wird. IoT ist schließlich ein Milliardenmarkt – aber ist er hardwaregetrieben oder doch eher softwaregetrieben?

Knud

Das ist nicht so einfach zu beantworten, denn IoT ist nicht klar definiert und lässt sich daher schwer abgrenzen. Wir betrachten IoT vom gesamten Technologie-Stack aus: von den Sensoren bis zur Applikationsebene – wobei wir Legacy-Anwendungen ausschließen.
Dabei bleibt Hardware der Kern, also Sensoren, Gateways und verschiedene Computing-Geräte. Dennoch wachsen Cloud, KI und Cybersecurity im Software-Bereich seit Jahren deutlich stärker.
Ein entscheidender Punkt ist auch der Bereich Services. IoT lässt sich eben nicht immer per Plug-and-Play von heute auf morgen implementieren.

Ja, aber zum Glück ist nicht alles standardisiert – vieles muss in Projekten individuell entwickelt werden.

Tobias

Trotz der dominierenden Hyperscaler, die große Marktanteile haben, bleibt der Markt stark fragmentiert. Ein interessanter Report von euch aus dem letzten Jahr zeigt, dass es 2024 immer noch rund 3.300 aktive IoT-Startups gibt. Das verdeutlicht, dass weiterhin ein signifikanter Markt existiert und sich die Konsolidierung erst allmählich vollzieht.

Knud

Es gibt zahlreiche lukrative Nischen, da IoT nahezu jede Industrie berührt und unzählige Use Cases bietet. Viele Unternehmen bevorzugen es, mit kleineren Teams von 10 bis 30 Personen zusammenzuarbeiten, statt mit großen Konzernen. Dadurch bleibt der Markt stark fragmentiert.

Tobias

Wie siehst du den Unterschied zwischen IoT und Industrial IoT in der Marktbeobachtung? Diese Bereiche wachsen ja unterschiedlich.

Knud

Ich unterteile den Markt grundsätzlich in drei Segmente: Consumer IoT, Industrial IoT – das umfasst vor allem Manufacturing und teilweise den Energiesektor, je nachdem, wie man Öl und Bergbau bewertet – sowie Non-Industrial Enterprise, wie etwa Healthcare.
Den Consumer-Bereich betrachten wir mittlerweile kaum noch. Anfangs haben wir uns damit beschäftigt, jedoch festgestellt, dass dieser Bereich einfach eine andere Dynamik hat und wir nicht so nah dran sind wie an den Consumer-Sachen in China und den USA. Unser Fokus liegt stark auf dem Manufacturing-Sektor, der den größten Anteil in diesem Bereich ausmacht. Dennoch gibt es viele spannende Anwendungsfälle – sei es im Gebäudemanagement, im Energiesektor oder in anderen Bereichen.

Das finde ich spannend, denn du hast gerade zwischen Consumer IoT, Industrial IoT und Healthcare unterschieden. Betrachtet ihr Healthcare als eigenständige Kategorie?

Knud

Ja, für uns gehört Healthcare in den Bereich Non-Industrial Enterprise.

Das ist interessant, denn viele unserer Anwender haben klassische Produktions-Use Cases, verknüpfen diese aber zunehmend mit Gebäudedaten und anderen Gewerken. So verschwimmen die Grenzen – plötzlich geht es nicht mehr nur um die Produktion, sondern um übergreifende Anwendungen.
Kritische Infrastrukturen wie Wasser- oder Gasversorgung haben oft sehr unterschiedliche Anforderungen. Da fällt es schwer, Themen klar voneinander abzugrenzen, da Use Cases zunehmend bereichsübergreifend sind.
Oder verstehst du Manufacturing in dem Fall als Branche?

Knud

Sowohl als Branche als auch. Natürlich gibt es übergreifende Themen, aber Gebäude folgen einer anderen Logik als Maschinen. In der Gebäudeautomation sind dann beispielsweise Protokolle wie BACnet relevant.
Die Hauptanbieter in diesem Bereich sind Johnson Controls und Honeywell. Auf dem Factory Floor hingegen sprechen wir über Steuerungen von Siemens, Beckhoff und anderen Anbietern sowie über Maschinen aus dem deutschen Mittelstand oder auch von anderswo– die sprechen völlig andere Sprachen. Natürlich gibt es Verknüpfungen, aber ich würde behaupten, dass diese an vielen Stellen nur marginal sind.

Tobias

Auch die Ansprechpartner sind völlig unterschiedlich. Klassische Gebäudetechnik fällt unter den Bereich Smart Building Use Case, meistens betreut von Gebäudetechnikern oder entsprechenden Organisationen. Im Gegensatz dazu steht Smart Manufacturing, wo Fachkräfte mit einem völlig anderen Bildungshintergrund arbeiten.

Vielleicht sollte ich das nochmal klarstellen: Wenn ich von einem Use Case spreche, meine ich zum Beispiel einen Anwendungsfall im Gebäudebereich, wie automatische Türen in Empfangsbereichen. Dort wird erfasst, wann Türen geöffnet oder geschlossen werden, um beispielsweise den Wärmeaustausch zu analysieren. Ein ähnlicher Use Case findet sich in der Produktion, etwa bei Industrie-Rolltoren, die aus unterschiedlichen Gründen öffnen und schließen. Der Anwendungsfall ist derselbe, nur die Umgebung unterscheidet sich.

Knud

Ja, das verstehe ich. Es gibt zwar Überschneidungen, aber ich würde sie als relativ selten einstufen. Das Fabrikgebäude in erster Linie nur als Gebäude betrachtet – ähnlich wie jedes andere Gebäude auch. Die größte Überlappung sehe ich vor allem im Energieumfeld. Dabei geht es darum, den gesamten Energieverbrauch eines Gebäudes zu analysieren, die größten Abnehmer zu identifizieren und Einsparpotenziale zu erkennen. Ein zentraler Aspekt ist die ganzheitliche Messung dieser Faktoren. Hier gibt es eine enge Verbindung zwischen den Assets innerhalb einer Fabrik und dem eigentlichen Gebäudemanagement.

Genau! Ich denke oft darüber nach, wie sich ein bestehender Use Case auf andere Bereiche übertragen lässt. In unserer Community kommt häufig die Frage auf, ob es jemanden gibt, der ein ähnliches Problem bereits gelöst hat – sei es in einer anderen Funktion oder Branche. Damit beschäftige ich mich viel, deswegen auch die Frage.

Tobias

In der Marktforschung ist es eine unserer Hauptaufgaben, Dinge in verständliche Kategorien einzuordnen. Use Cases lassen sich auf viele Arten strukturieren. Einige definieren sie anhand der verwendeten IoT-Devices, zum Beispiel Smart Metering oder Connected Cars. Andere wiederum ordnen sie nach funktionalen Aspekten wie Monitoring, Remote Control oder Optimization.
Eine weitere Möglichkeit ist die Betrachtung nach Anwendungsbereichen, beispielsweise Qualitätssicherung oder Instandhaltung. Oft gibt es auch Überschneidungen – ein klassisches Beispiel ist Predictive Maintenance, das eine Kombination vieler dieser Elemente ist.
Letztlich hat jedes Unternehmen seine eigenen Anforderungen und Sichtweisen, was die Kategorisierung von Use Cases oft komplex macht.

Ja, ein wichtiger Punkt. Wenn ich beispielsweise mit Partnern wie Portainer oder anderen zusammenarbeite, sehen viele technische Themen ebenfalls als Use Case – nicht nur die klassischen geschäftlichen Anwendungsfälle. Die Frage ist also: Was genau ist eigentlich ein Use Case?
Oft werden technische Themen wie Gerätemanagement oder Event-driven Architectures, etwa von Confluent, als Use Cases betrachtet. Dabei handelt es sich zwar um technische Lösungen, sie sind jedoch eng mit geschäftlichen Anforderungen verknüpft, da Unternehmen sich mit diesen Themen auseinandersetzen müssen.

Tobias

Ich würde in diesem Zusammenhang eher von Herausforderungen sprechen. Wir sind in verschiedenen Branchen tätig – ob Automotive, Smart Manufacturing, Energiemarkt oder Verteidigung – und die Herausforderungen in Bezug auf Datenextraktion, Weiterverarbeitung oder Datenweiterleitung sind oft sehr ähnlich. Und da stimme ich dir zu: Wer Erfahrung in unterschiedlichen Branchen hat, kann davon profitieren und bewährte Ansätze adaptieren – natürlich immer unter Berücksichtigung branchenspezifischer Details. Denn was im Einzelhandel funktioniert, lässt sich nicht eins zu eins auf eine Produktionsanlage übertragen.

Genau! Ein Use Case umfasst beispielsweise Condition Monitoring von Vibrationsdaten oder Asset Tracking von Paletten. Dahinter steht immer eine Herausforderung, die es zu lösen gilt – letztlich ein Business Case.
Für mich sind jedoch auch technische Themen wie Gerätemanagement, beispielsweise mit Docker, ein Use Case.

Knud

Da haben wir unterschiedliche Auffassungen. Für mich gehören Gerätemanagement und Event-driven Architectures zum Tech Stack – sie unterstützen die Umsetzung eines Use Cases, sind aber selbst kein Use Case.

Ja, es ist spannend, darüber zu diskutieren. Interessant ist, dass Unternehmen wie Confluent solche technischen Lösungen explizit als Use Cases bezeichnen und auf ihren Websites zahlreiche technische Anwendungsfälle auflisten.

Knud

Ich sehe den Unterschied darin, dass ein echter Use Case immer mit einem Business Case verbunden ist – sprich, man kann ihn durchrechnen und einen konkreten Nutzen ableiten.
Ein zentrales Problem von IoT ist, dass viele notwendige Investitionen in die zugrunde liegende Infrastruktur fließen, ohne dass Unternehmen diese direkt mit einem konkreten Anwendungsfall verknüpfen können. Das führt dazu, dass sich solche Investitionen oft nicht rechnen. Wenn ich eine Event-driven Architecture implementiere, habe ich damit allein noch kein Geld verdient. Entscheidend ist, an welcher Stelle sie einen konkreten Mehrwert liefert. Erst wenn sie mit einem Anwendungsfall verknüpft wird, entsteht ein echter Use Case.

Tobias

US-amerikanische Hyperscaler vermarkten genau das: Sie verkaufen Unternehmen die Implementierung vermeintlicher Use Cases, indem sie zunächst Datenautobahnen in die Cloud schaffen – oft ohne klaren Use Case. Das Credo lautet dann: Wir sammeln erst einmal Daten, der Use Case kommt später. In der Zwischenzeit generieren sie jedoch bereits Einnahmen.
Eine der Schwächen in der IoT-Projektimplementierung war es in der Vergangenheit, zu viele Projekte ohne einen klaren Business Case zu starten. Daten wurden gesammelt, ohne ein konkretes Ziel vor Augen zu haben.

Absolut! Für mich hat dieser technische Use Case einen klaren Business Case. Nehmen wir als Beispiel Kafka oder Confluent – einfach, weil mir das gerade präsent ist. Hier lässt sich eindeutig berechnen, dass der Einsatz solcher Technologien zu einer verkürzten Time-to-Market führt. Zudem bieten skalierbare Technologien Möglichkeiten zur Reduzierung von Integrationsaufwänden und ähnlichen Herausforderungen. Das gilt auch im Bereich Gerätemanagement, wo hinter technischen Lösungen oft ein handfester Business Case steht. In diesem Sinne betrachte ich solche technischen Implementierungen ebenfalls als Use Cases.

Knud

Das mag für Maschinenbauer zutreffen, aber bei Unternehmen wie Volkswagen, die solche Technologien in der Produktion einsetzen, bin ich mir da nicht so sicher.

Tobias

In der Praxis sehen wir häufig das klassische Never-touch-a-running-system-Denken, insbesondere im Smart Manufacturing-Bereich. Auf Feldebene fehlen oft noch Update-Mechanismen.
Wenn Sicherheitslücken bekannt werden und dringend Updates erforderlich sind, bedeutet das ohne eine entsprechende Technologie häufig, dass Mitarbeiter mit USB-Sticks durch die Werke gehen müssen, um Geräte manuell zu aktualisieren. Das ist zeitaufwendig, fehleranfällig und verursacht hohe Personalkosten.

Knud

Tobias, wie ist das bei euren Kunden? Sind deren Budgets an konkrete Business Cases gekoppelt oder sind es eher allgemeine Investitionsentscheidungen, um die Edge-Infrastruktur zu modernisieren?
Ich höre immer wieder, dass es schwierig ist, Investitionen zu rechtfertigen, wenn es keine klaren Anwendungsfälle gibt. Ich hätte euch beispielsweise in einem Bereich verortet, in dem ihr nicht direkt Lösungen für Predictive Maintenance oder Vision-based Quality bietet. Ihr ermöglicht diese Anwendungen vielleicht, führt sie aber nicht selbst aus. Wie sehen eure Kunden das?

Tobias

Der Vorteil ist definitiv vorhanden. Wie du richtig beobachtet hast, ist es jedoch oft schwierig, diesen Mehrwert an Finanzcontroller oder Entscheidungsträger zu vermitteln. Wir sehen das auch häufig bei unseren strategischen Partnern, die ebenfalls damit kämpfen, zusätzliche Themen wie Hardware oder Gerätemanagement zu verkaufen. Diese Aspekte werden meist eher on the fly mit integriert.
Der eigentliche Treiber für eine Edge-Implementierung ist immer ein konkretes Projekt oder eine spezifische Lösung – sei es Predictive Maintenance oder Qualitätskontrolle. In diesem Rahmen werden dann unterschiedliche Produkte und Infrastrukturen mitimplementiert. Es läuft selten so, dass ein eigenständiger Business Case für Gerätemanagement erstellt wird – vielmehr ist es ein Bestandteil einer umfassenden Lösung.

Ein weiteres spannendes Thema ist Managed Services. Einige unserer Partner arbeiten mit Technologien wie HiveMQ, die diesen Bereich abdecken. Unternehmen wie Endress+Hauser, IFM oder Turck betreiben IoT-Plattformen für ihre Kunden und verwalten Tausende von Geräten im Feld.
Diese Hersteller stehen vor der Entscheidung: Betreiben wir das Gerätemanagement selbst oder setzen wir auf Managed Services durch einen Partner? Entscheiden wir uns beispielsweise für eine Zusammenarbeit mit Portainer, um unser Gerätemanagement skalierbarer zu gestalten?
Aus meiner Sicht ist der Business Case dafür relativ gut berechenbar – etwa indem man die Zeitersparnis durch den Wegfall manueller Prozesse, wie das Verteilen von Updates via USB-Stick, kalkuliert. Die Herausforderung liegt jedoch in der Berechnung der zugrunde liegenden, skalierbaren IT-Architektur – das macht die Sache komplex. Aber für mich ist das schon ein Business Case.

Knud

Wie gesagt, für Gerätehersteller und Maschinenbauer sehe ich das eher als für Firmen, die das in ihrer Produktion einsetzen. Volkswagen war ein Beispiel, aber das gilt für viele produzierende Unternehmen. Wenn die Technologie ausschließlich zur Kostensenkung genutzt wird und keinen direkten Umsatz generiert, wird das schwierig.

Aber Schaeffler beispielweise haben ihre Messaging Infrastructure auch auf NATS aufgebaut und die müssen sich ja auch die selbe Frage stellen.

Knud

In einem Webinar vor zwei oder drei Jahren habe ich gehört, dass sie strategisch ein Infrastrukturbudget bereitgestellt haben. Dieses Budget wird nicht über einzelne Business Cases gerechtfertigt, sondern als strategische Maßnahme zur Modernisierung betrachtet. Unternehmen können sich darauf bewerben, um ihre Projekte umzusetzen.
Ich vermute, dass viele Unternehmen an bestimmten Stellen investieren, einfach weil sie es als notwendig erachten.

Tobias

Es gibt viele Trends, aber ob sie wirklich neu sind, ist fraglich – schließlich ändert sich nicht plötzlich alles zum 1. Januar 2025.
Ein zentraler Trend ist die IT-OT-Konvergenz. IT und OT rücken immer näher zusammen – sowohl technologisch als auch in Bezug auf Workflows. Im produzierenden Gewerbe zeigt sich dieser Trend besonders deutlich. Während es heute noch klassische IT- und OT-Abteilungen gibt, entstehen zunehmend hybride Einheiten wie die Produktions-IT, die sowohl IT- als auch Produktions-Know-how vereinen.

Das bedeutet, klassische Strukturen lösen sich zunehmend auf, und Teams mit gemischten Kompetenzen arbeiten enger zusammen.

Tobias

Genau! Das ist vielleicht eine etwas andere Antwort als die, die oft erwartet wird – dass der Fokus ausschließlich auf KI liegt.

Knud

IT-OT-Konvergenz ist ein Thema, das wir intensiv untersucht haben. Wir haben 27 Aspekte in diesem Bereich analysiert, darunter auch die Veränderung von Teams.
Dabei haben sich zwei Hauptansätze herauskristallisiert: Einige Unternehmen entscheiden sich dafür, eigenständige Einheiten zu gründen, in denen IT- und OT-Experten gemeinsam arbeiten und berichten. Obwohl dieser Ansatz noch nicht weit verbreitet ist, wird er von vielen als zukunftsweisend betrachtet. Ein Beispiel dafür ist Toyota, die mit ihrer Production Engineering-Einheit sowohl in Japan als auch in Europa vertreten sind. In manchen Fällen werden diese Teams zusätzlich um Business-Value-Spezialisten oder Data Scientists erweitert. Andere Unternehmen wiederum halten an ihren getrennten IT- und OT-Abteilungen fest, setzen jedoch regelmäßig interdisziplinäre Teams für spezifische Projekte ein. Dieses flexible Modell ist bereits in vielen Unternehmen etabliert. Zurück zu den IoT-Trends: Neben der IT-OT-Konvergenz bleibt KI ein großes Thema, insbesondere generative KI. Im IoT- und Fertigungsbereich sind Predictive Maintenance und Machine Vision für Qualitätskontrollen weiterhin zwei der wichtigsten Anwendungsfelder.
Predictive Maintenance war anfangs oft gar keine echte KI, doch mittlerweile gibt es einige spannende Implementierungen, bei denen KI tatsächlich im Einsatz ist.
Jetzt rücken neue Themen wie Industrial Co-Pilots und generative AI stärker in den Fokus. Allerdings gibt es hier noch viel Show – ob Siemens generative KI für die Code-Generierung nutzt oder andere Anbieter für Guided Maintenance. Spannend wird es, wenn man KI beispielsweise zur Analyse von Produktionsdaten in natürlicher Sprache nutzt: Zeig mir die Produktionsdaten vom letzten Mal, als Mitarbeiter XY gearbeitet hat, bei Wetterbedingungen XY.
Ein weiteres Thema ist Sustainability, wobei der Trend rückläufig ist. Sustainability teilt sich für mich in zwei große Bereiche: Erstens der CO₂-Fußabdruck und alles, was damit zusammenhängt, und dann noch Energieeinsparungen, die zwar damit verwandt sind, aber einen anderen Fokus haben.
In Europa bleibt Nachhaltigkeit ein wichtiges Thema, oft getrieben von idealistischen Zielen. In den USA hingegen hat das Interesse stark nachgelassen – vor allem seit 2021/22. Unsere Analysen zeigen leider, dass das Thema an Bedeutung verliert. Dennoch gibt es einige erfolgreiche Implementierungen im Bereich Nachhaltigkeit.

Tobias

Ich würde gern einhaken beim Thema KI. Ein Argument für KI als nachhaltigen Trend ist, dass sie branchenübergreifend eingesetzt wird – nicht nur in Smart Manufacturing oder Logistik, sondern auch im Einzelhandel.
Ein gutes Beispiel sind Self-Checkout-Kassen, bei denen KI durch Kameras erkennt, ob Kunden das richtige Produkt mit dem entsprechenden Gewicht scannen oder versuchen zu betrügen – etwa durch das Verdecken von Sensoren mit der Hand.
Eine weitere Anwendung gibt es im MedTech-Bereich. Ein besonders berührender Use Case ist die Sepsis-Früherkennung bei Frühchen. Jede Sekunde zählt hier, um rechtzeitig Antibiotika zu verabreichen. KI analysiert bestimmte Messgrößen in Echtzeit und alarmiert die Ärzte bei Anomalien. KI-Modelle, die direkt im Krankenhaus betrieben werden, detektieren Anomalien anhand bestimmter Messgrößen, um ein schnelles Eingreifen und die sofortige Information der Ärzte zu ermöglichen. Dies zeigt eindrucksvoll, dass die Implementierung branchenübergreifend stark voranschreitet.

Knud

Kommen wir noch einmal zur IT-OT-Konvergenz. Was bedeutet das eigentlich? Im Kern geht es darum, IT und OT zusammenzuführen. Oft übernimmt OT Technologien und Methoden aus der IT, während der umgekehrte Fall seltener vorkommt.
Die Frage ist: Ist KI eine IT-Technologie? Wenn man sie so definiert, dann ja – in diesem Fall gibt es eine klare Konvergenz. Ich sehe KI und IT-OT-Konvergenz jedoch als zwei separate Themen, auch wenn KI mittlerweile in viele Bereiche integriert wird.
In den kommenden Jahren wird KI ohnehin allgegenwärtig sein. Irgendwann werden wir nicht mehr von KI-Use-Cases sprechen müssen, da nahezu jede Lösung einen KI-Anteil haben wird. Natürlich wird KI auch in der IT-OT-Konvergenz in verschiedenster Form Anwendung finden.
Du hast gerade Edge erwähnt – sollte das nicht als eigener Trend betrachtet werden? Wir haben heute viel mehr Rechenleistung direkt vor Ort, mit einem ganz neuen Software-Stack im Vergleich zu früher. Mit dem Einsatz von GPUs und spezialisierten KI-Prozessoren wird die Edge immer leistungsfähiger.
Es gibt spannende Perspektiven, beispielsweise die Möglichkeit, lokale LLMs (Large Language Models) direkt an der Edge auszuführen, statt auf Cloud-Dienste angewiesen zu sein. Vieles davon ist allerdings noch Zukunftsmusik.

Tobias

Genau. Viele Kunden überlegen sich ihre Strategie genau und folgen nicht einfach dem Trend, den Hardware-Hersteller gerne sehen würden – also große Computereinheiten in jeden Schaltschrank zu integrieren, nur um möglichst viele Ressourcen zu haben. Stattdessen wird gezielt darauf geachtet, unter anderem aus Kostengründen, Edge Computing zu nutzen.
Das sehe ich auch weiterhin als Trend – allerdings gezielter und auf mehrere Use Cases ausgerichtet.

Absolut, das macht Sinn. Angesichts der steigenden Anzahl vernetzter Geräte – Knud, ihr hattet dazu eine aktuelle Studie veröffentlicht, die zeigt, dass die Zahl der IoT-Geräte um über 13 % auf 18,8 Milliarden gestiegen ist. Die Entwicklung geht weiter, weshalb es wichtig ist, skalierbare Lösungen für die Zukunft zu entwickeln.

Knud

Ja, wir leben in einer zunehmend vernetzten Welt, und diese Zahl wird weiter steigen. Es hängt jedoch stark davon ab, wie man es definiert. Nach unserer Definition sind es derzeit rund 19 Milliarden Geräte.
Ein weiteres spannendes IT-OT-Trendthema ist Industrial Data Ops, das sich zunehmend etabliert. Man könnte es als Teil der IT-OT-Konvergenz betrachten oder sogar als die neue IoT-Plattform.
Industrial Data Ops bietet eine native Datenplattform für die Edge, die verschiedene Systeme miteinander verbindet, Daten kontextualisiert und Konnektoren für die Cloud und andere Data Lakes bereitstellt. Auch Technologien wie MQTT spielen hier eine wichtige Rolle.
Mittlerweile gibt es einige vielversprechende Startups in diesem Bereich, und auch große Unternehmen interessieren sich zunehmend für diese Technologie. Ich sehe Industrial Data Ops als die nächste Evolutionsstufe der IoT-Plattform – nur nennt man sie heute nicht mehr so, da der Begriff veraltet erscheint.

Das ist ein interessantes Thema! Vielleicht sollten wir das in einer eigenen Diskussion aufgreifen: Ist Industrial Data Ops die neue IoT-Plattform – und handelt es sich um einen echten Trend?
Ein weiteres Thema, das ich zum Abschluss gerne ansprechen würde, ist Change Management, da es für viele Unternehmen eine große Herausforderung darstellt.
Viele Betriebe stehen vor der Frage, wie sie ihre Organisation für IoT befähigen können. Es entstehen neue Abteilungen und Rollen, wie etwa Digital Agents, oder einfach Zuständigkeiten, die Use Cases intern identifizieren und vorantreiben sollen.
Ich stelle daher die These auf, dass eine der größten Herausforderungen darin besteht, überhaupt den passenden Use Case für das Unternehmen zu identifizieren und das interne Wissen dafür zu bündeln.
Wie seht ihr das? Ist Change Management die größte Herausforderung bei der Identifikation von Use Cases – und warum?

Tobias

Ein wichtiger Aspekt ist sicherlich, dass man einen Use Case bereits gesehen oder zumindest ein grundlegendes Verständnis dafür entwickelt haben sollte, um ihn erfolgreich umzusetzen.
Oft erleben wir, dass viele Mitarbeiter – insbesondere in Europa – lange in einem Unternehmen oder einer Branche tätig sind. Während sich Rollenbezeichnungen und Zuständigkeiten ändern, bleibt das Wissen häufig auf dem Stand von vor 15 oder 20 Jahren, als sie ihr Studium abgeschlossen haben.
Natürlich ist lifelong learning ein wichtiger Aspekt, wird aber, das glaube ich zumindest, in vielen Unternehmen noch nicht ausreichend praktiziert. Insbesondere in großen Unternehmen kommt frisches Wissen häufig von externen Unternehmensberatern, die Einblicke aus anderen Branchen liefern und interne Weiterbildungen unterstützen.
Doch über den eigenen Tellerrand hinauszublicken und sich Inspiration aus anderen Industrien zu holen, ist essenziell. Plattformen wie IoT Use Case bieten genau diese Möglichkeit, um unabhängig von externen Beratern neue Use Cases kennenzulernen. Das ist nicht nur auf Ingenieursebene wichtig, sondern auch für das Management.

Knud, wie siehst du das?

Knud

Wir betreiben verschiedene Arten der Marktforschung – ein großer Teil davon sind Surveys, in denen wir Unternehmen fragen: Wenn ihr das Projekt noch einmal starten könntet, was würdet ihr anders machen?
Die häufigste Antwort lautet: Stakeholder früher einbeziehen, Change Management von Anfang an ernst nehmen und die User früher abholen. Das zieht sich durch nahezu alle Befragungen. Man weiß es eigentlich im Voraus, doch trotzdem wird es immer wieder unterschätzt.
Du hast angesprochen, dass die größte Herausforderung darin besteht, Use Cases zu identifizieren.
Meiner Erfahrung nach fehlt es den Unternehmen nicht an Ideen oder der Vorstellung, was sie tun könnten. Das Problem liegt eher in der Priorisierung. Die eigentliche Frage ist: Welchen Use Case setzen wir um? Denn jeder kennt seine 20 Probleme und hat zahlreiche Ideen zur Lösung. Ich glaube nicht, dass es am Mangel an Ideen scheitert, sondern daran, herauszufinden, welcher Use Case den größten Mehrwert bringt und wie man diese Entscheidung trifft.
Ein gutes Beispiel sind Unternehmen, in denen strategische Entscheidungen nicht einfach vom CEO getroffen werden, der sagt: Wir investieren jetzt 100 Millionen in Generative AI – macht mal was.
Vielmehr geht es um Firmen, die über Jahre hinweg eine Kultur der lokalen Innovation etabliert haben.
Ein großes deutsches Chemieunternehmen hat zum Beispiel eine Struktur geschaffen, in der Mitarbeiter vor Ort eigene Ideen einbringen und in kleinen Projekten testen können. Es gibt ein festes Budget für Pilotprojekte, die anschließend standortübergreifend ausgerollt werden können. In diesem Unternehmen wurde kürzlich ein KI-Assistent global ausgerollt – ursprünglich entwickelt in einer einzelnen Fabrik. Genau solche Strukturen sind ein wichtiger Teil der Lösung und auch ein Schlüssel zum Erfolg.

Tobias

Allerdings ist das ein Luxus, den vor allem große Unternehmen haben. In einem Großkonzern mit einer dedizierten IT-Abteilung sind solche Softwareprojekte leichter umsetzbar. Im Mittelstand hingegen ist das eine größere Herausforderung, da wenige IT-Verantwortliche oft zusätzlich den täglichen Betrieb sicherstellen müssen.
Ein weiteres wichtiges Thema ist die Komplexität von IoT-Projekten. Wir haben bereits darüber gesprochen, dass sie zunehmend anspruchsvoller werden. Es gibt definitiv Potenzial, diese Komplexität zu bewältigen – die entscheidende Frage ist jedoch, wie man das tatsächlich umsetzt.
Sicherlich haben interne Teams oft die richtigen Ideen, aber der interdisziplinäre Austausch spielt eine wesentliche Rolle. Hier besteht noch großes Potenzial.

Absolut! Mir kommen dabei verschiedene Aspekte in den Sinn. Ein zentraler Punkt ist die Identifikation von Use Cases.
Viele Hersteller stehen vor der Herausforderung, herauszufinden, wie ihre Maschinen und Geräte tatsächlich im Feld genutzt werden. Aus meinem Netzwerk bekomme ich häufig mit, dass Maschinenbauer oder Unternehmen, die ihre Geräte und Maschinen seit Jahren im Feld haben, oft gar nicht wissen, wie diese tatsächlich betrieben werden. Die entscheidende Frage ist dann: Welchen Mehrwert können wir bieten, und wofür ist der Kunde tatsächlich bereit zu zahlen? Es geht darum, einen Use Case zu finden, der für beide Seiten einen echten Mehrwert schafft. Diese Herausforderung sehe ich nicht nur bei kleineren Unternehmen, sondern auch bei großen Firmen.

Ich habe gerade einen konkreten Betrieb im Kopf, den ich jetzt nicht nennen möchte, da es kein öffentliches Thema ist. Dieses Unternehmen beschäftigt sich bereits seit 15 Jahren mit dem Thema, fragt sich aber dennoch, welche Use Cases in Zukunft wirklich Potenzial haben. Ein Beispiel sind Reinigungsmaschinen, die schon seit Jahren im Einsatz sind. Doch die eigentlichen Use Cases – also wie die Daten aus diesen Geräten sinnvoll genutzt werden können, beispielsweise zur Nachfüllung des Wischwassers oder zur vorausschauenden Wartung – sind oft noch nicht klar definiert.
Ich denke, die Hersteller stehen hier vor der großen Herausforderung, diese Use Cases präzise zu identifizieren, um die zentrale Frage zu beantworten: Wofür ist der Endkunde bereit, Geld zu zahlen, und wie lassen sich digitale Services sinnvoll ausbauen?

Tobias

Ja, aber gleichzeitig wollen Zulieferer oder Produkthersteller natürlich ihre eigenen Produkte platzieren. Aber der reine Produktkauf ist noch lange keine Lösung. Eine Lösung entsteht häufig erst durch die Kombination unterschiedlicher Ansätze – sei es One fits all oder Best of Breed, wobei Produkte verschiedener oder sogar desselben Herstellers integriert werden müssen. Diese Konzepte müssen gemeinsam mit dem Kunden evaluiert werden, um den tatsächlichen Bedarf zu ermitteln.

Genau! Daraus ergibt sich die Herausforderung, dieses Wissen nicht nur zu priorisieren, sondern auch für die Umsetzung zugänglich zu machen. Ein großes Problem besteht darin, dass Use Cases, die beispielsweise im Werk A in Herzogenaurach erfolgreich umgesetzt wurden, nicht automatisch im Werk in den USA oder China bekannt sind – selbst innerhalb desselben Unternehmens.
Das Wissen über bereits realisierte Lösungen ist oft nicht verfügbar. Die Herausforderung liegt daher weniger in der Identifikation von Use Cases, sondern vielmehr in der standardisierten Umsetzung, basierend auf bereits gesammelten Erfahrungen, Fallstricken und Best Practices.

Tobias

Ein weiteres Thema ist die Zentralisierung von Kompetenzen. Besonders in großen Unternehmen mit mehreren Standorten bietet sich die Schaffung eines Centers of Excellence an, das das gesammelte Know-how bündelt und für Rollouts nutzbar macht.

Knud

Das ergibt Sinn. Wir haben vor anderthalb Jahren eine Umfrage mit Maschinenbauern und verschiedenen Equipment-Herstellern durchgeführt. Dabei haben wir gefragt, welches der erfolgreichste Use Case bei ihren Kunden ist – also, was für ihre Kunden am besten funktioniert. Zur Auswahl standen etwa 20 Optionen, darunter die Messung der Energieeffizienz von Maschinen oder die Überwachung des Lagerbestands. Soweit ich mich erinnere, war das am häufigsten genannte Feedback, dass der größte Nutzen darin liegt, Kunden dabei zu unterstützen, ihre Maschinen möglichst effizient zu nutzen. Was genau Effizienz bedeutet, muss jedoch jede Branche für sich definieren. Unsere Studie zeigte, dass dieser Aspekt den meisten Kunden den größten Mehrwert bietet – basierend auf den begrenzten Daten, die den Teilnehmenden damals zur Verfügung standen.

Ja, genau. Im Podcast habe ich auch immer diese beiden Welten. Ich hatte kürzlich eine Folge mit CLAAS, dem bekannten Unternehmen aus der Landwirtschaft. Sie betreiben CLAAS connect, eine Plattform, auf der zahlreiche Use Cases laufen. Einige sind bereits bekannt, andere vielleicht noch nicht. Hier geht es darum, wie die Daten künftig noch wertvoller genutzt werden können. Das ist die eine Seite. Die andere ist die praktische Umsetzung der Use Cases im Betrieb.
Habt ihr abschließend vielleicht noch Best Practices oder Erfahrungswerte zur erfolgreichen Umsetzung? Tobias, ich schaue mal in deine Richtung – was sind aus deiner Sicht die wichtigsten Punkte, die es braucht, um einen Use Case erfolgreich umzusetzen?

Tobias

Aus meiner Sicht braucht es zunächst ein konkretes Konzept. Ich stimme Knud zu – ein Business Case ist wichtig, um ein Projekt sinnvoll zu starten.
Einfach draufloszulegen und auszuprobieren, kann man zwar in einem Laborumfeld machen, aber in der Praxis sollte alles mit einem durchdachten Business Case beginnen. Dieser wird dann auf einzelne Use Cases heruntergebrochen.
Es ist wichtig, strategisch zu überlegen – nicht nur, ob etwas einmal funktioniert, sondern welche langfristigen Auswirkungen eine Entscheidung hat. Wenn ich bestimmte Produkte auswähle, sollte ich mir bewusst machen, was das in fünf oder zehn Jahren bedeutet. Mache ich mich dadurch abhängig? Solche Aspekte müssen berücksichtigt werden. Es geht nicht nur darum, das günstigste Produkt eines Herstellers zu wählen, der möglicherweise in zehn Jahren nicht mehr existiert. Auch die Abhängigkeit von einem amerikanischen Cloud-Anbieter durch die Wahl einer bestimmten Software kann problematisch sein und zu einem Vendor-Lock-in führen. All diese Faktoren sollten in die Entscheidungsfindung einfließen und es gibt immer mehr Alternativen, die es wert sind, in Betracht gezogen zu werden.

Vielleicht noch eine letzte Frage an dieser Stelle – schöne Grüße an Boris von KUNBUS, mit dem ich heute über diese Folge gesprochen habe. Er hat einen interessanten Punkt eingebracht: Wenn wir zehn Jahre in die Zukunft blicken, was wird sich für Anwender von IoT-Lösungen ändern? Wie wird sich ihr Job verändern? Was glaubt ihr?

Knud

Ich denke, dass generative KI eine große Rolle im Bereich User Interfaces spielen wird. Wir werden viel häufiger mit Sprache interagieren und weniger Zeit damit verbringen, uns Dashboards manuell zusammenzuklicken. Stattdessen könnten wir einfach per Spracheingabe arbeiten und vielleicht sogar automatisch Vorschläge erhalten, was als nächster Schritt sinnvoll wäre. Ich glaube, dass sich das User Interface in der IoT-Welt – und allgemein in der Technologie und IT – stark verändern wird. Zudem wird der Begriff IoT in Zukunft weniger im Fokus stehen, da vernetzte Lösungen als selbstverständlich angesehen werden. Ich hoffe, dass der Zugang zu Daten durch die aktuellen Anstrengungen vieler Unternehmen einfacher wird. Heute werden Daten zunehmend zentral in einem Data Lake abgelegt – etwas, das vor einigen Jahren noch von vielen als keine zukunftsfähige Strategie angesehen wurde. Inzwischen sind sich jedoch die meisten einig, dass Cloud-basierte Data Lakes die Zukunft sind.
Ein entscheidender Aspekt wird ein durchdachtes Access Management sein, das sicherstellt, dass jeder genau auf die Daten zugreifen kann, die er benötigt – und das schnell und unkompliziert.
Natürlich träumen wir schon lange davon, sofortigen Zugriff auf alle relevanten Echtzeitdaten zu haben. SAP hat mit ERP-Lösungen erste Ansätze geliefert, aber ich hoffe, dass der Datenzugang in Zukunft nahtloser und intuitiver wird. User Interfaces werden sich weiterentwickeln, manuelle Arbeiten werden reduziert und viele Aufgaben werden von KI-gestützten Systemen automatisiert – Stichwort Agentic AI. Die Zusammenarbeit mit KI-gestützten Assistenten könnte dazu führen, dass weniger Personal benötigt wird, während gleichzeitig die Effizienz steigt.

Ich teile die Einschätzung, dass wir bis 2035 hoffentlich eine deutlich bessere Datenverfügbarkeit erreichen werden. Eine zentrale Datenbasis würde es ermöglichen, Use Cases schneller und einfacher umzusetzen. Allerdings erfordert dies auch noch eine Menge Vorbereitungsarbeit in der Industrie.

Knud

Allerdings hattest du nach einem realistischen Bild gefragt und nicht nach einem Wunschbild. Wenn ich zehn Jahre zurückblicke, sehe ich, dass viele Herausforderungen von damals heute noch immer nicht vollständig gelöst sind. Solange Menschen in den Prozess involviert sind, wird es weiterhin typische Herausforderungen in der Informations- und Kommunikationskette geben. Diese werden uns auch in Zukunft begleiten.

Tobias

Ich glaube, dass es in zehn Jahren weiterhin viel Potenzial zur Optimierung geben wird – vor allem im Bereich Prozessmanagement, wo nach wie vor große Effizienzsteigerungen möglich sind.
Ein Punkt, den ich ebenfalls unterstütze, ist die zunehmende Nutzung von Daten – nicht nur zur Analyse im Data Lake, sondern auch zur schrittweisen Automatisierung von Entscheidungen. Diese Automatisierung wird über das aktuelle Maß hinausgehen, wobei es idealerweise weiterhin entscheidende Stellen gibt, an denen der Mensch eingreifen und mitentscheiden kann. Viele sehen KI möglicherweise als ein kurzfristiges Trendthema, das in den nächsten zehn Jahren wieder abflachen könnte – ähnlich wie es der Gartner-Hype-Zyklus suggeriert. Ich glaube jedoch nicht, dass dies der Fall sein wird. Oft wird KI nur im Kontext von ChatGPT seit 2022 betrachtet, dabei existiert das Konzept bereits seit den 1950er Jahren. KI hat in den 1970er und 1980er Jahren bereits Täler der Enttäuschung durchlaufen. In den kommenden Jahren sehe ich jedoch die Entwicklung in Richtung eines Plateaus der Produktivität, das dann auch erreicht werden wird.

Knud

Ein Punkt, den Boris von KUNBUS sicherlich gut findet und den ich ebenfalls für wahrscheinlich halte, ist die zunehmende Standardisierung von Hardware. Wir werden künftig verstärkt mit standardisierten Lösungen arbeiten – sei es mit industriellen Varianten des Raspberry Pi oder anderen Plattformen. Ich glaube, dass sich die Hardwareplattformen, die heute in der Produktion oft noch sehr spezialisiert sind, zunehmend als austauschbare Standardlösungen etabliert werden. Ein Stichwort in diesem Zusammenhang ist die virtuelle SPS (PLC) – ein Thema, das aktuell noch an der Spitze der Entwicklung steht und das wir uns kürzlich ebenfalls angesehen haben.
Ich denke, dass dies in Zukunft eine wichtige Rolle spielen könnte, da es dazu beitragen würde, die Abhängigkeit von Embedded-Hardware-Experten für spezifische Systeme und Betriebssysteme zu reduzieren. Stattdessen könnten wir verstärkt auf standardisierte Hardware setzen.

Tobias

Hardware wird austauschbarer – sehr zur Freude der Kunden. Doch wenn wir uns Software-PLCs anschauen, ein ebenfalls sehr spannendes Thema, gibt es weiterhin Herausforderungen, insbesondere im Bereich Safety, die noch bewältigt werden müssen.

Knud

Soweit ich es verstanden habe, wurden einige dieser Herausforderungen kürzlich gelöst, sowohl von Siemens als auch von CODESYS.

Tobias

Das muss man sich im Detail ansehen, aber auf jeden Fall gibt es in diesem Bereich viel Potenzial.

Das ist doch ein gutes Zukunftsbild für die nächsten zehn Jahre und ein schönes Schlusswort für heute. Ich danke euch beiden, dass ihr heute dabei wart. Ich fand das Gespräch unglaublich spannend und könnte noch eine weitere Stunde mit euch diskutieren. Vielleicht machen wir in Zukunft noch ein Special dazu. Ich werde alle relevanten Quellen, Berichte, Daten und alles, was wir besprochen haben, in den Show Notes verlinken – ebenso eure Kontaktdaten.
Falls ihr als Zuhörer noch Gedanken zur heutigen Folge habt, schreibt sie gerne in die Kommentare oder nehmt Kontakt zu Knud und Tobias auf. Wir freuen uns über euer Feedback.
Von meiner Seite aus vielen Dank – und damit überlasse ich euch das Schlusswort. Wer von euch möchte noch etwas sagen?

Knud

Ich kann nur sagen, wer bis hierhin zugehört hat und das Thema spannend findet: Wenn ihr mal in Hamburg seid, kommt gerne bei IoT Analytics vorbei. Ansonsten bin ich regelmäßig auf Messen wie der Hannover Messe oder der SPS unterwegs – einfach mal anpingen, Hallo sagen und sich vernetzen.
Ich freue mich immer auf den Austausch, davon lebt mein Geschäft und ich gebe mein Wissen gerne zurück, wo ich kann. Daher auch an dieser Stelle der Aufruf: Schreibt mich einfach auf LinkedIn an.

Tobias

Ja, das Gleiche gilt für uns. Wir sind ebenfalls auf den einschlägigen Events und Veranstaltungen vertreten. Ein großes Dankeschön an dieser Stelle an Madeleine für die Organisation – es ist selten, dass man direkt auf der Reeperbahn einen Podcast aufnimmt, daher vielen Dank dafür! Mir hat die Konstellation sehr gefallen, ebenso wie die Unabhängigkeit, mit der wir den Markt betrachten konnten.

Knud

Ich würde sagen, wir sehen uns auf dem IoT Use Case Event oder der nächsten Messe.

Ja, ich wollte es gerade noch sagen – an dieser Stelle hätte ich nochmal kurz innegehalten. Also, kommt gerne vorbei! Das nächste IoT Use Case Event steht auf allen relevanten Messekalendern. Wir sind dabei, und ich denke, ihr beide auch. Dann sehen wir uns dort!
Vielen Dank und euch noch eine schöne Restwoche!

 

Für Rückfragen stehe ich Ihnen gern zur Verfügung.

Questions? Contact Madeleine Mickeleit

Ing. Madeleine Mickeleit

Host & Geschäftsführerin
IoT Use Case Podcast