Im Gespräch mit der TREND-REPORT-Redaktion erläutert Vijay Raja, Solutions Marketing Lead IoT bei Cloudera, aktuelle Entwicklungen für den Umgang mit Big Data und was Unternehmen benötigen, um IoT-Anwendungsfälle schnell und sicher zu implementieren.
Herr Raja, IoT & IIoT kommen langsam in den Unternehmen an. Welche Konzepte bieten sich in diesem Kontext für die Datenverwaltung und späteren Auswertung der Daten an?
Für traditionelle Datenmanagement-Architekturen ist es schwer, das Volumen, die Vielfalt und die Geschwindigkeit der vom IoT innerhalb von Millisekunden erzeugten Datenmassen zu bewältigen. Aus diesem Grund benötigen Unternehmen eine neue Datenmanagement-Infrastruktur, mit deren Hilfe sie alle IoT- und Sensordaten in Echtzeit zu günstigen Kosten aufnehmen, speichern und nutzen können.
Machine Learning & AI werden in Zukunft eine wichtige Rolle spielen, wenn es darum geht, neue IoT-Anwendungsfälle zu ermöglichen. Beispiele dafür sind autonom fahrende Autos, vorausschauende Wartung oder intelligente Städte. All diese Anwendungen erzeugen Big Data und zwar in ununterbrochener Folge. Um bei diesen Datenmengen Muster zu erkennen, Anomalien zu entdecken oder Predictive Modeling durchführen zu können, benötigen Firmen fortgeschrittene Analyse-Software und -Tools. Und genau hier kommen Machine Learning und Analytics im großen Stil ins Spiel.
Auf welche Weise könnten Maschinendaten in ein Cloud-System sinnvoll einfließen?
Bisher landeten viele der durch IoT erzeugten Daten noch in veralteten oder in lokalen Rechenzentren, doch diese Vorgehensweise ist nicht effizient. Daher beginnen immer mehr Unternehmen damit, die von Maschinen erzeugten Daten in die Cloud zu migrieren, um so von deren Flexibilität zu profitieren. Indem die relevanten Maschinendaten in die Cloud gebracht werden, können Sensordaten problemlos mit anderen internen und externen Datenquellen kombiniert werden, um den entsprechenden Kontext hinzuzufügen.
Generell ist beim Arbeiten und vor allem dem Speichern mit bzw. von IoT-Daten aber Flexibilität gefragt. Unternehmen müssen die Wahl haben, die Daten dort zu nutzen, wo es am schnellsten, günstigsten und einfachsten geht. Das kann im Rechenzentrum, in der Cloud oder am Edge sein – benötigt wird also eine Art Hybrid-Modus.
Hinzu kommt, dass es ohne eine dedizierte Datenmanagement-Plattform nicht geht. Erst eine solche Plattform bietet die Möglichkeit, die Daten von überall her zu holen, zu analysieren und anschließend wieder bei Bedarf zu verteilen. Gleichzeitig verhindert sie den gefürchteten Cloud-Lock-In.
Wie unterstützen Sie Ihre Kunden hinsichtlich Big Data und der Auswertung von großen Datenmengen?
Big Data ist ja unser Kerngeschäft – jedoch sorgt das Internet der Dinge dafür, dass die zu verarbeitenden Datenmengen immer größer werden. Cloudera bietet in diesem Umfeld eine durchgängige Datenmanagement- und Analyseplattform, die es Unternehmen ermöglicht, alle IoT-Daten zu nutzen, Analysen und Machine Learning voranzutreiben, und so den besten Nutzen zu ziehen.
Mit unseren Lösungen können Unternehmen ihre kompletten IoT-Daten in Echtzeit aufnehmen, speichern, analysieren und weitergeben – unabhängig von bestehenden Netzarchitekturen, Cloud-Plattformen, Edge-Speicherung oder hybriden Modi. Mit Tools wie Apache Kudu und Apache Spark lassen sich dann Echtzeitverarbeitung und -analyse von IoT-Daten realisieren, einschließlich Data-in-Motion und Data-at-Rest. Unsere Data Science Workbench hilft darüber hinaus, Data Science und vor allem Machine Learning Modelle sehr effizient zu betreiben.
Dass dies auch alles in der Praxis funktioniert, zeigen unsere Kunden mit Anwenderberichten aus den verschiedensten Geschäftsbereichen. Von vernetzten Fahrzeugen und Telematik über Smart Cities und IoT-gesteuerten Healthcare-Lösungen bis hin zu vorausschauender Wartung und industriellem IoT – wir bieten aktuell einige der überzeugendsten IoT-Anwendungsfälle.
Der Trend in vielen Unternehmen geht hin zum Edge-Computing, also zum „Netzwerkrand“. Wie finde ich als Unternehmen das für mich passende Konzept?
Zurzeit beobachten wir, dass sich die Industrie in Richtung Hybrid Analytics für IoT bewegt: Eine effektive Mischung aus Edge- und Cloud-Analytik für IoT-Anwendungsfälle. Analysen, die sofort mit extrem niedrigen Latenzzeiten durchgeführt werden müssen, werden immer mehr am Netzwerkrand (Edge) stattfinden. Umfangreiches Machine Learning und Analytics hingegen werden nach wie vor in einem zentralen Hub oder in der Cloud ausgeführt. Der große Fokus für Unternehmen wird in Zukunft jedoch darauf liegen, wie sie Edge Computing intelligenter machen können. Ein Weg wird sein, Machine Learning Modelle in der Cloud oder einem zentralen Hub zu entwickeln, und sie anschließend ins Edge für Realtime-Processing zu übertragen.
So etwas geht mit Partnern besser als alleine. Daher haben wir zusammen mit Red Hat und Eurotech unsere Technologien gebündelt und so die erste End-to-End-Architektur für IoT realisiert. Diese Architektur basiert auf Open Source und bietet alles, was Unternehmen benötigen, um IoT-Anwendungsfälle schnell und sicher zu implementieren – vom sicheren Onboarding und Verwalten angeschlossener Maschinen und Dinge bis hin zur Durchführung von Edge Computing; von der Bereitstellung von Realtime Analytics und Machine Learning bis hin zur Integration von Unternehmensanwendungen. Diese offene, modulare Architektur bietet auch End-to-End-Datenmanagement- und Analysefunktionen, einschließlich der Möglichkeit, Machine Learning and Intelligence wieder ans “Edge” in Echtzeit anzubinden.
Sehr geehrter Herr Raja, vielen Dank für das Gespräch!
Weiterführende Informationen zum Unternehmen:
https://de.cloudera.com/
Unser Interviewpartner:
Vijay Raja, Solutions Marketing Lead IoT
Vijay Raja ist bei Cloudera verantwortlich für die Einführung innovativer Lösungen rund um das Internet der Dinge. Er arbeitet weltweit mit Kunden und Partnern zusammen, um neue Anwendungen für IoT zu realisieren. Vijay Raja hat einen M.B.A. von der Ohio State University und einen Bachelor-Abschluss in Ingenieurwesen vom National Institute of Technology, Rourkela.
Aufmacherbild / Quelle / Lizenz
Pixabay / CC0 Creative Commons
