Hier ist ein Muster, das ich immer wieder sehe: Ein Unternehmen installiert Sensoren in seiner gesamten Anlage, erstellt ein Dashboard, das Maschinentemperaturen in Echtzeit anzeigt, und nennt das dann digitale Transformation. Das Dashboard funktioniert. Die Geschäftsergebnisse verändern sich nicht. Jemand eröffnet ein Ticket und fragt nach dem Grund.
IoT ist keine digitale Transformation. Es ist ein Wegbereiter dafür. Diese Unterscheidung klingt offensichtlich – bis Sie drei Monate in einem Rollout stecken und sich fragen, warum sich nichts messbar verbessert hat. Das Internet der Dinge liefert Ihnen einen Live-Datenstrom aus der physischen Welt. Was Sie mit diesem Datenstrom tun – wie Sie Prozesse neu gestalten, Betriebsmodelle verändern und Automatisierungslogik darum aufbauen – ist der Transformationsanteil. Das eine ohne das andere ist nur ein teures Dashboard.
Was Teams meist erst spät lernen
- IoT verbindet physische Ereignisse mit digitalen Entscheidungen, aber Sensoren allein verändern nichts.
- Die Bereitstellung von Geräten ist die Startlinie, nicht die Ziellinie, der digitalen Transformation.
- Messbarer Geschäftswert entsteht erst, wenn IoT-Daten die tatsächliche Ausführung von Prozessen verändern.
- Das schwierigere Problem ist nicht die Konnektivität, sondern der Aufbau der Automatisierungsschicht, die auf das reagiert, was die Geräte Ihnen mitteilen.
Was IoT tatsächlich ist – und was nicht
Die Definition, die sich in der Praxis bewährt: IoT ist ein Netzwerk physischer Objekte, die mit Sensoren, Software und Konnektivität ausgestattet sind und über das Internet Daten mit anderen Geräten und Systemen erfassen und austauschen. Thermostate, Fabrikmaschinen, Versandcontainer, Krankenhausausrüstung, Ampelanlagen – jedes physische Objekt, das ein Signal erzeugen und irgendwohin senden kann, gilt als IoT-Gerät.
Was es nicht ist: Geräte einfach mit WLAN zu verbinden. Das ist das erste Missverständnis, das ich regelmäßig beobachte, und es führt später zu kostspieligen Überraschungen.
Ein funktionierendes IoT-System hat neben der Hardware selbst drei Ebenen. Erstens: eine für die Umgebung geeignete Konnektivität – und das bedeutet nicht immer WLAN. Ein Sensor an einer Pipeline auf einem abgelegenen Feld benötigt Mobilfunk- oder LPWAN-Technologie (Low-Power Wide-Area Network); ein Gerät in einem Fabrikgebäude kann vollständig kabelgebundene Industrieprotokolle verwenden. Die falsche Konnektivitätsoption zu wählen, ist einer der häufigsten Gründe, warum IoT-Initiativen ins Stocken geraten, bevor sie etwas Nützliches liefern.
Zweitens: Backend-Datenmanagement – ein Ort, an dem der von den Geräten erzeugte Messdatenstrom aufgenommen, gespeichert und strukturiert wird. Rohe Telemetriedaten ohne Backend sind nur Rauschen.
Drittens: Analytik und Orchestrierung – die Schicht, die strukturierte Daten in Entscheidungen und Auslöser übersetzt. Ohne sie sind vernetzte Geräte genau das: vernetzt, und nicht mehr. Die Daten bleiben in einer Datenbank, auf die niemand reagiert, und die Sensoren werden zu Investitionskosten, die sich nie amortisieren.
IoT-Geräte sind der physische Einstiegspunkt. Der Rest des Technologie-Stacks macht ihren Einsatz erst lohnenswert.
Wie IoT und digitale Transformation tatsächlich zusammenhängen
Ehrlich definiert ist digitale Transformation eine ganzheitliche Veränderung der Art, wie ein Unternehmen arbeitet – seiner Prozesse, seines Betriebsmodells, seiner Kultur und der Art, wie es Wert schafft. Sie ist kein Technologieprojekt. Technologie ermöglicht bestimmte Veränderungen, ist aber nicht die Veränderung selbst.
IoT ist einer der leistungsstärksten Wegbereiter der digitalen Transformation, weil es eine Lücke schließt, die die meisten Unternehmen zuvor nie schließen konnten: die Lücke zwischen dem, was physisch geschieht, und dem, was digitale Systeme darüber wissen. Vor IoT musste ein Betriebsleiter in der Fertigung durch die Halle gehen oder auf geplante Berichte vertrauen. Jetzt melden Maschinen kontinuierlich ihren Status. Das verändert die Möglichkeiten – aber nur, wenn das Unternehmen bereit ist, auf die Daten anders zu reagieren als zuvor.
Das ist die entscheidende Unterscheidung für Strategien der digitalen Transformation. IoT speist die Datenschicht. Transformationsprogramme handeln auf ihrer Grundlage. Beides ergänzt sich, ist aber nicht austauschbar. Sie können digitale Transformation ohne IoT umsetzen, auch wenn Ihnen dann der Vorteil physischer Echtzeitdaten fehlt. Sie können IoT ohne Transformation einführen – viele Unternehmen tun das, nennen es „Pilotprojekt“ und wundern sich, warum es nie skaliert.
Die Einordnung von McKinsey ist hier hilfreich: Sensoren und Aktoren überwachen Veränderungen in der Umgebung und lösen Aktionen aus. So entsteht ein Kreislauf zwischen physischen Ereignissen und digitalen Entscheidungen. In diesem Kreislauf liegt der Wert. IoT öffnet den Kreislauf. Was Sie daran anschließen, entscheidet darüber, ob er Geschäftsergebnisse oder lediglich Daten erzeugt.
Der Kernmechanismus: Vom physischen Ereignis zur digitalen Aktion
Der Kreislauf vom Sensor zur Aktion funktioniert in vier Schritten, und jeder davon zählt.
Eine Umgebungsveränderung – steigende Temperatur, sinkender Druck, ein Bauteil, das eine kritische Vibrationsfrequenz erreicht – löst eine Sensormessung aus. Diese Daten werden über kabelgebundene oder drahtlose Netzwerke an ein Backend-System übertragen, das sie im großen Maßstab aufnehmen kann. Das Backend verarbeitet die Messung anhand definierter Regeln oder Modelle. Anschließend wird eine Aktion ausgelöst: eine Warnung, ein Wartungsticket, eine automatisierte Anpassung oder ein Bericht.
Echtzeitdaten machen diesen Kreislauf schnell genug, um nützlich zu sein. Eine Sensormessung, die erst nach sechs Stunden zu einer Warnung führt, ist keine Prävention – sie ist ein Logeintrag. Die Rechen- und Konnektivitätsbasis bestimmt, wie eng der Kreislauf ist. Für Predictive Maintenance ist ein enger Kreislauf entscheidend. Für die monatliche Energieabrechnung ist er weniger wichtig.
Der entscheidende Punkt: Geräte und Systeme müssen in allen vier Schritten verbunden sein, nicht nur im ersten. Ein Sensor, der Daten erzeugt, die niemand verarbeitet, ist praktisch dasselbe wie gar kein Sensor – nur teurer.
Warum die IoT-Bereitstellung allein keine Transformation bedeutet
Die Version dieses Problems in der Support-Warteschlange sieht so aus: Ein Unternehmen installiert IoT, betreibt es sechs Monate lang, nimmt es als Nachweis digitalen Fortschritts in eine Präsentation auf und wundert sich dann, warum sich die Geschäftskennzahlen nicht verändert haben.
Passiert ist Folgendes: Die Geräte waren verbunden, aber die bestehenden Prozesse wurden nicht um sie herum verändert. Die Daten flossen in ein Dashboard. Das Dashboard wurde freitags geprüft. Entscheidungen wurden weiterhin so getroffen wie seit Jahren, nur mit einer glänzenderen Datenquelle. Das ist keine erfolgreiche digitale Transformation – das ist ein teurerer Status quo.
Studien weisen in dieselbe Richtung: IoT-getriebene Transformation verändert auch die Arbeitsweise, die Zuständigkeit für Entscheidungen und die Wahrnehmung der eigenen Rolle durch Teams. Wenn sich diese Faktoren nicht verändern, erzeugt die Technologie Daten und das Unternehmen die gleichen Ergebnisse wie bisher. Der Geschäftswert, den IoT erschließen soll, bleibt verschlossen. Denn Wert entsteht, wenn Informationen anders genutzt werden – und das erfordert eine Neugestaltung des Prozesses, nicht nur präzisere Messungen.
Wo IoT branchenübergreifend echten Wert schafft
McKinsey schätzt, dass IoT branchenübergreifend einen globalen wirtschaftlichen Wert von bis zu 12,5 Billionen US-Dollar generieren könnte. Allein auf Fabrikumgebungen entfallen voraussichtlich 3,7 Billionen US-Dollar davon – genau dort, wo industrielles IoT, Automatisierung und Verbesserungen der Betriebstechnologie zusammenkommen. Das sind keine aspirativen Zahlen für in fünf Jahren; sie spiegeln das Ausmaß der Transformationsprogramme wider, die bereits heute in unterschiedlichen Branchen laufen.
Die Frage lautet nie: „Schafft IoT Wert?“ Die Antwort lautet: Ja, in enormem Umfang. Die Frage ist, wo und wie, denn die Mechanismen sind nicht in allen Branchen identisch.
Fertigung und IIoT: Predictive Maintenance und digitale Zwillinge
Im verarbeitenden Gewerbe ist der Nutzen von Industrial IoT am klarsten und die ROI-Rechnung am direktesten. Industriemaschinen, die unerwartet ausfallen, verursachen ungeplante Stillstände. Ungeplante Stillstände sind teuer. Sensoren, die einen Ausfall vor seinem Eintreten vorhersagen können, verwandeln ungeplante Stillstände in geplante Wartung – mit einem Bruchteil der Kosten und ohne die Unterbrechungen.
Darauf bauen weitere Anwendungsfälle auf: die Fernüberwachung von Anlagen über mehrere Standorte hinweg, ohne Techniker entsenden zu müssen; Simulationen mit digitalen Zwillingen, die Ingenieuren ermöglichen, Prozessänderungen vor ihrer Umsetzung zu modellieren; Echtzeit-Transparenz in der Produktion, die Engpässe sichtbar macht, während sie entstehen, statt erst nachdem sie eine Schicht gekostet haben; sowie automatisierte Qualitätskontrolle, die Fehler direkt in der Linie statt erst am Ende erkennt.
Deloittes Forschung zur Smart Manufacturing zeigt, dass Smart-Factory-Initiativen, die IoT, KI und Machine Learning integrieren, in bestimmten Fertigungskontexten Produktionskapazitäten um bis zu 20 % steigern und Kosten um bis zu 15 % senken können. Diese Zahlen sind das Ergebnis einer tatsächlichen Verbindung von IoT-Daten mit Betriebstechnologie und Entscheidungslogik – nicht nur der Installation von Sensoren und dem Beobachten eines Dashboards. Das Fabrikpotenzial von 3,7 Billionen US-Dollar laut McKinsey ist die Summe solcher Verbesserungen auf globaler Ebene.
Industrie 4.0 ist zu großen Teilen die Geschichte einer Wiederverbindung von Betriebstechnologie in der Fertigung mit Dateninfrastruktur – und IIoT ist die physische Schicht, die diese Wiederverbindung möglich macht.
Handel, Gesundheitswesen und Logistik: Wo neue Geschäftsmodelle entstehen
Die IoT-Anwendungsfälle im Handel sind sichtbarer, als viele Menschen denken. Intelligente Regale erkennen niedrige Bestände und lösen automatisch Nachbestellungen aus, ohne dass jemand durch das Geschäft gehen muss. Die Überwachung von Kühlketten verfolgt die Temperatur während des gesamten Wegs vom Lieferanten bis ins Regal und löst automatische Warnungen aus, wenn etwas den sicheren Bereich verlässt. Filialanalysen erfassen Kundenbewegungen im Laden, um die Produktplatzierung zu optimieren.
Im Gesundheitswesen schafft IoT wirklich neue Wertversprechen. Tragbare IoT-Geräte und Remote-Patient-Monitoring ermöglichen klinischen Teams, den Zustand von Patienten außerhalb des Krankenhauses zu verfolgen – und verändern das Modell von episodischer Versorgung zu kontinuierlicher Überwachung. Asset Tracking in Krankenhäusern hilft, Ausrüstung wiederzufinden, die sonst ungenutzt auf der falschen Station stehen würde. Vernetzte medizinische Geräte erzeugen Daten, die Behandlungen in Echtzeit unterstützen, statt auf den nächsten geplanten Termin zu warten.
In Transport und Logistik zeigen sich IoT-basiertes Flotten-Tracking und Routenoptimierung als direkter Wettbewerbsvorteil. Echtzeit-Transparenz über Standort und Zustand einer Sendung schafft neue Einnahmequellen: nutzungsbasierte Versicherungen, zustandsgarantierte Lieferungen und dynamische Routenplanung, die auf Verkehr und Wetter statt auf feste Fahrpläne reagiert. Das sind keine schrittweisen Verbesserungen bestehender Modelle – es sind neue Kundenerlebnisse, die auf Daten beruhen, welche vor den Sensoren nicht existierten.
Das ist es, was neue Geschäftsmodelle in diesem Kontext tatsächlich bedeutet: kein umbenannter Service, sondern ein grundlegend anderes Wertversprechen, das durch kontinuierliche Daten aus der physischen Welt möglich wird.
Energie, Versorgung und Smart Cities: Der Ökosystem-Ansatz
Bei Energieversorgern und Versorgungsunternehmen wird IoT zu einem Ökosystem-Ansatz statt zu einer Bereitstellung für ein einzelnes Unternehmen. Ein Smart Grid benötigt intelligente Messsysteme im großen Maßstab, Echtzeit-Verbrauchsdaten von Millionen Endpunkten, automatisierte Laststeuerung bei Lastspitzen sowie Integration zwischen Erzeugungs-, Verteilungs- und Verbrauchssystemen. Kein einzelner Bestandteil funktioniert ohne die anderen. Das ist das IoT-Ökosystem: mehrere vernetzte Systeme – Geräte, Netzwerke, Plattformen, Analytik – die als integriertes Ganzes funktionieren.
Bei Öl und Gas nutzt die Pipeline-Überwachung IoT-Sensoren, um Druckanomalien und potenzielle Lecks zu erkennen, bevor sie zu Katastrophen werden. Verkehrssysteme in Smart Cities verwenden Sensornetzwerke, um Ampelschaltungen zu optimieren und Staus dynamisch zu reduzieren, statt festen Plänen aus vergangenen Jahren zu folgen. Intelligente Beleuchtung, die auf tatsächliche Anwesenheit statt auf Zeitschaltuhren reagiert, senkt den Energieverbrauch auf eine Weise, die sich über Tausende Leuchten hinweg summiert.
Das Geschäftsziel dieser Bereitstellungen unterscheidet sich von Fertigung oder Handel: Im Mittelpunkt stehen Ressourcenmanagement auf Infrastrukturebene, Nachhaltigkeitsergebnisse und die Zuverlässigkeit öffentlicher Dienste. Die IoT-Infrastruktur, die zur Optimierung eines städtischen Stromnetzes erforderlich ist, ist um Größenordnungen komplexer als eine Bereitstellung in einer Fabrikhalle – aber der Mechanismus bleibt derselbe: Physische Ereignisse fließen in digitale Entscheidungen ein, und diese Entscheidungen werden besser, weil die Daten real und aktuell sind.
📊 Die Zahlen:
McKinseys Schätzung von bis zu 12,5 Billionen US-Dollar an globalem wirtschaftlichem IoT-Wert – über Fabrikhallen, Lieferketten im Handel, Gesundheitssysteme und Energieinfrastruktur hinweg – legt nahe, dass Unternehmen, die IoT als optionales Experiment behandeln, sich in ein kleiner werdendes Zeitfenster drängen. Das Investitionsvolumen in diesem Bereich, wobei allein der Markt für industrielles IoT bis 2035 voraussichtlich rund 964 Milliarden US-Dollar erreichen wird, bedeutet, dass Nachzügler mit einer Kompetenzlücke konfrontiert sein werden, die sich immer schwerer statt leichter schließen lässt.
Die Vorteile von IoT in der digitalen Transformation – mit den notwendigen Einschränkungen
Die Vorteile sind real. Bevor wir zu den Einschränkungen kommen, möchte ich sie konkret benennen, denn die Einschränkungen entkräften den Nutzen nicht – sie bestimmen, wie Sie ihn realisieren.
Kostensenkungen in Fertigung und Logistik durch Predictive Maintenance und Routenoptimierung. Höhere Verfügbarkeit durch Frühwarnsysteme, die Fehler während ihrer Entstehung statt erst beim Ausfall erkennen. Prozessautomatisierung, bei der digitale Entscheidungen durch physische Ereignisse ohne menschliches Eingreifen ausgelöst werden. Neue Erlösmodelle – nutzungsbasierte Services, Abonnements für Zustandsüberwachung, ergebnisbasierte Verträge –, die kommerziell nicht tragfähig waren, bevor kontinuierliche Gerätedaten verfügbar wurden. Verbesserte Kundenerlebnisse, die auf Echtzeitinformationen statt auf statischen Berichten basieren.
Digitalisierung, richtig verstanden, ist der Prozess, Ereignisse aus der physischen Welt und analoge Abläufe in digitale Informationen umzuwandeln, auf die Systeme reagieren können. IoT ist der Mechanismus, der dies im großen Maßstab ermöglicht. Die Vorteile der digitalen Transformation, die Unternehmen tatsächlich realisieren, folgen auf gute Digitalisierung – und IoT ist eines der besten Werkzeuge dafür.
Nun zu den Einschränkungen. Keiner dieser Vorteile entsteht, indem IoT einfach über bestehende Prozesse gelegt wird, ohne diese Prozesse neu zu gestalten. Ich habe dieses Fehlermuster oft genug beobachtet, um es klar zu sagen: Ein Unternehmen, das Sensoren installiert und seine Entscheidungs-Workflows exakt unverändert lässt, wird ungefähr keinen dieser Vorteile realisieren. Die Daten werden genauer sein. Die Ergebnisse werden unverändert bleiben. Die ROI-Rechnung wird peinlich ausfallen.
Die Vorteile setzen voraus, dass IoT-Daten die Art verändern, wie jemand eine Entscheidung trifft, oder dass sie die Notwendigkeit einer Entscheidung beseitigen, indem sie die Reaktion automatisieren. Wenn keines davon geschieht, sind die Sensoren ein Kostenfaktor mit einem guten Dashboard.
Automatisierung, Betriebsdaten und der Digitalisierungskreislauf
IoT schließt den Digitalisierungskreislauf auf eine bestimmte Weise: Physische Daten fließen in Automatisierungsplattformen, die Entscheidungen ohne menschliches Eingreifen auslösen. Ein Temperaturschwellenwert wird überschritten; ein Kühlsystem passt sich an. Vibrationen überschreiten den laut Modell erwarteten gesunden Bereich; ein Wartungsticket wird erstellt. Der GPS-Geofence einer Sendung wird verletzt; eine Kundenbenachrichtigung wird ausgelöst und ein Logistikkoordinator informiert.
Dieser Mechanismus unterscheidet IoT als Datenerfassung von IoT als operativer Fähigkeit. Daten zu erfassen ist ein Schritt. Eine Automatisierungsschicht zu besitzen, die Echtzeitdaten in Echtzeitentscheidungen umwandelt, ist der Schritt, in den die meisten Teams zu wenig investieren.
Für Teams, die dies aufbauen, lautet die praktische Frage: Wo befindet sich die Orchestrierungsschicht? Ein Muster, das ich gut funktionieren gesehen habe: Ein Latenode Workflow erhält normalisierte Maschinenmesswerte von einem IoT-Gateway, leitet sie über ein Klassifizierungsmodell unter Verwendung eines der über 1.200 KI-Modelle weiter, die in einer einzigen Dropdown-Liste verfügbar sind, und erstellt einen Arbeitsauftrag im CMMS, wenn ein Schwellenwert überschritten wird – alles in einer einzigen Ausführung, die abrechnungstechnisch als ein Ereignis zählt, nicht als sechs separate Schritte. Der Kreislauf vom physischen Ereignis zur Geschäftsaktion kann enger sein, als die meisten Implementierungen ihn tatsächlich gestalten. Die Werkzeuge sind verfügbar. Die Architekturentscheidung lautet, ob Sie sie miteinander verbinden.
Datengestützte Entscheidungen hängen von Datenqualität, Orchestrierungsgeschwindigkeit und der Bereitschaft von Menschen ab, auf die Aussagen der Daten zu reagieren. IoT verbessert die ersten beiden Faktoren. Der dritte bleibt ein Change-Management-Problem. Datenanalysen können Ihnen sagen, was passiert; sie können das Unternehmen nicht dazu bringen, anders zu reagieren, ohne dass jemand die Reaktion neu gestaltet.
🤔 Denken Sie darüber nach:
Je mehr IoT-Daten ein System erzeugt, desto stärker benötigt das Unternehmen Prozess- und Governance-Änderungen, um darauf zu reagieren. Die meisten Teams investieren erheblich in die Geräteschicht und zu wenig in die Prozessebene. Wenn Ihre von Sensoren erzeugten Daten in eine Plattform fließen, für die niemand eine operative Reaktion definiert hat, haben Sie sich ein teures Überwachungssystem statt eines Transformationsprogramms angeschafft. Fragen Sie sich vor der Installation weiterer Sensoren: Wer verändert sein Verhalten, wenn diese Daten eintreffen, und wie?
Was erforderlich ist, um ein IoT-Ökosystem aufzubauen, das die digitale Transformation unterstützt
Die Frage der Bereitschaft für jede Führungskraft, die IoT im großen Maßstab bewertet, lässt sich auf sechs Komponenten reduzieren. Fehlt auch nur eine davon, gerät die Bereitstellung entweder ins Stocken oder liefert Daten, auf die niemand reagiert.
Konnektivität, die zur Umgebung passt. Nicht standardmäßig WLAN. Die Wahl der Konnektivität muss zum physischen Kontext passen: Reichweite, Stromverfügbarkeit, Datenvolumen und akzeptable Latenz. Ein Feldsensor an einer Pipeline, der alle 15 Minuten auf Druckanomalien prüft, hat völlig andere Konnektivitätsanforderungen als ein Instrument an einer Produktionslinie, das zehn Messwerte pro Sekunde sendet. Mobilfunk, LPWAN, kabelgebundene Industrieprotokolle und Mesh-Netzwerke existieren aus unterschiedlichen Gründen. Die falsche Wahl zeigt sich Monate nach der Bereitstellung in Zuverlässigkeitsproblemen.
Infrastruktur für Gerätemanagement. Ein Gerät zu verwalten, ist trivial. Zehntausend Geräte zu verwalten, erfordert Funktionen für Firmware-Updates, Ferndiagnose, die Rotation von Sicherheitszertifikaten und Lifecycle-Tracking. Hier unterschätzt die Kostenrechnung bei der Erstbereitstellung meist die langfristigen Betriebskosten.
Backend-Dateninfrastruktur, die Daten im großen Maßstab aufnehmen kann. Sensordatenvolumen kann sehr groß werden. Cloud-Computing-Infrastruktur – ob Public Cloud oder Hybrid Cloud – muss Aufnahme, Speicherung und Aufbewahrung bewältigen, ohne Engpässe oder Datenverluste zu verursachen. Big-Data-Architektur ist bei ausgereiften IoT-Bereitstellungen nicht die Ausnahme, sondern die Erwartung.
Cybersicherheit, die von Anfang an für die Bereitstellung konzipiert wurde. IoT-Geräte sind Endpunkte, und Endpunkte sind Angriffsflächen. Sicherheit bei einer IoT-Bereitstellung ist nicht dasselbe wie Enterprise-IT-Sicherheit – die Gerätebeschränkungen sind anders, die Update-Zyklen sind anders und die Risiken eines physischen Zugriffs sind anders. Dies als nachträglichen Gedanken zu behandeln, ist insbesondere bei Industrial IoT einer der am besten dokumentierten Fehlerbereiche.
Analytik und Orchestrierung. Die Schicht zwischen Rohdaten und Geschäftsaktion. Ohne sie liegen Daten in einem Data Warehouse, das niemand operativ nutzt.
Integration mit bestehenden Unternehmenssystemen. IoT-Daten müssen mit den Systemen verbunden werden, in denen die Arbeit tatsächlich stattfindet – ERP, CMMS, CRM, BI-Tools. Digitale Lösungen, die isoliert von den Systemen existieren, die Menschen täglich nutzen, führen meist zu Schatten-Workflows, statt ineffiziente Prozesse zu ersetzen.
Skalierbarkeit muss von Anfang an eingeplant werden. Eine Architektur, die für 50 Geräte funktioniert und bei 500 zusammenbricht, schafft die schlimmste Art von Problem: eines, das erst sichtbar wird, nachdem sich das Unternehmen bereits zur Bereitstellung verpflichtet hat.
Konnektivität, Datenmanagement und die Orchestrierungsschicht
Zwischen einem IoT-Gerät und einer nützlichen Geschäftsaktion liegen drei unterschiedliche Schichten.
Erstens: Konnektivität, die zum Anwendungsfall passt. Hier verursacht der Instinkt „einfach ins WLAN bringen“ den größten Schaden. LPWAN-Technologien wie LoRaWAN und Sigfox unterstützen Sensorbereitstellungen mit großer Reichweite und niedrigem Energieverbrauch – Asset Tracking über große Anlagen hinweg, landwirtschaftliche Überwachung und entfernte Infrastruktur. Mobilfunk (4G/5G) eignet sich für Anwendungsfälle mit hoher Bandbreite und hoher Mobilität wie Flotten-Tracking. Kabelgebundene Protokolle wie OPC-UA bilden weiterhin das Rückgrat der Datenerfassung von Industriemaschinen, weil sie zuverlässig und deterministisch sind und nicht vom Funkspektrum abhängen. Physische Geräte in realen Umgebungen haben Einschränkungen, welche die richtige Konnektivitätswahl bestimmen. IoT-Technologien existieren genau deshalb, weil keine einzelne Option für alles passt.
Zweitens: ein Backend, das Sensorströme aufnehmen, Datenmodelle anwenden und Zeitreihendaten in der vom Anwendungsfall geforderten Rate speichern kann. Die Fähigkeit, Daten zu erfassen und zu übertragen, ist nur nützlich, wenn die empfangende Seite damit umgehen kann. Public-Cloud-Plattformen haben diese Schicht deutlich zugänglicher gemacht – doch die Architektur muss weiterhin bewusst Aufbewahrungsrichtlinien, Abfrageleistung und Kosten berücksichtigen, wenn das Datenvolumen wächst.
Drittens: die Orchestrierungsschicht – das System, das eingehende Ereignisse mit nachgelagerten Aktionen verbindet. Hier lebt die Automatisierungslogik. Eine IoT-Plattform ohne Orchestrierung ist eine Datenbank. Eine IoT-Plattform mit Orchestrierung ist ein operatives System.
Für Teams, die diese Orchestrierungsschicht in der Praxis aufbauen: Ein Steuerungsingenieur in der Fertigung, der das Fan-out-Problem lösen muss – Maschinentelemetrie von einem OPC-Server oder MQTT-Broker gleichzeitig in ein ERP, ein Reporting-Dashboard und ein Cloud Data Warehouse zu übertragen –, steht vor einem klassischen Routing-Problem über mehrere Systeme hinweg. In Latenode kann dieser Routing-Workflow Daten aus einer bestehenden industriellen Datenquelle aufnehmen, JavaScript-basierte Transformationsregeln für jedes nachgelagerte System anwenden – kostenrelevante Daten für das ERP umformen, hochfrequente Signale bündeln, bevor sie im Data Warehouse landen – und über 5.500+ Integrationen mit automatischem OAuth aus einem einzelnen Workflow an alle drei Ziele senden. Wenn eine Integration fehlschlägt, fasst ein KI-Modell im selben Ablauf das Problem für den Bereitschaftstechniker in klarer Sprache zusammen. Die Alternative sind drei separate Skripte, die von der Person gepflegt werden, die sie geschrieben hat, und auf eine Weise fehlschlagen, die keinen nützlichen Fehlerkontext liefert.
Wo IoT-Initiativen ins Stocken geraten: Vier Signale, auf die Sie achten sollten
Vier Fehlermuster treten immer wieder auf, und jedes davon ist sichtbar, bevor die Initiative offiziell scheitert – wenn Sie wissen, worauf Sie achten müssen.
Falsche Konnektivität für die Umgebung. Das Signal sind sporadische Datenlücken in den ersten Wochen der Bereitstellung. Keine vollständigen Ausfälle, sondern partielle. Geräte verbinden sich, verlieren die Verbindung und verbinden sich erneut. Das Team gibt der Gerätehardware die Schuld und bestellt Ersatz. Die Ersatzgeräte haben dasselbe Problem. Das Problem war immer die Netzwerkwahl, nicht das Gerät. Dies ist ein Fehler der Geschäftsstrategie, der als Hardwareproblem getarnt ist: Jemand hat den Technologie-Stack gewählt, ohne die physische Umgebung ausreichend zu analysieren.
Fehlende Backend-Orchestrierung. Das Signal ist hier, dass sich Daten an einem Ort ansammeln, während sich nachgelagert nichts verändert. Dashboards zeigen Zahlen. Arbeitswarteschlangen bleiben gleich. Das Team beschreibt die IoT-Bereitstellung als „läuft gut“, weil die Geräte Daten melden. Die Geräte melden Daten. Niemand hat die Schicht gebaut, die Berichte in Aktionen umwandelt. Das ist das digitale Pendant dazu, einen Forscher einzustellen und ihm keinen Ort zur Veröffentlichung zu geben.
Die Gerätebereitstellung als Endzustand behandeln. Das beobachte ich am häufigsten bei IoT-Implementierungsprojekten, bei denen Erfolg als „Geräte installiert und melden Daten“ definiert wurde. Das Dashboard wurde am Go-live-Tag grün. Der Business Case beruhte auf Ergebnissen, die die Geräte ermöglichen sollten – und diese Ergebnisse erfordern Prozessänderungen, die nie Teil des Projektumfangs waren. Die Geräte markieren den Beginn der Arbeit, nicht deren Ergebnis.
Prozesse nicht um neue Daten herum neu gestalten. Dies ist das subtilste und teuerste Scheitern. Technisch funktioniert alles. Daten fließen. Dashboards werden aktualisiert. Doch das Wartungsteam reagiert weiterhin reaktiv auf Ausfälle, weil niemand den Workflow verändert hat, den Wartungskoordinatoren tatsächlich verwenden. Optimierung ist in diesem Bereich ein überstrapaziertes Wort, aber der Mechanismus ist real: IoT-Daten können Ergebnisse nur verändern, wenn sie in den Prozess eingebunden sind, in dem die Entscheidung getroffen wird. Daten auf einem separaten Bildschirm zu beobachten und Entscheidungen weiterhin auf die alte Art zu treffen, ist keine digitale Transformation.
Jeder dieser Stillstände passiert im digitalen Zeitalter bei Teams mit Budget und guten Absichten. Der gemeinsame Nenner ist, dass die IoT-Bereitstellung von Anfang an nicht an konkrete, messbare Geschäftsziele gebunden war – daher gab es keinen zwingenden Impuls, die Prozesse neu zu gestalten, die die Daten eigentlich verbessern sollten.
Dort beginnt meist das Ticket.
