{"id":41592,"date":"2022-12-25T19:25:31","date_gmt":"2022-12-25T18:25:31","guid":{"rendered":"http:\/\/54.194.80.134.nip.io\/the-internet-of-things-big-data-and-a-fischertechnik-factory-part-1-the-challenge\/"},"modified":"2022-12-25T19:25:31","modified_gmt":"2022-12-25T18:25:31","slug":"the-internet-of-things-big-data-and-a-fischertechnik-factory-part-1-the-challenge","status":"publish","type":"post","link":"https:\/\/www.cubeserv.com\/en\/the-internet-of-things-big-data-and-a-fischertechnik-factory-part-1-the-challenge\/","title":{"rendered":"The Internet of Things, Big Data and a Fischertechnik Factory – Part 1: The Challenge"},"content":{"rendered":"\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Das Internet der Dinge (IoT) ist einer jener Begriffe, die sich inflation\u00e4r in Nachrichten, Vortr\u00e4gen und Ver\u00f6ffentlichungen finden und deren h\u00e4ufige Verwendung zum schnellen \u00dcberdruss beim geneigten Leser f\u00fchren. Die nat\u00fcrliche Reaktion auf das Auftreten solcher Modebegriffe ist das Abwarten, ob die Welle nicht genauso schnell abklingt wie sie aufgekommen ist.<\/p>\n

Wiewohl einzelne Begriffe und Schlagw\u00f6rter wieder zu Recht im Orkus des Vergessens verschwinden werden, so ist doch mit an Sicherheit grenzender Wahrscheinlichkeit davon auszugehen, dass die hinter den Begriffen stehende Problematik bestehen bleibt, ja sogar immens an Gr\u00f6sse und Bedeutung gewinnen wird:<\/p>\n

1. Die Datenmengen werden immer gr\u00f6sser.<\/h2>\n

Zu dieser Behauptung werden jedem Einzelnen sicherlich gen\u00fcgend Beispiele der letzten Zeit einfallen. Ob es nun selbstfahrende Autos sind, die einen Strom an Daten aussenden und empfangen, ob es die Supermarkt-Sparkarten sind, die unser Konsumverhalten nicht nur verbilligen, sondern auch registrieren, ob es neue Apps auf den Smartphones oder Smartwatches sind, die uns nicht nur unterst\u00fctzen, sondern auch kategorisieren, die Liste an Beispielen ist nicht nur bereits lang, sie scheint auch mit immer h\u00f6herer Geschwindigkeit an L\u00e4nge zu gewinnen.<\/p>\n

Gelegentlich f\u00e4llt einem diese Entwicklung an einzelnen Beispielen besonders auf. So stach mir ein Bericht auf\u00a0SPIEGEL ONLINE<\/strong><\/a>\u00a0vom 15.11.2017 ins Auge, in dem von einer Pille berichtet wurde, die ihre Einnahme meldet und die Daten in die Cloud sendet: Sinn und Zweck dieser Pille mit Daten ist die \u00dcberwachung der regelm\u00e4ssigen Einnahme von Medikamenten. Sofort stellen sich weitere Fragen: meldet die Pille auch, wenn sie z.B. innerhalb einer Stunde den K\u00f6rper wieder verlassen hat (das l\u00e4sst auf Erbrechen schliessen, damit z\u00e4hlt die Pille als nicht eingenommen)? Meldet sie weitere Zwischenstationen auf dem Weg durch den K\u00f6rper? Dieses Beispiel zeigt sehr deutlich, wie wir als Personen zur Quelle eines Datenstroms werden, der in seinen Ausmassen ins Ungeheure anwachsen kann.<\/p>\n

2. Die Datenqualit\u00e4t ist eher m\u00e4ssig gut.<\/h2>\n

In der Masse von Daten und Meldungen sind Fehler mit gr\u00f6sserer H\u00e4ufigkeit vertreten. Es kommt nun mal zu tempor\u00e4ren Falschmeldungen (Sensor defekt, die Smartwatch kann aufgrund von k\u00f6rperlicher Bewegung mal f\u00fcr eine Zeit die Herzfrequenz nicht ermitteln, usw.) und aufgrund der Masse an Daten ist es nicht m\u00f6glich, sich die Zeit zu nehmen, alle falschen Daten zu finden und zu eliminieren. Sind falsche Daten systematisch erkennbar, so k\u00f6nnen sie sicherlich ausgefiltert werden und bei gr\u00f6sserer Zahl lohnt es sich dann auch zu versuchen, die Ursache zu beseitigen. Aber allein aufgrund der grossen Zahl an Datenlieferanten muss man einen Bodensatz an falschen Werten akzeptieren und in Kauf nehmen.<\/p>\n

Aus der Sicht eines Enterprise Data Warehouse ergeben sich damit neue Herausforderungen:<\/p>\n