Entwicklung eines IoT Prototypen für ein Modul zur Erkennung von Anomalien in Maschinendaten
Branche: Telekommunikation / Internet der Dinge
Ausgangslage: Herausforderungen & Probleme
- Der Kunde bot Mobilfunkkonnektivität für das Internet of Things (Internet der Dinge) an und suchte – aufgrund von zunehmendem Preisdruck – nach Möglichkeiten zur Differenzierung von seinen Wettbewerbern, indem er zusätzliche Dienste mit der Konnektivität an sich zu bündeln versuchte.
- Hierzu wurde eine Plattform zur Verwaltung von IoT Geräten und zur Speicherung und Visualisierung von Maschinendaten lizensiert und zusammen mit bzw. als Zusatzangebot zu den Konnektivitätsprodukten vertrieben.
- Der Fokus der Plattform hinsichtlich der erfassten Maschinendaten lag primär in der Speicherung und Visualisierung der Daten – die Kunden wurden hinsichtlich der Ableitung von Erkenntnissen lediglich durch „Widgets“ unterstützt, die sie selbst gemäß ihren Anforderungen konfigurieren mussten, um anschließend über mögliche Maßnahmen zu entscheiden.
- Die Kunden waren somit stark gefordert sich selbst Gedanken darüber zu machen, wie und mit welchen Informationen sie welche Erkenntnisse aus ihren Maschinendaten generieren möchten – was für viele Kunden eine Adoptionshürde darstellte, da dieses Wissen nicht unbedingt bereits vorhanden war.
- Die Kundenakzeptanz blieb so hinter den in die Plattform gesetzten Erwartungen zurück und führte nicht zum zunächst erhofften positiven Effekt auf die Absätze der IoT Konnektivitätsprodukte.
Welche negativen Konsequenzen hätte das Unternehmen erlitten?
- Die Nachfrage von Kunden nach „Machine Learning“, „Anomalieerkennung“ und in diesem Zusammenhang „Vorausschaueneder Wartung“ wurden kontinuierlich stärker und ein treibender Aspekt für, oder gegen, eine IoT Lösung.
- Die Plattform des Kunden konnte „out of the box“ nicht mit solchen Funktionen aufwarten und der Hersteller selbst hatte keine unmittelbaren Ambitionen eine derartige Funktionalität anzubieten.
- Dem Unternehmen drohte, weitere Marktanteile an „no frills“ Anbieter zu verlieren, die den Kunden zunehmend unter Preis- und Wettbewerbsdruck setzten und die Kunden des Unternehmens in die Lage versetzten, mit günstiger Konnektivität ihre Geräte mit beliebigen IoT Plattform-Produkten von Wettbewerbern zu verbinden, die teilweise bereits mit maßgeschneiderten Lösungen zur Anomalieerkennung aufwarten konnten.
Wie konnte 4-advice helfen?
- Die Idee entstand eine prototypische Lösung für auf Machine Learning basierende Anomalieerkennung als Zusatzmodul innerhalb der eigenen IoT Plattform zu entwickeln.
- Ein Partner des Kunden hatte einen geeigneten Anwendungsfall für vorausschauende Wartung aufgrund von erkannten Anomalien in den Maschinen-Betriebsdaten an den Kunden herangetragen und sich bereit erklärt, sich an der Entwicklung, eines an seiner individuellen Problemstellung orientierenden Prototypen, zu beteiligen.
- Ein 4-advice Berater war bereits in einem angrenzenden Bereich seit einiger Zeit tätig und so bereits mit der IoT Plattform und den Konnektivitätsprodukten vertraut
- Ein in der Entwicklung und im Anlernen von Machine Learning Algorithmen erfahrener Dienstleister und die in-house vorhandene Expertise konnte zusätzlich bei der Entwicklung des Prototyps eingebunden bzw. zu Rate gezogen werden.
Fazit
- 4-advice konnte sowohl bei der Dokumentation der Anforderungen als auch im Austausch und in der Koordination mit dem Kunden, dem externen Entwicklungspartner und dem in-house Expertenteam unterstützen
- Der Kunde erhielt wertvolles Feedback und Erfahrungswerte in der Entwicklung innerhalb der von ihm lizensierten und vermarkteten IoT Plattform
- Der Partner des Kunden, mit dem der Prototyp gemeinsam entwickelt wurde, bekam eine auf ihn zugeschnittene, prototypische Lösung zur Analyse seiner Maschinendaten
- Die Kundenbeziehung zwischen dem Kunden und dem Partner, der an der Entwicklung teilnahm, konnte weiter vertieft werden
- Das Projekt konnte in 9 Monaten zum Abschluss gebracht werden
