Smart Data: Aus Rohdaten wichtige Erkenntnisse gewinnen

Digitales Business

Digitales Business

Datum 04.08.2021
Lesezeit 7 Min.

Smart Data: Aus Rohdaten wichtige Erkenntnisse gewinnen

Werden aus zuvor unstrukturierten Daten wertvolle Erkenntnisse, ist häufig von Big Data oder Smart Data, also „schlauen Daten” die Rede. Die Daten werden allerdings erst durch intelligente Auswertungsalgorithmen „schlau”. Eines dieser wichtigen Verfahren ist etwa Big-Data-Analyse und verändert schon jetzt ganze Industriezweige. Wir erklären Ihnen, was hinter den Schlagworten steckt und den möglichen Nutzen daraus. 

 

Was ist eigentlich eine Big-Data-Analyse?

Durch die fortschreitende Digitalisierung und die zunehmende Vernetzung fallen heute sehr große Datenmengen an. Diese werden auch als Big Data bezeichnet.

  • Dazu gehören beispielsweise automatisch erfasste Sensordaten von Smart Buildings oder Navigationsdaten von Fahrzeugen. Auch Daten zu Bestell- und Bezahlvorgängen im Geschäftsverkehr sind Teil von Big Data, ebenso wie Wetterdaten, Stauprognosen oder Satellitendaten.
  • Die Verknüpfung dieser Daten untereinander erhöht ihr Volumen zusätzlich. Die Menge aller gewonnenen Daten wächst exponentiell. So erwarten die Marktforscher von IDC, dass die weltweit generierte Datenmenge bis 2025 auf 175 Zettabyte anwächst. Zetta entspricht einer Eins mit 21 Nullen.
  • Die Fortschritte in der Speicher- und Übertragungstechnologie machen es möglich, diese Daten für die Auswertung zu aggregieren und zu archivieren.
 Internet of Things: Alles aus einer Hand

Internet of Things: Alles aus einer Hand

Durch die intelligente Vernetzung von Maschinen und Gegenständen werden unter anderem Produktion und Logistik effizienter gestaltet. So sparen Sie wichtige Ressourcen und erweitern Ihre Geschäftsmodelle.

Optimieren Sie jetzt Ihre Prozesse! Wir sind mit über 118 Millionen Connections führend im Bereich IoT und diese Zahl wächst täglich.

Noch bis vor wenigen Jahren bestand eine der größten Herausforderungen in Industrie und Handel darin, an genügend Informationen („Daten”) zu kommen, um qualifizierte Entscheidungen treffen zu können. Heute hat sich das Problem umgekehrt: Die verfügbaren Daten sind fast unbegrenzt, jedoch meist unstrukturiert. Daraus sinnvolle Entscheidungen abzuleiten, ist nicht ohne weiteres möglich.

Denn die ungeordneten Daten allein haben nur einen geringen Nutzen für die praktische Anwendung. Erst deren intelligente Verknüpfung gibt ihnen einen nutzbaren Wert. So lässt sich beispielsweise aus bestimmten wirtschaftlichen Kennzahlen in Verbindung mit Bewegungsdaten von Containerschiffen voraussagen, wie sich Preise in der Logistikbranche entwickeln werden und wann es vermutlich zu Transportverzögerungen kommen wird, weil Container fehlen. Auf Basis dieser Vorhersagen wiederum können Unternehmen ihre Lieferketten optimieren und Bestellprozesse anpassen.

Werden aus einfachen Daten oder zunächst unstrukturierten Datenblöcken solche wertvollen Informationen gewonnen, ist von Big Data oder Smart Data die Rede, also von „intelligenten Daten”. Gleiches gilt, wenn durch geschickte Analyse vorhandener Rohdaten neue Modelle entstehen, um zukünftig ähnliche Datensätze schneller zu bearbeiten: In diesem Fall handelt es sich um funktionierende Smart-Data-Algorithmen, oder auch Fast-Data-Verfahren.

Diese Chancen von Big Data ziehen sich durch viele Lebensbereiche: Übermittelt beispielsweise eine repräsentative Anzahl von Nutzer:innen mit Gesundheits-Armbändern regelmäßig Alter, Gewicht, Pulsrate und andere Bioparameter an eine Forschungseinrichtung, lassen sich hieraus Vorhersagen über die Bedeutung von bestimmten Sportarten oder Ernährungsmethoden für das Wohlbefinden ermitteln. Oder die Telemedizin kann prognostizieren, bei welchen Wetterlagen welche Risikopatient:innen oder Altersgruppen bestimmte Aktivitäten draußen vermeiden sollten.

Auch in der Landwirtschaft sind Vernetzung sowie Big Data und Smart Data wichtige Themen. Wird beispielsweise der Ertrag einer landwirtschaftlichen Nutzfläche pro Quadratmeter regelmäßig protokolliert und mit Wetterdaten korreliert (also in Zusammenhang gebracht), kann daraus wiederum abgeleitet werden, auf welchem Flächenstück welche Düngermenge bei welchem Wetter optimal ist. Größere Lebensmittelbetriebe oder die kleine Bäckerei nebenan können aus Big Data und Smart Data ablesen, wie sich Nachfrage entwickelt und so verhindern, dass zu viele frisch produzierte Lebensmittel am Ende entsorgt werden müssen. So können Ressourcen gespart und die Umwelt geschont werden.

Bei einer Erhebung des Fachverbandes bitkom im Frühjahr 2020 gaben deshalb 90 Prozent der befragten Führungskräfte in Deutschland an, dass Big Data und Datenanalyse von sehr großer oder eher großer Bedeutung für die künftige Wettbewerbsfähigkeit deutscher Unternehmen seien.

 

Video: YouTube / MSO Digital GmbH & Co. KG

 

Smart Data: Das steckt hinter dem Begriff

Vorrangiges Ziel von Smart-Data-Analyseverfahren („smart data analytics“) ist die Lesbarkeit und Interpretierbarkeit von Rohdaten durch die/den Anwender:in oder eine Maschine. So wird aus einer scheinbar unüberschaubaren Menge an Rohdaten durch geschickte Aufbereitung und Auswertung im Idealfall eine fundierte Entscheidungsgrundlage.

Anhand solcher Analysen entstehen Rechenmodelle, die durch große Datenmengen validiert werden und so für zukünftige Prognosen zuverlässige Werte liefern („smart data integration“). Damit können Entscheidungen schneller getroffen werden. Ein weiterer Anwendungsfall ist etwa das autonome Fahren: Sehr viele Daten aus der Sensorik eines autonomen Fahrzeugs müssen in Echtzeit ausgewertet werden, denn die Entscheidung „Bremsen oder Ausweichen” kann überlebenswichtig sein.

Aber auch im Marketing liefern smarte Daten im Zweifel wichtige Wettbewerbsvorteile. Viele Algorithmen, die blitzschnell Entscheidungsvorlagen liefern, sind zuvor mit Hilfe von enormen Datenmengen so „trainiert” worden, dass sie wiederkehrende Muster umgehend erkennen und hierauf basierend Entscheidungsvorschläge machen:

Wo sollte ich meine Werbung platzieren? Wie erreiche ich meine Zielgruppe punktgenau? Welche Daten sollte ich erheben, um eine valide Entscheidungsgrundlage für digitales Marketing oder optimale Produktionsprozesse zu erhalten und welche Skills sind dafür notwendig?

Dr. Tim Wiegels ist Head of Data bei FREE NOW (zuvor mytaxi). Er sagt: Als Data Engineer ist man gleichzeitig auch Produktmanager und sollte wissen, wie man Produkte, Prozesse und Daten nicht nur analysiert, sondern auch am Markt verwertet. Wie das gelingt und wie es in Deutschland im Bereich Mobilität insgesamt weitergehen kann und sollte, verrät er im „Digitale Vorreiter”-Podcast #75 mit Christoph Burseg:

Damit aus vorliegenden Sensorwerten und ähnlichen Rohdaten verwertbares Material werden kann, müssen die Daten zunächst einige Grundanforderungen erfüllen. Zu diesen gehören:

  • Semantik der Daten: Wie hängen die gesammelten Daten zusammen? Welche Bedeutung haben sie in ihrem jeweiligen Kontext? Dies muss vor der Auswertung klar sein. Daten, deren (formale und logische) Semantik nicht bekannt ist, können nicht ausgewertet werden.
  • Datenqualität: Sind die gesammelten Daten vollständig und genau? Wie exakt beschreiben sie die zugrunde liegende Realität und wie verlässlich sind sie? Es gilt der Grundsatz: „Gute” Informationen lassen sich nicht aus „schlechten” Daten gewinnen.
  • Datensicherheit: Inwieweit sind die vorliegenden Daten vor Manipulation durch Dritte geschützt? Wie ist der Zugriff („smart data access“) geschützt? Dabei geht es nicht allein um absichtliche Veränderung wie etwa mögliche Man-in-the-Middle-Attacken, Hacker:innen-Angriffe et cetera. Daten könnten auf dem Weg vom Sender zur/zum Empfänger:in durch technische Hindernisse verfälscht werden. Wenn nicht klar ist, ob die übermittelten Informationen vollständig sind und den ursprünglich erhobenen Daten entsprechen, können keine zuverlässigen Auswertungen erstellt werden.
  • Datenschutzaspekte: Falls die Daten, die Sie auswerten möchten, nicht nach DSGVO erhoben wurden oder gespeichert werden, kann deren Auswertung nach geltendem Recht illegal sein. Nur weil Daten vorliegen, heißt das nicht, dass sie auch ausgewertet werden dürfen. Gleiches gilt, wenn Sie personenbezogene Daten erfassen, ohne vorher die explizite Zustimmung der betroffenen Personen eingeholt haben. Wichtig ist, Prozesse für alle Beteiligten transparent zu halten um einen hohen Unterstützungsgrad zu erreichen.

 




Video: YouTube / Hubertus Porschen

 

Smart Data in der Praxis: Autonomes Fahren und die V2X-Technologie

Eine Technologie, die gerade beginnt, den Verkehrssektor zu revolutionieren ist V2X. Die Abkürzung steht für „Vehicle-to-everything”und bezeichnet einen Kommunikations-Ansatz, der eine wesentliche Grundlage für autonomes Fahren darstellt.

Hierbei müssen Daten nicht nur in Echtzeit erfasst, sondern ausgewertet und in Entscheidungsgrundlagen überführt werden. Je genauer und umfassender die vorliegenden Daten sind und je besser die zugrunde liegenden Auswertungsalgorithmen sind, umso fundierter kann später jede Entscheidung des autonomen Fahrzeugs berechnet werden.

Um keine Rechenleistung zu verschwenden und bei der Entscheidungsfindung nicht erst umfangreiche Big-Data-Analysen sämtlicher Fahrzeugdaten durchführen zu müssen, muss klar sein,

  • welche Daten
  • zu welcher Zeit
  • in welchem Umfang
  • und mit welcher Genauigkeit

vorliegen müssen, um eine Entscheidung treffen zu können. Und das geht nur, wenn zuvor eine Vielzahl von Testfahrten (die Datensammlung im Vorfeld) absolviert wurde. Durch die Auswertung vergangener Datensätze kristallisiert sich heraus, welche Szenarien beispielsweise „typisch” für einen notwendigen Bremsvorgang sind. Durch den Lernvorgang werden auch die relevanten Sensordaten identifiziert, die an einem Entscheidungsprozess beteiligt sein sollten.

Nach entsprechender Anlernzeit reichen später vergleichsweise kleine Datenmengen wie

  • aktuelle Geschwindigkeit des Fahrzeugs,
  • Fahrtrichtung des Fahrzeugs, eventuell Querbeschleunigung,
  • Geschwindigkeit oder Position eines möglichen Hindernisses

aus, um einzuschätzen, ob eine Kollision droht, wie viel Zeit noch bis zu dieser bleibt und wie stark ein möglicher Bremsvorgang ausfallen muss, um die Kollision zu verhindern.

Würde das Fahrzeug zu jeder Zeit extrem umfangreiche Berechnungen durchführen müssen oder die Daten wie oben beschrieben nicht zuverlässig sein, wäre eine Reaktion in Nahezu-Echtzeit auf typische Situationen gar nicht möglich. Auffahrunfälle und Schlimmeres wären die mögliche Folge.

Ein anderer wichtiger Faktor für die Zukunft von Smart Mobility ist die Geschwindigkeit, mit der die V2X-Kommunikation abläuft: Das 5G-Netz mit seinen geringen Latenzzeiten schafft die entscheidende Grundlage für die nächste Stufe des autonomen Fahrens. Vodafone hat deshalb 2021 als erster Anbieter in Deutschland ein vom bisherigen LTE-Netz komplett losgelöstes Standalone 5G-Netz live geschaltet, das erstmals Echtzeit-Anwendungen erlaubt.

Hierdurch gibt es während der Übertragung von Sensordaten nahezu keine Verzögerungen mehr, was die Zuverlässigkeit beim autonomen Fahren weiter erhöht. So lässt sich beispielsweise an einem Produktionsstandort eine Flotte von selbständig arbeitenden Transportfahrzeugen koordinieren. Für den Straßenverkehr der Zukunft bedeutet Echtzeit-Kommunikation zudem weniger Staus durch bessere Abstimmung aller Beteiligten.

 




Video: YouTube / Vodafone Deutschland

 

Industrie, Mobilität, Energie und Gesundheitswesen: Vielfältige Anwendungsfelder für smarte Daten

Big Data und kein Ende: Die aktuelle weltweite Datenproduktion

Schätzungen zufolge werden weltweit derzeit etwa 40 Zettabyte (40 Milliarden Terabyte) pro Jahr an Daten produziert. Dies entspräche der Datenmenge, die auf etwa 800 Milliarden BluRay-Disks passt. Übereinander gestapelt würden diese bis in eine Höhe von 960.000 km reichen – das entspricht in etwa dem Zweieinhalbfachen der Entfernung zwischen Erde und Mond.

Es gibt viele weitere Bereiche, in denen Smart Data schon heute zum Einsatz kommt. Darunter sind: 

  • Smart Meter: Intelligente Verbrauchsmessgeräte beispielsweise für Gas, Strom oder Wasser ermitteln fortlaufend Entnahmemengen, Füllstände und ähnliche Werte und übermitteln diese an eine zentrale Stelle. Dort werden die Daten intelligent („smart”) ausgewertet und in Handlungsempfehlungen überführt oder für die Abrechnung genutzt.
  • Smart Health: Smart Data hilft beim Patient:innen-Monitoring und steigert die Effizienz von Behandlungsverfahren. Heilungschancen und Patient:innenwohl verbessern sich, weil Ärzt:innen auf Basis von immer besseren Modellrechnungen für ihre Patient:innen bessere Vorhersagen zu bestimmten Behandlungsverfahren oder Wirkstoffen geben können.
  • 3D-Druckverfahren: Neben passgenauen Schuhen aufgrund eines Laser-Scans liefern 3D-Druckverfahren inzwischen ganze Häuser „aus dem Nichts”. Damit das gut funktioniert und nicht zu lange dauert, müssen zahlreiche Parameter nicht nur erfasst, sondern auch bewertet und miteinander in Verbindung gebracht werden. Aus Rohdaten werden durch intelligente Aufbereitung dann spätere Druckdaten.
  • Logistikbereich: Nicht nur die Paketzustellung wird durch Live-Tracking immer „intelligenter”. Durch geschickte Verknüpfung und Auswertung typischer Warenströme von der Bestellung bis zur Ankunft bei der/dem Empfänger:in lassen sich Unmengen an Kosten durch Wegoptimierung und Just-in-time-Verfahren einsparen.
  • Gastronomie: Schon heute existieren „smarte Küchen”, bei denen sowohl Wareneingang, also auch Haltbarkeit, typische Verbrauchsmengen und ähnliche Faktoren teil- oder vollautomatisch berücksichtigt werden. In der Folge sinkt die Wegwerfquote. Das ist nicht nur gut für die Umwelt, sondern auch für die wirtschaftliche Bilanz, insbesondere bei Großküchen.
  • Freizeit: Auch im Sport schaffen Big Data und Smart Data neue Chancen. So helfen digitale Sensorik und deren Auswertung etwa im Fußball bei digitalen Hightech-Analysen, verbessern das Passspiel innerhalb von Teams oder geben einzelnen Akteuren gezielt Trainingstipps. In anderen Sportarten werden Bewegungsabläufe gefilmt, digitalisiert und aus den ausgewerteten Daten dann wiederum Empfehlungen abgeleitet. Nicht zuletzt werden hierdurch auch Verletzungsrisiken minimiert, weil Sportgeräte, Kleidung oder Sportschuhe verbessert und optimal angepasst werden können.
  • Katastrophenschutz: Durch die Kombination der von Behörden ermittelten Siedlungs- und Gebäudedaten mit Wetterdaten, hydrologischen Modellrechnungen und geologischen Profilen lassen sich per Smart-Data-Analyse bei gefährlichen Wetterlagen rechtzeitig Warnungen für die Bevölkerung aussprechen oder vor Ort Einsatz- und Rettungskräfte aktivieren.

 


 

Die Liste ist nicht vollständig. Sie zeigt beispielhaft, wie Big-Data-Analysen nahezu alle Lebensbereiche verändern, Ressourcen sparen und Menschen mehr Sicherheit geben, etwa im Straßenverkehr oder der Medizin. Dabei wird deutlich, wie wichtig ein intelligenter Umgang mit den vorhandenen Datenmengen ist.

Je besser zukünftige, automatische Entscheidungen ausfallen sollen, desto mehr Daten müssen zur Verfügung stehen. In naher Zukunft wird es also noch mehr Sensoren, noch mehr Daten und noch mehr Auswertungsbedarf geben: Das bedeutet auch mehr Bedarf an smarten Analyseverfahren und (Nahezu-)Echtzeitkommunikation.

 

Smart Data: Vodafone bietet Erfassungs- und Auswertungslösungen aus einer Hand

Planen Sie bereits in Richtung Smart Data-Auswertungen oder sehen konkreten Bedarf bei der Auswertung vorhandener Sensordaten? Vodafone bietet Ihnen nicht nur die notwendige Beratung bei der Installation und Einrichtung solcher Lösungen. Darüber hinaus können Sie alle erfassten Daten bei uns in einem übersichtlichen Dashboard zusammenfassen und Ihren wichtigsten KPIs zuordnen.

 

Wie stehen Sie zum Thema Smart Data? Wendet Ihr Unternehmen bereits Big-Data- oder Smart-Data-Analyseverfahren an? Wir freuen uns auf Ihren Kommentar.

 


Ihre Digitalisierungs-Berater:innen für den Mittelstand

Sie haben Fragen zur Digitalisierung? Unser Expert:innen-Team hilft Ihnen kostenlos
und unverbindlich im Chat (Mo.-Fr. 8-20 Uhr). Oder am Telefon unter 0800 5054512

Kommentare

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.

Facebook Twitter WhatsApp LinkedIn Xing E-Mail