Smart Data steht für das detaillierte und strukturierte Ergebnis einer Analyse von unstrukturierten Datenmassen (Big Data). Es handelt sich bei jeder Smart-Data-Information um einen expliziten Fakt. Man spricht auch von digitalen Befunden, die zudem Verknüpfungen mit anderen feingranularen Informationen erlauben. In der Intralogistik werden beispielsweise Smart-Data-Informationen vom Leitstand nachvollziehbar und meist grafisch aufbereitet dargestellt.

Während Big Data für die Gewinnung von großen Datenmengen steht, setzt Smart Data auf die bis dahin kaum berücksichtigten Herausforderungen, aus riesigen Datenmengen, effiziente und nutzbare Daten zu generieren. Hierzu nutzen Datenspezialisten in der Regel leistungsstarke Rechner (auch Supercomputer) und Algorithmen, die wiederum immer wieder mit neuen präzise formulierten Fragestellung bestückt sind. Ziel von Smart Data ist es, Big Data von der Größe ‘Big’ zu entkoppeln, indem die relevanten Daten gezielt in einen, der Wirtschaft und Umwelt dienenden, analytischen Zusammenhang gestellt werden.

Erst durch eine intelligente Verknüpfung wird Big Data zu Smart Data. Die Verwendung semantischer Technologien ist dabei Voraussetzung. Es gilt; 80 Prozent der weltweit anfallenden Daten liegen noch immer unstrukturiert auf Speichermedien und 95 Prozent dieser sind nicht automatisiert auswertbar.

Stefan Jähnichen, FZI Forschungszentrum Informatik und Leiter der Smart-Data-Begleitforschung / Digitale Technolgien ‚Von Big Data zu Smart Data – Herausforderungen für die Wirtschaft‘

Smart Data wird, ähnlich wie Big Data, über die drei Kriterien der sogenannten ‘3-V-Definition’ realisiert (1):

  • Volume (Volumen) – Verarbeitung sehr großer Datenmengen
  • Velocity (Geschwindigkeit) – die Daten werden unter engen zeitlichen Rahmenbedingungen ausgewertet
  • Variety (Vielfalt) – es werden unterschiedliche Datentypen ausgewertet, zum Teil unstrukturierte Daten

Ein viertes wichtiges Kriterium nennt sich ‘Veracity’ und zielt auf die Richtigkeit der Informationen ab. Spätestens ab der Aus- und Bewertung von Informationen ist dieser Prozess ein Muss.

Smart Data: Herausforderung und Ausblick

Das weltweit aufkommende Datenvolumen wird in einigen Jahren auf das Vierzig- bis Fünfzigfache gewachsen sein. Das entspricht einer Datenmenge von zirka 40 Zettabyte. Das sind umgerechnet vierzig Billionen Gigabyte oder 4,4 Billionen HD-Filme von jeweils zwei Stunden Länge1. Aber auch die geschätzte Menge aller jemals von Menschen gesprochenen Worte würde digitalisiert 42 Zettabyte entsprechen. Für die Industrie eine enorme Herausforderung, aus dem Fundus an Know-how brauchbare Informationen zu extrahieren. Auch weil Informationen aus immer mehr Lebensbereichen zusammenfließen und digitalisiert vorliegen.

In Zukunft werden unzählige Anwendungen wie Navigation beziehungsweise industrielles Routing, Lagerplanung und prozesstechnische Vorhersagen (siehe dazu Beispiele) von massenhaften aber verknüpften, präzisen und somit kumulierten Daten geprägt sein. Sie werden, im Unterschied zu heute, nicht mehr projektbezogen, vielmehr projektübergreifend Anwendung finden. Das Internet der Dinge, das eine automatisierte und in der Regel autarke Kommunikation zwischen produzierenden Maschinen, den Produkten sowie allen anderen beteiligten Gegenständen (Werkzeuge, Ersatzteile und einzelne Prozesse wie Nachschub) entlang der Wertschöpfungskette erlaubt, wird mittels Smart Data neue Anforderungen und Möglichkeiten für die Industrie schaffen.

Beispiele von Smart Data in der Industrie

In der Intralogistik verzichtet man in der Regel auf große Datenmengen. So benötigen Host, Warehouse-Management-System, Materialflussrechner und die gesamte Fördertechnik (inklusive Speicherprogrammierbare Steuerung) nur die Informationen, die für den jeweiligen Prozess auch tatsächlich benötigt werden. Betrachtet man die Logistik im Allgemeinen und aus der Perspektive einer Drohne, rückt die Analyse von smarten Daten besonders bei Themen wie Simulation, Entscheidungsunterstützung und Vorhersagen (Predictive Analytics) in den Vordergrund. Zudem ist der Einsatz von smarten Informationen bei den Fahrzeugflotten bereits Standard. LKW in der Extralogistik und fahrerlose Transportfahrzeuge wie auch klassische Stapler werden bereits mittels Smart Data ferngewartet: Stillstandzeiten, gezielte Auslastungen und Diebstahlschutz sind nur einige umgesetzten Features.

Aber auch in der Produktion lassen sich heutzutage große und aufbereitete Datenmengen nutzen. Beispielsweise nutzt man anfallende Daten sofort für das sogenannte Condition Monitoring, also dem Überprüfen von Anlagen hinsichtlich der Wartungsoptimierung und zur Erkennung von Optimierungsbedarf (Predictive Maintenance). In der Praxis können beispielsweise Anlagen den Energieverbrauch während der Produktion selbstständig und umweltgerecht regulieren, hoch oder herunterfahren. Verschleißteile sind heutzutage in der Lage, ihren Qualitätszustand beziehungsweise Abnutzungsgrad der Wartung zu melden; bei Bedarf Ersatz und einen Austauschprozess einzuleiten.

Smart Data im Consumer-Bereich

Im Consumer-Bereich ist das Segment Smart Data bereits bis zum Endkunden vorgedrungen. Speziell Kartendienste wie Google Maps zeigen in Verknüpfung mit den Diensten Google Now sowie Google Search, was mit den teils personalisierten Informationen in Echtzeit möglich ist: Zugverbindungen, Standortverknüpfung, Staumeldung, standortbezogene Wettervorhersage – mobil und jederzeit auf Knopfdruck oder per Voice-Abfrage abrufbar. Unzählige Sensoren und Schnittstellen in Smartphones und den dazugehörigen OS (Android, iOS, BlackBerry (QNX-System) sorgten zuletzt dafür, dass auch die Bereiche Smart Home und Smart Car von der Industrie Beachtung fanden.

(1) Big Data, Smart Data: die wichtigsten Keywords erklärt

Weitere Informationen zum Thema Smart Data und Automatisierung in der Industrie lesen Sie im Artikel: der Ameisenalgorithmus.

Bildquelle: Pixabay

Also available in English (Englisch)