The industrial internet of things (IIoT) is growing at an exponential rate generating massive amounts of industrial data. This data must be leveraged to support business and operational goals. As a result, there is an urgent need for adopting big data technologies to enable data analytics in industrial automation. This paper explores interrelations between IIoT and big data technologies and how they work together to generate business insights from industrial data. Additionally, requirements for cloud-based solutions are derived from the Industrie 4.0 use case scenario value-based-services, focusing on condition monitoring and predictive maintenance services. A survey of selected cloud-based platforms is conducted to examine how these platforms meet the requirements derived from the use case. Results show that existing general cloud platforms should adopt more IIoT applications and platforms, while existing industrial cloud platforms should add big data frameworks to their portfolio. Finally, an architecture for integrating cloudbased IIoT and big data solutions is introduced and issues regarding the use of public cloud for IIoT applications are discussed.

No abstract

Durch zunehmend preiswertere Geräte, günstige Internettechnologien, hochleistungsfähige mobile Geräte sowie Low-Cost-Sensoren hat sich die Menge von vernetzten Geräten drastisch erhöht und wächst weiter. Diese Geräte generieren enorme Datenmengen, die in Echtzeit überall im Unternehmen oder sogar unternehmensübergreifend verfügbar sein sollen. Die Nutzung großer Datenmengen in neuen Geschäftsmodellen und zur Optimierung von Produkten und Produktion wird auch als vierte industrielle Revolution (Industrie 4.0) bezeichnet [1]. Große Datenmengen in Echtzeit global im Unternehmen verfügbar zu machen ist eine Anforderung für die sich herkömmliche IT-Systeme und Tools für industrielle Datensammlung, -transport, -speicherung und -analyse nur bedingt eignen. Dieser Beitrag stellt eineoffene Big-Data-Plattform auf Basis aktueller Technologien, Umsetzungen und Konzepten wie der OPC Unified Architecture (OPC UA), der Industrie-4.0-Verwaltungsschale, Apache Kafka und verteilten Datenanalyseframeworks wie Apache Spark vor.

No abstract

Zusammenfassung. Die Anzahl miteinander vernetzter Sensoren, Geräte und Systeme wird in den nächsten Jahren weltweit weiter massiv ansteigen. Die Erhebung dieser Menge an Daten, es wird von Big Data gesprochen, ist nur dann sinnvoll, wenn Schlussfolgerungen daraus extrahiert werden. Auch die Anwendungsbereiche industrielle Automation und Smart City werden von Internet of Things-(IoT) und Big Data-Technologie derzeit maßgebend geprägt. Mit dem Anstieg von Datenquellen (IoT) und somit erzeugten Daten, die verarbeitet und analysiert werden müssen, müssen IT-Infrastrukturen entwickelt und angewandt werden, die die Anforderungen im Zusammenhang mit Big Data und IoT erfüllen. Eine Möglichkeit die wachsenden Datenmengen und Anforderungen zu bewältigen bietet die Integration von IoT und Big Data in Cloud Infrastrukturen. Heute sind viele Cloud-Lösungen marktverfügbar und die Begriffe IoT und Big Data werden inflationär genutzt, daher fällt es zunehmend schwer eine passende Lösung auszuwählen, die spezifischen Anforderungen einer Anwendung genügen. In diesem Paper wird eine strukturierte Anforderungstaxonomie entwickelt, die die spezifischen industriellen Anforderungen hervorhebt und die es erleichtert Cloud Plattformen passend zur Applikation auszuwählen und zu konfigurieren. Die Taxonomie wird an einem Use Case aus der industriellen Produktion und einem Use Case aus dem Smart City-Bereich evaluiert.