http://dl.gi.de/handle/20.500.12116/36012 2026-07-23T18:02:32Z 2026-07-23T18:02:32Z Oberländer, Anna Maria Übelhör, Jochen Häckel, Björn http://dl.gi.de/handle/20.500.12116/36027 2021-03-25T13:59:55Z 2019-01-01T00:00:00Z

IIoT-basierte Geschäftsmodellinnovation im Industrie-Kontext: Archetypen und praktische Einblicke Oberländer, Anna Maria; Übelhör, Jochen; Häckel, Björn Im Zeitalter digitaler Technologien beschränkt sich der Wettbewerb zwischen Industrieunternehmen nicht mehr nur auf klassische Produkt- und Serviceinnovationen. Vielmehr gewinnen neue digitale Geschäftsmodelle auf Basis des Industrial Internet-of-Things (IIoT) an Bedeutung, welche die Vernetzung physischer Produkte und die damit einhergehende Gewinnung und Verwertung relevanter Nutzungs- und Umweltdaten ermöglicht. Neue datenbasierte Geschäftsmodelle, wie zum Beispiel Pay-per-Use-Modelle oder Plattformen, entstehen. Da insbesondere im IIoT-Kontext ein umfassendes und praxisrelevantes Verständnis zu den damit einhergehenden Möglichkeiten der Geschäftsmodellentwicklung fehlt, beschäftigt sich dieser Beitrag mit IIoT-basierten Geschäftsmodellinnovationen im Industrie-Kontext. Zunächst werden sechs IIoT-basierte Geschäftsmodell-Archetypen vorgestellt, die im Rahmen des öffentlich geförderten Konsortialforschungsprojekts „Transparenz in Produktionsprozessen“ (TRiP) mit sechs Industrieunternehmen aus verschiedenen Branchen identifiziert und evaluiert wurden. Auf Basis von zehn interdisziplinären Geschäftsmodellworkshops mit den Konsortialunternehmen werden zudem praxisrelevante Erkenntnisse über die Transformation vom Status Quo Geschäftsmodell hin zum IIoT-basierten Geschäftsmodell diskutiert und abgeleitet. Der Beitrag bietet Praktikern einen strukturierten Überblick zu den Möglichkeiten und Auswirkungen IIoT-basierter Geschäftsmodellinnovation sowie Ansatzpunkte für den Wandel hin zu IIoT-basierten Geschäftsmodellen. In the age of digital technologies, competition between industrial companies is no longer limited to classic product and service innovations. Instead, new digital business models based on the Industrial Internet of Things (IIoT), which enables the networking of physical products and the associated acquisition and exploitation of relevant usage and environmental data, are becoming increasingly important. New data-based business models, such as pay-per-use models or platforms, are emerging. Since a comprehensive and practice-oriented understanding of the associated possibilities of business model development is missing, especially in the IIoT context, this article deals with IIoT-based business model innovations in the industrial context. First, six IIoT-based business model archetypes are presented, which were identified and evaluated as part of the publicly funded research project “Transparency in Production Processes” (TRiP) with six industrial companies from different industries. On the basis of ten business model innovation workshops with the partner companies, practice-oriented insights on the transformation from the status quo business model to IIoT-based business models are derived and discussed. The article provides practitioners with a structured overview of the possibilities and effects of IIoT-based business model innovation as well as starting points for the transformation towards IIoT-based business models.

2019-01-01T00:00:00Z Hoffmann, Jörg Niederau, Mathis http://dl.gi.de/handle/20.500.12116/36028 2021-03-25T13:59:55Z 2019-01-01T00:00:00Z

IoT-gestützte, kommunale Datenarchitektur für Metropolregionen in Deutschland – Metropolitan Data Space Hoffmann, Jörg; Niederau, Mathis Die Metropolregion Rhein-Ruhr zeigt beispielhaft, wie sich Regionen in Deutschland wandeln: Wo einst Kohlebergwerke und die Montanindustrie die Landschaft prägten, entstehen heute langsam neue Industrien; aus alten Tagebauen wird langsam eine Seenlandschaft. Allerdings wächst die Wirtschaft im Ruhrgebiet noch immer langsamer als im Rest Deutschlands. Es benötigt neue Impulse, um Regionen wie diese wirtschaftlich zu unterstützen und zusammenzuführen. Ein solcher Impuls ist eine zentrale Datenplattform, in der nicht nur einzelne Städte, sondern die gesamte Metropolregion vernetzt werden. Genau wie die Grenzen zwischen Städten wie Essen, Bochum und Dortmund bei der Durchfahrt verschwinden, sollen damit auch bestehende digitale Grenzen der Vergangenheit angehören. Als digitale Infrastruktur ermöglichen solche Plattformen neue digitale Geschäftsmodelle für Unternehmen der Region auf Basis von datenbasierten Anwendungsfällen und bilden so die Basis für eine vernetzte Region. Eine Untersuchung des Status Quo in Bezug auf digitale Plattformen und die Datenbereitstellung aus den Kommunen in der Metropolregion Rhein-Ruhr ergibt, dass noch umfangreicher Handlungsbedarf besteht: So besteht weder eine einheitliche Strategie zur Bereitstellung von Daten, noch werden von einzelnen Kommunen relevante Live-Daten auf bestehenden Plattformen veröffentlicht. Auch innerhalb der Kommunen ist die bestehende Sensorbasis und deren Konnektivität nicht ausreichend für die Befüllung einer zentralen Datenplattform – allenfalls bestehen im Kontext von Smart-City-Initiativen Leuchtturmprojekte. Der vorliegende Artikel stellt daher eine IoT-gestützte Architektur für eine zentrale, metropolregionsübergreifende Datenplattform auf Basis des International Data Space, Data Lakes und IoT-Vernetzungstechnologien vor. Er zeigt außerdem auf, wie durch die technische und organisatorische Einbindung von Unternehmen der Wirtschaft ein skalierbares Ökosystem geschaffen werden kann. Anhand von konkreten Beispielen wird erklärt, wie die Umsetzung der Architektur begonnen hat und wie die weitere Implementierung geplant ist. The Rhine-Ruhr metropolitan region is an example of how regions in Germany are changing: Where coal mines and the steel industry once shaped the landscape, new industries are slowly emerging today; old opencast mines are slowly turning into a lake landscape. However, the economy in the Rhine-Ruhr region is still growing more slowly than in the rest of Germany. It needs new impulses to economically support and unite regions like these. Such an impulse is a central data platform in which not only individual cities but the entire metropolitan area is connected. Just as the borders between cities such as Essen, Bochum and Dortmund disappear when passing through, existing digital borders should also be a thing of the past. As a digital infrastructure, such platforms enable new digital business models for companies in the region on the basis of data-based applications and thus form the basis for a networked region. An analysis of the status quo with regard to digital platforms and the provision of data from the municipalities in the Rhine-Ruhr metropolitan region shows that there is still a great need for action: there is neither a uniform strategy for the provision of data, nor is relevant live data published by individual municipalities onto existing platforms. Even within the municipalities, the existing sensor base and its connectivity is not sufficient for filling a digital platform—in any case, lighthouse projects exist in the context of smart city initiatives. In this article, therefore, we present an IoT-supported architecture for a central, cross-metropolitan data platform based on Industrial Data Space, Data Lakes and IoT networking technologies. We also show, how a scalable ecosystem can be created through the technical and organizational integration of companies in the economy. Using concrete examples, we explain how the implementation of the architecture began and how further implementation is planned.

2019-01-01T00:00:00Z Barenkamp, Marco Schoenke, Jan Zarvic, Novica Thomas, Oliver http://dl.gi.de/handle/20.500.12116/36023 2021-03-25T13:59:55Z 2019-01-01T00:00:00Z

IoT Best Practices Barenkamp, Marco; Schoenke, Jan; Zarvic, Novica; Thomas, Oliver Das Internet der Dinge treibt die Digitalisierung in vielen Lebensbereichen und vor allem in der Industrie stark voran. Dabei ergeben sich eine Vielzahl von neuen und verbesserten Anwendungsszenarien und Geschäftsmodellen. Getrieben durch die (theoretisch) unbegrenzten Möglichkeiten der Umsetzung, müssen besonders in der Planung zentrale Sachverhalte vorab evaluiert und bewertet werden, um in Bereichen wie Sicherheit, Betriebsfähigkeit, Skalierung, Wirtschaftlichkeit sowie Geschäftsmodell eine bestmögliche Qualität zu erreichen. Wir geben einen Überblick über die Bedeutung und Zusammenhänge dieser verschiedenen Aspekte und zeigen an einem internationalen IIoT-Projekt konkrete Fallstricke und die getroffenen Gegenmaßnahmen auf. Auf Basis dieser Erkenntnisse geben wir Empfehlungen an Best Practices ab, um neu zu beginnende IoT Projekte zukünftig zielgerichtet planen zu können. The Internet of Things is driving forward digitalization in many areas of life and especially in industry. This results in a large number of new and improved application scenarios and business models. Driven by the (theoretically) unlimited possibilities of implementation, central issues in particular must be evaluated in advance in order to achieve the best possible quality in areas such as security, operability, scaling, cost-effectiveness and business model. We give an overview of the significance and interrelations of these different aspects and point out specific pitfalls and the mitigations taken in an international IoT project in order to recommend best practices to plan new IIoT projects in a more sophisticated way.

2019-01-01T00:00:00Z Petrik, Dimitri Mormul, Mathias Reimann, Peter http://dl.gi.de/handle/20.500.12116/36026 2021-03-25T13:59:55Z 2019-01-01T00:00:00Z

Anforderungen für Zeitreihendatenbanken in der industriellen Edge Petrik, Dimitri; Mormul, Mathias; Reimann, Peter Das industrielle Internet der Dinge (iIoT) integriert Informations- und Kommunikationstechnologien in die industriellen Prozesse und erweitert sie durch Echtzeit-Datenanalyse. Eine bedeutende Menge an Daten, die in der industriellen Fertigung generiert werden, sind sensorbasierte Zeitreihendaten, die in regelmäßigen Abständen generiert werden und zusätzlich zum Sensorwert einen Zeitstempel enthalten. Spezielle Zeitreihen-Datenbanken (TSDB) sind dafür ausgelegt, die Zeitreihendaten effizienter zu speichern. Wenn TSDBs in der Nähe der Maschine (in der industriellen Edge) eingesetzt werden, sind Maschinendaten zur Überwachung zeitkritischer Prozesse aufgrund der niedrigen Latenz schnell verfügbar, was die erforderliche Zeit für die Datenverarbeitung reduziert. Bisherige Untersuchungen zu TSDBs sind bei der Auswahl für den Einsatz in der industriellen Edge nur begrenzt hilfreich. Die meisten verfügbaren Benchmarks von TSDBs sind performanceorientiert und berücksichtigen nicht die Einschränkungen der industriellen Edge. Wir adressieren diese Lücke und identifizieren die funktionalen Kriterien für den Einsatz von TSDBs im maschinennahen Umfeld und bilden somit einen qualitativen Anforderungskatalog. Des Weiteren zeigen wir am Beispiel von InfluxDB, wie dieser Katalog verwendet werden kann, mit dem Ziel die Auswahl einer geeigneten TSDB für Sensordaten in der Edge zu unterstützen. The industrial Internet of Things (iIoT) integrates information and communication technologies in the industrial processes, and extends them through real-time data analytics. A significant amount of data generated in industrial manufacturing is sensor-based time series data, which is generated at regular intervals, and includes a time stamp in addition to the sensor value. Special time series databases (TSDB) are designed to store the time series data more efficiently. If TSDBs are used close to the machine (in the industrial edge), machine data is quickly available for monitoring time-critical processes due to low latency. This helps to reduce the time required for data processing. Previous research on TSDBs is of limited help during the selection of TSDBs for industrial edge. Most available benchmarks of TSDBs are performance-oriented, and do not consider the restrictions of the industrial edge. We address this gap by identifying the functional criteria for the use of TSDBs in the industrial edge, and by building a qualitative requirements catalogue. Furthermore, we exemplarily show how to use this catalogue by applying it to the TSDB to support the selection of a suitable TSDB for recording sensor data in the edge.

2019-01-01T00:00:00Z