Lösungsbeispiele
Podcastfolgen
Echtzeitdaten mit Apache Flink: Wie Ververica und Steadforce industrielle IoT-Projekte zum Erfolg führen
Echtzeit statt Stillstand – Warum Apache Flink zur Schlüsseltechnologie für industrielle Datenprojekte wird Ob Predictive Maintenance, Anomalieerkennung oder adaptive Fertigungssteuerung: Moderne Industrieunternehmen stehen vor der Herausforderung, riesige Datenmengen nicht nur zu sammeln, sondern in Echtzeit zu nutzen. Apache Flink hat sich dabei als führendes Tool für Stream Processing etabliert. In dieser Folge geht es um konkrete Anwendungen aus Fertigung, Logistik und Infrastruktur – etwa zur Vermeidung von Work-in-Progress, zur Überwachung von Temperaturverläufen oder zur Optimierung komplexer Lieferketten. Du erfährst, wie Unternehmen bestehende IT-/OT-Architekturen Schritt für Schritt mit Flink erweitern, welche Fehler es zu vermeiden gilt und warum „Evolution statt Revolution“ der klügere Weg ist. Außerdem im Fokus: Warum sich Investitionen in Streaming-Technologien oft schon lohnen, bevor sich ein ROI monetär messen lässt – und wie sich Projekte mit Starterkits, Flink SQL und der Ververica Cloud effizient starten lassen. Für alle OT-/IT-Verantwortlichen, Datenarchitekt:innen und Entscheider:innen im Industrial IoT, die Streaming Use Cases skalierbar, sicher und wartbar umsetzen wollen.
Der Weg ins Data Mesh - Diese Möglichkeiten gibt es
Ein zentrales Thema der Podcastfolge ist das Konzept des Data Mesh, entwickelt von Zhamak Dehghani. Data Mesh bricht traditionelle, monolithische und zentralisierte Datenstrukturen auf und betrachtet Daten aus einer neuen Perspektive. Das Konzept basiert auf vier Prinzipien: Domain Ownership, Betrachtung von Daten als Produkt, Förderung von Self-Service und geförderter Governance. Beide Experten diskutieren verschiedene Use Cases, die durch diese Art von Datenintegration ermöglicht werden. Ein Beispiel ist die Korrelation von Vertriebs- und Produktionsdaten, um Kundeninformationen abzugleichen und Analysen durchzuführen. Ein weiteres Beispiel ist der „Product Carbon Footprint“, bei dem Daten aus verschiedenen Quellen wie ERP-Systemen und Produktionsdaten zusammengeführt werden müssen. Abschließend betonen Stephan Schiffner und Roland Mackert die Vorteile der dezentralisierten Datenansätze. Diese ermöglichen es Unternehmen, flexibel und effizient auf ihre Daten zuzugreifen und diese für geschäftliche Entscheidungen und Analysen zu nutzen. Die Technologie von Starburst Data, die auf der Trino SQL-Query-Engine basiert, spielt dabei eine entscheidende Rolle.
Computer Vision und Echtzeit-Objekterkennung mit akustischen Unterwassermodems – Was wir von Delfinen für IoT lernen können
Stephan Schiffner (CTO, Steadforce) entwickelt mit Steadforce derartige digitale Lösungen und Plattformen. Sie sind skalierbar, sicher und nachhaltig – so wie die für Unterwasserexperten EvoLogics GmbH. Eine große Herausforderung in dieser Podcastfolge: Im Wasser ist nur eine Datenrate- und übertragung weniger Kilobits pro Sekunde möglich. Philipp Bannasch (Teamleiter Sensorintegration, EvoLogics) berichtet davon, wie die Herausforderungen der Datenübertragung gemeistert werden, wie die Steadforce-Lösung den Anwendern bei der Bildauswertung das Leben erleichtert und Workflows automatisiert werden. Wie das Ganze im Detail funktioniert, wird in dieser Podcastfolge auf den Punkt gebracht. Eher Lust zu lesen? Kein Problem: Hier gibt´s den Use Case zum Nachlesen. Übrigens: Der Use Case ist übertragbar und auch Überwasser anwendbar! Wer kann davon profitieren? Unternehmen industrieübergreifend – Automotive, Chemie & Pharma, Metallverarbeitung, Bergbau etc.
