Die Vernetzung von Geräten und Maschinen über das Internet of Things (IoT) hat in Unternehmen für einen wahren Digitalisierungsschub gesorgt. Dabei sind die Anwendungsgebiete abhängig von der Branche sowie den geschäftlichen Zielsetzungen sehr unterschiedlich und breitgefächert. Beispielsweise können Sie in einer Smart Factory die Produktion wie auch die Lieferketten durch den gezielten Einsatz von Echtzeitdaten steuern, optimieren und automatisieren. Ebenso lassen sich Ihre Kunden mit innovativen Services und smarten Produkten begeistern und dauerhaft binden. Allgemein kann die Verbindung von Echtzeitdaten mit anderen Quellen zu schnelleren und besseren Antworten in der geschäftlichen Entscheidungsfindung führen.
Doch was ist in der jeweiligen Anwendungssituation die geeignete Datenarchitektur? Wie finden Sie die richtige Lösung für Ihre IoT-Initiative? In der Praxis konkurrieren gegenwärtig vor allem zwei Optionen: Lambda vs Kappa. Beide Architekturen haben ihre Vor- und Nachteile. Die richtige Entscheidung hängt letztlich von den genutzten Daten ab – von deren Menge, deren Vielfalt sowie der Geschwindigkeit, mit der sie übertragen werden sollen. Vor diesem Hintergrund möchte ich die beiden Architekturansätze im Folgenden gegenüberstellen.
Lambda: Zwei Pfade, zwei Anwendungsbereiche
Lambda ist der „klassischen“ Ansatz zur Umsetzung von IoT-Lösungen. Das Architekturkonzept ist schon seit einigen Jahren am Markt etabliert und hat sich bei der Nutzung von Streaming-Daten in einem Modern Data Warehouse vielfach bewährt. Es teilt den eingehenden Datenstrom in zwei Pfade:
- Speed-Layer, auch Hot Path genannt
- Batch-Layer, oder auch Cold Path
Über den Speed-Layer können Sie Ihre Echtzeitdaten sofort visualisieren. Er wird daher für zeitkritische Analysen bzw. die Früherkennung spezifischer Phänomene genutzt. So lässt sich beispielsweise ein Fehler in einer Ihrer Produktionsanlagen direkt identifizieren. Sie können sich mittels zuvor definierter Grenzwerte automatisch benachrichtigen lassen und proaktiv eingreifen. In vielen Fällen besteht auch die Möglichkeit, erforderliche Maßnahmen automatisiert ablaufen zu lassen und Ihre Maschinen über einen Rückkanal zu steuern.
Mit der Lambda-Architektur können Ihre Mitarbeiter IoT-Daten gleichermaßen in Echtzeit analysieren oder in ein Standardreporting einbinden. Ein Serving Layer mit In-Memory-Bereitstellung ermöglicht dabei einen schnellen Zugriff auf vorberechnete Daten.
Währenddessen werden über den Batch-Layer alle eingehenden IoT-Daten gespeichert, zum Beispiel in einem Data Lake. Sie können damit Ihre Stammdaten aus CRM und ERP anreichern. Die Daten lassen sich aber auch historisch abrufen und prüfen. Mit den gewonnenen Erkenntnissen optimieren Sie kontinuierlich Ihre Prozesse und treffen dauerhaft bessere Entscheidungen. Ebenso lassen sich historische Analysen als – im wahrsten Sinne – „Lehrmaterial“ beim maschinellen Lernen nutzen, etwa für den Einsatz von Künstlicher Intelligenz im Bereich „Predictive Maintenance“.
Kappa: Alles in Echtzeit
Kappa ist gegenüber Lambda ein neuerer Ansatz zur Verarbeitung von IoT-Daten. Die Architektur setzt vollständig auf einen Datenpfad: den „Hot Path“. Er versorgt nicht nur die typischen IoT-Szenarien mit Echtzeitdaten, sondern auch historische Betrachtungen und weitere geschäftliche Analysen – aus Anwendersicht also ein riesiger Vorteil. Gleichzeitig macht der Ansatz die Entwicklung und Wartung einfacher, da es nur einen Layer zu bearbeiten gilt.
Warum hat sich die Kappa-Architektur also noch nicht als Standard durchgesetzt? Tatsächlich stellen hier einfache Schema-Änderungen vor allem bei den historischen Daten eine echte Herausforderung dar. Der Speed-Layer übernimmt solche Anpassungen nicht selbstständig. Vielmehr müsste die gesamte Daten-Historie manuell geladen und erneut gesichert werden. Außerdem sieht die Kappa-Architektur keine vorab berechneten Daten und Kennzahlen vor. Ein performantes Reporting lässt sich auf dieser Grundlage kaum umsetzen.
Die Kappa-Architektur ist weniger komplex und erweitert das Spektrum der Echtzeitszenarien. Dafür zeigt sie Schwächen bei der Pflege und Nutzung von historischen Daten.
Entsprechend eignet sich Kappa primär bei IoT-Projekten, die einen Fokus auf Echtzeitanalysen und weniger auf die vorhandene Datenbasis legen. Ebenso bietet sich der Ansatz für erste Prototypen zu Präsentationszwecken an.
Lambda vs Kappa: Was ist das Richtige für Sie?
Es wird deutlich, dass die Wahl der passenden IoT-Architektur stark von den Anforderungen des jeweiligen Projekts abhängt. Grundsätzlich lässt sich aber festhalten: Wenn Sie künftig keinerlei Änderungen im Schema Ihrer Daten oder der Logik des Hot Path erwarten, dann bringt Ihnen die Kappa-Architektur viele Vorteile für den Betrieb Ihrer Lösung sowie der geschäftlichen Nutzung Ihrer Echtzeitdaten. Sollten Sie hingegen unsicher sein, dann ist es sinnvoll, zumindest perspektivisch mit der Lambda-Architektur zu planen.
Ich für meinen Teil habe bereits mehrfach die Erfahrung gemacht, dass ein schrittweises Vorgehen am schnellsten zum gewünschten Erfolg führt. Denn im Regelfall steht in IoT-Projekten zunächst die Echtzeitverarbeitung im Mittelpunkt. Sie können also erst einmal einen Hot Path legen, über den Sie die Daten visualisieren und die Machbarkeit nachweisen. Zeigt sich im weiteren Projektverlauf der Bedarf, wird dieser Kappa-Ansatz mit einem Batch-Layer zur Lambda-Architektur ergänzt. So lässt sich der eingehende Datenstrom später dann auch für Künstliche Intelligenz oder unternehmensweite Reportings nutzen.
Lambda vs Kappa: Sind Sie noch auf der Suche nach der richtigen IoT-Lösung zur Verarbeitung Ihrer Echtzeitdaten? Dann schauen Sie doch mal auf der Seite Internet of Things vorbei oder informieren Sie sich über unseren Workshop Internet of Things: IoT-Use-Cases für Ihr Geschäft.
Kommentare (0)