Lang lebe der IoT-Hype!

Warum Gartner "falsch" liegt und das Internet of Things nicht abstürzt

Internet of Things, IoT, Internet der Dinge, Connected Cars, Industry 4.0, Versicherung 4.0, Smart Factory, Smart Homes, Smart Cities, Smart Police, Smart Banking, Smart Grid, Smart ... Puh!!! Wenn es dem Internet der Dinge an einem nicht mangelt, sind es Namen – ein sicheres Indiz dafür, dass sich die globale Marketing-Maschinerie auf das Thema gestürzt hat. Erwartungen werden ins Unermessliche getrieben.

Technologien und Infrastrukturen sind noch unreif. Prozesse und Gesellschaft sind noch nicht bereit. Wenn dann also Wunsch und Realität zu weit auseinanderliegen, stehen Ernüchterung und Absturz kurz bevor. Genau das beschreibt Gartner in seinen Emerging Technology Hype Cycles. Und genau das sagt der 2015er Hype Cycle dem Internet of Things jetzt voraus.

Gartner liegt damit "falsch" – und goldrichtig.

Das IoT wird nicht einfach ins Tal der Depression stürzen. Die mannigfaltigen Namen des Internets der Dinge deuten ja bereits darauf hin – dieser Trend hat viele Standbeine. Und all diesen Überschriften ist eines gemein. Sie beschreiben das Phänomen, dass immer mehr „Dinge" mit immer kleineren und billigeren Sensoren und WiFi-Modulen ausgestattet werden. So sind Smartphones bereits heute mit Helligkeitssensoren, akustischen Sensoren, Beschleunigungs- und Gyrosensoren, elektromagnetischen Sensoren, geomagnetischen Sensoren, Infrarot-Annäherungssensoren, Gestensensoren, Luftdrucksensoren, Temperatursensoren und Luftfeuchtigkeitssensoren ausgestattet.

Und nichts – weder Preis noch Größe – wird Unternehmen daran hindern, solche Sensoren in allen nur denkbaren Gegenständen zu verbauen. Genau das treiben große Technologieführer unaufhaltsam voran. Samsung plant beispielsweise, bis 2017 quasi jedes Gerät IoT-fähig zu machen. Ob andere Konzerne diesen Trend also nun umarmen oder erst mal aussitzen wollen, spielt keine Rolle. Er kommt und er hält in sämtlichen Lebens- und Wirtschaftsbereichen Einzug.

Auch der Gartner Hype Cycle reflektiert das. Auf den ersten Blick sieht man Internet of Things kurz vor dem Platzen der Hype-Blase. Auf den zweiten Blick wird klar, dass gut ein Drittel der beschriebenen Technologietrends untrennbar mit dem Internet der Dinge verbunden sind. Ob autonome Fahrzeuge, Connected Home, Smart Robots, Wearables, Machine Learning oder IoT-Plattformen – nichts davon ist ohne über Internetprotokolle übertragene Sensorinformationen denkbar.

Haben Unternehmen das einmal erkannt und akzeptiert, wird es Zeit, die richtigen Schlüsse zu ziehen und sich vorzubereiten. Das Problem vieler Unternehmen ist jedoch Unsicherheit. Denn eine simple Wirtschaftsweisheit lautet, ohne gesicherten Use Case und Business Case kein Investment. Und unsicher ist ja tatsächlich, welche Business Cases und Use Cases sich durchsetzen werden. Während manche wohl im Reich der Fantasie verbleiben, schießen andere wie Pilze aus dem Boden und schaffen in kürzester Zeit die Marktreife.

Aber all das ist egal. Denn es gibt wichtigere Dinge, die wir sicher wissen:

Sicher ist, in alten wie in neuen Geschäftsprozessen entstehen neue Datenströme und beispiellose Datenmengen.
Sicher ist, diese Daten müssen durch Analysen in handhabbare Informationen verwandelt werden.
Sicher ist, wir reden über Millionen kleinerer und größerer Anwendungsfälle.
Sicher ist, klassische Projektansätze (Problem erkennen, Projekt aufsetzen, Problem lösen) sind zu langsam und zu isoliert.
Sicher ist, die Art und Weise, wie wir mit Daten und Analytics umgehen, wird sich verändern müssen.

Die Schlussfolgerung daraus für Unternehmen ist einfach. Statt wie die Kaninchen vor der Schlange auf den „Killer-Use-Case“ zu warten, heißt es, loszulegen und sich infrastrukturell fit für IoT zu machen. Einzelne Internet-of-Things-Projekte sind mitunter kurzlebig und schnell „out-dated“. Entsprechend wichtig ist es, IoT als konstanten Prozess im Unternehmen einzuführen. Nötig dafür ist eine Analytics-Infrastruktur, die es ermöglicht, in laborartigen Umgebungen spielerisch Zusammenhänge in Daten zu entdecken, daraus Modelle zu entwickeln und diese schnell in die operative Steuerung zu überführen. Nur so befähigen sich Unternehmen, flexibel auf neue Use Cases zu reagieren und Marktchancen schnell zu nutzen. Mehr zum Thema in meinem Blog „Instead of failing fast, how about learning quickly?“.