Vladimir - stock.adobe.com
IoT-Systeme modernisieren, ohne Alttechnik abzuschreiben
Viele IoT-Plattformen der ersten Generation stoßen an ihre Grenzen und müssen modernisiert werden. Doch Altsysteme lassen sich häufig nicht einfach austauschen.
Viele Unternehmen im Maschinen- und Anlagenbau stehen heute vor einer ähnlichen Ausgangslage: In den frühen Phasen des industriellen Internet der Dinge (Industrial Internet of Things, IIoT) wurden ambitionierte Eigenentwicklungen aufgebaut, um Maschinen zu vernetzen, Daten erstmals in die Cloud zu bringen und digitale Services möglich zu machen.
Diese Systeme erfüllten ihren Zweck, sie waren der Startpunkt, an dem vernetzte Produkte zum ersten Mal Realität wurden.
Doch inzwischen hat sich das Internet der Dinge (Internet of Things, IoT) weiterentwickelt. Es ist kein experimentelles Innovationsfeld mehr, sondern eine geschäftskritische Infrastruktur, die Skalierung, integrierte Datenflüsse und moderne Sicherheitsarchitekturen voraussetzt.
Damit rückt das Problem, der alternden Plattformen in den Fokus, das viele Unternehmen lange vor sich herschoben. Was früher als technologische Pionierleistung galt, zeigt zunehmend strukturelle Schwächen, die die Weiterentwicklung bremsen und die Kosten in die Höhe treiben.
Warum frühe IoT-Plattformen heute an ihre Grenzen geraten
Der deutschsprachige Maschinenbau hat traditionell eine starke Engineering-DNA. Viele Unternehmen entschieden sich deshalb, IoT-Lösungen selbst zu entwickeln – hardwarezentriert, nah an der Maschine, mit individuellem Funktionsumfang. Der Betrieb einer IoT-Plattform im industriellen Maßstab ist jedoch eine eigene Disziplin, die Fähigkeiten erfordert, wie sie typischerweise bei großen Cloud- und IoT-Plattformanbietern zu finden sind.
Typische Schwachstellen dieser ersten Generation zeigen sich heute klar:
- Unzureichende Skalierung: Architekturen, die für einige hundert Geräte ausgelegt waren, geraten unter globalen Rollouts unter Druck. Außerdem gewinnen flexibles Datenmanagement und KI/Analytics zunehmend an Bedeutung, um Mehrwerte aus den erfassten IoT-Daten zu gewinnen.
- Steigende Betriebskosten: Monolithische Ansätze verursachen hohe Aufwände für Wartung, Anpassung und Weiterentwicklung.
- Heterogene Plattformlandschaften: Durch Zukäufe oder bereichsgetriebene Einzelinitiativen existieren oft mehrere inkompatible IoT-Systeme parallel.
- Sicherheitsrisiken: Plattformen, die nicht für moderne Multi-Tenant-Modelle und sich kontinuierlich weiterentwickelnde Sicherheitsstandards konzipiert wurden, werden zunehmend zur Belastung.
Die naheliegende Reaktion wäre eine vollständige Modernisierung durch ein neues System. Doch genau hier beginnt das nächste Risiko.
Das Second-System-Problem: Warum direkte Migrationen scheitern können
Der Austausch einer etablierten IoT-Plattform wirkt in der Theorie wie der einfachste Weg. In der Praxis zeigt sich jedoch, dass solche Projekte teuer, langwierig und organisatorisch herausfordernd sind. Häufig entstehen überhöhte Erwartungen an das neue System: Es soll alle Altlasten beseitigen, identische Funktionen bereitstellen und gleichzeitig neue Innovationspotenziale freisetzen.
Diese Erwartungskombination führt dazu, dass die Komplexität des Altsystems unbewusst nachgebaut wird. Parallel dazu müssen beide Plattformen über Monate hinweg betrieben werden, was die Kosten erhöht und Entwicklungsteams blockiert. Am Ende steht oft eine modernere Technologie, die jedoch die strukturellen Probleme der Vorgängerlösung repliziert.
Ein dritter Weg: Altsysteme stabilisieren, Daten zentralisieren, Innovationen entkoppeln
Es existiert ein Ansatz, der weder auf Abriss noch auf vollständige Migration setzt. Stattdessen trennt er technische Basisarbeit von geschäftsrelevanter Wertschöpfung.
Dieser Transformationspfad basiert auf drei strategischen Prinzipien:
- Ein Data Lake als zentrale Integrationsschicht für alle IoT-Daten.
- Keep the Lights On für die Altsysteme.
- Nutzung einer modernen SaaS-Lösung, die Standardfunktionen übernimmt und Innovation beschleunigt.
1. Datenzentrierung statt Gerätemigration
Ein Data-Lake-Ansatz ermöglicht es, Daten aus alten und neuen IoT-Systemen in einer zentralen, einheitlichen Struktur zusammenzuführen. So entsteht eine gemeinsame Datenbasis für alle nachgelagerten Geschäftsprozesse.
Anstatt tausende Bestandsgeräte technisch auf eine neue IoT-Plattform zu heben – ein Prozess, der Firmware-Risiken und operative Eingriffe umfasst –, verbleiben sie im bestehenden System, während die relevanten Datenströme parallel in den Data Lake geführt werden. Ein Praxisbeispiel zeigt: Aus rund 280 GB Rohdaten pro Tag werden durch moderne Speicherformate etwa 12 GB – eine Reduktion um mehr als den Faktor 23 und deutliche Kostensenkungen. Anwendungen aus ERP, Service, Business Intelligence (BI) oder KI greifen auf konsolidierte Daten zu – unabhängig davon, ob sie aus einer älteren Maschine oder einem modernen Sensor stammen.
2. KTLO: Altplattformen in den Stabilitätsmodus überführen
Der Ansatz Keep the Lights On (KTLO) sieht vor, Legacy-Systeme funktionsfähig zu lassen, aber nicht länger weiterzuentwickeln. Nur sicherheitsrelevante Updates und kritische Bugfixes werden noch vorgenommen.
Die Vorteile:
- Betrieb bleibt stabil.
- Risiken durch Eingriffe sinken.
- Ressourcen werden frei und können vollständig in moderne Plattformen fließen.
Da historische Daten ausgelagert sind, können operative Komponenten auf das Minimum reduziert werden – was sowohl Kosten als auch Komplexität verringert.
3. SaaS als Beschleuniger: Standard kaufen, Differenzierung selbst entwickeln
SaaS-Lösungen übernehmen jene Aufgaben, die notwendig, aber nicht differenzierend sind, etwa Gerätemanagement, Skalierung, Security oder Compliance. Sie ermöglichen es Unternehmen, diese Basisfunktionen auszulagern, während Legacy-Systeme im Feld verbleiben können.
„Die erste IoT-Generation war ein notwendiger Startpunkt – aber sie muss nicht rückabgewickelt werden. Anstatt Legacy-Technik als Ballast zu betrachten, können Unternehmen sie als stabile Basis weiter nutzen, wenn sie sie konsequent von der eigentlichen Innovation entkoppeln.“
Dr. Jürgen Krämer, Cumulocity
Neue digitale Services, Datenanalysen und Anwendungen entstehen oberhalb dieser Schicht – auf einer modernen, skalierbaren Architektur. Unternehmen investieren ihre Entwicklungszeit dann nicht mehr in Grundfunktionen, sondern in jene 20 Prozent, die echten geschäftlichen Mehrwert schaffen, wie branchenspezifische Algorithmen, Analysemodelle oder kundenindividuelle Services.
Fazit: Modernisierung als fließender Prozess – Legacy behalten, Plattform nutzen
Die erste IoT-Generation war ein notwendiger Startpunkt – aber sie muss nicht rückabgewickelt werden. Anstatt Legacy-Technik als Ballast zu betrachten, können Unternehmen sie als stabile Basis weiter nutzen, wenn sie sie konsequent von der eigentlichen Innovation entkoppeln. Der kombinierte Ansatz, Legacy-Systeme im KTLO-Modus stabil zu halten, Daten über einen zentralen Data Lake zu konsolidieren und eine moderne SaaS-Plattform darüber zu etablieren – zeigt einen klaren Weg auf: Legacy behalten, Innovation obenauf realisieren.
Über den Autor
Dr. Jürgen Krämer ist Chief Product Officer und Geschäftsführer bei Cumulocity und verantwortet damit das gesamte Produkt- und Service-Portfolio der Marke. Er leitet die Teams für Produktmanagement und -marketing, Professional Services und das Partner-Ökosystem. Mit über 20 Jahren Erfahrung in der Softwareentwicklung und einem Doktor in Informatik war Jürgen Krämer unter anderem CEO und Mitgründer eines preisgekrönten Spin-offs der Universität Marburg, das 2010 von der Software AG übernommen wurde. Bereits zweimal wurde er vom Magazin Capital zu einem der "Top 40 unter 40" in Deutschland gewählt und ist Mitglied des BITKOM Management Clubs.
Die Autoren sind für den Inhalt und die Richtigkeit ihrer Beiträge selbst verantwortlich. Die dargelegten Meinungen geben die Ansichten der Autoren wieder.
