Das Unsichtbare Fundament des IoT: Warum Basisfunktionen wieder ins Zentrum gehören

am

🧠 Internet der Dinge in der Logistik – Realität, Technik und Missverständnisse

für das 2. Semester (Bachelor Logistik)

Kompetenzniveau 1–4 | Mit Originalzitaten aus der Berufspraxis

🎯 Motivation

Das Internet der Dinge (Internet of Things, IoT) hat sich in den letzten Jahren rasant entwickelt. Standen anfangs vor allem technische Grundlagen wie Datenerfassung, Objektidentifikation und Positionsbestimmung im Vordergrund, so rücken zunehmend übergeordnete Konzepte in den Fokus: Begriffe wie Cloud, Edge oder Fog Computing beherrschen die Diskussion ebenso wie Big Data und Künstliche Intelligenz. Dabei geraten die grundlegenden Mechanismen, die jede IoT-Anwendung überhaupt erst ermöglichen, zunehmend in den Hintergrund.

Gerade in logistischen Anwendungen - etwa bei der Routenberechnung oder der Verarbeitung von Geoinformationen - ist die präzise und zuverlässige Erfassung von Daten unverzichtbar. Die technischen Basisfunktionen bilden das Fundament, auf dem alle weiteren Schichten aufbauen. Ohne dieses Fundament bleiben auch die ausgefeiltesten Analyseverfahren lückenhaft und wenig belastbar.

Der Trend zu mehr Komplexität ist nicht neu. Viele der heute diskutierten Konzepte haben historische Vorläufer: Was heute als „Edge Computing“ bezeichnet wird, war früher Bestandteil verteilter Rechensysteme; Begriffe wie „computerintegrierte Produktion“ zeugen davon, dass zentrale Ideen bereits seit Jahrzehnten bekannt sind - wenn auch unter anderem Namen.

In der Praxis zeigt sich immer wieder: Die Qualität eines IoT-Projekts hängt maßgeblich davon ab, wie gut die „unsichtbaren“ Prozesse funktionieren - also Datenerfassung, Klassifikation und Lokalisierung. Ohne saubere Datenbasis kann weder eine Cloud-Lösung noch ein Edge-System nachhaltigen Mehrwert schaffen.

Daher gilt: Wer das volle Potenzial moderner IoT-Technologien ausschöpfen will, muss die gesamte Prozesskette im Blick haben - von der Datenquelle bis zur Analyse. Genau hier setzt dieser Vortrag an: Ziel ist es, das Zusammenspiel aller Ebenen zu verstehen - und die Grundlagen wieder sichtbar zu machen.


🎯 Didaktische Klammer:

„Technik verstehen – Prozesse einordnen – Visionen kritisch reflektieren“
➡ Orientierung durch:

  • fundierte Technikkenntnis,

  • prozessuales Denken,

  • kritische Betrachtung von Trends.

🗂️ Inhalte der Veranstaltung

1. Einstieg & Zielklärung

  • Was ist das „Internet der Dinge“ (IoT)?

  • Warum wird es gehypt – und warum scheitert es oft an der Umsetzung?

  • Begriffe und Buzzwords: Cloud, Edge, Cyber-Physical Systems, KI, Blockchain

  • Überblick über bewährte Techniken (z. B. Barcode, EDI, ODETTE)

„Der Gedankengang, dass man Objekte durchs Netz schickt, ist ja nicht neu – früher hieß das Distributed Computing, davor CAM.“

„Ich habe Projekte gemacht, da stimmt nicht mal die Basis – Zettelwirtschaft in SAP-Konzernen.“

2. Automatische Identifikation und Datenerfassung (AIDC)

  • Techniken: Barcode, RFID, NFC, Geocodierung, Zeitstempel

  • Anwendung und Technikverständnis

  • Historie und Entwicklung bis heute

„Ich habe sogar mal ein Barcode-Patent gemacht – wir reden hier über jahrzehntelange Entwicklung.“

„EAN ist ein weltweites System – da steht drauf, was drin ist, und der ganze Handel funktioniert.“

3. Datenqualität & Prozessklarheit

  • Was sind verwertbare Daten?

  • Warum Prozesse oft nicht digitalisierbar sind

  • Mensch als Prozessbestandteil (human in the loop)

„Viele wollen Digitalisierung – aber niemand weiß, wie der Prozess überhaupt abläuft.“

„Wenn ich über Automatisierung rede, ist wichtig zu verstehen: Es gibt Systeme, die ich steuern kann – und andere, bei denen ich nur noch lenken kann.“

4. Kommunikation & Netzwerke

  • Übertragungswege: WLAN, Bluetooth, Mobilfunk, LPWAN

  • Fehlerquellen & Anforderungen

  • Klassische Standards wie EDI

„Wenn ich Logistikprozesse betrachte, rede ich eigentlich über Business-Kommunikation – also EDI, Bestellungen, Rechnungen, etc. Das gibt’s alles schon ewig.“

5. Koordinierte Systeme & Kooperative Standards

  • Bedeutung gemeinsamer Standards (EAN, ODETTE, UN/EDIFACT)

  • Globale Zusammenarbeit durch technische Vereinbarung

„Nur durch CoOrganisation kann Geld verdient werden – Standards machen den Unterschied.“

6. Datenmengen, Verdichtung & Speicherung

  • Feldnahe Rohdaten vs. Management-Kennzahlen

  • Speicherorte und Aggregation

„Auf Feldebene hast du riesige Datenmengen – aber sehr wenig Verdichtung.“

„In der Planung brauchst du aggregierte Daten – im Management hochverdichtete.“

7. Latenz & Echtzeitfähigkeit

  • Unterschiede je nach Anwendung: Millisekunden vs. Tage

  • Wirtschaftliche vs. technische Echtzeit

„In der Buchhaltung reicht’s, wenn die Daten Tage später da sind – beim Kommissionierer müssen sie vor dem Lauf da sein.“

8. Realität vs. Hochglanzbroschüre: Technik & Marketing

  • Wunschdenken vs. Machbarkeit

  • Beispiele für überkomplexe „Lösungen“

„Natürlich kannst du Kryptochips nehmen, die funken – tolle Sache, aber da kostet der Chip mehr als der Transportbehälter.“

„Das ist ein Beispiel, wie marketinggetriebener Unsinn in Unternehmen viel Geld kostet – und kaum was bringt.“

9. Visuelle Darstellung & Entscheidungsfindung

  • Warum schlechte Visualisierung zu Fehlentscheidungen führt

  • Fehler erkennen und vermeiden

„Ich habe so viele unsinnige Analysen gesehen – riesige Pakete, aber keiner schaut mal in Excel.“

10. Technikvielfalt & Auswahlentscheidungen

  • Keine "richtige Lösung", sondern Auswahlprozesse

  • Bewertung und Anpassung über Zeit

„Es gibt nie die Lösung – nur eine akzeptable. Und die ist nächstes Jahr vielleicht schon wieder veraltet.“

11. Softwareentscheidungen & Systembindung

  • Die teuerste Komponente: Software

  • Konsequenzen langfristiger Bindungen

„Wenn du dich für die falsche Software entscheidest – dann bist du auf Jahrzehnte verloren.“

„Hardware ist ersetzbar – aber bei Software bist du festgekettet.“

12. Automatisiertes Missverstehen (Blackbox & KI)

  • Risiken schlechter Daten für maschinelle Systeme

  • Bedeutung von „Data Hygiene“

„Ich hab noch nie erlebt, dass die Daten bei irgendwem auch nur annähernd vollständig waren.“

„Mit schlechter Datenbasis wird KI sogar gefährlicher als Nichtwissen.“

13. Realität trifft auf Vision

  • Innovationsdruck vs. Umsetzungslücke

  • Realistische Anforderungen formulieren

„Ich habe Projekte gesehen, Millionenbudget – und keiner wusste, wie man an die Daten kommt.“

„Die Chefs lesen was in der Computerbild – und dann sollen wir das sofort umsetzen.“

14. Kritische Reflexion & Transfer

  • Fundamentale Techniken vs. neue Hypes

  • Nachhaltige Orientierung schaffen

„Ich finde es irritierend, dass die eigentlichen Basistechniken verdrängt werden.“

„Ohne saubere Daten ist alles andere nur Show – aber das will keiner hören.“

🧩 Abschlussprojekt: „IoT in der Praxis – kontextgerechte Lösung entwickeln“

Ziel:
Die Studierenden entwickeln in Gruppen ein realistisches IoT-Szenario für einen logistischen Anwendungsfall. 
Beispiele: Lagerortung, Behältermanagement, Fahrzeugtracking, Temperaturüberwachung.

Inhalte:

  • Datenquelle, Datenqualität

  • Kommunikation & Speicherung

  • Latenz & Echtzeit-Anforderungen

  • Technik- & Softwarewahl

  • Wirtschaftlichkeitsbetrachtung

Abgabeform:

  • Konzeptskizze + Kurzpräsentation (Poster oder 5-Minuten-Pitch)

🧰 Methoden & didaktischer Rahmen

  • Kompetenzniveau: 1–4

  • Methoden: Fallstudien, Übungen, Diskussionen, Gruppenarbeit, Reflexion

  • Fokussierung auf:

    • Prozesssicht

    • Technikanalyse

    • kritische Reflexion

  • Einsatz Deiner Zitate als:

    • Einstieg in Diskussion

    • Reflexionsimpuls

    • Kontrast zu Hochglanzfolien



Blog: martins-wahre-logistik.blogspot.com, Seite: /2025/04/das-unsichtbare-fundament-des-iot-warum.html
Version: 1.3 Mai 2023, Kontakt: E-Mail Martin Wölker
Pirmasens, Germany, 2018-2025, ausgelesen am: , Licence CC BY-NC-SA



Kommentare

Kommentar veröffentlichen