Advertisement

HMD Praxis der Wirtschaftsinformatik

, Volume 56, Issue 6, pp 1178–1203 | Cite as

Vergleichbarkeit der Funktionalität von IoT-Software-Plattformen durch deren einheitliche Beschreibung in Form einer Taxonomie und Referenzarchitektur

  • Sebastian LempertEmail author
  • Alexander Pflaum
Schwerpunkt
  • 179 Downloads

Zusammenfassung

Mit der zunehmenden Verbreitung und Bedeutung des Internet der Dinge nimmt auch die Bedeutung von IoT-Software-Plattformen als zentraler Bestandteil von IoT-Systemen zu. Aufgrund des geschätzten Marktpotenzials von 15 Mrd. € im Jahr 2020 konkurrieren derzeit über 450 Anbieter miteinander. Da IoT-Software-Plattformen komplexe Lösungen darstellen und unterschiedliche Plattformen unterschiedliche Funktionalitäten aufweisen, führt diese Vielfalt zu einem intransparenten Markt. Folglich stehen Unternehmen, die eine IoT-Anwendung unter Weiternutzung ihrer bestehenden IT-Infrastruktur umsetzen wollen, vor der Herausforderung, die für diesen unternehmensspezifischen Anwendungsfall am besten geeignete IoT-Software-Plattform aus einer Vielzahl von Kandidaten auszuwählen. Dabei stellt die Funktionalität einer IoT-Software-Plattform ein wesentliches Bewertungs- und Auswahlkriterium dar. Allerdings müssen Praktiker zahlreiche Unterlagen mit heterogenen Beschreibungen auf unterschiedlichen Abstraktionsniveaus aus verschiedenen Quellen wie offiziellen Webseiten, Produktbroschüren, Datenblättern, Entwicklerdokumentationen und Marktstudien zeitaufwändig zusammentragen und auswerten, um die Funktionalität der verschiedenen am Markt angebotenen IoT-Software-Plattformen zu verstehen und vergleichen zu können. Vor diesem Hintergrund leitet der vorliegende Beitrag die Funktionalität einer vollständigen IoT-Software-Plattform mit Hilfe einer qualitativen Inhaltsanalyse aus verfügbaren Unterlagen der wichtigsten am Markt verfügbaren Plattformen ab und beschreibt diese in Form einer Taxonomie und darauf aufbauenden Referenzarchitektur. Auf dieser Basis sind Praktiker in der Lage, die Funktionalität der am Markt verfügbaren IoT-Software-Plattformen schnell zu verstehen und untereinander zu vergleichen.

Schlüsselwörter

Taxonomie Referenzarchitektur IoT-Software-Plattform Funktionalität Internet der Dinge 

Comparability of the Functionality of IoT Software Platforms Through Their Uniform Description in the Form of a Taxonomy and Reference Architecture

Abstract

As the Internet of Things becomes more widespread and important, the importance of IoT software platforms as a central component of IoT systems is also increasing. Based on the estimated market potential of 15 billion euros in 2020, more than 450 providers are currently competing with each other. Since IoT software platforms are complex solutions and different platforms have different functionalities, this diversity leads to an intransparent market. As a result, companies that want to implement an IoT application while continuing to use their existing IT infrastructure face the challenge of selecting the most suitable IoT software platform for this company-specific application from a large number of candidates. In this context, the functionality of an IoT software platform is an essential evaluation and selection criterion. However, practitioners must collect and evaluate numerous documents with heterogeneous descriptions at different levels of abstraction from various sources such as official websites, product brochures, data sheets, developer documentation and market studies in order to understand and compare the functionality of the various IoT software platforms available on the market. Against this background, this paper derives the functionality of a complete IoT software platform by means of a qualitative content analysis from available documents of the most important platforms available on the market and describes these in the form of a taxonomy and a reference architecture based on it. On this basis, practitioners are able to quickly understand and compare the functionality of IoT software platforms available on the market.

Keywords

Taxonomy Reference architecture IoT software platform Functionality Internet of Things 

Literatur

  1. Balamuralidhara P, Misra P, Pal A (2013) Software platforms for Internet of things and M2M. J Indian Inst Sci 93:487–497Google Scholar
  2. Bhatia A, Yusuf Z, Ritter D, Hunke N (2017) Who will win the IoT platform wars? Boston Consulting Group, BostonGoogle Scholar
  3. Bretzke W‑R, Stölzle W, Karrer M, Ploenes P (2002) Vom tracking & tracing zum supply chain event management; aktueller stand und trends. KPMG Consulting AG, Düsseldorf, DuisburgGoogle Scholar
  4. Busse J, Humm B, Lübbert C, Moelter F, Reibold A, Rewald M, Schlüter V, Seiler B, Tegtmeier E, Zeh T (2014) Was bedeutet eigentlich Ontologie? Informatik Spektrum 37:286–297.  https://doi.org/10.1007/s00287-012-0619-2 CrossRefGoogle Scholar
  5. Büst R, Hille M, Michel J (2016) Vergleich von IoT-Backend-Anbietern; Crisp Vendor Universe/Q1 2016. Crisp Research, KasselGoogle Scholar
  6. Crook S, MacGillivray C (2017) IDC marketscape: worldwide IoT platforms (software vendors) – 2017 vendor assessment. International Data Corporation, FraminghamGoogle Scholar
  7. Crook S, MacGillivray C, Salmeron A (2017) IDC’s Worldwide IoT Software Platform Taxonomy, 2017. International Data Corporation, Framingham, MA, USAGoogle Scholar
  8. da Cruz MAA, Rodrigues JJPC, Al-Muhtadi J, Korotaev VV, de Albuquerque VHC (2018) A reference model for Internet of things middleware. IEEE Internet Things J 5:871–883.  https://doi.org/10.1109/JIOT.2018.2796561 CrossRefGoogle Scholar
  9. Dorschel J, Dorschel W, Föhl U, van Geenen W, Hertweck D, Kinitzki M, et al. (2015) Wirtschaft. In: Dorschel J (Hrsg) Praxishandbuch Big Data. Wirtschaft – Recht – Technik. Springer Gabler, Wiesbaden, S 15–166.  https://doi.org/10.1007/978-3-658-07289-6_2 CrossRefGoogle Scholar
  10. Doty DH, Glick WH (1994) Typologies as a unique form of theory building: toward improved understanding and modeling. Acad Manage Rev 19:230–251.  https://doi.org/10.5465/amr.1994.9410210748 CrossRefGoogle Scholar
  11. Eckerson WW (2007) Predictive analytics; extending the value of your data warehousing investment. The Data Warehousing Institute, Renton, WA, USAGoogle Scholar
  12. Emeakaroha VC, Cafferkey N, Healy P, Morrison JP (2015) A cloud-based IoT data gathering and processing platform. In: Awan I, Younas M, Mecella M (Hrsg) FiCloud 2015/OBD 2015. IEEE, Piscataway, S 50–57.  https://doi.org/10.1109/FiCloud.2015.53 CrossRefGoogle Scholar
  13. Engels G, Hess A, Humm B, Juwig O, Lohmann M, Richter J‑P, Voß M, Willkomm J (2009) Anwendungslandschaften serviceorientiert gestalten. In: Reussner R, Hasselbring W (Hrsg) Handbuch der Software-Architektur. dpunkt., Heidelberg, S 151–178Google Scholar
  14. Goodness E, Friedman T, Havart-Simkin P, Berthelsen E, Velosa A, Alaybeyi SB, Lheureux BJ (2018) Magic quadrant for industrial IoT platforms. Gartner. https://www.gartner.com/en/documents/3874883. Zugegriffen: 13. Juni 2019Google Scholar
  15. Gregor S (2006) The nature of theory in information systems. MIS Q 30:611–642CrossRefGoogle Scholar
  16. Gronau N (2001) Auswahl und Einführung industrieller Standardsoftware. PPS Manag 6:14–18Google Scholar
  17. Gronau N (2014) Enterprise Resource Planning; Architektur, Funktionen und Management von ERP-Systemen. De Gruyter Oldenbourg, MünchenGoogle Scholar
  18. Guth J, Breitenbucher U, Falkenthal M, Leymann F, Reinfurt L (2016) Comparison of IoT platform architectures: a field study based on a reference architecture. In: CIoT 2016. IEEE, Piscataway, S 1–6.  https://doi.org/10.1109/CIOT.2016.7872918 CrossRefGoogle Scholar
  19. Guth J, Breitenbücher U, Falkenthal M, Fremantle P, Kopp O, Leymann F, Reinfurt L (2018) A detailed analysis of IoT platform architectures: concepts, similarities, and differences. In: Di Martino B, Li K‑C, Yang LT, Esposito A (Hrsg) Internet of everything. Algorithms, methodologies, technologies and perspectives. Springer, Singapore, S 81–101.  https://doi.org/10.1007/978-981-10-5861-5_4 CrossRefGoogle Scholar
  20. Hesse W (2002) Ontologie(n). Informatik Spektrum 25:477–480.  https://doi.org/10.1007/s002870200265 CrossRefGoogle Scholar
  21. Hodapp D, Remane G, Hanelt A, Kolbe LM (2019) Business models for internet of things platforms: empirical development of a taxonomy and archetypes. In: Ludwig T, Pipek V (Hrsg) WI 2019. universi, Siegen, S 1769–1783Google Scholar
  22. Hoffmann J (2018) Informationssystem-Architekturen produzierender Unternehmen bei software-definierten Plattformen. Apprimus, AachenGoogle Scholar
  23. Hoffmann J, Heimes P, Retzlaff C (2019) IoT-Plattformen für das Internet of Production. Forschungsinstitut für Rationalisierung e.V, AachenGoogle Scholar
  24. IoT Analytics (2017) List of 450 IoT platform companies. IoT analytics. https://iot-analytics.com/product/list-of-450-iot-platform-companies/. Zugegriffen: 13. Juni 2019Google Scholar
  25. Jadhav AS, Sonar RM (2009) Evaluating and selecting software packages; A review. Inform Softw Technol 51:555–563.  https://doi.org/10.1016/j.infsof.2008.09.003 CrossRefGoogle Scholar
  26. Klostermeier R, Haag S, Benlian A (2018) Digitale Zwillinge – Eine explorative Fallstudie zur Untersuchung von Geschäftsmodellen. HMD 55:297–311.  https://doi.org/10.1365/s40702-018-0406-x CrossRefGoogle Scholar
  27. Krause T, Strauß O, Scheffler G, Kett H, Lehmann C, Renner T (2017) IT-Plattformen für das Internet der Dinge (IoT); Basis intelligenter Produkte und Services. Fraunhofer Verlag, StuttgartGoogle Scholar
  28. Krcmar H (2015) Informationsmanagement. Springer Gabler, WiesbadenGoogle Scholar
  29. Kuckartz U (2018) Qualitative Inhaltsanalyse. Methoden, Praxis, Computerunterstützung. Beltz Juventa, Weinheim, BaselGoogle Scholar
  30. Kuhn T (2017) Digitaler Zwilling. Informatik Spektrum 40:440–444.  https://doi.org/10.1007/s00287-017-1061-2 CrossRefGoogle Scholar
  31. Lempert S, Pflaum A (2011a) Development of an integration and application platform for diverse identification and positioning technologies. In: Heuberger A, Elst G, Hanke R (Hrsg) Microelectronic systems. Circuits, systems and applications. Springer, Berlin, Heidelberg, S 207–217.  https://doi.org/10.1007/978-3-642-23071-4_20 CrossRefGoogle Scholar
  32. Lempert S, Pflaum A (2011b) Towards a reference architecture for an integration platform for diverse smart object technologies. In: Höpfner H, Specht G, Ritz T, Bunse C (Hrsg) MMS 2011. Gesellschaft für Informatik e. V. (GI), Bonn, S 53–66Google Scholar
  33. Lueth KL, Kotzorek J (2015) IOT PLATFORMS; the central backbone for the Internet of things. IoT Analytics, HamburgGoogle Scholar
  34. MachNation (2017) Machnation functional architecture for IoT platforms. MachNation, Harrisburg, NC, USAGoogle Scholar
  35. Mayring P (2015) Qualitative Inhaltsanalyse; Grundlagen und Techniken. Beltz, WeinheimGoogle Scholar
  36. McLaren TS, Vuong DCH (2008) A “genomic” classification scheme for supply chain management information systems. J Enterp Inf Manag 21:409–423.  https://doi.org/10.1108/17410390810888688 CrossRefGoogle Scholar
  37. Microsoft (2018) Microsoft Azure IoT reference architecture; version 2.1. Microsoft Corporation, RedmondGoogle Scholar
  38. Nickerson RC, Varshney U, Muntermann J (2013) A method for taxonomy development and its application in information systems. Eur J Inform Syst 22:336–359.  https://doi.org/10.1057/ejis.2012.26 CrossRefGoogle Scholar
  39. Pelino M, Hewitt A (2016) The Forrester wave: IoT software platforms, Q4 2016; the 11 providers that matter most and how they stack up. Forrester, Cambridge, MA, USAGoogle Scholar
  40. Pelino M, Voce C (2017) Vendor landscape: IoT software platforms. Forrester, Cambridge, MA, USAGoogle Scholar
  41. Reidt A, Pfaff M, Krcmar H (2018) Der Referenzarchitekturbegriff im Wandel der Zeit. HMD 55:893–906.  https://doi.org/10.1365/s40702-018-00448-8 CrossRefGoogle Scholar
  42. SAP (2016) Reference architecture for SAP IoT solutions. SAP, WalldorfGoogle Scholar
  43. Şen CG, Baraçlı H, Şen S (2009) A literature review and classification of enterprise software selection approaches. Int J Inform Technol Decis Making 8:217–238.  https://doi.org/10.1142/S0219622009003351 CrossRefGoogle Scholar
  44. Singhal A (2001) Modern information retrieval: a brief overview. IEEE Data Eng Bull 24:35–43Google Scholar
  45. Steven M, Krüger R (2004) Supply Chain Event Management für globale Logistikprozesse; Charakteristika, konzeptionelle Bestandteile und deren Umsetzung in Informationssysteme. In: Spengler T, Voss S, Kopfer H (Hrsg) Logistik Management. Prozesse, Systeme, Ausbildung. Physica, Berlin Heidelberg, S 179–195.  https://doi.org/10.1007/978-3-7908-2689-0_12 CrossRefGoogle Scholar
  46. Tan P‑N, Steinbach M, Kumar V (2014) Introduction to data mining. Pearson, HarlowGoogle Scholar
  47. Toivanen T, Mazhelis O, Luoma E (2015) Network analysis of platform ecosystems: the case of Internet of things ecosystem. In: Fernandes JM, Machado RJ, Wnuk K (Hrsg) Software business. Springer, Cham, Heidelberg, New York, S 30–44.  https://doi.org/10.1007/978-3-319-19593-3_3 CrossRefGoogle Scholar
  48. Vogt A (2017) IoT platforms in europe 2017; IoT platforms for Analytics applications, device development, device management, rapid deployment. Positioning of Microsoft. Pierre Audoin Consultants, NanterreGoogle Scholar
  49. Vogt A, Landrock H, Dransfeld H (2017) Industrie 4.0/IoT vendor benchmark 2017; an analysis by Experton Group AG. Experton Group AG, MünchenGoogle Scholar
  50. Welsch A, Eitle V, Buxmann P (2018) Maschinelles Lernen. HMD 55:366–382.  https://doi.org/10.1365/s40702-018-0404-z CrossRefGoogle Scholar
  51. WSO2 (2015) A reference architecture for the Internet of things; version 0.9.0. WSO2, Mountain ViewGoogle Scholar

Copyright information

© Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature 2019

Authors and Affiliations

  1. 1.Fraunhofer-Arbeitsgruppe für Supply Chain Services SCSNürnbergDeutschland

Personalised recommendations