F: Was ist AWS IoT Analytics?

AWS IoT Analytics ist ein vollständig verwalteter IoT-Analyseservice, der IoT-Gerätedaten im Maßstab sammelt, vorverarbeitet, anreichert, speichert und analysiert. IoT Analytics kann einfache Ad-hoc-Abfragen sowie komplexe Analysen durchführen. Es ist die einfachere Alternative, IoT-Analysen für Anwendungsfälle, wie das Interpretieren von Geräteleistung, die Vorhersage von Geräteausfällen und maschinelles Lernen, durchzuführen. Es wurde speziell für IoT entwickelt und sammelt und speichert automatisch den Nachrichtenzeitstempel, was es einfach macht, eine Zeitreihenanalyse durchzuführen. IoT Analytics kann Daten außerdem über die AWS IoT-Registry mit gerätespezifischen Metadaten, wie dem Gerätetyp und dem Gerätestandort, anreichern. IoT Analytics speichert Daten in einem IoT-optimierten Datenspeicher, damit Sie Abfragen an großen Datensätze durchführen können.

F: Wie funktioniert AWS IoT Analytics?

AWS IoT Analytics ist vollständig in AWS IoT Core integriert, was den Einstieg extrem einfach macht. Sie definieren zuerst einen Kanal und wählen dann die Daten aus, die gesammelt werden sollen, damit nur die Daten, die für Sie von Interesse sind, wie die Sensortemperatur, gespeichert und analysiert werden. Nachdem Sie den Kanal eingerichtet haben, konfigurieren Sie die Pipelines zur Datenverarbeitung. Pipelines unterstützen Transformationen, wie die Celsius-zu-Fahrenheit-Umwandlung, bedingte Anweisungen, Nachrichtenfilter und Nachrichtenanreicherung, über externe Datenquellen und AWS Lambda-Funktionen.

Nachdem die Daten in der Pipeline verarbeitet wurden, speichert IoT Analytics sie zur Analyse in einem IoT-optimierten Datenspeicher. Sie können die Daten über die integrierte SQL-Abfrage-Engine abfragen, um spezifische Unternehmensfragen zu beantworten. Zum Beispiel können Sie so herausfinden, wie viele monatliche aktive Benutzer für jedes Gerät in der Flotte existieren. Durch die Integration in Amazon SageMaker unterstützt IoT Analytics komplexere Analysefunktionen wie Bayessche Inferenz und maschinelles Lernen. Sie können auch ganz einfach Visualisierungen und Dashboards erstellen und so über die IoT Analytics-Daten schnell Unternehmenseinblicke gewinnen, da diese in Amazon QuickSight integriert sind.

F: Was ist der Unterschied zwischen AWS IoT Analytics und Amazon Kinesis Analyics?

AWS IoT Analytics wurde speziell für IoT entwickelt und sammelt und speichert automatisch den Nachrichtenzeitstempel, was es einfach macht, eine Zeitreihenanalyse durchzuführen. IoT Analytics kann Daten außerdem über die AWS IoT-Registry und andere öffentliche Datenquellen mit gerätespezifischen Metadaten, wie dem Gerätetyp und dem Gerätestandort, anreichern IoT Analytics speichert Gerätedaten in einem IoT-optimierten Datenspeicher, damit Sie Abfragen an großen Datensätze durchführen können.

Amazon Kinesis Analytics ist ein Mehrzweck-Tool, das dafür entwickelt wurde, Streaming-Daten von IoT-Geräten und anderen Datenquellen auf einfache Weise in Echtzeit zu verarbeiten.

Tabelle 1: AWS IoT Analytics vs. Kinesis Analytics – Funktionen im Vergleich

Funktionen AWS IoT Analytics
Amazon Kinesis Analytics
Speicherung von Zeitreihendaten X  
Automatische Datenpartition nach Nachrichtenzeitstempel und Geräte-ID X  
Gerätespezifische Datenanreicherung X  
Abfragen auf große Datensätze X  
Streaming-Analysen   X
Verarbeitung in Echtzeit Latenz von Minuten oder Sekunden Latenz von Sekunden oder Millisekunden
Prozesse in Zeitfenstern   X
Parsen nicht strukturierter Daten und automatische Erstellung von Schemata JSON und CSV JSON und CSV

F: Wann verwende ich AWS IoT Analytics und wann Amazon Kinesis Analytics?

Sie können AWS IoT Analytics für die IoT-Analyse verwenden. Zu den Anwendungsfällen gehören unter anderem das Verständnis langfristiger Geräteleistung, Geschäftsberichte und Ad-hoc-Analysen sowie die prädiktive Flottenwartung.–IoT Analytics eignet sich besonders gut für diese Anwendungsfälle, da es Daten von Geräten über lange Zeitspannen hinweg sammelt, vorbereitet und in einem IoT-optimierten Datenspeicher speichert. IoT Analytics kann Daten außerdem über die AWS IoT-Registry und andere öffentliche Datenquellen mit gerätespezifischen Metadaten, wie dem Gerätetyp und dem Gerätestandort, anreichern.

Wenn Sie jedoch für Anwendungsfälle, wie die Geräteüberwachung, IoT-Daten in Echtzeit analysieren müssen, können Sie dafür Amazon Kinesis Analytics nutzen.

Tabelle 2: AWS IoT Analytics vs. Kinesis Analytics – Anwendungsfälle

Anwendungsfall
AWS IoT Analytics Amazon Kinesis Analytics
Verstehen langfristiger Geräteleistungscharakteristika Ja.  Anreicherung von IoT-Daten mit IoT-spezifischen Metadaten, wie Gerätetyp und Gerätestandort, über eine AWS IoT-Registry und andere öffentliche Datenquellen. Weingutbesitzer können zum Beispiel die Daten der Feuchtigkeitssensoren mit erwarteten Regenfällen an den Weingütern anreichern, damit sie wissen, wann sie die Weinreben selbst mit Wasser versorgen müssen.   Nein. Eignet sich am besten für Streaming-Analysen in Echtzeit.
Geschäftsberichte und Ad-hoc-Analysen von IoT-Daten Ja. Sammeln, Verarbeiten und Speichern von IoT-Daten und Integration in AWS QuickSight, um Dashboards und Berichte zu erstellen, oder Verwenden der integrierten SQL-Abfrage-Engine für Ad-hoc-Abfragen.  Beispielsweise Aggregieren der Sensorausfälle in der Flotte in einem wöchentlichen Flottenleistungsbericht. Nein. Eignet sich am besten zur Durchführung von Streaming-Abfragen auf IoT-Daten, wie das Generieren von Warnmeldungen bei einem Sensorausfall. 
Prädiktive Flottenwartung Ja. Sammeln, Verarbeiten und Speichern von IoT-Daten und Verwenden vorgefertigter Vorlagen zum Erstellen und Bereitstellen von prädiktiven Modellen.  Beispielsweise die Prognose, wann ein HVAC-System in verbundenen Fahrzeugen ausfällt, damit das Fahrzeug umgeleitet und die Auslieferung beschleunigt werden kann, um eine Beschädigung der Lieferung zu vermeiden. Nein. Eine prädiktive Wartung erfordert eine Verlaufsanalyse von Langzeitdaten, um diese Modelle erstellen zu können. 
Geräteüberwachung in Echtzeit Nein. Ja. Kinesis Analytics kann Daten über Zeitfenster kontinuierlich aggregieren, Anomalien entdecken und entsprechende Aktionen ausführen, wie zum Beispiel das Aussenden einer Warnmeldung. Kinesis Analytics kann beispielsweise alle 5 Minuten rollierende 10-Sekunden-Mittelwerte der Armaturtemperaturen von Industriemaschinen berechnen und feststellen, wann die Temperatur einen festgelegten Grenzwert überschreitet. Es kann daraufhin eine Warnmeldung an die Kontrollsysteme senden, um die Maschine automatisch abzuschalten und so Zwischenfälle zu vermeiden. 

F: Wann verwende ich AWS IoT Analytics und Amazon Kinesis gemeinsam?

Verwenden Sie AWS IoT Analytics und Amazon Kinesis gemeinsam, wenn Sie sowohl Verlaufs- als auch Echtzeitanalysen durchführen wollen. Kinesis Analytics kann beispielsweise rollierende 10-Sekunden-Mittelwerte von Armaturtemperaturen in Industriemaschinen berechnen, um festzustellen, wann die Temperatur einen festgelegten Grenzwert überschreitet. Kinesis Analytics kann daraufhin eine Warnmeldung an die Kontrollsysteme senden, um die Maschine automatisch abzuschalten und so Zwischenfälle zu vermeiden. Die Daten können Sie dann mit Kinesis Streams an IoT Analytics senden. Mit IoT Analytics können Sie Trends verstehen und voraussagen, wann die Armaturen ersetzt oder gewartet werden sollten.

F: Wann sollte ich bei der Arbeit mit IoT-Daten AWS IoT Analytics oder Amazon Kinesis Streams, Amazon Kinesis Analytics und Amazon Kinesis Firehose verwenden?

Amazon Kinesis Streams ist eine Datenquelle für AWS IoT Analytics. Kunden können mit Kinesis Streams IoT-Streaming-Daten erfassen und sie zur Verarbeitung, Speicherung und Analyse an IoT Analytics senden.

Amazon Kinesis Analytics wurde für die Streaming-Analyse entwickelt, während IoT Analytics für die Analyse von ruhenden Daten gedacht ist. Kunden, die sowohl Echtzeit- als auch IoT-Analysen benötigen, können Kinesis Analytics und IoT Analytics gemeinsam verwenden.

Amazon Kinesis Firehose stellt die einfachste Möglichkeit dar, Streaming-Daten in die AWS-Datenspeicher Amazon S3, Amazon Redshift und Amazon Elasticsearch Service zu laden, was eine Analyse mit vorhandenen Business-Intelligence-Tools fast in Echtzeit ermöglicht. Kinesis Firehose wird von IoT Analytics nicht als Datenquelle unterstützt.

F: Wann verwende ich AWS IoT Analytics und wann Amazon Kinesis Video Streams?

Mit Amazon Kinesis Video Streams ist es einfach, Video-, Audio- und andere zeitcodierte Daten aus Quellen wie Kameras, Tiefensensoren und Radargeräten sicher an AWS zur Echtzeit- und Batch-Verarbeitung in ML- und Analyesanwendungen sowie anderen Anwendungen zu streamen. Kinesis Video Streams wurde speziell dafür entwickelt, Videodaten von Geräten aufzunehmen, während AWS IoT Analytics für die Analyse von Nicht-Video-IoT-Daten gedacht ist. Bei GA gibt es keine direkte Integration zwischen Kinesis Video Streams und AWS IoT Core oder IoT Analytics. Kunden können jedoch Kinesis Video Streams und IoT Analytics mittels APIs über Ihre Anwendungen abfragen.

Weitere AWS IoT Analytics-Funktionen entdecken

Besuchen Sie die Ressourcen-Seite
Sind Sie startbereit?
Für die Vorversion registrieren
Haben Sie Fragen?
Kontakt