Industrie 4.0 & IIoT26. Februar 20266 Min Lesezeit
Industrie 4.0 ohne Großkonzern-Budget: IIoT-Einstieg für deutsche KMU
Warum die meisten IIoT-Projekte an der Einstiegsgröße scheitern
Das klassische Muster: Ein Hersteller berät einen Mittelständler zu einer „ganzheitlichen Fabriktransformation". Das Projekt beginnt mit einem Konzept über sämtliche Produktionslinien, eine Cloud-Plattform, ein Data Lake, ein zentrales Analytics-Team. Nach zwölf Monaten ist das Konzept fertig, die erste Maschine ist nicht angeschlossen.
Der umgekehrte Weg funktioniert besser: Eine einzige Maschine, drei bis fünf Sensoren, ein konkreter Use Case — etwa die Reduktion ungeplanter Stillstände oder die Nachweispflicht gegenüber Kunden. Wenn dieser erste Baustein in drei Monaten messbare Ergebnisse liefert, entsteht organisch ein zweiter und dritter Baustein.
Die Regel dahinter: Zeigen Sie Wert, bevor Sie skalieren. Alles andere produziert Industrie-4.0-Präsentationen, nicht Ergebnisse.
Die drei Architekturebenen
Ein IIoT-System hat typischerweise drei Ebenen, die bewusst voneinander getrennt werden sollten:
Sensor- und Steuerungsebene (OT). Hier sitzen die physischen Sensoren, SPS, Maschinensteuerungen. Die Kommunikationsprotokolle sind industrietypisch: OPC UA, Modbus, Profinet. Die OT-Ebene ist nicht per Internet erreichbar und sollte es auch nicht sein.
Edge-Ebene. Ein kleiner Industrie-PC oder ein Raspberry Pi Compute Module in industrieller Ausführung sitzt zwischen OT und IT. Er liest Daten über OPC UA oder Modbus aus, filtert, aggregiert und leitet sie per MQTT an die IT-Ebene. Diese Ebene löst das Latenz- und Bandbreitenproblem: Nicht jeder Sensorwert muss in die Cloud, nur die verdichteten Indikatoren.
Anwendungsebene (IT). Hier landen die Daten in einer Zeitreihen-Datenbank (InfluxDB, TimescaleDB), werden in einem Dashboard visualisiert (Grafana) und fließen in Analytics und Alarmierung. Diese Ebene liegt idealerweise in einer EU-Region auf einem verlässlichen Cloud-Anbieter.
Die Trennung in drei Ebenen ist keine akademische Eleganz — sie löst praktische Probleme: Wenn die Cloud ausfällt, läuft die Produktion weiter. Wenn ein Sensor ausfällt, ist klar, wo der Fehler liegt. Wenn Sie skalieren wollen, müssen Sie nur eine Ebene erweitern.
Protokollwahl: OPC UA und MQTT als Basis
OPC UA ist der De-facto-Standard für die Kommunikation zwischen Maschinen und Edge-Geräten in Europa. Moderne Steuerungen (Siemens S7-1500, Beckhoff TwinCAT, Rexroth ctrlX) sprechen OPC UA nativ. Ältere SPS erreichen Sie über OPC-UA-Gateways oder PLC-Adapter.
MQTT ist der Standard für die Weitergabe von Edge zu Cloud. Es ist leichtgewichtig, funktioniert auch bei unzuverlässigen Netzverbindungen und skaliert von wenigen bis Millionen Nachrichten pro Sekunde. Broker wie EMQX, HiveMQ oder Mosquitto decken den KMU-Bedarf problemlos ab.
Die Kombination OPC UA + MQTT ist nicht nur technisch solide, sondern auch die Variante, bei der sich am leichtesten Personal findet. Schulungen gibt es an jeder technischen Hochschule, Dokumentation in großer Tiefe, Community-Support ohne Herstellerbindung.
Die Wahl der Hardware
Für den Einstieg brauchen Sie keine spezialisierten Industrie-Server. Ein Industrie-PC mit passiver Kühlung (Beckhoff CX, Siemens IPC, B&R APC) oder ein Industrial Raspberry Pi Compute Module in einem DIN-Rail-Gehäuse reicht für die Edge-Ebene.
Typische Kriterien:
Zertifizierung für industrielle Temperaturbereiche (-20 bis +60 Grad Celsius, bei Halle-Einsatz oft weniger kritisch).
Redundante Stromversorgung oder USV-Anschluss.
Ethernet mit TSN-Fähigkeit, falls Zeitsynchronität gefordert ist.
Lokale Speicherung für mindestens sieben Tage Daten, falls die Verbindung zur IT-Ebene ausfällt.
Für den ersten Pilot reicht oft einfacherer Hardware — entscheidend ist, dass Sie ein Konzept haben, wie Sie bei Skalierung auf industrietaugliche Geräte migrieren.
Pilotprojekt: zwölf Wochen bis zur ersten Entscheidung
Ein realistischer Ablauf für einen ersten produktiven Pilot sieht so aus:
Wochen 1–2: Use-Case-Definition, Maschinenauswahl, Klärung der Datenpunkte, Entscheidung zum Use Case (häufig: Reduktion ungeplanter Stillstände oder OEE-Messung).
Wochen 3–4: Hardware-Beschaffung, Anbindung der Maschine über OPC UA, Edge-Konfiguration.
Wochen 5–8: Entwicklung des Dashboards, Aufbau der Datenpipeline, Tests im Parallelbetrieb.
Wochen 9–10: Integration in bestehende Alarm- und Schichtsysteme, Schulung der Produktionsmitarbeitenden.
Wochen 11–12: Produktivschaltung, erste Datenanalyse, Entscheidung zum nächsten Schritt.
Nach zwölf Wochen haben Sie keine „Industrie 4.0" — aber eine konkrete Entscheidung auf Basis echter Daten. Das ist der Unterschied zu einem zweijährigen Konzeptprojekt.
Wie D'Cloud IIoT-Einstiege begleitet
Unser Modell: Kostenlose Online-Sondierung zur Use-Case-Klärung. Anschließend Werkvertrag mit Festpreis für einen definierten Industrie-4.0-Pilotumfang (Hardware-Integration, Edge-Software, Dashboard, Schulung). Quellcode und Nutzungsrechte gehen mit der Abnahme an den Kunden. Nach fünfzehn Tagen kostenloser Fehlerbehebung folgt ein optionaler Wartungsvertrag. Für die Integration der gewonnenen Maschinendaten in bestehende ERP- und Geschäftsmanagementsysteme oder für spätere Analytik mit KI und Automatisierung bauen wir modular weiter.
Produktionsdaten bleiben in EU-Regionen oder wahlweise lokal beim Kunden. Der Edge-Stack ist offen dokumentiert, sodass Sie später andere Partner beauftragen oder intern weiterentwickeln können. Keine Herstellerbindung.
Nächster Schritt
Wenn Sie in den nächsten sechs Monaten einen Industrie-4.0-Pilot starten wollen, beginnen Sie mit der Use-Case-Frage: Welche Entscheidung wollen Sie in einem halben Jahr datengestützt treffen können, die Sie heute nicht treffen können? Vereinbaren Sie eine kostenlose Online-Sondierung — wir skizzieren einen realistischen Pilotumfang. Ergänzend lohnt der Beitrag zu KI-Integration in B2B-Produkten; Predictive Maintenance ist die logische Ausbaustufe, sobald die Datenpipeline steht, und im Beitrag zu Custom ERP für Fertigungsbetriebe zeigen wir, wie sich die Maschinendaten in das Backoffice einbinden.
Häufige Fragen
Braucht man dafür einen Data Scientist im Haus?
Für einen ersten Pilot nein. Standardisierte Dashboards und Schwellwert-Alarmierung decken den Einstiegsbedarf ab. Ein Data Scientist lohnt sich ab dem Moment, in dem Sie in die Vorhersage-Ebene gehen wollen (Predictive Maintenance im engeren Sinn).
Wie gehen wir mit älteren Maschinen ohne OPC UA um?
Entweder über Retrofit-Sensorik (externe Temperatur-, Vibrations-, Strommessung) oder über OPC-UA-Gateways, die ältere Protokolle übersetzen. Für viele Zwecke reichen externe Sensoren — das Thema ist nicht, die Maschine zu verstehen, sondern ihr Verhalten zu messen.
Welche Cloud-Plattform ist für den Mittelstand sinnvoll?
Für KMU sind AWS, Azure und Hetzner Cloud gleichermaßen geeignet. Die Wahl hängt weniger an der Technologie als an Rechnungsmodell, Datenschutzpräferenzen und existierender Infrastruktur. Wir empfehlen Hetzner Falkenstein oder AWS Frankfurt für deutsche Kunden mit DSGVO-Präferenz.
Was kostet der Einstieg wirklich?
Hardware für den Einstieg liegt typischerweise im unteren vierstelligen Bereich pro Maschine. Der wesentliche Aufwand sind Konfiguration, Integration und Dashboard-Entwicklung. Konkrete Zahlen liefert die Sondierung — pauschale Preisangaben ohne Use-Case-Kenntnis sind nicht belastbar.
Wie vermeide ich Herstellerbindung auf der Edge-Ebene?
Indem Sie auf offene Protokolle setzen (OPC UA, MQTT) und die Edge-Software entweder selbst entwickeln oder auf Open-Source-Basis aufsetzen. Proprietäre Edge-Lösungen großer Anbieter sind schnell einzuführen, aber teurer zu ersetzen — die Entscheidung fällt am ersten Tag, nicht am fünften Jahr.