IIoT erklärt: Was Industrial IoT ist und warum die meisten Projekte scheitern

Das Versprechen des Industrial IoT ist einfach: Verbinden Sie Ihre Maschinen, sammeln Sie die Daten, treffen Sie bessere Entscheidungen. Die Realität ist komplizierter. Laut einer Cisco-Studie scheitern 60 % der IoT-Initiativen in der Proof-of-Concept-Phase, und nur 26 % der Unternehmen betrachten ihre IoT-Initiative als vollständigen Erfolg.

Dieser Beitrag erklärt, was IIoT tatsächlich ist, warum die Misserfolgsrate so hoch ist und was die erfolgreichen Hersteller anders machen.

Was ist Industrial IoT (IIoT)?

Industrial IoT, IIoT, bezeichnet das Netzwerk von Sensoren, Maschinen und Softwaresystemen, die Daten in einer Fertigungs- oder Industrieumgebung erfassen und austauschen.

Im Gegensatz zum Consumer-IoT (intelligente Thermostate, Fitness-Tracker) operiert IIoT in hochkritischen Umgebungen: Fabrikhallen, Logistiknetzwerke, Energienetze, Lieferketten. Die dabei erzeugten Daten werden genutzt, um den Maschinenzustand zu überwachen, den Produktionsdurchsatz zu optimieren, den Wartungsbedarf vorherzusagen und Ausschuss zu reduzieren.

Ein Standard-IIoT-Stack besteht aus drei Schichten:

• Edge-Schicht: Sensoren und PLCs, die an physische Anlagen angeschlossen sind und rohe Betriebsdaten erfassen
• Konnektivitätsschicht: Protokolle (MQTT, OPC-UA, VDA 5050), die Daten von Maschinen zu Systemen übertragen
• Anwendungsschicht: Software, die diese Daten verarbeitet, visualisiert und auf deren Basis handelt

Wenn es funktioniert, verschafft IIoT Herstellern Echtzeittransparenz über Abläufe, die sie zuvor auf Basis von Intuition und Wochenberichten gesteuert haben. Wenn nicht, erzeugt es Rauschen – Dashboards voller Daten, auf die niemand reagiert.

Warum scheitern die meisten Industrial-IoT-Projekte?

Das Cisco-Ergebnis wird häufig zitiert und häufig missverstanden. Die meisten lesen es als Technologieproblem. Das ist es nicht.

Hier sind die vier Grundursachen, die für den Großteil der IIoT-Misserfolge verantwortlich sind.

1. Die OT/IT-Kluft wird unterschätzt

Operational Technology (OT), die Systeme, die Maschinen betreiben, und Information Technology (IT), die Systeme, die Software betreiben, haben unterschiedliche Prioritäten, unterschiedliche Protokolle und unterschiedliche Verantwortliche.

OT-Teams priorisieren Verfügbarkeit und Sicherheit. IT-Teams priorisieren IT-Sicherheit und Daten-Governance. IIoT befindet sich an der Schnittstelle beider Bereiche, was bedeutet, dass jede Integrationsentscheidung die Zustimmung beider Teams erfordert. Forschungsergebnisse aus 2025 zeigen, dass 39 % der Führungskräfte unklare Governance und Zuständigkeiten als zentrale Herausforderung nennen, während 41 % den fehlenden Netzwerk-Segmentierung zwischen OT- und IT-Umgebungen als wesentliche Hürde identifizieren.

Die meisten Projekte versäumen es, diese Brücke zu bauen, bevor sie mit dem Aufbau der Plattform beginnen.

2. Datenqualität wird als Deployment-Problem behandelt, nicht als Designproblem

Sensoren erzeugen Daten. Diese Daten sind nur dann nützlich, wenn sie sauber sind, korrekt mit Zeitstempeln versehen und einem einheitlichen Schema zugeordnet sind. In den meisten Fabrikumgebungen ist standardmäßig nichts davon gegeben.

Legacy-PLCs verwenden proprietäre Formate. Maschinen verschiedener Hersteller sprechen unterschiedliche Protokolle. Daten desselben Sensors können je nachdem, welche Schicht ihn konfiguriert hat, unterschiedliche Bedeutungen haben. Branchenforschung zeigt, dass 67 % der Organisationen ihren IIoT-Daten misstrauen und 57 % Datensilos als wesentliche Hürde für operative Verbesserungen nennen.

Wenn die Datenqualität erst nach dem Deployment behoben werden soll, stocken Projekte in der Integrationsphase und erreichen nie die Produktionsreife.

3. Pilotprojekte werden für den Nachweis konzipiert, nicht für die Skalierung

Das häufigste IIoT-Versagensmuster: ein erfolgreiches Pilotprojekt, das sich nicht replizieren lässt.

Ein Hersteller rüstet eine Produktionslinie aus, der Pilot läuft gut, die Unternehmensführung genehmigt einen Rollout – und dann dauert der Rollout Jahre und kostet ein Vielfaches der ursprünglichen Schätzung. Der Grund liegt fast immer darin, dass der Pilot für die Demonstration konzipiert wurde, nicht für die Architekturentscheidungen, die eine Skalierung ermöglichen.

VDA 5050-Konformität, herstellerneutrale Middleware und Datenmodell-Standardisierung sind in einem Pilot uninteressant. Im großen Maßstab sind sie unverzichtbar.

4. Der Business Case wird durch die Technologie definiert, nicht durch den Betrieb

„Wir möchten IIoT implementieren“ ist kein Business Case. „Wir möchten ungeplante Ausfallzeiten auf Linie 4 innerhalb von 12 Monaten um 20 % reduzieren“ schon.

Projekte, die mit einem technologischen Briefing beginnen, optimieren am Ende für Deployment-Kennzahlen – angeschlossene Sensoren, aktive Dashboards. Projekte, die mit einem operativen Problem beginnen, optimieren für das Ergebnis. Die Daten, die sie erfassen, sind anders. Die Systeme, die sie integrieren, sind anders. Die Entscheidungen, die sie ermöglichen, sind anders.

Was erfolgreiche IIoT-Implementierungen gemeinsam haben

Die Hersteller, die den Schritt vom Pilot zur Produktion schaffen, teilen einige konsistente Merkmale.

Sie beginnen mit einem messbaren Problem. Nicht „Transparenz über die gesamte Fabrik.“ Eine Linie, ein KPI, ein Zeitrahmen. Die Einschränkung erzwingt Klarheit darüber, welche Daten tatsächlich relevant sind.

Sie stimmen OT und IT aufeinander ab, bevor sie Anbieter auswählen. Das erste Meeting findet zwischen dem Werksleiter und dem IT-Leiter statt, nicht mit dem Softwareanbieter. Die Governance wird vereinbart, bevor die Architektur gewählt wird.

Sie behandeln Datenqualität als Infrastruktur. Edge-Normalisierung, Schema-Standards und Datenverträge werden bereits in das erste Deployment integriert, nicht erst beim dritten nachgerüstet.

Sie wählen offene Standards gegenüber proprietären Ökosystemen. VDA 5050 für das AGV- und AMR-Flottenmanagement. OPC-UA für die Maschinenkommunikation. MQTT für leichtgewichtige Telemetrie. Offene Standards bedeuten, dass die Architektur neue Maschinen, neue Anbieter und neue Anwendungsfälle aufnehmen kann, ohne neu aufgebaut werden zu müssen.

Sie messen Entscheidungen, nicht Dashboards. Die Erfolgskennzahl ist nicht „erfasste Daten.“ Sie lautet: „Entscheidungen, die aufgrund dieser Daten anders getroffen wurden.“

Häufig gestellte Fragen

Was ist der Unterschied zwischen IoT und IIoT?

Consumer-IoT verbindet Geräte für den Komfort – Smart-Home-Systeme, Wearables. IIoT verbindet industrielle Anlagen für die operative Leistung – Produktionslinien, Logistikflotten, Energiesysteme. IIoT unterliegt strengeren Anforderungen hinsichtlich Zuverlässigkeit, Latenz und Sicherheit.

Was sind die häufigsten IIoT-Anwendungsfälle in der Fertigung?

Predictive Maintenance (Erkennung von Maschinenausfällen, bevor sie eintreten), OEE-Monitoring, Flottentracking in der Intralogistik, Optimierung des Energieverbrauchs und Qualitätskontrolle durch Echtzeit-Prozessüberwachung.

Welche Protokolle werden in IIoT eingesetzt?

OPC-UA ist der dominierende Standard für die Maschine-zu-Maschine-Kommunikation in industriellen Umgebungen. MQTT wird häufig für leichtgewichtige Sensor-Telemetrie eingesetzt. VDA 5050, gemeinsam von VDA und VDMA entwickelt, mit Version 2.1.0, veröffentlicht im Januar 2025, ist der offene Standard für das AGV- und AMR-Flottenmanagement. Modbus und PROFINET bleiben in Legacy-Umgebungen weit verbreitet.

Wie lange dauert eine IIoT-Implementierung?

Die Zeitrahmen variieren erheblich je nach Anzahl der Legacy-Systeme und dem Stand der OT/IT-Abstimmung zu Beginn. Ein fokussiertes Pilotprojekt, das eine Linie und einen Anwendungsfall abdeckt, kann typischerweise innerhalb weniger Wochen instrumentiert werden. Die Skalierung auf eine gesamte Anlage ist ein längeres Engagement – die meisten vollständigen Rollouts dauern 12 bis 24 Monate.

Warum scheitern IIoT-Projekte bei der Skalierung?

Der häufigste Grund ist, dass Pilotprojekte für die Demonstration und nicht für eine produktionsreife Architektur konzipiert werden. Entscheidungen über Datenstandards, Anbieterabhängigkeiten und Integrationsprotokolle, die im Pilot aufgeschoben werden, werden bei der Skalierung zu Blockern.

Fazit

IIoT scheitert nicht, weil die Technologie unreif ist. Es scheitert, weil die schwierigsten Aspekte – Datenqualität, OT/IT-Abstimmung, Architekturentscheidungen, die im großen Maßstab standhalten – als Probleme behandelt werden, die später gelöst werden können.

Die Hersteller, die die Lücke zwischen Pilot und Produktion schließen, tun dies nicht mit besseren Sensoren. Sie tun es mit klareren Problemdefinitionen, frühzeitiger Abstimmung auf Standards und einer Messkultur, die beginnt, bevor der erste Sensor in Betrieb genommen wird.