IoT in der Industrie: Leitfaden 2026

Industrial IoT (IIoT) hat in den letzten Jahren den Sprung von der Pilotphase zum Produktivbetrieb geschafft. Fertigungsunternehmen, die 2019-2022 erste Projekte starteten, berichten heute von messbarem ROI: reduzierte Ausfallzeiten, optimierter Energieverbrauch und präzisere Produktionsplanung.

Dieser Leitfaden richtet sich an Unternehmen, die in 2026 mit IIoT starten oder bestehende Projekte skalieren wollen.

Was Industrial IoT in der Praxis bedeutet

IIoT ist nicht ein einzelnes Produkt oder eine Plattform — es ist eine Architektur, die Maschinen, Sensoren, Netzwerk, Cloud und Anwendungen verbindet.

Typische IIoT-Anwendungsfälle:

• Predictive Maintenance: Vibrationen, Temperaturen und Stromverbrauch von Maschinen überwachen, um Ausfälle vorherzusagen bevor sie passieren
• OEE-Monitoring: Echtzeit-Übersicht über Verfügbarkeit, Leistung und Qualität jeder Produktionslinie
• Energiemanagement: Stromverbrauch pro Maschine oder Produktionsbereich messen und optimieren
• Qualitätskontrolle: Prozessparameter in Echtzeit überwachen, automatische Alarm bei Toleranzüberschreitungen
• Track & Trace: Lückenloses Tracking von Bauteilen und Produkten durch die Produktion

IIoT-Architektur

Feldebene (Sensoren, Aktuatoren, Maschinen)
    ↓ OPC-UA / MQTT / Modbus / EtherNet/IP
Edge-Ebene (Industrie-Gateway / Edge-Computer)
    ↓ Sichere Übertragung (TLS/mTLS)
Cloud-Plattform (AWS IoT / Azure IoT Hub / eigene)
    ↓
Datenverarbeitung und Speicherung
    ↓
Applikationsebene (Dashboards, Alerts, ERP-Integration)

Feldebene: Sensoren und Protokolle

Brownfield (bestehende Maschinen nachrüsten):

• Retrofit-Sensoren: Vibrationssensoren (an Lager kleben), Temperatursensoren, Stromsensoren an Schaltschränken
• OPC-UA-Server für Maschinen mit SPS (Siemens S7, Rockwell, Beckhoff)
• Modbus-TCP für ältere Steuerungen

Greenfield (neue Maschinen und Anlagen):

• Direkte OPC-UA-Integration
• MQTT-fähige Sensoren (z.B. Bosch SensorTec, Siemens MindSphere-kompatibel)
• Industrial Ethernet (EtherNet/IP, PROFINET)

Edge-Ebene: Warum Edge Computing?

Die Edge-Ebene ist oft unterschätzt, aber kritisch:

• Latenz: Echtzeitentscheidungen (z.B. Notabschaltung) können nicht auf Cloud-Roundtrip warten
• Bandbreite: Rohdaten von 100 Sensoren mit 100 Hz produzieren GB/Stunde — nicht alles muss in die Cloud
• Zuverlässigkeit: Produktion muss auch bei Internetausfall weiterlaufen
• Vorverarbeitung: Aggregation, Filterung und Anomalieerkennung direkt an der Maschine

Empfohlene Edge-Hardware:

• Siemens SIMATIC IOT2050 (industrietauglich, Debian Linux)
• Advantech UTX-3117 (fanless, Hutschienenformat)
• NVIDIA Jetson (wenn Edge-ML benötigt wird)

Cloud-Plattform

AWS IoT Core ist die meistgenutzte Plattform:

AWS IoT Core (MQTT Broker + Device Management)
    ↓
AWS IoT Rules (Routing und Filterung)
    ↓
Timestream (Zeitreihendaten) oder S3 (Rohdaten)
    ↓
AWS Lambda (Verarbeitung und Alerts)
    ↓
Amazon Managed Grafana (Dashboards)

Alternativen:

• Azure IoT Hub + Azure Time Series Insights: Besser wenn Microsoft-Umgebung
• Google Cloud IoT Core: Gut mit BigQuery für Analytics
• Eigene Infrastruktur: EMQX + TimescaleDB + Grafana (günstiger, mehr Kontrolle)

Connectivity: Netzwerkoptionen

Für die meisten Fertigungsanwendungen: Industrial Ethernet (kabelgebunden für kritische Maschinen) + WiFi 6 für mobile Assets (AGVs, Handheld-Geräte).

Sicherheit: ICS/OT-Security

IIoT verbindet IT (Information Technology) und OT (Operational Technology) — das bringt neue Sicherheitsanforderungen. Ein Cyberangriff auf ein IIoT-System kann physische Schäden verursachen.

Grundprinzipien:

• Netzwerksegmentierung: OT-Netz physisch oder logisch vom IT-Netz trennen (demilitarisierte Zone)
• Zero-Trust: Jedes Gerät muss sich authentifizieren (X.509-Zertifikate, nicht nur Passwörter)
• Verschlüsselung: TLS 1.2+ für alle Datenübertragungen, mTLS für Gerät-zu-Cloud
• Patch-Management: Strukturierter Prozess für Firmware-Updates ohne Produktionsunterbrechung
• Monitoring: Security Information and Event Management (SIEM) für OT-Netzwerkverkehr

ROI-Berechnung

Predictive Maintenance

Ungeplante Ausfallzeit pro Jahr: 120 Stunden
Produktionsausfall-Kosten: 5.000 EUR/Stunde
Jährlicher Schaden durch ungeplante Ausfälle: 600.000 EUR

Mit Predictive Maintenance:
Reduzierung ungeplanter Ausfälle: 60-80%
Einsparung: 360.000 - 480.000 EUR/Jahr

IIoT-Investition (10 Maschinen): 80.000 EUR einmalig
Jährliche Kosten (Cloud + Wartung): 15.000 EUR
ROI-Zeitraum: 80.000 / (420.000 - 15.000) ≈ 2,4 Monate

Energieoptimierung

Energieüberwachung + Optimierung reduziert Energieverbrauch typischerweise um 10-20% durch:

• Identifikation von Maschinen im Standby mit hohem Verbrauch
• Lastkurven-Optimierung (Peak-Shaving)
• Nachweis und Korrektur von Energieverlusten

Implementierungsschritte

Pilotprojekt (4-8 Wochen)

1. 3-5 kritische Maschinen auswählen
2. Retrofit-Sensoren installieren (Vibration, Temperatur, Strom)
3. Edge-Gateway konfigurieren
4. Cloud-Verbindung aufbauen
5. Erstes Dashboard aufsetzen (Grafana oder ähnliches)
6. 4 Wochen Daten sammeln und auswerten

Skalierung auf Gesamtwerk (3-6 Monate)

Nur wenn das Pilotprojekt klaren Mehrwert gezeigt hat. Schrittweise ausrollen, Mitarbeiter schulen, interne IIoT-Kompetenz aufbauen.

Haben Sie Interesse an einem IIoT-Pilotprojekt? Kontaktieren Sie uns — wir begleiten Sie von der Strategie bis zur Produktion.