{"id":8392,"date":"2022-02-08T16:04:00","date_gmt":"2022-02-08T15:04:00","guid":{"rendered":"https:\/\/spacewell.com\/unkategorisiert\/sensordaten-arbeitsplatzanalytik-und-erkenntnisse-umsetzbar-machen-reihe-vom-sensor-zu-erkenntnissen-teil-9\/"},"modified":"2023-07-20T06:25:48","modified_gmt":"2023-07-20T04:25:48","slug":"sensordaten-arbeitsplatzanalytik-und-erkenntnisse-umsetzbar-machen-reihe-vom-sensor-zu-erkenntnissen-teil-9","status":"publish","type":"post","link":"https:\/\/spacewell.com\/de\/ressourcen\/blog\/sensordaten-arbeitsplatzanalytik-und-erkenntnisse-umsetzbar-machen-reihe-vom-sensor-zu-erkenntnissen-teil-9\/","title":{"rendered":"Sensordaten, Arbeitsplatzanalytik und Erkenntnisse umsetzbar machen (Reihe Vom Sensor zu Erkenntnissen, Teil 9)"},"content":{"rendered":"
\n\n

Das Management von Immobilien und Arbeitspl\u00e4tzen ver\u00e4ndert sich schnell. Einerseits spielen Technologie, Cloud und IoT eine immer gr\u00f6\u00dfere Rolle. Andererseits hat die Pandemie eine Umstellung auf hybrides Arbeiten bewirkt, wodurch bestehende Trends zu flexibler Arbeit beschleunigt werden. Um in dieser neuen Welt des hybriden Arbeitens erfolgreich zu sein, ben\u00f6tigen Teams f\u00fcr Immobilien- und Facilitymanagement detaillierte, aktuelle Informationen. Hier kommt das IoT (Internet of Things) ins Spiel. Denn Sensoren gelingt es offensichtlich viel besser als Menschen, detaillierte Daten in Echtzeit und in gro\u00dfem Umfang zu sammeln.<\/p>\n\n\n\n

Workplace analytics and real-time data<\/h2>\n\n\n\n

All dies hat Auswirkungen darauf, wie Geb\u00e4udedaten erfasst, gespeichert, verarbeitet, analysiert und visualisiert werden. Arbeitsplatzmanagement-Software wird heute mit Datenstr\u00f6men in Echtzeit angereichert. Diese Big Data \u2013 und die daraus gewonnenen Erkenntnisse \u2013 erm\u00f6glichen Facility-Managern ein besseres Verst\u00e4ndnis daf\u00fcr, wie verschiedene Fl\u00e4chen genutzt werden<\/a>. Und welche Umgebungsbedingungen in diesen R\u00e4umen vorherrschen, einschlie\u00dflich der Raumluftqualit\u00e4t<\/a>.<\/p>\n\n\n\n

Gro\u00dfe Datenmengen, gro\u00dfer Unterschied<\/h2>\n\n\n\n

Aber die Arbeit mit Big Data von Sensoren \u2013 in Kombination mit verschiedenen anderen Datenquellen \u2013 unterscheidet sich wesentlich von der herk\u00f6mmlichen Verarbeitung von Geb\u00e4udedaten. Sie erfordert eine IoT-Plattform<\/a> f\u00fcr Big Data, die strukturierte, halbstrukturierte und unstrukturierte Daten verarbeiten kann, die in gro\u00dfen Mengen und mit hoher Geschwindigkeit ankommen. <\/p>\n\n\n\n

Bei der herk\u00f6mmlichen Gewinnung von Geb\u00e4udedaten sind die Datens\u00e4tze \u00fcblicherweise klein und statisch. Das Datenformat ist einfach und passt in eine relationale Datenbank oder ein Data-Warehouse. <\/p>\n\n\n\n

Bei der Analyse von Big Data hingegen stammen die Daten oft aus mehreren, heterogenen Quellen. Die Datenformate sind vielf\u00e4ltiger und passen m\u00f6glicherweise nicht in eine relationale Datenbank. Die Daten k\u00f6nnen stark miteinander verbunden, dynamisch und sich entwickelnd sein. Relevante Daten k\u00f6nnen sich zwischen vielen nutzlosen Daten verstecken. Und herk\u00f6mmliche Visualisierungstechniken funktionieren m\u00f6glicherweise nicht gut. <\/p>\n\n\n\n

Das bedeutet, dass es zum Scheitern verurteilt ist, wenn Sie \u201enebenher\u201c Sensordaten in eine bereits genutzte herk\u00f6mmliche FM-Software einflie\u00dfen lassen. Denn Sensoren sind nur ein Teil der L\u00f6sung. Und herk\u00f6mmliche CAFM sind nicht daf\u00fcr ausgelegt, gro\u00dfe Mengen von volatilen Daten zu verarbeiten und zu analysieren.<\/p>\n\n\n\n

Die F\u00e4higkeiten Ihrer IoT-Plattform und die Qualit\u00e4t der Analyse-Tools sind entscheidend f\u00fcr den Nutzen, den Sie aus dem Geb\u00e4ude-IoT ziehen. Die richtige Analyseplattform setzt Rohdaten in n\u00fctzliche Erkenntnisse um. Und sie sorgt au\u00dferdem daf\u00fcr, dass Sie die Dynamik der Vorg\u00e4nge in Ihren Geb\u00e4uden wirklich verstehen k\u00f6nnen. Daher ist die Wahl der richtigen Analyseplattform genauso wichtig wie die Wahl der richtigen Sensoren. <\/p>\n\n\n\n

Konnektivit\u00e4t<\/h2>\n\n\n\n

um den Datenzugang und die Datenverf\u00fcgbarkeit zu optimieren, muss sich eine moderne IoT-Plattform f\u00fcr Geb\u00e4ude mit Altsystemen wie Geb\u00e4udemanagementsystemen (BMS), Zugangskontrolle und drahtgebundenen\/drahtlosen Sensoren verbinden. Dies erfolgt mit Hilfe von Programmierschnittstellen (APIs). Mit einer <\/strong>sensor- und BMS-neutralen IoT-Analyseplattform \u2013 die au\u00dferdem ein starkes Netzwerk aus Software- und Hardware-Partnern bietet \u2013 k\u00f6nnen Sie von den aktuellsten und besten Entwicklungen in Sachen Sensoren profitieren.<\/p>\n\n\n\n

Erfahren Sie mehr: Verdantix Benchmark pr\u00e4sentiert vier f\u00fchrende Anbieter im Bereich IoT-Plattformen f\u00fcr intelligente Geb\u00e4ude<\/a><\/p>\n\n\n\n

Statische im Vergleich zu dynamischer Analyse<\/h2>\n\n\n\n

Traditionelle Dashboards zeigen aggregierte Daten auf statische Weise als \u201eschreibgesch\u00fctzte\u201c Information an. Diese statischen Dashboards versetzen Arbeitsplatzmanager nicht in die Lage, die Daten auszuwerten und Zusammenh\u00e4nge zu verstehen. Solche Dashboards sehen auf den ersten Blick m\u00f6glicherweise gut aus, liefern jedoch nur begrenzt Erkenntnisse. <\/p>\n\n\n\n

Damit diese Daten einen wirklichen Zweck erf\u00fcllen, ist eine andere Art von Analysewerkzeug erforderlich \u2013 eines, das einen dynamischen Blick auf alle Daten liefert. Erweiterte Analyse-Dashboards passen sich dynamisch an, wenn Sie einen der Parameter \u00e4ndern. Sie k\u00f6nnen auf der obersten Ebene beginnen, sich durch die Daten klicken und sich einzoomen, bis Sie den erforderlichen Detaillierungsgrad erreicht haben. <\/p>\n\n<\/div>

\n\n
\"Top<\/figure>\n\n<\/div>
\n\n

Erkenntnisse umsetzbar machen<\/h2>\n\n\n\n

Im Geb\u00e4ude- und Facilitymanagement kann eine IoT-Analyseplattform ma\u00dfgeblich von der Integration in Betriebssoftware wie CAFM<\/a> profitieren. Warum ist das so? Weil beide Arten von Softwareplattformen qualitativ hochwertige Daten nutzen, ob es sich nun um IoT-Sensordaten, umfangreiche Objekt- und Raumdaten aus dem BIM, Wartungsplanung und -verlauf oder aktuelle Belegung und Raumbuchungen handelt. Herk\u00f6mmliches CAFM automatisiert Prozesse mit Entscheidungsb\u00e4umen, Workflows, Status und Benachrichtigungen, ben\u00f6tigt aber zumeist noch jemanden, der den Prozess anst\u00f6\u00dft. Zum Beispiel durch Erstellung eines Tickets oder einer Serviceanforderung, wenn etwas nicht funktioniert. Durch die Verwendung von \u201eBrain Rules\u201c kann die IoT-Plattform Prozesse ausl\u00f6sen, ohne dass menschliches Eingreifen erforderlich ist. Beispielsweise wird ein gebuchter Raum f\u00fcr andere zur Nutzung freigegeben, wenn die Belegungssensoren 15 Minuten lang keine Anwesenheit erkannt haben. Oder ein Techniker erh\u00e4lt einen Arbeitsauftrag, die HLK-Systeme zu \u00fcberpr\u00fcfen, nachdem eine voreingestellte Temperaturschwelle \u00fcberschritten wurde. T\u00fcrz\u00e4hler-Sensoren am Eingang von Sanit\u00e4rr\u00e4umen k\u00f6nnen genutzt werden, um eine Reinigung oder Nachf\u00fcllung auszul\u00f6sen, wenn die Nutzung bestimmte Schwellenwerte erreicht. Oder wenn trotz erfolgter Buchung niemand erschienen ist, k\u00f6nnten die Sensordaten verwendet werden, um das Reinigungspersonal zu benachrichtigen, dass der Arbeitsauftrag nicht erledigt werden muss. Es gibt eindeutig zahlreiche M\u00f6glichkeiten, wie Dienstleister von der Erweiterung der Geb\u00e4udebewirtschaftung mit Echtzeitdaten profitieren k\u00f6nnen. <\/p>\n\n\n\n

Informationen in Echtzeit und mobil verf\u00fcgbar<\/h2>\n\n\n\n
\"Kiosk<\/figure>\n\n\n
\n \n\n
\n
\n <\/div> \n
\n