IIoT & Sensorik: Daten erfassen, integrieren, nutzen

Tausende Maschinen laufen täglich in deutschen Fertigungsbetrieben — aber wie viele davon melden Ihnen selbst, wenn ein Lager überhitzt, ein Druck abfällt oder eine Welle zu vibrieren beginnt? Das Industrial Internet of Things (IIoT) gibt Ihnen genau diese Transparenz: nicht als abstraktes Zukunftsversprechen, sondern als konkrete Infrastruktur aus Sensoren, Kommunikationsprotokollen und Datenarchitekturen, die heute in KMU-Budgets passen.

Die Grundlage jedes IIoT-Systems ist immer dieselbe: Ein Sensor erfasst eine physikalische Größe, die Daten werden übertragen, vorverarbeitet und schließlich genutzt — für Wartungsplanung, Energieoptimierung oder Qualitätssicherung. Der Weg von der Sensormontage bis zur verwertbaren Information hat aber viele Weggabelungen. Dieser Artikel beschreibt den gesamten Pfad praxisnah: von der Sensorauswahl über Kommunikationsstandards bis zur Datenarchitektur.

Ob Sie eine neue Anlage mit IIoT ausstatten oder Bestandsmaschinen nachrüsten wollen — die folgenden Abschnitte liefern die technischen Grundlagen und die richtigen Fragen, die Sie stellen müssen, bevor Sie investieren.

Was ist IIoT — und warum ist es für Maschinenbauer relevant?

IIoT steht für Industrial Internet of Things: die Vernetzung von Maschinen, Anlagen und Produktionssystemen über industrietaugliche Kommunikationsinfrastruktur. Im Unterschied zum Consumer-IoT (Smart Home, Fitness-Tracker) arbeitet IIoT in rauen Umgebungen mit hohen Anforderungen an Zuverlässigkeit, Echtzeitfähigkeit und Sicherheit.

IIoT vs. IoT: Der entscheidende Unterschied

Ein Consumer-IoT-Gerät darf gelegentlich ausfallen. Eine Maschinensteuerung nicht. Industrielle Sensoren müssen Temperaturen von -40 bis +125 °C, Vibrationen bis 50 g und korrosive Medien überstehen — über Jahre, wartungsarm. Dazu kommen normative Anforderungen: Schutzklassen (IP67, IP68), Ex-Schutz-Zertifizierungen (ATEX) und Kommunikationsnormen wie IEC 62541 (OPC UA) oder IEC 61131-9 (IO-Link).

Die drei Kernfunktionen: Überwachen, Steuern, Optimieren

IIoT-Systeme erfüllen im Maschinenbau typischerweise drei Funktionen. Erstens die Zustandsüberwachung (Condition Monitoring): kontinuierliche Erfassung von Temperatur, Vibration, Druck — um Anomalien frühzeitig zu erkennen. Zweitens die Predictive Maintenance: auf Basis der Sensordaten werden Wartungsintervalle berechnet, bevor ein Schaden eintritt. Drittens die Prozessoptimierung: Energieverbrauch, Auslastung und Qualitätskennzahlen werden in Echtzeit sichtbar, was fundierte Entscheidungen ermöglicht. Besonders für das Energiemonitoring — also die Messung von kWh pro Bauteil und Maschinengruppe — ist IIoT der entscheidende Enabler für Stufe 3 des Energiemesskonzepts, das der Artikel Energiekennzahlen in der Produktion: kWh pro Bauteil beschreibt.

Studien zeigen, dass Unternehmen mit gut implementiertem IIoT ungeplante Stillstandszeiten um 30-50 % reduzieren können. Für einen mittelständischen Betrieb mit 10 Produktionsmaschinen, die täglich 16 Stunden laufen, ist das ein erheblicher wirtschaftlicher Hebel. Die Energieeffizienz im Maschinenbau lässt sich durch IIoT-basiertes Monitoring zusätzlich um 10-20 % verbessern.

Sensorik im IIoT — Typen, Auswahl, Einsatzbereiche

Der Sensor ist das Fundament jedes IIoT-Systems. Seine Qualität, sein Messbereich und seine Konnektivität bestimmen, was am Ende auswertbar ist. Für Maschinenbauer sind fünf Sensortypen besonders relevant.

Temperatursensoren: PT100 bis Thermoelement

Temperatursensoren sind in fast jedem IIoT-System vertreten — sie überwachen Lagerstellen, Hydraulikflüssigkeiten, Motoren und Prozesskammern. Zwei Typen dominieren die industrielle Praxis:

Widerstandsthermometer (RTD): PT100 und PT1000 messen den temperaturabhängigen elektrischen Widerstand. Vorteil: hohe Genauigkeit (±0,1 bis ±1 °C), gute Langzeitstabilität. Messbereich typisch -200 bis +850 °C. Nachteil: langsame Ansprechzeit, höherer Preis.

Thermoelemente: Typ K (NiCr/Ni) misst bis 1.260 °C, Typ J (Fe/CuNi) bis 760 °C. Vorteile: günstig, schnell, robust. Nachteile: geringere Genauigkeit (±2-5 °C), Kompensationsleitungen nötig.

Drucksensoren: Hydraulik, Pneumatik, Prozess

Drucksensoren erfassen den absoluten Druck, Relativdruck oder Differenzdruck eines Mediums. In Hydrauliksystemen arbeiten sie bei Drücken von 50 bis 400 bar, in Pneumatikanlagen bei 1 bis 16 bar. Für IIoT-Anwendungen sind piezoresistive Sensoren (Brückenwiderstands-Messprinzip) die erste Wahl: robust, präzise (±0,1-0,5 % FS), kostengünstig in der Massenfertigung.

Achten Sie bei der Auswahl auf Schutzklasse (mindestens IP67 für Nassbereich), Drucküberlastschutz (typisch 2×-3× Nennbereich) und Ausgangssignal (4-20 mA, IO-Link oder digital). Für den Hydraulik- und Pneumatikbetrieb sind zugelassene Druckbereiche und Medienverträglichkeit besonders zu prüfen.

Vibrations- und Beschleunigungssensoren: Das Frühwarnsystem

Vibrationsüberwachung ist der wirkungsvollste IIoT-Use-Case für Predictive Maintenance. Ein defektes Lager kündigt sich typischerweise 4-8 Wochen vor dem Totalausfall durch charakteristische Schwingungsmuster an — erkennbar durch die richtige Sensorik.

Zwei Technologien werden eingesetzt: Piezoelektrische Sensoren (IEPE/ICP) messen Beschleunigungen im Bereich von 0,01 bis 500 g, Frequenzbereich 1 Hz bis 20 kHz. Sie liefern hochgenaue Daten, brauchen aber Signalkonditionierung und Kabelverbindung. MEMS-Sensoren (Micro-Electro-Mechanical Systems) sind kleiner, billiger (ab ca. 50 €) und direkt digital auswertbar — für IIoT-Einstiegsanwendungen ideal.

Weitere Sensortypen: Durchfluss, Position, Näherung

Durchflusssensoren messen Volumen- oder Massenströme in Rohrleitungen. Magnetisch-induktive Sensoren funktionieren nur mit leitfähigen Flüssigkeiten (z.B. Kühlwasser), Coriolis-Sensoren messen direkt den Massenstrom auch bei Gasen und Emulsionen. Positionssensoren (Encoder, lineare Wegaufnehmer) liefern hochgenaue Weg- und Winkeldaten für Prozessüberwachung und Qualitätssicherung. Induktive Näherungsschalter erkennen Metallteile kontaktlos bis ca. 40 mm — robust und bewährt als Stückzähler oder Endlagenmelder. Welcher Sensortyp für welche Aufgabe geeignet ist und wie Sie typische Einbaufehler vermeiden, erklärt der Praxisartikel Sensorik im Maschinenbau: Auswahl und Einbau.

Auswahlkriterien für IIoT-taugliche Sensoren

Ein Sensor muss mehr können als nur messen. Für IIoT-Tauglichkeit sind diese Kriterien entscheidend:

Konnektivität — Von IO-Link bis OPC UA

Sensordaten nützen nichts, wenn sie nicht zuverlässig übertragen werden. Die Konnektivitätsebene verbindet Feldgeräte mit Steuerungen, Edge-Gateways und Cloud-Systemen. Drei Technologien sind für Maschinenbauer besonders relevant.

IO-Link (IEC 61131-9): Die IIoT-Grundlage

IO-Link ist ein standardisierter Punkt-zu-Punkt-Kommunikationsstandard für die Verbindung von Sensoren und Aktoren mit Steuerungen — geregelt in IEC 61131-9:2022. Das Prinzip ist einfach: Ein IO-Link-fähiger Sensor wird über ein handelsübliches 3-adriges M12-Kabel (max. 20 m) mit einem IO-Link-Master verbunden. Der Master sammelt die Daten aller angeschlossenen Geräte und stellt sie der übergeordneten Steuerung oder dem Edge-Gateway zur Verfügung.

IO-Link überträgt nicht nur den Messwert (Prozessdaten), sondern auch Diagnosedaten (Sensorstatus, Fehler), Geräteparameter (Grenzwerte, Messbereich) und Gerätebeschreibungen (IODD-Datei). Das macht Konfiguration aus der Ferne und automatische Geräteerkennung beim Tausch möglich — ein erheblicher Wartungsvorteil.

OPC UA (IEC 62541): Der Industriestandard für Datenkommunikation

OPC UA (Open Platform Communications Unified Architecture) ist der zentrale Kommunikationsstandard für Industrie 4.0 — geregelt in IEC 62541, zuletzt aktualisiert mit IEC 62541-4:2025 und IEC 62541-10:2025. Das Reference Architecture Model Industrie 4.0 (RAMI 4.0) empfiehlt OPC UA explizit als Kommunikationsschicht. Eine VDMA-Studie zeigt: Mehr als 50 % der deutschen Maschinen- und Anlagenhersteller nutzen bereits OPC UA.

OPC UA kann sowohl im Client-Server-Modell (eine Steuerung fragt Daten ab) als auch im Publish-Subscribe-Modell mit MQTT oder AMQP arbeiten. Es ist plattformunabhängig, verschlüsselt (TLS) und skalierbar von kleinen Embedded-Geräten bis zu Enterprise-Servern. Die Datenmodellierung über sogenannte Information Models ermöglicht maschinenlesbare Gerätebeschreibungen.

MQTT: Leichtgewichtig in die Cloud

MQTT (Message Queuing Telemetry Transport) ist ein Publish-Subscribe-Protokoll, das ursprünglich für ressourcenbeschränkte Geräte entwickelt wurde. Es ist extrem schlank (minimaler Overhead), zuverlässig bei instabilen Verbindungen (drei QoS-Level: 0/1/2) und hat sich als Standard für Cloud-Anbindungen im IIoT etabliert. AWS IoT, Azure IoT Hub und fast alle Cloud-IIoT-Plattformen unterstützen MQTT nativ.

Für den typischen KMU-Use-Case gilt: IO-Link überträgt Daten zum Edge-Gateway, der Edge-Gateway verarbeitet und filtert die Daten und publiziert relevante Datenpunkte via MQTT an die Cloud. OPC UA übernimmt dabei die Semantik (was bedeuten die Daten?), MQTT die Übertragung (wie kommen die Daten dorthin?).

Datenarchitektur — Edge, Cloud oder beides?

Wenn Sensoren Daten im Sekundenbereich liefern — ein Vibrationssensor typischerweise mit 1-10 kHz Abtastrate — dann entsteht schnell ein erhebliches Datenvolumen. Eine Anlage mit 20 Sensoren kann problemlos mehrere Gigabyte pro Stunde erzeugen. Wer das unverarbeitet in die Cloud schickt, zahlt zu viel und bekommt zu wenig Mehrwert. Die Lösung ist eine zweistufige Architektur.

Edge Computing: Intelligenz direkt an der Maschine

Ein Edge-Gateway sitzt direkt in der Fertigungshalle — als Industrie-PC, als Hutschienen-Modul oder integriert in eine SPS. Es sammelt die Rohdaten der Sensoren, führt Vorverarbeitung durch (Mittelwertbildung, Spektralanalyse, Schwellwertüberwachung) und sendet nur die relevanten Ergebnisse in die Cloud. Typische Datenreduktion: 80-95 % des ursprünglichen Datenvolumens. Lokale Alarmierung (Ampel, Signalton) reagiert in unter 1 ms — ohne Cloud-Abhängigkeit.

Cloud-Integration: Historische Analyse und KI-Potenzial

Die Cloud übernimmt Aufgaben, für die lokale Ressourcen nicht ausreichen: Langzeittrends über Monate und Jahre, das Training von Machine-Learning-Modellen für Predictive Maintenance, abteilungsübergreifende Dashboards und Reporting. Cloud-Plattformen wie AWS IoT, Azure IoT Hub oder Google Cloud IoT bieten fertige Dienste für Datenspeicherung, Visualisierung und KI-Modelltraining.

Für die Anbindung an Digitale Zwillinge ist die Cloud unersetzlich: Der Digitale Zwilling benötigt historische Maschinendaten, um ein konsistentes virtuelles Abbild der realen Anlage aufzubauen.

Empfohlene Architektur für KMU

Für die meisten mittelständischen Fertigungsbetriebe empfiehlt sich ein hybrider Edge-Cloud-Ansatz. Die kritische Infrastruktur bleibt lokal (Edge), die Analyse und das Reporting gehen in die Cloud. So bleiben Produktionsdaten im Unternehmen, während Skalierung und KI-Potenzial genutzt werden können.

Sicherheit und Cybersecurity im IIoT

Ein vernetztes Produktionssystem ist ein potenzielles Angriffsziel. Ein Cyberangriff auf eine vernetzte Fertigungsanlage kann erheblichen Schaden verursachen — von Produktionsausfällen bis zu Sicherheitsvorfällen an Maschinen. IIoT-Sicherheit ist deshalb keine optionale Ergänzung, sondern ein integraler Bestandteil der Systemarchitektur.

IEC 62443: Der Sicherheitsrahmen für industrielle Systeme

Die Normserie IEC 62443 definiert Sicherheitsanforderungen für industrielle Automatisierungs- und Steuerungssysteme (IACS) — von der Risikoanalyse (IEC 62443-3-2) bis zu technischen Anforderungen für Systemkomponenten (IEC 62443-4-2, direkt für IIoT-Komponenten relevant). Das Konzept der Defense in Depth teilt das Netzwerk in Zonen und Konduits: Jede Zone hat definierte Sicherheitsanforderungen, und Übergänge zwischen Zonen werden durch Konduits (Firewalls, DMZ) gesichert.

Ergänzend gilt in der EU seit Oktober 2024 die NIS2-Richtlinie: Betreiber kritischer und wichtiger Einrichtungen — darunter viele produzierende Unternehmen — müssen Cybersicherheitsmaßnahmen implementieren und Vorfälle melden. Für Maschinenhersteller, die IIoT-fähige Maschinen liefern, wird die Cybersecurity-Dokumentation zum Verkaufsargument.

Praktische Cybersecurity-Maßnahmen

Die wichtigste Maßnahme ist die Netzwerktrennung OT/IT: Fertigungsnetz und Büronetz gehören in getrennte Segmente, verbunden über eine DMZ (Demilitarisierte Zone) mit kontrollierten Datendurchlässen. Für den Fernzugriff auf Maschinendaten gilt: nur über VPN mit Zwei-Faktor-Authentifizierung.

Ein weiteres Grundprinzip: Least Privilege. Jeder Kommunikationskanal überträgt nur die Daten, die er benötigt — kein direkter Zugriff von der Cloud auf die SPS. OPC UA unterstützt feingranulare Zugriffsrechte auf Knotenebene. Regelmäßige Sicherheitsaudits (mindestens jährlich) und ein Patch-Management-Prozess für alle vernetzten Komponenten schließen die Lücken, die neue Firmware-Versionen schließen sollen.

IIoT in der Praxis — Schritt-für-Schritt Einstieg

Der größte Fehler beim IIoT-Einstieg: zu breit anfangen. Unternehmen, die gleichzeitig alle Maschinen, alle Daten und alle Use Cases abbilden wollen, scheitern typischerweise an Komplexität und Kosten. Erfolgreiche IIoT-Einführungen starten klein, lernen schnell und skalieren gezielt.

Schritt 1: Use Case definieren — was soll gemessen werden?

Formulieren Sie einen konkreten Nutzen, nicht ein technisches Ziel. Nicht: „Wir wollen unsere Maschinen vernetzen.“ Sondern: „Wir wollen Lagerausfälle an unseren drei Hauptpressen frühzeitig erkennen, um ungeplante Stillstände zu vermeiden.“ Der Use Case bestimmt, welche Sensorik (Vibration, Temperatur), welche Datenqualität (Abtastrate, Genauigkeit) und welche Systemarchitektur (Edge-Alarmierung oder Cloud-Dashboard) gebraucht werden.

Schritt 2: Sensoren und Konnektivität auswählen

Prüfen Sie, ob Ihre Maschinen bereits analoge Sensoren haben, die Sie digitalisieren können (4-20 mA → IO-Link-Konverter). Wenn neue Sensoren gebraucht werden: IO-Link-fähige Sensoren mit passendem Messbereich, Schutzklasse und industrietauglichem Temperaturbereich wählen. IO-Link-Master in ausreichender Port-Zahl (typisch 4 oder 8 Ports) einplanen.

Schritt 3: Datenarchitektur festlegen

Für den Einstieg reicht ein Edge-Gateway mit OPC UA Server, der Daten von der SPS oder dem IO-Link Master empfängt. Alarme und Schwellwertüberwachung lokal konfigurieren. Für Historisierung und Dashboards: MQTT-Verbindung zu einer Cloud-Plattform oder einem lokalen SCADA-System aufbauen.

Schritt 4: Integration in bestehende Systeme

IIoT entfaltet seinen Wert erst, wenn die Daten dort ankommen, wo Entscheidungen getroffen werden: im ERP (für Wartungsplanung), im MES (für Produktionssteuerung) oder in einem spezialisierten Condition-Monitoring-Tool. Prüfen Sie frühzeitig, welche Schnittstellen Ihr ERP/MES bietet (REST API, OPC UA, MQTT). Viele moderne Systeme unterstützen OPC UA direkt.

Schritt 5: Pilotprojekt — klein starten, schnell lernen

Wählen Sie 2-5 Maschinen für das Pilotprojekt. Drei Monate Betrieb mit aktivem Monitoring liefern erste Erkenntnisse: Welche Schwellwerte sind sinnvoll? Welche Sensorpositionen liefern die besten Daten? Wie verhält sich das Datenvolumen? Was kostet der Betrieb wirklich? Nach dem Piloten haben Sie eine solide Grundlage für die Skalierung.

Fazit

IIoT ist keine Technologiefrage mehr — es ist eine Frage der richtigen Umsetzungsstrategie. Die Technologien sind ausgereift: IO-Link (IEC 61131-9) verbindet Sensoren zuverlässig und ohne Spezialverkabelung, OPC UA (IEC 62541) sorgt für interoperable Datenkommunikation, MQTT verbindet mit der Cloud. Edge-Gateways reduzieren das Datenvolumen auf das Wesentliche, bevor es die Cloud erreicht.

Drei Erkenntnisse für die Praxis: Erstens — IIoT-taugliche Sensoren mit IO-Link kaufen, auch wenn IO-Link zunächst nicht genutzt wird: Der Mehrwert bei der späteren Anbindung übersteigt den Preisaufpreis bei Weitem. Zweitens — mit einem konkreten Use Case starten, nicht mit einer Plattform: Use Case → Sensorik → Architektur, nicht umgekehrt. Drittens — Cybersecurity von Anfang an einplanen: OT/IT-Trennung und verschlüsselte Kommunikation sind keine nachträglichen Extras, sondern die Grundlage eines betriebssicheren Systems.

Der nächste Schritt: Identifizieren Sie eine Maschine in Ihrem Betrieb mit hohem Stillstandsrisiko. Prüfen Sie, welche Messgröße (Temperatur, Vibration, Druck) den Ausfall ankündigt. Das ist Ihr erster IIoT-Use-Case — und der Einstieg in eine datenbasierte Instandhaltung.

FAQ — Häufig gestellte Fragen

Quellen und weiterführende Literatur

• IEC 62541 (OPC UA): OPC Unified Architecture, aktuelle Teile 62541-4:2025 und 62541-10:2025 — IEC Webstore (webstore.iec.ch)
• IEC 61131-9:2022: Single-drop digital communication interface for small sensors and actuators (IO-Link) — IEC Webstore
• IEC 62443: Security for industrial automation and control systems — ISA/IEC Normserie, 14 Teile
• VDI/VDE 2650: Messdatenerfassung in der industriellen Messtechnik — VDI Verlag
• VDMA: OPC UA — Interoperability for Industrie 4.0 (Studie, 2023)
• Fraunhofer IOSB: Industrial Internet of Things (IIoT) — iosb.fraunhofer.de
• IO-Link Community: IO-Link — the First Globally Standardized IO Technology — io-link.com
• BSI: ICS-Security-Kompendium — Bundesamt für Sicherheit in der Informationstechnik

Weiterführende Artikel

• Predictive Maintenance im Maschinenbau — Wie KI den Stillstand verhindert
• Shopfloor to Cloud: OPC UA + MQTT perfekt kombinieren
• Digitale Zwillinge im Maschinenbau — Grundlage für autonome Systeme
• Energieeffizienz im Maschinenbau — Hebel, Messung, Wirtschaftlichkeit
• Qualitätssicherung & Messtechnik — Prüfstrategien und Praxis
• Simulation & CAE — FEM, CFD und Validierung in der Praxis