IoT Use Case Podcast

Der Praxis- Podcast für Industrial IoT (IIoT) zum Dranbleiben: Reale IoT-Projekte aus der Industrie – was funktioniert, was scheitert und warum. Im Fokus: konkrete Learnings für bessere Entscheidungen in Predictive Maintenance, Condition Monitoring, IT/OT-Integration, Edge/Cloud, Datenarchitektur, OT-Security und digitale Services. Madeleine Mickeleit („Mrs. IoT“) und Co-Host Dr. Peter Schopf analysieren mit Anwendern und Umsetzungspartnern, welche Entscheidungen in Architektur, Integration und Betrieb den Unterschied machen. Basierend auf dem IoT Use Case Ökosystem mit 350+ Use Cases, 80+ Partnern und 15.000+ Nutzern. Mehr: iotusecase.com

IoT Use Case Podcast is a technology podcast hosted by Unknown Host, with 222 episodes on record and a Required Pod Score of 80. PitchCentric scores this show on Booking Probability, Listen Score, and live audience signals refreshed every 24 hours.

Unknown Host hosts IoT Use Case Podcast, a technology show with 222 episodes published.

Our AI reads these to draft pitches. Use them as grounding for a pitch that cites a real guest and a specific topic.

• 

  Episode #221

  #221 | 23 Folgen zusammengefasst: Was wirklich funktioniert hat und was nicht

  Aug 12, 202658 minS1

  www.iotusecase.com #IoTUseCase #Mittelstand In Episode #221 des IoT Use Case Podcasts blickt Gastgeberin Ing. Madeleine Mickeleit gemeinsam mit Dr. Peter Schopf zurück, der die vergangenen 23 Folgen als Co-Host moderiert hat. Die Sonderfolge bündelt die Use Cases, Business Cases und Architekturfragen dieser Episoden – von Dampfnetzmonitoring im CHEMPARK über kommunale Hochwasser-Früherkennung bis zu privatem 5G im Stahlwerk. Zusammenfassung Statt einzelner Anwenderfolgen hören die beiden in Originalzitate hinein und ordnen sie ein – unter anderem von Currenta Conneqtive, Endress+Hauser, SPALECK, ORGATEX, der Johannes Giesser Messerfabrik und Salzgitter Flachstahl. Konkret wird es beim Business Case. Am Beispiel einer überwachten Wärmekammer bei DENIOS rechnet Mickeleit vor, was ein Chargenverlust kostet: rund 20.000 Euro für einen 1000-Liter-IBC, dazu etwa 2.000 Euro Reinigung plus eine Schicht Stillstand. Schopf ordnet ein, warum solche Beträge in der Prozessindustrie schneller entstehen als in der diskreten Fertigung – und warum belastbare Zahlen in Podcast-Gesprächen die Ausnahme bleiben: Endkunden geben sie nicht heraus, vieles läuft unter NDA. Der zweite rote Faden ist die Frage, woran Digitalisierung im Mittelstand scheitert. An der Technik nicht mehr, so Schopf – für fast jede Fragestellung gebe es bereits einen Use Case und einen Anbieter. ----- Relevante Folgenlinks: Madeleine ( https://www.linkedin.com/in/madeleine-mickeleit/ ) Peter ( https://www.linkedin.com/in/peter-schopf/ ) Folgen der Episode: #216 Dampfnetz CHEMPARK: https://iotusecase.com/podcast/condition-monitoring-lorawan-dampfnetz #209 Hochwasser: https://iotusecase.com/podcast/hochwasser-frueher-erkennen-mit-radar-und-nb-iot #206 SPALECK Service: https://iotusecase.com/podcast/condition-monitoring-proaktiver-service-maschinenbau #202 ORGATEX Doku: https://iotusecase.com/podcast/digitale-intralogistik-iot-visuelles-management #205 OPC UA ins ERP: https://iotusecase.com/podcast/iot-low-code-am-shopfloor-edge-opc-ua-erp #215 UMH Unified Namespace: https://iotusecase.com/podcast/vibe-coding-shopfloor-mes-ohne-systemintegrator #207 WAGO ECLASS/AAS: https://iotusecase.com/podcast/digitaler-produktpass-eclass-aas-interoperable-produktdaten #201 Privates 5G: https://iotusecase.com/podcast/privates-5g-campusnetz-autonome-transportsysteme-stahlindustrie #220 Datenfundament: https://iotusecase.com/podcast/datenfundament-ki-produktion-mittelstand Anwenderkreis: https://iotusecase.com/de/anwenderkreis

  ListenShow Notes
• 

  Episode #220

  #220 | Datenfundament für die KI-getriebene Produktion im Mittelstand

  Aug 5, 202638 minS1

  www.iotusecase.com #ProductCarbonFootprint #Datensouveränität In der 220. Episode des IoT Use Case Podcasts spricht Gastgeber Dr. Peter Schopf mit: Henrik Schunk, Geschäftsführer der Next Level Mittelstand GmbH und Vorsitzender des Verwaltungsrats bei SCHUNK Peter Sorowka, Mitgründer und Co-CEO von Cybus Daniel Traub, Head of Manufacturing & Automotive Industry bei STACKIT, Schwarz Digits Cloud GmbH & Co. KG. Im Fokus steht die Frage, wie der industrielle Mittelstand ein belastbares Datenfundament für KI-getriebene Produktion aufbaut – souverän und ohne Eigenbau. Zusammenfassung Ausgangspunkt ist ein nüchterner Befund: Die meisten Betriebe in der diskreten Fertigung wissen nicht live, welche Maschine läuft und welche steht. Störgründe landen handschriftlich auf Papierkarten. Sorowka argumentiert, dass Technologie seit zehn Jahren nicht das Problem ist, sondern der Business-Durchstich – datenbasierte Entscheidungsprozesse, Transparenz über Performance und ein verbreitetes Not-invented-here-Denken. Mit generativer KI verschiebt sich der Engpass auf die IT/OT-Integration. Traub ordnet ein, warum Datensouveränität dabei zum Wettbewerbsthema wird: Bei vielen Hidden Champions ist Produktionsknow-how das differenzierende Merkmal. Neben dem Speicherort geht es um den Rechtsraum des Vertrags und um Unabhängigkeit vom einzelnen KI-Modell. Konkret wird es an zwei Stellen: Schunk beschreibt ein PCF-Kochrezept aus einer Working Group, mit dem ein Mittelständler den von einem Automotive OEM geforderten Wert in zwei Stunden ausweisen konnte. Sorowka legt mit der autonomen Fabrik ein Zielbild vor, gestaffelt in Autonomie-Level 0 bis 4 analog zum autonomen Fahren. Das nimmst du mit Wer nicht live weiß, welche Maschine steht, kennt seinen Bottleneck nicht – und kann den ROI eines Datenprojekts vorab kaum planen. Generative KI liefert Analyseideen und Prototypen in Stunden; der verbleibende Engpass ist die Anbindung an die reale Fertigung. Datensouveränität ist laut Traub ein Wettbewerbs- und kein Compliance-Thema, weil Produktionsknow-how das differenzierende Merkmal ist. Ein Zielbild mit Autonomie-Leveln macht Investitionen begründbar, auch wenn der ROI eines einzelnen Use Case fehlt. ----- Relevante Folgenlinks: Peter ( https://www.linkedin.com/in/peter-schopf/ ) Daniel ( https://www.linkedin.com/in/daniel-traub-1678b4139/ ) Henrik ( https://www.linkedin.com/in/henrik-schunk-3a0a9098/ ) Peter S ( https://www.linkedin.com/in/psorowka/ )

  ListenShow Notes
• 

  Episode #219

  #219 | Make or Buy im IIoT: Use Cases skalieren mit einer LoRaWAN-Plattform | akenza.io

  Jul 22, 202634 minS1

  www.iotusecase.com #LoRaWAN #PredictiveMaintenance #IIoT #MakeOrBuy In dieser Episode des IoT Use Case Podcasts spricht Gastgeber Dr. Peter Schopf mit Murat Mutlu, IoT Portfolio Manager bei Currenta Conneqtive, und Christian Olt, IoT Industrial Solutions Director bei akenza. Im Mittelpunkt steht die Frage, wann aus einzelnen Sensorprojekten eine skalierbare IoT-Infrastruktur wird – und die Make-or-Buy-Entscheidung zwischen selbst gebautem IoT-Stack und einer bestehenden Plattform. Zusammenfassung Ausgangspunkt ist das LoRaWAN-Netz im CHEMPARK, mit dem Currenta Conneqtive zunächst das Dampfnetz und später Pumpen im Flusswasserwerk überwacht. Statt einen eigenen IoT-Stack aufzubauen – mit Entwicklungsabteilung, Anforderungskatalog und ein bis zwei Jahren Vorlauf – setzt Conneqtive auf die akenza-Plattform und kann sich so auf Sensoren und Use Cases konzentrieren. Ein zentraler Punkt ist die Device Type Library mit über 400 vordekodierten Geräten: Das Dekodieren neuer Sensoren, sonst ein wiederkehrender Schmerzpunkt, fällt per Klick weg. Murat Mutlu und Christian Olt gehen den Weg vom TWTG-Vibrationssensor über Actility als LoRaWAN-Network-Server bis zur Auswertung in akenza durch – inklusive FFT-Analysen, Grenzwerten und Alarmierung. Deutlich wird: Mit Grenzwerten lässt sich ein Großteil der Fälle abdecken, komplexe Schwingungsbilder und KI-Modelle brauchen dagegen weiter einen Experten. Der eigentliche Hebel liegt darin, eine einmal aufgebaute Infrastruktur als Shared Medium für viele weitere Anwendungsfälle zu nutzen – von der Einzelraumregelung bis zur Schmierungsoptimierung. Das nimmst du mit Wer IoT skalieren will, baut nicht einzelne Use Cases, sondern eine Infrastruktur, auf der viele Anwendungsfälle aufsetzen. Eine vordekodierte Device-Bibliothek nimmt den größten Aufwand beim Anbinden neuer Sensoren – das Dekodieren – aus dem Projekt. Grenzwerte lösen einen Großteil der Predictive-Maintenance-Fälle; für komplexe Schwingungsbilder braucht es weiterhin Expertenwissen. Als Infrastructure- und Software-as-a-Service finanzieren Einsparungen, etwa bei Heizkosten, die Infrastruktur mit. Das größte Lehrgeld fiel nicht in der Software an, sondern im Feld – durch zu komplexe, zu stark ingenieurgetriebene Lösungen statt pragmatischer Standards. ----- Relevante Folgenlinks: Peter ( https://www.linkedin.com/in/peter-schopf/ ) Christian ( https://www.linkedin.com/in/christian-olt-a75244199/ ) Murat ( https://www.linkedin.com/in/murat-mutlu-solution-portfolio-manager/ )

  ListenShow Notes
• 

  Episode #218

  #218 | Verwaltungsschale in der Modellfabrik: Produktionslinien flexibel rekonfigurieren | XITASO

  Jul 15, 202636 minS1

  www.iotusecase.com #Verwaltungsschale #IIoT In dieser Episode des IoT Use Case Podcasts spricht Co-Host Dr. Peter Schopf mit Michael Knoblich, Product Owner bei XITASO, und Hans Michael Krause, Director Ecosystem ctrlX World bei Bosch Rexroth. Im Mittelpunkt steht die Frage, wie aus der Verwaltungsschale – der Asset Administration Shell – in der Modellfabrik von Bosch Rexroth in Ulm konkrete Produktionsflexibilität wird. Zusammenfassung Ausgangspunkt ist ein bekanntes Problem: Neue Maschinen lassen sich nur mühsam in bestehende Linien integrieren, weil Linien-SPS starr programmiert sind und Daten in Subsystemen mit unterschiedlicher Semantik brechen. Die Verwaltungsschale dient als standardisierte Datenschnittstelle – im Werk und über Unternehmensgrenzen hinweg. In der Modellfabrik bekommt jede Maschine und jedes Modul eine Verwaltungsschale. Über eine Asset Orchestration Platform modelliert Bosch Rexroth die Linie per Businesslogik statt fester SPS-Programmierung und rekonfiguriert flexibel zwischen AGVs und Maschinen. XITASO unterstützt bei der standardisierten Erstellung; ein frühes Beispiel ist das digitale Typenschild bei WITTENSTEIN. Die Verwaltungsschale bleibt dabei eine Technologie neben OPC UA und MQTT – entscheidend ist die Wahl je Use Case. Die größte Hürde ist die Erstellung der Verwaltungsschale selbst. Krause rät, klein an der vermuteten Bottleneck-Maschine anzufangen und erst Datentransparenz zu schaffen, bevor die Linie orchestriert wird. Knoblich lenkt den Blick auf OT/IT und ein gemeinsames Zielbild: Am Ende seien es die Menschen, die man mitnehmen muss. Das nimmst du mit Als größte Einstiegshürde erscheint die Erstellung der Verwaltungsschale selbst – für Brownfield-Maschinen bietet XITASO dafür einen SPS-Funktionsbaustein. Auf Basis der Verwaltungsschale lässt sich eine Linie über eine Asset Orchestration Platform per Businesslogik modellieren, statt sie starr in die Linien-SPS zu programmieren. Die Verwaltungsschale ist eine Technologie von mehreren; für Bewegungskommandos eignet sich MQTT, für Sensorsignale OPC UA. Wer OEE verbessern will, beginnt an der vermuteten Bottleneck-Maschine: erst Verluste transparent machen, dann orchestrieren. ----- Relevante Folgenlinks: Peter ( https://www.linkedin.com/in/peter-schopf/ ) Hans Michael ( https://www.linkedin.com/in/hansmichaelkrause/ ) Michael ( https://www.linkedin.com/in/michael-knoblich/ )

  ListenShow Notes
• 

  Episode #217

  #217 | Netze nachrüsten in Stadtwerken: Zustand per Funk statt Kontrollfahrten | WIKA

  Jul 8, 202631 minS1

  www.iotusecase.com #LoRaWAN #Stadtwerke #Fernwärme In Folge #217 des IoT Use Case Podcasts spricht Gastgeber Dr. Peter Schopf mit Philipp Lausberger, IIoT Application Specialist bei WIKA, über IoT-Applikationen bei Stadtwerken und Netzbetreibern. Im Mittelpunkt steht die Frage, wie aus einem Messwert im Feld eine bessere Entscheidung im Netzbetrieb wird – und wie sich Kontrollfahrten zu schwer zugänglichen Fernwärme-, Wasser- und Gasnetzen reduzieren lassen. Zusammenfassung Viele Stadtwerke betreiben jahrzehntealte Bestandsnetze, deren Zustand bisher nur über manuelle Inspektionen erfasst wird: Zwei Mitarbeiter fahren zu einem Schacht, steigen bis zu sechs Meter tief hinab und lesen ein analoges Manometer ab. Das liefert nur eine Momentaufnahme – Leckagen, überflutete Schächte oder nachlassende Isolation an Stahlmantelrohren bleiben zwischen den Kontrollfahrten unentdeckt. Lausberger beschreibt die Strecke vom Sensor bis in die Leitwarte: batteriebetriebene Messtechnik mit Funkübertragung über LoRaWAN, mioty oder Mobilfunk wie NB-IoT und LTE-M, angebunden über standardisierte Schnittstellen wie REST-API, MQTT und OPC UA. Zentrale Abwägung ist die Skalierbarkeit: Selbstgebaute Insellösungen stoßen schnell an ihre Grenzen, weshalb er cloudbasierte Netzwerkserver und einen verlässlichen Partner einem eigenen Plattformbetrieb vorzieht. Wie die Daten den Netzbetrieb verbessern, zeigt er an einem Druckregelventil, das nach wochenlanger Suche als Ursache eines „springenden Netzes" identifiziert wurde, sowie an Langzeitdaten zu Druckspitzen für die Netzplanung. Bei Kosten unter 100 Euro pro Messstelle hält er den Ansatz auch für kleinere Kommunen für tragfähig. Das nimmst du mit Der Zustand vieler Fernwärme-, Wasser- und Gasnetze wird bislang nur per manueller Schachtkontrolle erfasst; IoT liefert kontinuierliche Daten statt Momentaufnahmen. Batteriebetriebene Funksensoren (LoRaWAN, mioty, NB-IoT, LTE-M) erreichen Laufzeiten von bis zu zehn Jahren und lassen sich ohne Strom- oder Kabelinstallation nachrüsten. Selbstgebaute Insellösungen skalieren schlecht; ein cloudbasierter Netzwerkserver und ein verlässlicher Partner sind laut Lausberger der tragfähigere Weg. Sechs Meter tiefe Schächte erfordern Alternativen wie absetzbare Antennen, weil das Funksignal sonst nicht an die Oberfläche gelangt. ----- Relevante Folgenlinks: Peter ( https://www.linkedin.com/in/peter-schopf/ ) Philipp ( https://www.linkedin.com/in/philipp-lausberger-5a16291a5/ ) Jetzt IoT Use Case auf LinkedIn folgen 1x monatlich IoT Use Case Update erhalten

  ListenShow Notes

Based on semantic analysis of episode topics and host coverage, this show is a strong guest fit for executives in:

Industry fit is computed by PitchCentric using vector embeddings of the show's episode catalog.