Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Lesedauer 4 Min.

IoT-Daten Echtzeit verarbeiten

Das aus Österreich stammende Startup Crate.io seine jüngste Neuentwicklung, die Crate Machine Data Platform, sowie eine Weiterentwicklung der Open-Source-Datenbank CrateDB 3.0 vorgestellt.
Crate.io, Entwickler der CrateDB, einer führenden Open-Source-SQL-Datenbank für die Auswertung von Maschinendaten in Echtzeit und IoT-Anwendungen, hat die kommerzielle Verfügbarkeit der Crate Machine Data Platform sowie der Version 3.0 der Open-Source-Datenbank CrateDB mitgeteilt. Die Datenbank für das Internet der Dinge (Internet of Things, IoT) und maschinelles Lernen ermöglicht Unternehmen das Treffen geeigneter Maßnahmen auf Basis von maschinendaten-getriebenen Erkenntnissen. Das Startup hat zudem eine Finanzierung in Höhe von 11 Millionen US-Dollar erhalten, die zur Weiterentwicklung der Produkte verwendet werden soll.Crate Machine Data PlatformDie Crate Machine Data Platform soll Unternehmen dabei helfen, Maschinendaten noch schneller zu nutzen, indem der sonst zeitaufwändige Aufbau der Sensorenanbindungen und der Betrieb eines Echtzeit-Datenmanagementsystems stark vereinfacht wird. Das gibt kommerziellen Betreibern von IoT-Plattformen und Unternehmen einen wichtigen Vorteil bei der Time-to-Value, indem Zeit und Kosten für den Aufbau dieser Dateninfrastruktur von Grunde auf beseitigt werden, und unterstützt sie dabei, Lösungen schneller auf den Markt zu bringen und profitabler zu betreiben. Die Plattform ist ein Cloud-Native-Stack und als gehostetes Angebot auf Microsoft Azure oder auch als On-Premise-Lösung verfügbar.Funktionen der Crate Machine Data Platform sind:
  • Datenübermittlung in Hochgeschwindigkeit – Der skalierbare Service lädt Millionen von SQL-, JSON- oder MQTT-Datenpunkte pro Minute in die Plattform, unabhängig von der Datenstruktur einschließlich selbst komplexer JSON-Objekte mit verschachtelten Objekten oder Arrays.
  • Datenanreicherung – Während Rohdaten in die Plattform strömen, wird die benutzerdefinierte Logik zur Konvertierung ausgeführt. Innerhalb von Millisekunden steht ein bereinigter, konsistenter und analytischer Datensatz bereit, der mit errechneten Werten, Summen und Views angereichert ist.
  • Datenanalyse in Echtzeit – Getrieben durch CrateDB unterstützt die Postgres-kompatible Syntax in Echtzeit Zeitreihen, Lokationen, Textsuche und benutzerdefinierte Machine-Learning-Analysen.
  • Datenvisualisierung – Grafana, Klimt oder eine beliebige andere Visualisierungssoftware können innerhalb der Plattform gehostet und skaliert werden.
  • Operationale Trigger und Alarme – Benutzerdefinierte Regeln initiieren Workflows und Alarme, die unmittelbar die betriebliche Effizienz verbessern können.
Administrationsfunktionen der Datenplattform sind:
  • Skalierung und Orchestrierung der Plattform – Die Crate Machine Data Platform basiert auf einer Cloud-nativen Microservice-Architektur, die mittels einer Kubernetes-Umgebung verwaltet und gesichert wird.
  • Data-Aging und Archivierung – Weil Daten veralten und insbesondere in Echtzeit-Systemen an Relevanz verlieren, kann die Plattform Daten automatisch in kostengünstigen Speichern archivieren. Sie können zur Durchführung neuer Analysen mit historischen Daten einfach wiederhergestellt werden.
  • Daten-Backup und -Wiederherstellung – Inkrementelle Datenbank-Backups werden automatisch archiviert.
  • Monitoring und Logging – Jeder Zugang zur Plattform wird protokolliert und kann in Echtzeit geprüft werden.
  • Datensicherheit – Eine rollenbasierte Zugangskontrolle wird durch die Plattform bereitgestellt und jeder Zugriff verschlüsselt und authentifiziert.
Jodok Schäffler, General Manager von ALPLA: „Wir betreiben in fast jeder Produktionsstraße unserer Fabriken visuelle Inspektionssysteme. Es ist praktisch unmöglich, genügend Personal auf der Produktionsfläche zu haben und auf jeden Fehler zu reagieren. Durch die Nutzung der Crate Machine Data Platform für Sammlung und Analyse der Sensordaten von allen Ausrüstungen in Echtzeit können wir die Mitarbeiter zu den ‚Hot-Spots‘ dirigieren und dadurch die Ausschussrate und Produktionseffizienz verbessern.“CrateDB 3.0 CrateDB ist eine Open-Source-SQL-Datenbank für die Echtzeit-Verarbeitung von IoT- und Maschinendaten wie Sensordaten aus der Fertigung, Logs, Nachrichten und gerätegenerierten GPS-Daten. CrateDB macht Maschinendaten-Anwendungen, die zuvor nur mit NoSQL-Lösungen möglich waren, auch für Mainstream-SQL-Entwickler verfügbar. Die Datenbank wurde dafür entwickelt, den Query-Durchsatz komplexer Datenstrukturen linear mit der Cluster-Größe zu skalieren und macht damit ihre Kapazität berechenbarer und erschwinglicher als andere Lösungen. CrateDB 3.0 bringt unter anderem folgende Verbesserungen mit sich:
  • verbesserte Sicherheitsfunktionen einschließlich Nutzerverwaltung und rollenbasierter Zugangskontrolle
  • eine bis zu 200-mal schnellere Query-Performance via Hash-Joins, HyperLogLog und anderen neuen Algorithmen
  • Unterstützung für Virtual Tables (SQL VIEWs) und Sub-Queries mit Update- und Delete-Statements
  • Sharding-Visualizer, um die Datenbankverwaltung zu vereinfachen
Die Crate Machine Data Platform sowie CrateDB 3.0 sind ab sofort verfügbar. Weitere Informationen finden Sie unter https://cratedb.com/database.
Miscellaneous

Neueste Beiträge

Zwei Konferenz-Openings, eine Sprecherin – wie aus einem Terminkonflikt ein KI-Usecase wurde - Making-of eines Avatars mit HeyGen und ElevenLabs
Ein Terminkonflikt gelöst von einem digitalen Zwilling. Die Ebner Media Group hat die erste Infinite AI Conference von einem Avatar eröffnen lassen. Ein Erfahrungsbericht über den Produktionsprozess und den echten Nutzen synthetischer Präsenz.
7 Minuten
12. Aug 2026
"Menschen erzählen Geschichten, keine CRUD-Operationen" - Interview
Event Sourcing gilt als kompliziert. Golo Roden von native web GmbH erklärt im DWX-Interview, warum das ein Missverständnis ist – und warum das Konzept das perfekte Fundament für KI-Projekte liefert.
19. Aug 2026
Die Kunst der langen Aufgabenläufe - Kimi K3 – das Modell hinter dem Agenten, Teil 2
Ein guter Code-Generator löst eine klar umrissene Funktion. Ein Coding-Agent muss dagegen ein Repository erkunden, Hypothesen bilden, Werkzeuge auswählen, Tests auswerten und nach Fehlschlägen den Kurs ändern. Kimi K3 zielt auf diese zweite Klasse von Aufgaben.
8 Minuten

Das könnte Dich auch interessieren

Volltextsuche mit SQLite: FTS5 und Fuzzy Search - SQLite für .NET-Entwickler, Teil 4
Hochperformante Suche ohne externe Suchmaschine? Wie man mit der in SQLite eingebauten Volltextsuch-Engine FTS5 eine effiziente Suche mit Tippfehlertoleranz implementiert – und in welchen Fällen Elasticsearch doch die bessere Wahl ist.
6 Minuten
22. Apr 2026
Elektronische Schaltkreise im Browser simulieren - Simulation
Statt mit Steckfeld oder Lötkolben kann man auf dieser Website Schaltungen per Drag and Drop zusammenstellen und deren Verhalten testen.
2 Minuten
26. Jul 2018
C#-.NET-Apps mit WinUI 3 - Komponentenbasierte Apps mit Fluent/FAST, Teil 3
Microsoft macht mit WinUI 3 ein natives User-Experience-Framework für Windows verfügbar, dessen Komponenten auf dem Microsoft-eigenen Design-System Fluent 2 basieren.
23 Minuten
13. Mai 2024
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige