3. Einzelhändler optimieren ihre Points of Sales
Der dritte Use Case kommt aus dem Einzelhandel. Man denke hier an Point of Sales, also zum Beispiel an die Kassensysteme im Supermarkt. Auch sie sind mittlerweile in komplexe Systeme eingebunden und unter anderem an Inventory-Management-Systeme oder die Plattformen von Zahldienstleistern angeschlossen. Application-Intelligence-Lösungen erfassen hier die typischen Fehlerszenarien: Wie oft kann der Barcode nicht gelesen werden? Wie oft wird die Kreditkarte abgelehnt? Wie oft stürzt die Software des Geräts ab? Wie oft kommt es zu Verbindungsfehlern? Und wie wirkt sich das alles auf wirtschaftliche Kennzahlen aus?
Darüber hinaus schaffen sie aber auch Transparenz über die Nutzung des Geräts. Wie viele Transaktionen gab es, wie viele Produkte wurden dabei verkauft und welche Rabatte wurden gewährt? Wie lange standen die Käufer in der Schlange, wie lange dauerte das Bezahlen? Auf Basis dieser Informationen lässt sich dann zum Beispiel die Platzierung der Kassen verbessern oder zuverlässiger entscheiden, wie viele Kassen zu bestimmten Uhrzeiten geöffnet sein müssen.
Fazit
Die drei Use Cases zeigen, weshalb Application Intelligence im IoT immer Berücksichtigung finden sollte. Zum einen geht es um ein umfassendes Monitoring der Anwendungen und Geräte, um trotz aller Unübersichtlichkeit und technischer Komplexität eine höchstmögliche Zuverlässigkeit sowie eine schnelle Aufdeckung und proaktive Behebung von Performance-Problemen oder Ausfällen zu ermöglichen. Zum anderen erfordern IoT-basierte Geschäftsmodelle, dass die vielfältigen Zusammenhänge von technischer und wirtschaftlicher Performance stets transparent bleiben. Nur wer die entscheidenden Metriken unablässig im Blick hat, hat im Internet der Dinge Chancen auf nachhaltigen Erfolg.
Karsten Flott ist CER Sales Engeneer Manager bei AppDynamics