通常，对于使用PI技术的用户来说，信息模型的发展趋势并不是个新鲜概念。如果你了解过各种各样的PI应用行规，比如PROFIBUS PA、PROFIdrive或PROFIenergy，你就会发现近年来这些行规使用户的日常工作变得更加容易，特别是在设备接口方面。
未来通过机器可读信息模型遵循这样的发展道路是非常必要的。开发工作已经完成了，这要归功于经过多次验证的应用行规。标准化的OPC UA接口也简化了其应用程序配置。这意味着用户不仅可以接收变量值，还可以接收结构化和属性化的描述。由于并非所有设备都支持PI应用行规，也不是所有设备都是通过PROFINET连接，因此需要进一步的概念来获取机器可读的变量信息。
这样做的优势是可以非常轻松地访问数据，从而在集成新组件时节省大量时间。由于统一语义，数据质量也大大挺高了。由于来自现场的数据量肯定会持续性增长，使用该方法可以更容易的实现扩展或缩减。最终，信息模型将为未来技术开辟了新的通道。
根据其不同任务区域的配置来构造信息是很有帮助。这包括物理视图(设备、组件等等)、功能视图(功能、语境、应用程序等等)和通信视图(通信系统、报警、地址、数据传输等等)。
通常，数据的来源和传输路径对于应用算法都不是决定性的。根据视图的分配，自动化系统或仪表的信息沿访问路径进行描述。因此，所有必需的信息都可以在应用程序的接口上获得。只有信息模型才能使PI技术组合之间的关系对用户透明，从而可以清楚地实现所有信息彼此分配，并且清晰地获悉来源和访问路径。
由于自动化技术设备种类繁多，在工厂的全生命周期中存在不同的PI技术和不同的用例，因此有必要对其进行进一步的分类。在实际应用中，不同的设备类型、功能组和技术在彼此的接口上是相互隔离的。这就创建了可以根据应用需求和用例相互结合模块化的结构。这一改进层的基本元素被称作facets/方面特征/参考架构，这就会形成代表3个命名视图的单个模型，共同描述自动化个体。
PI一直致力于进一步升级其拥有工业4.0应用技术，特别是关于传感器到云的连接。毕竟，现场大约有3500万个带有PROFNET接口的设备，可用于访问有价值的数据。
目前，标准化信息模型的研发是PI的主要关注点。比如，现在已经具备大量关于压力、温度、状态，以及更普遍在能源管理或传感器健康状态监测方面的PI信息模型参考架构。
目前，正在开发PROFINET到OPC UA的更多映射，以便于在IT应用中低成本使用设备和诊断数据。在设计PROFINET和OPC设备之间集成模型的交互时，首要考虑使用户易于上手。只有这样，信息模型才能获得广泛的应用。
