Internet of Things
Edge Computing und das Industrial Internet of Things
Immer größere Datenmengen und die Anforderung auch bei Netzwerkausfällen noch auf Sensorereignisse zu reagieren stellen IIoT-Lösungen vor große Herausforderungen. Einen Lösungsansatz bietet Edge Computing bei dem die Daten dort verarbeitet, wo sie generiert werden – also dezentral, am Rand (Edge) des Netzwerks. Nur wirklich relevante Daten werden anschließend an die Cloud geschickt.
Im Industrieumfeld werden immer häufiger IoT-fähige Geräte eingesetzt. Die Daten dieser Geräte werden in der Regel in der Cloud verarbeitet. Ein großer Vorteil von Cloud Computing ist die Skalierbarkeit. Die benötigten Ressourcen lassen sich automatisch an den Bedarf anpassen. Zudem kann von jedem beliebigen Rechner auf die Daten in der Cloud zugegriffen werden. Ideale Bedingungen, um die Cloud im Zusammenspiel mit IoT-Geräten zu nutzen. Allerdings ist dafür eine schnelle und stabile Internetverbindung mit ausreichender Bandbreite nötig. Im geschäftlichen Alltag sind solche Verbindungen aber nicht immer verfügbar. Zudem spielen auch die Internetkosten eine Rolle, gerade wenn die Anbindung über Mobilfunk und die entsprechenden Volumentarife erfolgt. Bei herkömmlichen IoT-Anwendungen ist das kein großes Problem, da oft nur kleine, klar strukturierte Datenpakete übertragen werden. Und da die Geräte potenziell über den gesamten Globus verteilt sind, kann die Netzwerklast ebenfalls verteilt und balanciert werden. Im Industrial IoT sieht es anders aus: Die Daten fallen typischerweise an einem oder mehreren Hot Spots an. Also beispielsweise an einer Maschine oder Anlage. Sobald Sensorik mit hohen Datenraten, wie z.B. Kameras zum Einsatz kommen, reicht die verfügbare Bandbreite dann häufig nicht mehr aus, um alle Daten in die Cloud zu senden. Außerdem können die entstehenden Internetkosten so hoch werden, dass das ganze IIoT-Szenario unrentabel wird.
Zwischenschicht
Edge Computing dient als eine Art Zwischenschicht zwischen der Cloud und den IoT- Geräten. Die Daten werden nun nicht mehr nur an einer zentralen Stelle verarbeitet, sondern auch dezentral, direkt am Erzeugungsort. Anschließend werden nur die wirklich relevanten Daten in die Cloud gesandt. Das spart Bandbreite und ermöglicht Zeiten des Offlinebetriebs. Durch die zentrale Erfassung und Vorverarbeitung der Daten direkt am Ort der Entstehung ergeben sich weitere klare Vorteile:
Die Sicherheit wird deutlich erhöht
Es wird nur eine punktuelle Internetverbindung für die Übertragung der Ergebnisse benötigt und kein permanenter Onlinestatus. Die Daten können vor Ort anonymisiert werden. Daten, die man nicht in die Cloud preisgeben möchte, können entfernt werden. Der Thin[gk]athon, veranstaltet vom Smart Systems Hub, vereint kollaborative Intelligenz und Industrie-Expertise, um in einem dreitägigen Hackathon innovative Lösungsansätze für komplexe Fragestellungen zu generieren. ‣ weiterlesen
Innovationstreiber Thin[gk]athon: Kollaborative Intelligenz trifft auf Industrie-Expertise
Das System ist schnell
Die Latenzzeit (die Laufzeit eines Signals innerhalb eines Systems) verkürzt sich, weil die Daten nicht erst zur Weiterverarbeitung an die Cloud geschickt werden müssen. Entscheidungen, die vom Edge-System und nicht von der Steuerung getroffen werden, sind ausreichend schnell.
Anwendungsfälle
Gateway Funktionalität
Oft ist im industriellen Umfeld keine internetfähige Sensorik und Aktorik im Einsatz. Stattdessen erfolgt der Zugriff auf die Feldebene mittels einer SPS. Die Steuerungen können die Sensordaten via OPC UA oder Modbus publizieren. Hier setzt ein Edge Gateway an, das die exportierten Daten einsammelt und der Cloud zur Verfügung stellt. Funktional betrachtet, ist der Unterschied zum IoT Gateway gering. Allerdings macht die Verwendung einer Edge-Architektur für das IoT-Gateway den Unterschied und bietet viele Möglichkeiten, das Potenzial der Edge-Konzepte einzusetzen.
Reduktion der Datenmenge/Datensicherheit und Datenschutz
Die gesammelten Daten lassen sich bereits vor Versand in die Cloud aggregieren und analysieren. Unwichtige Daten können durch Filtermodule entfernt werden. Das Resultat ist, dass nicht mehr alle Daten in die Cloud gesendet werden, sondern nur noch ausgewählte Datenreihen und Analyseergebnisse. Entsprechend hohe Relevanz hat eine Datenreduktion, wenn es um das Thema Sicherheit und Datenschutz geht. Mit Edge Computing lässt sich z.B. eine Anonymisierung direkt am Entstehungsort der Daten durchführen.
Lokale Reaktion auf Ereignisse
Beispiel: Bei Überschreitung von Grenzwerten, sollen, basierend auf den gesammelten Daten, benutzerdefinierte Aktionen ausgeführt werden. Dafür muss das Edge-Gerät über eine Regelengine verfügen. Diese Aktionen müssen auch dann ausgeführt werden können, wenn keine Verbindung zur Cloud besteht. Daraus ergibt sich die spannende Frage wo die Grenze zwischen der Verantwortlichkeit der Steuerung und des Edge Devices gezogen wird. Einfache und/oder wenige Daten könnten potenziell einfacher in der SPS gehandhabt werden. Deswegen spielt die lokale Reaktion auf Ereignisse im Edge Device in der Praxis noch eine untergeordnete Rolle.
