Internet of Things

Edge Computing und das Industrial Internet of Things

Echtzeitdatenanalyse und Maschinelles Lernen

Anwendungen, wie sie in der Cloud typisch sind, werden hier auf einem Edge-Gerät ausgeführt. Dabei geht es in der Praxis insbesondere um die Analyse großer Datenströme mit dem Ziel der Anomalieerkennung. Für komplexere Zusammenhänge kommt auch eine lokale Verwendung von Maschinenlernalgorithmen infrage.

Lokale Speicherung von großen Datenmengen

Durch die lokale Ausführung von Edge-Anwendungen wird eine Interaktion mit lokalen Systemen möglich. Bilder oder Messreihen, die im Rahmen des Qualitätsmanagements anfallen und zur Nachvollziehbarkeit archiviert werden müssen, können so durch das Edge-Gerät z.B. auch auf einem lokalen Server abgelegt werden.

Cloudverwaltete On-Premises-Anwendungen

Ein weiterer Anwendungsfall ist eine durch die Cloud verwaltete On-Premises-Anwendung. Dabei sollen z.B. eine Analysesoftware und Konfigurationsdaten für verschiedene Standorte aus der Cloud auf die Edge-Geräte aufgespielt werden. Die eigentliche Ausführung und Datenverarbeitung findet danach aber lokal und komplett unabhängig von der Cloud statt. Anpassungen können so zentral an einer Stelle – in der Cloud – durchgeführt werden. Die Änderungen werden dann auf alle betroffenen Systeme angewendet. So können z.B. Updates eingespielt werden, ohne dass ein Servicetechniker vor Ort sein muss.

Cloud mit Edge

Der Erfolg einer Edge-Lösung steht und fällt mit der Integration in eine geeignete Cloudplattform. Gerade bei größeren Gerätezahlen reicht es nicht mehr aus, nur die Messdaten in die Cloud zu senden. Es wird zusätzlich eine Lösung benötigt, um die Geräte und die auf ihnen ausgeführte Software effizient zu verwalten. Die gute Nachricht: Nutzt man das entsprechende Framework der Cloudanbieter, können diese Dienste ohne großen Aufwand genutzt werden. Sie ermöglichen eine sichere Bereitstellung neuer Geräte, die Verwaltung bestehender Geräte sowie die Verwaltung der auf den Edge-Geräten ausgeführten Software. Die schlechte Nachricht: Die Frameworks der verschiedenen Anbieter sind in der Praxis nicht miteinander kompatibel. MQTT hat sich zwar als Standardprotokoll für den Datentransport durchgesetzt, das verwendete Nachrichtenformat und die Protokolle zur Geräteverwaltung sind aber nicht standardisiert. Der pragmatische Ansatz besteht darin, sich ganz auf einen Anbieter festzulegen. Wer das nicht möchte, für den sind Hybridlösungen interessant. Die Edge-Geräte werden dabei weiterhin durch eine festgelegte Plattform verwaltet – auf dem Edge-Gerät kann jedoch die cloudspezifische Anbindung integriert und ausgeführt werden. Damit kann man dann die Daten auch an die entsprechende Zielcloud senden.

Geeignete Hardware

Die Hardwareanforderungen an Edge Gateways sind stark vom jeweiligen Use Case abhängig. Die zentrale Frage lautet: Wird die Edge-Lösung in erster Linie benötigt, um Gerätedaten aus der Feldebene sicher und effizient in die Cloud zu bringen oder soll bereits eine umfassende Analyse der Daten durchgeführt werden? In der Praxis wird oft eine linuxbasierte SPS zur Kommunikation mit der Feldebene eingesetzt. Durch die Konnektivität zu den Bussystemen ist sie dazu besonders gut geeignet. Ergänzt um die Edge-Funktionalität, kann sie direkt als sogenannter Edge Controller eingesetzt werden, um Daten aus der Feldebene in die Cloud weiterzuleiten. Das ist eine gute Lösung, wenn auf weitergehende Datenverarbeitungen verzichtet werden kann. Bei ambitionierteren Projekten stößt man schnell an die Leistungsfähigkeit der Edge Controller. Für den Fall, dass Anwendungen wie Machine Learning ausgeführt werden sollen, wird ein leistungsfähigeres Gerät benötigt. Ein entsprechend ausgestattetes Edge Gateway kann dieser Aufgabe gerecht werden. Zur Verbindung mit der Feldebene, kann jedoch auch weiter eine SPS genutzt werden. Als unterlagertes Gerät stellt sie dem Edge Gateway die Daten zur Verfügung. Hier eignet sich OPC UA als standardisiertes Protokoll. Der große Vorteil: Das Edge Gateway selbst muss nicht mehr über spezielle Anschlüsse für die Anbindung der Feldebene verfügen. Dementsprechend können auch Server oder Virtuelle Maschinen eingesetzt werden.

Fazit

Der Ansatz des IoT, möglichst viel Funktionalität in der Cloud umzusetzen, scheitert im industriellen Umfeld häufig an der Menge der zu transportierenden Daten und eingeschränkter Konnektivität. Hier drängen sich Lösungen ‚on the edge‘ auf. Sie sind nah am Entstehungsort der Daten und erlauben frühe Eingriffe, erste Analysen oder Anwendungen, wie sie bisher nur für die Cloud typisch sind. Durch die Verknüpfung von cloudbasierten Anwendungen mit Edge-Anwendungen entstehen so im industriellen Umfeld schlüssige Gesamtlösungen. Aufgrund fehlender Standardisierung ist in der Praxis die Festlegung auf eine Lösung zielführend, bei der Cloud- und Edge-Lösungen aufeinander abgestimmt sind. Steht die Konnektivität zur Feldebene nicht im Vordergrund handelt es sich beim Thema Edge eher um eine Softwareangelegenheit mit wenig Abhängigkeiten zu spezifischer Hardware.