Red Hat sieht in modernen Software-Ansätzen neue Möglichkeiten für die Automatisierung im Fertigungsumfeld. Nach Einschätzung von Stefan Bergstein (Bild), Chief Architect Manufacturing bei Red Hat, könne ein Software-definierter Ansatz zentrale Herausforderungen der industriellen IT-Infrastruktur adressieren. Gemeint ist damit insbesondere die Verwaltung zahlreicher Industrie-PCs und Controller entlang von Fertigungslinien, die bislang häufig einzeln administriert werden müssen.
Virtualisierung und Containerisierung als Werkzeuge
Kernpunkt des Konzepts ist die Trennung von Hardware und Software. Durch Virtualisierungsansätze könnten industrielle Steuerrechner zu einem „Mini-Datacenter“ zusammengeführt werden. Damit werde es möglich, Komponenten wie speicherprogrammierbare Steuerungen (SPS) künftig softwarebasiert – etwa als virtuelle SPS – zu betreiben. Dies eröffne Perspektiven für zentralisierte Updates, bessere Ressourcenauslastung sowie vereinfachte Systemintegration. Die Digitalisierungs- und Automatisierungslösungen von Retarus ermöglichen effiziente Abläufe ohne manuellen Aufwand oder Kompromisse bei der Datensouveränität ‣ weiterlesen
Business Process Solutions
Retarus beschleunigt Datenaustausch in der Produktion
IT-Operationen in die Produktion überführt
Neben Virtualisierung skizziert Red Hat auch IT-basierte Methoden wie GitOps als Instrumente für die Produktionsumgebung. Konfigurationen könnten damit versionskontrolliert verteilt und systematisch verwaltet werden. Die zunehmende Verschmelzung von Operational Technology (OT) und IT bringe laut Red Hat zusätzliche Automatisierungspotenziale in klassische Bereiche der industriellen Fertigung.
Container-Technologien für die Edge
Ein weiterer Aspekt ist die Containerisierung. Diese ermögliche es, Software-Container – inklusive Betriebssystem und Applikationen – gezielt auf Edge-Geräten auszurollen und zu pflegen. Laut Red Hat soll dies dabei helfen, Konfigurationsabweichungen zu reduzieren und Inkonsistenzen bei dezentralen Geräten zu vermeiden. Auch für den Einsatz von Machine-Learning-Modellen in der Industrie biete dieser Ansatz geeignete Bereitstellungsmechanismen.
