Künstliche Intelligenz (KI) und das Internet der Dinge (IoT) wachsen mit der Digitalisierung immer weiter zusammen. Dabei übernimmt Edge Computing eine immer wichtigere Rolle.

In der heutigen Arbeitslandschaft sind Sensoren und Analytik-Lösungen oftmals noch voneinander getrennt. Doch immer mehr Experten sprechen sich für eine Verbindung von beidem aus. Dabei wird die Intelligenz, die aus Sensordaten gewonnen wird, so wichtig werden, dass sich auch IoT-Plattformen in diese Richtung weiterentwickeln werden. Hinzu kommt die Erweiterung von zentralen IoT-Umgebungen um sogenanntes Edge Computing. Hierunter versteht man die analytische (Vor-)verarbeitung von Daten möglichst nah an ihrer Quelle.

Die Ergänzung um Edge Computing

Je ausgefeilter die von IoT unterstützten Anwendungsfälle werden sollen, umso mehr Analytik wird dafür benötigt. Je mehr Intelligenz in digitale Prozesse einfließt, die sich auf Echtzeitdaten (Near Real Time) stützt, umso entscheidender wird auch das Zusammenspiel der zentralen IoT-Umgebung mit der Edge.

Die zentrale IoT-Umgebung übernimmt initial die Aufgabe, die Daten aus der dinglichen Welt über Sensorik aufzunehmen und so bereit zu stellen, dass damit Algorithmen aufgebaut werden können. Diese werden dann von der zentralen IoT-Umgebung an die Edge „transportiert“, wo sie gegen die aktuellen Datenflüsse ausgeführt werden. Auftretende Ereignisse (zum Beispiel negative Korrelationen von Schwingung und Betriebstemperatur einer Maschine) werden dann an das zentrale IoT-System gemeldet und dort im Zusammenspiel mit den prozessführenden Fachanwendungssystemen weiterverarbeitet. Das „Trainieren“, also das kontinuierliche Verbessern der Algorithmen, erfolgt ebenfalls unter Einsatz der zentralen IoT-Umgebung. Zum Beispiel nutzt diese hierfür dann nur noch Daten aus einem Subset der angeschlossenen Maschinen einer gleichen Baureihe.

Dieser verteilte Ansatz ist vorteilhaft, wenn die Übertragung von Daten zu einer zentralen IoT-Umgebung mit für den Business Case unangemessenen hohen Kosten (zum Beispiel für verbrauchte Bandbreite) verbunden ist. Zum anderen ist er für IoT-Anwendungszenarien relevant, die eine deterministische Echtzeitkommunikation in Millisekunden erfordern. Hier können Daten aus Latenz-Gründen zur Verarbeitung nicht erst an eine zentrale IoT-Umgebung weitergegeben werden.

Eine Kombination ist gefragt

IoT-Architekturen sind heute horizontal verteilt. Es gibt neben der zentralen IoT-Umgebung noch Edge-Computing-Einheiten mit Use Case spezifischer Rechenkapazität. Des Weiteren ist auch die nahtlose Verzahnung der zentralen IoT-Umgebung mit den prozessführenden Fachanwendungen wichtig. Denn das Zusammenführen von Daten aus der dinglichen Welt mit Daten aus der Prozesswelt liefert oftmals deutlich bessere Ergebnisse beim Aufbau (und gegebenenfalls Ausführung) von belastbaren Algorithmen.

Die Nutzung von Edge Computing im IoT erfordert aber eine neue Klasse von intelligenter Hardware. Diese muss nicht nur auf die Nutzungsumgebung (zum Beispiel Staub, Erschütterungen) hin ausgerichtet und abgesichert sein. Diese Geräte sollten auch aufwandsarm mit den verschiedenen dinglichen Datenquellen sowie mit der zentralen IoT-Plattform verbunden werden können. Die Edge Gateways müssen des Weiteren leistungsstark genug sein, um lokal intelligente Anwendungen ausführen zu können. Und da diese Geräte im „Feld“ verbaut sind, müssen sie von einem zentralen Ort aus verwaltbar sein. Neue Software aber auch neue lokale Verarbeitungslogik muss einfach eingespielt werden können.

Informationen zu Cumulocity IoT, der IoT-Plattform der Software AG, erhalten Sie hier.

Letzte Artikel von Oliver Edinger (Alle anzeigen)
Teilen:
%d Bloggern gefällt das: