Suchen

Expertenbeitrag

 Simon Rusch

Simon Rusch

IoT Specialist, Q-loud GmbH

Dieser Beitrag ist im Rahmen des Themenspecials "Industrie 4.0" erschienen.

sponsored by

Datenverarbeitung Edge Computing macht IIoT-Datenberge beherrschbar

| Autor / Redakteur: Simon Rusch / Sebastian Human

Daten sind ein wertvolles Gut – das haben auch viel KMUs inzwischen realisiert. Da deren Transport in die Cloud, wo sie verarbeitet werden, jedoch für viele IoT-Prozesse und mit steigendem Datenaufkommen häufig zu lange dauert, wird Edge Computing zunehmend interessanter.

Firmen zum Thema

Edge Computing kann - gerade auch für Mittelständler im ländlichen Raum - kostbare Bandbreite schonen.
Edge Computing kann - gerade auch für Mittelständler im ländlichen Raum - kostbare Bandbreite schonen.
(Bild: shutterstock: BigBlueStudio, Q-loud)

Alle wollen es schürfen – das Gold des 21. Jahrhunderts; mittels Sensoren, Aktoren oder anderen IoT-Technologien. Auch die vielen, mittelständischen Unternehmen, die ihre Reise nicht auf der grünen Wiese beginnen können. Das Problem: Die Verarbeitung der Daten erfolgt in der Cloud. Der Transport dorthin dauert für viele IoT-Anwendungen aufgrund der großen Datenmengen oder auch schlechten Netzanbindung aber zu lange oder kostet zu viel.

Längst wissen wir, dass sich auch in der Rechnerwolke nicht unbegrenzte Datenmengen verarbeiten lassen. Für den erforderlichen IoT-Datenaustausch zwischen der Automationsebene und der Cloud resultieren hieraus große Schwierigkeiten. Denn Mehrwerte werden allzu oft gerade aus der Übertragung und Verarbeitung von Echtzeitdaten generiert beziehungsweise durch die Integration von Sensoren. Einige Beispiele hierfür sind Greifermodule, Ventilinseln mit Rückmeldung, Aggregate an Werkzeugmaschinen, intelligente Ventilköpfe mit Zusatzlogik oder Proportionalregel-Ventile. Insbesondere selten übertragene Metadaten liefern wertvolle Hinweise, zum Beispiel wieso gewisse Bauteile ausgefallen sind. Sie sind folglich die Basis für die Entwicklung von IoT-Anwendungen wie Predictive Maintenance oder Condition Monitoring.

Endstation Latenzzeiten

Latenzzeiten sind in diesen Szenarien nicht nur Störfaktoren, sondern ein Ausschlusskriterium. Zusätzlich ist davon auszugehen, dass die Datenmengen durch den zunehmenden Einsatz von datenintensiverer Sensorik, wie Schwingungs- oder Bildsensorik künftig noch größer werden. Die Lösung? Eine lokale Zwischenspeicherung sowie Aggregation und Anwendung weiterer Algorithmen, um die Daten schon zu Informationen aufbereitet in die Cloud zu schicken.

Genau diese Rolle übernimmt Edge Computing. Vereinfacht ausgedrückt, rückt es die Datenverarbeitung näher an die Quelle beziehungsweise an das Produktionsgeschehen und leitet nur vorgefilterte Daten, in der benötigten Form weiter. Kommt das Edge Gateway vom Betreiber, bleibt auch die Datenhoheit zu jedem Zeitpunkt gewahrt und die meist nach Datenrate abgerechneten Industrial IoT-Plattformen werden effizient genutzt. Auf diese Weise beschleunigt Edge Computing nicht nur den Transport und die Verarbeitung der Daten in der Cloud. Darüber hinaus lässt sich auch das Risiko der Offenlegung vertraulicher Daten reduzieren. Denn die lokale Verwendung der Rechenleistung versetzt Unternehmen auch die Lage, die Verbreitung von Informationen (wie Handelsgeheimnisse) besser kontrollieren oder Richtlinien (wie die DSGVO) erfüllen zu können.

Nicht zuletzt können Unternehmen in ländlichen Regionen von diesen Vorteilen profitieren. So verfügen viele von ihnen nach wie vor über keine adäquate Netzanbindung – Cloud Computing ist für viele schlicht nicht möglich. Mit der Verlagerung der Datenverarbeitung in eine dezentralisierte Edge-Infrastruktur – also an den Rand des Internets – sparen sie wertvolle Bandbreite, die für genau dafür genutzt werden kann.

Das spricht für Edge Computing

  • Beschleunigung der Datenübertragung und -verarbeitung in der Cloud
  • Verbesserte Kontrollierbarkeit vertraulicher Daten
  • Minimierung von Lastzeiten
  • Minimierung von Latenzzeiten
  • Einschränkung von Übertragungsverzögerungen und Serviceausfällen
  • Umgehung von Bandbreitenbeschränkungen
  • Ermöglichung von Echtzeitüberwachungen bzw. -services
  • Reduzierung von Netzwerkkosten

Dezentrale Datenverarbeitung

Datenerhebung aus Bestandsanlagen, zu hohe Latenzzeiten, fehlende Bandbreite – gerade der Mittelstand hat auf dem Weg ins IIoT mit einigen Hürden zu kämpfen. Mit Edge Computing lassen sich diese Herausforderungen lösen, indem ein Unternehmen einen gemeinsamen Pool an Ressourcen über eine Vielzahl an Standorten verteilt.

(ID:46497339)

Über den Autor

 Simon Rusch

Simon Rusch

IoT Specialist, Q-loud GmbH