Schlüsseltechnologie für das Industrial Internet of Things

Warum Edge Computing wichtig ist

Mit stärkerer Vernetzung steigt die Menge übertragener Sensordaten und damit die Anforderungen an IIoT-angebundene Geräte, Maschinen und Anlagen. Dabei gewinnt die Echtzeitverarbeitung dieser Daten an Bedeutung, obwohl das gerade bei großen Datenmengen weitere Herausforderungen stellt. Mit Edge Computing stellen Industrieunternehmen sicher, dass erfasste Daten entlang der Wertschöpfungskette keine Prozesse blockieren.

(Bild: Schubert System Elektronik GmbH)

Als Edge (zu Deutsch Kante) bezeichnet man den Rand eines technischen Informationsnetzwerks, an dem virtuelle und reale Welten aufeinander treffen. In einer dezentralen IT-Architektur werden anfallende Daten nicht im Rechenzentrum, sondern direkt an diesem Übergang verarbeitet und bei Bedarf in die Cloud verschoben. Edge Computing ermöglicht an dieser Stelle die Datenvorverarbeitung in Echtzeit: Gesammelte Daten werden lokal nach definierten Kriterien verdichtet. Erste Analyseergebnisse können nun direkt an die Endgeräte rückgekoppelt oder weiterverarbeitet werden. Anschließend besteht die Möglichkeit, nur relevante und damit kleinere Datenpakete in die Cloud zu transferieren, die nicht für sich allein nutzbar sind. Durch die Reduzierung der Datenmenge werden stationäre Server entlastet, aber auch die laufenden Kosten für die Datenübertragung und die Cloud reduziert. Diese dezentrale Verarbeitung schont nicht nur Ressourcen, sondern reduziert auch das Risiko des Datenverlustes außerhalb der Anlage beziehungsweise bei Cyber-Attacken auf die Cloud. Mittels Edge Computing können Latenzzeiten verkürzt, Datenströme optimiert und Produktionsflüsse sowie Prozesse verbessert werden.

Schlüsseltechnologie für die Industrie 4.0

Im Industrie-4.0-Reifegradmodell der Acatech ist die Vorverarbeitung von Daten auf der 3. Stufe zu verorten: Sensoren erfassen eine Vielzahl an Datenpunkten und bilden damit Prozesse von Anfang bis Ende ab. Im nächsten Schritt werden die Daten sichtbar, die in der Vorverarbeitung nach ersten Relevanzkriterien analysiert werden. Die Erkenntnisse aus dieser Datenauswertung werden auf der 4. und 5. Stufe des Modells automatisiert in die Prozesse gespiegelt und finden dort Anwendung, um Wirkungszusammenhänge ableiten und die Prognosefähigkeit verstärken zu können (beispielsweise für Predictive Maintenance). Mobile Arbeitsmaschinen (Automated Guided Vehicles, Automated Guided Cars) beispielsweise nutzen das Edge Computing zur lokalen Datenanalyse und schicken nur Änderungsdaten in Echtzeit in die Cloud. Von dort erhalten sie weitere Aufgaben oder das Update für ihre Navigationsdaten.

Gateways zur Datenverwaltung nah an der Maschine

Bei der Integration eines IIoT müssen OT (Operational Technology) und IT (Informational Technology) zunehmend stärker miteinander verbunden werden. Hier kommt das Edge Gateway zum Einsatz. Die Ebenen Steuerung und Datenverarbeitung sowie die Schnittstelle zur Cloudebene können auf einem Gerät vereint werden. Diese Edge Gateways bündeln fünf wichtige Funktionalitäten: Daten, die aus der Maschine extrahiert werden, die Steuerung/HMI und die Datenvorverarbeitung beschreiben das eigentliche Edge Computing. Das Gateway übernimmt zusätzlich die Cloud-Anbindung und den Remote-Zugriff bis auf die Sensorebene. Die Komprimierung auf ein Gerät bedeutet Kostenersparnis, weniger Maintenance- und Ressourcen-Aufwand und mehr Platz im Schaltschrank. Die Anwender haben statt mehrerer nur einen Ansprechpartner für Steuerung, Cyber Security sowie die Datenverarbeitung. Letztere ist durch die Edge-Computing-Lösung unabhängig von der eigentlichen Prozessaufgabe der Maschine. Damit läuft die Maschine weiter, wenn die Cloud beziehungsweise Internetanbindung einmal ausfallen sollte. Die benötigten Daten werden in diesem Fall lokal zwischengespeichert und gesichert, bis sie wieder in die Cloud transferiert werden können. Durch die Vorverarbeitung bleiben Rohdaten außerdem bei der ursprünglichen Quelle. Unternehmenskritische oder sensible Daten sind leichter zu schützen, das Risiko des Datenmissbrauchs wird reduziert. Die prozessnahe Datenanalyse vereinfacht außerdem die vorausschauende Wartung und Qualitätssicherung. Dies verspricht neben der Erfüllung der Echtzeitanforderungen einen unmittelbaren, positiven Effekt auf die Produktivität.

Das könnte Sie auch interessieren

Technik

Hannover Messe 2024: Die Industrie auf dem Weg zu mehr Nachhaltigkeit

Vom 22. bis zum 26. April wird Hannover zum Schaufenster für die Industrie. Neben künstlicher Intelligenz sollen insbesondere Produkte und Services für eine nachhaltigere Industrie im Fokus stehen.‣ weiterlesen

Technik

Deutsche Industrie sieht Data Act als Chance

Eine Umfrage von Hewlett Packard Enterprise (HPE) unter 400 Führungskräften in Industrie-Unternehmen in Deutschland zeigt, dass zwei Drittel der Befragten den Data Act als Chance wahrnehmen. Der Data Act stieß unter anderem bei Branchenverbänden auf Kritik.‣ weiterlesen

Topstory

Carbon Management: Wegbereiter für eine klimaneutrale Zukunft

Carbon Management-Technologien stehen im Fokus, um CO2-Emissionen zu reduzieren und zu managen. Die Rolle des Maschinenbaus und mögliche Entwicklungspfade betrachtet eine neue Studie des VDMA Competence Center Future Business.‣ weiterlesen

Technik

Unternehmen sehen Cyber-Angriffe als größte Bedrohung der digitalen Transformation

Deutsche Unternehmen nehmen eine zunehmende Bedrohung durch Cyber-Angriffe wahr. Das zeigt eine aktuelle Umfrage vom Markt- und Meinungsforschungsinstitut YouGov im Auftrag von 1&1 Versatel, an der mehr als 1.000 Unternehmensentscheider teilnahmen.‣ weiterlesen

Technik

Ein Helm schützt vor Schwingungen

Fraunhofer-Forschende haben für Fahrer und Fahrerinnen von Baumaschinen einen Helm mit integriertem Beschleunigungssensor entwickelt. Die Helm-Sensorik misst die Vibrationen der Baumaschinen. Die Sensorsignale werden analysiert, eine Software zeigt die Belastung für den Menschen an.‣ weiterlesen

Technik

Mit Deep Learning gegen Fehler

Hohe Geschwindigkeit und hohe Erkennungsraten sind die Anforderungen an die Qualitätskontrolle in der Verpackungsbranche. Wie diese Anforderungen erreicht werden können, zeigt das Unternehmen Inndeo mit einem Automatisierungssystem auf Basis von industrieller Bildverarbeitung und Deep Learning.‣ weiterlesen

Technik

Produktivitätssteigerungen von bis zu 50 Prozent durch KI

Laut einer Studie der Unternehmensberatung Bain & Company könnten Unternehmen ihre Produktivität durch digitale Tools, Industrie 4.0-Technologien und Nachhaltigkeitsmaßnahmen steigern. Deren Implementierung von folgt oft jedoch keiner konzertierten Strategie.‣ weiterlesen

Technik

Betriebsräte bemängeln Investitionen und fehlende Strategien

Jeder zweite Betrieb investiert laut einer Betriebsräte-Befragung der IG Metall zu wenig am Standort. Demnach verfügen rund 48 Prozent der Unternehmen über eine Transformationsstrategie. Zudem sehen die Betriebsräte ein erhöhtes Risiko für Verlagerungen.‣ weiterlesen

Technik

VDMA gründet Forum Manufacturing-X

Ziel des neuen VDMA-Forums Manufacturing-X ist es, der zunehmenden Bedeutung von Datenräumen als Basis für neue, digitale Geschäftsmodelle Rechnung zu tragen. Wie der Verband mitteilt, soll das Forum auf dem aufbauen, was in der letzten Dekade durch das VDMA-Forum Industrie 4.0 erarbeitet wurde. ‣ weiterlesen

Technik

Lohnt sich ein Retrofit?

Ob es sich lohnt, ältere Maschinen mit neuen Sensoren auszustatten, ist oft nicht klar. Im Projekt 'DiReProFit' wollen Forschende dieses Problem mit künstlicher Intelligenz zu lösen.‣ weiterlesen

Industrie 4.0

Silo AI und AppliedAI wollenKI-Ökosystem aufbauen

@Grundschrift_NH:Die Implementierung von künstlicher Intelligenz in Unternehmen erreicht oft nicht das erforderliche Maß für eine signifikante Wertschöpfung. ‣ weiterlesen