Vor- und Nachteile von Edge und Cloud
Was, wenn es schnell gehen muss?
Bei Predictive-Quality-Anwendungen kann es sich auszahlen, nicht auf die Cloud, sondern auf Edge Computing zu setzen – vor allem dann, wenn es schnell gehen muss, erläutert Data-Science-Spezialist LeanBI.
(Bild: ©Jacky/stock.adobe.com)
Predictive-Quality-Anwendungen ermöglichen es Industrieunternehmen, die Qualität ihrer Produkte und Prozesse zu optimieren und somit auch Qualitätsprobleme zu erkennen, die sich kurzfristig anbahnen. Durch schnelles Eingreifen – beispielsweise das Verändern von Prozessparametern oder Maschineneinstellungen – lassen sich große Schäden oft verhindern. Bei besonders zeitkritischen Anwendungsfällen kann es laut LeanBI allerdings von Nachteil sein, Berechnungen – etwa von Machine-Learning-Verfahren – auf einer Cloud-Plattform auszuführen. Dafür gibt es vor allem zwei Gründe, so LeanBI:
- • Unternehmen müssen die Sensormessdaten und Prozessparameter für die Berechnungen erst an die Cloud-Plattform senden, sie schickt die Ergebnisse der Berechnungen dann anschließend wieder zurück. Dadurch entstehen Zeitverzögerungen, die im Extremfall zu groß sein können.
- • Der Datenaustausch mit der Cloud-Plattform erfordert eine stabile Internetverbindung. Diese können Unternehmen nur schwer selbst gewährleisten, beispielsweise wenn sich Fertigungshallen etwa an entlegenen Orten befinden. Unternehmen sind so dem Risiko eines Verbindungsausfalls ausgesetzt.
Diese Probleme können Unternehmen vermeiden, wenn sie die analytischen Berechnungen an der Edge ausführen – also direkt bei den Maschinen und Anlagen selbst. Zwar steht an der Edge nicht dieselbe Rechenleistung zur Verfügung wie in der Cloud, laut LeanBI gibt es aber mehrere Möglichkeiten, die Machine-Learning-Modelle so zu optimieren, dass sie weniger Performance benötigen und dadurch auf Edge-Systemen eingesetzt werden können:
- • Durch sogenanntes Pruning lässt sich die Komplexität der Eingangsparameter senken.
- • Mit Frameworks wie Learn2Compress von Google können die Layer von Deep-Learning-Modellen in ihrer Breite und Tiefe reduziert werden.
- • Üblicherweise sind Machine-Learning-Modelle in der Programmiersprache Python geschrieben. Mit Compilern lassen sie sich in Sprachen wie C# übersetzen, die weniger Prozessorleistung benötigen.
Die Edge hat gegenüber der Cloud aber auch Nachteile, etwa in Sachen Effizienz. So benötigt die Cloud durch ihren Lastenausgleich in Summe oft weniger Rechenkapazität als die Edge – und ist dann kostengünstiger.
Keine generelle Empfehlung
“Eine generelle Empfehlung für Edge oder Cloud gibt es nicht. Faktoren wie Antwortzeiten, Netzwerkverfügbarkeit und Kosten müssen in jedem konkreten Einzelfall sorgfältig gegeneinander abgewogen werden”, erklärt Marc Tesch, Inhaber und CEO von LeanBI. “Das Ergebnis kann dann auch durchaus eine Kombination sein, bei der Daten an der Edge aufbereitet und vorgefiltert werden und nur die notwendigen Daten zur Weiterverarbeitung in die Cloud gehen.” mst/LeanBI
Das könnte Sie auch interessieren
Der schwedische Softwareanbieter IFS hat die Übernahme von Falkonry bekanntgegeben. Falkonry ist ein kalifornisches Industrie-KI-Softwareunternehmen, das auf die automatisierte Highspeed-Datenanalyse und Anomalieerkennung für die Fertigungs- und Verteidigungsindustrie spezialisiert ist. ‣ weiterlesen
Die Lieferketten in der Automobilindustrie stabilisieren sich weiter, heißt es in der gerade zur Automobilmesse IAA Mobility 2023 veröffentlichten Umfrage von Capgemini Research Institute. Heute setzen die automobilen Lieferketten weniger auf die Beschaffung von Offshore-Standorten. In Deutschland fällt dieser Trend mit 27 Prozent am höchsten aus. ‣ weiterlesen
Im August 2023 zeigt der Geschäftsklimaindex des IFO-Instituts zum vierten Mal in Folge nach unten. Die befragten Vertreter aus der Wirtschaft blicken somit weiter pessimistisch in die Zukunft. ‣ weiterlesen
Durchschnittsnote ‘drei minus’ für den Industriestandort Deutschland: Das ist das Urteil von 150 deutschen Unternehmen des produzierenden Gewerbes, befragt in neun Kategorien durch das Marktforschungsinstitut Kantar Public im Auftrag der Unternehmensberatung FTI-Andersch. Die schlechtesten Noten erhält Deutschland in den Bereichen Energiepreise und -verfügbarkeit, Regulatorik und Bürokratie sowie in der Verfügbarkeit von Fachkräften. ‣ weiterlesen
Mehr als jedes zweite deutsche Großunternehmen stoppt laut einer Untersuchung der Wirtschaftsprüfungsgesellschaft EY geplante
Investitionsprojekte, weltweit tun dies nur 37 Prozent. Beim Thema KI wollen die Unternehmen jedoch weniger Abstriche machen. Zudem wollen sich deutsche Konzerne verstärkt mit Akquisitionen und Verkäufen von Unternehmensteilen mehr Agilität verschaffen. ‣ weiterlesen
Im Rahmen einer Partnerschaft wollen GDS und Transaction-Network zukünftig Maschinen- und Anlagenbauern gemeinsame Lösungen anbieten.‣ weiterlesen
Unsicherheiten in Lieferketten sowie Verwerfungen auf den Beschaffungs- und Absatzmärkten zwingen Unternehmen mit globalen Handelsbeziehungen dazu, ihre Produktions- und Logistiknetzwerke anzupassen oder gar neu auszurichten. Um die vielschichtigen Herausforderungen dabei im Blick zu halten, hilft der folgende Dreistufenplan.‣ weiterlesen
Bestandsdaten digital erfassen, operative Prozesskosten für die Lagerhaltung von c-Teilen reduzieren: Der Automatisierungsspezialist Balluff hat mit dem Smart Reordering System eine Lösung entwickelt, mit der Lagerbestände bedarfsgerecht aufgestockt werden können. Der Verpackungsspezialist Just Pack nutzt die Lösungen bereits, um neue Services anzubieten ‣ weiterlesen
Ohne eine nachhaltige Wirtschaft sind die Pariser Klimaziele nicht zu erreichen. Intelligente Prozessoptimierung und Software verhelfen Produzenten zu höherer Ressourceneffizienz – von Engineering über die Fertigungsprozesse bis hin zu Lieferketten und After Sales. ‣ weiterlesen
Was macht einen Chief Information Officer aus und was suchen Unternehmen, die eine solche Position besetzen wollen. Antworten darauf gibt eine Studie die die Hochschule Koblenz zusammen mit dem Bundesverband der IT-Anwender (Voice) veröffentlicht hat. ‣ weiterlesen
INDUSTRIE 4.0 & IIoT-MAGAZIN Leseprobe
Zeitschrift für Industrie 4.0, Internet of Things & Digitale Transformation
Datenschutz und Sicherheit: Wie umgehen mit Big Data und KI?
Wie können Big-Data- und KI-Anwendungen gewinnbringend genutzt werden, ohne Datenschutz und IT-Sicherheit zu verletzen? Mit dieser Frage beschäftigt sich eine juristische Studie des Nationalen Forschungszentrums für angewandte Cybersicherheit Athene.‣ weiterlesen
Eine Kollegin namens KI
Künstliche Intelligenz könnte in Zukunft dabei helfen, die Arbeit in Industriebetrieben sicherer, einfacher und produktiver zu machen. Das ist die Vision des europäischen Forschungsprojekts Perks, an dem auch die Wirtschaftsuniversität Wien (WU) beteiligt ist.‣ weiterlesen
Die ‘Do-it-yourself’Automatisierung
Das kanadische Technologieunternehmen Vention hat ausgewertet, wie Hersteller den 'Do-it-yourself'-Ansatz (DIY) nutzen, um ihre Produktion zu automatisieren. Die Studie basiert auf anonymisierten Daten von weltweit mehr als 4.000 B2B-Nutzern der Manufacturing Automation Platform (MAP) von Vention.‣ weiterlesen
Deutschland ist beliebter Standort für Forschung und Entwicklung
Laut International-Innovation-Barometer des Beratungsunternehmens Ayming ist Deutschland ein beliebter Standort für Investitionen für Forschung und Entwicklung. Die Untersuchung zeigt zudem, dass Expertise wichtiger ist als Geld.‣ weiterlesen
Von virtuellen Steuerungen profitieren
Industriesteuerungen werden durch die Nutzung moderner Technologien zunehmend abstrahiert - und damit kompakter, flexibler und einfacher zu warten. Diese Entwicklung führt schließlich zur virtuellen SPS. Doch wie sieht dies in der Praxis aus, wie lässt sie sich verwenden und kann sie auch noch sicher sein?‣ weiterlesen
