Anzeige
Cloud vs. Edge

Erfolgskriterien

Edge Computing, sprich die dezentrale Verarbeitung von Daten am Rande eines Netzwerks, ist derzeit ein heiß diskutiertes Thema. Denn wenn es darum geht, große Datenmengen, wie sie im Internet of Things stetig anfallen, zu verarbeiten, und eine Reaktion in Echtzeit hervorzubringen, kann die Cloud an ihre Grenzen stoßen. Zeichnet sich das Ende der Cloud ab? Ein genauer Blick zeigt: Cloud und Edge Computing ergänzen sich und ermöglichen eine ganzheitliche End-to-End-Lösung für das IIoT.

 (Bild: Cumulocity GmbH)

(Bild: Cumulocity GmbH)

Da mittlerweile ganze Software-basierte Geschäftsprozesse – beispielsweise Projektmanagement, Collaboration, Kommunikation innerhalb eines Teams, Datenanalyse oder Kundenmanagement – zu weiten Teilen in der Cloud stattfinden, ist die innovative Umsetzung neuer Business-Ideen ohne Cloud kaum noch vorstellbar. Das trifft auch auf den Einsatz von IoT-Lösungen zu, essentieller Bausteine für die Digitalisierung im Bereich Industrie und Produktion. Die Cloud bietet eine enorme skalierbare und vergleichsweise kostengünstige Rechenleistung, mit der wichtige Neuerungen rund um das Internet der Dinge wie beispielsweise Machine Learning oder Realtime Data Analytics umsetzbar werden – Prozesse, die auf der Verarbeitung immenser Datenmengen in kürzester Zeit basieren.

Sensordaten: Die Cloud als Bottleneck

Doch gerade im industriellen Anwendungsbereich, dem Industrial Internet of Things (IIoT), wird die riesige Datenflut zur Herausforderung. Um Industrieanlagen vorausschauend warten zu können, werden diese mit Sensoren versehen, die stetiges Feedback über ihren jeweiligen Zustand in die Cloud senden. Dort werden diese Daten hinsichtlich vordefinierter Anomalien – beispielsweise Verschleiß oder Überhitzung – ausgewertet. Das Problem: Die schiere Datenflut, die durch die vielen verschiedenen und zunehmend verteilten Sensoren entsteht, kann nicht mehr mit niedrigen Latenzzeiten verarbeitet werden, da der geografische Weg vom Sensor in die Cloud schlicht zu lang ist. Dies verlangsamt die nötige Reaktionszeit, die bei der Überhitzung von sensiblen Maschinen vorhanden sein muss – hier zählen teilweise Sekunden, um große Schäden zu verhindern. Das Cloud-Modell – für sich genommen – stößt hier also an seine technischen Grenzen. Die Lösung: Edge Computing. Damit sind IT-Kapazitäten am Rande eines Netzwerks gemeint, die Datenzugriffe bündeln und an die Cloud weiterreichen. Anders ausgedrückt: Smarte Devices fungieren als Mittler zwischen Sensor und Cloud, um mit akut verfügbarer Rechenleistung beispielsweise eine schnelle Reaktion auf technische Probleme zu gewährleisten und die Datenübertragung in die Cloud zu verbessern.

 (Bild: Cumulocity GmbH)

(Bild: Cumulocity GmbH)

Das muss Edge Computing leisten

Die dezentrale Datenverarbeitung muss unterschiedlichen Einsatzszenarien gewappnet sein, was zu sehr spezifischen Anforderungen an die jeweiligen Recheneinheiten führt. Während die Bündelung von Sensordaten auch von relativ simplen Geräten erledigt werden kann, sind für zahlreiche andere Anwendungsfälle leistungsfähige Server nötig. Generell lässt sich von drei unterschiedlichen Arten sprechen:

• Thick Edge Devices sind leistungsfähige On-Site-Server. Sie sind in erster Linie dafür verantwortlich, zeitkritische Aufgaben von Cloud-Anwendungen – beispielsweise Realtime Analytics von extrem großen Sensordatenaufkommen und deren autonome Verarbeitung – zu übernehmen, um schnell auf potenziell kritische Situationen reagieren zu können.
• Thin Edge Devices sind im Vergleich zu Thick Edge Devices weniger leistungsstark und verfügen ebenso über weniger Speicherkapazität. Sie sind in der Regel das IoT-Gateway für die in einem größeren Maschinenpark verwendeten Sensoren. Thin Edge Devices haben die Aufgabe, einfache Echtzeit-Analysen durchzuführen, um Sensordaten nach vordefinierten Kriterien zu filtern. So wird die Verbindung zur Cloud nicht übermäßig belastet.
• Embedded Thin Edge Devices stellen eine Variante der Thin Edge Devices dar, die unter anderem an komplexeren Werkzeugmaschinen und Industrierobotern installiert wird. Sie erfüllen eine ähnliche Aufgabe wie die Thin Edge Devices, erlauben aber die schnelle Verarbeitung relevanter Daten – zum Beispiel Alarmsignale wegen Überhitzung.

Um die vielen Vorteile, die Edge Computing bietet, bestmöglich nutzen zu können, sollte die eingesetzte IoT-Plattform es unterstützen. IoT-Geräte können dann in eine End-to-End-Lösung auf einer IoT-Plattform wie Cumulocity IoT zusammengeführt und über das integrierte Devicemanagement koordiniert werden.

Autor: Bernd Gross,
SVP & Cloud Business Unit,
Software AG, und CEO Cumulocity,
www.softwareag.com/IoT

Cloud vs. Edge
Bild: Cumulocity GmbH


Das könnte Sie auch interessieren

Der Parksuchverkehr in deutschen Großstädten macht durchschnittlich 40% des gesamten innerstädtischen Verkehrs aus. Deswegen ist Solcom am Entstehungsprozess eines intelligenten Parkleitsystems beteiligt, durch welches die negativen Effekte innerstädtischen Verkehrs mithilfe von IoT-Technologien vermieden werden können.‣ weiterlesen

WebDAQ sind autonome Datenlogger von Measurement Computing, die sich für entfernte Überwachungs-, Mess- und Automatisierungsaufgaben einsetzen lassen. Mittels Jobs können einfache Anwendungen, aber auch komplexe ereignisgesteuerte Abläufe sowie Alarme konfiguriert werden.

Das E-1608 von Measurement Computing ist ein 16Bit-Multifunktions-Messmodul mit acht analogen Eingängen, einer Summenabtastrate von 250kS/s sowie zwei analogen Ausgängen. Das Messmodul E-TC bietet den Direktanschluss von acht beliebigen Thermoelementen und ermöglicht mit einer Auflösung von 24Bit präzise Temperaturmessungen. Mit 24 konfigurierbaren digitalen I/Os ist das Modul E-DIO24 für Steuerungs- und Regelungsaufgaben geeignet.

Mit der Universal Library for Linux hat Measurement Computing eine weitere Open Source Alternative für den Einsatz seiner Messgeräte auf Linux-Plattformen vorgestellt. UL for Linux verwendet ähnliche Befehlsstrukturen wie die Universal Library for Windows. Neben der Programmierung mit C wird jetzt auch Python unterstützt.

Die EmbeddedLine-Serie EL1092 von TL Electronic bietet zahlreiche Möglichkeiten bei Prozessor, Schnittstellen und Systemausstattung. 

Der industrielle Box-PC Matrix-713 von Acceed eignet sich ideal für das Fernmanagement von Modulen wie Sensoren und Aktoren in der Fabrikautomation, der Gebäude- und Fahrzeugvernetzung oder Logistikapplikationen. Geringer Energieverbrauch und die Kommunikationsmöglichkeiten (LAN, WLAN, LTE, UMTS) bieten größtmögliche Flexibilität.

Anzeige
Anzeige
Anzeige
Anzeige
Anzeige
Anzeige