Es ist mittlerweile zum Gemeinplatz geworden, dass Daten einen wichtigen Faktor für Unternehmen darstellen. Maschinendaten liefern beispielsweise die Basis für Voraussagen zu Verschleiß- und Wartungsbedarf sowie für weiterreichende Analysen, um Prozesse zu verbessern und und Betriebskosten zu senken. Bislang wurden diese Daten häufig manuell ausgelesen, in Lotus- oder Excel-Tabellen eingetragen und anschließend analyisiert. Ein zeitaufwendiger, personal- und kostenintensiver Prozess. Für Anwendungsfälle wie Predictive Maintanance (PM), künstliche Intelligenz (KI) oder Machine Learning (ML) ist es jedoch essentiell, die Daten regelbasiert zu erheben, zu sammeln und weiterzuverwenden. Doch nicht immer können die anfallenden Daten aufgrund der äußeren Rahmenbedingungen (z.B. Planierraupe im Funkloch) sofort an das datenverarbeitende System (z.B. Datenbank in der Cloud) übergeben werden. In solchen Fällen ist es zum einen entscheidend, dass eine stabile und leistungsfähige Datenübertragung gewährleistet ist, sobald die Übermittlung von Informationen wieder möglich ist – mit dem Mobilfunkstandard 5G steht eine solche Technologie in den Startlöchern. Andererseits müssen die Daten womöglich unmittelbar an ihrem Entstehungsort verarbeitet werden, auch wenn keine Netzwerkverbindung besteht. Ein Beispiel sind etwa Radlader, die zum Teil über mehrere Monate auch an entlegenen Einsatzorten gebraucht werden. Dabei sollen sie völlig autark funktionieren. Da kommt Edge Computing ins Spiel. In autarken Rechenwerken (Edge Devices) werden die Daten dort verarbeitet, wo sie entstehen. Das Edge Device kann die Informationen unmittelbar auswerten und filtern, wodurch nur die relevanten Daten an das Backend-System übermittelt werden, was Zeit und Bandbreite spart.
Greenfield und Brownfield
Grundsätzlich sind in der Praxis zwei konzeptionelle Ansätze zu unterscheiden: Greenfield und Brownfield. Bei ersterem handelt es sich um ein neu aufzubauendes Netzwerk mit neuen Maschinen, die alle ans Internet angeschlossen und somit IIoT-fähig sind. Demgegenüber treffen in einem Brownfield-Netzwerk ältere Maschinen auf neue, was bei den meisten Unternehmen die Regel ist. Die Herausforderung dabei: Bei älteren Maschinen, die bereits länger als fünf Jahre im Einsatz sind, gelangt man nur sehr schwer an sämtliche Daten. Die in diesen Maschinen integrierten Sensoren weisen in der Mehrzahl individuelle Schnittstellen mit unterschiedlichen und zum Teil exotischen Protokollen auf, die nicht ohne Weiteres ausgelesen werden können. Daher empfiehlt es sich, auf einer hardwarenahen Programmierebene mit Sprachen wie C oder C++ entsprechende Interoperabilitätsgrundlagen zu schaffen und das Edge Device auf die jeweilige Maschine hin zu programmieren, um die Daten nutzbar zu machen. Dies ist zwingend notwendig, da die verbauten Sensoren üblicherweise verschlüsselt sind, um ein unbefugtes Auslesen der Daten zu verhindern. Dadurch wird allerdings auch die herstellerübergreifende Vernetzung und Verständigung im Industrial Internet of Things erschwert.
Hilfe von außen
Es ist daher notwendig, eine reibungslose Kommunikation zwischen unterschiedlichsten Maschinen- und Sensorenmodellen herzustellen, um weitreichende IoT-Konzepte umsetzen zu können. Hilfestellung bieten Spezialfirmen, die es sich zur Aufgabe machen, die Daten beliebiger Sensoren auszulesen und für die Verwendung in Edge Devices nutzbar zu machen. „Wir sorgen dafür, dass die dazu notwendigen Daten zur Verfügung stehen, indem wir beliebige Schnittstellen an Sensoren und Maschinen anbinden, im Edge Device speichern und dann in einer Datenplattform für IoT-Awendungen für die weitere Verwendung zusammenführen“, sagt etwa Daniel Carton, Geschäftsführer bei BotCraft. Die Vernetzung der IIoT-Geräte erfolgt dabei oft kabellos. Im Nahbereich geschieht dies über Bluetooth oder WiFi und für größere Entfernungen per Mobilfunktechnologien wie 4G oder den speziell für die Anforderungen des Internets der Dinge konzipierten Funkstandard 5G-NarrowBand. Grundsätzlich wird ein Übertragungsstandard und eine Edge-Architektur benötigt, mit dem sich die Daten möglichst verlustfrei und energieffizient übertragen lassen. „Um auch unter ungünstigen Rahmenbedingungen auf keinen Fall Datenpakete zu verlieren, sollte das Edge Device in der Lage sein, die Sensordaten zwischenzuspeichern, zu selektieren und bei nächster Gelegenheit in eine geeignete Datenplattform hochgeladen werden, um dort dann umfangreiche Analysen durchzuführen“, so Carton.
Sicherheit im Blick behalten
Wie im gesamten Industrial Internet of Things ist auch im Kontext von Edge Computing die Sicherheit der Infrastruktur und Betriebsdaten ein hohes Gut. Versäumnisse an dieser Stelle können Unternehmen schnell in enorme Schieflagen bringen, wenn etwa Fabrikanlagen oder Warenlager durch Hacker-Angriffe lahmgelegt werden.In der Praxis sind viele Maschinen nicht ausreichend vor unrechtmäßigen Zugriffen geschützt. „Mit genügend krimineller Energie und Zeit sind schlecht geschützte IoT Geräte leicht zu knacken“, erklärt Carton. „Das Edge Device selbst kann relativ leicht geschützt werden und man kann es als Burg mit dicken Mauern betrachten. Die Sensordaten werden jedoch mit einem ungeschützten Planwagen in die Burg gebracht. Diesen Weg gilt es bestmöglich zu schützen, wozu zunächst eine Awareness für dieses Problem geschaffen werden muss.“ Nicht zuletzt deshalb sei es ratsam, eine moderne, Edge Computing-fähige Datenmanagementlösung einzusetzen, da diese über unterschiedliche sicherheitsrelevante Funktionen, wie etwa unterschiedliche Authentifizierungsmethoden, ausgefeilte Rollen- und Rechtemodelle und die automatisierte Verschlüsselung von Daten ‚at rest‘ verfügen, sodass bekannte IoT-Angriffsmuster ins Leere laufen. Eine für IoT-Anwendungen optimierte Datenplattform ermöglicht darüber hinaus die Integration von Daten aus unterschiedlichen Quellen.
Verlässliche Prognosen
Schon heute leisten komplexe Edge-Netzwerke im industriellen Umfeld einen wertvollen Beitrag für unternehmerischen Mehrwert, indem sie Maschinendaten aus unterschiedlichen Sensorquellen zusammenführen, priorisieren und speichern, bevor sie an nachgelagerte Datenmanagementsysteme zur tiefergehenden Analyse und weiteren Bearbeitung übermittelt werden. Die so gewonnenen Daten können Unternehmens-Entscheider nutzen, um verlässlichere Prognosen zu erstellen, Ausfallzeiten zu minimieren oder neue Geschäftsmodelle zu etablieren. Ein wesentliches Kernelement bildet in diesem Kontext die Anbindung an eine interoperable Datenplattform, die möglichst viele Maschinenprotokolle und Standards vereint und somit sicherstellt, dass die Daten aus dem Edge Device verlustfrei verarbeitet werden.
www.intersystems.de
