close

Industrial IoT in Deutschland: KI / ML und Real-Time-Analysen – welche neuen Anwendungsszenarien Edge Computing bietet

fujitsu-aktuell-manufacturing-ai-blog-2-header
Geschätzte Lesezeit: 5 Minuten

Ein Blog­bei­trag von Mar­co Becker, Seni­or Con­sul­tant, IDC.

In einer vor kur­zem durch­ge­führ­ten Stu­die hat IDC die Umset­zung von Indus­tri­al IoT (IIoT) in deut­schen indus­tri­el­len und indus­trie­na­hen Unter­neh­men unter­sucht. Ein grund­sätz­li­ches Ergeb­nis: Unter­neh­men beschäf­ti­gen sich zuneh­mend mit den Mehr­wer­ten von IIoT und set­zen Initia­ti­ven um. Beson­ders Edge Com­pu­ting wird aktu­ell inten­siv dis­ku­tiert und von Unter­neh­men erkun­det, denn sei­ne tech­ni­schen Eigen­schaf­ten eröff­nen eine Rei­he neu­er Anwendungsmöglichkeiten.

Edge Computing erweitert die IoT-Landschaft und löst Probleme der Zentralität

Von Edge Com­pu­ting pro­fi­tie­ren ins­be­son­de­re Anwen­dungs­sze­na­ri­en, die ent­we­der sehr schnel­le Ver­ar­bei­tungs­zei­ten benö­ti­gen, sehr hohe Daten­vo­lu­men erzeu­gen – oder eben bei­des. Mit zen­tra­len Ansät­zen las­sen sich sol­che Use Cases nur schwer oder gar nicht umset­zen. Die Dau­er des Ver­sands wür­de die schnel­len Ver­ar­bei­tungs­zei­ten im Rechen­zen­trum oder der Cloud zunich­te­ma­chen oder die Mas­sen an Daten wür­den die Netz­wer­ke ver­stop­fen. Die­se Pro­ble­me wer­den bei einem zen­tra­len Ansatz nur mini­miert. Mit moder­nen Netz­werk­tech­no­lo­gien ist das bis zu einem hohen Grad auch bereits mög­lich, dann aber mit­un­ter auf­wän­dig und teu­er. Und auch hier ist letzt­end­lich spä­tes­tens bei der Licht­ge­schwin­dig­keit die natür­li­che Gren­ze gesetzt.

Hin­zu kom­men Zeit­ver­lus­te beim Swit­ching und Rou­ting sowie mög­li­che War­te­zei­ten, wenn ande­re Workloads mit höhe­rer Prio­ri­tät zuerst ver­ar­bei­tet wer­den. Für vie­le Anwen­dun­gen ist das bereits viel zu lang­sam. Des­we­gen wer­den beim Edge-Com­pu­ting-Kon­zept wei­te­re Ver­ar­bei­tungs­ge­rä­te zwi­schen dem eigent­li­chen ver­netz­ten Objekt und dem zen­tra­len Rechen­zen­trum plat­ziert. Damit kön­nen Workloads je nach Anfor­de­rung und Ziel ent­we­der näher am End­ge­rät oder näher am Data Cen­ter plat­ziert wer­den. Das eröff­net eine gro­ße Zahl neu­er Optio­nen und Mög­lich­kei­ten.

Edge Computing ist „ein echter Bremser” – im positiven Sinne

Das aktu­ell wohl bekann­tes­te Pro­blem für Echt­zeit­lö­sun­gen ist das auto­no­me Fah­ren. Aber auch in ande­ren indus­tri­el­len Berei­chen sind Echt­zeit­ana­ly­sen mitt­ler­wei­le eine Not­wen­dig­keit. Indus­trie­ro­bo­ter – zum Bei­spiel moder­ne Robo­ter­ar­me – die in der Pro­duk­ti­on Ein­zel­tei­le zusam­men­set­zen, bewe­gen sich mit rund zwei Metern pro Sekun­de. Je nach Grö­ße und Beschleu­ni­gung ist hier ein Aus­wei­chen für einen Men­schen genau­so unmög­lich wie einem Auto aus­zu­wei­chen, das bei 20 km/h nur noch zwei Meter ent­fernt ist. Auch der Indus­trie­ro­bo­ter muss also mög­li­che Stö­run­gen um sich her­um wahr­neh­men und die­se schnell genug ver­ar­bei­ten, um in Bruch­tei­len einer Sekun­de reagie­ren, brem­sen und stop­pen zu können.

Menschen unterstützten statt ersetzen: wo es Sinn macht oder sogar geboten ist

Eine ande­re Anwen­dungs­mög­lich­keit ist es, Din­ge sicht­bar zu machen, die für das mensch­li­che Auge nicht sicht­bar sind. Hier­bei hel­fen bei­spiels­wei­se opti­sche Prüf- und Erken­nungs­sys­te­me, die mit unter­schied­li­chen Spek­tren arbei­ten. Die­se grei­fen nicht nur auf das vom mensch­li­chen Auge wahr­nehm­ba­re Farb­spek­trum zurück, son­dern auch auf Wärme‑, Röntgen‑, Ultra­schall­strah­lung oder ande­re Strah­lungs­spek­tren. Dadurch kön­nen die­se Sys­te­me Leis­tun­gen erbrin­gen, die einem Men­schen bio­lo­gisch nicht mög­lich sind. Dabei geht es aller­dings nicht unbe­dingt dar­um, Mitarbeiter*innen zu erset­zen. Viel­mehr soll es die Mög­lich­keit schaf­fen, das feh­ler­haf­te Pro­dukt über­haupt zu erken­nen und noch wei­ter zu ver­bes­sern, anstatt ein feh­ler­haf­tes Pro­dukt abzu­lie­fern, das mög­li­cher­wei­se öko­no­mi­sche Schä­den oder Ver­let­zun­gen bei Men­schen her­vor­ru­fen kann.

In man­chen Fäl­len kann die Unter­stüt­zung sogar hel­fen, Mitarbeiter*innen zu schüt­zen. Wäh­rend der COVID-19-Pan­de­mie konn­ten bei­spiels­wei­se Robo­ter dabei assis­tie­ren, Tests zu ver­ar­bei­ten, um Labormitarbeiter*innen vor dem Erre­ger zu schüt­zen. In ande­ren Fäl­len ermög­licht Edge Com­pu­ting die Fern­steue­rung von Arbei­ten, die für die Mitarbeiter*innen unan­ge­nehm, auf Dau­er gesund­heits­schäd­lich oder gar lebens­ge­fähr­lich sein kön­nen. Bei­spie­le hier­für sind Über­kopf­ar­bei­ten im Bau­ge­wer­be oder das Steu­ern von Bau­ma­schi­nen wie Bag­ger an schwer zugäng­li­chen Stellen.

Edge Computing hilft bei der effizienten Verteilung von Intelligenz in der IoT-Landschaft

Den meis­ten die­ser anspruchs­vol­len Edge-Anwen­dungs­sze­na­ri­en ist gemein, dass sie Intel­li­genz erfor­dern. Die Prüf- und Erken­nungs­sys­te­me aus dem Bereich Com­pu­ter Visi­on / Machi­ne Visi­on müs­sen zum Bei­spiel selbst­stän­dig Ano­ma­lien auf den Werk­stü­cken erken­nen und ent­schei­den, ob es sich um einen Feh­ler han­delt. Falls ja, gilt es zu ent­schei­den, ob der Feh­ler schwer­wie­gend ist und von den Mitarbeiter*innen geprüft wer­den muss. Die­ser „Smart Qua­li­ty Inspec­tion” genann­te Use Case muss aber erst ein­mal imple­men­tiert wer­den. Die Haupt­auf­ga­be über­nimmt ein intel­li­gen­ter KI / ML-Algo­rith­mus, der zunächst auf­wen­dig trai­niert wer­den muss. Das erfor­dert gro­ße Rechen- und Spei­cher­ka­pa­zi­tä­ten, die am Edge meist nicht bereit­ge­stellt wer­den können.

Der am Ende fer­tig trai­nier­te Algo­rith­mus kann aber mit ent­spre­chend per­for­man­ten Edge-Sys­te­men an den Maschi­nen oder – unter Umstän­den – sogar am Edge bereit­ge­stellt wer­den. Wie beim auto­no­men Fah­ren müs­sen näm­lich auch in die­sem Anwen­dungs­sze­na­rio die Berech­nun­gen häu­fig mög­lichst schnell durch­ge­führt wer­den. Fließ­bän­der zum Bei­spiel, auf denen sich die Werk­stü­cke befin­den, bewe­gen sich oft mit einer Geschwin­dig­keit von meh­re­ren Metern pro Sekun­de. Dabei beför­dern sie je nach pro­du­zier­tem Gut vie­le hun­der­te klei­ne Werk­stü­cke gleich­zei­tig. Die KI muss einen Defekt also schnell erken­nen, ver­ar­bei­ten und häu­fig schon meh­re­re Meter wei­ter einen Aus­sor­tie­rungs­me­cha­nis­mus aktivieren.

Schnelle technologische Entwicklungen beschleunigen die Adaption weiter

Sowohl Edge Com­pu­ting als auch KI / ML wer­den immer stär­ke­ren Ein­zug in das Inter­net of Things fin­den. Bereits jetzt set­zen 42 Pro­zent der von IDC befrag­ten indus­tri­el­len Unter­neh­men Edge Com­pu­ting in IoT-Pro­jek­ten oder ‑Pilot­pro­jek­ten ein, knapp die Hälf­te nutzt oder tes­tet KI / ML in IoT-Initia­ti­ven. Die­se Ent­wick­lung wird durch moder­ne Pro­zes­so­ren und GPUs mit hoher Rechen­per­for­mance ermög­licht und wei­ter beschleu­nigt, vor allem wenn die­se direkt in den Anla­gen oder deren unmit­tel­ba­rer Umge­bung plat­ziert wer­den. Dadurch ist die Aus­füh­rung von KI / ML-Algo­rith­men dann nicht nur am Edge mög­lich. Dank soft­ware­de­fi­nier­ter Infra­struk­tu­ren oder – zukünf­tig immer häu­fi­ger – Con­tai­nern ist auch die Grund­la­ge für den Auf­bau hybri­der Cloud-Umge­bun­gen gegeben.

Der Auf­bau einer funk­tio­nie­ren­den Hybrid Cloud ist zunächst mit Auf­wand ver­bun­den. Er erlaubt es bei rich­ti­ger Umset­zung aber, dass IoT-Cloud-Diens­te rela­tiv mühe­los in der IoT-Umge­bung aus­ge­rollt und bei Bedarf fle­xi­bel zwi­schen Edge-Gerä­ten, Core Dat­a­cen­tern und Clouds ver­scho­ben wer­den kön­nen. Die­se Fle­xi­bi­li­tät kann dabei hel­fen, jeder­zeit die geeig­nets­te Cloud-Core-Edge-Balan­ce zu errei­chen. So kön­nen – in Abhän­gig­keit von den ein­zel­nen IoT Use Cases und der IoT-Umge­bung – ins­ge­samt Per­for­mance und Kos­ten opti­miert werden.

Abbildung: Zukünftig hauptsächlicher Verarbeitungsort von operativen Betriebsdaten in KI/ML-Algorithmen

Ausblick: Das Internet of Things wird zum „Artificial Internet of Things”

Jedes zehn­te der befrag­ten Unter­neh­men plant des­we­gen, sei­ne Betriebs­da­ten – also die Daten, die Fer­ti­gungs­an­la­gen, Werk­zeu­ge oder Fahr­zeu­ge gene­rie­ren – zukünf­tig haupt­säch­lich direkt am Edge ver­ar­bei­ten zu wol­len. Knapp die Hälf­te will sie direkt am Stand­ort und damit eben­falls in der Nähe zu den Maschi­nen ver­ar­bei­ten. Eini­ge wei­te­re wol­len fle­xi­bel blei­ben. Sie ver­tei­len die KI / ML-Daten­ver­ar­bei­tung auf Cloud, Core und Edge, je nach­dem wo der effi­zi­en­tes­te Ver­ar­bei­tungs­ort ist – bei­spiels­wei­se für das Trai­ning oder für die Aus­füh­rung. Die Umset­zung einer solch fle­xi­blen Umge­bung ist aller­dings kom­pli­ziert und her­aus­for­dernd. Sie setzt brei­tes Wis­sen über Cloud-Tech­no­lo­gien, KI / ML und Daten­ana­ly­sen sowie Netz­werk- Sto­rage- und Com­pu­ting-Tech­no­lo­gien vor­aus. Inter­es­sier­te soll­ten sich daher vor­ab inten­siv mit IIoT, Edge Com­pu­ting und KI / ML aus­ein­an­der­set­zen, um Busi­ness Cases und die eige­nen Kom­pe­ten­zen zu evaluieren.

Das Inter­net of Things wird sich per­spek­ti­visch aber in jedem Fall mit der Zeit immer stär­ker zu einem „Arti­fi­cal Inter­net of Things” (AIoT) wei­ter­ent­wi­ckeln. Die­ses ermög­licht sowohl dezen­tra­le Ent­schei­dun­gen in den Gerä­ten als auch wei­ter­hin unter­neh­mens­wei­te Ent­schei­dun­gen im zen­tra­len Rechen­zen­trum. So wer­den Unter­neh­men zukünf­tig noch intel­li­gen­ter und agiler.

Möch­ten Sie mehr erfah­ren? Dann fin­den Sie hier eine Zusam­men­fas­sung der wich­tigs­ten Ergeb­nis­se der Studie.


Infor­ma­tio­nen zu IDC Cen­tral Europe

IDC ist der welt­weit füh­ren­de Anbie­ter von Markt­in­for­ma­tio­nen, Bera­tungs­dienst­leis­tun­gen und Ver­an­stal­tun­gen auf dem Gebiet der Infor­ma­ti­ons­tech­no­lo­gie und der Tele­kom­mu­ni­ka­ti­on. IDC ana­ly­siert und pro­gnos­ti­ziert tech­no­lo­gi­sche und bran­chen­be­zo­ge­ne Trends und Poten­zia­le und ermög­licht ihren Kun­den so eine fun­dier­te Pla­nung ihrer Geschäfts­stra­te­gien sowie ihres IT-Ein­kaufs. Durch das Netz­werk der mehr als 1100 Ana­lys­ten in über 110 Län­dern mit glo­ba­ler, regio­na­ler und loka­ler Exper­ti­se kann IDC ihren Kun­den umfas­sen­den Rese­arch zu den ver­schie­dens­ten Seg­men­ten des IT‑, TK- und Con­su­mer Mark­tes zur Ver­fü­gung stel­len. Seit mehr als 50 Jah­ren ver­trau­en Busi­ness-Ver­ant­wort­li­che und IT-Füh­rungs­kräf­te bei der Ent­schei­dungs­fin­dung auf IDC.

Wei­te­re Infor­ma­tio­nen sind auf unse­ren Web­sei­ten unter www.idc.com oder www.idc.de zu fin­den.

Schlagwörter: , , ,

Story Page