Cloud-Technologien und das Internet der Dinge bereiten der Industrie 4.0 den Weg. Aber erst cyberphysische Systeme füllen das Ganze mit Leben, während Edge Computing für Beschleunigung sorgt.
Industrie 4.0: Cyberphysische Systeme, Internet der Dinge, Edge und Cloud Computing greifen ineinander.
Jackie Niam | Getty Images | iStock
Cyberphysische Systeme (CPS) sind eine Grundkomponente der Industrie 4.0. Als vernetzte eingebettete Systeme sind sie entweder direkt in Geräten oder Maschinen verbaut oder sie befinden sich in nächster Nähe. CPS steuern und erfassen Prozesse in der Fertigung, sie verarbeiten und speichern Daten lokal und sie kommunizieren über Standard-Internettechnologie mit anderen CPS oder IT-Systemen, und zwar über die Grenzen des physikalischen Objekts hinweg in dem sie verbaut sind. So beschreibt es Uwe Kubach im Kapitel Device Clouds im Handbuch Industrie 4.0.
Oftmals handelt es sich bei CPS um Ein-Platinen-Computer wie den Raspberry Pi. Mit CPS ausgestattete Geräte oder Maschinen werden auch Smart Objects genannt. Potenziell können alle mit dem Internet verbundenen smarten Objekte und IT-Systeme untereinander Informationen austauschen, wodurch das Internet der Dinge (Internet of Things, IoT) begründet ist. Cloud-Technologien sind mit dem IoT eng verwoben.
Cloud als zentrales Bindeglied in der Industrie 4.0
Cloudanbieter betreiben Rechenzentren und stellen schnell, flexibel und bedarfsgerecht IT-Ressourcen bereit, auf die Unternehmen über das Internet zugreifen können. Angeboten werden im einfachsten Fall für Unternehmen nutzbare CPU, Speicher oder Bandbreite (Infrastructure as a Service, IaaS), aber beispielsweise auch Software, die sich per Webbrowser nutzen lässt (Software as a Service, SaaS). Im Produktionsumfeld erfüllt die Cloud zwei Zwecke: Einerseits lassen sich die von Smart Objects kommunizierten Daten in der Cloud speichern und verarbeiten, anderseits bildet die Cloud die Basis für Dashboards oder Analysetools, mit denen die Daten der unterschiedlichen IoT-Lösungen zusammengeführt und analysiert werden können.
Insbesondere Bereiche wie die Logistik, das Energiemanagement oder die Maschineninstandhaltung profitieren erheblich: Mit der Verzahnung von Cloud- und IoT-Lösungen werden reale Produktionsdaten in Echtzeit transparent und ersetzen somit Planzahlen und Schätzungen, die bislang Entscheidungsgrundlagen bildeten, wie Uwe Kubach weiter erläutert. Echtzeit bedeutet in diesem Zusammenhang, dass Energieverbräuche oder Maschinenkennzahlen innerhalb von Minuten oder Stunden in der Cloud verfügbar sind. Neben der Optimierung bestehender Prozesse eröffnen sich Unternehmen damit Potenziale für neue Geschäftsmodelle. Insbesondere Dienstleistungen wie Pay-per-Use- oder Sharing-Modelle für Maschinen werden immer interessanter.
Edge mit deutlich kürzeren Latenzzeiten als die Cloud
Mittels Edge Computing werden Messdaten in der Produktion dezentral, lokal und in deutlich weniger als 1 s verarbeitet. Derart kurze Latenzzeiten lassen sich im Cloud Computing nicht erfüllen. Zudem fallen in der Produktion sehr große Datenmengen an, die in eine Cloud zu übertragen hohe Bandbreiten erfordern würde. Insbesondere für kleinere Unternehmen wäre das sehr kostspielig, wie Klaus Helmrich im Kapitel Wie die Cloud, Edge Computing und Künstliche Intelligenz zur Nachhaltigkeit in der Industrie beitragen erläutert.
Komplementär zur Cloud werden Messdaten deswegen auf sogenannten Edge Devices nah am Entstehungsort verarbeitet und als Aktorsignal wieder in den Prozess zurückgeführt. Der Transfer der Daten zum Rechenzentrum oder in die Cloud kann damit oftmals vermieden oder zumindest deutlich reduziert werden, wodurch sich die Datenverarbeitung insgesamt beschleunigt. Als Edge Devices können unterschiedliche Netzwerkkomponenten wie Edge Router, Edge Gateways oder Edge Server eingesetzt werden.
Edge-Design als Fog, Cloudlet oder Mobile Edge
Die Autoren um Dominik Appius schlüsseln im Kapitel Edge Computing und Industrie 4.0 des Buchs Digital Business drei Designansätze für das Edge Computing auf: Beim Fog Computing verarbeiten dezentral verteilte sogenannte Fog Nodes die von Smart Objects erzeugten Daten, bevor sie anschließend in die Cloud übertragen werden. Als Fog Nodes dienen dabei beispielsweise Router, Switches, Gateways oder Computer. Die unterschiedliche Positionierung der IT-Ressourcen macht den Designansatz flexibel, allerdings lässt er sich nicht ohne darüber liegender Cloudinfrastruktur, also Stand-Alone, implementieren.
Für das Cloudlet Computing wird ein Server oder ein Servercluster zwischen den Smart Objects und der Cloud angeordnet. Dieser Mikro-Datencenter, oft auch als Cloud in der Edge bezeichnet, stellt Rechenleistung und Speicher und bietet im Vergleich zum Fog Computing höhere Rechenleistungen und Bandbreiten, was beispielsweise für ressourcenintensive Anwendungen wie Augmented Reality interessant ist. Zudem ist dieser WiFi-basierte Ansatz energieschonend, jedoch vergleichsweise unflexibel in der Anwendung.
Beim Mobile Edge Computing (MEC) stellen MEC-Server am Netzwerkrand nahe der Basisstationen IT-ressourcen bereit. Die Stationen betreiben ein Radio Access Network (RAN) und integrieren damit neben mobilen auch nichtmobile Devices ins Netzwerk. Beim MEC liegt der Fokus auf geringstmöglichen Latenzzeiten, wobei hohe Bandbreiten einen schnellen Datentransport zwischen den Endgeräten und dem MEC-Server ermöglichen sollen. Eine erhebliche Verbesserung der Latenz verspricht in diesem Designansatz zudem die Einführung von 5G.