Industrial Edge: der optimale Technologie-Mix

Die immer stärker ausgeprägte Digitalisierung und die damit einhergehende Industrie 4.0 betreffen unser Privatleben, vor allem aber auch Unternehmen immer stärker. Herausforderungen, die sich daraus für die Fertigungsindustrie ergeben, sind unter anderem immer kürzer werdende Innovationszyklen oder eine größere Individualität von Produkt und Produktion. Um diese zu meistern und wettbewerbsfähig zu bleiben, müssen sie in der Lage sein, möglichst flexibel auf Veränderungen reagieren zu können. Eine vernetzte Produktion und eine schnelle Verarbeitung der entstehenden Daten sind hierzu zwingend notwendig – und hier kommt Edge Computing ins Spiel.

Egal ob lokal oder zentral, vor Ort oder via Internet – jedes Unternehmen hat wohl seine eigene Strategie, seine Produktionsdaten zu erfassen, zu analysieren und basierend darauf die Prozesse zu verbessern. Dabei ist jedoch stets zu beachten, dass das Datenaufkommen in der industriellen Fertigung enorm ist. Tausende von Informationen entstehen pro Sekunde in einer Produktionsanlage:  Eine große Menge an Sensoren messen ununterbrochen wichtige Produktionsparameter, wie den Zustand der Maschinen oder die Qualität der Fertigung. Je vernetzter die Fertigung ist, desto höher die anfallende Datenmenge – egal ob standort- oder weltweit. 

Unternehmen, die auf eine lokale Datenverarbeitung setzen, kommen hier bald nicht mehr weiter. Zum einen aufgrund unzähliger unterschiedlicher Systeme, die schwer zu harmonisieren sind. Zum anderen durch fehlende Rechenleistung, die Datenmassen vor Ort zu verarbeiten und auch eine standortübergreifende, globale Verarbeitung ist nicht möglich. Aber auch das alternativ genutzte Cloud Computing stößt bei spezifischen Applikationen an seine Grenzen, u.a. aufgrund von massiven Datenmengen, rechtlichen Bedingungen oder Latenzzeiten. Die Schwierigkeit besteht hier vor allem in der Echtzeitverarbeitung, denn in der Fertigungsumgebung kommt es oft auf jede Sekunde an. Datenbewegungen in die und von der Cloud können möglicherweise nicht schnell genug sein. Darüber hinaus erfordert das Senden großer Daten zur Weiterverarbeitung in die Cloud eine hohe Bandbreite – eine kostspielige Angelegenheit besonders für kleinere Unternehmen.

Eine Kombination aus lokaler und performanter Datenverarbeitung direkt in der Fertigung, bis hinunter in die Automatisierung, und der Cloud kann hier die Lösung sein und der Industrie enorme Potenziale eröffnen – vor allem auch im Bereich Smart Manufacturing. Sie gibt Herstellern die Möglichkeit alle Vorteile der Cloud zu nutzen, aber trotzdem die Forderungen des Markts nach maximaler Flexibilität und Reaktionsfähigkeit zu erfüllen. Wenn mit Edge Computing große Datenmengen lokal verarbeitet werden, verringern sich für die Anwender die Speicher- und Übertragungskosten, denn es werden nur die relevanten Daten in eine Cloud- oder IT-Infrastruktur übertragen. 

Einige Hersteller haben Bedenken, Edge Computing nur durch teure Investitionen in neue Automatisierungssysteme nutzen können. Dabei sollte die Technologie als Ergänzung gesehen werden. Mit Industrial Edge von Siemens können die datenverarbeitenden Edge-Geräte einfach an vorhandene Automatisierungssysteme angebunden, vollständig in diese integriert oder standardmäßig mit ausgeliefert werden. Implementierungskosten sollten demnach bald schon kein Thema mehr sein, auch nicht für kleinere und mittelständische Unternehmen. Außerdem erweitert die Edge-Technologie die Automatisierungsgeräte um Datenanalyse- und andere Funktionen, um die Vorteile des IIoT optimal auszunutzen und gleichzeitig mehr Flexibilität und Effizienz in der Fertigung zu erzielen. Durch die Nutzung des Software Standards Docker setzt Siemens auf eine plattformunabhängige Skalierbarkeit von Applikationen und ermöglicht somit maximale Flexibilität und Zukunftssicherheit.

Sowohl Edge also auch Cloud werden für immer mehr Branchen der Industrie wichtig. Das beste beider Technologien zu nutzen ist daher nur sinnvoll, da sie sich optimal ergänzen. So lassen sich mittels Edge Computing Daten vorverarbeiten, die dann in der Cloud für das Trainieren von AI-Algorithmen eingesetzt werden. Die daraus resultierenden Ergebnisse lassen sich im Anschluss wieder in die Edge-Infrastruktur herunterladen. Eine konstante Optimierung des gesamten Fertigungsprozesses ist so möglich.