IIoT-Setup am Beispiel der AWS-Plattform

Wie Maschinendaten auf das Dashboard kommen

Über den Nutzen des Industrial Internet Of Things (IIoT) wird viel geschrieben, über die konkrete Einrichtung kaum. Dieser Artikel veranschaulicht den ersten Aufbau einer kosteneffizienten Serverless-Pipeline für die Langzeitdatenspeicherung und Datenanalyse auf der AWS-Plattform.

Ein mit AWS-Bordmitteln erstelltes Dashboard (Bild: Transition Technologies PSC Germany GmbH)

Die Anwendungsmöglichkeiten, die unter dem Schlagwort Industrie 4.0 zusammengefasst werden reichen vom vermeintlich einfachen Monitoring der wichtigsten Betriebsdaten, über die KI-gestützte Analyse von kritischen Kennzahlen bis zu automatisierten Steuerungssignalen für zentrale Produktionsprozesse. Doch wo sollen Unternehmen einsteigen? Dieser Beitrag stellt erste Lösungsbausteine bereit. Die Herausforderungen lassen sich dabei in drei folgenden Kategorien einteilen:

• Konnektivität
• Datenanalyse
• Visualisierung der Ergebnisse

Konnektivität zwischen lokalen Maschinen und der Cloud

Wie konnektieren Unternehmen ihre lokalen Maschinen mit der Cloud? Am Beispiel von Amazon Web Services (AWS) zeigen verschiedene Möglichkeiten:

• Ein bestehender MQTT-Broker leitet die Nachrichten direkt an AWS IoTCore weiter, dazu kann dieser beispielsweise als IoT Thing angelegt werden und sich per Zertifikat authentifizieren.
• evices können auch direkt mit IoTCore verbunden werden.
• Greengrass als OT-Software auf dem Shopfloor ist die Standardsoftware von AWS, um eine Verbindung zwischen Shopfloor-Devices und der AWS-Cloud herzustellen. Sie wird als Container bereitgestellt und über die AWS-Konsole administriert.

Zu beachten ist, dass ein einzelner GreenGrass-Container nicht darauf ausgelegt ist, alle Verbindungen für eine gesamte Firma zu verwalten, sondern dass mehrere Container abhängig von der Anzahl zu erfassenden Datenpunkte benötigt werden. Im Folgenden wird von einer Anbindung über IoTCore ausgegangen.

ANZEIGE

Die Transformation meistern

Unternehmen stehen unter erheblichem Transformationsdruck, um ihre Wettbewerbsfähigkeit zu sichern. Doch es benötigt erfahrene Experten für die Gestaltung dieser digitalen und organisatorischen Prozesse.‣ weiterlesen

Visualisierung des Glue-Workflows zum Aufbereiten der Rohdaten und Indizieren der Ergebnisdaten nach der Transformation. (Bild: Transition Technologies PSC Germany GmbH)

Zwischen kalten und heißen Daten

Die Telegramme werden in der Cloud empfangen, sodass die tatsächlichen Pain Points, wie der Energieverbrauch oder die Früherkennung fehlerhafter Bauteile, adressiert werden. Im Wesentlichen muss zu Beginn zwischen zwei unterschiedlichen Arten der Analyse unterscheiden:

• Echtzeit-Prozessierung von Daten (hot-data),
• Langzeit-Betrachtung von Daten (cold-data).

Aufgrund der höheren Komplexität und meist höheren Kosten, wird mit dem cold-data-Pfad für die Langzeitanalyse begonnen. Das weitere Vorgehen hängt von den individuellen Gegebenheiten und Anforderungen ab, da sich die Anwendungen durchaus in Durchsatz, Latenz und Komplexität unterscheiden können. Zu Beginn eines Projektes gilt es, die Komplexität gering zu halten, da bei der Einführung einer IoT-Plattform selten die Grenzen der ‘Standard’-Services erreicht werden. Natürlich sollte die Anwendung mit wachsender Datenmenge skalieren.

Regeln für die kalten Daten

Wenn die Daten per IoT-Core entgegengenommen werden, kann das weitere Aussteuern der Daten über IoT-Rules umgesetzt werden. Diese ermöglichen es anhand von Topics und einigen Body-Informationen, unterschiedliche Folgeaktionen auszulösen. Beispielsweise kann anhand der Topic-Struktur definiert werden, welche Daten in den hot- und welche in den cold-data-Pfad fließen. Dieser Artikel beschränkt sich auf den Aufbau des cold-data-Pfades. Dazu wird in der IoT-Rule eine Aktion definiert, die ankommenden Daten direkt in Kinesis Data Firehose übergibt. Dieser Service puffert und aggregiert die Daten, bis eine gewisse Menge (etwa ein Megabyte) erreicht ist oder nach einem Zeitintervall, um diese dann an den Objektspeicher (S3) weiterzugeben. So wird eine stabile und skalierbare Datenstrecke aufgebaut, über welche die Rohdaten etwa im Json-Format entgegengenommen und abgespeichert werden können.

Architekturüberblick über die Datenanalyse mittels Amazon Athena und Amazon SageMaker (Bild: Transition Technologies PSC Germany GmbH)

Datenaufbereitung und -analyse beginnt

Für die weitere Aufbereitung und Weiterverarbeitung der abgelegten Rohdaten bietet die AWS-Cloud unterschiedliche Möglichkeiten. Ein Ansatz ist eine ETL (Extract-Transform-Load)-Pipeline im AWS Serverless-Dienst Glue. Über diesen Dienst kann eine Pipeline aufbaut werden, um die Datenpunkte über ein Python-Skript zu bereinigen, erste Berechnungen durchzuführen und die Ablage in einem platzsparenden und effizient abfragbaren Format durchzuführen. Als Standard hat sich das spaltenbasierte Parquet-Format durchgesetzt. Nach dem eigentlichen Job können die Ergebnisse durch einen Crawler für die effiziente Abfrage indiziert werden. Dadurch ergeben sich zahlreiche Integrations- und Analysemöglichkeiten, wie etwa durch den Dienst Amazon Athena. Dieser ermöglicht eine SQL-basierte Abfrage der Daten und kann dadurch als Grundstein für weitere KI-gestützte Analysen genutzt werden. Auch die explorative ad-hoc-Analyse der Daten ist über ein Jupyter-Notebook möglich. Mit diesem Aufbau können Unternehmen bereits Nutzen erzielen, indem sie beispielsweise die Energieverbräuche in der Produktion erfassen und automatisiert Verbesserungspotentiale ermitteln.

ANZEIGE

Breitbandausbau: Smartes Update für die Industrie

Der deutsche Glasfaserausbau treibt die Industrie der Zukunft voran. Mit vernetzten Maschinen im Internet der Dinge laufen Prozesse effizient und automatisiert ab.‣ weiterlesen

Visualisierung der Ergebnisse

Der offene Ansatz der Architektur vereinfacht die Integration in bereits bestehende Systemlandschaften. So können etwa wiederkehrende Abfragen über ein API-Gateway bereitgestellt und über http abgefragt werden. Auch eine automatische Synchronisation der Daten auf mobile Endgeräte für Servicetechniker, Instandhalter oder Außendienstler ist durch eine standardisierte Schnittstelle wie AWS AppSync umsetzbar. Auch der Datentransfer per Schnittstelle in bestehende Business Intelligence-Anwendungen wie Power BI ist möglich. Alternativ bietet AWS selbst mit seiner BI-Lösung QuickSight ein leistungsfähiges Werkzeug, um die Daten aus der Fabrik zu analysieren und die Ergebnisse in Dashboards zu visualisieren.

Aufbau eines Amazon QuickSight Dashboards mit Amazon Athena als Datenquelle (Bild: Transition Technologies PSC Germany GmbH)

Bereit für die Arbeit mit Echtzeit-Daten

Sind alle Arbeiten abgeschlossen, verfügen Unternehmen über den ersten Aufbau einer kosteneffizienten Serverless-Pipeline für die Langzeitdatenspeicherung und Datenanalyse auf der AWS-Plattform. Dieser bildet die Basis für weitere Projekte. Nach einem erfolgreichen Proof of Concept lässt sich im nächsten Schritt die Verarbeitung von Live-Daten angehen. Diesem Thema ist demnächst ein eigener Artikel gewidmet.

Das könnte Sie auch interessieren:

Basis für produktlebenslange Optimierungen
Der virtuelle Zwilling und der digitale Produktpass

Viele Produzenten werden in den nächsten Jahren Energie-Labels und digitale Produktpässe einrichten müssen. Auch die Energiepreise treiben nachhaltigere Prozesse voran. Der digitale Zwilling rückt als Datenmodell in den Fokus. ‣ weiterlesen

Studie untersucht Industriesektoren in China
Industrie 4.0 hat weder positiven noch negativen Einfluss auf Energieverbrauch

Stimmt es, dass die Industrie 4.0 die Energieeffizienz verbessert und damit die Energieintensität in der Industrie verringert? Ein Team des Forschungsinstituts für Nachhaltigkeit (RIFS) hat zehn Sektoren der industriellen Fertigung Chinas zwischen 2006 und 2019 daraufhin analysiert. Das Fazit der Studie: Die Digitalisierung scheint nicht automatisch Energiesparpotenziale in der fertigenden Industrie zu entfalten. ‣ weiterlesen

Neue Funktionen von Guided Selling bis Case Management
SAP-Cloudsoftware für Service und Vertrieb mit 2023er-Update

Vertrieb und Service sollen bestehende Kunden an das Unternehmen binden und neue gewinnen. Mit der Version V2 hat SAP seine dabei unterstützende CRM-Software erweitert. Der Anbieter verspricht unter anderem höhere Effizienz und intuitivere Bedienung. ‣ weiterlesen

Large Language Models in Business-Software
Generative KI in ERP- und CRM-Systemen

Viele Unternehmen integrieren derzeit künstliche Intelligenz (KI) in ihre Geschäftsprozesse. Insbesondere generative KI-Systeme, die eigene Inhalte erstellen können, bieten großes Potenzial. Zum Beispiel bei der Automatisierung von Routineaufgaben. ‣ weiterlesen

Plus 74 Prozent in 10 Jahren
Industrie steigert Investitionen in Klimaschutz

Etwas mehr als 4Mrd.€ hat die deutsche Industrie im Jahr 2021 im Bereich Klimaschutz investiert. Wie das Statistische Bundesamt mitteilt, floss etwa die Hälfte dieser Investitionen in die Nutzung erneuerbarer Energien. ‣ weiterlesen

Krisenfest mit solider ERP-Software
Krisenfest mit solider ERP-Software

Der Druck auf Produktionsbetriebe bleibt hoch. Neben gesetzlichen Forderungen kommen Anzeichen einer Rezession bis hin zu Absatzsorgen hinzu. Viele Lieferketten stehen weiter unter Druck und Energie- sowie Rohstoffpreise werden zunehmend schwer zu kalkulieren. Hinzu kommt oft die Unsicherheit, welche Schritte der digitalen Transformation in dieser Lage schnelle Ergebnisse hervorbringen. Dabei sind jene Unternehmen klar im Vorteil, bei denen eine performante ERP-Software die nötigen Weichenstellungen schnell und effektiv unterstützt. ‣ weiterlesen

Applikationszentrum Bahngeführte Roboterbearbeitung
Fraunhofer-Forscher bringen Robotern hochpräzises Arbeiten bei

Roboter sind im Vergleich zu Bearbeitungszentren preiswert in der Anschaffung und flexibel in mehreren Bewegungsachsen programmierbar. Kommt es auf besondere Genauigkeit beim Zerspanen, Fügen oder Umformen an, müssen sie jedoch oft passen. Die Forscher des neu geschaffenen Applikationszentrums Bahngeführte Roboterbearbeitung am Fraunhofer IWU wollen dies ändern. ‣ weiterlesen

Digitalgestützte Zusammenarbeit
ERP-Prozesse und Projektarbeit eng verzahnt

Wie wichtig ein ERP-Datum auch ist – Hinweise auf den nächsten Prozessschritt finden sich darin selten. Die Mitarbeitenden der verschiedenen Abteilungen müssen die Projekte über andere Kommunikationswege voranbringen. Martin Gáyer von AMS.Solution schildert, wie der ERP-integrierte AMS.Taskmanager dazu Menschen innerhalb und außerhalb eines Unternehmens zusammenbringen kann.
‣ weiterlesen

Daten und Prozesse auf künstliche Intelligenz vorbereiten
ERP-Arbeitsplatz für die KI einrichten

Prozessautomatisierung, Anomalieerkennung, Lageroptimierung – im ERP-Kontext gibt es viele Einsatzmöglichkeiten für KI. Mit den neuen Fähigkeiten der Large Language Models wie GPT könnten sich bald sogar ganze Prozessketten durch künstliche Intelligenz unterstützen lassen. Doch dafür müssen Unternehmen ihre Daten vorbereiten und ihre Prozesse klar definiert im ERP-System verankern. ‣ weiterlesen

CO2-Fußabdruck und Ökobilanz verbessern
ERP-Software mit integriertem Nachhaltigkeitsmanagement

Die EU Taxonomy definiert erstmals auf europäischer Ebene, was unter einer nachhaltigen Wirtschaft zu verstehen ist. In Deutschland trat kürzlich das Lieferkettensorgfaltspflichtengesetz in Kraft – und die Anforderungen nach transparenten Nachhaltigkeitsinformationen werden ebenfalls steigen. Unternehmen kommen am Thema Nachhaltigkeit nicht vorbei. Wer anfallende Aufgaben effektiv und effizient lösen will, könnte auf ein ERP-System mit integriertem Energiemanagementsystem setzen. ‣ weiterlesen

Ingenieurmonitor
Engpässe bei Ingenieurberufen in Energie- und Elektrotechnik

„In den kommenden Jahren wird durch Demografie, Digitalisierung und Klimaschutz der Bedarf an Beschäftigten in Ingenieur- und Informatikberufen deutlich zunehmen“, sagt VDI-Arbeitsmarktexperte Ingo Rauhut. Der Ingenieurmonitor für das zweite Quartal 2023 zeigt einen starken Engpass bei den Ingenieurberufen Energie- und Elektrotechnik.‣ weiterlesen