Infrastruktur-Layer für den digitalen Wandel

Edge Computing ist kein Trend

Edge Computing setzt sich am Markt zusammen mit der Erkenntnis durch, dass Daten über den Geschäftserfolg von morgen mitentscheiden. Doch was ist Edge Computing eigentlich? Im Kern ist es eine weitere IT-Ebene im Werk, die einerseits eine Steuerung der Kosten ermöglicht, die verwendete Cloud-Services verursachen, und die andererseits granular zu filtern erlaubt, welche Fertigungsdaten das Werk überhaupt verlassen dürfen.

Von KI verarbeitete Fertigungsdaten sorgen bereits heute in vielen Werken für Erkenntnisse, die vor Ort praktiziertes Alltagswissen auf den Kopf stellen. Bei aller Innovationskraft im Cloud Computing wäre der Erfolg dieser Technologie in der Industrie kaum denkbar, würde Edge Computing nicht für eine sichere Hardware-Basis in den eigenen vier Hallenwänden der Fertiger zur Verfügung stehen.

Ursprung außerhalb der Fertigungsindustrie

Doch was ist Edge Computing eigentlich? Der Begriff bezeichnet eine Datenverarbeitung, die in der Nähe der Datenquellen stattfindet. Dabei wird eine offene Plattform verwendet, die Funktionen wie Vernetzung, Datenverarbeitung, Speicherung und Anwendungen integriert, um Edge-Dienste in der unmittelbaren Umgebung anzubieten. So produzieren z.B. High-End-Fertigungsanlagen in Fabriken täglich riesige Datenmengen, die immer komplexer werden. Edge Computing sorgt dafür, die Daten möglichst nah an ihrer Quelle zu verarbeiten, um die Cloud-Edge-Zusammenarbeit zu steuern.

Anzeige

KI in Fertigungsbranche vorn

Die neunte Ausgabe von Rockwell Automations „State of Smart Manufacturing“ Report liefert Einblicke in Trends und Herausforderungen für Hersteller. Dazu wurden über 1.500 Fertigungsunternehmen befragt, knapp 100 der befragten Unternehmen kommen aus Deutschland. ‣ weiterlesen

330 Gigabyte pro Kamera

Im Jahr 2020 nutzten hierzulande 53 Prozent der Unternehmen im verarbeitenden Gewerbe mit mehr als 249 Mitarbeitern Industrieroboter. Ein Beispiel für die immensen Datenmengen in der Fertigung: Eine Bildverarbeitungskamera in einer Industrieanlage produziert pro Tag etwa 330GB Videodaten. Würde man all diese Daten in die Cloud übertragen, würde der Prozess eine große Bandbreite beanspruchen und könnte kaum mit Echtzeitdiensten Schritt halten. Da die wachsende Zahl an vernetzten Produktionsanlagen auch mehr und komplexere Datenmengen produziert, steigt auch die Zahl der installierten Edge-Infrastrukturen zu ihrer Verarbeitung. Durch die Bereitstellung von Rechen- und Speicherdiensten in unmittelbarer Nähe zu den Datenquellen werden Netzwerkbandbreite und Speicherplatz in den Rechenzentren geschont und die Dienste reaktionsfähig gehalten. Gleichzeitig lassen sich private Daten bewahren und die Daten- und Produktionssicherheit erhalten.

Individuelle Algorithmen

Auch wenn Edge Computing in den letzten Jahren besonders breitflächig zum Einsatz kommt, existierten die Herausforderungen schon vorher, die in diesem Kontext gelöst werden sollen. So müssen beispielsweise Entwickler aus Spitzenforschungsinstituten für Algorithmen die tatsächlichen Bedürfnisse der einzelnen Unternehmen verstehen. Unternehmen und Produktionsstätten haben unterschiedliche Ansprüche an ihre Fertigung. Insbesondere flexible oder kundenspezifische Fertigungsmethoden erfordern komplexe Algorithmen, hohe Rechenleistung und maßgeschneiderte Edge-Computing-Lösungen.

Am realen Objekt orientieren

Um den tatsächlichen Bedarf in Projekten zu verstehen, sollte Edge Computing in realen Szenarien angewendet werden. In bestimmten Gebäuden kann beispielsweise eine Videoverarbeitung erforderlich sein. In der Nähe von stark frequentierten Gebäuden müssen gefährliche Gegenstände, wie Feuerwerkskörper, erkannt werden. Die äußere Gestaltung der Computerausrüstung sollte dabei auf den Architekturstil des Gebäudes abgestimmt sein. Im Sommer müssen die Algorithmen auch noch bei einer Betriebstemperatur der Geräte von 70°C laufen. An solche praktischen Dinge denken die Algorithmusentwickler vielleicht oft nicht. Daher liegt die Herausforderung für Edge Computing darin, die Kluft zwischen KI-Technologie und Fertigungs- und Industrieketten zu überbrücken. Laut einer Studie von Deloitte ist der Mangel an Fachkräften, die sich mit KI-Anwendungen auskennen, für 27% der deutschen Unternehmen eine wesentliche Herausforderung. Zudem müssen KI-Verantwortliche bei 21% der von Deloitte befragten Unternehmen Überzeugungsarbeit auf der Führungsetage leisten. Diese Defizite bremsen das Entwicklungstempo.

Anzeige

Innovationstreiber Thin[gk]athon: Kollaborative Intelligenz trifft auf Industrie-Expertise

Der Thin[gk]athon, veranstaltet vom Smart Systems Hub, vereint kollaborative Intelligenz und Industrie-Expertise, um in einem dreitägigen Hackathon innovative Lösungsansätze für komplexe Fragestellungen zu generieren. ‣ weiterlesen

Top-Level-Design für die Cloud-Edge-Zusammenarbeit

Für die Cloud-Edge-Zusammenarbeit ist ein passendes Lösungsspektrum für die Verwaltung der Cloud-Edge-Ressourcen und die Aufgabenplanung erforderlich. Zur Hardware- und Softwarelösung kommen die Algorithmen, die Cloud-Plattformen sowie ein Edge-Ressourcenmanagement. Förderlich für die industrielle Zusammenarbeit ist weiterhin ein Top-Level-Design als Richtlinie und für das Roadmapping sowie industrielle Standards.

Anwendungsbeispiele

Beispiele für den effektiven Einsatz von Edge-Infrastruktur gibt es bereits bei betrieblichen Aufgaben, die zentral für deren Wertschöpfung und Wettbewerbsposition sind. Bei der Qualitätskontrolle elektronischer Geräte etwa müssen oft täglich Tausende von Bauteilen überprüft werden. Das entspricht etwa einem Dutzend Produkte pro Minute. Oft arbeiten die Mitarbeiter der Qualitätskontrolle mehr als zehn Stunden täglich, um das Arbeitsvolumen zu bewältigen – Konzentrationsmangel und Qualitätsstagnation sind die Folge. Im Gegensatz dazu nutzen Edge-Lösungen für intelligente Qualitätsprüfungen Industriekameras an Produktionsstraßen, um Bilder von Produktoberflächen in Echtzeit zu erfassen. Anschließend erfolgt eine automatische Bestimmung und Positionierung der Defekte, um rasch Informationen über deren Art und Größe sowie Vorschläge zur Beseitigung zu erhalten. Zusätzlich werden Fehlerdaten an das Cloud-Rechenzentrum übertragen, um die KI-Modelle und -Algorithmen für Qualitätsprüfungen weiter zu optimieren. Dies unterstützt Unternehmen bei der Verbesserung ihrer Produktionsgenauigkeit und -effizienz. Edge Computing wird auch bei der Inspektion von Robotern eingesetzt. Intelligente Inspektionsmodelle ermöglichen die Echtzeitüberwachung verschiedener Parameter von Robotern. Das Personal kann so Geräteteile vorausschauend ersetzen, um ungeplante Ausfallzeiten und Unterbrechungen in automatisierten Produktionsstraßen zu vermeiden. Auch wenn die Corona-Krise die Automatisdierungsbranche gerade gehörig durchschüttelt: Edge Computing ist nicht einfach ein Trend, sondern eine erforderliche Infrastrukturebene für die digitale Transformation des Verarbeitenden Gewerbes.