Edge Computing schlägt eine Brücke zum Rechenzentrum IoT ist KI und die findet wo statt? Im Core-Datacenter

Anbieter zum Thema

Fujitsu Technology Solutions GmbH

IDC Central Europe GmbH

Rittal GmbH & Co. KG

Dell GmbH

Schneider Electric GmbH

Alles Cloud. Mitnichten. Jüngst hat IDC die Umsetzung von Industrial IoT (IIoT) in deutschen industriellen und industrienahen Unternehmen untersucht. Neben vielen anderen Ergebnissen zeigt sich, dass Edge Computing für die meisten IoT-Umgebungen eine Ergänzung ist, also die zentralen IT-Infrastrukturen nicht ersetzt. Und erstaunlicherweise findet das Gros der Datenverarbeitung in Core-Enterprise-Rechenzentren statt - nicht an der Edge und nicht in der Cloud.

Bereits 15 Prozent der von IDC Befragten haben in ihren IoT Cases Edge Computing produktiv im Einsatz. Weitere 56 Prozent versuchen sich in Pilotprojekten oder befinden sich gerade in der Planung für solche, so die Studie „Industrial IoT in Deutschland 2021“

Edge Computing spielt sich insbesondere in Anwendungsszenarien ab, die entweder sehr schnelle Verarbeitungszeiten benötigen, sehr hohe Datenvolumen erzeugen oder beides. Die Dauer des Versands würde die schnellen Verarbeitungszeiten im Rechenzentrum oder gar in der Cloud zunichtemachen oder die Massen an Daten würden die Netzwerke verstopfen.

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. Zum Beispiel legen Roboterarme, die in der Produktion Einzelteile zusammensetzen, rund zwei Metern pro Sekunde zurück. Ein Ausweichen ist hier für einen Menschen genauso unmöglich wie einem Auto auszuweichen, das bei 20 Kilometer pro Stunde nur noch zwei Meter entfernt ist. Der Industrieroboter muss somit mögliche Störungen um sich herum wahrnehmen und diese schnell genug verarbeiten, um in Bruchteilen einer Sekunde reagieren, bremsen und stoppen zu können.

Eine andere Anwendungsmöglichkeit ist es, Dinge sichtbar zu machen, die für das menschliche Auge unsichtbar sind, etwa durch 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.

Dennoch findet der Großteil der Datenverarbeitung nicht direkt an der Edge statt. Anwendungsszenarien, die hohe Rechenleistungen benötigen, können auf Edge-Infrastruktur oft nur schwer umgesetzt werden, beispielsweise das Training von KI-Algorithmen, etwa für das Maschinelle Lernen. Dafür bietet sich Cloud-Services an und wenn hier der Traffic zu aufwändig, zu langsam oder das Volumen zu umfangreich ist das Kernrechenzentrum.

Zugleich 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 Datacenter platziert werden.

Das Trainieren findet im Rechenzentrum oder der Cloud statt

Zugleich ist den meisten dieser anspruchsvollen Edge-Anwendungsszenarien 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 Mitarbeitern geprüft werden muss.

Die Hauptaufgabe für diese „Smart Quality Inspection” genannten Use Cases übernimmt ein intelligenter KI / ML-Algorithmus, der zunächst aufwendig trainiert werden muss. Das erfordert große Rechen- und Speicherkapazitäten, die am Edge zumeist fehlen. Allerdings der am Ende fertig trainierte Algorithmus kann aber mit entsprechend performanten Edge-Systemen an den Maschinen oder – unter Umständen – sogar am Edge bereitgestellt werden.

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.

KI wird wichtiger und wichtiger

So plant jedes zehnte der befragten Unternehmen, 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. Es gilt: Edge Computing ist für die meisten IoT-Umgebungen eine Ergänzung und ersetzt die zentralen IT-Infrastrukturen nicht.

In jedem Fall aber wird sich das Internet of Things immer stärker zu einem „Artifical Internet of Things” (AIoT) entwickeln. Dieses ermöglicht sowohl dezentrale Entscheidungen in den Geräten als auch weiterhin unternehmensweite Entscheidungen im zentralen Rechenzentrum.

Irgendwie mitmachen reicht nicht

Um von diesem Trend nicht ausgeschlossen zu werden, tätigen Unternehmen häufig Investitionen, obwohl diese keine Garantien für Mehrwerte bieten und sich im Einzelfall durchaus nur als Kostenfaktor herausstellen können.

Das gilt es zu vermeiden. Interessierte sollten gründlich den wirtschaftlichen Mehrwert ihrer Ideen rund um Edge Computing durchdenken, um Fehlinvestitionen zu vermeiden. Ein Fokus dabei sollte dabei auf der richtigen Komposition der IoT-Infrastruktur liegen.

Anmerkung: Dieser Artikel fasst zwei Blog-Beiträge von Marco Becker, Senior Consultant bei IDC, zusammen, die bei Fujitsu erschienen sind.

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

• Industrial IoT in Deutschland: Edge Computing ist das fehlende Puzzleteil für viele IoT Use Cases

(ID:47259776)