EN
DE
Der Begriff Edge wird im Zusammenhang mit einer Smart Factory verwendet, um einen Endpunkt zu beschreiben, an dem Daten von einem Gerät, einem Sensor oder einer Schnittstelle erzeugt werden. Die Kante bildet die äußere Begrenzung eines geschlossenen IT-Systems.
Der Edge ist mehr als ein einfacher Eingangsendpunkt für Daten. Der Edge bringt Rechenleistung und Verarbeitung so nah wie möglich an die Quelle der Daten und an den Ort des Geschehens, denn es gibt Fälle, in denen es keinen Sinn macht, Daten an eine zentrale Cloud zu senden. Dies ist im Prinzip immer dann der Fall, wenn es um große Datenmengen, geringe Latenzzeiten und Compliance geht. Auf der Technologie- bzw. Softwareseite wird im Gegensatz zu einem gewöhnlichen Endpunkt wie einem IoT-Gateway auf den Edge-Geräten ein Cloud-Software-Stack verwendet, so dass Anwendungen einfach aus der Cloud auf das Edge und umgekehrt geschoben werden können.Der Edge-Computer bzw. seine Ausstattung ist also nicht das Besondere an einem Edge-Gerät, sondern die Art und Weise, wie Software auf diesen Geräten konzipiert ist. Und da die Software auf diesen Geräten sehr flexibel laufen soll, sind die Geräte schon recht leistungsfähig. Z.B. ein 8-Kern x86-Kern Prozessor, mit 16 GByte RAM und speziellen Co-Beschleunigern für KI.
Ein Edge-Gerät ist ein vollwertiger Server, auf dem Linux läuft und der Container-Virtualisierung über Docker oder Ähnliches bietet. Alle Anwendungen und Geräte werden zentral orchestriert. Ein Continuous-Integration-Service bietet ein automatisiertes Over-the-Air-Update, das Software automatisch aus dem Quellcode kompiliert, testet, installiert und startet - inklusive Reporting und Roll-Back-Funktion.
In einer Fabrik, die flächendeckend mit Sensoren ausgestattet ist, fallen täglich mehrere Petabyte an Rohdaten an. Es macht keinen Sinn, diese Daten zur Verarbeitung in die Cloud zu schicken. Stattdessen werden die Daten direkt auf den Geräten verarbeitet, mit denen die Sensoren, wie z. B. Kameras, verbunden sind, ohne auf die Vorteile moderner Cloud- und Netzwerktechnologien zu verzichten.
Ein typisches Szenario ist, dass die gesamte Datenpipeline, einschließlich der datenspezifischen Vorverarbeitung, einmal auf den Geräten eingerichtet wird. Die Daten werden zunächst über eine Schnittstelle in einer Cloud-Datenbank gespeichert. Ein Algorithmus für maschinelles Lernen wird nun mit diesen Daten trainiert. Sobald das Modell validiert ist, wird es auf dem Edge-Gerät eingesetzt, ohne dass etwas an der Pipeline geändert werden muss, da es auf dieselbe Schnittstelle zugreift. Dies setzt voraus, dass der Endpunkt, der die Bilder erfasst, diese nicht einfach als JPEG-Dateien in einem Dateisystem speichert, sondern sie in einer Streaming-Architektur für mögliche Teilnehmer bereitstellt. Diese Vernetzung ist in beide Richtungen organisiert. Hierfür werden Data-Broker-Systeme eingesetzt, die in der Regel auf MQTT basieren.
Ein weiteres typisches Szenario ist, dass große Datenmengen prinzipiell nur auf den Edge-Geräten gespeichert und nur bei Bedarf ausgewertet werden. Die Strategie, alle Daten in einem sogenannten Data Lake zu speichern, hat sich in der Produktion im Vergleich zu anderen Branchen nicht durchsetzen können. Schließlich handelt es sich bei Produktionsdaten um flüchtige Informationen, die in einem nachgelagerten IT-System keinen Wert haben, wenn sie nicht verarbeitet werden. Im Vergleich zu anderen Daten lassen sich die kontinuierlich anfallenden Produktionsdaten recht einfach über Zeitstempel aus dezentralen Datenbanken zusammenführen, so dass keine besonderen Anforderungen an verteilte Datenbanken bestehen.
Der Edge-Ansatz kann jedoch nicht unabhängig von der Struktur einer Smart Factory betrachtet werden, so dass sich die häufig angeführten Nachteile im Spezialfall der Smart Factory, die eine heterogene und sensorlastige Automatisierungslandschaft beherbergt, fast vollständig relativieren.
Die folgende Tabelle fasst die Vor- und Nachteile einer Edge-Schicht im Vergleich zu einer Cloud mit Gateway-Ansatz zusammen.
Echtzeitfähigkeit:
In Edge-Computing-Architekturen laufen komplexe Erfassungs- und Verarbeitungseinheiten direkt an der Datenquelle und ermöglichen die Kommunikation mit der Automatisierungstechnik in Echtzeit. Das Latenzproblem von klassischen Cloud-Lösungen wird umgangen.
Geringerer Datendurchsatz:
Edge Computing sorgt in erster Linie für eine lokale Datenverarbeitung. Nur Daten, die nicht lokal ausgewertet werden können oder online zur Verfügung gestellt werden sollen, werden weitergeleitet.
Schutz der Daten:
Beim Edge Computing verbleibt der Großteil der Daten im lokalen Netzwerk, was die Einhaltung von Compliance-Anforderungen erheblich erleichtert.
Komplexere Netzwerkstruktur:
In einer intelligenten Fabrik gibt es diverse Netzwerkkomponenten von verschiedenen Maschinenherstellern, die über eine Vielzahl von Schnittstellen miteinander kommunizieren.
Höhere Anfangsinvestitionskosten:
Zentralisierte Cloud-Architekturen punkten vor allem dadurch, dass deutlich weniger lokale Hardware bereitgestellt werden muss. Dieser Vorteil geht bei verteilten Systemen verloren.
Höherer Verwaltungsaufwand:
Ein dezentrales System mit mehreren Rechenknoten erfordert einen höheren Verwaltungsaufwand als ein zentrales Rechenzentrum.
Einheitliche Netzwerkstruktur:
Daten können mit Edge Devices unabhängig von der Gerätehardware, aber dennoch direkt an der Quelle standardisiert werden. Es ist einfacher, hier systematisch Domänenwissen einzubringen, als es später in der Cloud zu sortieren oder einheitliche Standards bei Lieferanten durchzusetzen. Der Edge-Ansatz ist daher eine besonders effiziente Lösung für die Standardisierung.
Niedrigere Betriebskosten:
Die höheren Investitionskosten einer Edge-Lösung werden durch Einsparungen bei den Stundensätzen in der Cloud ausgeglichen, die sich bei rechenintensiven Anwendungen schnell summieren. Außerdem werden in einer intelligenten Fabrik häufig umfassende Computer-Vision-Systeme eingesetzt, so dass zusätzliche Edge-Geräte nur einen kleinen Teil der Investition in die IT einer intelligenten Fabrik ausmachen.
Geringerer Wartungsaufwand:
Die Wartung von Smart-Factory-Sensoren erfordert lokale Nähe, die nicht aus der Ferne erfolgen kann. Die Wartung einer zentralen Randschicht ist einfacher als die Wartung der Software des völlig heterogenen Maschinenparks verschiedener Anbieter.
