Anfang des dritten Quartals 2019 veröffentlichte Gartner seinen ersten Bericht über die Nische des Industrial Internet of Things (IIoT), der einen Überblick über den IIoT-Markt, Cloud Computing, Edge Computing und deren industrielle Anwendungen gab. Der Gartner Magic Quadrant für das IIoT zeigte zwar eine erhöhte Adoptionsrate, aber keiner der aufgelisteten Interessenvertreter erreichte bei der Ausführung mehr als die Hälfte. Die Ausführungsbewertung hebt die Fähigkeit hervor, IIoT-Daten bei der Lösung alltäglicher Probleme in den Fertigungsbereichen anzuwenden, und jeder IIoT-Dienstleister wurde für mangelhaft befunden.
Dem Bericht zufolge „ist die installierte Basis der IT/OT-Integration klein und auf eng definierte Ergebnisse ausgerichtet“. Das bedeutet, dass die Integration des IIoT innerhalb der Produktionsstätten nicht so umfangreich ist wie erwartet, und die Datenanalyse wird immer noch auf Batch-Verarbeitungstechniken beschränkt, die weit von der Echtzeitanalyse entfernt sind, welche Industrie 4.0 erwartet. Außerdem wird die Tatsache hervorgehoben, dass Cloud-Computing zwar immer häufiger eingesetzt wird, aber allein keine Echtzeit-IIoT-Datenanalyse und -verwaltung liefern kann.
Dieser Artikel umfasst folgende Themen:
Obwohl die erweiterten Computing-Ressourcen, die das Cloud-Computing bietet, für die Hersteller von Vorteil waren, gibt es beim Versuch, Echtzeit-Dienste bereitzustellen, besondere Herausforderungen. Zu diesen Herausforderungen gehören folgende Punkte:
Herausforderungen im Bereich Kommunikation und Netzwerk - Netzwerke sind eine Quelle der Unvorhersehbarkeit, wenn Echtzeit-Systeme oder Datenanalysen erforderlich sind. Das bedeutet, dass die Übertragung von Daten von IIoT-Geräten in die Cloud Signalverluste, Rauscheffekte, Bandbreitenbeschränkungen und in einigen Fällen dynamische Störungen durch andere Systeme innerhalb des Betriebsbereichs mit sich bringt. Obwohl es Protokolle gibt, die sich mit diesen Problemen befassen, ist die Vernetzung in Echtzeit immer noch sehr unvorhersehbar, wenn nur Cloud-Computing-Ressourcen zur Verwaltung von Datenübertragungsprozessen verwendet werden.
Fragen der verteilten Ressourcenverwaltung - Bei mehreren IIoT-Geräten, die innerhalb eines Fertigungsbereichs betrieben werden, wirkt sich die Notwendigkeit, angemessene Cloud-Computing-Ressourcen auf jedes Gerät zu verteilen, auf die Echtzeit-Datenanalyse aus. Obwohl Echtzeit-Planungs-Algorithmen dabei helfen können, die Ressourcenverteilung über mehrere IIoT-Geräte auszugleichen, bieten diese Algorithmen vorübergehende Garantien, da die Betriebssysteme innerhalb dieser Geräte die genaue Zuweisung von Computing-Ressourcen in Echtzeit erschweren und somit die Qualität des Service (Quality of Service, QoS) beeinflussen, den eine zentralisierte Cloud-Computing-Umgebung bieten kann.
Speicherkosten und Zugangskontrolle - Um sicherzustellen, dass der ROI der Integration von Cloud-Computing in industrielle Umgebungen die Investitionsausgaben übersteigt, müssen Unternehmen stets auf ihre Kosten für die Speicherung achten. In einer Situation, in der Hunderte von IIoT-Geräten, -Sensoren und -Systeme eingesetzt werden, steigen die Kosten für die Speicherung mit den erhöhten Anforderungen an die Datenerfassung. Daher müssen Unternehmen Wege finden, um sicherzustellen, dass nur wichtige Daten an zentralisierte Cloud-Ökosysteme gesendet werden; und die Integration von Edge-Computing ist eine Möglichkeit, dies zu erreichen.
Unternehmen, die Cloud-Dienste eines beliebigen Anbieters nutzen, können auch durch Ausfallprobleme beunruhigt sein, die den Zugriff auf die Cloud einschränken. Wenn dies eintritt, kommen der Echtzeit-Datenaustausch und die Analyse zum Stillstand, und dies unterbricht jegliche Betriebsaktivitäten, einschließlich der IIoT-Geräte, für die ein einwandfreies Funktionieren der Cloud erforderlich ist.
Herausforderungen der Cybersicherheit – Laut Infosecurity wurden in der ersten Hälfte des Jahres 2019 über 100 Millionen verschiedene Angriffe auf IoT-Geräte entdeckt, und in der Nische des IIoT ist das nicht anders. Die Zunahme von Cyberangriffen auf IIoT-Geräte ist eine der größten Herausforderungen, wenn man sich auf Cloud-Computing verlässt, um ausschließlich Datenverwaltungsaktivitäten durchzuführen. Ein erfolgreicher Angriff betrifft nicht nur das gehackte IIoT-Gerät, sondern bietet auch Schlupflöcher, die für den Zugriff auf die gesamte Cloud-basierte Infrastruktur eines Unternehmens ausgenutzt werden können. So beeinträchtigen Datenverlust, Phishing-Angriffe und Ransomware die Fähigkeit des Cloud-Computing, Datenanalysen in Echtzeit zu liefern.
Auf der kürzlich abgeschlossenen AWS re:Invent-Konferenz war eine der bemerkenswerten Ankündigungen darauf ausgerichtet, unterstützende Lösungen zur Unterstützung der IIoT- und Cloud-Integration in industriellen Umgebungen anzubieten. Dies unterstrich den Bedarf an unterstützenden Technologien im Cloud-Computing, wenn ein Echtzeit-Management von IIoT-Daten erreicht werden soll. Hier ist die Integration von Edge-Computing und der entsprechenden Hardware, die es antreibt, ein Beispiel für sich ergänzende Technologien, die die Erfassung, Verwaltung und Analyse von Daten in Echtzeit unterstützen.
Mit Edge-Computing werden viele der Herausforderungen, vor denen Cloud-Computing bei der Bereitstellung von Echtzeit-Datenanalysen steht, eliminiert oder drastisch reduziert. Zum einen unterstützt Edge-Computing die Echtzeit-Kommunikation für IIoT-Geräte (unter 10 ms), da es eine physikalische Middleware bietet, die es IIoT-Anwendungen ermöglicht, sowohl in einem isolierten Modus zu arbeiten als auch den Datentransfer in eine zentralisierte Cloud-Umgebung zu erleichtern. Das bedeutet, dass Edge-Computing das Problem der unvorhersehbaren Kommunikations- und Netzwerkherausforderungen in Verbindung mit Fragen des Ressourcenmanagements löst.
Die Fähigkeit, von IIoT-Geräten erzeugte Daten zu erfassen und Datenanalysen durchzuführen, ohne auf die Cloud zuzugreifen, ermöglicht einen besser vorhersehbaren Prozess für die Verwaltung von IIoT-Daten. Sie eliminiert auch die Auswirkungen von Interferenzen, Signalverlusten und Ressourcenzuweisungen, wenn mehrere IIoT-Geräte und -Systeme gleichzeitig laufen.
Durch Edge-Computing entfällt auch die Notwendigkeit, die Cloud-Computing- und Speicherressourcen bei steigender Arbeitslast ständig zu vergrößern. IIoT-Systeme können sich auf ein Edge-Netzwerk verlassen, um nur die für einen Prozess relevanten Daten zu erfassen und diese zur Automatisierung von Aufgaben und zur Entwicklung von Betriebsplänen in Echtzeit zu nutzen. Der Verlust stabiler Verbindungen und das Problem der Ausfallzeiten von Anbietern wird den Echtzeitbetrieb nicht beeinträchtigen. Das liegt daran, dass die Edge-Hardware alle Rechenanforderungen des IIoT-Systems erfüllt und die erfassten Daten jederzeit in die Cloud übertragen werden können, wenn die Kommunikation wiederhergestellt ist.
Die Fähigkeit, IIoT-Computing und datenbezogene Aufgaben außerhalb eines zentralisierten Netzwerks zu handhaben, verbessert die Echtzeit-Analyse und sorgt für die Sicherheit von Betriebsdaten, wenn ein Verstoß gegen das einheitliche Netzwerk eines Unternehmens auftritt. Dadurch werden die Auswirkungen erfolgreicher Cyberangriffe auf die gesamte IT-Infrastruktur und den Geschäftsbetrieb der Hersteller reduziert.
Die strengen zeitlichen Anforderungen und das hohe Maß an Vorhersagbarkeit, die für die Bereitstellung einer funktionalen Echtzeit-IIoT-Umgebung erforderlich sind, erfordern den Einsatz von mehr technologischen Lösungen als nur Cloud-Computing. Die Verschmelzung von Cloud-Computing mit Edge-Computing wird einen großen Beitrag zur Lösung der komplexen Probleme leisten, die mit dem Erreichen von Echtzeit-Datenmanagement in IIoT-basierten Umgebungen verbunden sind. Dadurch wird sichergestellt, dass Cloud-Computing dann zur Lösung schwieriger Echtzeitprobleme eingesetzt werden kann, um die Implementierung von Industrie 4.0-Modellen voranzutreiben.