Wo sich IT und OT näher kommen

Wo sich IT und OT näher kommen

Bild: Hewlett-Packard Enterprise

Auch die großen Cloud-Anbieter haben erkannt, dass weite Teile der IT nicht in Rechenzentren stehen werden. Doch durchgängige Edge-to-Cloud-Umgebungen werden erst möglich, wenn am Edge – also am Netzwerkrand nahe der Fabrik-, Industrie- und Informationstechnik konvergieren. Smartphones können als Vorbild dienen.


Bis 2020 sollen nach einer Studie der Unternehmensberatung Roland Berger jährlich weltweit 30 Milliarden intelligente Sensoren verkauft werden. Sie wandern in Ölplattformen, Fahrzeuge, Produktionsmaschinen und erzeugen große Datenmengen. Diese bilden zusammen mit lernfähigen KI-Algorithmen die Grundlage für sogenannte Edge-to-Cloud-Umgebungen, die Daten und Abläufe von der Feldebene bis zur Unternehmensebene integrieren. Das kann neue Einsichten in Systeme und Prozesse ermöglichen und dabei helfen, situationsangemessen in Echtzeit zu entscheiden und zu handeln. Das Ziel dahinter: Prozessverbesserungen in Industrie, Logistik, Produktion und Energiewirtschaft – sowie die Entwicklung neuer Produkte, Dienstleistungen und Geschäftsmodelle.

Die Peripherie gewinnt an Bedeutung

Damit deutet sich ein neues IT-Paradigma an. Nach der letzten Zentralisierungswelle, bei der die Cloud im Mittelpunkt stand, geht es nun wieder in Richtung Dezentralisierung: Die Bedeutung der Peripherie, also allem, was mit einem Sensor ausgestattet werden kann, steigt. Bisher herrschte vielfach die Auffassung vor, dass die im Internet of Things (IoT) erzeugten Daten in der Cloud verarbeitet werden müssen. Doch die Sensordaten dorthin zu transportieren, kann unter Umständen zu lange dauern. Verzögerungen können am Edge schlimme Konsequenzen nach sich ziehen – beispielsweise wenn Maschinen nicht ab- oder Ampeln nicht umschalten. Zudem ist am Netzwerkrand die Bandbreite oft knapp oder nur phasenweise verfügbar. Auch ist es ein Kostenfaktor, die Menge an oftmals redundanten Daten durch das Netzwerk zu schicken. Also wird eine Zwischenstation benötigt, die Daten nicht nur sortiert und weiterleitet, sondern eigenständig verarbeiten kann. Forscher der Carnegie-Mellon-Universität bezeichnen dies als ‚Cloudlet‘. So entstanden die heute bekannten Edge-, Mini- oder Mikrodatenzentren. Die dritte und erzeugungsnächste Stufe bilden heute oftmals Gateways, die aber nicht genügend Rechen- und Speicherleistung haben, um alle Aufgaben zu erfüllen, die eigentlich in unmittelbarer Nähe der Endgeräte zu lösen wären. Denn es ist in vielen Fällen notwendig, unmittelbar am datenerzeugenden Endgerät ein intelligentes System zu platzieren, das die anfallenden Daten erfasst, normalisiert und analysiert, die nötigen Reaktionen vor Ort einleitet und ansonsten Daten, die es wert sind, ins Mikrorechenzentrum oder direkt in die Cloud schickt.

Brückenkopf der Integration

Der Begriff ‚cyber-physische Systeme‘ deutet an, worauf es dabei ankommt. Es geht um die Konvergenz von Industrietechnik (Operational Technology, OT) und Informationstechnik (IT) mit dem Ziel, physische Prozesse so flexibel, intelligent und autonom zu machen, als seien es virtuelle Prozesse. Edge-Systeme bilden für diese Integration den Brückenkopf: Daten aus Sensoren, Scada- und SPS-Systemen werden mit Standard-IT-Anwendungen analysiert, woraus wiederum Handlungen abgeleitet werden, die von Scada- oder SPS-Systemen ausgeführt werden. Solche Datenkreisläufe einzurichten und zu betreiben ist hoch komplex, da eine große Zahl von unterschiedlichen Komponenten miteinander orchestriert werden muss. Die Edge-IT-Systeme müssen dabei gleich in doppelter Hinsicht sozusagen in Feindesland operieren: in einer Umgebung voll fremder Technologien und voll unwirtlicher Betriebsbedingungen. Letztere können für IT-Systeme nicht nur geradezu lebensfeindlich sein – zudem fehlt oftmals das Knowhow, um diese komplexen Systeme aufzusetzen und zu warten. Damit die Edge-Systeme ihre Rolle als Brückenkopf der OT/IT-Integration ausfüllen können, braucht es also einen neuen Ansatz. Als Vorbild können Smartphones mit ihren Apps dienen.

Seiten: 1 2 3Auf einer Seite lesen

Hewlett-Packard Enterprise
www.hp.com/de

Das könnte Sie auch Interessieren

Anzeige

Anzeige

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

Strukturierter Beratungsansatz für KI-Einsatzbereiche im Unternehmen

„Künstliche Intelligenz ist eine, wenn nicht die wichtigste Zukunftstechnologie für Unternehmen.“ Diese Aussage bejahen 70 Prozent der Befragten der jüngsten Bitkom-Studie zu KI. Aber nur 10 Prozent aller Unternehmen haben KI-Technologie aktiv im Einsatz, lediglich 30 Prozent planen und diskutieren deren Anwendung. Was ist der Grund für diese große Diskrepanz?

Bild: Blue Yonder, Inc.
Bild: Blue Yonder, Inc.
Künstliche Intelligenz – mehr als eine Wissenschaft

Künstliche Intelligenz – mehr als eine Wissenschaft

Data Science ist mittlerweile ein fester Bestandteil der strategischen Planung in vielen Unternehmen. Um künftige Entwicklungen realistisch zu planen, brauchen wir Künstliche Intelligenz (KI) und Maschinelles Lernen (ML). Insbesondere im Einzelhandel vertrauen immer mehr große Player auf KI-Lösungen, die präzise Prognosen ermöglichen und zum Beispiel Bestände oder Preise optimieren. Doch viele Entscheidungsträger glauben noch nicht daran, dass KI in den Lieferketten der Zukunft eine tragende Rolle spielen wird. Der Grund hierfür liegt in einer falschen Sicht auf die Wissenschaft.

Bild: ©Stock57/stock.adobe.com
Bild: ©Stock57/stock.adobe.com
KI-Verfahren für die Produktion

KI-Verfahren für die Produktion

Mathematiker der Hochschule Darmstadt (h_da) entwickeln gemeinsam mit dem Hanauer Simulationsdienstleister und Softwareunternehmen SimPlan und dem Automationsexperten Fibro Läpple Technology neue KI-Technologien. Im Rahmen des Loewe-Projekts ‚KISPo‘ will das Konsortium eine autonome, selbstlernende Steuerungssoftware für Produktionsanlagen entwickeln, wie sie z.B. bei der Herstellung von Komponenten für Windräder oder Elektromotoren zum Einsatz kommen. Es wäre die erste KI-Software dieser Art. Damit würde eine von Industrieverbänden und Forschung lange bemängelte Technologielücke geschlossen. Das Land Hessen fördert das Projekt für zwei Jahre mit 320.000 Euro. Konsortialführerin ist die Hochschule Darmstadt.

Bild: ©NicoElNino/stock.adobe.com
Bild: ©NicoElNino/stock.adobe.com
Chancen und Herausforderungen von Machine Learning in der Fertigung

Chancen und Herausforderungen von Machine Learning in der Fertigung

Automatisierung, künstliche Intelligenz (KI), Internet of Things (IoT) und Machine Learning (ML) sind heutzutage bekannte Technologien und kommen bereits in vielen Unternehmen zum Einsatz. Mit Hilfe von Machine Learning wird es IT-Systemen ermöglicht, Muster und Zusammenhänge aus Daten zu lernen und sich selbst zu verbessern. Dabei ist keine explizite Programmierung notwendig. Die Bearbeitung von Kundenanfragen, die Erkennung möglicher Störfälle sowie unerwarteter Ereignisse wie z.B. Cyberangriffe sind klassische Anwendungsfelder von ML. Aber auch die Unterstützung bei einer rein datengestützten Entscheidungsfindung und die Interpretation großer Datenmengen gehören dazu.

Bild: ©Shuo/stock.adobe.com
Bild: ©Shuo/stock.adobe.com
Sensoren lernen das Denken

Sensoren lernen das Denken

Im Fraunhofer-Leitprojekt NeurOSmart forscht das Fraunhofer IPMS zusammen mit vier weiteren Instituten (ISIT, IMS, IWU, IAIS) unter Leitung des Fraunhofer ISIT gemeinsam an energieeffizienten und intelligenten Sensoren für die nächste Generation autonomer Systeme. Dabei sollen die Brücken zwischen Wahrnehmung und Informationsverarbeitung durch innovative Elektronik neu definiert werden.

Bild: ©ipopba/stock.adobe.com
Bild: ©ipopba/stock.adobe.com
Wie KI 2022 praktikabel wird

Wie KI 2022 praktikabel wird

Künstliche Intelligenz war bereits in der Vergangenheit in aller Munde, schaffte es aber doch oft nicht bis in die Anwendung. Das wird sich 2022 ändern – auch weil sich langsam Standards etablieren und sich neue, konkrete Einsatzmöglichkeiten ergeben. In welchen Bereichen Business-Implementierungen zu erwarten sind, erläutert Bernhard Niedermayer, Head of AI bei Cloudflight.

Anzeige

Anzeige

Anzeige