Sicheres Edge Computing für IoT-Systeme

Für viele Anwendungen wird deutlich, dass eine Datensammlung in der Cloud nicht die optimale Lösung ist. Derzeit konkurrieren daher zwei Wege bei der Datenspeicherung und -verarbeitung: Cloud und Edge Computing. Besonders bei digitalen Anwendungen fallen große Datenmengen an, die tatsächlich in diesem Umfang meist nicht benötigt werden. Außerdem werden für manche Prozesse die Informationen in Echtzeit benötigt, sodass schnell auf verschiedene Ereignisse reagiert werden kann. Wenn Anwendungen Daten in sparsamen Umfang sofort und vor allem sicher benötigten, ist es fraglich, ob eine Datenspeicherung in der Cloud die geeignetste Lösung ist.

Beim Edge Computing werden nur Daten übertragen, die tatsächlich in der Cloud für die Optimierung von Prozessen benötigt werden. Mit dieser Architektur können Sicherheitsanforderungen und der Wunsch nach Datensparsamkeit leichter eingehalten werden. Die Verfügbarkeit von Systemen, geringe Latzenzzeiten sowie Datensicherung und Verschlüsselung sind einfacher umsetzbar.

Ein Gateway sammelt alle eingehenden Daten und speichert diese intern ab. Anschließend selektiert es die Daten und sendet die relevanten Informationen nach individuellen Vorgaben zur Speicherung an lokale Server oder wenn nötig in die Cloud. Services mit Analysefunktionalität bereiten diese Daten für die weitere Verarbeitung auf.

• Wie manage ich die Vielzahl unterschiedlicher Schnittstellen?
• Wie vernetze ich die verschiedenen Insellösungen miteinander?
• Wie integriere ich neue Anwendungsprogramme?
• Wie berücksichtige ich IT-Sicherheit in meiner Anlage?

Herausforderung beim Einsatz einer KI (z. B. für Predictive Maintenance)

Damit nachfolgende Prozesse richtig ausgeführt werden können, werden genaue Daten benötigt. Fehlerhafte oder ungenaue Daten führen zu falschen Entscheidungen. Unternehmen stellen sich deshalb die Frage beim Einsatz von Kognitiver Intelligenz: Wie komme ich an die richtigen Daten?

Welche Daten werden tatsächlich benötigt?

Bei vielen Anwendungen reichen oft die Maschinensteuerdaten nicht aus, um die Qualität eines produzierten Produktes zu beurteilen. Mit zusätzlichen Informationen können die Ausschüsse reduziert werden und die Lebensdauer von Anlagen erhört sich. 

Eine geeignete Informationsarchitektur wird häufig in Echtzeit benötigt

Ein optimiertes Datenmanagement, das verschiedene Quellen zusammenführt, die Daten zentral speichert sowie strukturierte und unstrukturierte Daten verarbeiten kann, ist im IoT gefragt. Auch eine Metadaten-Verwaltung, die einen Nachweis der Datenherkunft, Speicherort sowie Systemzustand bereitstellt, ist hierbei notwendig.