Edge Computing
Machine Learning direkt an der Produktionsstraße
Fortsetzung des Artikels von Teil 2
Nicht nur für Industrie 4.0
Neben dem industriellen Einsatz können auch Banken, Versicherungen, Redereien, Züge, Gebäudemanagement-Unternehmen von dieser Architektur profitieren. Auch hier fallen immer mehr Daten dezentral an, die aus den unterschiedlichsten Gründen immer im eigenen Land oder lokal verbleiben müssen oder sollen. Die dezentrale Cloud-Private-Architektur greift auch hier. Viele dezentrale Cloud-Private-Instanzen, aber ein einheitliches zentrales Management. Für jeden Standort kann auf diese Weise entschieden werden, wohin die lokalen Daten geschickt werden oder wo sie weiterverarbeitet werden. Je nach Komplexität benötigt man mehr oder weniger Ressourcen.
Zurück mit der Datenhoheit
“Vertrauen ist gut, Kontrolle ist besser.” Dieser alte Spruch gewinnt mit den modernen Lösungen neues Gewicht, denn das Unternehmen allein entscheidet ab sofort wieder, welche Daten analysiert und weiterverarbeitet werden und welche Daten oder Auswertungen aus der Cloud-Box wohin fließen. Da viele Unternehmen bereits mit Cloud- und IoT-Plattformen verschiedener Anbieter arbeiten, ist der Überblick im Hinblick auf die Datenzugriffe nicht immer gegeben. Die Container-Technologie kann so eingesetzt werden, dass nur die Daten weitergeleitet werden, die auch weitergeleitet werden sollen. Die Zusammenarbeit der Maschinenhersteller, Nutzer oder auch Endbenutzer bekommt eine positive Bedeutung. Jetzt entscheiden beide, welche Daten wohin fließen und das beidseitig kontrolliert.
Abschließend ist festzustellen: Der Anwendungsfokus in Bezug auf Datenverarbeitung und -analyse in der Produktion wandert von der Cloud- hin zum Werks- oder Edge-Level. Der Shopfloor selbst wird zum neuen Datenzentrum, was das IT-Netzwerk wesentlich entlasten wird. In den nächsten zwei bis drei Jahren werden diese Datenmengen so stark ansteigen, dass selbst aktuell geplante 5G-Netze nur punktuell helfen können. Nicht jedes Unternehmen wird sich anfangs eine eigene 5G-Infrastruktur in allen Niederlassungen weltweit leisten können und wollen. Daher wird ADA-Edge Computing eine immer größere Rolle spielen, denn allein durch die ständig wachsende Zahl der angeschlossenen Geräte wird es für das Netzwerk unumgänglich sein, die Daten unmittelbar am Entstehungsort zu verarbeiten. Damit Unternehmen frühzeitig umstellen können und von den Möglichkeiten moderner Software-Virtualisierung und Machine-Learning-Modellen profitieren können, wurden schnell implementierbare “Ready to go”-Cloud-Box-Lösungen entwickelt, die alle Grundfunktionen für ein einfaches Multi-Cloud-Management sowie die Entwicklung und Anwendung von Machine-Learning-Verfahren am Rande der Cloud mitbringen. Und wenn gewünscht, auch noch vollständig aus Deutschland heraus verwaltet werden können.
Christian Wied ist IBM Account Manager Cloud Software - Industrial clients, und Ralf Schoppenhauer ist IBM Senior IT Architect - Hybrid Cloud, Internet of Systems, Machine Learning.
- Machine Learning direkt an der Produktionsstraße
- Rechenleistung direkt an der Maschine
- Nicht nur für Industrie 4.0
Lesen Sie mehr zum Thema
