Um heutzutage Rechenprozesse im industriellen Umfeld möglichst effizient zu gestalten, reicht eine Cloud-Lösung alleine längst nicht mehr aus. Mit der Hybrid Cloud lassen sich die hohen Anforderungen an eine sinnvolle Datenverarbeitung erfüllen. Wir stellen sie vor.

Industrielle Anwendungen sind in den letzten Jahren immer intelligenter geworden, was einerseits an der steigenden Anzahl der Sensoren und Aktoren und andererseits auch an der zunehmenden Varianz und Qualität der generierten Daten liegt. So können an Maschinen Umgebungs- und Betriebsparameter wie Temperatur, Vibrationen und Schall gemessen werden und durch die Menge und Qualität an generierten Daten genaue Zusammenhänge im Anwendungsprozess erkannt und berücksichtigt werden, um künftige Prozesse noch effizienter zu gestalten und mögliche Fehler frühzeitig zu erkennen. Fehlt an dieser Stelle die passende und industrieharte Hardware für Echtzeitfähigkeit, viel Rechenleistung und den Einsatz in rauen Umgebungen, so entwickelt sich die Rechenarchitektur schnell zum Engpass für den reibungslosen, effizienten Betrieb der Anwendung. Die dafür notwendige Rechenarchitektur hängt stark von den Anforderungen an die jeweiligen Anwendungen ab. Laufende Analysen großer Datenmengen oder skalierbare Prozesse für mehrere Unternehmensstandorte sind demnach in der Cloud richtig aufgehoben. Alle Prozesse, bei denen Daten mit hoher Übertragungsrate übermittelt oder hohes Datenaufkommen in Echtzeit verarbeitet werden müssen, erfordern dahingegen eine lokale Verarbeitung. Um die Position des eigenen Unternehmens im Markt mit einer effizienten Computing-Struktur zu stärken, ist die Kombination einer „Off-Premise-“ und „On-Premise-Lösung“ nicht mehr wegzudenken.

Unterscheidung von On- und Off-Premise

Generell besitzen die im Rahmen von Industrie 4.0 anfallenden Aufgaben sehr unterschiedliche Anforderungen an die Datenverarbeitung im Hinblick auf Echtzeitfähigkeit, Bandbreite, Leistungsfähigkeit und Sicherheit. In Abhängigkeit dieser Faktoren ergibt sich eine Struktur der Datenverarbeitung, die diesen Anforderungen am besten gerecht wird. Dabei lässt sich grundsätzlich zwischen einer Off-Premise-Lösung und einer On-Premise-Lösung unterscheiden. Der Hauptunterschied hierbei liegt darin, an welcher Stelle Intelligenz und Rechenleistung erbracht wird.
Ist von einer Off-Premise-Lösung die Rede, so ist damit eine Auslagerung der Rechenarchitektur, weg vom eigenen Firmencampus gemeint. Zu den Off-Premise-Lösungen zählt auch die extern gehostete und internetbasierte Cloud-Lösung, bei der lokal anfallende Daten von IoT-Geräten, wie z.B. Sensoren mit oder ohne Vorverarbeitung, an ein externes Rechenzentrum übermittelt werden. In diesem Rechenzentrum werden die Daten dann verarbeitet, visualisiert und gespeichert sowie gegebenenfalls aus diesen Daten abgeleitete Steueraufträge an die lokalen Aktoren zurückgesendet.

Cloud allein genügt nicht

Doch besonders im industriellen Umfeld reicht eine Cloud-Lösung alleine nicht mehr aus. Maschinennahe Rechenleistung in Form einer On-Premise-Lösung ist hier der richtige Ansatz. Damit ist die lokale Rechenarchitektur auf dem Firmencampus gemeint, in welcher weiterhin zwischen Edge Computing und Fog Computing unterschieden wird. Die lokale Rechenarchitektur hat in den letzten Jahren nicht zuletzt durch die steigende Menge an zu verarbeitenden Daten stark an Bedeutung gewonnen. Der Begriff "Fog" bezeichnet den bodennahen, lokalen Nebel auf dem Weg nach „oben“ zu den Wolken, der Cloud, und grenzt damit die lokale IT-Struktur von der Struktur der Cloud bildlich ab. Beim Fog Computing erfolgt die Datenverarbeitung am Ursprung der Daten, also sensor- bzw. maschinennah im lokalen Netzwerk, sozusagen zwischen den "Dingen" (Geräten) und der Cloud. Edge Computing wird meist synonym zum Begriff Fog Computing verwendet, da es sich hierbei ebenfalls um eine On-premise-Lösung handelt. In Abgrenzung zum Fog Computing werden beim Edge Computing die Daten zwar ebenfalls in der lokalen Cloud verarbeitet, aber hier am Rande der Netzwerkgrenze zum externen Netzwerk auf kleineren Embedded-System, wie beispielsweise IoT Gateways – deshalb auch die Bezeichnung "Edge".

Die Notwendigkeit einer Hybrid Cloud

Grundlegend entscheidend für die passende Rechenarchitektur sind die jeweiligen Anforderungen der Anwendungen. So heißt es heute längst nicht mehr „entweder lokal oder zentral“, sondern „nur das nötigste in der Cloud, so viel wie möglich lokal“.
Die Implementierung einer Cloud-Lösung eignet sich besonders dann, wenn große Datenmengen anfallen und diese nicht unmittelbar und maschinennah auf dem Firmencampus weiterverarbeitet werden müssen. Die Nutzung einer Cloud-Lösung bietet Skalierbarkeit in Bezug auf Speichervolumen und Rechenleistung, die dem Nutzer nahezu unbegrenzt zur Verfügung steht. Dadurch bietet sich eine Cloud-Lösung an, wenn eine vernünftige Datengrundlage für Anwendungen, wie Data Analysis oder Data Visualization, geschaffen werden soll. Von dieser Datengrundlage profitieren vor allem Unternehmen, die an mehr als nur einem Standort tätig sind – so arbeitet jeder Standort mit derselben Datenbasis, wodurch Redundanzen vermieden werden.

Zuverlässigkeit und Datensicherheit

Auch der Betrieb, die Administration und die Wartung erfolgt bei einer Off-Premise-Lösung in den meisten Fällen extern, wodurch der Aufwand im Vergleich zur On-Premise-Lösung wesentlich geringer ist. Ein nicht zu vernachlässigender Aspekt bei der Auslagerung der Rechenarchitektur ist die Abhängigkeit vom Cloud-Anbieter – besonders im Hinblick auf Zuverlässigkeit und Datensicherheit. Nicht selten können Erreichbarkeitsprobleme bei der Netzinfrastruktur des Cloud-Anbieters oder schwankende Quality of Service der Konnektivität auftreten, so dass kein oder nur eingeschränkter Zugriff auf die Daten möglich ist. Das Thema Datensicherheit liegt in der Hand des Anbieters – darauf hat der Nutzer, wenn er nicht selbst Host der Off-Premise-Lösung ist, letztendlich keinen Einfluss.
Das wohl größte Manko bei der Nutzung einer Cloud-Lösung liegt jedoch, besonders im industriellen Umfeld, in der fehlenden Echtzeitfähigkeit. Bei externen Rechenarchitektur-Lösungen herrschen gewisse Latenzzeiten, die eine Antwort des ausgelagerten Servers, abhängig von der Infrastruktur, in nicht exakt kalkulierbarem Ausmaß verzögern. So ist eine Off-Premise-Lösung für industrielle Anwendungen, die in Echtzeit reagieren können müssen, weniger sinnvoll. In der Qualitätssicherung im Fertigungsprozess durch Oberflächeninspektion beispielsweise muss innerhalb weniger Mikrosekunden ein fehlerhaftes Objekt erkannt und anschließend aussortiert werden. Hier sind keine Latenzzeiten zulässig, da diese die Effizienz im Fertigungsprozess extrem einschränken würden.

Kommunikation in Echtzeit

Leistungsstarke Embedded-PCs, wie die Concepion-tXf-L von InoNet, übernehmen hier anspruchsvolle Aufgaben, welche Echtzeitfähigkeit voraussetzen. Durch die lokale Infrastruktur und hoch performante Industriecomputer wird eine Kommunikation der verbundenen Maschinen in Echtzeit gewährleistet, da die Daten maschinennah, drahtgebunden und ohne geteilte Netzwerkinfrastruktur verarbeitet werden können. Zudem steht beim lokalen Datentransfer eine hohe Bandbreite zur Verfügung, was zusätzlich zur Echtzeitfähigkeit, im Vergleich zur Off-Premise-Lösung, einen erhöhten Datendurchlauf ermöglicht. Die On-Premise-Lösung bietet außerdem eine sehr hohe Systemzuverlässigkeit, da keinerlei Abhängigkeiten von Cloud-Anbietern bestehen. Die Rechenarchitektur befindet sich auf dem eigenen Campus und wird autonom betrieben – ist die Cloud zeitweise nicht erreichbar, läuft die On-Premise-Lösung ohne Probleme weiter und laufende Fertigungsprozesse bleiben ungestört. Zudem bieten die Edge- und Fog Computing Lösungen die höchstmögliche Datensicherheit. Die komplette Netzwerkinfrastruktur ist lokal aufgebaut – so kann im Gegensatz zu Cloud-Lösungen sichergestellt werden, dass sie durch unbefugte externe Zugriffe geschützt ist. Durch den Ansatz der Hybrid Cloud werden die Vorteile der Off-Premise-Lösung und On-Premise-Lösung miteinander kombiniert, um von den daraus entstehenden Synergieeffekten maßgeblich zu profitieren.

Fazit – Trend in Richtung Edge- und Fog Computing

Durch den technologischen Fortschritt und die steigende Anzahl an Sensoren und Aktoren, steigt die generierte Datenmenge in industriellen Applikationen stetig an. Um diese Flut an Daten im industriellen Kontext sinnvoll und effizient bewältigen zu können, ist maschinennahe Rechenleistung notwendig – die Datenübertragungsrate in den Weg zur Cloud reicht für die Menge an erzeugten Daten schlicht nicht mehr aus. Im Markt zeichnet sich ein Trend von Cloud-Lösungen in Richtung Edge- und Fog Computing ab – so wird durch eine Vorverarbeitung der Daten versucht, die bisherigen Vorteile einer Cloud-Lösung nun unter dem Mischkonzept Hybrid Cloud mit maschinennaher Rechenleistung und Echtzeitfähigkeit zu kombinieren. Je nach Anforderungen der Anwendung kann dann wahlweise auf die Cloud, oder aber auf maschinennahe Rechenarchitektur zurückgegriffen werden, so dass nur diejenigen Daten in der Cloud verarbeitet werden, die auf zeitkritische Fertigungsprozesse keinen direkten Einfluss haben.