Der Begriff Edge wird im Kontext einer Smart Factory verwendet, um einen Endpunkt zu beschreiben, an dem Daten von einem Gerät, einem Sensor oder einer Schnittstelle generiert werden. Der Rand bildet die äußere Grenze eines geschlossenen IT-Systems.
Der Rand ist mehr als ein einfacher Eingabeendpunkt für Daten. Der Edge bringt Rechenleistung und Verarbeitung so nah wie möglich an die Quelle der Daten und an den Ort, an dem sie stattfinden, denn es gibt Fälle, in denen es keinen Sinn macht, Daten an eine zentralisierte Cloud zu senden. Dies ist grundsätzlich immer dann der Fall, wenn es um große Datenmengen, geringe Latenzen und Compliance geht. Auf der Technologie- oder Softwareseite wird im Gegensatz zu einem gewöhnlichen Endpunkt wie einem IoT-Gateway ein Cloud-Software-Stack auf den Edge-Geräten verwendet, sodass Anwendungen einfach von der Cloud an den Edge und umgekehrt gepusht werden können. Der Edge-Computer bzw. dessen Ausstattung ist also nicht das Besondere an einem Edge-Gerät, sondern die Art und Weise, wie Software auf diesen Geräten konzipiert ist. Und da Software auf diesen Geräten sehr flexibel lauffähig sein soll, sind die Geräte schon recht leistungsstark. Zum Beispiel ein 8-Kern-x86-Kernprozessor, mit 16 GByte RAM und speziellen Co-Beschleunigern für KI.
Ein Edge-Gerät ist ein vollwertiger Server, auf dem Linux läuft und Containervirtualisierung über Docker oder Äquivalent bietet. Alle Anwendungen und Geräte werden zentral orchestriert. Ein kontinuierlicher Integrationsdienst bietet ein automatisiertes Over-the-Air-Update, das Software automatisch aus dem Quellcode kompiliert, testet, installiert und startet – inklusive Reporting- und Rollback-Funktion.
In einer mit Sensoren ausgestatteten Fabrik Auf dem Board werden täglich mehrere Petabyte an Rohdaten generiert. Es macht keinen Sinn, diese Daten zur Verarbeitung in die Cloud zu senden. Stattdessen werden die Daten direkt auf den Geräten verarbeitet, an die die Sensoren, beispielsweise Kameras, angeschlossen sind, ohne auf die Vorteile moderner Cloud- und Netzwerktechnologien verzichten zu müssen.
Ein typisches Szenario ist, dass die gesamte Datenpipeline, inklusive datenspezifischer Vorverarbeitung, wird einmalig auf den Geräten eingerichtet. Über eine Schnittstelle werden die Daten zunächst in einer Cloud-Datenbank gespeichert. Mit diesen Daten wird nun ein maschineller Lernalgorithmus trainiert. Sobald das Modell validiert ist, wird es auf dem Edge-Gerät bereitgestellt, ohne dass etwas an der Pipeline geändert werden muss, da es auf dieselbe Schnittstelle zugreift. Dies setzt voraus, dass der Endpunkt, der Bilder erfasst, diese nicht einfach als JPEG-Dateien in einem Dateisystem speichert, sondern sie möglichen Abonnenten in einer Streaming-Architektur zur Verfügung stellt. Diese Vernetzung ist in beide Richtungen organisiert. Hierzu kommen Datenbrokersysteme zum Einsatz, die meist auf MQTT basieren.
Ein weiteres typisches Szenario ist, dass große Datenmengen grundsätzlich nur auf den Edge-Geräten gespeichert und nur bei Bedarf ausgewertet werden. Die Strategie, alle Daten in einem sogenannten Data Lake zu speichern, hat sich im Vergleich zu anderen Branchen in der Produktion nicht durchsetzen können. Denn Produktionsdaten sind flüchtige Informationen, die in einem nachgelagerten IT-System keinen Wert haben, wenn sie nicht verarbeitet werden. Im Vergleich zu anderen Daten können kontinuierlich anfallende Produktionsdaten recht einfach über Zeitstempel aus dezentralen Datenbanken zusammen gestreamt werden, sodass keine besonderen Anforderungen an verteilte Datenbanken bestehen.
Der Edge-Ansatz kann jedoch nicht unabhängig davon betrachtet werden Struktur einer Smart Factory, sodass die häufig genannten Nachteile im Sonderfall der Smart Factory, die eine heterogene und sensorlastige Automatisierungslandschaft beherbergt, nahezu vollständig relativiert werden können.
Die folgende Tabelle fasst zusammen die Vor- und Nachteile eines Edge-Layers im Vergleich zu einer Cloud mit Gateway-Ansatz.
Vorteile
Echtzeitfähigkeit:
In Edge-Computing-Architekturen laufen komplexe Erfassungs- und Verarbeitungseinheiten direkt an der Datenquelle und ermöglichen so eine Echtzeitkommunikation mit der Automatisierungstechnik. Das Latenzproblem klassischer Cloud-Lösungen wird umgangen.
Reduzierter Datendurchsatz:
Edge Computing sorgt in erster Linie für die lokale Datenverarbeitung. Es werden nur Daten weitergeleitet, die nicht vor Ort ausgewertet werden können oder online zur Verfügung gestellt werden sollen.
Datenschutz:
Mit Edge Computing verbleibt der Großteil der Daten im lokalen Netzwerk, was die Einhaltung von Compliance-Anforderungen erheblich erleichtert.
Nachteile
Komplexere Netzwerkstruktur:
Eine Smart Factory beherbergt vielfältige Netzwerkkomponenten unterschiedlicher Maschinenhersteller, die über vielfältige Schnittstellen miteinander kommunizieren.
Höhere Anfangsinvestitionskosten:
Zentralisierte Cloud-Architekturen punkten vor allem dadurch, dass deutlich weniger lokale Hardware bereitgestellt werden muss. Dieser Vorteil geht bei verteilten Systemen verloren.
Höherer Verwaltungsaufwand:
Ein dezentrales System mit mehreren Rechenknoten erfordert mehr Verwaltungsaufwand als ein zentrales Rechenzentrum.
Nachteile relativiert
Einheitliche Netzwerkstruktur:
Daten können mit Edge Devices unabhängig von der Gerätehardware, aber dennoch direkt an der Quelle standardisiert werden. Es ist einfacher, Domänenwissen hier systematisch einzubinden, als es später in der Cloud zu sortieren oder einheitliche Standards bei Lieferanten durchzusetzen. Der Edge-Ansatz ist daher eine besonders effiziente Lösung zur Standardisierung.
Geringere Betriebskosten:
Den höheren Investitionskosten einer Edge-Lösung stehen Einsparungen bei den Stundensätzen in der Cloud gegenüber, die sich bei rechenintensiven Anwendungen schnell summieren. Darüber hinaus kommen in einer Smart Factory häufig umfassende Computer-Vision-Systeme zum Einsatz, sodass zusätzliche Edge-Geräte nur einen kleinen Teil der Investition in die IT einer Smart Factory darstellen.
Reduzierter Wartungsaufwand:
Die Wartung von Smart-Factory-Sensoren erfordert lokale Nähe, die nicht aus der Ferne durchgeführt werden kann. Die Pflege eines zentralen Edge-Layers ist einfacher als die Pflege der Software des völlig heterogenen Maschinenparks verschiedener Anbieter.
