Alle Beiträge von Jan Metzner

Machine Learning im Edge mit dem Internet der Dinge

In der Praxis wollen Anwender ihre IoT-Dienste jedoch auch im Edge – außerhalb der Cloud – zum Beispiel in ihren Produktionsstätten einsetzen. Dafür bietet sich der Einsatz von Spezialsoftware an. Bei dieser handelt es sich um Anwendungen, mit denen auf sichere Weise lokale Datenverarbeitungs-, Messaging-, Caching- und Synchronisierungsvorgänge für verbundene Geräte im Edge durchgeführt werden können. Zu den Funktionen der Software zählt ein lokaler Message Broker, mit dem IoT-Geräte kommunizieren können – auch dann, wenn keine Internet-Verbindung besteht. Außerdem ist die Datenverarbeitung im Edge unabhängig von der Cloud. Auch die Event-basierte Ausführung von Code ist denkbar, ohne dass sich der Benutzer um die darunterliegende Infrastruktur kümmern muss.

Eine weitere Funktion, die die Arbeit im IoT Umfeld erleichtert: Maschinelle Lerninterferenzen können auf IoT-Edge-Geräte heruntergeladen und so auch ohne Cloud-Konnektivität ausgeführt werden. Damit kann Machine Learning nun auch im Edge und unabhängig von einer Internet-Verbindung verwendet werden. Die Machine-Learning-Modelle werden in der Cloud mit einer verwalteten Plattform von Entwicklern oder Datenwissenschaftlern erzeugt und können dann von dort direkt auf die Spezialsoftware heruntergeladen werden. So wird es möglich, weitere Dienste im Edge auszuführen, Voraussagen noch schneller zu treffen und an die eigenen Anforderungen angepasste Lösungen zu entwickeln, etwa zur Bilderkennung.

Ein Beispiel dafür liefert die japanische Firma Yanmar. Sie hat ein intelligentes Gewächshaus entwickelt, in dem die Spezialsoftware AWS Greengrass zum Einsatz kommt. Um bessere Erträge von Tomatenpflanzen zu erreichen, wird dabei die Gewächshausumgebung technologieunterstützt optimiert. Dazu werden in jedem Gewächshaus bis zu zwölf Kameras installiert und die Pflanzen regelmäßig fotografiert. Yanmar plant, Machine-Learning-Algorithmen zu verwenden, um die Pflanzenwachstumsphasen (nach Höhe, Anzahl der Blätter, Anzahl der Blüten und Früchte) automatisiert zu erkennen. Der Pflegebedarf der Pflanzen wird dadurch deutlich und Bewässerung sowie Temperatur können angepasst werden.

Machine Learning im Edge mit dem Internet der Dinge

In einem unserer vorhergehenden Artikel zum Internet der Dinge haben wir erörtert, dass Machine Learning eingesetzt werden kann, um intelligente Entscheidungen bzw. Voraussagen auf Basis von Daten zu treffen. Mit Amazon Sagemaker und Amazon Machine Learning stehen dafür leistungsfähige Dienste in der Cloud zur Verfügung.

Um diese Dienste zu verwenden, ist zum Zeitpunkt der Abfrage eine Internetverbindung erforderlich. Je nach Anwendungsfall können unterschiedlich große Datenmengen anfallen. Sollen beispielsweise bilderkennende Verfahren eingesetzt werden, ist eine Netzanbindung mit der entsprechenden Bandbreite erforderlich.

In der Praxis wollen Anwender ihre IoT-Dienste jedoch auch im Edge, außerhalb der Cloud wie zum Beispiel in ihren Produktionsstätten einsetzen. Hier kommt AWS Greengrass ins Spiel. Dabei handelt es sich um eine Software, mit der auf sichere Weise lokale Datenverarbeitungs-, Messaging-, Caching- und Synchronisierungsvorgänge für verbundene Geräte im Edge durchgeführt werden können.  Zu den Funktionalitäten von AWS Greengrass zählt ein lokaler Message Broker, mit dem IoT Geräte kommunizieren können, auch dann, wenn AWS Greengrass über keine Internet-Verbindung verfügt. Des Weiteren können mit AWS Greengrass sogenannte AWS Lambda-Funktionen im Edge unabhängig von der Cloud ausgeführt werden.  AWS Lambda-Funktionen führen Code event-basiert aus, ohne dass sich der Benutzer um die darunterliegende Infrastruktur kümmern muss.

Am 4. April 2018 ist für AWS Greengrass eine weitere Funktionalität – ML Inference – veröffentlicht worden. Mit ML Inference lassen sich Machine Learning Modelle auf ein Gerät, dass AWS Greengrass ausführt, herunterladen. Damit kann Machine Learning nun auch im Edge und unabhängig von einer Internet-Verbindung verwendet werden. Die Machine Learning Modelle werden in der AWS Cloud mit Amazon SageMaker erzeugt und können dann von dort direkt oder von Amazon S3 auf AWS Greengrass heruntergeladen werden.

Ein Anwendungsbeispiel ist die Erkennung von Bildern: Diese können im lokalen Netzwerk oder von einer Kamera an dem Gerät das AWS Greengrass ausführt, aufgenommen werden und die Bilderkennung kann direkt im Edge durchgeführt werden, ohne die Bilder in die Cloud hochladen zu müssen.

Mit ML Inference, wird es AWS Kunden ermöglicht, weitere Dienste im Edge auszuführen und somit Voraussagen noch schneller zu treffen und innovative Lösungen zu entwickeln.

Die japanische Firma Yanmar ist im Begriff, ein intelligentes Gewächshaus zu entwickeln, in dem AWS Greengrass mit ML Inference zum Einsatz kommen wird. Um bessere Erträge von Tomatenpflanzen zu erreichen, wird die Gewächshausumgebung Technologie-unterstützt optimiert. Eine detaillierte Beschreibung zu diesem Einsatzzweck können Sie im AWS IoT Blog finden.

Sicher und schnell Mehrwerte in der Cloud erzeugen

Manche Industrieunternehmen bereiten sich auf das Internet der Dinge (IoT) vor. Viele andere setzen bereits heute darauf. Dabei umfasst der Begriff IoT viel mehr als das reine IoT oder etwa Industrial IoT (IIoT) Plattformen. Es geht dabei darum, relevante Systeme aller Art miteinander zu verbinden und daraus einen Mehrwert zu erzeugen.

IoT-Plattform als Mediator

IoT-Plattformen werden oft als „Mediatoren“ zwischen den Geräten, also Sensoren und Aktoren auf der einen Seite und der Anwendungsschicht auf der anderen Seite, gesehen.

Das wirklich bestechende an der Idee der Vernetzung von Geräten ist es ja, dass diese durch das frühzeitige Erkennen von Fehlern und anderen „verbesserungsfähigen“ Zuständen effizienter im Betrieb werden und sich auf Basis der Daten neue Geschäftsmodelle entwickeln lassen. Das bedeutet, dass die Produkte über die Zeit gesehen besser werden, und gleichzeitig die Verbindung und Interaktion mit dem Kunden vorangetrieben werden. Dies bedeutet, dass Erkenntnisse aus der Nutzung in Software Updates oder Konfigurationen einfließen, die wiederum einen Mehrwert für den Kunden bringen. Entscheidungen können basierend auf Daten getroffen werden, wobei diese auch durch zusätzliche Intelligenz automatisiert werden können. Aus entsprechend vielen Daten können dann Analysen oder Entscheidungen lokal auf dem Gerät getroffen werden.

Durch die globale Verfügbarkeit der Cloud und die Nutzung deren massiver Ressourcen werden viele Dinge einfacher. Man kann, immer abhängig von der konkreten Anforderung, mehr verteilte Geräte, die sehr viele Daten produzieren, nutzen.

Industriezentrische Plattform

Bei einer Industriezentrischen Plattform wird großer Wert auf vorausschauende Wartung und Optimierung der Applikationen gelegt. Dies gilt generell für Geräte im Bereich Maschinen- und Antriebstechnik – z.B. für Windparks und Düsentriebwerke. Um das zu überwachen setzt man Temperatur-, Geschwindigkeit-, Vibrations-, Druck- und andere Sensoren ein. Die Daten werden an ein SCADA (Supervisory Control and Data Acquisition), DCS (Distributed Control System) oder PLCs (Programmable Logic Controller) System weitergeleitet, um automatisiert oder initiiert durch eine Person beispielsweise die entsprechenden Kommandos zum Öffnen oder Schließen von Ventilen zu senden.

Funktionalität über die Cloud hinaus

Um solche Prozesse mit der datenzentrischen Verarbeitung und der Intelligenz in der Cloud nicht nur zu verbinden, sondern um auch diese Daten entsprechend schnell zu verarbeiten bzw. intelligente Entscheidungen auch ohne Internetverbindung treffen zu können, bedarf es der Möglichkeit, diese Funktionalität über die Cloud hinaus an die Geräte zu verteilen.

Je nach Businessmodell eines Unternehmens können weitere Integrationen sinnvoll sein. Die Verbindung in die Cloud kann über eine oder mehrerer Standleitungen bzw. auch separate Telekommunikationsnetze erfolgen. Um mehr Kontext für die Datenverarbeitung zu erhalten macht es außerdem Sinn, Enterprise-Applikationen im Unternehmen oder auch außerhalb des Unternehmens mit zu verbinden.

Komplementärer Ansatz ist zentral

Diese Integration braucht insgesamt aber mehr als eine IoT- oder Industrial IoT-Plattform. Zentral ist hier ein komplementärer Ansatz, von der Integration eines Sensors, der Daten „produziert“, bis hin zu spezifischen Industrie-Anwendungen, die diese Daten „konsumieren“ und untereinander austauschen können. Auf Grundlage einer einheitlichen Cloud-Plattform, sowie der direkten Hardwareintegration kann recht einfach eine viel umfassendere Lösung entstehen. Auf deren Basis lassen sich  die Lösungen eines Unternehmens mit Lösungen der Partner und Endkunden  verbinden. Durch das sichere „Vereinen“ und Austauschen der Daten wird der wirkliche Mehrwert generiert, den das Industrial IoT verspricht.

6 Beispiele wie das IoT Unternehmen voranbringt

Mit dem Internet der Dinge verbinden viele Unternehmen große Hoffnungen. Schließlich leistet es weit mehr, als Daten zu sammeln, Maschinen und Sensoren unterschiedlicher Art miteinander zu vernetzen und auf dieser Basis wertvolle Einblicke zu liefern. Die Palette der Vorteile reicht von kleinen Prozessverbesserungen, die oft in der Summe einen beträchtlichen Betrag ausmachen, bis hin zu disruptiven, neuen Geschäftsmodellen. Mit Hilfe der Cloud ist es dabei möglich, Rechen- und Speicherkapazität flexibel vorzuhalten und eigene Applikationen schnell zu entwickeln und zu implementieren.

Den Mehrwert, den IoT-Lösungen in so einer Cloud-Architektur bieten können, zeigen diese sechs Beispiele.

1. Wertvolle Informationen gewinnen

Da immer mehr Geräte und Maschinen mit dem Netz verbunden sind, können Unternehmen schnell wertvolle Daten zu Prozessen gewinnen. Sie sammeln so beispielsweise Messdaten für die Wartung von Maschinen oder erhalten Informationen für eine effiziente Ressourcenplanung. Diese Erkenntnisse fließen in die Optimierung von Produktions- und Geschäftsprozessen ein.

Wie sich die gesammelten Daten sinnvoll analysieren lassen, zeigt Decisyon, ein italienisches Unternehmen aus Latina in der Nähe von Rom: Mit dem App Composer der Firma lassen sich maßgeschneiderte Anwendungen erstellen, um die in einem Unternehmen generierten Daten auszuwerten. Das funktioniert über ein Baukasten-System und durch einfache Drag-and-Drop-Menüs. Die Daten fließen dabei in Echtzeit bereits im Entwicklungsprozess in die Anwendung ein. So kann das Endprodukt unter realen Bedingungen ständig angepasst und weiterentwickelt werden.

2. Angebote aktuell halten

Dank dem Internet der Dinge können Geräte unkompliziert auf dem aktuellen Stand der Technik gehalten werden. Durch ein einfaches Software-Update lassen sich neue Funktionen ohne großen Aufwand hinzufügen.

Das Unternehmen Sonos hat seit 2006 auf diesem Weg mehr als 60 Musik-Streaming-Dienste in sein Angebot integriert. Dadurch gelang es dem Hersteller von Audiogeräten vom großen Erfolg in diesem Segment zu profitieren.

3. Die Interaktion mit Produkten intuitiver gestalten

Seit vielen Jahren sind manuelle Schnittstellen verbreitet: Ob Tastatur und Maus oder die Fernbedienung des Fernsehers. Erst seit vergleichsweise kurzer Zeit ermöglichen Touchscreens die intuitive Bedienung von Tablets und Smartphones per Gestensteuerung. Durch Sprachsteuerung wird die Interaktion mit Apps oder Haushaltsgeräten jetzt noch einfacher.

Mit der Einführung der Spracherkennung in Smartphones und Smart-Home-Lautsprecher wurde Entwicklern ein Mittel an die Hand gegeben, sprach- und textbasierte Schnittstellen in Anwendungen zu integrieren. Ausgefeilte Chatbots kommunizieren mit den Nutzern und geben ihnen Antworten. Mensch und Maschine interagieren so immer unmittelbarer, ohne dass eine sichtbare Benutzeroberfläche zwischen ihnen steht.

4. Neue Netzwerkmöglichkeiten nutzen

Tausende oder gar Millionen von „Geräten“ zu verwalten, ist eine große Herausforderung, vor allem wenn sie sich ständig in Bewegung befinden. Genau das ist das Metier von Veniam. Das Start-Up aus Kalifornien hat sich auf die digitale Vernetzung von Fahrzeugen spezialisiert. Es sammelt Informationen aus öffentlichen oder privaten Verkehrssystemen, analysiert sie in Echtzeit und stellt sie mit einer sehr geringen Latenzzeit bereit.

Traditionelle Netzwerke haben oft Schwierigkeiten damit, Fahrzeuge, die ständig ihre Position wechseln und weit voneinander entfernt sind, miteinander zu verbinden. Aus diesem Grund hat Veniam ein Mesh-Netzwerk für Flottenbetreiber entwickelt. Dabei handelt es sich um eine Netzwerktechnologie, bei der jeder Knotenpunkt Daten für andere Knotenpunkte weiterleiten kann. Veniam nutzt AWS IoT für seine proprietäre Fahrzeug-Netzwerktechnologie, die Verkehrsinfrastruktur, Personen und Fahrzeuge mit dem Internet verbindet. Die Kunden des Unternehmens haben mit dieser Lösung bislang rund 43 Millionen Kilometer zurückgelegt.

5. Die Effizienz von Maschinen steigern

General Electric (GE) nutzt die Vorteile der Cloud und des Internets der Dinge, um die Wartung seiner Produkte zu optimieren und Kosten einzusparen. Ein Beispiel: Mit GE-Turbinen entsteht rund 30 Prozent des weltweiten Stroms. Zugleich kommen Hunderte von vernetzten Sensoren zum Einsatz. Durch Datenanalysen ist es mittlerweile möglich, den Gasturbinenbestand wesentlich effizienter zu betreiben. Grundsätzlich implementiert General Electric mittlerweile IoT-Komponenten in zahlreichen Produkten seines umfangreichen Portfolios.

6. Mitarbeitern einen Überblick verschaffen

Das Internet der Dinge macht es leichter, Informationen zu konsolidieren und zentral zur Verfügung zu stellen: Ein Beispiel ist die Philips-HealthSuite-Plattform: Philips Healthcare bietet unter anderem eine App, mit der Ärzte und Pflegekräfte Patientendaten übersichtlich verwalten. Dazu werden auch medizinische Geräte wie Blutdruckmessgeräte oder Medikamenten-Dispenser mit der Cloud verbunden. Das Klinikpersonal kann sich so umfassend auf einer zentralen Plattform über den Zustand der Patienten informieren.

Digitalisierung von Fertigungsaufträgen mit Actyx

Die Digitalisierung in der Produktion könnte sich positiv auf die Beschäftigung auswirken. Das ist das Ergebnis einer Studie, die Anfang des Jahres vom VDI in Zusammenarbeit mit der Hochschule Karlsruhe und dem Fraunhofer Institut für System- und Innovationsforschung (ISI) herausgegeben wurde. So verlagern Unternehmen, die entsprechende Technologien einsetzen, deutlich häufiger ihre Produktionskapazitäten zurück nach Deutschland – im Vergleich mit Betrieben, die in der Produktion keine Digitalisierungstechnologien nutzen, sogar zehnmal öfter.

Vorangetrieben wird diese Digitalisierung und die damit einhergehende Rückverlagerung nach Deutschland von Softwareunternehmen wie dem Münchner Startup Actyx. Mit Fokus auf die klassischen KMU (kleine und mittelständische Unternehmen) entwickelt Actyx seit der Gründung 2016 Lösungen für die Bereiche Produktions- und Materialmanagement sowie Werkerassistenz. Besonders um produzierenden Mittelständlern den Einstieg zur digitalen Fabrik zu erleichtern, hat das Unternehmen Actyx Iris entwickelt, ein Werkerassistenz-System, das Arbeitsanweisungen und Qualitätsprüfungen digitalisiert. Hat eine Firma hingegen bereits sämtliche Arbeitsstationen digitalisiert, liegt ein Upgrade zu Actyx Eos, der Produktionsmanagements-Lösung nahe. Da bei beiden Lösungen sowohl Skalierbarkeit als auch Agilität stark im Fokus liegt, hat sich Actyx bereits während der Entwicklung dazu entschlossen, Teile der Lösungen in der Cloud von Amazon Web Services laufen zu lassen.

Nach Maß auf Knopfdruck

Hat ein Unternehmen nun beide Lösungen von Actyx in seine bestehenden Systeme integriert, können zum Beispiel Bestellungen maßgeschneiderter Produkte ganz einfach vom ERP-System direkt an den Hallenboden geschickt werden. Actyx Iris und Actyx Eos unterstützen dann deren schnelle Produktion. Um Bestellungen in Echtzeit zu überwachen, setzt Actyx auf AWS Dienste wie Amazon Kinesis. Damit können einfach und komfortabel erfasste Echtzeit-Daten verarbeitet und analysiert werden. Mit dieser Kombination von Produktions-Knowhow und Cloud-Diensten, können die Kunden durch digitale Betriebsdatenerfassung stets den vollen Überblick behalten und ohne Verzögerung auf Marktveränderungen und Kundenbedürfnisse reagieren.

Gleichzeitig digitalisieren Actyx Iris und Actyx Eos den klassischen Fertigungsauftrag und die Arbeitsmappe auf Papier. Durch die Anbindung an die AWS Cloud wird neben den Kosten vor allem der Verwaltungsaufwand der Synchronisierung von Geschäftsprozessen mit Produktionsprozessen, der bei der Änderung von Stammdaten anfällt, minimiert.

Komfort aus der Wolke

Da das System darauf optimiert ist, mobile Terminals zu nutzen, können die Anwender dabei einfach und problemlos auf die Daten zugreifen. Die Anweisungen für die Fertigung werden auch für jedes einzelne Produkt dynamisch angepasst. So kann der Produktionsleiter neue Artikel und Arbeitsanweisungen direkt mit den Terminals auf dem Hallenboden synchronisieren. Dies garantiert Qualität und steigert die Produktivität.

Darüber lassen sich durch die AWS-basierte Infrastruktur Kosten und Komplexität innerhalb der IT-Abteilung reduzieren. Denn dank der Cloud sind beide Lösungen vollständig skalierbar, umfassend verwaltbar und bieten zahlreiche Funktionen, die sich außerdem noch an den jeweiligen Einsatzort anpassen lassen. Und durch die Integration der AWS IoT-Plattform können problemlos Feldkomponenten wie Sensoren oder Steuerungen angebunden, überwacht und integriert werden. Das garantiert einen sicheren und schnellen Datenaustausch.

Dank der AWS Cloud hat Actyx Lösungen entwickelt, die seinen mittelständischen Kunden höhere Transparenz in der Produktion und somit mehr Effizienz und Flexibilität bieten. Dadurch können diese sich vom Wettbewerb absetzen, indem Sie Ihre Kunden- und Mitarbeiterzufriedenheit steigern.