Bereits im ersten Teil dieser Beitragsreihe wurde gezeigt, dass das Volumen der am Edge erzeugten Daten zu groß sein wird, als dass ihre Analyse komplett in der Public Cloud erfolgen wird. Ein neuer Ansatz muss her, der aus dem industriellen Internet der Dinge echtes Edge Computing macht – allen Ressourcenbeschränkungen der Geräte zum Trotz. Zwei Beispiele sollen diesen Ansatz verdeutlichen.
Nicht erst seit den jüngsten Turbulenzen im internationalen Handel stehen Seefrachtunternehmen untereinander in einem verschärften Wettbewerb. Eine wachsende Anzahl an Anbietern und der massive Ausbau der Frachtkapazitäten in den vergangenen Jahren erhöhen den Druck auf das jeweilige Management, Entscheidungen schneller als bisher zu treffen und Liege- wie Lagerzeiten und die damit verbundenen Kosten möglichst zu minimieren. Beides setzt bessere und schnellere Analysen der vorhandenen Datenbasis voraus.
CargoSmart Limited mit Sitz in Hongkong liefert Softwarelösungen für Schiffsmanagement an mehr als 30 Betreibergesellschaften von Hochseefrachtern. Mehr als 5.000 Containerschiffe werden mit den Lösungen des Anbieters überwacht.
„Wir wollten Advanced Analytics für ein bislang nicht erreichtes Maß an Transparenz nutzen. Dadurch sollten die Frachtunternehmen besser für Störfälle vorsorgen und ihre Entscheidungsfindung mittels Echtzeitanalysen verbessern können. Wir brauchten also eine Plattform, die uns erlaubte, unterschiedliche Datentypen in großen Mengen auszuwerten“, so Ralph Ho, Senior Manager Customer Integration bei CargoSmart.
Unter anderem mit der Hilfe von Flogo kann der Anbieter Edge-Daten auf Basis von KI-Algorithmen untersuchen, um den Kunden bessere Entscheidungen bei der Behandlung von Problemen zu ermöglichen. Zum Beispiel muss bestimmtes medizinisches Bedarfsmaterial, das per Seefracht transportiert wird, kontinuierlich gekühlt werden.
Bei Überschreitung bestimmter Schwellenwerte schlagen die temperaturempfindlichen Sensoren in Echtzeit Alarm. Dadurch kann rechtzeitig eingegriffen werden, um das Frachtgut unbeschädigt und ohne Verzögerung zum Kunden zu liefern.
Edge-Geräte haben häufig eine längere Lebensdauer als Computer. Sie unterliegen im Vergleich zu Rechnern, die in Büros oder Serverräumen stehen, nicht selten unwirtlichen Umgebungseinflüssen wie Kälte oder Feuchtigkeit. Zudem werden sie in der Regel hardwareseitig nicht nachgerüstet, sondern ausgemustert und entsorgt, wenn sie defekt sind oder das Ende ihrer Lebensdauer erreicht haben. Schließlich spielt der Stromverbrauch eine Rolle und muss möglichst niedrig gehalten werden, wenn auf den Geräten, speziell auf den batteriebetriebenen, Analysen stattfinden sollen.
Beispiel aus dem Bereich „IoT-Communication-as-a-Service“
Vor der Herausforderung, mit der bestehenden Hardware von Edge-Geräten auszukommen, den Energieverbrauch zu minimieren und dennoch für einen reibungslosen Datenstrom von und zu diesen Geräten zu sorgen, stand auch das Unternehmen Thingstream, ein Anbieter von IoT-Communication-as-a-Service. Angesichts dieser Anforderungen stellte sich das leichtgewichtige Flogo-Implementierungsmodell als geeignete Lösung heraus.
„Es gibt einen Zielkonflikt zwischen der Verarbeitungsleistung auf einem Gerät und der Lebensdauer von Batterien. Deshalb braucht man wirklich etwas, das sich in etwas Kleines und Effizientes, gleichzeitig aber etwas Plattformunabhängiges kompilieren lässt. Genau das ist das Ziel von Flogo. Deshalb passte es für uns ausgezeichnet“, erklärt Bruce Jackson, Chief Technology Officer von Thingstream.
Die IoT-Plattform von Thingstream ist bidirektional ausgelegt; sie sendet Nachrichten an die Edge-Geräte und empfängt sie von dort in Echtzeit. Dazu Bruce Jackson: „Ohne auch nur eine Code-Zeile zu schreiben, lässt sich direkt aus Flogo heraus nur per Klick, Drag&Drop und Konfiguration ein kompletter Datenstrom erstellen, der bis ins Unternehmen reicht.“
Wertschöpfungspotenziale ausschöpfen
Die Unternehmen wissen, welches Wertschöpfungspotenzial IoT- und Big-Data-Szenarien in Logistik, Produktion und Service freisetzen können. Und sie wissen, dass sie dafür Embedded Analytics benötigen. Die Einbettung von Analysefähigkeiten wird aber nur dann ein wirtschaftlicher Erfolg, wenn sich die vorhandene Geräte-Hardware am Edge nutzen lässt, um Kosten zu sparen und Projektzeiten zu verkürzen.
Dafür braucht es eine leichtgewichtige Entwicklungs- und Integrationsumgebung, die den Ressourcenverbrauch am Netzwerkrand minimiert. Sie ist die Grundlage für einen verteilten Ansatz, durch den das IoT um echtes Edge Computing erweitert und ergänzt wird.
Ulrich Hatzinger ist Senior Solutions Consultant Central Europe bei Tibco Software.
