601_RTI-Figure1-IoT

Bild 1: Drei Hauptbereiche von IoT-Anwendungen: Geräteüberwachungsanwendungen verbinden ein einzelnes Gerät mit einem Cloud-Dienst. Analytische Optimierungsanwendungen sammeln riesige Datensätze für die Cloud-Analyse. Autonomieanwendungen versuchen, eine neue Infrastruktur aufzubauen, indem sie viele Geräte im Feld verbinden. (Bild: RTI)

601_RTI-Figure1-IoT

Bild 1: Drei Hauptbereiche von IoT-Anwendungen: Geräteüberwachungsanwendungen verbinden ein einzelnes Gerät mit einem Cloud-Dienst. Analytische Optimierungsanwendungen sammeln riesige Datensätze für die Cloud-Analyse. Autonomieanwendungen versuchen, eine neue Infrastruktur aufzubauen, indem sie viele Geräte im Feld verbinden. RTI

Print

Bild 2: RTI Connext DDS ermöglicht Edge-zu-Fog-zu-Cloud-Konnektivität für sichere und skalierbare IIoT-Applikationen. RTI

Der Begriff Internet of Things wird durchaus verwirrend verwendet. Er kombiniert verschiedene Technologien, große Anwendungsfelder und wird von Anbietern aller Art als Slogan genutzt. Darüber hinaus verbreitet die IoT-Industrie weitere missverständliche Begriffe und selbst über die gebräuchlichsten herrscht auch in der Branche wenig Klarheit. Experten-Definitionen helfen hier nicht immer.

Auch wenn das IoT enorme Ausmaße annimmt, bestehen dennoch Ähnlichkeiten zwischen den Anwendungen. Im Grunde gibt es drei große Kategorien beziehungsweise Bereiche von Applikationen im IoT. Diese verlaufen quer durch die traditionellen Marktbereiche. Um das IoT zu verstehen, ist es also einfacher, die technologischen Ziele der Anwendungen anstatt die vertikalen Märkte wie Fertigung oder Transportwesen zu betrachten. Zu den drei großen Bereichen des IoT gehören folgende:

Analytische Optimierung

IoT-Anwendungen, die Geräte überwachen, verbinden ein Gerät einfach mit einem Cloud-Dienst. Sie ähneln einer Smartphone-App, jedoch stellt die Entität am Ende ein „Ding“ anstelle eines Telefons dar. Aus Konnektivitäts-Perspektive hat jedes Ding in der Regel nur eine einzige Verbindung zu einer IoT-Plattform.

Zu diesem Bereich zählen die meisten Consumer-IoT-Anwendungen einschließlich Thermostaten, Wearables und Smart-Home-Schlössern. Die wichtigsten industriellen Überwachungsanwendungen sind Predictive Maintenance-Systeme, die Gerätedaten auf einen Cloud-Dienst hochladen. Die Cloud-Systeme analysieren dann die Daten, um vorhersagen zu können, wann ein Teil ausfallen könnte, und ermöglichen damit eine proaktive Reparatur.

Viele IoT-Anwendungen versuchen, aktuelle Systemdesigns und -vorgänge zu optimieren. Diese umfassen Kraftwerke, Ölpipelines, Fabriken und verschiedene Industriemaschinen. Hier sind die „Dinge“ die Sensoren und Aktoren, die als industrielle Systeme zusammenarbeiten. Das grundlegende Ziel besteht darin, Daten für die Analyse auf Systemebene zu beschaffen, oftmals in der Cloud. Die Analytik gibt Auskunft, um eine Anpassung der Anlage oder ihrer Wertschöpfungskette zu ermöglichen.

Aus Konnektivitäts-Perspektive verwenden die meisten optimierenden Anwendungen das Muster Sammeln → Gateway → IoT-Plattform → Analysieren → Optimieren. Während alle Anwendungsfälle Feld und Cloud vereinen, ist dieser Anwendungsfall in der Regel das, was mit IT/OT-Konvergenz gemeint ist. Denn er führt beide bestehenden historischen Computing-Bereiche zusammen. Der Schritt „Sammeln“ kann viele dazugehörige Geräte mit einschließen. In der Regel gibt es wenige oder keine Verbindungen zwischen den Geräten und der Datenfluss erfolgt größtenteils in einer Richtung von den Geräten zur Analytik. Eine Rückmeldung an die Anlage darf nur durch einen menschlichen Bediener erfolgen. Somit verbinden Optimierungsanwendungen viele zusammengehörende Geräte in einer Anlage üblicherweise an einen einzigen Zielort.

Edge-Autonomie

IoT-Autonomieanwendungen bauen neue Architekturen für zukünftige vernetzte Infrastrukturen auf. Während die meisten dieser Applikationen tatsächlich neue „Dinge“ bauen, gibt es auch ein paar radikale Nachrüstungen. Zu den Anwendungen gehören autonome Transportsysteme, intelligente medizinische Systeme mit „Doctor in the Box“ -Intelligenz sowie intelligente und zukünftige koordinierte Smart-Grids. Der wahre Antrieb in diesem Bereich ist die Verbindung von funktionaler künstlicher Intelligenz (AI) mit pervasivem Networking. Hier stellt die Konnektivität eine echte Herausforderung dar – denn sie verbindet zahlreiche Geräte in Feld, Fog und Cloud. Autonomieanwendungen können sehr groß werden und sogar Systeme zu Supersystemen zusammenschließen. In diesen Anwendungen ist die Cloud nur eine Komponente der Konnektivitäts- und Computerinfrastruktur.

Thema der nächsten Seite: Konnektivitätssoftware für IIoT-Systeme

Typische IIoT-Systeme erfordern das Teilen von Daten über multiple Netzwerke, von Edge über Fog bis hin zur Cloud. In einem vernetzten Krankenhaus beispielsweise müssen die Geräte in der Lage sein, miteinander oder mit Echtzeit-Analyse-Applikationen zu kommunizieren. Das stellt eine Herausforderung dar, denn das Gesamtvolumen der Streaming-Daten der Geräte kann schnell das Netzwerk überfordern. Patientendaten etwa müssen sicher nachverfolgt werden können, auch wenn Patienten und Geräte die Zimmer oder das Netzwerk wechseln. Zusätzlich müssen Geräte und Applikationen auch dann zusammenarbeiten, wenn sie von unterschiedlichen Herstellern stammen.

Um Systemarchitekten bei diesen Herausforderungen zu unterstützen, hat das Industrial Internet Consortium (IIC) die Industrial Internet Reference Architecture (IIRA) herausgebracht. Sie identifiziert eine geschichtete Datenbus-Struktur als empfohlenes Framework, um IIoT-Systeme zu entwickeln, die aus verschiedenen Subsystemen bestehen. Die Konnektivitätssoftware RTI Connext DDS 5.3 wurde darauf ausgelegt, die geschichtete Datenbus-Struktur zu implementieren und zugleich Interoperabilität sowie eine offene Architektur zu unterstützen.

Security, Datenhistorien-Abfrage und Gerätemobilität

Da die Konnektivitätssoftware den DDS-Security-Standard unterstützt, können mit Connext DDS 5.3 entwickelte Geräte und Applikationen auch mit solchen zusammenarbeiten, die künftige Versionen nutzen. Angesichts der langen Lebenszyklen von IIoT-Systemen ist fortschrittliche Interoperabilität unerlässlich für Produkte, die sich während des Einsatzes nicht einfach nachrüsten lassen. Zudem arbeitet die Konnektivitätssoftware zuverlässig mit anderen DDS-Security-Implementierungen zusammen und ermöglicht Plug-and-Play-Systeme, die Komponenten verschiedener Anbieter enthalten.

IIoT-Anwendungen benötigen häufig Zugriff auf Datenhistorien, um Analysen zu verfeinern oder Dashboards zu aktualisieren. Aufgrund der großen Datenmenge in IIoT-Systemen ist es selten möglich, sämtliche Daten an alle Standorte zu senden. Die Konnektivitätssoftware kann historische Daten so effizient wie Live-Daten anfordern und empfangen. Zusätzlich verhindert die Filtermöglichkeit nach bestimmten Inhalten eine Überlastung der Netzwerkbandbreite.

Dass Systeme die Konnektivität aufrechterhalten, auch wenn Geräte über verschiedene Netzwerke laufen, zum Beispiel bei autonomen Autos, ist in IIoT-Systemen entscheidend. Da mehrere Netzwerke unterschiedliche Adressen vergeben, verursachen traditionelle Methoden einen Verlust an Konnektivität und Daten während eines Wechsels. Geräte lokalisieren und authentifizieren sich jedoch mit Connext DDS 5.3 automatisch und sicher neu. Auch wenn sich eine Netzwerkadresse ändert, halten sie eine unterbrechungsfreie Konnektivität aufrecht.

Dr. Stan Schneider

CEO von Real-Time Innovations (RTI)

Reiner Duwe

Sales Manager EMEA, RTI

(ah)

Sie möchten gerne weiterlesen?