Elektroniknet Logo

Maschinendaten zwischen Edge und Cloud

So bleibt die Cloud günstig

Weigmann_Florian
© Plusserver

Die Verwaltung von Maschinendaten in der Cloud ist ein komplexes Unterfangen und nicht per se eine Kostenersparnis. Um nicht unnötig Bits und Bytes zwischen Edge und Cloud zu hohen Kosten hin und her zu schicken, müssen sich Fertiger vier wichtigen Fragen stellen.

IIoT-Plattformen aus der Cloud sind ein wichtiges Instrument der Industrie 4.0: Sie sollen Maschinendaten zusammenführen und mithilfe von Predictive-Maintenance-Modellen, Digital Twins und Co. auswerten und am Ende Prozesse optimieren. Fertiger erhoffen sich neben der Vermeidung von Leerlauf, unnötigen Wartungen oder Ausfällen signifikante Wettbewerbs-, Kosten- und Technologievorteile durch die datenbasierte Unterstützung von Mitarbeitenden in der Produktion und sowie neue Erlösquellen und Geschäftsmodelle.

Neben der Datenverarbeitung am Edge ist die grundsätzliche Motivation hinter dem Gang in die Cloud berechtigt: Bezüglich Agilität, Flexibilität oder der Skalierbarkeit bieten Cloud-Systeme zahlreiche Vorteile. Was sie jedoch nicht sind, ist eine Kostenersparnis per se. Die Verwaltung von Clouds sowie deren Kosten ist ein komplexes Unterfangen, vor allem wenn es sich um multiple Cloud-Umgebungen in der Fertigung handelt. Machine Learning und Big Data Analytics zur Entwicklung von Predictive-Maintenance-Modellen haben gänzlich andere Anforderungen an die Cloud und verursachen gänzliche andere Kosten als eine reine Datenhaltung. Für die Optimierung der Cloud-Kosten sollten sich produzierende Unternehmen die folgenden Fragen stellen.

Rechtfertigt der Use Case die Speicherkosten?

Eine der häufigsten Ursachen für unnötig hohe Cloud-Kosten sind Anwendungen, die eigentlich gar nicht in der Cloud sein müssten. Fertiger müssen bewusst abwägen, welche Use Cases und Datensätze relevant für das Speichern und Nutzen des Cloud Space sind. Inwiefern sind etwa bestimmte Maschinendaten für das Training des Predictive-Maintenance-Modells interessant? Muss jeder Parameter einer Anlage in das Condition Monitoring einfließen? Wie oft müssen die Daten synchronisiert werden? Je nach Abhängigkeit von Prozessen oder Anwendungen mit den vorhandenen Daten bedarf es unterschiedlicher Speicherarten. Daten, die nicht regelmäßig geändert werden, können stattdessen in einem vergleichsweise günstigen, objektbasierten Speicher vorgehalten werden. Die Object Storage ist oftmals der perfekte Ort für die Unmengen an unstrukturierten Daten, die in der vernetzten Industrie anfallen, und eignet sich gleichfalls für die Archivierung oder Backups.
Anders verhält es sich mit Daten, die regelmäßig auf- und abgerufen werden. Hier kommt es sowohl auf Leistung als auch auf Sicherheit an, und damit wird hochwertigerer Speicherplatz, meist Dateispeicher, benötigt. Alleine das Wissen, welche Zugriffszeiten benötigt werden, kann bereits Kosten einsparen.

Cloud-Skalierung um jeden Preis?

Ein großer Cloud-Vorteil ist ihre On-Demand-Fähigkeit sowie Skalierbarkeit. Ressourcen wie Speicher, Rechenleistung oder Netzwerke lassen sich temporär beziehen nutzen, etwa um eine Entwicklungsumgebung aufzusetzen. Auch externe IT-Dienstleistungen lassen sich als Software as a Service bedarfsgerecht mieten, etwa für die in Industrie 4.0 rasant steigende Vernetzung von Maschinen und den kontinuierlichen Bedarf an zusätzlichen Geräten.

Gleichwohl muss die Cloud-Kapazität beziehungsweise die Rechenleistung nicht linear mit jeder neuen Anlage mitwachsen. Cloud-Kosten errechnen sich oft über die Spitzenlast. Wenn neue Geräte oder Datenströme hinzukommen, verdunkelt sich die Bilanz schnell. Da vernetzte Geräte ununterbrochen Daten senden und empfangen, steigt die Belastung der Cloud durch die reine Datenmenge schnell unüberschaubar an. Hier kommen Edge- und Fog Computing ins Spiel. Statt sämtliche Daten von Maschinen und Anlagen zur Verarbeitung in die Cloud zu senden, können lokale Minirechenzentren (im Fall des Fog Computing) oder Endgeräte (beim Edge Computing) Aufgaben direkt abarbeiten. Zudem fungieren Edge Computer als Gatekeeper – sie entscheiden, welche Daten wirklich in die Cloud müssen und welche nicht. Neben der verbesserten Reaktionszeit durch geringere Latenzen können somit die Cloud und das dafür benötigte Datenbudget entlastet werden.

Welche Service Level werden benötigt?

Wer geschäftskritische Maschinendaten in der Cloud lagert, erwartet vom jeweiligen Provider einwandfreie Verfügbarkeit und Funktion. Dazu werden rechtlich verbindliche Service Level Agreements (SLAs) definiert. Die Verträge regeln, in welchem Umfang und zu welcher Güte Cloud Services erbracht werden müssen, etwa Verfügbarkeit der Cloud, Performance, die Reaktionszeit bei Störungen oder auch die Kompensation bei Vertragsverletzung durch den Provider. Die Rechnung ist auf den ersten Blick recht einfach: je anspruchsvoller die SLAs, desto teurer.


  1. So bleibt die Cloud günstig
  2. ...."die Standardisierung weist häufig einen gewissen Spielraum auf"

Das könnte Sie auch interessieren

Verwandte Artikel

elektroniknet