Smarte Fabriken und Städte

Eine neue Generation von echtzeitfähigen, hochsicheren und intelligenten IIoT-Anwendungen auf der Basis von Fog-,  Edge- und Cloud-Infrastrukturen entwickelt in Deutschland unter anderem das IIoT-Center des Fraunhofer-Instituts für Offene Kommunikationssysteme FOKUS. Zu den wichtigsten Anwendungsfeldern zählen neben Smart Manufacturing und Industrie 4.0 auch Smart Cities.

Das Konzept der smarten Fabrik wie auch der smarten Metropole steht und fällt mit der Verfügbarkeit von Sensordaten für prädiktive Wartung, Zustandsüberwachung, Energiewirtschaft, öffentliche Sicherheit und dergleichen mehr. Die Technologie der vorausschauenden Instandhaltung (Predic­tive Maintenance) ist bereits weit fortgeschritten. Sie erlaubt es, mit Hilfe von analytischen Modellen und konkreten Messwerten absehbaren Betriebsstörungen durch den proaktiven Austausch abgenutzter Teile zuvorzukommen. Unternehmen können dadurch nicht nur ihre Betriebskosten senken, sondern nebenbei auch Qualitätsschwankungen in der Fertigung reduzieren oder Dienstausfälle verhindern.

T-Systems konnte den wirtschaftlichen Nutzen prädiktiver Wartung unter anderem im Bahnbetrieb erfolgreich nachweisen. Jede ausgefallene Lok kostet laut Stefan Bucher rund 90.000 Euro im Jahr. T-Systems habe einen selbstlernenden Algorithmus entwickelt, der in den Rohdaten aus rund
60 Sensoren bestimmte Muster erkenne und Anomalien finde. So ließen sich Ausfälle verhindern.

Auch im Bereich der physischen Sicherheit scheinen sich Edge- und Fog-Architekturmuster zu bewähren. So bietet beispielsweise T-Systems gemeinsam mit dem kalifornischen Start-up Roambee eine IoT-gestützte Echtzeitlösung für das Asset-Tracking und Risikomanagement an. Die Technologie ermöglicht die Nachverfolgung von Warensendungen und die Überwachung des Zustands von Gütern und Industrieanlagen auf der ganzen Welt. Unternehmen erhalten Berichte über relevante Ereignisse, Echtzeitalarme sowie Auswertungen und verwertbare Datenanalysen in Einklang mit höchsten Datensicherheitsstandards.

Übrigens: Maschinelles Lernen ist erst dank der neuesten Entwicklungen im Bereich des Edge-Computings praxis­tauglich geworden. Beim maschinellen Lernen handelt es sich um einen Sonderfall von Künsticher Intelligenz, nämlich um die Fähigkeit physischer Geräte, ohne menschliche Interventionen eigene analytische Modelle zu entwickeln und auf Basis der so gewonnenen Erkenntnisse autark zu handeln. Maschinell lernende cyber-physische Systeme können generell auch ohne eine aktive Cloud-Anbindung auskommen. Letzteres stellt eine Voraussetzung für die Robustheit und Verlässlichkeit kritischer Infrastrukturen dar.