elektro AUTOMATION: Herr Jamal, National Instruments ist insbesondere rund um das Industrial Internet of Things aktiv – warum spielt gerade dies künftig eine so große Rolle und welche Herausforderungen sind zu meistern?
Rahman Jamal: Das IIoT bietet ein enormes Potential für Leistungssteigerungen und Kostensenkungen über die zunehmende Vernetzung intelligenter Geräte und ‚Dinge‘. Besonders spannend für die Automatisierer dürfte sein, das Technologien wie das Time-Sensitive Networking (TSN) das disruptive Potential haben, langfristig Ethernet-basierte Feldbusse zu ersetzen. Das wird es uns erlauben, sehr viel einfacher Fertigungszellen miteinander zu vernetzen und Prozesse zu synchronisieren. Intelligente Systeme generieren und nutzen zudem eine rasant wachsende Menge an Daten; es entsteht eine regelrechte Datenflut! NI spricht hier von Big Analog Data. Um diese Datenflut zu verarbeiten, können wir auf bereits existierende Technologien wie Edge-Hardware oder Analytics Software zurückgreifen, gleichwohl gilt es noch einige Herausforderungen bei der Umsetzung von Applikationen im IIoT-Bereich zu meistern. Bei IIoT-Anwendungen handelt es sich ja um dynamische Umgebungen, sich stetig verändernde Umgebungen – etwa durch die Integration neuer Technologien, die Aktualisierung der IIoT-Netzwerke oder das Einspielen von Sicherheitsupdates – hier prallen IT-Komponenten und OT-Systeme aufeinander.
elektro AUTOMATION: Welchen Einfluss haben insbesondere die Operational Technologies oder kurz OT?
Jamal: Zu erkennen ist ein exponentielles Wachstum bei OT-Systemen. Daraus entsteht einerseits ein nicht zu unterschätzender Aufwand, um all diese Systeme zu verwalten. Andererseits entstehen gerade verursacht durch die stark ansteigende Zahl an OT-Systemen eben auch diese exorbitanten Mengen an Daten, bisweilen sogar im Exabyte-Bereich. Diese Daten alle auf intelligente Art und Weise auszuwerten, ist eine immense Aufgabe – was geradezu nach einem weiteren großen Trend verlangt, dem hin zu maschinellen Lernverfahren. Das Machine Learning ermöglicht die effiziente Analyse der Daten, so dass sich der Anwender auf seine eigentlichen Aufgaben fokussieren kann.
elektro AUTOMATION: Bevor wir etwas näher auf das Thema Machine Learning eingehen – wie löse ich denn zunächst die Datenverwaltung?
Jamal: Um Big Analog Data in verwertbare Erkenntnisse umsetzen, schlagen wir einen Workflow vor, den wir mit der ‚Data Management Software Suite‘ umgesetzt haben. Diese enthält den DataFinder Server, DIAdem Professional sowie den Analysis Server und stellt somit eine Komplettlösung für die unternehmensweite Datenverwaltung dar. Bei der DataFinder Server Edition handelt es sich um eine serverbasierte Software, die für ein rasches Auffinden benötigter Daten in einem Netzwerk durch automatische Indizierung konzipiert ist. DIAdem Professional wiederum ist eine speziell auf die Bedürfnisse von Wissenschaftlern und Ingenieuren ausgelegte Client-Software für das schnelle Finden, Sichten, Analysieren und Auswerten von Messdaten, ohne dass dafür weitere Tools erforderlich wären. Mit dem Analysis Server schließlich hat der Anwender dann eine serverbasierte Software für die effiziente Handhabung, Analyse und Verarbeitung großer Datenmengen an der Hand. Die Data Management Software Suite umfasst also die wichtigsten Softwarewerkzeuge von NI zur Handhabung von Big Analog Data und ermöglicht die Standardisierung von Daten innerhalb von Teams, das Auswerten bezüglich nützlicher Informationen, automatisierte Analysen und die Erstellung von Berichten mit den gewünschten verwertbaren Erkenntnissen – und löst damit eines der Hauptprobleme beim Umgang mit so großen Datenmengen.
