Der Blätterkatalog benötigt Javascript.
Bitte aktivieren Sie Javascript in Ihren Browser-Einstellungen.
The Blätterkatalog requires Javascript.
Please activate Javascript in your browser settings.
14 www computerautomation de ● 6 21 aktuell IoT HOTSPOT Klaus-Dieter Walter ist Mitglied der Geschäftsführung bei SSV Software Systems neuronalen Netzwerken Deep Learning sind auch seit fast einem Jahrzehnt Stand der Technik allerdings überwiegend in der ITund weniger in der Automatisierungsbeziehungsweise MSR-Welt Durch das Internet der Dinge entstanden vor einigen Jahren sogenannte Cloudzentrierte Huband-Spoke-Systeme also beispielsweise Sensorto-Cloud-Lösungen mit zentraler Sensordatenverarbeitung Über die beständig zunehmende Leistungsfähigkeit der Smartphone-Hardware und -Software lassen sich Deep-Learning-Anwendungen inzwischen auch mobil ohne Cloudverbindung nutzen Über entsprechende Apps kann ein Smartphone eine ML-Inferenz eine Schlussfolgerung einer Datenanalyse mit Hilfe eines Regelwerks lokal ausführen beispielsweise um Objekte in den Bilddaten des Kamerasensor zu erkennen Eine solche Sensorplus-AppKombination ist durch Docker-App-Stores zukünftig auch in der Automatisierungstechnik möglich Allerdings verdeutlichen solche Anwendungen auch dass nur ein Docker für den Edge-Einsatz nicht ausreichen wird Da Deep Learning dem Supervised Machine Learning zuzuordnen ist ist auch eine Machine-Learning-Pipeline für die Modellerzeugung vonnöten um ein geeignetes ML-Modell für den Inferenzbetrieb zu erzeugen Diese Funktionsbausteine lassen sich zwar ebenfalls als Docker realisieren sind dann aber für den Einsatz in der Cloud beziehungsweise On-Premises auf IT-Systemen mit entsprechender Leistungsfähigkeit vorzusehen Die Sicherheitsaspekte Docker die aus öffentlichen App-Stores im Internet geladen und auf Edge-Gateways installiert werden schaffen allerdings auch neue IT-Sicherheitsprobleme für die möglichst vor der App-Store-Markteinführung Lösungen zur Verfügung stehen sollten Da der Faktor Mensch bei allen Security-Problemen in der Operational Technology eine sehr große Rolle spielt sollte sich der App-Store-Betreiber darum kümmern dass nur Angebote in den Store kommen die eine dem Stand der Technik entsprechende IT-Sicherheit aufweisen OT-Fachleute sind in erster Linie dafür verantwortlich Maschinen am Laufen zu halten Sie müssen die erforderliche Verfügbarkeit und Zuverlässigkeit garantieren Das ist eine komplexe Aufgabe Ein ausgeprägtes IT-Sicherheitsbewusstsein ist dafür nicht erforderlich Aus diesem Grund müssen industrielle App-Stores von Haus aus entsprechende Sicherheitsrichtlinien zur Verfügung stellen und deren Einhaltung von den jeweiligen Anbietern einfordern Der Testbetrieb läuft Die webbasierte Online-Plattform des Industrial APP Marketplace läuft seit einigen Monaten im Testbetrieb Verschiedene Unternehmen und Organisationen aus dem Umfeld der OWL-Maschinenbau-Initiative haben erste Docker-Apps entwickelt und testen den Einsatz auf unterschiedlicher Edge-Hardware Auch der DockerVerbundbetrieb also das Zusammenspiel mehrerer Docker von unterschiedlichen Anbietern in einer einzigen Anwendung wird zurzeit erprobt ein Beispiel der Unternehmen Knowtion PerFact Phoenix Contact und SSV Software Systems aus dem Bereich des Condition Monitoring lesen Sie in Computer&AUTOMATION 2021 Heft 5 Seite 16f In Bezug auf den möglichst einfachen Einsatz für KIbeziehungsweise ML-Anwendungen sowie hinsichtlich der IT-Security ist jedoch noch etwas Entwicklungsarbeit erforderlich Einfache Bedienbarkeit echte Anbieterunabhängigkeit und eine dem Stand der Technik entsprechende Cybersecurity sind anspruchsvolle Ziele Ein möglichst schneller Markteintritt ist heute allerdings ebenfalls sehr wichtig Hoffentlich finden die Verantwortlichen hinter dem Industrial APP Marketplace hier die richtige Balance hap Mit Hilfe der Docker-Technologie sind innovative MSR-Sensorlösungen möglich die aus zwei aufeinander abgestimmten Bausteinen bestehen Die sechs Funktionseinheiten eines intelligenten Sensorsystems sind dabei auf das eigentliche Sensorelement und den Docker verteilt Anwendungsspezifische Softwarebausteine wie Sensorfusionen Sensordatenvorverarbeitung oder eine Datenauswertung per Machine Learning sind innerhalb des Dockers realisiert Updates und Weiterentwicklungen stehen als DevOps zur Verfügung