Datenbanksysteme für Industrieumgebungen

Betriebsfertige IT-Komplettlösungen für das IIoT

Christian Lutz ist Mitgründer und Geschäftsführer von Crate.io. Er ist seit über 15 Jahren als erfolgreicher Serial Entrepreneur und Operational Manager mit umfangreichen Kenntnissen in den Bereichen Internet, Telekommunikation, mobiles Internet, Software, Medien und Konsumgüter tätig. Der Autor baute mehrere Softwarefirmen erfolgreich auf - darunter Enterprise-Delivery-Plattformen und große Verbraucherportale. Er studierte Wirtschaftsingenieurwesen an TU Wien. Außerdem absolvierte er 2009-2011 an der Harvard Business School das Owner/President Management Program.

Die Ansprüche an IT-Lösungen sind seit 2018 rasant gewachsen. Die Komplexität ihrer Anwendungsmöglichkeiten und Einsatzbereiche ist für viele Nutzer nicht mehr ohne weiteres zu überblicken, weshalb immer mehr betriebsfertige Komplettlösungen zum Einsatz kommen.
Die Ansprüche an IT-Lösungen sind seit 2018 rasant gewachsen.
Die Ansprüche an IT-Lösungen sind seit 2018 rasant gewachsen.
Foto: sdecoret - shutterstock.com

Betriebsfertige Komplettlösungen für IIot-Umgebungen werden nicht nur von Fachleuten erstellt und auf ihre Integrität geprüft, sondern können auch auf die besonderen Wünsche der Endkunden zugeschnitten werden. Auch industrielle Kunden vernetzen ihre Fertigungslinien oder ganze Fabriken nach und nach, sodass sich die Frage stellt, ob es betriebsfertige IIoT-Komplettlösungen (Industrial Internet of Things) geben kann und was diese dann leisten können müssen.

Endgeräte erzeugen eine immense Menge an Daten

Die besondere Herausforderung, die durch Geräte und Maschinen, die mit Steuer- und Analyseprogrammen kommunizieren, entsteht, ist die immense Menge an Daten, die aufgenommen werden müssen. Dabei muss man die verschiedenen Quellen jedoch nicht nur miteinander vernetzen und in die Prozesse einbinden, sie liefern in der Regel auch unterschiedliche Datenformate, die man verarbeiten muss. Damit all das auch tatsächlich umsetzbar ist, sollte dahinter eine Datenbank stehen, die zuverlässig genau diese Leistungen erbringt.

Lesetipp: Industrie 4.0-Projekte in der Azure-Cloud

Verglichen mit anderen Use Cases im Bereich IoT, ist das IIoT oftmals sehr viel komplexer: Es ist relativ einfach, die Heizungsanlage im Smart Home von unterwegs aus per Handy zu steuern oder sich von remote stehenden Windrädern regelmäßig einen Alive-Ping zusenden zu lassen. Wenn jedoch eine Produktionsstrecke oft hunderte oder tausende Sensoren hat, welche jeweils Daten im Sekunden- oder gar im Millisekundentakt sendet, ist das weit vielschichtiger. Denn diese Daten müssen dann oft noch mit denen aus anderen Quellen, zum Beispiel aus dem ERP-System, kombiniert, um dann in Echtzeit ausgewertet zu werden.

So lässt sich die Produktion effizient überwachen, das Verhalten vorhersehen und gegebenenfalls angrenzende Prozesse auslösen. Die dabei entstehenden endlosen Messdatenreihen, stehen in verschiedensten Relationen zueinander und erst durch komplexe Analysen lässt sich wertvolle Information gewinnen. Dadurch sind die praktischen Anforderungen an die IT-Infrastruktur eines IIoT, vor allem an die Performance, die Verfügbarkeit und die flexible Skalierbarkeit, deutlich höher, als es erste Initiativen im Rahmen von Piloten oder Proof of Concepts (PoC) vermuten lassen.

Kosten stets im Blick

Wie bereits angedeutet, unterscheidet sich die Struktur der Datenmengen und deren Analyse in einem IoT-Projekt zum Teil deutlich von dem, was sonst gewöhnlich anfällt. Die typischen performanten Zeitreihenanalysen, mit denen die Entwicklung bestimmter Werte in einem Zeitverlauf betrachtet wird, verlangen nach Datenbank-Tabellen, die automatisch nach Zeitintervallen partitioniert werden.

Doch auch die Speicherung spezieller Geo-Datentypen (z. B. geo_point und geo_shape) ist für viele Maschinendaten-Analysen essentiell, da sich damit beispielsweise der Standort der Maschine bestimmen lässt - was sowohl in größeren Fabriken als auch bei vernetzten Fabrikanlagen hilfreich und notwendig ist. Ist die Datenbank fähig, auch solche Datentypen auszulesen und zu verarbeiten, ist es möglich, skalare Funktionen wie etwa Entfernungen, präzise zu berechnen.

Um die oft in Stapeln gelieferten Analysedaten in Echtzeit in das System aufzunehmen, nutzen einige Anbieter, darunter die CrateDB, die Möglichkeit, den Sperr-Overheads, den solche Stapel-Dateien oft mit sich bringen, für den Schreibvorgang zu entfernen.

Um Produktionsprozesse zu optimieren und die Unzahl an Datenmengen verarbeiten zu können, muss die (I)IoT-Technologie nicht nur performant, sondern vor allem auch kosteneffizient arbeiten. Der Unterschied kann massiv sein, zum Beispiel bei einer speziell für IIoT-Umgebungen gebauten Datenbank sind oft minus 70 Prozent TCO (Total Cost of Ownership) im Vergleich zu traditionellen System der Fall.

Zusätzlich muss eine solche Lösung ausfallsicher sein und das bedeutet, dass für die Infrastruktur auch Hochverfügbarkeits-Maßnahmen ergriffen werden sollten. Aber auch, dass für die gewählte Datenbank entsprechende Features bereitstehen, wie etwa rollierende Software-Updates und die automatische Replikation von Daten im Cluster.