Monitoring harmonisiert IoT, Cloud und Edge Computing

Die Vernetzung von Maschinen, Endgeräten und Sensoren mit Prozessen und Anwendungen schafft Handlungsspielräume, die ebenso komplex wie vielversprechend sind. Zwischen IoT, Cloud und Edge Computing entstehen allerdings zugleich Interaktionen und Datenmengen von einem Ausmaß, das noch vor wenigen Jahren kaum denkbar gewesen wäre. Heute beschäftigt Unternehmen deshalb vor allem die Frage, wie sie im dichter werdenden Netz der Dinge den Überblick behalten können.

Das Internet of Things mag beizeiten einem technologischen Ameisenhaufen gleichen: Es wirkt wie ein chaotisches Gewimmel von Arbeitenden, einem unübersichtlichen Netz von Bahnen, Straßen und Verbindungen, einem kaum durchschaubaren Ineinandergreifen von Botschaften, Aufgaben und Interaktionen. Und in der Tat bewegen IoT-Geräte und -Hardwareeinheiten permanent Prozesse und Massen an Daten untereinander und auf Dienste, die in der Cloud oder in privaten Rechenzentren abgebildet werden.

Besonders spannend ist die momentane Entwicklung vor dem Hintergrund, dass Edge Computing – also die dezentrale Datenverarbeitung an der Netzwerkperipherie – eine Schlüsselfunktion für das IoT der Zukunft einzunehmen scheint. Doch bei aller Vielschichtigkeit hat die gesamte Entwicklung rund um das IoT, ähnlich dem Wachsen einer Ameisenkolonie, System. Es ist jedoch wichtig, dass Betreiber von IoT-Strukturen den Überblick über die Vielzahl an Prozessen, Aufgaben und Einheiten behalten, die in ihrem Internet der Dinge Sekunde für Sekunde in Bewegung sind.

Inhalt:
- Internet der Dinge wächst kontinuierlich
- Steigende Möglichkeiten bei sinkenden Kosten
- End-to-End-Kontrolle in bunter Hard- und Software-Landschaft
- IoT-Hardware im Gegensatz zu Cloud-Diensten kaum skalierbar
- Dedizierte Einblicke in einzelne Gerätegruppen und Netzwerke
- Edge Computing, Cloud und das IoT

Sie haben es eilig? Dann klicken Sie auf die oben stehenden Links und Sie gelangen direkt zum entsprechenden Textabschnitt.

Internet der Dinge wächst kontinuierlich

Das Internet of Things hat in den vergangenen Jahren erhebliche Weiterentwicklungen durchlaufen – entsprechend dynamisch schreitet seine Verbreitung fort: Der IDG Research Group zufolge hat knapp die Hälfte der Unternehmen in Deutschland, Österreich und der Schweiz bereits vor einem Jahr ein oder mehrere IoT-Projekte auf den Weg gebracht.

Die Anwendungsbereiche sind branchenübergreifend, betreffen sowohl Geschäftspartner als auch private Verbraucher:innen und bewegen sich von der Wartung komplexer Fertigungsumgebungen über die Steuerung kompletter Logistikketten bis hin zum smarten Gebäudemanagement. Vor diesem Hintergrund wird sich das Internet der Dinge künftig zudem spürbar auf die unmittelbare Gestaltung von Arbeitsplätzen auswirken.

Betriebsabläufe, Workflows und die Interaktion mit Partnern und Kunden außerhalb des Unternehmens werden zunehmend durch die Einbindung von Geräteinformationen bestimmt werden. Ein Beispiel zur Veranschaulichung: Bei der Teilnahme eines Geschäftsessens kann eine Mitarbeiterin schon während der Anreise über ihr Auto auf den Kalendereintrag und die Wegbeschreibung zugreifen. Das Navigationssystem im Wagen ermittelt automatisch die Route, berechnet die Fahrtdauer und versendet bei Verspätungen selbstständig eine entsprechende Nachricht an die wartenden Geschäftspartner.

Szenarien wie diese sind beliebig ausbaubar – gleiches gilt für die Komplexität der Daten und Prozesse, die derartigen Anwendungsfeldern zugrunde liegen.

Steigende Möglichkeiten bei sinkenden Kosten

Brancheninsider sind sich sicher, dass die Investitionsfreude der Unternehmen im Hinblick auf neue IoT-Projekte in den kommenden Jahren nicht nachlassen wird. Das liegt neben der Vielzahl an möglichen Umsetzungsszenarien auch daran, dass die zugrundeliegenden Hardware-Komponenten wie Sensoren, Prozessoren oder Netzwerkkarten immer leistungsfähiger und zugleich preiswerter werden.

Ein Beispiel für ein IoT-basiertes Anwendungsfeld, in dem die hohe Qualität der zugrundeliegenden Geräte unmittelbare Auswirkungen hat, ist der Bereich Bildverarbeitung. Die Signalerfassung und -weitergabe der Sensoren ist inzwischen so hoch entwickelt, dass ihr Datenpotenzial am besten unter Einbindung von Deep Learning-Algorithmen ausgeschöpft werden kann. In Kombination mit Hightech-Kameras schafft selbstlernende, KI-basierte Software optimale Voraussetzungen für regelbasierte Bildverarbeitungssysteme, die zum Beispiel in Qualitätssicherungssystemen eingesetzt werden.

Bezahlbare Hardware, höchste Sensorgenauigkeit, intelligentes Data-Processing: Während das Investitionsrisiko für IoT-Projekte also sinkt, steigt ihr Nutzwert erheblich. Die Anwendungsfälle an sich werden immer exakter, anspruchsvoller und für alle möglichen Branchen und Bereiche relevant. 

Bei allen Vorteilen, die diese Entwicklung mit sich bringt, entstehen gleichzeitig neue Herausforderungen. Diese resultieren aus der Vielzahl und Verschiedenartigkeit von eingesetzten Endgeräten, unterschiedlichen Architekturkonzepten, der Masse an Schnittstellen und Prozessen, diversen Software-Versionen sowie der schieren Flut an Daten, die hochentwickelte IoT-Umgebungen produzieren. Hier gilt es, operative Risiken durch eine fortlaufende Performance-Überwachung auf ein Minimum zu reduzieren.

End-to-End-Kontrolle in bunter Hard- und Software-Landschaft

Damit Unternehmen keine wüsten Daten- und Prozessmengen entwickeln, ist es wichtig, von Beginn an ein umfassendes Monitoring-Konzept in die antizipierte IoT-Strategie zu implementieren. So entsteht ein grundlegendes Verständnis für die Kommunikation, die Interaktion und die Datenflüsse innerhalb eines komplexen Internets der Dinge. Dabei geht es weniger darum, die Leistungsfähigkeit einzelner Geräte im Blick zu behalten, sondern vielmehr um den Zustand des gesamten End-to-End-Systems – vom kleinsten Sensor bis hin zu den Racks im Server-Cluster, das für das Data Processing zuständig ist.

Die schiere Anzahl an Netzwerk-Entitäten und die dazugehörigen Prozesse sind ein Faktor, der zur Komplexität des IoT beiträgt. Ein weiterer liegt in der Heterogenität von Betriebssystemen und Anwendungssoftware, die an vielen verschiedenen, verteilten Standorten installiert sind. Alles in allem führt dies zu einer vielgestaltigen Flotte an Hard- und Software-Einheiten.

IoT-Hardware im Gegensatz zu Cloud-Diensten kaum skalierbar

Die Überwachung und die Performance-Analyse von IoT-Umgebungen ist vor allem deshalb so wichtig, weil sie nicht über die gleiche horizontale Skalierbarkeit wie beispielsweise eine Cloud-Infrastruktur verfügen. IoT-Installationen an abgelegenen Standorten verhalten sich wie weiße Flecken auf der digitalen Landkarte: Sie können nicht einfach Instanzen hochfahren, wenn ihre Anwendung den aktuellen Leistungsanforderungen nicht mehr gerecht werden.

Wo Cloud-Dienste dank ihrer skalierbaren Natur ad hoc zusätzliche Kapazitäten abrufen können, sind IoT-Architekturen durch die physische Hardware am Einsatzort per se eingeschränkter. Dieser Umstand kollidiert mit dem Cloud-First-Ansatz, den viele Unternehmen verfolgen.

Hierbei kommunizieren die Geräte mit Diensten in der Cloud, die die IoT-generierten Daten verarbeiten, speichern und wieder zurückkommunizieren. Der hohe Grad an Vernetzung und die teils sensiblen Abläufe, die durch die gesammelten Daten gesteuert werden, sollte durch ein übergreifendes Monitoring stabilisiert werden.

Dedizierte Einblicke in einzelne Gerätegruppen und Netzwerke

Im Sinne einer aussagekräftigen Performance-Überwachung ist es von grundlegender Bedeutung, dass alle Geräte flexibel und selektiv visualisiert werden können. Kriterien, nach denen eine derartige Auswahl sinnvollerweise erfolgen sollte, sind zum Beispiel spezifische Hardware-Modelle, Firmware-Versionen, der Installationsort von IoT-Einheiten oder ein bestimmtes WLAN-Netzwerk innerhalb der Gesamtinfrastruktur. IoT-Administrator:innen, die zu jeder Zeit aussagekräftige Aussagen über die Performance ihrer Infrastruktur erhalten wollen, müssen zudem über ein Tool verfügen, das umfassende Filterfunktionen mit sich bringt.

So kann es sich als durchaus hilfreich erweisen, Performance-Kennzahlen nicht nur nach allgemeinen Unterschieden in der Topology, sondern auch vor dem Hintergrund variierender Hard- und Software-Versionen zu betrachten. Zusätzlich empfiehlt sich eine Monitoring-Plattform, die über ein flexibles Tagging-basiertes Datenmodell verfügt, das Geräte, Kennzahlen und Logs mit frei definierbaren Schlüsselparametern versieht.

Ein Beispiel aus dem Einzelhandel veranschaulicht dieses Prinzip: Ein Unternehmen, das seine Kassensysteme in den Geschäften vor Ort überwachen will, kennzeichnet sämtliche Endgeräte nach Niederlassungen sortiert und kann durch eine visualisierte Gruppierung erkennen, in welchen Geschäften häufiger Ausfälle oder Leistungsengpässe auftreten.

Video: Edge Computing

Edge Computing, Cloud und das IoT

Die dezentrale Ablage von Daten in die Peripherie, das sogenannte Edge Computing, zeichnet sich immer deutlicher als technologische Schlüsselkomponente für ein zukunftsfähiges Internet der Dinge ab. Die Kombination der Cloud, die durch ihre enorme Skalierbarkeit beim Data Processing überzeugt, mit der begrenzten Erweiterbarkeit von IoT-Hardwarekomponenten lässt – bei allen Vorteilen der Edge Computing-Philosophie – ein Spannungsfeld entstehen, das nur durch eine gezielte Performance-Überwachung aufgelöst werden kann.

Genau genommen wird jedes Unternehmen, das nicht rein digital arbeitet und in irgendeiner Weise lokal vorgehaltene Hard- und Software in ein Gesamtsystem integriert, zu einer IoT-Organisation. Deshalb gilt es nun, diese komplexer werdende Landschaft über das reine Cloud- und Legacy-Monitoring hinaus zu überwachen und ihre blinden Flecken zu erkennen.