Visualisierung eines vernetzen Fahrzeugs.

Das Edge-Cloud-Kontinuum bietet vielfältige Optimierungspotenziale in der Autoindustrie.

Ohne Latenzen zwischen Edge und Cloud wechseln? Das ist es, was das Edge-Cloud-Kontinuum verspricht. Genauer gesagt bedeutet das Modell, dass durch die nahtlose Integration von Edge- und Cloud-Computing nicht nur eine effizientere Datenverarbeitung, sondern auch eine signifikante Verbesserung der Fahrzeugleistung, Sicherheit und Benutzererfahrung realisiert werden kann. Das Edge-Cloud-Kontinuum ermöglicht die Verarbeitung von Daten sowohl am Rand des Netzwerks – direkt im Fahrzeug – als auch in der Cloud. Dieser dualen Verarbeitungsstrategie wird eine entscheidende Rolle für die Unterstützung der nächsten Generation von Fahrzeugtechnologien, einschließlich autonomer Fahrsysteme, vernetzter Fahrzeuge und fortschrittlicher Fahrassistenzsysteme zugeschrieben. Neben den Vorteilen für vernetzte und autonome Fahrzeuge bietet das Edge-Cloud-Kontinuum auch erhebliche Chancen für die Optimierung der Produktionsprozesse in der Automobilindustrie. Die intelligente Verbindung von Edge-Computing und Cloud-Technologien kann die Effizienz, Flexibilität und Qualität in der Fertigung erheblich steigern.

Dabei kommt oft die Frage auf, wie man eine dynamische Allokation von Ressourcen sicherstellen kann, sagt Johannes Mundorf vom Deutschen Forschungszentrum für Künstliche Intelligenz auf dem automotiveIT-Kongress in Berlin. Hierbei ist es entscheidend, bestimmte Metriken zu entwickeln, um beurteilen zu können, wie energieeffizient Cloud- oder Edge-Devices für bestimmte Aufgaben sind. "Nicht nur die Produktion, sondern auch die IT-Ressourcen müssen gut geplant werden", so Mundorf. Der Vorteil: Eine größere Variabilität beim Einsatz der IT-Ressourcen innerhalb eines Werkes.

Das Edge-Cloud-Kontinuum in der Automobilproduktion

Beispielsweise können Edge-Computing-Geräte in Produktionsanlagen direkt an Produktionslinien eingesetzt werden, um Daten in Echtzeit zu erfassen und zu analysieren. Dies ermöglicht es, sofort auf Probleme zu reagieren, Produktionsabläufe zu optimieren und Ausfallzeiten zu minimieren. Durch die Analyse der Daten in der Cloud können dann langfristige Optimierungen und Verbesserungen der Produktionsprozesse identifiziert werden. Beispiel Predictive Maintenance: Durch die Kombination von Sensordaten, die an der Produktionsausrüstung erfasst und am Edge verarbeitet werden, mit fortschrittlichen Analyseverfahren in der Cloud, können Muster erkannt werden, die auf bevorstehende Ausfälle oder Wartungsbedarf hinweisen. Dies ermöglicht eine vorausschauende Wartung, die Reparaturen plant, bevor Ausfälle auftreten und so teure Stillstandszeiten reduziert.

Das EASY-Projekt

Das Ziel des EASY-Projekts ist die Schaffung eines Edge-Cloud-Kontinuums zur übergangslosen und prozessbasierten Überwachung industrieller Fertigung. (Bild: EASY)

EASY steht für Energieeffiziente Analyse- und Steuerungsprozesse im dynamischen Edge-Cloud-Kontinuum für die industrielle Fertigung. Das Projekt unter der Leitung des Deutschen Forschungszentrums für Künstliche Intelligenz wird vom Bundesministerium für Wirtschaft und Klimaschutz mit mehr als fünf Millionen Euro gefördert. Ziel des Projektes EASY ist es, ein leicht nutzbares Edge-Cloud-Kontinuum zu erschaffen, das eine Laufzeitumgebung und Dienste für die Ausführung KI-basierter Analyse- und Steuerungsprozesse bereitstellt. Innerhalb dieses Kontinuums soll automatisiert eine dynamische, im Hinblick auf Energiebedarf, Datennutzung und -übertragung optimierte, verteilte Ausführung der Dienste im gesamten Spektrum von zentralen Cloud- bis dezentralen Edge-Instanzen ermöglicht werden. Insbesondere sollen so Data Science- und Steuerungsverfahren leichter für die Automatisierung auf Steuerungs- und Feldebene nutzbar gemacht werden, sodass sich für Anbieter solcher Verfahren neue Marktperspektiven erschließen. Durch Standardisierung und Offenheit soll dazu ein umfassendes Ökosystem geschaffen werden, wovon sich die Initiatoren ein rasches Wachstum und internationale Strahlkraft erhoffen.

Auch in der Qualitätskontrolle ist das Modell von Vorteil. So können Bildverarbeitung und maschinelles Lernen direkt in der Produktionslinie implementiert werden, um Produkte in Echtzeit zu inspizieren. Die Edge-Verarbeitung ermöglicht schnelle Entscheidungen über die Qualität der Produkte ohne Verzögerungen, während aggregierte Daten in der Cloud für tiefergehende Analysen und zur kontinuierlichen Verbesserung der Produktqualität genutzt werden können.

Und auch bezogen auf die Lieferketten kann über das Edge-Cloud-Kontinuum die Transparenz und Effizienz verbessert werden. Dies kann zu einer optimierten Lagerhaltung, verringerten Lieferzeiten und einer verbesserten Abstimmung zwischen den Produktionsanforderungen und der Zuliefererkapazität führen.

Das Edge-Cloud-Kontinuum im Fahrzeug

Die Fähigkeit, Daten in Echtzeit direkt am Fahrzeug zu verarbeiten, ist beispielsweise für autonome und semi-autonome Fahrzeuge von entscheidender Bedeutung. Durch die Minimierung der Latenzzeiten können diese Fahrzeuge schneller auf ihre Umgebung reagieren, was die Sicherheit auf den Straßen erhöht. Allgemein bietet das Edge-Cloud-Kontinuum auch das Potenzial, die Entwicklung neuer Dienste und Geschäftsmodelle in der Automobilindustrie zu fördern. Von verbesserten Infotainment-Systemen über Echtzeit-Navigation bis hin zu Fernwartung und Over-the-Air-Updates – die Möglichkeiten sind sehr vielfältig. Dennoch: Die Implementierung des Edge-Cloud-Kontinuums in der Automobilindustrie ist nicht ohne Herausforderungen. Datenschutz, Sicherheit und die Notwendigkeit robuster Netzwerkverbindungen sind nur einige der zu berücksichtigenden Aspekte.

Sie möchten gerne weiterlesen?