{"id":2064,"date":"2026-03-14T06:34:36","date_gmt":"2026-03-14T05:34:36","guid":{"rendered":"https:\/\/g7itchme.wordpress.com\/?p=2064"},"modified":"2026-03-14T06:34:36","modified_gmt":"2026-03-14T05:34:36","slug":"reihe-industrial-iot-die-smarte-fabrik-verstehen-teil-6","status":"publish","type":"post","link":"https:\/\/technodidact.de\/en\/reihe-industrial-iot-die-smarte-fabrik-verstehen-teil-6\/","title":{"rendered":"Reihe: Industrial IoT \u2013 Die smarte Fabrik verstehen (Teil 6)"},"content":{"rendered":"

Am Rande des Netzes: Warum Edge Computing das R\u00fcckgrat jedes effizienten IIoT-Systems ist.<\/h2>\n\n\n\n

Von DerSchneider<\/strong><\/p>\n\n\n\n

Wir haben in den letzten Artikeln den Weg der Daten verfolgt: Vom Sensor (Teil 4) \u00fcber die Kommunikationsprotokolle (Teil 5) bis hin zur \u00fcbergeordneten Plattform. In der klassischen Vorstellung von Cloud-Computing ist dies der nat\u00fcrliche Lauf der Dinge: Alle Daten werden gesammelt, in ein zentrales Rechenzentrum geschickt und dort verarbeitet.<\/p>\n\n\n\n

Doch in der industriellen Praxis st\u00f6\u00dft dieses Modell schnell an seine Grenzen. Stellen Sie sich eine Turbine vor, deren Vibrationssensor 1000 Mal pro Sekunde einen Wert liefert. W\u00fcrden Sie all diese Rohdaten in die Cloud schicken? Die Antwort ist ein klares Nein. Die Datenmengen w\u00e4ren gigantisch, die Kosten f\u00fcr Bandbreite und Speicher immens, und die Latenzzeit \u2013 die Zeit, bis eine Antwort zur\u00fcckk\u00e4me \u2013 w\u00e4re f\u00fcr viele Anwendungen viel zu lang.<\/p>\n\n\n\n

Hier kommt Edge Computing<\/strong> ins Spiel. Es ist vielleicht das wichtigste Architekturprinzip des modernen IIoT. Und es bedeutet nichts anderes, als die Intelligenz und Rechenleistung dorthin zu verlagern, wo die Daten entstehen: an den Rand (engl. Edge) des Netzwerks.<\/p>\n\n\n\n

Was ist Edge Computing \u2013 und was ist es nicht?<\/h3>\n\n\n\n

Der Begriff ist in aller Munde, wird aber oft unscharf verwendet. Versuchen wir eine klare Definition:<\/p>\n\n\n\n

Edge Computing<\/strong> bezeichnet eine dezentrale Recheninfrastruktur, bei der Daten nahe an ihrem Entstehungsort (an der „Edge“, also am Rand des Netzwerks) verarbeitet werden, anstatt sie zur Verarbeitung an ein zentrales Rechenzentrum oder eine Cloud zu senden.<\/p>\n\n\n\n

Das Gegenteil ist das reine Cloud-Computing, bei dem alle Daten erst zur zentralen Instanz transportiert werden m\u00fcssen. Zwischen diesen beiden Polen gibt es Abstufungen, oft als Fog Computing<\/strong> bezeichnet, bei dem die Daten auf einer mittleren Ebene (z.B. in einem regionalen Rechenzentrum) verarbeitet werden.<\/p>\n\n\n\n

In der Praxis eines IIoT-Systems kann „die Edge“ verschiedene Formen annehmen:<\/p>\n\n\n\n

    \n
  • Die Sensor-Edge:<\/strong>\u00a0Der Sensor selbst ist bereits intelligent. Ein moderner MEMS-Vibrationssensor enth\u00e4lt einen winzigen Mikrocontroller, der eine Fast-Fourier-Transformation (FFT) direkt im Sensor durchf\u00fchrt und nur das Ergebnis \u2013 das Frequenzspektrum \u2013 weiterschickt, anstatt die rohen Schwingungsdaten.<\/li>\n\n\n\n
  • Die Ger\u00e4te-Edge:<\/strong>\u00a0Ein\u00a0Industrie-PC<\/strong>\u00a0oder ein\u00a0speicherprogrammierbare Steuerung (SPS)<\/strong>\u00a0direkt an der Maschine \u00fcbernimmt die Datenvorverarbeitung. Er sammelt die Werte verschiedener Sensoren, filtert Ausrei\u00dfer, berechnet Mittelwerte und f\u00fchrt erste Regelungsaufgaben in Echtzeit aus.<\/li>\n\n\n\n
  • Das Gateway als Edge-Knoten:<\/strong>\u00a0Ein\u00a0IIoT-Gateway<\/strong>\u00a0(wie in Teil 3 beschrieben) ist der klassische Edge-Computing-Knoten. Es sammelt die Daten von mehreren Maschinen oder Sensoren, \u00fcbersetzt verschiedene Protokolle, komprimiert die Daten und f\u00fchrt erste Analysen durch, bevor es sie geb\u00fcndelt an die Cloud weiterleitet.<\/li>\n<\/ul>\n\n\n\n

    Die vier Versprechen des Edge Computing<\/h3>\n\n\n\n

    Warum ist dieser Ansatz f\u00fcr das IIoT so entscheidend? Vier Gr\u00fcnde stechen hervor:<\/p>\n\n\n\n

      \n
    1. Geringere Latenz (Echtzeitf\u00e4higkeit):<\/strong>\u00a0Wenn eine Maschine droht, au\u00dfer Kontrolle zu geraten, kann sie nicht darauf warten, dass ihre Daten erst nach Norddeutschland in die Cloud reisen, dort analysiert werden und der Befehl zur Notabschaltung den R\u00fcckweg antritt. Das dauert Sekundenbruchteile zu lange. Ein Edge-Ger\u00e4t reagiert in Millisekunden. Es ist der Unterschied zwischen einem Reflex und einem bewussten Gedanken.<\/li>\n\n\n\n
    2. Bandbreitenreduktion:<\/strong>\u00a0Um beim Beispiel der Turbine zu bleiben: 1000 Vibrationswerte pro Sekunde ergeben pro Tag eine Datenmenge im zweistelligen Gigabyte-Bereich. Wenn Tausende solcher Sensoren im Einsatz sind, brechen Ihnen die Netze zusammen. Die Edge f\u00fchrt eine\u00a0Datenverdichtung<\/strong>\u00a0durch. Statt aller Rohdaten sendet sie nur die Ergebnisse: „Die Maschine l\u00e4uft normal“ oder „Die Schwingungsamplitude bei 200 Hz ist um 15 % gestiegen \u2013 bitte genauer hinschauen“. Das reduziert das Datenvolumen um den Faktor 100 oder mehr.<\/li>\n\n\n\n
    3. Erh\u00f6hte Sicherheit und Datensouver\u00e4nit\u00e4t:<\/strong>\u00a0Nicht alle Daten d\u00fcrfen oder sollen das Firmengel\u00e4nde verlassen. Hochsensible Produktionsdaten, Rezepturen oder Prozessparameter bleiben hinter dem Firmen-Firewall. Nur die f\u00fcr die Analyse und Optimierung notwendigen, anonymisierten Metadaten werden in die Cloud geschickt. Die Edge fungiert hier als eine Art\u00a0digitale Schleuse<\/strong>, die kontrolliert, was nach drau\u00dfen darf.<\/li>\n\n\n\n
    4. Autonomer Betrieb bei Netzausfall:<\/strong>\u00a0Was passiert, wenn die Internetverbindung zur Cloud abbricht? F\u00e4llt dann die ganze Produktion aus? Ein gutes Edge-System kann autark weiterarbeiten. Es puffert die Daten lokal zwischen und setzt die Produktion auf Basis der lokalen Intelligenz fort. Sobald die Verbindung wieder steht, werden die gesammelten Daten nachgeliefert. Das ist ein massiver Gewinn an Ausfallsicherheit.<\/li>\n<\/ol>\n\n\n\n

      Ein Beispiel aus der Praxis<\/h3>\n\n\n\n

      Stellen Sie sich eine Flotte von 50 Pumpen in einem Chemiewerk vor, die mit Vibrations- und Temperatursensoren ausgestattet sind. Jede Pumpe ist mit einem kleinen Edge-Ger\u00e4t verbunden.<\/p>\n\n\n\n

        \n
      • Aufgabe des Edge-Ger\u00e4ts:<\/strong>\u00a0Es sammelt kontinuierlich die Sensordaten. Ein einfaches Modell im Edge-Ger\u00e4t kennt den Normalzustand jeder Pumpe. Weicht eine Pumpe signifikant ab (z.B. steigende Temperatur bei gleichbleibender Vibration), generiert das Edge-Ger\u00e4t sofort einen Alarm und schickt diesen \u2013 zusammen mit einem Paket der letzten Minuten-Rohdaten \u2013 zur Cloud-Plattform.<\/li>\n\n\n\n
      • Aufgabe der Cloud:<\/strong>\u00a0Die Cloud-Plattform empf\u00e4ngt die Alarme von allen 50 Edge-Ger\u00e4ten. Sie kann die Daten pumpen\u00fcbergreifend analysieren, mit historischen Daten abgleichen und komplexe Machine-Learning-Modelle trainieren. Ein Ingenieur kann von \u00fcberall auf der Welt auf die Dashboards zugreifen und sich einen \u00dcberblick \u00fcber den Gesamtzustand der Pumpenflotte verschaffen. Das neue, trainierte Modell wird dann zur\u00fcck auf die Edge-Ger\u00e4te gespielt, damit diese in Zukunft noch pr\u00e4ziser anomalien erkennen.<\/li>\n<\/ul>\n\n\n\n

        Diese Arbeitsteilung zwischen der intelligenten, reaktiven Edge vor Ort und der m\u00e4chtigen, analysierenden Cloud in der Ferne ist das Herzst\u00fcck jeder modernen IIoT-Architektur.<\/p>\n\n\n\n

        Doch die Daten m\u00fcssen nicht nur vom Sensor zum Gateway und von dort in die Cloud gelangen. Sie m\u00fcssen auch den Weg zur\u00fcck finden, um Aktoren zu steuern oder Wartungsteams zu alarmieren. Im n\u00e4chsten Artikel werfen wir einen Blick auf die daf\u00fcr n\u00f6tige Infrastruktur: die drahtlosen Netze der Fabrik.<\/strong> Wir fragen: Wann braucht es 5G, wann reicht LoRaWAN, und was ist eigentlich WLAN 6?<\/p>","protected":false},"excerpt":{"rendered":"

        Am Rande des Netzes: Warum Edge Computing das R\u00fcckgrat jedes effizienten IIoT-Systems ist. Von DerSchneider Wir haben in den letzten Artikeln den Weg der Daten verfolgt: Vom Sensor (Teil 4) \u00fcber die Kommunikationsprotokolle (Teil 5) bis hin zur \u00fcbergeordneten Plattform. In der klassischen Vorstellung von Cloud-Computing ist dies der nat\u00fcrliche Lauf der Dinge: Alle Daten […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[46,26],"tags":[3230],"class_list":["post-2064","post","type-post","status-publish","format-standard","hentry","category-industrie-4-0","category-mit-den-handen","tag-iiot"],"_links":{"self":[{"href":"https:\/\/technodidact.de\/en\/wp-json\/wp\/v2\/posts\/2064","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/technodidact.de\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/technodidact.de\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/technodidact.de\/en\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/technodidact.de\/en\/wp-json\/wp\/v2\/comments?post=2064"}],"version-history":[{"count":0,"href":"https:\/\/technodidact.de\/en\/wp-json\/wp\/v2\/posts\/2064\/revisions"}],"wp:attachment":[{"href":"https:\/\/technodidact.de\/en\/wp-json\/wp\/v2\/media?parent=2064"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/technodidact.de\/en\/wp-json\/wp\/v2\/categories?post=2064"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/technodidact.de\/en\/wp-json\/wp\/v2\/tags?post=2064"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}