Digitale Transformation | Edge oder Cloud?

Skalierbare industrielle IoT-Plattformen, die auf Machine Learning basieren, senken nachweislich die Herstellungskosten, reduzieren die Ausfallzeiten von teuren Maschinen oder vereinfachen die Planung für Wartung und Serviceintervallen. Algorithmen für Machine Learning erzeugen Modelle, welche die Genauigkeit der Vorhersage, z. B. die Predictive Maintenance, verbessern. Diese Algorithmen bestehen aus Schichten von Berechnungen, bei denen Tausende von Parametern in jeder Schicht berechnet und iterativ an die nächste übergeben werden. Je höher die Dimensionalität der Eingangsparameter (z. B. Sensorsignale) ist, desto höher ist der Rechen- und Speicherbedarf. In der Praxis werden häufig GPU-Farmen in der Cloud verwendet, um diese hohen Anforderungen an Rechenleistung und Speicherverbrauch zu erfüllen. Die Übertragung von großen Datenmengen in die Cloud in Echtzeit ist kostspielig und führt häufig zu Skalierungsproblemen, wenn die Anzahl der verbundenen Systeme eine kritische Grenze überschreitet.

Das sogenannte Edge Computing ist ein Paradigmenwechsel für komplexe Machine Learning Modelle. Es bringt die erforderliche Rechenleistung und Datenspeicherung näher an den Ort des Geschehens, um sowohl die Performance im Hinblick auf Response Time zu verbessern, als auch an Bandbreite zu sparen. Das Edge Computing hat sich im Hinblick auf Konnektivität, Latenz, Energieverbrauch, Skalierbarkeit, Sicherheit und Kosten stark entwickelt und erobert immer mehr Anwendungsbereiche in der Industrie.

POLARIXPARTNER unterstützt seine Kunden bei der digitalen Transformation. Ein Beispiel ist die Implementierung von smarten und kosteneffizienten Predictive Maintenace Strategien und Konzepten, die auf IoT Plattformen basieren. Sprechen Sie mit uns über Ihr nächstes Digitalisierungsprojekt!