Referenzmodell für kleine und mittlere Unternehmen – Internet of Things: die Technologie beherrschen

bei

Internet der Dinge (IoT)
 / 18. April. 2018

Die Internet Business Solutions Group von Cisco schätzt, dass binnen Kurzem 50 Milliarden Geräte im Internet der Dinge vernetzt sein werden – sieben Stück für jeden lebenden Menschen auf der Erde. Für Unternehmen ergeben sich daraus viele Möglichkeiten mit geschäftlicher Relevanz: höhere Effizienz in Produktions- und Serviceprozessen etwa oder neue Geschäftsmodelle, die mit traditioneller Technik erst gar nicht realisierbar wären.

IoT-Technik ermöglicht Szenarien, die sich unter „Industrie 4.0“ subsumieren lassen – Predictive Maintenance zum Beispiel: Infrastruktur ist dabei mit Sensoren ausgestattet, die Betriebszustände in Echtzeit melden. Wartung und Reparatur können darum am nach aktuellem Bedarf geplant werden. Für Betriebssicherheit sorgt keine geplante Reserve, sondern präziser aktuelle Kenntnis, wie lange ein Bauteil noch sicher funktionieren kann. Und Geräte wie Hochdruckreiniger müssen nicht mehr zwangsläufig als Asset verkauft und in komplexen Aftermarket-Prozessen finanziert, gewartet und getauscht werden. Stattdessen liefert der Hersteller dem Nutzer das Gerät mit Sensoren, die Wartungsbedarf und produzierte Wassermenge melden, so dass auf dieser Basis abgerechnet werden kann.

Die besondere Herausforderung: In solchen Prozessen entstehen Daten – mit Risiken in einem bisher unbekannten Ausmaß. Was die Herausforderung nicht kleiner macht: Die sensoriell erfassten Umgebungsdaten müssen so aufbereitet und präsentiert werden, dass Benutzer mit unterschiedlichen Levels von Expertise sie verwenden und mithilfe Cloud-basierter Lösungen mit der Umgebung interagieren können.

Die Frage: Können diese Risiken und Anforderungen mit vernünftigem Aufwand, also auch für kleine und mittelständische Unternehmen realisierbar, beherrscht werden?

Wir sind davon überzeugt. Untersuchungen und Tests in unserem Unternehmen haben ergeben, dass sich die Anforderungen durchaus bewältigen lassen.
Grundsätzlich gilt: Zu billig kann teuer werden. Denn die Komplexität einer IoT-Infrastruktur ist erheblich. Im Folgenden soll sie erklärt werden. – Im Prinzip handelt es sich um ein Netzwerk mit vier Ebenen (Abbildung 1):

Abb. 1: Netzwerk mit vier Ebenen
  1. passive Sensoren zum Erfassen etwa von Belastungs- und Verbrauchs- oder Zustandsdaten wie der Temperatur
  2. aktive Sensorknoten, die über Kabelverbindungen die Sensoren steuern – sie zum Beispiel in bestimmten Intervallen aktivieren und Messdaten abfragen – und die Daten an höhere Ebenen senden
  3. Gateways, mit denen die Sensorknoten üblicherweise über drahtlose Lösung verbunden sind und die die Daten in die Cloud senden. Für diese drahtlosen Verbindungen stehen nicht mehr allein die klassischen Standards wie WLAN und Bluetooth zur Verfügung, sondern zunehmend auch neue Technologien, die speziell für das Internet der Dinge und Maschine-zu-Maschine-Kommunikation entwickelt worden sind. Dazu zählt etwa die Weitverkehrstechnik LoRa WAN (Long Range Wide Area Network)
  4. die Cloud, die alle Daten enthält und einen Cache für die Benutzer bereitstellt, um die neuesten Messdaten abzurufen.

Drei Kanäle kann diese Infrastruktur realisieren beziehungsweise drei Szenarien abbilden:

  • Über den Eingangskanal werden die Daten von den Sensoren zunächst in den Cache eingelesen und dann in einem persistenten (auch bei einem Systemabbruch gesicherten) Speicher abgelegt.
  • Im Reporting-Teil werden die Daten aus dem Cache entnommen.
  • Im Konfigurationskanal werden die Systemeinstellungen aktualisiert.

Im Folgenden soll die Implementierung eines Systems beschrieben werden, das Java-Enterprise-Technologie, etwas das Spring Framework, und MongoDB oder MySQL für die persistente Datenhaltung verwendet. Laufen soll die Implementierung auf kostengünstigen Systemen, etwa Raspberry Pi oder dem auf IoT-Anwendungen spezialisierten Ein-Chip-Modul Intel Edison (dessen Produktion allerdings Ende 2017 eingestellt wurde). Und die Systemleistung soll auf unterschiedlichen Topologien und Konfigurationen gemessen werden.

Als Referenz soll eine Anwendung dienen mit einer Entität (Datensatz), bestehend aus der ID des Sensors, der Zeit, zu der die Messung stattgefunden hat, dem gemessenen Wert und je einem Controller für die erwähnten Kanäle: ein Input Controller zur Erzeugung eines Datensatzes, ein Output Controller für das Reporting und ein Authentication Controller. Letzterer authentisiert den Nutzer und liefert ein entsprechendes Token, das über mehrere Sensorknoten verfügbar ist und auf dem Reporting-Kanal zum gezielten Daten-Retrieval genutzt werden kann. Die Testsoftware enthält ein System, das mehrere Sensoren parallel simulieren kann.

Zur Performance-Messung dienen zwei unterschiedliche Fälle:

  • Überwachung eines Privathauses mit zirka zehn Sensoren
  • Überwachung eines kleinen Unternehmens mit zirka 200 Sensoren

Im ersten Schritt wurden alle Komponenten – das Linux-basierte Betriebssystem Raspbian, Spring Boot und MySQL für die persistente Datenhaltung – auf einem Raspberry Pi mit einer 1,2 GHz CPU und 1 GB Arbeitsspeicher installiert und konfiguriert (Deployment). Bei anschließenden Tests mit fünf, zehn 20 und 50 Threads (Sensor-Prozessläufen) stellte sich heraus, dass 200 Stichproben ausreichen, um verlässliche Informationen über die Prozessorlast zu liefern.

Bei den Tests zeigte sich, dass ein Raspberry Pi den Input von bis zu zehn Sensoren verarbeiten kann. Bei mehr als zehn Sensoren wurde das System langsam bis zur Unbenutzbarkeit. Zudem zeigte sich, dass ein Kleinunternehmen mit 200 Sensoren pro Jahr etwa 5 GB an Daten erzeugt (Tabelle).

Anzahl Sensoren Stichproben-größe Stichproben pro Tag Daten (MB) pro Jahr
1 50 1440 25,06
10 50 1440 250,63
200 50 1440 5012,51

Während der Tests erwies es sich, dass der Großteil der Prozessorlast auf den MySQL-Prozess zurückzuführen ist. Deshalb wurden alle Tests mit 2 RaspberryPi-Modulen erneut durchgeführt: eines für die Spring-Boot-Anwendung und eines ausschließlich für MySQL). Ergebnis: 15 Prozent der Last entfielen auf den Spring-Boot-Prozess unter Java und 85% Prozent auf MySQL.

Für ein Plus an Verfügbarkeit wurde die Spring-Boot-Anwendung auf zwei ähnlichen Raspberry Pi-Modulen installiert. Um die persistente Datenhaltung sicherzustellen, wurde eine MongoDB-Replizierung verwendet, die auf 3 Intel Edison-Modulen lief. – Ein Intel-Edison-Modul verfügt über eine 500 MHz CPU, 1 GB RAM und 4 GB Flash-Speicher, wovon etwa 1 GB vom System verwendet wird. – Vor den zwei Raspberry Pi-Knoten wurde außerdem ein Load Balancer eingefügt.

Die Ergebnisse waren ziemlich beeindruckend – sowohl für die Spring -Boot-Knoten (links im Diagramm) als auch für die MongoDB-Knoten (rechts): Die maximale Auslastung aller Systeme lag unter dem Wert 2. Im MongoDB-Diagramm stellt die blaue Linie die Last auf dem Hauptknoten der replizierten Gruppe dar.

Beim letzten Test wurde die vorige Konfiguration um je einen Reporting Client erweitert, der fünf Nutzer im Wohnhaus- und zehn Nutzer im Unternehmensszenario unterstützt. Hiermit schloss sich der Kreis: Es wurden nicht mehr nur Daten in das System eingespeist, sondern auch wieder entnommen. Zu dem Zweck wurde eine Verteilschicht (Hazelcast) zwischen den Spring-Boot-Anwendungen eingezogen, mithilfe derer das Authentisierungs-Token geteilt werden konnte. Ergebnis: Die Auslastung der Systeme unter diesen Voraussetzungen war trotz der zusätzlichen Reporting-Funktion nicht höher als im vorigen Test.

Wir sind nach diesen Tests davon überzeugt, dass sein hochverfügbares IoT-Set-up auch für kleine und mittlere Unternehmen bezahlbar und deshalb realisierbar ist. Das liegt vor allem daran, dass die Enterprise-Technologien immer einfacher und performanter werden. Es liegt aber auch daran, dass kleine Geräte und Module, wie sie in den beschriebenen Tests verwendet wurden, immer mehr Rechenleistung und Ressourcen zur Verfügung stellen.

Der Autor: Andrei Craciun ist Senior Architect in der Niederlassung Cluj-Napoca der SHE Informationstechnologie AG.

Der Autor: Dr. Carsten Stockmann ist Vorstand der SHE Informationstechnologie AG, Ludwigshafen.

Vorheriger ArtikelErfolgsmodell statt Elektroschrott: 5 Designprinzipien für das Internet of Things
Nächster ArtikelWo die Reise hingeht – So rasant ändert sich die Cloud-Landschaft