Die IIoT-Entwicklung zeichnet sich in zwei Richtungen ab. Der erste Trend ist der Weg, bei dem die Hersteller ihre Datenströme in ein Rechenzentrum lenken und dort bearbeiten und Entscheidungen treffen. Der Zweite ist das Halten und Bearbeiten der Datenströme an der sogenannten Edge des IIoT-Netzwerks. Der letztgenannte Trend des Edge-Computings ist besonders interessant, da die Anzahl der IIoT-Endgeräte nicht nur steigt, sondern diese auch immer intelligenter werden müssen, um dem Trend zu folgen. Warum ist das so? Kurz gesagt: Niedrige Latenzanforderungen, umfangreiche Rechen- und KI-Funktionen bei sehr geringer Leistungsaufnahme und niedrige Kosten am Endpunkt sind dafür ausschlaggebende Faktoren.
Nachdem die Hersteller die ersten Schritte gewagt haben, erkennen sie nun das Potenzial des IIoT. Einige Anwendungen eignen sich gut für eine starke Cloud-Anbindung. Wettervorhersagen, Finanzdienstleistungen und Versicherungsmathematik sind beispielsweise alles Bereiche, in denen enorme Datenmengen gesammelt, verarbeitet und bereitgestellt werden. Das Rechenzentrum ist hier der logische Dreh- und Angelpunkt, um umfangreiche Datenverarbeitungsaufgaben durchzuführen.
Es gibt jedoch andere Anwendungen, für die eine lokale Datenerfassung und -ausführung erforderlich ist. Diese benötigen eine Entscheidungsfindung nahezu in Echtzeit, ohne dass die Workloads in die beziehungsweise aus der Cloud portiert werden müssen. Die virtuelle Sprachassistentin Alexa von Amazon war ein frühes Beispiel für ein Endgerät mit einer sofortigen Feedbackschleife. Ein Blutzuckermessgerät, das eine am Körper getragene Insulinpumpe steuert, ist ein weiteres Beispiel. Hierbei müssen sofort und ohne Zeitverzögerung verfügbare Informationen übermittelt werden.
In diesem Bereich findet eine Menge Innovation statt. Frühe IIoT-Anwendungen nutzten typischerweise kleine MCUs für einfache, sich wiederholende Aufgaben. Das wird sich jedoch sehr bald ändern, da die Entwickler moderne MCUs, MPUs und Neural Processing Units in die Anwendungen implementieren. Diese sind in der Lage, KI-Algorithmen und komplexe Computing-Funktionen auszuführen.
Dennoch können diese Single-Core-Prozessoren nur sequenziell arbeiten, indem sie zunächst die Daten erfassen und dann verarbeiten, bevor sie einen Befehl an den Aktor senden. Im IIoT der Zukunft werden Multi-Core-CPUs, Neural Processing Units mit mehreren Threads und sogar leistungs- und kosteneffiziente FPGAs parallele Operationen für mehrere Sensoren und Aktoren ausführen. Das ist die Art von Intelligenz, die sich zukünftig auf den IIoT-Endpunkt verlagern wird.
Die Datenerfassung am Endpunkt wird voraussichtlich zwischen 2017 und 2025 mit einer durchschnittlichen Wachstumsrate von 85 Prozent steigen. Es ist davon auszugehen, dass sich der Trend, Intelligenz aus der Cloud an die Edge des IIoT zu verlagern, mit der fortschreitenden Entwicklung von Hardware und Software immer weiter durchsetzen wird. Letztendlich ist die Verlagerung von Intelligenz aus der Cloud auf den IIoT-Endpunkt jedoch nur möglich, wenn dies energieeffizient und nachhaltig geschieht. Ziel ist es, die Batterielebensdauer zu verlängern und die Zuverlässigkeit der Produkte zu verbessern.