Die Anwendungen rund um IIoT und Künstliche Intelligenz im Industriebereich sind weiter im Kommen. Zum einen wird in Smart oder Predictive Maintenance investiert, um teure Ausfälle zu vermeiden und Probleme schon im Vorfeld zu erkennen. Zum anderen setzen sich in der Qualitätskontrolle immer häufiger Verfahren durch, die auf Bilderkennung basieren.
Die Erfahrung in Kundenprojekten zeigt jedoch: Für die Unternehmen kommt es auf eine stark skalierbare AI-Infrastruktur an, denn die Use Cases unterscheiden sich deutlich; die Preisunterschiede der einzelnen Chips und Devices sind erheblich. Dort, wo es nicht um Millisekunden geht, reichen oft kleinere integrierte Anwendungen oder Lösungen über die Cloud aus. Das ist beispielsweise bei vielen Big-Data-Analysen der Fall. Bei vielen Automatisierungsaufgaben hingegen sind Echtzeitfähigkeit und Datenpriorisierung am Edge zwingend erforderlich.
TSN erlaubt Echtzeitsteuerung
Mittlerweile gibt es hochleistungsfähige Edge-Hardware auf Basis von High Performance Computing (HPC), die auch direkt vor Ort eine Rechenleistung inklusive AI ermöglicht, die bisher nur über die Cloud möglich war. Aus Sicherheitsgründen, zum Schutz des geistigen Eigentums oder vor Manipulation müssen viele Szenarien direkt in der Fabrik gerechnet werden. Hier stehen sichere Embedded Clients für die Datenübertragung zur Verfügung, die sich auch auf kleinstem Raum integrieren lassen, beispielsweise bei zeitkritischen Prozessen, in Robotern oder Flurförderfahrzeugen. Daneben gibt es jetzt auch ein zunehmend breites Spektrum an Servermodulen. Mit den COM Express- und den COM-HPC-Modulen lassen sich die Clients deterministisch über TSN-Netzwerke verbinden – und AI-Modelle lokal verarbeiten ohne Zugriff auf die Cloud.
Neben den Clients ermöglichen inzwischen COM-HPC Server-Module mit den neuesten Intel Xeon D-2700 Prozessoren eine Server-Class Performance mit 4-20 Cores, 4x DIMM Sockel für maximal 512 GB DDR4 RAM und zweimal Quad LAN-Schnittstellen, die 100 Gb Ethernet unterstützen. Die Servermodule sind schock- und vibrationsfest, langfristig und in Varianten für den erweiterten industriellen Temperaturbereich verfügbar und nicht zuletzt besonders energieeffizient: ein Aspekt, der immer wichtiger wird.
Sowohl Clients als auch Server bringen eine TSN-Integration mit. Damit sind nicht nur eine hohe Verfügbarkeit und Sicherheit, sondern auch eine geringere, deterministische Latenz im Datenaustausch gewährleistet, die für Echtzeitanwendungen wie zum Beispiel in der Maschinensteuerung oder Cyber Physical Systems notwendig ist. In Teilen der Industrie ist derzeit ein Trend zur breiteren 5G-Nutzung in Private Networks deutlich sichtbar, sodass deterministische Datenübertragung zukünftig mit TSN über 5G flexibel ohne Verkabelung erfolgen kann und dadurch zum Beispiel eine dynamische Anpassung und Verschiebung von Fertigungszellen ermöglicht.
TSN zum Nulltarif
Beim TSN-Einsatz zeichnet sich mittlerweile eine deutliche Veränderung ab: Während Ethernet in den meisten Geräten beziehungsweise Edge Computern bereits breit integriert ist und keine Zusatzkosten mehr verursacht, war TSN als Feldbus über Ethernet bisher meist teurer bei den Kosten pro Knoten als bei etablierten Feldbussen. Diese Hürde entfällt bei einigen ARM-Prozessoren und jetzt auch bei den neuen Intel-Generationen, denn TSN ist inzwischen in den meisten Varianten bereits kostenfrei inkludiert.
In der Kommunikation zwischen Maschinen werden je nach Hersteller meist noch Profinet oder EtherCAT als Feldbus bevorzugt, was einen gewissen Vendor Lock-in bedeutet und die Kosten nach oben treibt. In der Kommunikation zwischen den Maschinen auf Kontrollebene und zur IT entwickelt sich jedoch integriertes TSN als optimaler und kostengünstiger Standard für eine herstellerunabhängige Vernetzung. OPC UA als Protokoll hat sich hier ebenfalls bereits bestens bewährt. Zudem schließen nun auch Switches mit TSN die letzten Lücken in durchgängigen Vernetzungs-Konzepten. Speziell diese Baugruppen profitieren nun von der Verfügbarkeit von anwendungsspezifischen, kommerziellen und mit TSN ausgestatteten Switching-Chips, die teurere FPGAs ablösen.
Vereinfachte Verkabelung
Der neue Standard Thunderbolt 4 trägt dazu bei, das Thema Verkabelung in der Industrie zu vereinfachen. Dabei wird dank Tunneling alles über Kabel mit robusten USB-C Steckern übertragen, bei einer High-Speed Datenübertragung von bis zu 40 Gbps. Dies ermöglicht 10 Gbps USB 3.2 oder 32 Gbps PCIe tunneled, DisplayPort mit 2x 4K Monitoren oder 1x 8K tunneled, sowie Power In-/Output (Power Delivery – PD). Thunderbolt 4 wird unter anderem bei einigen COM-HPC Modulen und ausgewiesenen Motherboards unterstützt.
Nachhaltig & industrietauglich
Dort, wo Unternehmen sich auf die Intel-Plattform festgelegt haben, steht jetzt nativer AI Support auf den neuen Plattformen next Gen Intel Atom und 11th Gen Intel Core sowie 12th Gen Intel Core zur Verfügung. Über das Intel-Entwicklungs-Framework OpenVINO lassen sich auf dieser Basis Anwendungen unter anderem rund um Objekterkennung und -klassifizierung oder visuelle Qualitätsinspektion aufsetzen.
Für Prozessoren der 11. Generation (vormals Tiger Lake) sind zum Beispiel beim Hersteller Kontron verschiedene Computer-on-Modules und 3,5-Zoll-SBCs sowie Industrie-PCs für High Performance Computing verfügbar. Diese ermöglichen AI-Funktionalität mit spezifischen Kommandos und integrierten GPUs mit bis zu 96 Execution Units, ohne die eigentlichen Steuerungsfunktionen derweil durch die Nutzung von Künstlicher Intelligenz zu stark zu beeinträchtigen. Unter Intel OpenVINO lassen sich auch andere Intel-Prozessoren oder FPGA Bausteine/Erweiterungskarten für skalierbare AI-Funktionalität einsetzen.
Wurden bisher in der Regel mehrere Devices benötigt, ermöglichen die 11th Gen Intel Core i Prozessoren nun die Integration von Steuerung - inklusive SoftSPS wie Codesys -, Visualisierung, Security, Kommunikation und AI-Funktionalitäten in ein System. Damit wird es sowohl kostengünstiger, als auch platzsparender und reduziert auch den Energieverbrauch. Die neuen Intel Core Mobil-Prozessoren der 12. Generation (vormals Alder Lake P) sind auch AI- und TSN-ready und eignen sich perfekt für anspruchsvolles High Performance Computing in Ressourcen-intensiven Bereichen wie Networking, Automation und Messtechnik.
Die auf dieser Technologie basierenden COM-HPC Client und COM Express compact Type 6 Module bieten einen deutlichen Leistungszuwachs im Vergleich zur Vorgängergeneration und sind mit 14 Cores und bis zu 20 Threads ausgestattet. Die neuesten µATX Motherboards unterstützen die gesockelten 12th Gen Intel Core i Series Prozessoren (LGA1700 mit 125W TDP) und Intel Pentium/Celeron mit DDR5 Memory Technologie, PCIe Gen5 und die neueste Intel LAN Generation mit 2.5 Gbit Ethernet. Bei den Intel Hybrid CPUs können beide Cores wie der Intel Atom and Intel Core i zusammen genutzt werden, um die Performance weiter zu steigern. Verschiedene Chipsätze ermöglichen unterschiedliche Anwendungen, so sorgt der Intel Q670E Chipsatz für erhöhte Zuverlässigkeit und ist speziell entwickelt für Medizin, Banking, Automatisierung, Labordiagnostik und Videoüberwachung.
Die aktuellen mITX Motherboards auf Basis der erfolgreichen „Zen“-Mikroarchitektur der AMD Ryzen R2000-Serie eignen sich für vielseitige Grafikanwendungen. Durch die AMD Radeon Vega Graphics ermöglichen sie High-Performance Embedded-Grafik-Applikationen für professionelle Casino Gaming-Systeme, medizinische Displays, Thin Clients und Industrie-PCs sowie für Kiosk-, Infotainment- oder Digital-Signage-Systeme.
KI auf alternativen Plattformen
Für Unternehmen, die nicht auf eine Prozessor-Plattform festgelegt sind und AI-Funktionalität einsetzen, oder bestehende Steuerungen für AI-Anwendungen nachrüsten wollen, ohne dass die Performance der Anlage darunter leidet, bietet sich der ‚Best-in-Class‘ Hailo-8 AI-Chip als Alternative an. Das gilt insbesondere für das Nachrüsten von Systemen, die eine kleine und mittlere CPU-Rechenleistung mit hoher AI-Performance zu vertretbaren Kosten benötigen – wie beispielsweise kompakte Steuerungen und Anwendungen für die Industrie.
Das Unternehmen Kontron hat sich bewusst für den israelischen AI-Chip-Hersteller Hailo als Technologiepartner entschieden: Die Hailo-Chips heben sich durch komplett internes Memory und sehr flexible Adaptionsmöglichkeiten auf die Netzstruktur ab, dadurch sind sie wesentlich schneller als übliche Lösungen, oft mit externem Memory. Zudem funktionieren sie in einem Temperaturbereich von -40 bis 85 °C; dies ist entscheidend für den industriellen Einsatz.
Sie weisen im Vergleich eine sehr geringe Verlustleistung von 2,5 bis 5 Watt auf. Sie sind zudem passiv, lüfterlos, wartungsfrei und kompakt und eignen sich deshalb auch im Outdoor-Bereich, zum Beispiel in Verkehrsfluss-Steuerungen. Der Einsatz ist auf Single Board Computern und Systemen möglich, die über einen Stecker für M.2-Einsteckmodule verfügen. So können sowohl x86 als auch ARM-Module einfach und problemlos nachgerüstet werden.
AI-Hardware und Know-how
Der Skalierbarkeit sind damit kaum Grenzen gesetzt: Der Hailo-Chip kann kaskadiert und auch auf kundenspezifischen Entwicklungen von Carrier Boards, SBCs/Motherboards oder Systemen eingelötet und integriert werden. Selbst auf Intel-Plattformen der höchsten Leistungsklasse mit integrierter AI-Funktionalität lässt sich noch mehr AI-Performance aufsetzen, indem zum Beispiel bei der KBox der A-Serie ein M.2 Modul mit dem Hailo-Chip und bei der KBox der C-Serie über ein PCIe und ein M.2 Modul bis zu drei Hailo-Chips im System integriert werden können.
Viele Maschinen- und Gerätebauer wollen heute digitale Services und AI-Funktionalität anbieten, ohne dass sie über eigene AI-Infrastruktur oder Wissen verfügen müssen. Beim Thema Künstliche Intelligenz stellt der Fachkräftemangel im Bereich Data Science ein echtes Bottleneck dar. Das Unternehmen unterstützt hier sowohl bei der Beratung als auch beim Trainieren von AI-Modellen und der Entwicklung und Installation von kundenspezifischen AI-Lösungen über das susietec-Framework mit entsprechender Expertise.
5G für kritische Anwendungen
Im Einsatz ist die neue Mobilfunkgeneration bereits zunehmend im Umfeld der kritischen Infrastruktur. Typische Einsatzbereiche sind hier der Bergbau, Öl, Gas, aber auch Bahn, Flughäfen und zum Beispiel Hafeninfrastrukturen und Containerbahnhöfe mit vielen autonomen Systemen zu nennen. Aber auch bei Augmented-Reality-Anwendungen in der Wartung und in der Industrieautomatisierung für die Steuerungen von autonomen Transportsystemen, Fahrzeugen oder Drohnen ist 5G optimal und flexibel nutzbar. Bei diesen Anwendungen kommt es besonders auf Ausfallsicherheit und deterministische, niedrige Latenzen an.
Künftig werden immer mehr Unternehmen eigene 5G-Campusnetze und Private Networks aufbauen. Hier wird es auf das entsprechende Know-how und Beratung rund um 5G ankommen, um die jeweiligen Anforderungen umzusetzen.
.jpg "Benchmark evaluiert Large Language Models automatisch")
