Die Idee hinter der OWL-Plattform: Mit Hilfe der in der IT-Welt als De-facto-Standard etablierten Docker-Container-Technologie sollen sich Software-Anwendungen als ‚APPs‘ Anbieter-unabhängig auf verschiedensten Edge-Baugruppen – etwa Steuerungen oder Gateways – betreiben lassen. Damit wäre zukünftig der Hardware- und Software-Lieferant nicht mehr automatisch ein und derselbe. Das wiederum könnte in der industriellen Digitalisierung neue Geschäftsmodelle ermöglichen, allerdings auch einige noch zu lösende Probleme aufwerfen.

Der Industrial APP  Marketplace ist als verbindendes Element zwischen Maschinenbetreibern, Schaltschrankbauern und Entwicklern von industrietauglicher Software gedacht. Er orientiert sich funktional an App-Stores, wie wir sie für Smartphones kennen und nutzen. Es sollen aus Sicht der OWL-Maschinenbau-Initiative allerdings die speziellen Anforderungen und Bedingungen von Industrie-4.0-Anwendungen berücksichtigt werden.

Informationen statt Messwerte

Mit Hilfe der Docker-Technologie sind innovative MSR-Sensorlösungen möglich, die aus zwei aufeinander abgestimmten Bausteinen bestehen. Die sechs Funktionseinheiten eines intelligenten Sensorsystems sind dabei auf das eigentliche Sensorelement und den Docker verteilt. Anwendungsspezifische Softwarebausteine, wie Sensorfusionen, Sensordatenvorverarbeitung oder eine Datenauswertung per Machine Learning, sind innerhalb des Dockers realisiert. Updates und Weiterentwicklungen stehen als DevOps zur Verfügung.

© SSV Software Systems

Docker-App-Stores für die Automatisierungstechnik, wie der Industrial APP Marketplace, schaffen für Anbieter und Anwender viele neue Möglichkeiten. Ein Beispiel aus der Sensorik: Bisher existiert in diesem Bereich ein sehr großes Produktangebot an hochentwickelten Industriesensoren, die aber lediglich relativ einfache Messwerte am Ausgang liefern. Dafür ist im Sensor selbst zwar eine sehr komplexe Technik notwendig, der Ausgangsmesswert ist für den Anwender jedoch nur ein einzelner Problemlösungsbaustein. Er benötigt darüber hinaus Softwarebausteine plus eine passende Laufzeitumgebung zur Messdatenverarbeitung, um die jeweilige Aufgabenstellung zu lösen. Die relevanten Softwarekomponenten müssen in der Regel individuell entwickelt werden. Dafür lassen sich sowohl Steuerungsbaugruppen mit IEC-61131-Programmierung als auch PCs plus Messdatensoftware (Matlab & Co.) einsetzen. Dadurch entstehen allerdings teilweise ein unerwünschter Vendor-Lock-in plus relativ hohe Zusatzkosten. Diese Situation lässt sich inzwischen über Docker-Container verbessern.

Mit Hilfe der Docker-Technologie und unabhängigen Marktplätzen sind standardisierte MSR-Sensorlösungen möglich, die aus den zwei Bausteinen ‚Sensor plus Docker-App‘ bestehen. Unabhängige Experten und Software-Anbieter könnten sich auf bestimmte Problemlösungen konzentrieren, die eingangsseitig zu verschiedenen Sensordatenbildern passen (etwa die Vibrations- oder Stromsensorik) und als Docker auf völlig unterschiedlichen Edge-Baugruppen verschiedener Hersteller einsatzfähig sind. Im Zusammenspiel mit KI-Funktionen, wie dem Machine Learning (ML), kann eine Docker-basierte App dann ausgangsseitig hochwertige Informationen zur Verfügung stellen, aus denen sich beispielsweise bei einer Predictive-Maintenance-Anwendung direkt der nächste Wartungstermin ableiten lässt.

Nur ein Docker reicht nicht

Qualitativ hochwertige Sensordaten plus maschinelles Lernen ermöglichen völlig neue Einblicke in die Zusammenhänge des Maschinen- und Anlagenbetriebs. Die dafür erforderliche Sensorik gibt es von unzähligen Anbietern. Die notwendigen ML-Algorithmen in Form von künstlichen neuronalen Netzwerken (Deep Learning) sind auch seit fast einem Jahrzehnt Stand der Technik – allerdings überwiegend in der IT- und weniger in der Automatisierungs- beziehungsweise MSR-Welt. Durch das Internet der Dinge entstanden vor einigen Jahren sogenannte Cloud-zentrierte Hub-and-Spoke-Systeme, also beispielsweise Sensor-to-Cloud-Lösungen mit zentraler Sensordatenverarbeitung. Über die beständig zunehmende Leistungsfähigkeit der Smartphone-Hardware und -Software lassen sich Deep-Learning-Anwendungen inzwischen auch mobil ohne Cloudverbindung nutzen. Über entsprechende Apps kann ein Smartphone eine ML-Inferenz – eine Schlussfolgerung einer Datenanalyse mit Hilfe eines Regelwerks – lokal ausführen, beispielsweise um Objekte in den Bilddaten des Kamerasensor zu erkennen. Eine solche Sensor-plus-App-Kombination ist durch Docker-App-Stores zukünftig auch in der Automatisierungstechnik möglich.

Allerdings verdeutlichen solche Anwendungen auch, dass nur ein Docker für den Edge-Einsatz nicht ausreichen wird. Da Deep Learning dem Supervised Machine Learning zuzuordnen ist, ist auch eine Machine-Learning-Pipeline für die Modellerzeugung vonnöten, um ein geeignetes ML-Modell für den Inferenzbetrieb zu erzeugen. Diese Funktionsbausteine lassen sich zwar ebenfalls als Docker realisieren, sind dann aber für den Einsatz in der Cloud beziehungsweise On-Premises auf IT-Systemen mit entsprechender Leistungsfähigkeit vorzusehen.

Die Sicherheitsaspekte

Docker, die aus öffentlichen App-Stores im Internet geladen und auf Edge-Gateways installiert werden, schaffen allerdings auch neue IT-Sicherheitsprobleme, für die möglichst vor der App-Store-Markteinführung Lösungen zur Verfügung stehen sollten. 

Da der Faktor Mensch bei allen Security-Problemen in der Operational Technology eine sehr große Rolle spielt, sollte sich der App-Store-Betreiber darum kümmern, dass nur Angebote in den Store kommen, die eine dem Stand der Technik entsprechende IT-Sicherheit aufweisen. OT-Fachleute sind in erster Linie dafür verantwortlich, Maschinen am Laufen zu halten. Sie müssen die erforderliche Verfügbarkeit und Zuverlässigkeit garantieren. Das ist eine komplexe Aufgabe. Ein ausgeprägtes IT-Sicherheitsbewusstsein ist dafür nicht erforderlich. Aus diesem Grund müssen industrielle App-Stores von Haus aus entsprechende Sicherheitsrichtlinien zur Verfügung stellen und deren Einhaltung von den jeweiligen Anbietern einfordern.

Der Testbetrieb läuft

Klaus-Dieter Walter ist Mitglied der Geschäftsführung bei SSV Software Systems.

© SSV Software Systems

Die webbasierte Online-Plattform des Industrial APP Marketplace läuft seit einigen Monaten im Testbetrieb. Verschiedene Unternehmen und Organisationen aus dem Umfeld der OWL-Maschinenbau-Initiative haben erste Docker-Apps entwickelt und testen den Einsatz auf unterschiedlicher Edge-Hardware. Auch der Docker-Verbundbetrieb, also das Zusammenspiel mehrerer Docker von unterschiedlichen Anbietern in einer einzigen Anwendung, wird zurzeit erprobt (ein Beispiel der Unternehmen Knowtion, PerFact, Phoenix Contact und SSV Software Systems aus dem Bereich des Condition Monitoring lesen Sie in Computer&AUTOMATION 2021, Heft 5, Seite 16f.). In Bezug auf den möglichst einfachen Einsatz für KI- beziehungsweise ML-Anwendungen sowie hinsichtlich der IT-Security ist jedoch noch etwas Entwicklungsarbeit erforderlich. Einfache Bedienbarkeit, echte Anbieterunabhängigkeit und eine dem Stand der Technik entsprechende Cybersecurity sind anspruchsvolle Ziele. Ein möglichst schneller Markteintritt ist heute allerdings ebenfalls sehr wichtig. Hoffentlich finden die Verantwortlichen hinter dem Industrial APP Marketplace hier die richtige Balance.