Fog-Computing – dezentraler Ansatz für IoT-Clouds

IoT, das Internet of Things, verändert IT-Landschaften weltweit. Mehr noch als die Vernetzung von Alltagsgegenständen stellt die sogenannte Smart Factory herkömmliche Cloud-Architekturen vor neue Herausforderungen. Im Rahmen der Industrie 4.0 wird IoT für Industrieanlagen zur Schlüsseltechnologie. Die „intelligente Fabrik“ ist Teil der Hightech-Strategie der deutschen Bundesregierung. Die Vision: Fertigungsanlagen und Logistiksysteme, die ohne menschliches Zutun kommunizieren und Arbeitsabläufe selbstständig organisieren.

Eine entsprechende Infrastruktur steht allerdings bisher nur in urbanen Ballungsräumen zur Verfügung. Firmen an ländlichen Standorten fehlt der Zugang zu leistungsstarken Netzen. Wie es um den Ausbau drahtloser Netze in Deutschland steht, zeigt der Breitbandatlas des Bundesministeriums für Verkehr und digitale Infrastruktur (BMVI). Das Problem: Denkt man das Konzept Smart Factory konsequent zu Ende, könnte eine vollständig vernetzte Industrieanlage tagtäglich mehrere hundert Gigabyte an Daten generieren. Datenmengen, die sich mit etablierten Technologien derzeit weder drahtlos in die Cloud laden noch zentral verarbeiten lassen.

Im Rahmen des Fog-Computings werden Lösungsansätze für solche Probleme bei der Umsetzung von IoT entwickelt.

Als „Fog-Computing“ bezeichnet man eine Cloud-Technologie, bei der durch Endgeräte generierte Daten nicht direkt in die Cloud geladen, sondern zunächst in dezentralen Minirechenzentren vorverarbeitet werden. Das Konzept umfasst eine Netzwerkstruktur, die sich von den äußeren Rändern des Netzwerks, wo Daten von IoT-Geräten erzeugt werden, bis hin zum zentralen Datenendpunkt in der Public Cloud oder in einem privaten Rechenzentrum (Private Cloud) erstreckt.

Eine Referenzarchitektur für Fog-Systeme wird im Rahmen des OpenFog Consortiums entwickelt.

Von Cloud-Computing grenzt sich Fog-Computing vor allem dadurch ab, an welchem Ort Ressourcen bereitgestellt und Daten verarbeitet werden. Cloud-Computing findet in der Regel in zentralisierten Rechenzentren statt. Ressourcen wie Rechenleistung und Speicher werden von Backend-Servern gebündelt zur Verfügung gestellt und von Clients über das Netzwerk in Anspruch genommen. Dabei verläuft die Kommunikation zwischen zwei oder mehr Endgeräten stets über einen Server im Hintergrund.

An ihre Grenzen kommt eine solche Architektur bei Konzepten wie der „intelligenten Fabrik“, bei der Daten kontinuierlich zwischen unzähligen Endgeräten ausgetauscht werden müssen. Fog-Computing setzt hier auf eine Zwischenverarbeitung nah an der Datenquelle, um den Datendurchsatz zum Rechenzentrum zu reduzieren.

Nicht nur der Datendurchsatz bei groß angelegten IoT-Architekturen bringt das Cloud-Computing an seine Grenzen. Ein weiteres Problem ist die Latenz. Die zentralisierte Datenverarbeitung ist in jedem Fall durch die langen Übertragungswege mit einer Zeitverzögerung verbunden. Endgeräte und Sensoren müssen stets den Server im Rechenzentrum ansprechen, um miteinander zu kommunizieren, und sowohl die externe Verarbeitung der Anfrage als auch die Antwort abwarten. Zum Problem werden Latenzzeiten dieser Art beispielsweise bei IoT-gestützten Fertigungsprozessen, bei denen eine Informationsverarbeitung in Echtzeit sichergestellt werden muss, damit Maschinen unmittelbar auf Vorfälle reagieren können.

Einen Lösungsansatz für das Latenzproblem bietet Edge-Computing, ein Konzept im Rahmen des Fog-Computings, bei dem die Datenverarbeitung nicht nur dezentralisiert wird, sondern direkt im Endgerät und damit am Rand („Edge“) des Netzwerks erfolgt. Dabei wird jedes „intelligente Gerät“ mit einem eigenen Micro-Controller ausgestattet, der eine grundlegende Datenverarbeitung sowie die Kommunikation mit anderen Geräten und Sensoren im IoT ermöglicht.

Das IoT von heute ist mit dem von morgen nicht zu vergleichen. Bereits 2020 soll das Internet der Dinge einer Cisco-Studie zufolge weltweit rund 50 Milliarden Geräte umfassen. Entsprechend hoch wird das Datenaufkommen sein, das gespeichert, analysiert und für eine Weiterverarbeitung aufbereitet werden muss.

Die intelligente Fabrik ist bei weitem nicht der einzige Anwendungsbereich, in dem Fog-Computing entlastend zum Einsatz kommen kann. Auch andere Zukunftsprojekte wie Connected Cars – halbautonome oder selbstfahrende Autos – oder die vernetzte Stadt mit intelligenten Versorgungsnetzen erfordern eine Datenanalyse in Echtzeit. Die lässt sich mit klassischem Cloud-Computing nicht umsetzen. Ein intelligentes Fahrzeug erfasst beispielsweise Daten zur Umgebung, zu Fahrbedingungen und der Verkehrslage, die ohne Latenz ausgewertet werden müssen, damit Reaktionen auf unvorhersehbare Vorfälle auch rechtzeitig erfolgen können. Fog-Computing ermöglicht in einem solchen Szenario die Verarbeitung von Fahrzeugdaten sowohl im Fahrzeug als auch beim Anbieter des Service.

Fog-Computing bietet Lösungsansätze für diverse Probleme cloudbasierter IT-Infrastrukturen. Im Vordergrund stehen Ansätze, die kurze Kommunikationswege versprechen und den Upload in die Cloud auf ein Minimum beschränken. Die dezentrale Verarbeitung am Rand des Netzwerks birgt jedoch auch Nachteile. Diese ergeben sich vor allem aus dem Aufwand für die Wartung und Administration eines verteilten Systems.

Tabelle: Vor- und Nachteile einer Fog-Computing-Architektur

Spätestens 2020 soll der neue Mobilfunkstandard 5G mit Download-Geschwindigkeiten von bis zu 10 Gbit/s europaweit flächendeckend ausgerollt werden. Experten rechnen mit einem exorbitanten Datenwachstum – speziell im professionellen Bereich. Mit 5G erhöhen sich Bandbreite und Geschwindigkeit mobiler Datenübertragung enorm und eröffnen völlig neue Anwendungsmöglichkeiten in der Industrie und im Dienstleistungssektor. 5G verspricht Nutzern eine Latenz im Sub-Millisekunden-Bereich. Mit den aktuellen Cloud-Technologien lassen sich die Vorzüge des neuen Mobilfunkstandard jedoch nicht effektiv ausnutzen. Ein Grund dafür ist die Anzahl der Hops (Sprünge), die ein Datenpaket von der Quelle bis zum Ziel in der Cloud benötigt. Damit ist der direkte Daten-Upload in die Cloud für Anwendungsbereiche ungeeignet, die eine Datenverarbeitung in Echtzeit benötigen.

Hier biete sich Fog-Computing als Ansatz an, 5G für die Industrie nutzbar zu machen. Ein verteiltes Fog-System stellt Rechenleistung und Speicherkapazität am Rand des Netzwerks zur Verfügung. Damit lassen sich von Geschäftsanwendungen generierte Daten lokal auswerten, selektieren und für die Cloud aggregieren. Das stellt sicher, dass wichtige Ergebnisse – beispielsweise der Befehl zur Notausschaltung einer Fertigungsanlage – in Echtzeit zurückgegeben werden. In die Cloud hingegeben gelangen nur die Daten, die nicht oder nur schwer lokal ausgewertet werden können oder eine detailliertere Analyse erfordern. Beispielsweise unerwartete Messwerte, die auf eine anstehende Wartung der jeweiligen Maschine hinweisen.