Suchen

IIoT –Industrial Internet of Things Das IIoT und seine speziellen Anforderungen an die Datenbank

Autor / Redakteur: Christian Lutz* / Dipl. -Ing. Ines Stotz

Massive Datenmengen, unzählige verschiedene Datenformate, höchste Performance-Erwartungen bei Speicherung und Analyse sowie flexible Skalierbarkeit – das sind die Gegebenheiten, mit den eine Datenbank im IIoT-Umfeld umgehen können muss. Welche Datenbank-Technologie eignet sich dafür?

Firmen zum Thema

Verpackungshersteller Alpla nutzt ein industriefähiges Zeitreihenmanagement von Crate.io.
Verpackungshersteller Alpla nutzt ein industriefähiges Zeitreihenmanagement von Crate.io.
(Bild: Crate.io.)

„In Echtzeit“ – ist eine viel strapazierte Phrase. Im Internet der Dinge (IoT) erlangt sie besondere Bedeutung, erst recht im industriellen Umfeld (IIoT). Denn hinter der Technologie steckt die datengetriebene und auf Analysen basierende Steuerung von Maschinen, Prozessen und ganzen Produktionsabläufen. Das heißt in der Praxis: Eine sehr große Menge an Daten muss erfasst, gespeichert und mit anderen Daten ins richtige Verhältnis gesetzt werden – in extrem kurzer Zeit und ohne Verzögerungen.

Verschiedene Datenformate

Stand-alone-Maschinen, deren Steuerungen anhand von Daten optimiert werden, gehören in vielen Industriebetrieben selbstverständlich zum Alltag. IIoT-Initiativen gehen deutlich weiter: Dezentrale Fertigungsstandorte mit oft mehreren hundert Maschinen, Automaten oder Fertigungsstrecken, samt den zugehörigen Energienetzen und Fahrzeugflotten erzeugen kontinuierlich massive Datenmengen.

Millionen von Sensordaten müssen in Echtzeit erfasst, übertragen und analysiert werden. Dabei entstehen zunächst vor allem Zeitreihendaten. Das sind unzählige Einzelwerte, die zumeist in Zeitintervallen betrachtet und auf Maximal- oder Minimalwertabweichungen hin untersucht werden müssen.

Dazu kommen weitere Datenformate, die integriert werden sollen, etwa aus anderen Anwendungen: Dazu zählen Daten aus dem ERP-System, unstrukturierte Daten aller Art wie beispielsweise Audio- und Bild-Dateien, Binary Large Objects (BLOB), Geo-Datentypen und relationale Daten wie JSON-docs (JavaScript Object Notation).

Die passende Datenbank-Technologie

Die Wahl der Datenbank-Technologie hat entscheidenden Einfluss auf den Erfolg des IIoT-Projektes. Leider zeigt die Praxis, dass es eher selten möglich ist, die IIoT-Funktionalitäten auf die bestehende Datenbank-Infrastruktur aufzusetzen. Die weit verbreiteten Standard-SQL-Datenbanken, wie zum Beispiel Microsoft SQL Server oder Oracle DB, stoßen bei diesen immensen Datenmengen an ihre Grenzen. Die relationale Arbeitsweise kostet zu viel Zeit, verursacht Overhead und ist nur begrenzt skalierbar. Schon wenige Minuten Verzögerung sind in datenbasiert gesteuerten Umgebungen kaum akzeptabel.

Können so genannte Time-Series-Datenbanken oder die sehr performant arbeitenden NoSQL-Datenbanken als Alternativen herhalten? Beide Technologien haben ihre Vorteile: Zeitreihendatenbanken wie Azure Time Series Insights erfassen Daten extrem schnell und stellen zugleich Tools zur Verfügung, mit denen sich diese im Zeitverlauf grafisch darstellen lassen. Für IIoT-Umgebungen greift dies jedoch zu kurz. Um Veränderungen im Zeitverlauf interpretieren zu können, sind komplexere Analysen, Datenmodelländerungen, gleichzeitiges Speichern von und Zugreifen auf Daten sowie die Einbindung von Daten anderer Anwendungen notwendig.

NoSQL-Datenbanken (Not-only-SQL) sind bekannt dafür, Transaktionen besonders performant abarbeiten zu können, weil sie auf Relationen und vordefinierte Schemata verzichten. Im IIoT-Umfeld sind typische Relationen wie Joins, Aggregationen und individuell definierte, analytische Funktionen jedoch essentiell – schließlich ist es das Ziel, Datenmengen miteinander ins Verhältnis zu setzen.

Verteilt arbeitende SQL-Datenbanken wie beispielsweise Crate DB, die den Shared-Nothing-Ansatz unterstützen, kombinieren relationale Arbeitsweise mit paralleler und damit performanter Verarbeitung. Alle Anfragen werden auf mehrere Knoten verteilt, wobei jeder auf seine eigenen Ressourcen – Betriebssystem, Prozessorleistung und Arbeitsspeicher – zurückgreift. Dadurch lässt sich das System zugleich einfach skalieren: Wird mehr Rechenleistung benötigt, werden Knoten hinzugeschaltet. Auch komplexe Relationen können so performant bearbeitet werden, auch wenn zeitgleich Millionen von Datensätzen ins System geschrieben und eine größere Anzahl von Nutzer Anfragen stellt. Die vollständig transparenten und offenen ANSI-SQL-Schnittstellen garantieren eine weitgehende Integration mit dem inzwischen umfangreichen Ecosystem an IIoT-Anwendungen. Gleichzeitig können IT-Experten so das vorhandene SQL-Know-how weiter nutzen und nicht extra eine proprietäre NoSQL-Sprache lernen.

Skalierbarkeit dank Cloud

Gerade weil mit einem IIoT-Projekt der Bedarf an Infrastruktur rasant wächst, kann Cloud Computing eine Alternative zum Kauf sein. Cloud-Ressourcen lassen sich nach Bedarf konfigurieren und werden zumeist nutzungsabhängig abgerechnet. Mit dem Azure IoT Hub bietet Microsoft einen Cloud-Dienst, der praktisch als Schnittstelle zwischen die Geräte und die Anwendungen geschaltet werden kann. Als Nachrichtenhub steuert der Dienst die bidirektionale Kommunikation. Dabei können sowohl die benötigten Anwendungen als Software-as-a-Service als auch die Datenbank als Cloud-Service gebucht werden.

Crate DB beispielsweise ist als Database-as-a-Service voll in die Cloud integriert. Das ermöglicht unter anderem die dezentrale Erfassung der massiven Datenmengen sowie die flexible Dimensionierung der benötigten Ressourcen. Die grundsätzliche Verwaltung der Anwendungen und der Datenbank obliegen dabei praktischerweise dem Dienstleister: das Einspielen von Updates etwa oder die Einhaltung von gesetzlich vorgegebenen Sicherheitsstandards.

Die hohen Anforderungen hinsichtlich Datenmenge, Performance, Skalierbarkeit und Analysefunktionen bei IIoT-Projekten sind immens. Die Datenbank und deren Leistungsvermögen spielen dabei eine zentrale Rolle – welche Technologie am besten passt und ob vorhandene Infrastrukturen genutzt werden können, sollte deshalb im Vorfeld kritisch hinterfragt werden. Die Umsetzung von IIoT-Projekten ist insgesamt aufwändig und geschäftskritisch genug, die Datenbank sollte dabei kein limitierender, sondern ein wegbereitender und zukunftsfähiger Faktor sein.

* Christian Lutz, CEO, Crate.io

(ID:46847715)