Edge Computing, 5G sowie Speicher und Rechenleistung in Basisstationen ermöglichen die Umfeldüberwachung in mobilen Arbeitsprozessen. Die Kombination berücksichtigt die Vorteile der Datenvorverarbeitung auf der Maschine, nutzt zusätzliche Datenquellen aus stationärer Infrastruktur und setzt KI zur Erzeugung eines Gesamtbildes in Echtzeit ein. STW hat eine Konzeptstudie erstellt, die die Vorteile solcher verteilter Computing-Architekturen in Zusammenarbeit mit Amazon Web Services (AWS) und Vodafone demonstriert.
Cloud Computing ist längst in der Land- und Bauwirtschaft angekommen. Große Maschinenhersteller nutzen Anbieter wie Amazon Web Services, um Produktionsprozesse zu verbessern und Big Data Processing outzusourcen. Sie bieten den Vorteil, kontinuierlich Gigabyte an Daten aus unzähligen Quellen erfassen zu können und sich flexibel skalieren zu lassen.
STW hat in einem Proof of Concept (PoC) demonstriert, wie das Zusammenspiel leistungsfähiger Rechnerarchitekturen auf mobilen Maschinen und stationären Überwachungskameras mit Hilfe einer 5G-Edge-Computing-Infrastruktur Assistenzfunktionen in einem Baustellenszenario realisiert. AWS Wavelength bettet dabei AWS-Computing- und Speicherservices in Vodafone 5G-Netzwerke ein, die eine Edge-Computing-Infrastruktur für die Entwicklung und Skalierung von Anwendungen bereitstellen. Edge-Computing bedeutet in diesem Fall, dass die entsprechende Rechenleistung und Speicherkapazität nicht in einem beliebigen Rechencenter, sondern lokal in der jeweiligen Basisstation vorhanden ist. Dies ermöglicht extrem geringe Latenzen bei der Übertragung der Daten.
STW nutzte in diesem Szenario Hochleistungsrechner auf den Maschinen, die Video-Daten bereits vorverarbeiten können. Dazu wurden zusätzliche Daten aus der umliegenden Infrastruktur, beispielsweise aus Überwachungskameras von Lichtmasten berücksichtigt. Die Daten aus Maschinen und den Überwachungskameras wurden mittels 5G an die nächste Basisstation gesendet. Dabei kommen zwei Vorteile von 5G zum Tragen: Hohe Datenraten und geringe Latenzzeiten bzw. Echtzeitfähigkeit. In der Edge-Computing-Infrastruktur werden mittels einer KI die Videodaten ausgewertet und die Ergebnisse in Echtzeit an die mobilen Teilnehmer zurück übermittelt. Somit wird mit Hilfe der AWS-Dienste die kamerabasierte Umfeldüberwachung eines Baggers Wirklichkeit.
Dieser PoC belegt, wie die Komplexität der Datenströme im Ökosystem Baustelle beherrschbar werden kann. Die Vielzahl an heterogenen Daten der gemischten Maschinen- und Geräteflotten kombiniert mit den Informationen intelligenter Verkehrsinfrastruktur können mittels Cloud Computing kanalisiert und übergeordnet zur Entscheidungsfindung automatisierter oder autonomer Prozesse genutzt werden.
Für die Landtechnik lassen sich ebenfalls entsprechende Anwendungsfälle ableiten, beispielsweise als Alternative zur räumlich begrenzten Wireless-Infield-Kommunikation. Auch hier müssen heterogene Maschinenflotten vernetzt werden, bis hin zu Feldschwärmen, falls man den Blick in die Zukunft wagen möchte. Mit der im PoC vorgestellten Struktur ließen sich Fahrzeuge und Maschinen nahtlos überregional vernetzen, um beispielsweise die Feldlogistik zu optimieren. Maschinenhersteller können diese Vernetzungsarchitektur zudem als Basis für Machine-Learning-Konzepte nutzen. Mehr zu diesen Ideen und Lösungen erfahren Sie auf unserem Stand auf der Agritechnica vom 12.-18. November in Hannover.
