Warum MQTT im IIoT so erfolgreich ist und was man vor dem Einsatz des Übertragungsprotokolls wissen sollte, erläutert der folgende Beitrag.

Markforscher rechnen mit einem Anstieg des weltweiten Datenvolumens auf 175 Zettabyte im Jahr 2025. Über die Hälfte soll dann von vernetzten Applikationen im IoT und der Industrie 4.0 ausgehen. Zusammen mit Edge- und Fog-Technologien sorgen Computer-on-Module (COM), Single-Board-Computer (SBC) und entsprechende Software dafür, die Rechenleistung effizient, schnell und flexibel zur Verfügung zu stellen.

Sei es der Kühlschrank, der meldet, wenn die Milch alle ist, oder der Thermostat, der Nutzungsstatistiken aufs Smartphone sendet: Verschiedenste Produkte, die traditionell nicht über eine Netzwerkverbindung verfügten, werden mittlerweile damit ausgestattet.

Designs für smarte IoT-Geräte zu erstellen ist bei weitem keine leichte Aufgabe. Anwender stellen viele Anforderungen an die intelligenten Helfer. So müssen nahezu unsichtbar IoT-Devices immer aktuelle Updates ausführen können, sollten dabei gleichzeitig modern aussehen und natürlich sollte auch die Rechenleistung stimmen, um komplexe Aufgaben schnell erledigen zu können. Hinzu kommen dann noch Sparsamkeit beim Stromverbrauch und vor allem müssen die Daten der Anwender bestens geschützt sein. Einen Ausblick darauf, wie smarte Geräte diesen Anforderungen gerecht werden können, zeigt dieser Beitrag.

Embedded-Systeme per Supervised Machine Learning für eine bestimmte Aufgabenstellung zu trainieren anstatt den gewünschten Zusammenhang zwischen den jeweiligen Eingangs- und Ausgangsdaten anhand wissensbasierter Regeln in einer Hochsprache zu codieren, ist für viele Anwendungen inzwischen die deutlich effektivere Alternative.

Vision-App-basierte Industriekameras der künftigen IDS NXT Familien Rio und Rome sind bereits KI-Ready. Eine von IDS entwickelte KI-Vision-App macht sie zur energieeffizienten, aber dennoch leistungsstarken Inferenzkamera mit integriertem KI-Beschleuniger. Mit vorhandenen neuronalen Netzen können damit vielfältige, KI-basierte Bildverarbeitungsaufgaben in kurzer Zeit realisiert werden.

Fix und fertig: Fest an Maschinen installierte Panel-PCs waren jahrzehntelang der Standard für Maschinensteuerung und -wartung als HMI. Zunehmend experimentieren Unternehmen nun erfolgreich mit einem neuen Konzept.

Erweiterungen des Matlab-Workflows helfen Ingenieuren, Systeme zu entwerfen, zu simulieren und zu analysieren, die Daten von mehreren Sensoren zusammenführen.