Services aus der Cloud liegen voll im Trend. So transferieren nicht wenige Unternehmen umfassende Business-Prozesse, Software-Tools und sogar komplette Anwendungslandschaften wie etwa ERP-Systeme in die Cloud. Auch Bildverarbeitungsmodule aus der Produktionsanlage werden mittlerweile durchgängig mit Cloud-Systemen verbunden. Dadurch kann beispielsweise über das Logistik-ERP-Modul direkt Material nachbestellt werden. Zudem lassen sich die Ergebnisse aus der Qualitätssicherung in der Cloud sammeln und transparent auswerten. Aufgrund der starken Nachfrage haben namhafte Cloud-Dienstleister bereits reagiert und stellen entsprechende Angebote speziell für die Automatisierungsindustrie zur Verfügung. Microsoft Azure und Amazon Web Services (AWS) etwa unterstützen den Standard Open Platform Communications Unified Architecture (OPC UA), mit dem sich ein durchgängiger Datentransfer zwischen verschiedenen Systemplattformen realisieren lässt.

Flexibel lassen sich die benötigten Ressourcen skalieren und bei Bedarf jederzeit weitere Speicherkapazitäten oder eine größere Rechenleistung hinzubuchen. Zudem ist das Cloud-Bezugsmodell kosteneffizient, da lediglich tatsächlich genutzte Services bezahlt werden müssen. Dazu kommt der Sicherheitsaspekt: Cloud-Dienstleister betreiben in der Regel Cluster aus mehreren gespiegelten Rechenzentren, sodass sie hochverfügbare und ausfallsichere Systeme gewährleisten können. Und nicht zuletzt lassen sich durch den Cloud-Einsatz die Entwicklungsprozesse und die Verteilung von Software erheblich vereinfachen.

Zurückhaltung bei der Cloud-Nutzung

Aufgrund der vielen Vorteile liegt es nahe, auch Lösungen für die industrielle Bildverarbeitung (Machine Vision) in der Cloud anzubieten. Manche Anwender aus der Industrie sind jedoch bei der Nutzung entsprechender Services noch zurückhaltend, da sie um die Sicherheit ihrer Daten fürchten. So steckt in den Bildinformationen von Machine-Vision-Anwendungen oftmals viel internes Know-how, das es zu schützen gilt. Viele Nutzer haben daher Vorbehalte. Sie scheuen sich, die Bilddaten auf externe Server auszulagern, da sie die Hoheit über ihre Systeme nicht verlieren und den Überblick über die Datenzugriffe behalten möchten.

Diese Bedenken lassen sich zerstreuen, wenn das optimal passende Cloud-Nutzungsmodell gewählt wird: So müssen Anwender nicht zwingend die Public Cloud, also Server-Ressourcen der bekannten Anbieter wie Microsoft, Amazon oder Google, nutzen. Die zahlreichen Vorteile lassen sich auch mit einer Private Cloud realisieren. Dabei können die Daten beispielsweise in einem nach außen abgeschirmten Rechenzentrum im eigenen Fabrikgebäude oder auch in einem lokalen Partnerunternehmen liegen. Auch hier lässt sich beispielsweise Software deutlich einfacher verteilen als in klassischen On-Premise-Infrastrukturen. Und auch eine Private Cloud hilft, die Ausfallsicherheit und Skalierbarkeit von Systemen zentral innerhalb eines Unternehmens oder einer Fabrik leichter zu gewährleisten. Wird dennoch eine Public Cloud bevorzugt, sollten Anwender auf den Standort der Server achten. Betreibt der Cloud-Anbieter seine Rechenzentren in Deutschland, unterliegen diese den strengen Anforderungen der europäischen Datenschutz-Grundverordnung, was ein hohes Maß an Sicherheit und Schutz vor unbefugten Zugriffen mit sich bringt.

„Container as a Service“-Modell

Die gängigen Cloud-Anbieter zeigen sich heute auch flexibel genug, um anspruchsvollen Kunden individuelle Verträge, exklusive Server und private Netzwerkverbindungen anzubieten.

Um den Anwendern die vielen Vorteile zu ermöglichen, bringt auch MVTec Software seine Bildverarbeitungslösungen in die Cloud. So wird beispielsweise im Rahmen eines Pilotprogramms das Modell „Container as a Service“ (CaaS) genutzt.

Dabei läuft die Library der Machine-Vision-Standardsoftware Halcon in einem Docker-Software-Container in einer Cloud-Instanz und wird durch einen Lizenzserver in der Cloud freigeschaltet. Die Anzahl der Container und deren Hardware-Ressourcen lassen sich hierbei frei skalieren. Der Kunde profitiert bei diesem Modell von maximaler Flexibilität beim Hosting in einer Public Cloud wie AWS, Azure oder Google-Cloud, aber auch in einer selbst betriebenen Private Cloud. Erforderlich sind nur die Kompatibilität mit Docker sowie eine Verbindung zum Lizenzierungsserver. Zum Vergleich: Beim Modell „Software as a Service“ (SaaS) bietet der Cloud-Provider selbst individuelle Dienste an und hostet diese in eigenen Rechenzentren.