Zweifellos findet im Produktentwicklungsbereich eine Transformation statt: Neue Technologien ermöglichen neue Produkte und verändern die Art und Weise, wie wir über bestehende Produkte, wie zum Beispiel Autos, nachdenken. Aber welche Trends treiben diese Transformation voran? Dieser Artikel skizziert sechs Trends, basierend auf dem Keynote von Jean-Marc Chery (STMicroelectronics) auf der Embedded World 2019.
Es ist kaum nötig, die gerade stattfindenden Veränderungen hervorzuheben, aber Jean-Marc hat sie in Zahlen gefasst. In fünf Jahren (2017–2021) ist zu erwarten:
- Anzahl tragbarer Geräte: 300 → 800 Millionen
- Anzahl vernetzter Smart-Home-Geräte: 0,4 → 1,8 Milliarden
- Anzahl der Industrieanlagen, einschließlich Einzelhandel und Werbung: 4 → 10 Milliarden
- Anzahl intelligenter Fahrgeräte: 1,1 → 2,2 Milliarden
Diese Zahlen – und die Möglichkeiten, die der Markt bietet – treiben sechs Trends an:
1. Mehr Rechenleistung, neue Architekturen
Da wir nun wissen, was möglich ist, brauchen wir die Leistung (und den Speicher), um es zu realisieren. Und ohne sie können wir keine bessere Leistung, keine neuen Funktionen, keine neuen Möglichkeiten, keine Zuverlässigkeit und keine Sicherheit erzielen.
Aber insbesondere die letzten beiden (Zuverlässigkeit und Sicherheit) werden indirekt einen weiteren Trend auslösen: Wir werden neue skalierbare Architekturen sehen, die diese Bedürfnisse unterstützen. Betrachten Sie zum Beispiel ein modernes Auto mit bis zu 100 Steuergeräten. Das Aktualisieren von Software und Firmware ist ein Albtraum. Betrachten Sie ein Auto mit eingebautem GPS. Der Fahrer kann sich möglicherweise immer noch für die Nutzung des Smartphones zur Navigation entscheiden, da die Aktualisierung des GPS zu viel Aufwand wäre (Fahrt zur Werkstatt usw.). Over-the-Air-Updates werden intensiv diskutiert, aber die Sicherheit ist oft eine Herausforderung. Wir sehen also den verwandten Trend, dass fragmentierte Architekturen aggregiert werden.
2. Geringerer Stromverbrauch
Die Batterietechnologie holt auf, aber die beste Option ist nach wie vor, den Stromverbrauch von vornherein zu vermeiden. Damit das gelingt, müssen wir den Stromverbrauch auf allen Ebenen verbessern: die (Hardware-)Technik, bei der Integration, in der Software und im System. Angefangen bei der Produktion (Silizium-)Technik. Irgendwann müssen wir entscheiden, was in der Hardware für die Leistung und was in der Software für die Flexibilität geschehen soll. Nehmen wir die Verarbeitung von Sensordaten als Beispiel: Die Vorverarbeitung kann in Hardware erfolgen. Die verarbeiteten Daten können dann entweder in die Cloud gesendet oder bei Bedarf lokal weiterverarbeitet werden.
3. Mehr Sicherheit
Überraschung! Eingebettete Sicherheit ist ein Problem, wer hätte das gedacht? Wir haben bereits letztes Jahr darüber berichtet in IoT-Sicherheit: Ein Tsunami ist im Anmarsch.
Genauer gesagt gibt es vier Bereiche, die angesprochen werden müssen, und zwar:
- Echtheitsprüfung
- Sichere Datenaustausche
- Sichere Datenspeicherung
- Sichere Codeausführung
4. Mehr Robustheit
Robustheit betrifft primär die funktionale Sicherheit, die natürlich auch auf Hardware-Ebene gilt. Dies aber verstehen wir und praktizieren es seit über hundert Jahren. Heute müssen wir auch die Software einbeziehen. Die Regularien werden entsprechend angepasst. Das gilt wieder auf vielen Ebenen.
5. Konnektivität
Wenn wir an Konnektivität denken, denken wir an Telefone, Haushaltsgeräte und ähnliches. Aber Konnektivität hat eine viel breitere Auswirkung. Roboter beispielsweise nutzen kurze Funkverbindungen, um Kabel zu ersetzen, da dies zuverlässiger ist. Konnektivität umfasst die Ausrichtung von Protokollen und stützt sich auch auf eine Infrastruktur (Netzwerk), die sie unterstützt.
6. Mehr lokale Autonomie
Maschinen werden ihre Umgebung zunehmend berücksichtigen und autonome Entscheidungen treffen. Für eingebettete Systeme stellt sich daraus die Frage, wo die Verarbeitung stattfinden soll: Auf dem Knoten? In der Cloud? Oder am Rande des Netzwerks? Dies erfordert ein komplexes Zusammenspiel von lokalisierter Sensorik und Intelligenz, verteilten Systemen, Edge Computing und ja, künstlicher Intelligenz. Um dies richtig zu machen, ist ein komplexer Prozess erforderlich: Wir müssen den Grad der Intelligenz klassifizieren, um den Bedarf an Prozessoren zu verstehen. Dann trainieren wir das neuronale Netz (plattformunabhängig) und wandeln schließlich das trainierte neuronale Netz in optimierten Code um.
Fazit
Dies sind spannende Zeiten für Verbraucher und Nutzer von Technologie, aber es gibt viele Herausforderungen, um dies richtig zu machen. Was wir hier beschrieben haben, ist nur das, was wir im Bereich Embedded sehen. Aber dies ist nur eine von vielen Überlegungen im Systems Engineering.
