Mit der Schlange in die Produktion: Python für (I)IoT-Anwendungen

Python gilt als eine der beliebtesten Programmiersprachen von Entwicklern. Doch beim Datenbankzugriff und bei der Performance weist Python einige Nachteile auf. Abhilfe versprechen Lösungen, die Python näher an das eigentliche Herz von Anwendungen – die Daten – rücken. Welche Vorteile sich dadurch ergeben und was sich hinter „Embedded Python“ konkret verbirgt, erfahren Sie in diesem Webcast.

Sprecher

Jannis Stegmann

Sales Engineer, InterSystems GmbH

Kurzvita

Jannis Stegmann ist seit Anfang 2021 als Sales Engineer bei InterSystems tätig und kümmert sich in dieser Rolle vorwiegend um datengetriebene Kundenprojekte in der Fertigungs- sowie Finanzdienstleistungsbranche. Zuvor arbeitete er bei Hewlett Packard Enterprise als Business Consultant. Herr Stegmann hat sein Studium an der ESB Business School in Reutlingen als Master of Science im Bereich Consulting & Business Analytics mit den Themen-Schwerpunkten (Big) Data Analytics, Business Consulting und Digitalstrategien abgeschlossen.

Christian Töpfer

Manager Solutions & Services, heise Business Services

Kurzvita

Christian Töpfer war viele Jahre bei ChannelPartner im IDG-Verlag als Redakteur, Content Manager und Chef vom Dienst tätig. Seit 2016 arbeitet er bei heise und kümmert sich um Online-, Print- und Webcast-Projekte im Auftrag von Kunden.

Je verteilter die Systemlandschaft eines Unternehmens ist, desto mühsamer ist die Integration historischer und transaktionaler Daten in Python-basierte Anwendungen. Umso mehr, wenn nicht nur strukturierte Daten, sondern auch unstrukturierte Daten wie Social Media Feeds, Video- oder Audiodateien berücksichtigt werden sollen. Kommt dann noch die Anforderung hinzu, die Python-basierte Anwendung möglichst performant zu gestalten, ohne dabei an Robustheit einzubüßen, stehen Entwickler vor einer Herkulesaufgabe, die mit den üblicherweise verwendeten Tools und Bibliotheken kaum lösbar ist.

Doch glücklicherweise erlauben es manche Technologien mittlerweile, Python-Code direkt am Herzstück einer Anwendung – den Daten – auszuführen. Damit wird eine erhebliche Verbesserung der Performance möglich. Mittels umfassender Interoperabilitätsfunktionen gewährleisten diese modernen Werkzeuge den uneingeschränkten Zugriff auf Daten aus beliebigen Quellen und Formaten. Wichtig ist dies vor allem dann, wenn es auf die Reaktionsfähigkeit einer Anwendung ankommt und eine große Menge historischer und transaktionaler Daten mit KI- und ML-Unterstützung verarbeitet werden müssen.

Am Beispiel einer Anwendung aus dem Bereich (Industrial) Internet of Things (IoT) erläutert Jannis Stegmann von InterSystems in diesem Webcast, wie sich mithilfe moderner Datentechnologien komplexe Interoperabilitätsaufgaben lösen und hochperformante sowie hochverfügbare Anwendungen auf Python-Basis realisieren lassen.

Im Webcast kommen unter anderem folgende Aspekte zur Sprache:

• Entwicklung von Python vom Anwendungsbereich KI/ML hin zu einer leistungsfähigen Programmiersprache für das (I)IoT
• Interoperabilität: Systemübergreifende Abbildung von Prozessen und allumfassende Konnektivität
• Große Datenmengen mit Python in den Griff bekommen: Flexibilität in Bezug auf Dateneinspeisung und -auswertung
• Anbindung von Anlagen, Maschinen und Maschinenparks
  • Implementierung von Geschäftslogik mit Python direkt auf Geräteebene (Sensoren und Aktoren)
  • Micropython – mit sehr geringen Systemanforderungen für kleine Devices
  • Die beliebtesten Verbindungsmethoden für (I)IoT-Geräte (MQTT und OPC-UA) können effektiv mit Python implementiert werden.
• Mit Python direkt an den Daten arbeiten und auf einer Multi-Model-Datenplattform aufsetzen, die keine Duplikation der Daten erfordert, sondern mit einer einzigen Datenbank-Engine auf dieselben Daten multi-model zugreift und damit redundante Datenhaltung verhindert.
• Skalierbarkeit und Cloud-Readiness

Christian Töpfer von Heise Business Services übernimmt die Moderation des Webcasts. Registrieren Sie sich jetzt!