Kafka im Automotive: Die Lösung für den exponentiell wachsenden Datenverkehr?

Neulich ging ein sogenanntes Meme durch die sozialen Medien. Es zeigte zwei Zahlen und ein Bild von Tesla- und X-Boss Elon Musk. Auf der einen Seite stand die Anzahl der vollautomatischen Robo-Taxis, die Musk im Jahr 2020 der Welt versprochen hatte. Und auf der anderen die Anzahl der Fahrzeuge, die er tatsächlich bis zum Sommer 2023 liefern konnte.

Kleiner Spoiler: Die Werte passten nicht ganz so gut zusammen.

Abgesehen davon, dass Autos in Zukunft immer autonomer fahren werden, wofür es Unmengen an verarbeitete Echtzeit-Daten benötigt, steht der Automotive-Bereich bereits jetzt vor großen Herausforderungen. Nicht grundlos fiel in den vergangenen Jahren ein Satz besonders oft:

»Hersteller von Autos sollten sich künftig nicht mehr als Autobauer definieren. Sondern als Software-Unternehmen.«

Ja, genau. Das stimmt.

Aber beginnen wir lieber mit der Gegenwart. In der gibt es genug zu tun. Denn moderne Fahrzeuge produzieren aufgrund der gestiegenen Erwartungen vonseiten der Fahrzeugbesitzerinnen und -besitzer schon heute immer mehr Daten.

Zu den Anforderungen gehört:

Sie wollen Autos aus der Distanz steuern, im Sinne von: Auch auf Distanz Zugriff haben.

Das Smartphone soll den Schlüssel ersetzen. Oder zumindest ersatzweise als Türöffner funktionieren.

Autos sollen verliehen werden können. Bestenfalls unkompliziert und ohne Schlüsselübergabe.

Und ja: Irgendwann sollen sie selbst fahren können.

Die wachsende Datenlast, die durch die Ansprüche entsteht, fordert einerseits Mobilfunknetze heraus. Deren Betreiber kommen mit den Nachjustierungen kaum hinterher. Noch schwieriger verhält es sich mit den IT-Systemen der Hersteller. Diese stehen vor vielen essenziellen Fragen, deren Beantwortung komplex erscheint.

Wie können Millionen von Fahrzeugen ihre Daten in Echtzeit an die Apps der User schicken?

Wie erreichen Echtzeit-Befehle die Fahrzeuge?

Wie können Hersteller Sensordaten sammeln und speichern, die sie für das Software-Training benötigen? Hashtag: autonomes Fahren.

Die Lösung ist: Apache Kafka.

Wobei das in diesem Fall nicht ganz stimmt. Die Fahrzeuge kommunizieren selten direkt mit Kafka. Stattdessen nutzen sie das darauf spezialisierte Protokoll MQTT. Die Fahrzeuge senden Messdaten per MQTT an die MQTT Broker. Mithilfe eines MQTT-Adapters werden die Daten an Kafka weitergeleitet. Wie bitte?

Zur Erklärung:

• MQTT: offenes Netzwerkprotokoll für die Versendung von Nachrichten von Maschine zu Maschine.
• MQTT Broker: Ein Broker ist ein Server, mit dem die Clients kommunizieren. Der Broker empfängt die Kommunikation der Clients und sendet sie weiter zu anderen.
• MQTT Adapter: Verknüpft die MQTT-Broker und Kafka-Broker. Sie ermöglichen den wechselseitigen Datentransfer.

Doch was bringt das auf technischer Eben?

Dank Apache Kafka können die entstehenden Datenströme effizient verarbeitet und gespeichert werden. Während MQTT die Kommunikation zwischen den Fahrzeugen und den Brokern ermöglicht, bewältigt Kafka die aus diesem Austausch entstehenden Datenmengen. Mehr noch: Die Informationen für die Zukunft aufbewahrt, quasi haltbar gemacht. Neue Datenpipelines lassen sich integrieren. Ganze Systeme werden skalierbarer. Zusammengefasst heißt das: Kafka sorgt für die Verarbeitung, Speicherung und Analyse der Daten aus MQTT.

Der Vorteil für Autofahrerinnen und Autofahrer, der aus dieser Symbiose entsteht, ist leicht verständlich. Menschen können vom eigenen Wohnzimmer aus die Standheizung im Auto aktivieren. Und natürlich auch andersherum vom Auto aus – theoretisch – die Klimaanlage im Eigenheim hochdrehen.

Das klingt logisch. Automobilhersteller haben neben der notwendigen IT-Struktur noch eine andere Baustelle. Es geht um die Sicherheit der Daten. Unternehmen müssen komplexe Sicherheitsvorkehrungen treffen.

1. Wie stelle ich sicher, dass Kunden nur ihre eigenen Daten sehen?
2. Wie verhindert man, dass Cyber-Kriminelle falsche Daten verschicken oder schlimmstenfalls in Systeme einbrechen?
3. Für das Machine Learning müssen die Daten anonymisiert werden. Doch wie gelingt das unkompliziert und schnell?

Bei diesem Thema wird es spannend. Denn Kafka bringt von Haus aus wenige dieser Funktionen mit, es bedarf Entwicklungen.

Ganz konkret nutzen Automobilhersteller Kafka folgendermaßen:

• Kafka kann wunderbar riesige Datenmengen zwischenspeichern und an Zielsysteme schicken. Schnell, performant und kostengünstig.
• Viele Teams aus einem Unternehmen müssen gleichzeitig auf diese Daten zugreifen. Kafka liefert dafür die Infrastruktur.
• Dank Kafa verkürzt sich die Zeit, die Teams von der Idee bis zur Umsetzung benötigen. Es geht deutlich schneller als bei vergleichbaren Messaging-Produkten.

Fazit

Nur dann, wenn die Daten der Menschen im Auto ähnlich geschützt sind wie im eigenen Zuhause, hat das vernetzte Auto eine rundum positive Zukunft.

Demnächst wird dieser Blog um ein Case-Interview aus der Branche erweitert. Du willst es nicht verpassen? Folge mir auf LinkedIn!