Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Schulungsübersicht
Modul 0: Grundlagen und AWS IoT-Ökosystem
- Einführung in das Internet der Dinge
- Definition von IoT im Jahr 2024 – über „Dinge“ hinaus (Edge-Intelligenz, KI/ML am Edge, Cyber-Physische Systeme).
- Treiber des IoT-Wachstums (Branchen und Anwendungsfälle).
- Relevante Trends: Edge Computing, Nachhaltigkeit, Integration von KI/ML sowie erhöhte Sicherheit.
- AWS IoT im Kontext des gesamten AWS-Ökosystems (Ressourcen des AWS Partner Network – APN).
- Überblick über die AWS-IoT-Dienstlandschaft
- AWS IoT Core (MQTT/Bridge, Job-Verwaltung, Device Defender).
- AWS IoT Device Management (Geräteregistrierung, Konfigurationsverwaltung sowie OTA-Updates).
- AWS IoT Analytics (Verarbeitung, Aufbereitung und Modellierung von Daten).
- AWS IoT Greengrass (Edge Computing, lokale Ausführung sowie sichere Kommunikation).
- AWS IoT Button: Konzeptuelle Darstellung für einfache Geräte.
- Verbindung: AWS IoT Core verbindet sich mit Lambda, DynamoDB, OpenSearch, Step Functions und SageMaker.
Modul 1: IoT-Architektur, Komponenten und Sicherheit
- IoT-Architektur
- Geräteschicht (Sensoren, Aktuatoren sowie Edge-Geräte wie Raspberry Pi und ESP32).
- Konnektivitätsschicht (MQTT, CoAP, HTTP, LPWAN wie LoRaWAN, NB-IoT, Sigfox oder Mobilfunk-Internet der Dinge).
- Cloud-Integrationsschicht (AWS IoT Core, API Gateway, Lambda und Step Functions).
- Datenverarbeitungs- und Analyseebene (DynamoDB, Timestream, OpenSearch, S3, Athena sowie SageMaker).
- Anwendungsschicht (mobile Anwendungen, Webanwendungen mit AWS Amplify oder individuelle Business-Anwendungen).
- Bedeutung: Begründung der Verteilten Architektur – Vorzüge wie geringe Latenz, reduziertes Bandbreitenaufkommen, gesteigerte Rechenleistung und höhere Sicherheit.
- Vertiefende Einblicke in wichtige IoT-Komponenten
- Hardware: Auswahlkriterien (Mikrocontroller, Konnektivität, Sensoren) sowie Sicherheitsaspekte (Trusted Execution Environments – TEEs).
- Edge Computing mittels AWS Greengrass – Vorteile wie geringere Latenz, weniger Cloud-Verkehr und Entscheidungen vor Ort.
- Geräteverwaltung: Registrierung (einschließlich Over-the-Air-Verfahren), Konfiguration, Überwachung sowie ferne Fehlerdiagnose.
- Sicherheitsaspekte im Detail: Geräteidentität, Authentifizierung und Berechtigungssteuerung (X.509-Zertifikate, JSON Web Tokens – JWTs), Verschlüsselung der Daten (bei Speicherung und Übertragung) sowie AWS IoT Device Defender.
- Standards im Bereich Sicherheit: Vorstellung relevanter Normen wie IEEE P2145 oder Open Connectivity Foundation – OCF sowie Compliance-Richtlinien wie ISO/IEC 27001 oder SOC 2.
- AWS-spezifische PaaS-Funktionen für IoT
- AWS IoT Core: Sicheres MQTT-Protokoll, Geräte-Jobverwaltung sowie Device Defender zur Absicherung.
- AWS Lambda: Serverlose Berechnungsplattform zur Vorverarbeitung von Daten und Auslösung weiterer Aktionen.
- AWS Step Functions: Orchestrierung komplexer Workflows mit zahlreichen Geräten.
- Amazon DynamoDB: NoSQL-Datenbank für schnelles Einlesen von IoT-Informationen.
- Amazon OpenSearch Service: Suche und Analyse; besonders geeignet für Zeitreihendaten.
- Amazon Timestream: Spezialdatenbank für zeitliche Abhängigkeiten.
- Amazon S3: Speicherung roher Datensätze als Data Lake.
- AWS IoT Device Defender: Überwachung und Prüfung der Sicherheitssituation.
- AWS IoT Wireless: Verbindung ferner LPWAN-Geräte mit der Cloud.
Modul 2: Kommunikationsprotokolle im IoT-Umfeld
- MQTT (MQTT v5 und WebSockets)
- Merkmale von MQTT 5.0: Speicherfunktion für Nachrichten, Verwaltungssitzungen, Benutzerdefinierte Eigenschaften sowie Wildcard-Topics.
- Verwendung von WebSockets zur Kommunikation – Standardisierungsaspekte.
- Erläuterung der verschiedenen Quality-of-Service-Stufen (QoS).
- Beste Praktiken bei der Nutzung des Protokolls.
- Alternative Kommunikationsprotokolle
- CoAP (Constrained Application Protocol) für Geräte mit eingeschränkten Ressourcen.
- AMQP sowie MQTT über AMQP – Standardformate zum Datenaustausch.
- HTTP: Geeignet für einfache Anwendungen mit seltenen Aktualisierungen.
- WebSockets: Ermöglicht bidirektionale Kommunikation in Echtzeit.
Modul 3: Entwicklung robuster IoT-Anwendungen mit AWS
- Geräteregistrierung und sichere Konnektivität
- Vorabkonfiguration von Geräten mittels AWS IoT Device Defender.
- Sicheres Over-the-Air-Onboarding – anhand konzeptueller Modelle wie jenes vom AWS IoT Button.
- Verwaltung der Gerätezertifikate über ACM bzw. PKI-Systeme.
- Einsatz von MQTT unter Verwendung des TLS-Verschlüsselungsstandards.
- Datenübertragung, Speicherung und weitere Verarbeitung
- Effiziente Übertragung der Gerätedaten nach AWS IoT Core.
- Auswahl des geeigneten Ziels: Lambda für ereignisgesteuerte Prozesse, Step Functions zur Orchestrierung, Timestream für Zeitreihenanalysen oder OpenSearch zum Suchen und Auswerten; außerdem S3 als Speicherplatz für unverarbeitete Informationen.
- Nutzung von AWS IoT Analytics zur vorherigen Aufbereitung sowie Bereinigung der Daten bevor diese gespeichert werden.
- Umgang mit hohem Datendurchsatz – unterstützende Technologien wie Kinesis bzw. Firehose.
- Verwaltung und Betrieb von IoT-Geräten
- Einsatz von AWS IoT Device Management zur Flottenverwaltung.
- Durchführung sowie Verwaltung von Over-the-Air-Updates – erleichtert durch das Werkzeug AWS IoT Jobs.
- Fernüberwachung und Anpassungen der Konfiguration.
- Aufbau des Backends für IoT-Lösungen
- Nutzung von API Gateway zur Erstellung von REST- oder GraphQL-Schnittstellen, über welche die Kommunikation mit Geräten und Daten gewährleistet wird.
- Einsatz von AWS Lambda für die Ausführung geschäftsspezifischer Logiken.
- Orchestrierung verteilter Prozesse unter Einsatz von AWS Step Functions.
- Asynchrone Nachrichtenübermittlung sowie Ereignisauslösung über Amazon SQS bzw. SNS.
Modul 4: Edge Computing und erweiterte Integrationen
- AWS IoT Greengrass – Grundlagen
- Konzepte wie „Core“, „Device“ und „Connector“.
- Lokale Ausführung von Lambda-Funktionen auf dem jeweiligen Gerät.
- Direkte Programmierung des Geräts in C++ oder Python zur eigenständigen Verarbeitung.
- Sichere Kommunikation zwischen Greengrass Core und anderen AWS- bzw. IoT-Geräten.
- Anwendungsbeispiel: Lokale Filterung, Vorverarbeitung der Daten oder KI-basierte Inferenz am Edge.
- Integration von künstlicher Intelligenz und Maschinenlernen
- Nutzung von SageMaker für die Entwicklung komplexer maschineller Lernalgorithmen in der Cloud.
- Einsatz des Greengrass ML Accelerator (GMA) zur Ausführung von KI-Inferenz auf Geräten vor Ort.
- Visualisierung der Daten und Gestaltung benutzerfreundlicher Oberflächen
- AWS IoT SiteWise zur professionellen Visualisierung industrieller Datensätze.
- Erstellung von Webanwendungen mittels AWS Amplify (inkl. API, Benutzeroberfläche sowie Authentifizierungsmechanismen).
- Erarbeitung interaktiver Dashboards unter Einsatz von Amazon QuickSight oder OpenSearch Dashboards.
Modul 5: Sicherheit, Governance und bewährte Praktiken
- Sicherheitslebenszyklus im IoT-Umfeld
- Grundsätze sicherer Systementwürfe (Verteidigung in Tiefe).
- Sichere Entwicklungsverfahren – u. a. gemäß der OWASP IoT Top 10.
- Erkennung und Beseitigung potenzieller Schwachstellen.
- Analyse möglicher Gefährdungsszenarien bei IoT-Systemen.
- AWS-Dienste zur Absicherung von IoT-Lösungen
- AWS IoT Device Defender: Überwachungs- und Schutzmechanismen für Geräte sowie gesamtes Service-System.
- Weitere Sicherheitswerkzeuge wie AWS Shield, AWS Identity and Access Management (IAM).
- Nutzung von AWS Config zur Prüfung der Compliance mit vorgegebenen Standards.
- Integration von Hardware-Sicherheitsmodulen (HSMs) für erhöhte Datenschutzgarantien.
- Datenschutz und rechtliche Aspekte im IoT-Kontext
- Richtiges Handling personenbezogener Daten (PII).
- Festlegung von Richtlinien zur Aufbewahrung oder Löschung sensibler Informationen.
- Berücksichtigung gesetzlicher Anforderungen und Compliance-Standards.
Modul 6: Praktische Projekte und Abschlussaufgaben
- Anleitete Laborübungen
- Einrichtung neuer Geräte sowie deren Verbindung per MQTT.
- Sichere Übertragung der Daten an AWS.
- Erstellung eines einfachen IoT-Dashboards zur Anzeige relevanter Informationen.
- Simulation von Over-the-Air-Updates.
- Einstieg in die Grundlagen und Konzepte von AWS IoT Greengrass.
- Abschlussprojekt unter realistischen Bedingungen
- Gesamtentwicklung einer vollständigen IoT-Lösung zur Lösung eines praxisrelevanten Problems – etwa Automatisierung von intelligenten Haushaltssystemen, Überwachung der Umgebungsbedingungen oder Aufbau eines industriellen Sensor-Netzwerks.
- Anforderungen: sichere Einbindung des Geräts, effiziente Datenerfassung und -verarbeitung sowie Visualisierung – gegebenenfalls darüber hinaus Integration zusätzlicher Edge-Funktionalitäten.
- Verwendung der im Verlauf des Kurses vorgestellten AWS-Dienste zur Umsetzung des Projekts.
Voraussetzungen
Zielsetzung:
Moderne IoT-Entwicklung setzt eine Infrastruktur im Modell „Platform-as-a-Service“ (PaaS) voraus. Zu den führenden PaaS-IoT-Systemen gehören Microsoft Azure, AWS IoT von Amazon, Google Cloud IoT sowie Siemens MindSphere. Entwickler müssen daher die erforderlichen Funktionen solcher Plattformen verstehen, um IoT-Daten erfolgreich in andere Systemlandschaften zu integrieren. In diesem Kurs erhalten Sie praktische Einblicke anhand eines Raspberry Pi sowie des Mehrfach-Sensor-Chips TI SensorTag – dieser bietet zehn integrierte Sensoren (zur Erfassung von Bewegungsdaten, Umgebungstemperatur, Luftfeuchtigkeit, Druck und Lichtintensität etc.). Sie lernen die Grundlagen des IoT kennen und wie diese im AWS-IoT-PaaS-Ökosystem mithilfe von Lambda-Funktionen implementiert werden können.
8 Stunden
