Edge Computing: FAQ zur Datenverarbeitung am Rande
Edge Computing ist in aller Munde. Doch was ist es eigentlich? Wir erklären es euch in unserem FAQ-Artikel.
Die Entwicklung und Herstellung kleinster elektronischer Geräte nimmt jeden Tag zu. Geräte werden immer intelligenter. Sensoren, Aktoren, IoT-Technologien: sie alle sammeln Daten, die ausgewertet werden müssen, um Mehrwerte zu liefern.
Diese Auswertung der Daten beginnt meist in der Cloud. Und das ist bei sehr vielen Anwendungen auch richtig und gut. Denken wir beispielsweise an Feuchtigkeitssensoren, die uns nur ab und zu den aktuellen Stand aus der Lagerhalle liefern sollen.
Doch gerade dort, wo kritische Anwendungen eine Datenauswertung in Echtzeit erfordern, kommen Cloud-Lösungen an ihre Grenzen. Denn bis die Daten vom Gerät in die Cloud gelangt sind, vergeht Zeit. Zeit, die manche Use Cases nicht mitbringen. Hinzu kommt das eher stockende Voranschreiten des Breitbandausbaus.
Eine erfolgversprechende Lösung für dieses Problem heißt Edge Computing. Doch was ist es eigentlich? Was ist Edge AI? Und dann gibt es ja auch noch das Fog Computing? Alle wichtigen FAQs zu diesem Thema beantworten wir euch in diesem Blogbeitrag.
Potenzial hat der Edge-Computing-Markt auf jeden Fall: So soll er laut einer aktuellen Studie bis zum Jahr 2025 voraussichtlich einen Wert von 3,24 Mrd. US Dollar erreichen.
Inhaltsverzeichnis
Was ist Edge Computing?
Edge Computing ist eine IT-Architektur, die eine dezentrale Verarbeitung von Daten ermöglicht. Daten werden also dort verarbeitet, wo sie erhoben werden – direkt auf smarten Geräten und Sensoren. Weitergeleitet werden nur die Daten, die am Ende auch benötigt werden.
Was ist “Edge”?
“Edge” bedeutet – abgeleitet aus dem Englischen – Ecke, Kante oder Rand. Im Kontext von Edge Computing weist “Edge” darauf hin, dass die Erfassung, Analyse und Verarbeitung von Daten dezentral am “Rande des Netzwerks” erfolgt.
Was ist Edge AI?
Mithilfe von Algorithmen, die man zum Einsatz der Künstlichen Intelligenz (auch Artificial Intelligence, AI) bzw. des Maschinellen Lernens benötigt, lassen sich etliche Daten analysieren. Es können Muster und Fehler erkannt und so Prozesse automatisiert werden. Die Künstliche Intelligenz wird dabei immer leistungsfähiger. Im Gegenzug zur Cloud AI werden eben diese Algorithmen direkt auf dem Gerät und nicht erst in der Cloud verarbeitet.
Der Marktanteil an Produkten, die mit Edge-AI-Computing arbeiten, soll von sechs Prozent Marktanteil (2017) auf 43 Prozent im Jahr 2023 steigen. Das wurde innerhalb der „Artificial Intelligence and Machine Learning“ Studie des Markforschungsunternehmens ABI Research ermittelt.
Was ist Fog Computing?
Bei Fog-Systemen handelt es sich um kleine Rechenzentren, die zwischen dem Gerät und der Cloud geschaltet sind. Die Datenverarbeitung findet (wie auch beim Edge Computing) also dezentral statt – im Falle des Fog Computings am Rande der Cloud.
So wird der Weg der Daten zur Cloud verkürzt. Gleichzeitig werden nicht alle Informationen in die Cloud transferiert, sondern nur solche, die vom Fog-System vorverarbeitet werden. Diese Zwischen-Ebene im Netzwerk wird auch als Fog-Layer berzeichnet.
Warum Edge Computing?
Die Dezentralität, die Edge Computing bietet, bringt in vielen Bereichen Vorteile mit sich. Zunächst einmal gibt es den Vorteil, dass das Gerät selbst keine stabile Netzverbindung für die Verarbeitung braucht. So lassen sich Anwendungsfälle auch in ländlichen Gebieten oder unter extremen Wetterverhältnissen verwirklichen.
Gleichzeitig kann mit Edge Computing Energie effizient eingespart werden: Ist keine dauerhafte Kommunikation über ein Netz nötig, so werden auch Akkus und komplexe Stromversorgungen hinfällig. Das spart auch Kosten – zum Beispiel weil enorme Cloudkapazitäten nicht mehr notwendig sind.
Insgesamt können Daten ohne Zeitverzögerung und hohe Latenzzeiten ausgewertet werden. Bei Vorfällen können also schnell Maßnahmen getroffen werden.
Auch die Sicherheit in Hinblick auf Datenschutz ist ein wichtiger Punkt. So können gesammelte Daten und Informationen direkt dezentral verarbeitet und daraufhin gelöscht werden. Es gibt nämlich keine konstante Kommunikation zwischen den Edge AI Geräten und der Cloud. So gelingt es Dritten nicht, ungefilterte Informationen (z.B. Bilder und Videos) abzufangen und auszulesen. Nur die relevanten Meta-Daten werden in den definierten Intervallen an die Cloud weitergeleitet.
Was sind Anwendungsbereiche für Edge Computing?
Die Anwendungen, bei denen auf Edge Computing gesetzt wird, kommen hauptsächlich aus dem IoT-Umfeld. Es bietet die Infrastruktur, Daten in Echtzeit zu verarbeiten und auszutauschen. Das heißt gleichzeitig, dass Edge Computing nicht für alle Applikationen relevant ist. Wenn ein Sensor beispielsweise nur zweimal am Tag den Füllstand eines Behälters melden soll, dann spielt der Faktor Echtzeit keine besondere Rolle.
In smarten Fabriken hingegen können Echtzeit-Informationen und Entscheidungen, die in Millisekunden getroffen werden können, lebenswichtig sein. Gleiches gilt für Frühwarnsysteme beim Auto oder intelligente Verkehrssysteme, die beispielsweise das Verkehrsaufkommen erkennen und dementsprechend handeln – um einen störungsfreien Verkehrsfluss zu erreichen und Unfälle zu vermeiden.
Fazit: Die Zukunft von Edge Computing
Edge Computing bietet die Möglichkeit, die Massen an Daten, die durch Sensoren und smarte IoT-Devices generiert werden, direkt am Ort der Entstehung zu verarbeiten.
Dass die Daten am Endgerät vorgefiltert und analysiert werden bevor sie in die Cloud gelangen, hat besonders zwei Vorteile: Zum einen gibt es eine höhere Datensicherheit, weil die Daten vor Ort bleiben. Zum anderen können so Daten mit deutlich geringeren Latenzen gesendet werden.
Und dennoch: Es ist nicht zu erwarten, dass das Cloud Computing verdrängt wird. Vielmehr wird es durch das Edge Computing erweitert.