Fog oder Edge Computing – Wie verarbeite ich IoT Daten?
Edge Computing ist ein wichtiger Bestandteil der IoT Datenverarbeitung. Gerade, wenn der Weg zur Wolke zu weit ist, braucht es eine Lösung, die für eine schnelle Verarbeitung sorgt. So können zeitkritische Aktionen sicher umgesetzt werden. Etwa im Bereich der Connected Cars oder im medizinischen Internet of Things.
Aber auch kleine Wölkchen, die schneller zu erreichen sind, gewinnen an Bedeutung. Fog Computing wird damit zu einer wichtigen Option für die IoT Branche. Was aber unterscheidet Fog Computing von Edge Computing? Und wo liegen die Vorteile beider Möglichkeiten, IoT Daten zu verarbeiten?
Inhaltsverzeichnis
Der Pulsschlag des Internet of Things
Edge Computing und Fog Computing sorgen dafür, dass die Daten, die unsere moderne Gesellschaft erzeugt, verarbeitet werden können. Und das sind eine ganze Menge. Laut einer Studie von Juniper Research soll die Zahl der vernetzten Geräte bis 2022 auf mehr als 50 Milliarden weltweit ansteigen.
Gegenüber der geschätzten Zahl von 21 Milliarden Geräten im Jahr 2018 ist das ein ziemlich rasanter Anstieg. Damit steigt auch der Wert der Daten, die von den internetfähigen Devices erzeugt werden, explosionsartig an.
IoT bedeutet ja nichts anderes, als dass unsere Geräte connected sind, um Daten übertragen zu können, ohne dass menschliche Eingaben erforderlich werden. Diese Fähigkeit macht IoT-Geräte zu praktischen und selbst denkenden Helfern.
Im Smart Home begeistert uns die Künstliche Intelligenz der Dinge zum Beispiel vom Einsatz von intelligenten Thermostaten über kluge Tierfutterautomaten bis hin zur effizienten Steuerung von Licht und Rollläden. Um selbst „denken“ und agieren zu können, müssen die Geräte eben jene Daten weitergeben oder direkt verarbeiten. Zumindest dann, wenn sie zu einer Handlung führen sollen.
Zu Beginn der Evolution der denkenden Dinge wurden die Daten meist auf der Cloud abgelegt. Das heißt, sie wurden auf Servern gesammelt, um sie dort zu verarbeiten. Der Fachbegriff hierfür lautet logischerweise Cloud Computing.
Cloud Computing bietet auch immer noch viele Vorzüge wie den gigantischen Speicherplatz und die Erreichbarkeit – unabhängig vom Standort und Endgerät. Um den Pulsschlag der Devices vom Smart Home bis zur smarten Fabrik am Leben halten und zeitig agieren zu können, ist der Weg bis zur Cloud aber mitunter zu lang.
Ein weiteres Problem: Die Übertragung der gigantischen Anzahl an Daten belastet die Netzwerkressourcen. Darüber hinaus bietet der lange Weg leider auch Möglichkeiten für Hacker, sich der Daten zu bemächtigen.
Edge Computing agiert am Point of Origin
Beim Edge Computing werden Daten nicht zentral gelagert und verarbeitet. Edge Computing findet direkt am oder im Endgerät statt. Die Daten werden dabei am äußersten Rand des Netzwerks genutzt. Daher kommt auch der Begriff Edge.
Der Clou am Edge Computing: Die Datenanalysen, die vor Ort durchgeführt werden, ermöglichen eine Echtzeit-Entscheidungsfindung. Schließlich fehlt der lange Weg in die Cloud.
Und das hat nicht nur eine schnellere Umsetzung der IoT Datenverarbeitung zur Folge. Edge Computing verringert auch das Risiko, dass Daten gestohlen oder offengelegt werden. Beide Faktoren minimieren auch die Kosten. Und natürlich fallen auch Beiträge für den Provider des Cloud Services weg.
Ein weiterer Vorteil liegt darin, dass regionale Standorte unabhängig von einem Basisstandort agieren können. Auch das wiederum erhöht die Sicherheit. Etwa, wenn der Basisstandort ausfällt.
Beispiele für den gesunden Pulsschlag durch angewandtes Edge Computing sind intelligente Verkehrssysteme und selbstfahrende Autos. Letztere werden derzeit von Tesla über BMW bis Ford entwickelt und getestet. In Nordrhein-Westfalen sorgte außerdem ein selbstfahrender Bus auf einer Teststrecke für Begeisterung bei den Fahrgästen.
Selbstfahrende Autos und Busse verarbeiten zu jeder Sekunde zahlreiche Datenströme. Dazu gehören neben dem Fahrzeugzustand auch die Straßenzustände und die Aktionen anderer Verkehrsteilnehmer. Darüber hinaus werden Ampelschaltungen, aufkommende Hindernisse, Wetterverhältnisse etc. berücksichtigt.
Kurzum: es gibt eine Menge Daten zu verarbeiten. Damit etwa die Fahrgäste im besagten Bus sicher sind, muss der Prozess der IoT Datenverarbeitung schnell erfolgen, um in der Situation bewusst zu handeln. Edge Computing bietet dabei die höhere Sicherheit durch kürzere Latenzzeiten.
Auch smarte Industrieanlagen profitieren von dieser dezentralen IoT Datenverarbeitung. So können auch dort Maschinen schnelle Entscheidungen in Echtzeit zu treffen. Produktionen sind dadurch weniger fehlerhaft und bieten mehr Sicherheit. Dabei ist die Verarbeitung am Rande des Netzwerks nicht die einzige Möglichkeit.
Fog Nodes als Zuarbeiter der Cloud
Wie eingangs erwähnt: Nicht nur Edge Computing kann eine schnellere Lösung für die IoT Datenverarbeitung bieten. Dabei können auch kleinere Wölkchen helfen. Fog Computing fußt auf genau diesem Prinzip.
Als zusätzliche Ebene unter der Cloud werden sogenannte Fog Nodes eingesetzt. Diese können als kleine lokale Clouds bezeichnet werden. Eingerichtet werden sie durch Things mit Verbindung zum lokalen Netzwerk. So können beispielsweise Router, Notebooks oder auch Gateways als Fog Node genutzt werden.
Diese lokalen kleinen Clouds interagieren miteinander. Dabei weiß jedes Fog Node, wer welche Daten verarbeiten muss. Wobei es sich bloß um kleine Analysen oder Teilausarbeitungen handelt.
Komplexe Datenanalysen können aufgrund der geringen Ressourcen nicht verarbeitet werden. Des Weiteren wissen die Fog Nodes aber auch, welche Daten wohin weitergeleitet werden sollen. Im Prinzip kann man daher sagen, dass beim Fog Computing die kleinen Clouds die große Mutter Cloud entlasten, indem sie IoT Daten bereits teilweise auswerten und für die Cloud aufbereiten.
Auch dadurch können Echtzeitanforderungen besser eingehalten werden. So bieten sie etwa bei Business Analytics und bestimmten Geschäftsanwendungen Unterstützung. Auch im Bereich der Finanzindustrie kann Fog Computing eingesetzt werden. So könnten beispielsweise schnellere Entscheidungen bei den Transaktionen getroffen werden. Dadurch kann etwa Finanzbetrug in Echtzeit verhindert werden.
Fazit zu Edge Computing und Fog Computing
Fog und Edge Computing haben das gleiche Ziel, basieren aber auf unterschiedlichen Strategien.
Beide übernehmen Aufgaben der IoT Datenverarbeitung.
Edge Computing übernimmt die Auswertung von Sensordaten im Gerät selbst und sorgt für Echtzeitreaktion. Nehmen wir einen Roboter, der in einer Lagerhalle Waren bewegt. Wenn er durch die Gänge fährt und den Weg eines Menschen kreuzt, wird ihm der entsprechende Sensor die erfassten Bewegungen mitteilen. Das Stoppen erfolgt natürlich in Echtzeit, um den Menschen nicht zu gefährden. Mit Edge Computing kein Problem.
Die Fog Nodes dagegen bereiten die Daten für die Cloud auf. Dadurch wird das lokale Netzwerk entlastet. Anstatt einfache Analysen im Endgerät, am Rande des Netzwerks oder in der Cloud durchzuführen, werden sie auf den nächsten Fog Node ausgelagert.