Edge Computing ist die ideale Technologie, wenn wir für die Verarbeitung von Daten auf eine kurze Reaktionszeit angewiesen sind.
Wenn zum Beispiel Daten, die von Sensoren erfasst worden, direkt ausgewertet werden müssen, um eine Handlung zu erlauben. Mit der sogenannten Verarbeitung am Rand des Netzwerks, also dort, wo sie aufgenommen wird, ist das am besten möglich.
Schnell verarbeiten, anstatt zuerst auf die Reise zur Cloud und wieder zurück zu schicken – das ist das Prinzip der Dezentralisierung. Das Smart Car etwa profitiert vom Edge Computing. Hierbei sollen die Ergebnisse der Sensordaten schließlich in Bruchteilen von Sekunden zur Verfügung stehen. Und zu einer Aktion führen, die genauso schnell ausgeführt werden muss. Etwa, wenn es um das Abbremsen vor plötzlich auftauchenden Hindernissen geht. Dabei kann schon eine Millisekunde den Unterschied zwischen Unfall und sorgloser Weiterfahrt ausmachen.
Inhaltsverzeichnis
Was macht die Dezentralisierung eigentlich aus?
Was das oben genannte Beispiel ja schon zeigt: Edge Computing sorgt für eine flexiblere und schnellere Verarbeitung von Daten. Und eine schnelle Umsetzung. Dezentralisierung ist dafür unumgänglich. Diese Technologie basiert schließlich auf der Vorortverarbeitung.
Das heißt, dass beim Edge Computing die Daten und Dienste nicht zentral gelagert werden. Das war bisher der Fall, wenn man mit Cloud Computing gearbeitet hat. Edge Computing dagegen heißt, dass an den Rändern eines Netzwerks gearbeitet wird. Möglich ist das durch den Einsatz von kleineren und flexibleren Recheneinheiten, die nicht ständig mit einem Netzwerk verbunden sein müssen.
Praktisch erklärt: Edge Computing nutzt die zunehmende Fähigkeit der Geräte zum In-Device-Computing. Die Datenverarbeitung kann in den Edge Devices direkt erfolgen. Analysen und Rechenleistung werden vor Ort durchgeführt. Diese verbesserte Analysefähigkeit in den Edge-Geräten erlaubt die schnelle Reaktion, die wir bereits erwähnten.
So kann man die in Geräten eingebettete Intelligenz nutzen, um sämtliche Prozesse reaktionsschnell zu beeinflussen. Dabei können Entscheidungen in Echtzeit getroffen werden. Eine Tatsache, die für viele neue Möglichkeiten der smarten Verbindungen einfach notwendig ist.
Edge Computing vs. Cloud Computing
Natürlich ist die Kapazität beim Edge Computing endlich. Aber darum geht es hierbei nicht. Es geht um die schnelle und aktuelle Analyse. Kurzum: es geht um das Jetzt.
Das Internet der Dinge ist schließlich zum festen Bestandteil unseres Alltags geworden. Nicht nur im Smart Home, im Connected Car oder bei der vernetzten Logistik, die uns unsere Pakete verfolgen lässt. Auch in der Industrie, insbesondere in der Fertigung, beeinflussen Vernetzung und künstliche Intelligenz viele Abläufe. Tendenz steigend.
Die Daten, die dabei hervorgebracht werden, kann man natürlich weiterhin an die Cloud schicken. Der Vorteil beim Cloud Computing ist sicher die immense Speicherkapazität, die so eine Wolke bieten kann. Anbieter von Clouds, wie etwa Amazon, Microsoft oder Google bieten dazu noch viele praktische Dienste an, die dabei helfen, die Daten sinnvoll zu nutzen. Das ist für einige Bereiche, wie etwa Marketing, Verwaltung und andere nützlich.
Wenn aber die Millisekunde den Unterschied macht, geht die Dezentralisierung klar als Sieger hervor. So ist Edge Computing zum Beispiel für eine M2M-Kommunikation, bei der es um exaktes Timing und reibungslose Abläufe ankommt, unersetzlich. Weil die Kommunikation durch die Dezentralisierung eben nicht auf lange Wege angewiesen ist.
Dezentralisierung für eine höhere Customer Experience
Genau aus diesem Grund wird sich Edge Computing auch in vielen IoT Feldern, sei es beim Smart Car, in der digitalen Fabrik oder der Smart City, wie etwa der Verkehrssicherung, auch weiter durchsetzen. Die Branche ist dabei nicht entscheidend.
Nehmen wir zum Beispiel das viel gepriesene Kundenerlebnis, die Customer Experience. Jeder Händler möchte seinem Kunden einen Service bieten, der ihn zum Wiederkommen einlädt. Mit Edge Computing wird das am Point of Sale möglich.
So kann ich die dezentrale Computerarchitektur etwa dazu verwenden, Kundendaten sofort auszuwerten und dem Kunden entsprechende Vorschläge für weitere Einkäufe, Rabatte oder einfach eine persönliche Ansprache zu nutzen. Einzelhändler können durch Edge Computing sichergehen, dass das Einkaufserlebnis für die Kunden gleichbleibend hochwertig bleibt. Die Ansprache ist gleichbleibend individuell wie die Angebote.
Und die Konnektivität kann nicht durch eine langsame oder schlechte Verbindung zur Cloud gestört werden. Die Bandbreite der Möglichkeiten ist also hoch und wird genutzt werden. Die Statistiker von Gartner gehen deshalb davon aus, dass bis zum Jahr 2025 etwa 75% aller Daten des Internet der Dinge außerhalb des herkömmlichen Rechenzentrums oder eben außerhalb der Cloud verarbeitet werden.
Wie die intelligente Fabrik von Edge Computing profitiert
Wie bereits erwähnt, profitieren vor allem smarte Industrieanlagen davon, schnelle Entscheidungen in Echtzeit treffen zu können. Produktionen können dadurch von Fehlernquellen befreit werden und Maschinen können in Echtzeit miteinander kommunizieren. Schließlich ist die exponentiell steigende Anzahl von Sensordaten in den intelligenten Fabriken ein wichtiges Thema für die reibungslose M2M-Kommunikation.
Die Daten müssen schnell verarbeitet werden. Auf diese Weise kann zum Beispiel eine Abschaltautomatik greifen, wenn es gefährlich wird. Und die smarte Fertigung funktioniert mit Edge Computing reibungslos, weil die Maschine A der Maschine B mitteilt, wenn ein Element bereit zur Weiterverarbeitung ist und B sofort reagiert.
Edge Computing ist die Zukunft der Industrie
Das Internet der Dinge und die KI bringen Innovationen voran. Diese bestehen meistens darin, Vorgänge zu automatisieren. Oder sie zu beschleunigen. Dadurch kann schneller und effektiver produziert werden. Das wiederum basiert darauf, dass gewonnene Daten schnell analysiert und Entscheidungen getroffen werden.
Die hohe Anzahl an Maschinen und Geräte, die inzwischen über eine smarte Verbindung verfügen, ist jedoch recht hoch. So werden in Sekunden Millionen von Daten ausgesendet. In einer Studie von McKinsey & Company heißt es beispielsweise, dass eine Offshore-Bohrinsel Daten von rund 30.000 Sensoren generiert, jedoch unter einem Prozent davon für Entscheidungen verwendet wird.
Kombinationen von Rand und Wolke
Das sieht in großen Fertigungsanlagen vielleicht ähnlich aus. Damit es zu keiner Überlastung der Netzwerke und zu daraus resultierenden größeren Latenzzeiten kommt, brauchen wir die Dezentralisierung. Also den Einsatz von Edge Computing: Hier werden die Daten an dem Punkt verarbeitet und analysiert, an dem sie erstellt wurden. Dadurch wird die Latenz erheblich reduziert.
Und wenn man Daten für eine ausgiebigere Analyse oder zur dauerhaften Speicherung braucht, bleibt natürlich bei aller Dezentralisierung auch immer noch die Möglichkeit, die durch Edge Computing zusammengefassten Daten periodisch an die Cloud zu senden.
Du hast Interesse an IoT Buttons oder bist auf der Suche nach einer Lösung für dich? Dann schau dir den IOX IoT Button an oder kontaktiere uns und wir beraten dich gerne weiter:
FAQ zu Edge Computing
Edge Computing meint die dezentrale Datenverarbeitung am Rand des Netzwerks. Daher können Daten mithilfe von Edge-Computing direkt an der Peripherie des Netzwerks verarbeitet werden, also da wo die Daten auch generiert werden.
Mobile Edge Computing (MEC) ist ein standardisiertes Konzept, das flexible Computerressourcen in der Nähe mobiler Benutzer bereitstellt. Zu diesem Zweck wird die IT-Infrastruktur, die sogenannte Small Cloud, zum Ausbau der Cellular Base Station (eNB) genutzt. Neben den klassischen Onboard- und Cloud-Funktionen kann die verteilte kleine Cloud auch direkt unterwegs berechnet werden.
Alle eingehenden Daten werden in einem Gateway gesammelt und intern gespeichert. Anschließend wählt es die Daten aus und sendet relevante Informationen gemäß verschiedener Spezifikationen, die bei Bedarf auf einem lokalen Server oder in der Cloud gespeichert werden. Dienste mit Analysefunktionen stellen diese Daten für die weitere Verarbeitung bereit.
Edge AI bedeutet, dass AI-Algorithmen lokal auf Hardwaregeräten verarbeitet werden. Der Algorithmus verwendet Daten (Sensordaten oder Signale), die auf dem Gerät erstellt wurden.
Beispiele dafür sind Drohnen, Kameras oder Augmented-Reality-Brillen. Es ist nicht erforderlich, Daten wie bei herkömmlichen Methoden auf einen Server oder eine Cloud zu übertragen.
Gegenüber dem zentralisierten Rechenmodell bietet das Konzept des Edge-Computings mehrere Vorteile. Da die Daten in der Nähe der Datenquelle verarbeitet werden, wird die Übertragungs- und Antwortzeit minimiert. Die Kommunikation kann nahezu in Echtzeit erfolgen. Datensicherheit: Durch Edge Computing verbleiben die meisten Daten im lokalen Netzwerk. Daher ist es für Unternehmen einfacher, Compliance-Anforderungen zu erfüllen.
Edge-Computing-Geräte treiben Edge-Computing in verschiedenen Branchen an. Sie führen je nach Softwareanwendungen oder Funktionen, mit denen sie ausgestattet sind, unterschiedliche Aufgaben aus. Edge Geräte können in verschiedenen Formen, Größen und Kapazitäten existieren. Intelligente IoT-Geräte sind dann Edge-Computing-Geräte, wenn die gesammelten Daten am Rande des Netzwerks, also dezentral, verarbeitet werden.
Der Begriff “Edge” leitet sich von den englischen Wörtern für Ecke, Kante oder Rand ab. Dies bedeutet, dass die Erfassung, Analyse und Verarbeitung von Daten dezentral am “Rande des Netzwerks” erfolgt.
Das Fog-System ist ein kleines Rechenzentrum, das zwischen dem Gerät und der Cloud verbunden ist. Wie beim Edge-Computing wird auch beim Fog-Computing die Datenverarbeitung dezentralisiert, also am Rand der Cloud durchgeführt.